מבוא לבינה מלאכותית ומושגים בסיסיים
מבוא לבינה מלאכותית ומושגים בסיסיים
בינה מלאכותית (AI) היא תחום רחב הכולל כל טכנולוגיה המחקה פעילות אנושית. בתוך התחום הזה נמצא Machine Learning (למידת מכונה), שבו מחשבים לומדים מנתונים במקום לקבל הנחיות מפורשות בתכנות קלאסי. בתוך Machine Learning קיימת שיטת Deep Learning, המשתמשת ברשתות נוירונים ללמידה מעמיקה יותר.
ההיררכיה של בינה מלאכותית
- בינה מלאכותית (AI): כל טכנולוגיה המחקה פעילות אנושית.
- Machine Learning (ML): למידה מנתונים ללא תכנות מפורש.
- Deep Learning (DL): שימוש ברשתות נוירונים ללמידה מעמיקה.
- Generative AI: יצירת תוכן חדש באמצעות Deep Learning.
תכנות קלאסי לעומת Machine Learning
בתכנות קלאסי, כמו במכונת טיורינג, המחשב מקבל הנחיות מפורשות מהמתכנת. ב-Machine Learning, המחשב 'כותב לעצמו את הקוד' על ידי למידה מנתונים. דוגמה מוקדמת לכך היא תוכנית שלמדה לשחק דמקה בשנות ה-50.
סוגי למידת מכונה
- למידה מונחית (Supervised Learning): אימון על נתונים מתויגים, עם שתי משימות עיקריות:
- Classification (סיווג): סיווג לקבוצות, כמו זיהוי דואר זבל.
- Regression (רגרסיה): חיזוי ערך מספרי, כמו חיזוי מחירי בתים.
- למידה לא מונחית (Unsupervised Learning): נתונים ללא תיוג, המודל מוצא דפוסים בעצמו, כמו קיבוץ פריטים דומים.
- למידת חיזוק (Reinforcement Learning): למידה מניסוי וטעייה דרך תגמולים ועונשים.
רשתות נוירונים ו-Deep Learning
רשתות נוירונים כוללות שכבות של 'נוירונים' מלאכותיים ומאפשרות למידה מתקדמת הודות לכוח חישוב (GPU) וכמויות נתונים גדולות. Generative AI ו-GAN הם מודלים שמייצרים תמונות, טקסט ותוכן חדש.
Transformers ו-LLM
מודלים גדולים לשפה, כמו GPT, מאומנים בשיטת self-supervised לחיזוי המילה הבאה. מושגים מרכזיים כוללים tokens (יחידות טקסט) ו-parameters (משקלים נלמדים).