New-Tech Magazine | April 2020

"לכווולם" - התקדמותמרשימה בהנגשת ML/AI יישומי אינטליגנציהמלאכותית לאוכלוסייה רחבה

צבי ברונר, מלם תים

ה

אוטומטי. הכוונה היא machine learning או כדי לבצע תהליכי ML / AI להיעזר בטכנולוגיית ". ניתן למצוא use AI to train AI או " ML / AI במגוון כלים, ML תכונות אוטומטיות של יש קבוצה מוגדרת AutoML אך בקטגוריית למדי של תכונות, כולל: רכישה והכנת נתונים מראש; מציאת תכונות רלוונטיות מהנתונים; בחירת האלגוריתם הטוב ביותר; כוונון האלגוריתם ופריסה ומעקב בשלב הייצור או הפעלת התהליך בפועל. וכל זאת מתבצע באופן כמעט אוטומטי. כדי למכן את AI הכוונה היא להשתמש בכלי התהליכים שנימנו לעיל. לפעמים, הנתונים אשר עליהם נפעיל את האלגוריתמים לא מושלמים (חלקן חסרים, יש צורך בהשלמה , הכלי AutoML ממקור אחר וכו'). במערכות מפעיל פעולות שונות על מנת "לנקות" את הנתונים ולסדר אותם כנדרש. לשם המחשה, ראינו שבשלב השני של התהליך יש צורך בהפעלת מספר רב של אלגוריתמים עם פרמטרים שונים במתכונת "ניסוי וטעיה", כדי לאתר את האלגוריתם והנוסחה המתאימים מבצעות הרבה AutoML ביותר. מערכות מאוד בדיקות במקביל בעזרת כלים "חכמים" , אשר ימליצו בעצמם על AI מבוססי האלגוריתם המיוחל. כל זאת בסיוע תשתיות

זו אשר מאפשרת שימוש בה לאוכלוסייה רחבה ומגוונת יותר. , ישנם מספר ML / AI בתחום טכנולוגיית ה- סוגי מערכות וטכנולוגיות. לצורך המחשה, supervised machine נתמקד בסוג המכונה . ארגון נתונים אשר באמצעותם ניתן לנתח 1 התנהגות או תופעה מסוימת. שלב זה כולל איסוף נתונים, בדיקת תקינותם, שיוכם וארגונם. נתונים אלו משמשים כמידע לאימון המודלים בעזרת נוסחאות ואלגוריתמים. . בחירת נוסחאות, אלגוריתמים ופרמטרים 2 מתאימים, אשר דרכם ניתן יהיה להשליך על מגמות ותחזיות לעתיד. תהליך זה מתבצע במספר שלבים בשיטת ניסוי וטעיה, עד שנבחרת נוסחה או אלגוריתם עם פרמטרים אשר מפיקים תוצאה רצויה. . בדיקה ואימות האלגוריתם מול נתונים 3 נוספים, כדי לבדוק את קונסיסטנטיות התוצאות, תקינות התוצאה ורמת האמינות של הנוסחה. השלבים הנ"ל, התשתית מוכנה 3 . לאחר 4 להפעלה על נתונים חדשים. הרוב המכריע של חברות העוסקות בתחום, AutoML החלו לייצר טכנולוגיה תחת הכותרת או לימוד תחת פיקוח. learning התהליך כולל מספר שלבים:

היסטוריה מלמדת שבתחום טכנולוגיות המחשוב ככלל ובמערכות

תכנה בפרט, טכנולוגיות חדשות עוברות אבולוציה במהלך הזמן. בתחילת דרכן, טכנולוגיות אלו דרשו מיומנות מיוחדת להפעלתן ולהפקת תועלת מהשימוש בהן. ניקח לדוגמא את מערכות ההפעלה. שם התקדמנו שדרשה ידע מעמיק כדי DOS ממערכת הפעלה להפעילה ועברנו לחלונות ומשם לממשק מגע השווה לכל נפש. כיום, קל מאוד ללמוד ולהפיק תועלת ממערכות ההפעלה המודרניות. אנו נמצאים בעידן שבו תהליך דומה עובר על טכנולוגיית הכלים והתשתיות בתחום האינטליגנציה המלאכותית, אשר מתקדמת בקצב מסחרר. בעבר הלא רחוק, נדרשו תשתיות חומרה יקרות ומומחים על מנת לפתח אלגוריתמים ומודלים מתאימים כל פעם מחדש וכמובן היה צורך בכתיבת קוד הוכיח את עצמו AI מורכב יחסית. תחום ה- וכיום הוא הפך לטכנולוגיה חיונית לכל ארגון, אשר נכנס לליבת העשייה של מערכות המחשוב. לכן, השוק דורש ומקבל מערכות מתקדמות אשר מורידות את המחסומים לשימוש בטכנולוגיה זו ופותחות את האפשרויות לנחלת הכלל. מטרת המאמר, לסקור את ההתקדמות המדהימה בטכנולוגיה

New-Tech Magazine l 52