New-Tech Magazine | Nov 2022 | Digital Edition

של האלגוריתם. התוצאות חייבות להיות חוקיות ואתיות, כלומר ניתנות להסבר - .) xAI ( Explainable AI במאמר קצר זה, נוכל רק לגעת על קצה , xAI המזלג בתפיסות שעומדות מאחורי אולם הקוראים ימצאו מידע רב בסקירות הטכניות של יצרנית המוליכים למחצה , שהיא חברת ייעוץ PWC ושל NXP להתנהלות עסקית. NXP מציג גישה הוליסטית ש- 1 איור אתית ואמינה. AI מציעה לפיתוח מערכת , נתבונן xAI כדי להמחיש את הדרישות של בשני תרחישי יישום אפשריים. בקרה של כלי רכב תעשיית הרכב - אוטונומיים: נניח שאתם נוסעים במונית שנוהג בה אדם. אם הנהג נוסע במהירות נמוכה, אתם עשויים לשאול "למה אתה נוסע לאט כל-כך?" בתשובה, הנהג עשוי להסביר לכם שתנאי הקרה גרמו להיווצרות קרח על הכבישים, ולכן הוא נזהר במיוחד כדי למנוע החלקה של המונית ואיבוד השליטה עליה. לעומת זאת, במונית אוטונומית, אין אפשרות לבקש מהנהג להסביר את החלטותיו. סביר להניח שההחלטה על נסיעה במהירות נמוכה נובעת ממספר מערכות של למידה חישובית התלויות אלה באלה (סביבה, אחיזת כביש וכו'), שכולן פועלות יחד כדי להסיק כי מהירות נמוכה היא הבחירה השקולה. חלק אחר במערכות הנהיגה העצמית ברכב אמור למסור לנוסע את הסיבות להחלטות בצורת קול ותמונות, כדי לספק לו מידע ולהרגיע אותו במהלך הנסיעה. אבחון מצב רפואי של מטופל: בריאות - חשבו על כך שמערכת אוטומטית תאיץ את הזיהוי של בעיות מסוגים שונים בעור. צילום אנומליה בעור של מטופל מוזן ליישום, והפלט נשלח אל רופא עור לצורך הצעת טיפול. קיימות הפרעות מסוגים שונים בעור האנושי. חלקן זמניות, אחרות קיימות באופן קבוע, חלק מהן אף כואבות. חומרת מצבי העור נעה מקלה יחסית למסכנת חיים. בגלל המגוון הרחב של הפרעות אפשריות, ייתכן שרופא העור יהיה סבור כי יש צורך בהמשך אבחון הבעיה לפני שימליץ על צורת טיפול. אם יוכל להציג את הסבירות של AI יישום ה האבחנה ושל תוצאות אחרות שהוסקו

NXP i.MX 8M NanoUL Evaluation ערכת ההערכה :3 איור « )NXP מקור: כשהרכיבים העיקריים מודגשים ( Kit

בטוח מפני מתנגדים ML האם יישום ה- ■ המעמידים אותו בסכנה? ? ML האם ניתן לתת אמון ביישום ה- ■

בדרגה גבוהה, המומחה יוכל לקבל החלטה מושכלת יותר. שני התרחישים הפשוטים שהבאנו . xAI ממחישים מדוע יש לשקול בכובד ראש קיימות דילמות אתיות וחברתיות רבות , ML וב- AI נוספות במסגרת השימוש ב שאף אותן יצטרכו לשקול ארגוני שירותים פיננסיים וממשל. במסגרת תכנון מערכות של למידה חישובית, אלה כמה מהנקודות שמפתחי יצטרכו לבחון. Embedded האם נתוני האימון מהווים דוגמה רחבה ■ ומגוונת מספיק של הפריט שלגביו נדרשות מסקנות? האם הוכח שנתוני הבדיקה מכילים ■ ייצוג שווה של כל קבוצות הסיווג שזוהו בכמויות מספיקות? האם התוצאה שהוסקה בעזרת ■ האלגוריתם מחייבת הסבר? האם הרשת העצבית יכולה לספק תשובה ■ על בסיס מידת הסבירות של התוצאות שהיא לא כללה? האם יש אילוצים משפטיים או ■ רגולטוריים שמכסים את נתוני העיבוד של ? ML יישומי ה-

פיתוח יישומי למידה חישובית

רבים עובדים כעת Embedded מפתחי בפרויקטים שכוללים פונקציה של למידה TinyML חישובית, בדומה לדוגמה של שהובאה בקטע המבוא. עם זאת, תהליך אינו מוגבל לפלטפורמות מבוססות- ML ה קצה; התפיסות ניתנות להרחבה במידה רבה מאוד לפריסות תעשייתיות גדולות. בתעשיות שונות ML דוגמאות לפריסות של כוללות ראייה ממוחשבת, ניטור מצבים, בטיחות ואבטחה. ספקים מובילים בענף המוליכים למחצה מציעים כעת בקרים זעירים ומעבדים זעירים הממוטבים ליישומי למידה חישובית. דוגמה אחת היא מעבדי . NXP iMX -8 M Nano - Ultralite היישומים , NXP iMX -8 M Plus כחלק מסדרת ) מצויד NanoUL ( Nano - Ultralite ה-

New-Tech Magazine l 46