בימת הדיקן: אירוע הרצאות על בינה מלאכותית, אבטחת סייבר ולמידת מכונות

בימת הדיקן: אירוע הרצאות על בינה מלאכותית, אבטחת סייבר ולמידת מכונות

בימת הדיקן, אירוע ההרצאות של בית הספר להנדסת תעשייה וניהול בשנקר, חוזר ליום מעשיר במיוחד עם 3 הרצאות בתחומי הבינה המלאכותית, אבטחת סייבר ולמידת מכונות. 

לדברי פרופ׳ אהוד מניפז, הדיקן המייסד של בית הספר להנדסת תעשיה וניהול, ״יישומי הבינה המלאכותית באים לידי ביטוי בכל המגזרים בכלכלה בישראל, כולל מערכות בריאות, לוגיסטיקה, חקלאות, מערכות פינטק, אדטק, וכיו״ב . בית הספר להנדסת תעשיה וניהול מציע את בימת הדיקן כמשלימה את הקורסים האקדמיים, בפרט בהקשר להערכה לסיכוני וסיכויי ההטמעה של מערכות בינה מלאכותית בחברות וארגונים בכלכלת ישראל ובעולם. יתרה מזאת, בביקורי האחרון באמירויות נחשפתי למשרד לבינה מלאכותית באמירויות האחראי על קידום נושא ברמה הלאומית הגבוהה ביותר, עובדה המדגישה את הצורך באסטרטגיה לאומית ליישומי בינה מלאכותית״.

להלן הלו"ז המלא ליום ההרצאות:

ד"ר שחר כהן: למה אלגוריתמים טובים של בינה מלאכותית נכשלים? 11:45-12:30

בעשור האחרון נראה כי כל עסק – בין שמדובר בחברת היי-טק ובין שלא – מגלה את ההבטחה הגלומה בבינה המלאכותית (AI). ואכן – מודלים של שפה, טרנספורמרים, רשתות נוירונים עמוקות ומעבדים גרפיים הולכים ומקרבים את המציאות של היום למדע הבדיוני של אתמול. אנחנו חיים בזמנים מעניינים.

ולמרות כל זה, אם אתם מפתחים היום מוצר, פיצ'ר או יכולת המבוססים על בינה מלאכותית, אתם כנראה עתידים להיכשל. אין כאן אמירה אישית; זו פשוט הסטטיסטיקה. שיעור ההצלחה המשוער נע בין 15 ל-25 אחוזים. יתרה מזו, ברוב הפרויקטים הפתרון אינו מגיע לשלב הייצור בכלל (ופרויקטים כאלה אינם יכולים להיחשב להצלחות).

מהסטטיסטיקה המדכאת הזאת עלול להשתמע שהרבה פרויקטים של בינה מלאכותית נכשלים בגלל ביצועים טכניים או אלגוריתמיים ירודים. אלא שמניסיונו של המרצה לפחות, אין זו המציאות. הסיבות השכיחות ביותר לכשלון בפרויקטים של בינה מלאכותית הן דווקא סיבות עסקיות.

בהרצאה זו נסקור את מחזור החיים המומלץ של פרויקט בינה מלאכותית ונתמקד בסימפטומים העשויים לחזות הצלחה או כישלון. נסביר שיש כשלונות בלתי נמנעים, אבל חשוב לדעת להיכשל נכון. נסיים במסר חיובי: אפשר לנצח את הסטטיסטיקה. במהלך ההרצאה נדון במקרים רבים לדוגמה.

על המרצה: שחר הוא מדען נתונים ויזם בעל 20 שנות ניסיון בהקמה ובהובלה של מיזמים מורכבים בתחום הנתונים. שחר הוא מהמייסדים של שלוש חברות סטארט-אפ בתחום למידת המכונה: Optimove, YellowRoad ו-start-up.ai. כמו כן, במהלך הקריירה שלו ייעץ שחר וסיפק שירותים ליותר מ-50 ארגונים במגוון תחומים ובוורטיקלים רבים: עיבוד שפה טבעית (NLP), למידת חיזוק, למידה עמוקה, למידה קלאסית מפוקחת ולמידה ללא פיקוח. לשחר תואר דוקטור בהנדסת תעשייה מאוניברסיטת תל-אביב.

אילוסטרציה: Photo by Yuyeung Lau on Unsplash

ירון קורן (רדוור): הקשר בין טרנספורמציה דיגיטלית לאבטחת מידע ולפשיעת סייבר 12:30-13:15

רדוור (Radware) היא מובילה עולמית בפתרונות סייבר ואספקת יישומים למרכזי נתונים פיזיים, מבוססי-ענן ומוגדרי-תוכנה. הרצאה זו תעסוק במגמות הטכנולוגיות העיקריות ברשת ובקשר בין טרנספורמציה דיגיטלית לאבטחת מידע ולפשיעת סייבר.

על המרצה: ירון קורן, מנהל פתרונות בדיקה, רדוור.

אילוסטרציה: Photo by Shahadat Rahman on Unsplash

אמיר אבו-עיסא: יישומים של למידת מכונה בתחום קבלת ההחלטות והבינה העסקית 13:15-14:00

מערכות המלצה הן יישומים אפקטיביים ויעילים של למידת מכונה, והן נועדו לתמוך במגוון תהליכים תעשייתיים. מחקר זה מציג מערכת המלצה פורצת דרך המבוססת על למידת מכונה אוטומטית (AutoML). המערכת מעבדת ערכות נתונים באמצעות אלגוריתמים של למידה מכונה ומספקת המלצות על אשכולות על פי התוצר הרצוי. ההמלצות מאפשרות קבלת החלטות מושכלות יותר על סמך רשומות חדשות. אנחנו משתמשים בשיטת המרפק של אלגוריתם K-Means כדי לחשב את העלות לאשכול ולערוך Data Allocation Analysis לפי אשכול.

המטרה היא לאפשר אישכוּל באמצעות K-NN ופרדיקציה לרשומות חדשות. בשני ניסויי המחקר עיבדה המערכת מאגר נתונים רב-משתנים בן שני מיליון רשומות באמצעות תהליך AutoML מלא. הניסויים הראו שטכניקת AutoML מצליחה לממש ביעילות תהליכי עיבוד בספיקה רחבה. מטרת המחקר הייתה לבסס שיטה לניתוח, לפרדיקציה ולהצבה של רשומות חדשות באופן שיאפשר את צירופן לאשכולות מוגדרים מראש. הממצאים הראו דיוק (Accuracy) של 99.99% לשיטת AutoML שנבדקה. התוצאות מראות כי הטכניקה הזאת מהווה מערכת המלצה יעילה לרשומות חדשות. ארגונים יכולים לאמץ את שיטת AutoML בזכות יעילותה בהפרדה ובאישכוּל של רשומות ובפרדיקציה של הצבות חדשות לפי אשכול. תרומתו של המחקר לתחום למידת המכונה, ובפרט לתחום שיטות הפרדיקציה, היא שיטה חדשה ופשוטה לאישכוּל ראשוני מדויק, שמאפשרת קבלת החלטות מושכלות ומשפרת את התובנות של פלטפורמות בינה עסקית.

על המרצה: אמיר אבו-עיסא, בוגר הנדסת תעשייה וניהול ממכללת שנקר, כיום מהנדס אינטגרציה בשטראוס מים.

פרופ' אהוד מניפז, דיקן מייסד, בית הספר להנדסת תעשיה וניהול