יסודות בינה מלאכותית
המושגים המרכזיים שמגדירים מהי בינה מלאכותית בכלל: מה ההבדל בין AI לבין למידת-מכונה (Machine Learning), מהי רשת נוירונים, איך מודל "לומד" מנתונים, ומה זה אימון-יתר (Overfitting) לעומת הכללה תקינה.
אותו ערך, בשלוש גרסאות: הערך המלא, גרסה פשוטה לגיל 12, וגרסה למנהלים — מה המושג אומר לעסק.
מה תמצאו כאן תשובה עליו
מה ההבדל בין בינה מלאכותית, למידת מכונה ולמידה עמוקה — ולמה משתמשים בהם כאילו הם אותו דבר?
איך מודל בכלל לומד? מה קורה שם בפועל כשאומרים שהוא מתאמן?
מה ההבדל בין אימון להסקה, ולמה זה משנה למי שרק משתמש בכלי?
למה מודל יכול להצליח בבדיקה ולהיכשל במציאות?
מי מחליט מה התשובה הנכונה שהמודל לומד ממנה?
מאיפה מתחילים
- בינה מלאכותית (AI)לגיל 12 · למנהליםבינה מלאכותית (AI) היא תחום במדעי המחשב שעוסק בבניית מערכות שמסוגלות לבצע משימות שדורשות בדרך כלל אינטליגנציה אנושית.
- למידת מכונה (Machine Learning) אם תקראו רק אחדלגיל 12 · למנהליםלמידת מכונה (Machine Learning) היא הגישה המרכזית ב-AI מודרני: המחשב לומד מדוגמאות, במקום שמתכנתים לו פתרון מפורש.
- רשת נוירונים (Neural Network)לגיל 12 · למנהליםרשת נוירונים (Neural Network) היא מבנה מתמטי בהשראת המוח האנושי, בנוי משכבות של יחידות חישוב שנקראות נוירונים.
עוד על הקטגוריה הזו
הקטגוריה הזו היא הבסיס התיאורטי שעליו בנויות כל שאר הקטגוריות באתר — מודלי-שפה, כלים וסוכנים, ואפילו הדיון האתי סביב AI — כולן מניחות היכרות עם המושגים כאן. מרבית הבלבול הציבורי סביב "מה AI באמת יודע לעשות" נובע מחוסר-הבחנה בין הרעיון הכללי (בינה מלאכותית כשאיפה לחקות יכולות קוגניטיביות אנושיות) לבין השיטה הספציפית שמניעה את רוב המערכות היום (למידה סטטיסטית מנתונים, לא "חשיבה" במובן האנושי). המונחים כאן עוקבים אחר קו התפתחות היסטורי-הגיוני: מהרעיון הבסיסי של אלגוריתם שלומד, דרך סוגי הלמידה השונים (מפוקחת, לא-מפוקחת, חיזוק), ועד לאתגרים המעשיים שכל מי שמאמן מודל נתקל בהם. מיועד למי שרוצה להבין לא רק "מה AI עושה" אלא גם "איך זה בכלל עובד" ברמה המושגית — בלי להיכנס למתמטיקה שמאחורי כל שיטה, אלא ברמת ההיגיון הכללי שמאפשר לקורא להבין למה מודל מסוים מצליח במשימה אחת ונכשל בדומה לה.
מה לא נמצא כאן
כאן נמצאים המושגים שמסבירים איך מודל בנוי ואיך הוא לומד. מונח שמתאר יכולת של מודל-שפה מסוים, כמו חלון-הקשר או פרומפט, שייך למודלים ושפה; כלי שמריץ מודל שייך לכלים וסוכנים; ומונחי מחשוב שקדמו לבינה המלאכותית, כמו קובץ או שרת, נמצאים ביסודות דיגיטליים.
א
- אונטולוגיה (Ontology)
- אימון מודל (Training)⭐ מורחבלגיל 12 · למנהלים
- אינטליגנציית נחיל (Swarm Intelligence)⭐ מורחב
- אלגוריתם⭐ מורחבלגיל 12 · למנהלים
- אלגוריתם אבולוציוני (Evolutionary Algorithm)⭐ מורחב
- אלגוריתם חיפוש A* (A* Search Algorithm)⭐ מורחב
- אלגוריתם k השכנים הקרובים ביותר (k-Nearest Neighbors)
- אלגוריתם k-ממוצעים (k-Means Clustering)
- אמת קרקע (Ground Truth)⭐ מורחב
- אצווה (Batch)
- אשכול (Clustering)
ב
- בינה מלאכותית (AI)⭐ מורחבלגיל 12 · למנהלים
- בינה מלאכותית יוצרת (Generative AI)⭐ מורחבלגיל 12 · למנהלים
- בינה מלאכותית כללית (AGI)⭐ מורחבלגיל 12 · למנהלים
- בינה מלאכותית מוסברת (Explainable AI)
- בינה מלאכותית צרה מול כללית (Narrow vs General AI)
- בינה נוירו-סימבולית (Neuro-symbolic AI)⭐ מורחב
- בלשנות חישובית (Computational Linguistics)⭐ מורחב
- בעיית המסגרת (Frame Problem)⭐ מורחב
ד
- דחיסת מודלים (Model Compression)⭐ מורחב
- דיוק-חיובי (Precision)⭐ מורחב
- דליפת נתונים (Data Leakage)⭐ מורחב
ה
- הגדלת נתונים (Data Augmentation)⭐ מורחב
- החדר הסיני (Chinese Room)⭐ מורחב
- היזכרות (Recall)⭐ מורחב
- היפר-פרמטר (Hyperparameter)
- הלקח המר (The Bitter Lesson)⭐ מורחב
- הנדסת מאפיינים (Feature Engineering)
- הסקה (Inference)
- הסקה אוטומטית (Automated Reasoning)⭐ מורחב
- הערכת מודלים⭐ מורחב
- התאמת-יתר (Overfitting)⭐ מורחבלגיל 12 · למנהלים
- התפשטות לאחור (Backpropagation)
ז
ח
י
כ
- כוח חישוב (AI Compute)⭐ מורחב
ל
- לוגיקה עמומה (Fuzzy Logic)⭐ מורחב
- למידה מבוזרת (Federated Learning)⭐ מורחב
- למידה מפוקחת / לא-מפוקחת
- למידה עמוקה (Deep Learning)⭐ מורחבלגיל 12 · למנהלים
- למידה פעילה (Active Learning)⭐ מורחב
- למידה-עצמית-מפוקחת (Self-supervised Learning)
- למידת אנסמבל (Ensemble Learning)⭐ מורחב
- למידת חיזוק (Reinforcement Learning)
- למידת חיקוי (Imitation Learning)⭐ מורחב
- למידת מכונה (Machine Learning)⭐ מורחבלגיל 12 · למנהלים
- למידת מכונה אוטומטית (AutoML)⭐ מורחב
- למידת מכונה מקוונת (Online Machine Learning)⭐ מורחב
- למידת-העברה (Transfer Learning)
מ
- מבחן טיורינג (Turing Test)
- מודל גנרטיבי (Generative Model)⭐ מורחב
- מודל מבחין (Discriminative Model)⭐ מורחב
- מודל מרקוב חבוי (Hidden Markov Model)⭐ מורחב
- מודל-עולם (World Model)⭐ מורחב
- מחשוב נוירומורפי (Neuromorphic Computing)⭐ מורחב
- מחשוב רגשי (Affective Computing)⭐ מורחב
- מטריצת בלבול (Confusion Matrix)
- מכונת וקטורים תומכים (Support Vector Machine)⭐ מורחב
- מסנן קלמן (Kalman Filter)⭐ מורחב
- מערך נתונים (Dataset)
- מערכת מבוססת כללים (Rule-based System)⭐ מורחב
- מערכת מומחה (Expert System)
- מקודד אוטומטי (Autoencoder)
- מקודד אוטומטי וריאציוני (VAE)⭐ מורחב
- מקודד אוטומטי מכווץ-רעש (Denoising Autoencoder)⭐ מורחב
נ
ס
ע
פ
צ
- ציון F1 (F1 Score)⭐ מורחב
ק
ר
ש
אנגלית / ראשי-תיבות
- AdaBoost⭐ מורחב
- AdaGrad⭐ מורחב
- Adam Optimizer⭐ מורחבאלגוריתם-אופטימיזציה של קינגמה ובא; AdamW מאמן מודלי-שפה
- AdamW⭐ מורחב
- Common Crawl⭐ מורחב
- Faster R-CNN⭐ מורחבמחליף את הצעת-האזורים ב-RPN פנימית; כ-5 תמונות בשנייה
- GELUפונקציית-הפעלה עם מעבר מדורג, במקום המתג החד של ReLU
- GOFAI⭐ מורחב
- GoogLeNet⭐ מורחב22 שכבות, מודול Inception, פי 12 פחות פרמטרים מ-AlexNet
- GRUרשת נשנית של צ׳ו ובנג׳יו; שני שערי-זיכרון בלבד
- IoU (חפיפת-איחוד)⭐ מורחב
- LIMEשיטת-הסבריות שמסתירה חלקים מהקלט ובודקת את ההשפעה
- mAP (ממוצע-דיוק)⭐ מורחב
- Mask R-CNN⭐ מורחבמרחיב את Faster R-CNN עם ענף-מסכה; כ-5 תמונות בשנייה
- MNIST⭐ מורחב
- OpenCVספריית ראייה-ממוחשבת; הפעילה את ראיית-הרכב סטנלי, זוכה DARPA
- PyTorch⭐ מורחבספריית הקוד הפתוח שבה בונים ומאמנים מודלי למידה עמוקה
- R-CNN⭐ מורחבארכיטקטורת זיהוי-עצמים דו-שלבית מ-2014; כ-47 שניות לתמונה
- ResNet⭐ מורחבארכיטקטורת-רשת עם קישורי-שארית, אפשרה 152 שכבות
- RMSProp⭐ מורחב
- SHAPשיטת-הסבריות שבה סכום-התרומות שווה לפער מהתחזית הממוצעת
- TensorFlow⭐ מורחבספריית למידת-מכונה של גוגל; אותו מודל רץ בענן ובטלפון
- VGGרשת-קונבולוציה עם פילטרים 3x3; 138 מיליון פרמטרים ב-VGG-16
- WordNet⭐ מורחבמאגר מילים באנגלית שמקשר בין משמעויות, מאוניברסיטת פרינסטון
- XGBoostספרייה מ-2016, מטפלת בערכים חסרים ורצה על כמה מחשבים
- YOLOאלגוריתם זיהוי-עצמים בזמן-אמת; יוצרו פרש מחשש למעקב
📋 קריטריונים לבחירת הערכים בקטגוריה זו
נכנס לכאן מושג שמסביר איך מערכת לומדת מנתונים — סוגי הלמידה, מנגנוני האימון כמו ירידת גרדיאנט והתפשטות לאחור, ודרכי ההערכה של מודל. הסף: המושג חוצה את כל התחום. ארגון בשם מסוים שייך לקטגוריות החברות, ואילו חפץ בשם — מודל, ארכיטקטורה או ספרייה — נכנס רק אם הגדיר את הפרקטיקה בתחום כולו, כמו ResNet ו-TensorFlow. מושג שרלוונטי רק למודלי-שפה, כמו טוקן או חלון הקשר, שייך למודלים ושפה; שאלה על נזק, הוגנות או רגולציה שייכת לבטיחות ואתיקה. הקטגוריה כוללת בכוונה גם שיטות ותיקות שקדמו ללמידה עמוקה, כמו עץ החלטה ומערכת מומחה, מפני שבלעדיהן קשה להבין מה בדיוק היה חדש בגל הנוכחי.