New-Tech Magazine | April 2020

בעזרת כלים אוטומטיים ML/AI שילוב רכיבי

« " של מיקרוסופט Power" - במשפחת ה AI Builder שילוב של «

כחלק מכלי תכנה מסורתיים. לדוגמה, ML / AI ישנן מערכות תכנה בתחומים כגון ניהול כלים אוטונומיים, אבטחת מידע, שליטה ובקרה, מערכות אבטחה, שיווק ומכירות וכן מגוון תחומים נוספים אשר בהם מוטמעים רכיבי לשיפור תפקוד המערכות. AI חברת גרטנר מכנה את התופעה הזו, שבה , AI מסתייעים בטכנולוגיית AI / ML תהליכי data science ", או כ-" DSML " Augmented כ- . AI מתוגבר" בעזרת machine learning ו- זאת אומרת שעדיין יש צורך בבקרה אנושית כדי AI אשר מסתייעים ב- ML / AI על תהליכי לשפר ולייעל את תהליך בניית המודל. הצפי הוא, שעם הזמן, הבקרה האנושית תצומצם עוד יותר. בכל מקרה, טכנולוגיה זו משחררת . data scientist חלק ניכר מהמאמץ הנדרש מ- Citizen בנוסף, הטכנולוגיה מאפשרת ל- לטפל ברוב תהליכי הבקרה Data Scientists האנושיים על המודלים, מורידה חסמי כניסה בארגון. ROI ומשפרת את ה- ML / AI ב- האפשרויות הן אין סופיות ובעתיד הלא רחוק, לא נבין איך פעם הסתדרנו ללא מערכות כאלו בעבודה יום-יומית.

. ניתן גם להוסיף קטעי AI Builder יתווספו ל- קוד רגיל לפי הצורך. , IBM חשוב לציין כי חברות רבות אחרות כגון וגוגל מציעות פתרונות בתחום זה. AWS על פי נתוני חברת המחקר גרטנר: מצוותי הפיתוח ישתמשו 40% ,2023 עד שנת לבניית מודלים לשילוב AutoML בשירותי 2018 ביישומים שלהם, כשבשנת AI יכולות .1% - השתמשו פחות מ יופקו AI מנתוני האימונים ל- 25% ,2022 עד באופן סינטטי. מפעילות מדעני הנתונים 50% ,2025 עד שנת , וכך יקלו על AI יותאמו אוטומטית על ידי . data scientists המחסור החריף ב- התחזיות הללו לא פחות ממדהימות ומלמדות אשר ML / AI על קפיצת מדרגה בתחום ה- ימכן את התהליכים ואת ארגון המידע לאימון המודלים - וכך ינגיש את הטכנולוגיה לאוכלוסייה רחבה במיוחד. מדובר בדור חדש של מומחי תוכן עסקי המשתמשים בכלים כמו . הם אלו אשר יבנו את המודלים בעזרת Excel הכלים האוטומטיים הללו. כאמור, דור זה . Citizen Data Scientist מכונה בתחומי ML/AI שילוב מערכות חיים רבים במקביל להתקדמויות המתוארות לעיל, ישנן עוד מספר רב של דוגמאות לשילוב מערכות בחיי היום-יום שלנו. ישנן מערכות ML / AI ותוכנות מדף אשר משתמשות בטכנולוגיית כדי לבצע מגוון פעילויות כגון תמלול ML / AI מדיבור לטקסט, זיהוי אובייקטים בתמונות ווידיאו, זיהוי פנים ועוד שלל יישומים. חברת איטייפ מקבוצת מלם תים, מתמחה בתחום זה. כמו כן, יותר ויותר יצרני תכנה משלבים רכיבי

עננים ציבוריים עם משאבי מחשוב כמעט אין סופיים, אשר מאפשרים לבדוק מספר רב של קומבינציות של אלגוריתמים ופרמטרים במקביל. היא נתונים AutoML התוצאה של תהליכי "נקיים" ומוכנים ואלגוריתם ופרמטרים מתאימים ביותר באחוז וודאות שמחשב מספק. כמובן שניתן לשכלל את הבחירה אנושי אשר יכול לבצע data scientist על ידי שינויים לפי הצורך בכתיבת קוד ייעודי. כלי יפחיתו את מחסום הכניסה למדעי AutoML Citizen הנתונים וייצרו מקצוע חדש בשם או איש מקצוע מהתחום Data Scientist העסקי ולא המדעי. אותו איש מקצוע רק יבקר וישכלל את התהליך האוטומטי. על מנת לשכלל את התהליך עוד יותר ולהנגיש למספר רב יותר של משתמשים וללא AI כלי צורך בידע רחב בנושא, הכריזה חברת אשר AI Builder מיקרוסופט על כלי בשם " של מיקרוסופט Power ישתלב במשפחת ה-" הינו שירות ליצירת PowerApps . Azure בענן אפליקציות ארגוניות המבוסס על הממשק המוכר של יישומי אופיס. מוצרים מסוג " או Low Code מכונים "מערכות PowerApps כלים אשר מאפשרים פיתוח אפליקציות ללא היא AI Builder צורך בכתיבת קוד. מטרת להרחיב את היכולת הזו עם מגוון פונקציות כגון: מילוי טפסים בסיוע ML / AI בתחום ה- אלגוריתמים, זיהוי אובייקט בתוך תמונה, ניתוח טקסט וחיזוי תוצאות. הכלי משולב עם ומאפשר שיתוף Flow ו- PowerApps סביבת Common נתונים בין חברי המשפחה בעזרת – מבנה נתונים פשוט. Data Service מיקרוסופט מבטיחה להרחיב את היצע האלגוריתמים והפונקציות בכלי אשר יאפשרו Power שילוב יפה בין יישומים הנבנים בעזרת אשר ML / AI לבין תשתיות נרחבות של Apps

צבי ברונר, מלם תים « Technology and innovation lead, CTO Office, MalamTeam

53 l New-Tech Magazine