בינה מלאכותית

החברות AGC Glass Europe, יצרנית זכוכית שטוחה, וסיטרין אינפורמטיקס  (Citrine Informatics), חברה המפתחת פלטפורמה טכנולוגית מבוססת בינה מלאכותית כדי להאיץ מחקר חומרים לייצור, משתפות פעולה בפיתוח הדור הבא של הזכוכית באמצעות בינה מלאכותית.

בשוק כלי הרכב והטלקום קיים כיום ביקוש גבוה לזכוכית בעלת תכונות אופטיות ומכניות משופרות למניעת שריטות ושפשופים. AGC מספקת מידע מניסויים במטרה לבנות מודלים של בינה מלאכותית המבוססים על הפלטפורמה של סיטרין.

אלגוריתם חדש של בינה מלאכותית (AI) יכול לחזות במדויק את חומרת ההתקדמות של מחלות עצביות, כמו אלצהיימר והנטינגטון, על ידי ניתוח נתוני ביטוי גנים מדגימות דם. מכיוון שההתקדמות של מחלות אלה היא ייחודית לכל מטופל, לאלגוריתם אבחנתי זה יש ערך פוטנציאלי משמעותי במעקב אחר מצבו של המטופל ובמתן מידע ספציפי אודות סוג הטיפול הנחוץ, על סמך מצבו הנוכחי של המחלה.

החוקרים מתכננים לבנות אלגוריתם דומה למצבים אחרים של ניוון עצבים, כמו פרקינסון וטרשת עורקים אמיוטרופית. המחקר המתאר את האלגוריתם, "מסלולי ביטוי גנים בדם ומוח המשקפים נוירופתולוגיה והידרדרות קלינית בהתנוונות עצבית", פורסם ב-Brain: A Journal of Neurology.

בעבר, רוב הניתוחים של מחלות ניווניות הסתמכו על נתונים שנאספו בנקודות זמן נפרדות, ומ"תמונות" של התקדמות המחלה. על ידי צבירת נתונים ממטופלים רבים, האלגוריתם החדש שואף להתגבר על מגבלות אלה. חוקרים באוניברסיטת מק'גיל ובמרכז לודמר לנוירו-אינפורמטיקה ובריאות נפש פיתחו את האלגוריתם על ידי בחינת נתוני ביטוי גנים והערכות מוח של 1,969 חולים. למעשה, האלגוריתם זיהה בסך הכול 845 גנים רלוונטיים - שהיו מעורבים ב-88 מסלולי איתות וקשורים להתקדמות של אלצהיימר והנטינגטון, כאשר בוחנים דגימות שנאספו מתאי מוח. בדגימות דם, האלגוריתם זיהה 85% –90% מאותם מסלולים, מה שמרמז כי ניתן להשתמש בבדיקת דם כדי לחזות את התקדמות המחלה.

ציר הזמן המלאכותי שנוצר על ידי אלגוריתם זה יכול לאפשר לחוקרים בעתיד לחזות את התקדמותן של מחלות אלה, על סמך נתוני הביטוי הגנטי שנאספו.

מקור: alsnewstoday.com

הנפילה הכלכלית ממגפת הקורונה גרמה למשבר חסר תקדים בענף העיתונות, שעלול להעמיק עוד יותר את הירידה של ארגוני התקשורת ברחבי העולם. עתיד העיתונות - והישרדותו - עשוי להיות טמון בבינה מלאכותית – כך טוען פרנצ'סקו מרקוני, פרופסור לעיתונאות באוניברסיטת קולומביה בניו יורק, שגם פרסם ספר בנושא זה: יצרנים חדשים, בינה מלאכותית ועתיד העיתונאות (Newsmakers, Artificial Intelligence and the Future of Journalism). מרקוני היה ראש מעבדת המדיה בוול סטריט ג'ורנל ובסוכנות הידיעות Associated Press, אחד מארגוני החדשות הגדולים בעולם. התזה שלו ברורה: עולם העיתונאות לא עומד בקצב ההתפתחות של הטכנולוגיות החדשות ועליו להתחיל ולנצל את מה שה-AI יכול להציע, ולגבש לעצמו מודל עסקי חדש.

סוכנות הידיעות הקנדית היא אחד מכלי התקשורת הנדירים שבהם משתמשים ב-AI. הסוכנות פיתחה מערכת להאצת תרגומים המבוססים על AI. גם סוכנות הידיעות AFP משתמשת גם ב-AI לאיתור תמונות.

העיתונאים יכולים להישאר רגועים; בינה מלאכותית אינה מתיימרת להחליף עיתונאים או לחסל עבודות. מרקוני מאמין שרק שמונה עד 12 אחוזים מהמשימות הנוכחיות של העיתונאים יישלטו על ידי מכונות, מה שלמעשה יסדיר מחדש את עבודת העורכים והעיתונאים וימקד אותם בתוכן בעל ערך מוסף: כתבות צבע, ראיונות עלילתיים, ניתוח, עיתונות מונעת מנתונים ועיתונות חוקרת.

כרגע, רובוטים של AI מבצעים משימות בסיסיות כמו כתיבת שתיים עד שש פסקאות על ציוני ספורט ודיווחי רווחים רבעוניים ב-Associated Press, תוצאות הבחירות ותוצאות אולימפיות בוושינגטון פוסט. התוצאות משכנעות, אך הן גם מראות את מגבלות ה-AI. מערכות AI אכן מסוגלות לחסוך לעיתונאים זמן רב על ידי תמלול ראיונות שמע ווידיאו, והדבר נכון גם לגבי דיווחים גדולים על זיהום או על אלימות, הנשענים על מאגרי מידע עצומים - המכונות יכולות לנתח נתונים מורכבים תוך זמן קצר. אך לאחר מכן, העיתונאי מבצע את עבודתו הבסיסית: בדיקת עובדות, ניתוח, הקשר ואיסוף מידע. מערכות AI בקושי מסוגלות להתמודד עם עבודה מסוג זה. ואם כל זה לא משכנע, אז לסיום ישנו נתון חשוב אחד: באמצעות AI אפשר לחסל את ה"פייק ניוז". מערכת AI סייעה בפיתוח מערכות לגילוי סרטונים מזויפים ("זיופים עמוקים") וחדשות מזויפות.

מקור: theconversation.com

רשות הכבישים והתחבורה של דובאי (RTA) הודיעה על תחילתו של פרויקט בינה מלאכותית (AI) באוטובוסים שלה. הפיילוט ישתמש באלגוריתמים של בינה מלאכותית לתכנון נתיבי אוטובוסים על פי מידת השימוש בהם לאורך היום, כחלק ממאמץ הרשות להשתמש בטכנולוגיות כדי לחסוך זמן ומאמץ וכדי לשפר את חוויית הלקוח בתחבורה.

אחמד מחבוב, מנכ"ל שירותים חכמים ברשות: "שימוש בטכניקות בינה מלאכותית המיוצגות על ידי אלגוריתמים של למידת מכונה בתכנון של מסלולי אוטובוסים, נועד לתכנון מחדש של המסלולים לכל 150 המסלולים בדובאי. הטכנולוגיה תפעל על גבי 2,158 אוטובוסים, וכבר נבדקה בעשרה מסלולים. בעת קביעת תחנות אוטובוסים עם עומס תנועה רב ותחנות המשמשות רק בשעות השיא, ייתכן שיוחלט על אי עצירה במצבים מסוימים, או שיוצעו נתיבים מהירים תוך התחשבות בצרכי הנוסעים".

מחבוב הוסיף, כי שלב הפיילוט הביא להפחתה בשיעור של 13.3 אחוזים בזמן במסלולי הבדיקה. לדבריו, המרחק שעובר אוטובוס בממוצע שנתי נאמד ב-153 מיליון ק"מ. המשמעות היא שהטכנולוגיות תורמות גם להפחתת כמות הדלק הנצרכת, ועקב כך להפחתת פליטת הפחמן.

מקור: www.intelligenttransport.com

ישנה קשת רחבה של יישומי בינה מלאכותית בטכנולוגיות אוטומציה, אפילו שהטכנולוגיה נמצאת עדיין בחיתוליה. החל מרובוטים ניידים אוטונומיים, דרך בקרת איכות, ועד תחזוקה על בסיס חיזויי מחשב. אם טרם שילבתם בינה מלאכותית במערכי התפעול שלכם, מצלמות חכמה הן מקום טוב להתחיל ממנו. שלושה יתרונות מרכזיים למצלמה חכמה:

בטיחות: וילונות אור הם בין אמצעי הבטיחות הנפוצים ביותר. וילון אור שומר על בטיחות העובד באמצעות יריעת חישה שמאבטחת את נקודות הגישה למכונה. הקושי עם אמצעי בטיחות זה הוא שהוא תופס מקום רב ואינו גמיש, וזמן התגובה שלו לפעמים אינו נותן מענה מספק. גם מערכות קונבנציונליות של ראייה ממוחשבת עם מצלמות רשת ומודולים של בינה מלאכותית אינן אידיאליות למשימות המצריכות תגובה מיידית.

הטמעת טכנולוגיה של בינה מלאכותית בתעשיות שונות טומנת בחובה קשיים אחדים שיש לתת עליהם את הדעת. מגזין המסחר האינטרנטי Manufacturing Tomorrowהקדיש מאמר ליתרונות הגישה ההיברידית בהטמעת שיטות של בינה מלאכותית.

כשמדברים על בינה מלאכותית (AI-Artificial Intelligence), מתכוונים באופן כללי למכונה שפותרת בעיה בצורה שאנו מחשיבים כתבונית. למידת מכונה (Machine learning) היא תת-קטגוריה בבינה מלאכותית, שבה מחשב מוזן בנתונים ועל פיהם פותר בעיה ללא התערבות אנושית. רשת עצבית מלאכותית (deep learning) היא הרחבה של שיטות למידת מכונה והפיכתה לרשת עצבית מלאכותית ששואבת השראה מפעולת המוח. באמצעות אימון ותיוג, המשתמש מלמד את המערכת כיצד לקבל החלטות על בסיס תוצאות טובות ורעות (כמו עבר/נכשל). בהמשך, המערכת העצבית יכולה לנתח נתונים ולקבל החלטות באופן אוטונומי וללא התערבות אנושית.

חברת נוירלה (Neurala) גייסה 12 מיליון דולר לטובת טכנולוגיית בינה מלאכותית שתשמש בייצור תעשייתי. תוכנת VIA (Vision Inspection Automation) של החברה תספק פתרון משולב, שנועד לשפר את בדיקות האיכות שנעשות בפס הייצור.

במגזר התעשייתי הולך וגובר העניין בהטמעת טכנולוגיות בינה מלאכותית בתהליך הייצור, כחלק מתהליך אוטומציה גלובלי שנקרא גם "תעשייה 4.0", זאת בעקבות הצורך של היצרנים להתאים את עצמם למציאות החדשה שנוצרה בעקבות מגפת הקורונה. חברת נוירלה היא חלוצה בתחום ראיית בינה מלאכותית ליישומים בתעשייה, ובעקבות גיוס הכספים תוכל להרחיב את מנעד היישומים של התוצר שלה.

בשנה האחרונה שיפרה נוירלה את יכולתה לזהות ולפתור בעיות במתקני תעשייה, הודות לשיתופי פעולה עם מומחים להטמעת מערכות ועם ספקים מבוססים. כמו כן עבדה נוירלה עם מספר הולך וגדל של יצרני ציוד מקורי כדי לספק פתרון כולל וקל לשימוש, שישפר את מהירות ויעילות הבדיקה במחיר המונגש למנעד לקוחות רחב.

טוני פאלצ'ק, מנהל בקרן זברה וונצ'רז (Zebra Ventures) שהשקיעה בחברת נוירלה: "תעשיינים כיום ממנפים בינה מלאכותית ואוטומציה כדי לתת מענה לאתגרים כגון הגבלות ייצור, הפרעות בשרשרת האספקה ואי-זמינות של כוח עבודה".

מקור: www.neurala.com