בראודה ופלאי הבינה מלאכותית

ממניעת תקלות ועד לאיתור מוקדם של מחלות: כיצד אפשר ללמד מחשב יכולות שעוזרות לנו למנוע מחלות, לאתר מראש תקלות בתהליכי ייצור ואפילו לאתר בזמן אמת אדם העומד לטבוע בים? שני מומחים מסבירים על היכולות המופלאות של הבינה המלאכותית ועל חדירתה כמעט לכל תחום בתעשייה הישראלית

היום לא צריך להיות חלק מעולם ההייטק כדי להכיר את המונח “בינה מלאכותית” – כולם מדברים על זה. אבל מהי בעצם בינה מלאכותית? ובכן, אליעד בן-נון, מומחה לתחומי הנדסת תעשייה, הנדסת איכות ובינה מלאכותית (AI), ומרצה במכללה, מסביר שלמעשה מדובר בשיטה ה”מלמדת” את המחשב יכולות כגון התבוננות, ניתוח, הסקת מסקנות וקבלת החלטות עצמאיות, שהיו שמורות בעבר לבני אנוש ולא למכונה. זיהוי פנים, מתן המלצה לבנקאי על רמת הסיכון בהינתן הלוואה, פענוח הסריקה של מכשיר CT באופן עצמאי ומתן התראה על הימצאות מחלה חלילה – כל אלה הם פיתוחים הניתנים לביצוע תודות ליכולותיה של הבינה המלאכותית. בן-נון מציין, כי אופן האימון של המחשב ביכולות הללו ניתן לשליטה ובקרה.

“מאחר שלמחשב קיימת היכולת להתמודד עם כמות עצומה של מידע ויכולות חישוב ועיבוד מהירים, במקרים מסוימים לבינה מלאכותית ישנן יכולות גדולות יותר אפילו מאלו של צוות של מומחים בתחום מסוים”, הוא מסביר. לדבריו, תחום הבינה המלאכותית הולך וצובר תאוצה ומוטמע במגוון נרחב בתעשייה. הוא קודם לכל מבחין בין תעשיית ההייטק – המאמצת במהירות מגוון נרחב של יישומי בינה מלאכותית, ומרבית הפיתוחים בתחום יוצאים ממנה – לבין תעשייה יצרנית מסורתית (Low Tech),  שם, מטבע הדברים, כניסת יישומי הבינה המלאכותית מתבצעת בקצב איטי יותר.

בינה מלאכותית בתעשייה המסורתית

כדי להבין טוב יותר כיצד הבינה המלאכותית משתלבת בתעשייה, בן-נון מספק כמה דוגמאות רלוונטיות, תחילה מהתעשייה המסורתית. “שילוב בינה מלאכותית במפעלי ייצור, מאפשר תזמון מועדי תחזוקה באופן אידאלי של מכונות עוד לפני שהן מתקלקלות או מושבתות, ומביא בכך לחיסכון בזמן ובמשאבים במפעלים. כך למשל מפעל המייצר שעוני מים, שכבר עושה שימוש בטכנולוגיה, זוכה לתחזית מועילה של תזמון מועד תחזוקת המכונות, המושפעת מנתונים שונים שנאספו לאורך הזמן מגורמים שונים בפס הייצור, אשר משפיעים על פעולת המכונות, זמינותן ותפוקותיהן. כך למעשה מתאפשרת מניעת תקלות מסוימות או דחייתן למועד מאוחר יותר ובכך מתקבל למעשה חיסכון בזמן ובמשאבים כספיים”.

דוגמה נוספת הנוגעת בשילוב הבינה המלאכותית בתעשייה המסורתית, וגם היא מגיעה מעולם תחזוקת המכונות התעשייתיות: “מיקרופונים המוצמדים למכונות, בשילוב בינה מלאכותית מאפשרים האזנה קולית למכונות, ניתוח דפוסים ואנומליות של הרעש הנגרם בזמן פעולתן, זאת על מנת לתזמן את מועד התחזוקה האידאלי. זיהוי אותם דפוסים חריגים ברעש המכונה, אינו בהכרח ניתן לזיהוי על ידי אוזן אנושית, וכמובן גם שאף אדם לא יאזין שעות רצופות לרעש מכאני מונוטוני. המטרה היא להתמודד עם תקלות צפויות עוד לפני שהן מתרחשות בכדי לתזמן באופן אידאלי וחסכוני טיפול מונע, וזאת לפני שהתקלה תגדל למימדים אשר יהיו מסובכים ו\או יקרים יותר לטיפול”.

בינה מלאכותית בתעשיית ההייטק

כפי שציין בן-נון, יישומי בינה מלאכותית נכנסת בקצב מהיר לעולם ההייטק, שהרי היא מבשרו. כך, למשל, הוא מציין כי כיום חברות המספקות שירותי ענן לגולשים, נעזרות בפיתוח ישראלי לחיזוי קריסות בשרותי הענן. “המערכת מזהה אנומליות מבעוד מועד במהלך פעילות שמתרחשת בתעבורת הנתונים בתוך הענן, מה שמאפשר לקבל תחזיות מהימנות לגבי קריסה צפויה וגם כמובן – אפשרות נקיטת פעולה למניעתה”.

לדבריו, ישנם ענפים נוספים שנחשבים שמרניים יחסית, כמו תעשיית התרופות וענפי הבנקאות והביטוח שאינם נוטים לאמץ במהירות טכנולוגיות שאמורות להחליף את הבינה האנושית, וגם לא את קבלת ההחלטות הנעשית בידי אדם. אולם לאחרונה, וביתר שאת בשנתיים האחרונות, חל שינוי גדול גם בענפים אלו.

“בישראל כבר הוקמו מספר חברות ביטוח שפועלות על טהרת הבינה המלאכותית, הפועלות בשוק העולמי והמקומי”, מספר  בן-נון. “חברות אלו מייעלות את התפעול, מה שמתבטא במהירות הטיפול בתביעות (ובשאיפה שמהירות הטיפול תימשך שניות ספורות), בהוזלת עלויות לחברת ביטוח ויכולת דיוק גבוהה בקבלת ההחלטות כגון האם לדחות או לאשר תביעה. גם חברות הביטוח הוותיקות הפועלות בישראל מבינות את התועלת, וחלקן אף הקימו מחלקות AI בתוכן”.

בינה מלאכותית ורפואה

לצד השכלולים והפיתוחים הרבים, אין ספק כי אחד התחומים המרתקים בבינה מלאכותית הוא שילובה בעולם הרפואה. כידוע, זה מכבר נעשים מאמצים גדולים כדי לזהות ניצני מחלות עוד לפני שהן מתפרצות. הדבר בא לידי ביטוי למשל בבדיקות סקר, המיועדות לבחון סיכוי להופעת גידולים מסוימים כמו סרטן שד, או סרטן המעי הגס. “זיהוי מחלות בתחילתן, זמן רב, לעיתים שנים לפני הופעת הסימפטומים, או זיהוי מראש של פוטנציאל גבוה להתפתחותן אצל אדם זה או אחר במהימנות גבוהה, מאפשר במחלות מסויימות יכולת להתמודד מולן באופן הרבה יותר אפקטיבי, ובמקרים אחרים אף מאפשר למנוע אותה”, מציין בן-נון. “סוגי הנתונים המסופקים למערכת הבינה מלאכותית הן למשל תוצאות בדיקות הדם מהעבר, מידע נוסף מההיסטוריה הרפואית, ועד נתונים כלליים לגבי האדם (גיל, משקל וכו’) וזאת בהשוואה לנתונים של אוכלוסיות בעלות מאפיינים דומים וגם שונים, מה שמאפשר לנתח את נתוניו האישיים ולהעריך את סיכויו ללקות במחלות שונות”.

ממש כפי שישראל ניצבת בקדמת הבמה בהחדרת תחומים משיקים כמו רפואה מותאמת אישית, ורפואה דיגיטלית, כך גם הבינה המלאכותית ברפואה, מציבה אותה בחזית העולמית. אולם, עדיין, בן-נון מציין כי הפריצה הגדולה בתחום טרם התרחשה – לא בארץ ולא מחוצה לה, שהרי לדאבוננו, מעט מידי מחלות ניתנות כיום לאיתור מוקדם באמצעות AI – ולהערכתו, אנו צפויים לפריצות דרך משמעותיות בשנים הבאות. כמו כן, ישנה ציפייה לפריצות דרך בתחום הסיבתיות, שהוא ענף מחקר בפני עצמו בתחום החישובי – וספציפית בממשק עם רפואה: הבנה של מה הם הגורמים המחוללים מחלות. “אפשר להבחין בכניסת הבינה המלאכותית גם לתחום התרופות, אחד היישומים הוא הטכנולוגיה מאפשרת מסויימות, לקצר משמעותית את משך הזמן והתהליכים המקובלים בעת ביצוע ניסויים קליניים”, הוא מוסיף. פיתוח נוסף מתחום התרופות, שבן-נון היה שותף בו, הוא מערכת המזהה באופן אוטומטי תרופות פגומות בתהליכי הייצור לשם סילוקן, באמצעות AI , במקרה זה, בחברת התרופות Pfizer.

הבינה המלאכותית משתלבת בתחומים רבים נוספים. בתעשייה הביטחונית, לדוגמא, כבר רואים כיצד מערכת בינה מלאכותית מסייעת לחזות היווצרותם של ‘צווארי בקבוק’ בתהליכי ייצור מורכבים, מצליחה לסווג מראש חומרה של תקלות ויודעת להעריך את משך זמן הטיפול בהן. “כך גם בתחום התחבורה ובפרט הנהיגה האוטונומית”, מוסיף בן-נון. “סטרטאפים וחברות רכב מקומיות מפתחים מערכות משלימות, כמו למשל מערכת המאפשרת לנהגים תצוגה טובה יותר של הכביש בזמן חשכה מוחלטת ובתנאי ערפל; כמו כן, מצלמות בחוף הים המבוססות על בינה מלאכותית ומאפשרות לזהות מקרי טביעה באופן אוטומטי. במקרה כזה, המצלמה היא למעשה חיישן המזהה אובייקטים ש’מתנהגים’ באופן המאפיין אדם טובע, בשילוב ידע נוסף המוזן למערכת כגון מצב הים והסחף באיזורים שונים ובכך מגבירה את הסיכויים לאתרו מוקדם יותר ולאפשר את הצלתו”.

הפיתוח הישראלי שמאפשר לאתר מקורות גז באמצעות בינה מלאכותית

גם ד”ר אמיר אדלר, מרצה במחלקה להנדסת חשמל ואלקטרוניקה במכללה, ערך מחקר בשיתוף עמיתים מאוניברסיטת MIT וחברת האנרגיה TOTAL.  לדבריו, מחקר זה בוחן את השימוש בבינה המלאכותית כתחליף לפתרון משוואות התפשטות הגלים, המיועדות לשם מציאת גז ונפט בדרכים מהירות ויעילות יותר.

“גילוי הגז הוא נושא מאוד משמעותי. כיום ישנם כמה מאגרי גז שמשמשים ליצירת חשמל. התהליכים הנדרשים כדי לאתר מאגר של גז הם ארוכים ויקרים, בעוד שאחוזי ההצלחה שבצדם אינם גבוהים”, הוא מסביר. “בנוסף, תהליך פענוח ה’דאטה’ שנאסף על ידי אוניות שסורקות אזורים שונים בים לרוב נמשך חודשים ספורים עד שנתיים. יתרה מכך, מדובר בתהליך המחייב סיעור מוחות של מיטב אנשי המקצוע, המעריכים יחדיו היכן ההסתברות הגבוהה ביותר למצוא מקורות גז. מצאנו שבאמצעות  פיתוח כלים של בינה מלאכותית, ניתן לפענח נתוני עתק אלה באופן מהיר וללא התערבות של אנשי מקצוע. “הדבר מאפשר לקצר באופן משמעותי את זמני הפענוח, ואף מאפשר איתור מקורות אנרגיה נוספים לרבות מאגרי מים”, הוא מציין.

כלי נוסף שפיתח ד”ר אדלר נשען על מחקר שנעשה בשיתוף מכון בטולוז שבצרפת. מטרת הבינה המלאכותית במקרה הזה היא לבצע חישובי זרמים, ובאמצעותם לבצע סימולציות של מטוסים, טילים ועצמים נוספים שנדרשים לנוע במהירות גבוהה, כולל ביחס לנתוני מזג אוויר ואקלים. “הרעיון הוא בעצם ללמד את המכונה כיצד להיעזר בידע האנושי לפתרון עומס חישובי, ובהמשך לנצל את הידע הזה”, מסביר ד”ר אדלר.