AI

טכנולוגיית AI-for-AI מאפשרת התמודדות עם האתגרים הקשים ביותר ביישום AI ובפיתוח פתרונות, כולל אתגר המחסור בכוח אדם ייעודי. פיתוח פתרון AI דורש ממדעני נתונים (data scientists) אנושיים לעסוק באופן מקצועי בארגון הדאטה, בניקויו, בהשלמת חוסרים בו, בעיבודו ועוד. במקביל, עליהם לבחור מודלי למידת מכונה ולהרכיבם יחד, לנטרם ולכיילם עד כדי מציאת הפתרון המיטבי לבעיה. מדובר בעבודת trial & error, שעבור data scientists אנושיים היא ארוכה ויקרה, לא מעניינת, וברוב המקרים – לא מסתיימת בהגעה לאופטימום הגלובלי הטוב ביותר.

טכנולוגיית AI-for-AI משנה את התמונה, בראש ובראשונה – ברמה הכלכלית. היא מאפשרת:
✓ להקל על העומס של Data Scientists
✓ להשיג Time to Market קצר וזול יותר
✓ להשיג אחוזי דיוק גבוהים יותר של המודלים
✓ להפחית את גורמי הסיכון לאי-הצלחה של הפרויקט

דוגמאות ליישומים מבוססי AI-for-AI

מחלקת ה-AI בקבוצת Hyundai Motor – זיהוי תבניות (Pattern Recognition)
שיפור ביצועי הנהיגה ונצילות האנרגיה ברכבים חשמליים מתקדמים באמצעות אלגוריתמים לחיזוי אופן הנהיגה בשניות הקרובות. פעילות זאת מבוססת על ניתוח דאטה של סדרות זמן (time series), אשר נאספות מעשרות חיישנים ברכב בזמן אמת.

חברת סולל בונה – זיהוי מפגעי בטיחות באתרי בנייה מתוך צילומי רחפנים
הפיכה אוטומטית של תיאורים מילוליים של מפגעי הבטיחות לדאטה ויזואלי סינתטי(!), המשמש לאימון מערכות ראייה ממוחשבת לזיהוי המפגעים בזמן אמת.

חברת StoreDot – חיזוי דינאמיקת התנהגות סוללה על-פני ציר הזמן
מעבר מ-AI לחיזוי אירוע נקודתי כזה או אחרי ל-AI שיודע לחזות התנהגות ושינוי התנהגות על-פני ציר הזמן. במקרה זה, חיזוי תפקודי סוללות רכבים חשמליים במחזורים רבים של טעינה ופריקה, המבוסס הן על ניתוח סדרות זמן (time series) והן על אפיון פגיעות שונות ברמת הסוללה הספציפית.

שירות התעסוקה הישראלי – 5 פרויקטים בתחום התאמת דורשי עבודה למשרות
1. זיהוי וחילוץ כל פרטי המידע ממסמכי קו״ח בצורה היררכית והזנתם אל תוך מסד נתונים מובנה.
2. יישום וטיוב מודל שפה מקומי בעברית להבנת הטקסט בקו״ח ובתיאורי משרה.
3. מדידת הקשר הסמנטי, הלוגי וההשמתי בין דורש עבודה לבין משרה.
4. הטמעת בסיס הידע של ESCO (פרויקט של האיחוד האירופי) להתאמות מבוססות כישורים.
5. ממשק משתמש ויזואלי חווייתי להנגשת השליטה על יכולות AI מתקדמות ע״י מתאמי השמה.

חטיבת הציוד לניתוחי לב בחברת Johnson & Johnson – מערכת תומכת ומנמקת החלטה
רפואה מותאמת אישית, המבוססת על ניתוח היסטוריה רפואית, דאטה דימותי ודאטה דמוגרפי של פציינט העובר ניתוח לב. על-סמך ניתוח זה, מתן המלצה לרופא המנתח בנוגע לגישה הניתוחית המתאימה ביותר (מתוך רשימה סגורה של אפשרויות). הייחודיות של פתרון זה לעומת מערכות תומכות החלטה אחרות הוא ב-explainability. מדובר בטכנולוגיות AI נדירות יחסית, אשר לא רק נותנות תוצאה מדוייקת, אלא גם יודעות לנמק (במקרה זה, לרופאים) מדוע היא נכונה.

אפליקציית TinyTap (מובילה עולמית בתחום הלומדות) – מנוע פרסונליזציה להתאמת תכנים
מספר מודלים מבוססי collaborative filtering למתן המלצות אישיות של תכנים לימודיים-משחקיים, בדומה לאלה שיש ב-YouTube, באמזון וכד׳. במקרה הספציפי הזה, המודלים לוקחים בחשבון את אופן התפקוד וההצלחה של הילד בשימושים קודמים שלו בלומדות השונות במערכת, מה שהופך את מנוע ההמלצה למתוחכם הרבה יותר ביחס להמלצה על-סמך צפייה בסרטונים.