יסודות דיגיטליים
אפליקציה (Application) היא תוכנת מחשב שתוכננה לבצע משימה מסוימת עבור המשתמש — בניגוד למערכת ההפעלה עצמה, שמנהלת את המכשיר ברקע.
חשבון (Account) הוא זהות דיגיטלית אישית שמאפשרת לאפליקציה או אתר לזהות אתכם, ולשמור עבורכם מידע לאורך זמן ובין ביקורים.
ענן (Cloud Computing) הוא אחסון ועיבוד מידע במחשבים רבי-עוצמה שיושבים במרכזי-נתונים מרוחקים, ונגישים דרך האינטרנט מכל מקום.
מחשב הוא מכשיר אלקטרוני שמבצע פעולות לפי הוראות (תוכנה), מעבד נתונים ומאחסן אותם — הבסיס הפיזי שעליו רצות כל מערכות הבינה המלאכותית.
אינטרנט הוא רשת עולמית שמחברת מיליארדי מחשבים ומאפשרת להם להעביר מידע ביניהם — התשתית שעליה פועלים אתרים, שירותי ענן וכלי AI מבוססי-שיחה.
שרת הוא מחשב (או תוכנה עליו) שתפקידו לספק שירות או מידע למחשבים אחרים ברשת — "מוח" שרץ ברקע ועונה לבקשות, לא מיועד לשימוש ישיר של אדם.
דפדפן הוא תוכנה שמאפשרת לגלוש באתרי אינטרנט — מציגה דפי-רשת ומריצה קוד בתוכם, והממשק העיקרי דרכו רוב האנשים משתמשים בכלי AI מבוססי-ענן.
אתר אינטרנט הוא אוסף עמודי-רשת מקושרים שנגישים תחת כתובת אחת (דומיין) — יכול להיות סטטי (תוכן קבוע) או דינמי (משתנה לפי משתמש, כמו ממשק צ'אט עם AI).
תוכנה היא אוסף הוראות שמורות שמנחות מחשב מה לעשות — הרכיב ה"רך" והבלתי-מוחשי, בניגוד לחומרה הפיזית שמריצה אותו.
חומרה היא הרכיבים הפיזיים של מחשב — מעבד, זיכרון, כרטיס מסך ועוד — שעליהם רצה כל תוכנה, כולל מודלי בינה מלאכותית.
מערכת הפעלה היא התוכנה הבסיסית שמנהלת את משאבי המחשב (זיכרון, אחסון, תקשורת) ומאפשרת לתוכנות אחרות לרוץ עליה — כמו Windows, macOS או Android.
מסד נתונים הוא מערכת מאורגנת לאחסון, חיפוש ועדכון מידע בקנה-מידה גדול — התשתית שעליה נשענים כמעט כל אתר ואפליקציה, כולל מערכות AI שצריכות לזכור מידע.
קובץ הוא יחידת מידע שמורה בעלת שם, שמאוחסנת על מחשב או שרת — טקסט, תמונה, קוד, או כל סוג נתונים אחר, כולל הקבצים שמהם מורכב מודל AI עצמו.
רשת מחשבים היא קבוצת מכשירים המחוברים ביניהם ומסוגלים להעביר מידע זה לזה — מרשת ביתית קטנה ועד האינטרנט העולמי, כולל הרשתות הפנימיות שמריצות אימון מודלי AI.
דומיין הוא הכתובת הייחודית והקריאה-לבני-אדם של אתר באינטרנט (כמו gonenyarom.co.il) — במקום כתובת-מספרים טכנית שמחשבים משתמשים בה בפועל.
כתובת URL היא הכתובת המלאה שמצביעה על משאב ספציפי באינטרנט — דף אתר, קובץ, או נקודת-גישה (API) שכלי AI רבים משתמשים בה כדי "לדבר" עם שירותים חיצוניים.
הצפנה היא הפיכת מידע לצורה בלתי-קריאה למי שאין לו את המפתח הנכון לפענח אותה — הבסיס לאבטחת תקשורת דיגיטלית, כולל השיחות עם כלי AI מבוססי-ענן.
סיסמה היא מחרוזת סודית שמשמשת לאימות זהות משתמש לפני מתן גישה לחשבון או שירות — קו-ההגנה הראשון, כולל בחשבונות של כלי AI.
אימות דו-שלבי הוא שכבת-אבטחה נוספת שדורשת, מעבר לסיסמה, אישור שני (קוד לטלפון, אפליקציית-אימות) — מקטין משמעותית את הסיכון גם אם הסיסמה עצמה נגנבה.
תוכנה זדונית היא כל תוכנה שנועדה לפגוע, לרגל, או לגנוב מידע ממחשב בלי הסכמת הבעלים — כולל וירוסים, תוכנות-כופר, ותוכנות-ריגול.
תכנות הוא כתיבת הוראות מדויקות בשפה שמחשב מבין (שפת-תכנות) כדי לגרום לו לבצע משימה — הבסיס לכל תוכנה, כולל מודלי בינה מלאכותית וכלי-הפיתוח סביבם.
ממשק משתמש הוא כל מה שאדם רואה ולוחץ עליו כדי לתקשר עם תוכנה — כפתורים, שדות טקסט, תפריטים — כולל חלון הצ'אט של כלי AI.
חוויית משתמש היא איך שאדם מרגיש בזמן שהוא משתמש במוצר — כמה קל, ברור ומהנה זה — ולא רק איך הממשק נראה.
Wi-Fi היא טכנולוגיה שמאפשרת חיבור אלחוטי לרשת אינטרנט — הדרך הנפוצה ביותר שבה מכשירים ניידים מתחברים לשירותי AI מבוססי-ענן.
אחסון בענן הוא שמירת קבצים על שרתים מרוחקים דרך האינטרנט, במקום על המכשיר המקומי — נגיש מכל מקום, ומשמש גם לאחסון הנתונים העצומים שמאמנים עליהם מודלי AI.
יסודות בינה מלאכותית
בינה מלאכותית (AI) היא תחום במדעי המחשב שעוסק בבניית מערכות שמסוגלות לבצע משימות שדורשות בדרך כלל אינטליגנציה אנושית.
למידת מכונה (Machine Learning) היא הגישה המרכזית ב-AI מודרני: המחשב לומד מדוגמאות, במקום שמתכנתים לו פתרון מפורש.
למידה עמוקה (Deep Learning) היא תת-ענף של למידת מכונה המבוסס על רשתות נוירונים מרובות-שכבות, ועומד מאחורי רוב הפריצות המרשימות של AI כיום.
רשת נוירונים (Neural Network) היא מבנה מתמטי בהשראת המוח האנושי, בנוי משכבות של יחידות חישוב שנקראות נוירונים.
אלגוריתם הוא סדרת כללים או שלבים מוגדרים היטב שמחשב עוקב אחריהם כדי לפתור בעיה או לבצע משימה.
נתוני אימון (Training Data) הם כמות גדולה של דוגמאות שמזינים למודל AI כדי שילמד מהן לזהות תבניות, לפני שהוא מוכן לשימוש.
אימון מודל (Training) הוא התהליך שבו מזינים למודל נתוני אימון והוא מכוונן בהדרגה כדי לבצע את המשימה שלו טוב יותר, לפני השימוש בפועל.
הסקה (Inference) היא הרגע שבו מודל AI כבר מאומן ומשתמשים בו בפועל, בניגוד לשלב האימון שבו הוא עדיין לומד.
פרמטרים (Parameters) הם הערכים הפנימיים שמודל AI לומד במהלך האימון — במובן מסוים, ה"זיכרון" של המודל.
בינה מלאכותית כללית (AGI) היא מונח למערכת AI היפותטית שתהיה בעלת יכולת חשיבה גמישה כמו של אדם, בכל תחום — עדיין לא קיימת.
עיבוד שפה טבעית (NLP) הוא ענף ב-AI שעוסק בהבנה וביצירה של שפה אנושית על ידי מחשב.
ראייה ממוחשבת (Computer Vision) היא ענף ב-AI שמלמד מחשבים "לראות" ולהבין תוכן בתמונות ובווידאו.
למידת חיזוק (Reinforcement Learning) היא שיטת אימון שבה מודל לומד על ידי ניסוי וטעייה, ומקבל "פרס" וירטואלי כשהוא מצליח.
למידה מפוקחת ולא-מפוקחת הם שני הגישות היסודיות בלמידת מכונה — עם או בלי דוגמאות מתויגות מראש.
התאמת-יתר (Overfitting) היא כשמודל "משנן" את נתוני האימון במקום ללמוד מהם עקרונות כלליים, ונכשל על מקרים חדשים.
מבחן טיורינג (Turing Test) הוא מבחן קלאסי מ-1950 לבדיקה אם מחשב מפגין התנהגות אינטליגנטית שאי-אפשר להבחין מזו של אדם.
בינה מלאכותית צרה מתמחה במשימה אחת ספציפית; בינה מלאכותית כללית (משוערת, לא קיימת עדיין) תוכל לבצע כל משימה קוגניטיבית שאדם מסוגל לה — כל מערכות ה-AI הקיימות היום הן צרות.
רשת קונבולוציה היא סוג רשת נוירונים המותאם במיוחד לעיבוד תמונות — סורקת אזורים קטנים בתמונה כדי לזהות דפוסים כמו קצוות, צורות ואובייקטים.
רשת נשנית היא סוג רשת נוירונים שמתוכננת לעבד רצפים (כמו טקסט או קול) על ידי שמירת "זיכרון" של מה שעובד קודם — קודמת לטרנספורמר, שהחליף אותה ברוב מודלי השפה המודרניים.
פונקציית הפעלה היא נוסחה מתמטית שקובעת אם ומתי "נוירון" ברשת נוירונים "מתעורר" ומעביר אות הלאה — בלעדיה, הרשת כולה הייתה מתפקדת כמו חישוב לינארי פשוט, בלי יכולת ללמוד דפוסים מורכבים.
ירידת גרדיאנט היא שיטת האופטימיזציה המרכזית לאימון רשתות נוירונים — מתקדמת בהדרגה לכיוון שמקטין את שגיאת המודל, צעד קטן בכל פעם.
התפשטות לאחור היא האלגוריתם שמחשב כמה כל פרמטר ברשת נוירונים "אשם" בטעות של המודל — הצעד ההכרחי לפני שירידת-גרדיאנט יכולה לעדכן את הפרמטרים בפועל.
עידן אימון הוא מעבר אחד שלם של המודל על כל מערך-נתוני-האימון — אימון טיפוסי כולל עשרות או מאות עידנים כאלה, כל אחד משפר מעט את דיוק המודל.
אצווה היא קבוצת דוגמאות-אימון קטנה שמעובדת יחד בצעד אחד של אימון — במקום לעדכן את המודל אחרי כל דוגמה בודדת, או אחרי כל מערך-הנתונים בבת אחת.
פונקציית איבוד היא נוסחה שמודדת כמה תחזית המודל רחוקה מהתשובה הנכונה — המספר שאימון-המודל שואף להקטין בהדרגה, צעד אחר צעד.
רגולריזציה היא קבוצת טכניקות שמונעות ממודל "לשנן בעל-פה" את נתוני-האימון — מכריחות אותו ללמוד דפוסים כלליים במקום פרטים ספציפיים, ומשפרות את הביצועים על נתונים חדשים.
Dropout היא טכניקת רגולריזציה שמכבה אקראית חלק מהנוירונים ברשת בזמן כל צעד אימון — מכריחה את המודל ללמוד ייצוגים חסינים יותר, ומפחיתה התאמת-יתר.
היפר-פרמטר הוא הגדרה שנבחרת לפני תחילת האימון (כמו קצב-למידה או גודל-אצווה) — בניגוד לפרמטרים הרגילים של המודל, שהאימון עצמו לומד ומעדכן.
מערך נתונים הוא אוסף מאורגן של דוגמאות ששימש לאימון או לבדיקה של מודל בינה מלאכותית — איכותו וגודלו משפיעים ישירות על איכות המודל שנלמד ממנו.
תיוג נתונים הוא הוספת תשובה נכונה ("תווית") לכל דוגמה במערך-נתונים — שלב הכרחי בלמידה מפוקחת, ולעיתים קרובות מבוצע ע"י אנשים בפועל, לא רק אוטומטית.
קבוצת אימות היא חלק מהנתונים שנשמר בצד ולא משמש לאימון עצמו — נבדק תוך כדי האימון כדי לוודא שהמודל באמת משתפר, ולא רק משנן.
קבוצת מבחן היא מערך-נתונים נפרד לגמרי, שנבדק פעם אחת בסוף כל תהליך הפיתוח — נותן את המדד האמין ביותר לאיכות המודל בעולם האמיתי.
למידת-העברה היא שימוש במודל שכבר אומן על משימה אחת כנקודת-פתיחה למשימה חדשה ודומה — חוסכת זמן ונתונים במקום להתחיל אימון מאפס בכל פעם.
למידה-עצמית-מפוקחת היא שיטת אימון שבה המודל יוצר לעצמו "תשובות נכונות" מתוך הנתונים עצמם — בלי צורך בתיוג אנושי יקר, וזו השיטה שמאחורי אימון רוב מודלי השפה הגדולים.
אשכול הוא שיטת למידה-לא-מפוקחת שמקבצת נתונים דומים יחד, בלי שאף אחד אמר למודל מראש מהן הקבוצות ה"נכונות" — המודל מגלה את המבנה בעצמו.
סיווג הוא משימת למידה-מפוקחת שבה המודל צריך לשייך כל דוגמה לאחת מכמה קטגוריות מוגדרות-מראש — למשל "ספאם" או "לא ספאם", "חתול" או "כלב".
רגרסיה היא משימת למידה-מפוקחת שבה המודל חוזה ערך מספרי רציף (כמו מחיר או טמפרטורה) במקום קטגוריה — בשונה מסיווג, שמכריע בין אפשרויות מוגדרות.
עץ החלטה הוא מודל למידת-מכונה שמקבל החלטות דרך סדרת שאלות כן/לא, בדומה למשחק "עשרים שאלות" — פשוט להבנה ולפירוש בהשוואה לרשתות-נוירונים.
מערכת מומחה היא גישה מוקדמת ל-AI שמקודדת ידע אנושי כחוקים מפורשים (אם-אז) — קדמה ללמידת-מכונה, ונשענה על ידע שתוכנת ידנית ולא נלמד מנתונים.
בינה מלאכותית מוסברת היא תחום שמפתח שיטות להסביר למה מודל AI הגיע להחלטה מסוימת — קריטי כשמודלים מורכבים ("קופסה שחורה") משפיעים על החלטות בעלות-משמעות כמו אשראי או רפואה.
מודלים ושפה
מודל שפה גדול (LLM) הוא מודל AI שאומן על כמויות ענק של טקסט ולמד לחזות את המילה הבאה ברצף — הבסיס לכלים כמו ChatGPT, Claude ו-Gemini.
טוקן (Token) הוא יחידת הטקסט הבסיסית שמודל שפה "רואה" — לרוב חלק ממילה, לא מילה שלמה.
חלון הקשר (Context Window) הוא כמות הטקסט שמודל שפה "זוכר" ומביא בחשבון בו-זמנית בשיחה אחת.
פרומפט (Prompt) הוא הטקסט שכותבים לכלי ה-AI כדי לבקש ממנו לעשות משהו — הממשק המרכזי שדרכו משתמשים מתקשרים עם מודל שפה.
פרומפט מערכת (System Prompt) הוא הנחיות שמוגדרות מראש למודל, לפני שהמשתמש כותב מילה, וקובעות טון וגבולות קבועים.
הזיה (Hallucination) היא כשמודל AI מציג מידע שגוי או מומצא בביטחון מלא, כאילו היה עובדה — תופעה מובנית באופן שבו מודלי שפה מייצרים טקסט.
כוונון עדין (Fine-tuning) הוא אימון נוסף וממוקד של מודל קיים על נתונים ספציפיים, כדי להתאים אותו למשימה או תחום.
אחזור-מוגבר-בייצור (RAG) היא טכניקה שבה מודל AI מחפש קודם מידע ממקור חיצוני, ורק אז בונה ממנו תשובה — כדי לצמצם הזיות ולהישען על מקורות אמיתיים.
הטמעה וקטורית (Embedding) היא ייצוג של מילה, משפט או תמונה כרשימת מספרים, כדי למדוד עד כמה שני פריטים דומים במשמעותם.
טרנספורמר הוא ארכיטקטורת רשת נוירונים מ-2017 שמנגנון "תשומת הלב" שלה הוא הבסיס לכמעט כל מודל שפה גדול בעולם היום.
הנדסת פרומפטים (Prompt Engineering) היא המיומנות של ניסוח פרומפטים מדויקים כדי לקבל מהמודל את התוצאה הכי טובה.
רב-מודלי (Multimodal) מתאר מודל AI שיכול לקבל ולייצר יותר מסוג תוכן אחד בו-זמנית — למשל גם טקסט, גם תמונות, גם קול.
למידה-מדוגמה-בודדת (Zero/Few-shot) היא יכולת מודל לבצע משימה חדשה שהוא כלל לא אומן עליה, מתוך תיאור או דוגמאות בודדות.
אמת-מידה (Benchmark) היא מבחן סטנדרטי שמשווה בין מודלי AI שונים על אותה משימה, כדי לדרג ביצועים באופן אובייקטיבי.
מנגנון קשב הוא טכניקה שמאפשרת למודל להחליט לאילו חלקים בקלט "להקדיש תשומת לב" רבה יותר בכל רגע נתון — הרעיון המרכזי שמאחורי הטרנספורמר וכל מודלי השפה המודרניים.
קשב-עצמי הוא סוג של מנגנון-קשב שבו רצף (כמו משפט) "מסתכל על עצמו" — כל מילה בוחנת את יחסה לכל מילה אחרת באותו רצף, כדי לבנות ייצוג עשיר-הקשר.
קידוד מיקום הוא טכניקה שמוסיפה למודל מידע על סדר המילים במשפט — נחוץ כי מנגנון הקשב, בניגוד לקריאה אנושית, לא "יודע" מיקום מטבעו.
קודן-מפענח הוא ארכיטקטורת-מודל דו-חלקית: הקודן "מבין" את הקלט לייצוג פנימי, והמפענח הופך את הייצוג הזה לפלט — נפוץ במיוחד במשימות תרגום וסיכום.
מודל אוטורגרסיבי מייצר פלט טוקן אחר טוקן, כשכל טוקן חדש נחזה על סמך כל הטוקנים שכבר נוצרו — כך פועלים רוב מודלי השפה הגדולים ביצירת טקסט.
טמפרטורה היא פרמטר שקובע כמה "יצירתי" או "צפוי" יהיה הפלט של מודל שפה — טמפרטורה נמוכה נותנת תשובות עקביות וסבירות, גבוהה נותנת תשובות מגוונות ומפתיעות יותר.
Top-k ו-Top-p הן שיטות לצמצם את מאגר-המילים שמודל שפה בוחר מתוכו בכל שלב — במקום לשקול את כל אוצר המילים, רק את המועמדות הסבירות ביותר.
טוקניזציה היא פירוק טקסט ליחידות קטנות (טוקנים) שמודל שפה מסוגל לעבד — מילים שלמות, חלקי-מילים, או תווים בודדים, תלוי בשיטה.
BPE הוא אלגוריתם הטוקניזציה הנפוץ ביותר במודלי שפה מודרניים — בונה מילון-טוקנים על ידי מיזוג הדרגתי של הזוגות הנפוצים ביותר של תווים או חלקי-מילים.
מבוכיות היא מדד סטטיסטי למידת ה"הפתעה" של מודל שפה מול טקסט נתון — מבוכיות נמוכה משמעה שהמודל צופה את הטקסט היטב, גבוהה משמעה שהוא מתקשה לחזות אותו.
כוונון-הוראות הוא שלב אימון נוסף שמלמד מודל-שפה לעקוב אחר הוראות ולענות בפורמט שיחה מועיל — ההבדל בין מודל שרק "משלים טקסט" למודל שמרגיש כמו עוזר.
RLHF הוא שלב אימון שמכוונן מודל שפה לפי דירוגי-העדפה של בני-אדם — במקום ללמד "תשובה נכונה" יחידה, מלמד את המודל אילו תשובות אנשים מעדיפים.
DPO היא שיטה מודרנית וחסכונית יותר מ-RLHF לכוונן מודל לפי העדפות אנושיות — משיגה תוצאה דומה בלי הצורך לאמן מודל-תגמול נפרד ותהליך למידת-חיזוק מורכב.
בינה מלאכותית חוקתית היא שיטת אימון שבה המודל עצמו מבקר ומתקן את תשובותיו לפי סט עקרונות כתובים ("חוקה") — פחות תלויה בדירוג אנושי ידני מאשר RLHF רגיל.
תמהיל מומחים הוא ארכיטקטורת-מודל שבה רק חלק קטן מרשת ענקית "מופעל" לכל קלט נתון — מאפשרת מודלים גדולים מאוד בלי לשלם את מלוא עלות-החישוב על כל טוקן.
כימות מודל הוא הקטנת הדיוק המספרי של פרמטרי-מודל (למשל מ-32 סיביות ל-4 סיביות) — מקטין דרמטית את גודל המודל ואת דרישות הזיכרון, במחיר איבוד-דיוק קטן.
זיקוק מודל הוא אימון מודל קטן וזול-לתפעל ("תלמיד") לחקות את ההתנהגות של מודל גדול ויקר יותר ("מורה") — מייצר מודל מהיר וקומפקטי כמעט באותה איכות.
LoRA היא שיטה חסכונית לכוונון-עדין של מודל גדול — במקום לעדכן את כל מיליארדי הפרמטרים, מוסיפה רק "תוספת" קטנה ומאומנת, ומקפיאה את שאר המודל.
PEFT הוא שם-כולל למשפחת שיטות שמכווננות מודל גדול תוך עדכון חלק קטן בלבד מהפרמטרים שלו — LoRA היא הדוגמה הפופולרית ביותר בקטגוריה הזו.
אורך הקשר הוא כמות הטקסט המקסימלית (במונחי טוקנים) שמודל שפה יכול "לזכור" ולהתייחס אליה בשיחה אחת — מעבר לגבול הזה, המידע הישן ביותר "נשכח".
תאריך-קיטוע-ידע הוא התאריך שבו הסתיים איסוף נתוני-האימון של מודל שפה — כל אירוע שקרה אחריו, המודל פשוט לא "יודע" עליו מהאימון עצמו.
עיגון עובדתי הוא חיבור תשובת-מודל למקור-מידע אמיתי וניתן-לאימות (כמו מסמך או תוצאת-חיפוש) — במקום להסתמך רק על מה שהמודל "זוכר" מאימון, שעלול להיות לא-מדויק או מיושן.
מסד נתונים וקטורי הוא מסד-נתונים מיוחד לאחסון וחיפוש הטמעות-וקטוריות — מאפשר "חיפוש לפי משמעות" במקום רק לפי מילים מדויקות, ומרכיב-מפתח במנגנון RAG.
חיפוש סמנטי הוא חיפוש לפי משמעות במקום לפי התאמת-מילים מדויקת — מוצא תוצאות רלוונטיות גם כשהניסוח שונה לגמרי מהמקור.
הזרקת פרומפט היא ניסיון להערים על מודל AI לפעול לפי הוראות זדוניות שהוסתרו בתוך תוכן שהמודל מעבד — למשל בתוך דף-אינטרנט או מסמך, לא בהודעת המשתמש הישירה.
פריצת מודל היא ניסיון לעקוף את מגבלות-הבטיחות שהוטמעו במודל AI, כדי לגרום לו לייצר תוכן שהוא אמור לסרב לייצר — לרוב באמצעות ניסוח מתוחכם או תרחישים מדומים.
קריאה לפונקציות היא יכולת של מודל שפה "לבקש" להפעיל פונקציית-תוכנה חיצונית (עם פרמטרים מדויקים) במקום רק לענות בטקסט — הבסיס הטכני מאחורי סוכני AI וקריאה-לכלים.
פלט מובנה הוא הכרחת מודל שפה להחזיר תשובה בפורמט קפדני-מוגדר (כמו JSON) במקום טקסט חופשי — מאפשר לתוכנות אחרות לעבד את התשובה באופן אוטומטי ואמין.
כרטיס מודל הוא מסמך רשמי שמפרסמים יוצרי מודל AI, ומתאר את יכולותיו, מגבלותיו, נתוני-האימון שלו ושימושים מומלצים/אסורים — שקיפות תיעודית, בדומה לתווית-מזון.
משקלים פתוחים פירושו שיוצרי מודל AI מפרסמים לציבור את הפרמטרים המאומנים עצמם — מאפשר לכל אחד להוריד ולהריץ את המודל, בשונה מגישה למודל רק דרך API סגור.
מודל יסוד הוא מודל גדול שאומן על כמויות עצומות של נתונים כלליים, ומשמש כבסיס-משותף שממנו מכווננים מודלים ייעודיים רבים למשימות ספציפיות — במקום לאמן כל מודל מאפס.
כלים וסוכנים
סוכן בינה מלאכותית (AI Agent) הוא כלי AI שפועל בעצמו — מתכנן, מפעיל כלים, ומבצע רצף פעולות ארוך להשגת מטרה — לא רק עונה על שאלה בודדת.
שרשור מחשבה (Chain of Thought) היא טכניקה שבה מודל "חושב בקול רם" צעד-אחר-צעד לפני שהוא נותן תשובה סופית.
קריאה לכלים (Tool Use) היא יכולת של מודל AI להפעיל בעצמו תוכנות חיצוניות, ולא רק לענות בטקסט מתוך ידע פנימי.
פרוטוקול הקשר למודל (MCP) הוא תקן פתוח שמאפשר לכלי AI להתחבר בקלות למקורות מידע וכלים חיצוניים בשפה אחידה.
ממשק תכנות יישומים (API) הוא "דלת אחורית" תוכנתית שמאפשרת לתוכנה אחת לדבר ישירות עם שירות AI ולקבל ממנו תשובות.
בינה מלאכותית אגנטית (Agentic AI) היא הכיוון שאליו עולם ה-AI מתפתח: מערכות שפועלות באופן עצמאי לאורך זמן להשלמת מטרות מורכבות.
אוטומציה היא הפעלת תהליך באופן אוטומטי, ללא צורך שאדם יבצע כל שלב ידנית — ש-AI מרחיב היום לתחומים שדרשו שיקול דעת.
צ'אטבוט (Chatbot) הוא תוכנת שיחה שמדמה שיחה עם אדם — מתשובות מוכנות-מראש ועד עוזרי AI מתקדמים.
תכנות בהכתבה (Vibe Coding) הוא כתיבת תוכנה על ידי תיאור בשפה טבעית למודל AI, ותיקון תוך כדי דיאלוג.
עוזר-קוד הוא כלי AI שמשולב ישירות בסביבת-הפיתוח ומציע השלמות-קוד, תיקונים והצעות בזמן אמת תוך כדי כתיבה — כמו GitHub Copilot.
Webhook הוא מנגנון שבו שירות אחד "מודיע" אוטומטית לשירות אחר כשקורה אירוע מסוים — במקום שהשני יצטרך לבדוק שוב ושוב אם קרה משהו חדש.
תוסף הוא רכיב-תוכנה שמרחיב את היכולות של תוכנה קיימת בלי לשנות את הליבה שלה — בעולם ה-AI, תוספים מאפשרים למודל שפה להתחבר לשירותים ומקורות-מידע חיצוניים.
מסגרת-סוכנים היא ספריית-תוכנה שמספקת רכיבים מוכנים לבניית סוכני AI — ניהול-זיכרון, קריאה-לכלים, תזמור-שלבים — במקום לבנות הכל מאפס.
תזמור-סוכנים הוא ניהול וריכוז פעולות של כמה סוכני AI (או שלבים מרובים) כדי להשלים משימה מורכבת יחד — כמו מנצח שמכוון תזמורת.
מערכת רב-סוכנית היא ארכיטקטורה שבה כמה סוכני AI, כל אחד עם תפקיד מתמחה, פועלים יחד (ולעיתים "משוחחים" זה עם זה) כדי להשלים משימה — במקום סוכן-על אחד שעושה הכל.
סוכן אוטונומי הוא סוכן AI שפועל ומקבל החלטות ברצף, לאורך זמן, לקראת מטרה — כמעט בלי התערבות אנושית בכל שלב, בשונה מצ'אטבוט שמחכה להודעה הבאה.
אדם-בלולאה הוא עיצוב-מערכת שבו נדרש אישור או התערבות אנושית בנקודות מפתח בתהליך AI אוטומטי — פשרה בין יעילות-אוטומציה לביקורת אנושית ובטיחות.
ארגז חול הוא סביבה מבודדת שבה קוד (או סוכן AI) יכול לרוץ ולנסות דברים בבטחה, בלי יכולת לפגוע במערכת האמיתית מסביב.
מפרש קוד הוא כלי שמאפשר למודל AI לכתוב ולהריץ קוד בפועל (בדרך כלל בארגז-חול) כדי לפתור בעיה — לא רק לתאר איך היה פותר אותה בתיאוריה.
אוטומציית דפדפן היא שליטה תוכנתית על דפדפן אינטרנט — גלישה, לחיצה, מילוי טפסים — שמאפשרת לסוכן AI לבצע משימות באתרים כאילו הוא משתמש אנושי.
עוזר קולי הוא כלי AI שמתקשר בקול — מקשיב לבקשה מדוברת, מבין אותה, ועונה בקול — כמו Siri, Alexa, או עוזרים חדשים מבוססי-מודלי-שפה.
מערכת המלצות היא מערכת AI שמציעה למשתמש תוכן, מוצרים או פעולות רלוונטיים, בהתבסס על העדפותיו ההיסטוריות והתנהגות משתמשים דומים — הבסיס של פיד-הרשתות-החברתיות וחנויות-מקוונות.
אוטומציית תהליכי עבודה היא הפיכת סדרת-פעולות אנושיות שחוזרת על עצמה לתהליך אוטומטי — עם או בלי AI, אך מודלי AI מרחיבים מאוד אילו שלבים אפשר לבצע אוטומטית.
RPA היא טכנולוגיה שמדמה פעולות-מחשב אנושיות (קליקים, הקלדה, העתקה) כדי לבצע משימות משרדיות שחוזרות על עצמן — קדמה ל-AI ומשמשת לעיתים לצידו כיום.
פלטפורמת ללא-קוד מאפשרת לבנות אפליקציות, אוטומציות או כלי-AI פשוטים דרך ממשק ויזואלי — גרירה-והשלכה — בלי לכתוב שורת-קוד אחת.
הרחבת דפדפן היא תוכנה קטנה שמתקינים בדפדפן כדי להוסיף לו יכולת חדשה — כלי-AI רבים מציעים הרחבה שמאפשרת גישה אליהם מכל אתר בלי לפתוח כרטיסייה נפרדת.
נקודת-קצה API היא כתובת ספציפית שדרכה תוכנה אחת שולחת בקשה לשירות אחר ומקבלת תשובה — הדלת המדויקת שדרכה מפתחים "מדברים" עם מודל AI מרוחק.
זיהוי כוונה הוא זיהוי המטרה האמיתית מאחורי בקשת-משתמש — למשל, האם "בטל את ההזמנה" משמעו ביטול מלא, או שינוי בלבד — צעד מרכזי בבניית צ'אטבוטים וסוכנים שמבינים משתמשים נכון.
ניתוב סוכנים הוא החלטה אוטומטית לאיזה סוכן מתמחה, מודל, או כלי-AI לשלוח בקשה נתונה — כדי שכל בקשה תטופל ע"י הכתובת הכי מתאימה לה.
שרת MCP הוא תוכנית שחושפת כלים או מקורות-מידע למודל AI לפי פרוטוקול-ה-MCP הסטנדרטי — מאפשר לכל מודל תומך-MCP להתחבר אליו בלי אינטגרציה מותאמת-אישית.
תמונה, קול ווידאו
מודל דיפוזיה (Diffusion Model) הוא הטכניקה שמאחורי רוב כלי יצירת התמונות של היום — המודל מעדן רעש אקראי בהדרגה לכדי תמונה, לפי תיאור טקסטואלי.
יצירת תמונה מטקסט (Text-to-Image) היא טכנולוגיה שהופכת תיאור מילולי לתמונה חדשה שנוצרה מאפס.
שיבוט קול (Voice Cloning) הוא יצירת עותק דיגיטלי של קול אדם ספציפי מתוך דגימת הקלטה קצרה.
טקסט-לדיבור (Text-to-Speech) היא טכנולוגיה שהופכת טקסט כתוב לקול מדובר טבעי.
דיבור-לטקסט (Speech-to-Text) היא טכנולוגיה שהופכת דיבור מוקלט לטקסט כתוב.
דיפ-פייק (Deepfake) הוא תמונה, סרטון או הקלטה מזויפים שנוצרו על ידי AI ונראים אמיתיים, למרות שהם לא.
יצירת וידאו מטקסט (Text-to-Video) היא טכנולוגיה חדשה יחסית שיוצרת קטעי וידאו קצרים ישירות מתיאור מילולי.
רשת יריבה גנרטיבית היא ארכיטקטורה שבה שתי רשתות-נוירונים "מתחרות" זו בזו — אחת מייצרת תוכן מזויף, השנייה מנסה לזהות שהוא מזויף — תחרות שמשפרת את שתיהן עד לתוצרים משכנעים ביותר.
תמונה-לתמונה היא יכולת AI להפוך תמונת-קלט לתמונה חדשה לפי הנחיה — למשל שינוי סגנון, צביעת סקיצה, או המרת רישום-קו לתמונה ריאליסטית.
מילוי-פערים הוא שימוש ב-AI כדי למלא באופן משכנע חלק חסר או מסומן בתמונה — הסרת אובייקט לא-רצוי, או שחזור פינה פגומה בתמונה ישנה.
הרחבת-תמונה היא שימוש ב-AI כדי להרחיב תמונה קיימת מעבר לגבולותיה המקוריים — יוצר תוכן חדש ומתאים-סגנונית באזורים שלא היו קיימים כלל בתמונה המקורית.
הגדלת רזולוציה היא שימוש ב-AI כדי להגדיל תמונה תוך "המצאת" פרטים חדשים ומשכנעים — שונה מהגדלה פשוטה שרק מותחת פיקסלים קיימים ומטשטשת אותם.
העברת סגנון היא שימוש ב-AI כדי להחיל את הסגנון האמנותי של תמונה אחת (למשל ציור מוכר) על תוכן של תמונה אחרת — משלב תוכן ממקור אחד וסגנון ממקור שני.
החלפת פנים היא טכניקת AI שמחליפה את פני אדם בסרטון או תמונה בפני אדם אחר, תוך שמירה על תנועות ותאורה טבעיות — אחת הטכניקות המרכזיות שמאחוריה עומדים דיפ-פייקים.
סנכרון שפתיים הוא התאמה אוטומטית של תנועות-פה בסרטון לפסקול-קול נתון — כך שדמות "אומרת" מילים חדשות בצורה משכנעת חזותית, גם אם לא אמרה אותן בפועל.
יצירת מוזיקה בבינה מלאכותית היא הפקת קטעי-מוזיקה מקוריים (מנגינה, אקורדים, ולעיתים גם שירה) מהנחיה טקסטואלית — בדומה ליצירת-תמונה-מטקסט, אך בתחום הקול.
יצירת תלת-מימד היא הפקת מודל תלת-ממדי (אובייקט או סצנה) ע"י AI מתוך תיאור טקסטואלי או תמונה — הרחבה של יצירת-תמונה למרחב תלת-ממדי מלא.
עריכת וידאו בבינה מלאכותית היא שימוש ב-AI לביצוע משימות-עריכה שבעבר דרשו עבודה ידנית ממושכת — חיתוך אוטומטי, הסרת רעשי-רקע, יצירת כתוביות, או שינוי-רקע — בשבריר מהזמן.
סימן מים דיגיטלי הוא סימון בלתי-נראה (או גלוי) שמוטבע בתוכן שנוצר ע"י AI, כדי לאפשר לזהות בעתיד שהתוכן מקורו במודל AI ולא נוצר ע"י בן-אדם.
אימות מקוריות תוכן הוא תקן טכני (כמו C2PA) שמצרף לתמונה או וידאו "היסטוריה חתומה" — מי צילם/יצר אותו, באילו כלים נערך — כדי שצופים יוכלו לאמת את מקורו.
בטיחות ואתיקה
הטיה אלגוריתמית (Bias) היא כשמודל AI משקף בתשובותיו דעות קדומות שהוא "ירש" מהנתונים העצומים שעליהם אומן — בלי כוונה מצד מי שבנה אותו.
יישור (Alignment) הוא התחום שעוסק בלוודא שמודל AI פועל בהתאם לכוונות וערכים אנושיים, ולא רק "עונה נכון" מבחינה טכנית.
שקיפות (Transparency) היא עד כמה ברור למשתמש איך ולמה מודל AI הגיע לתשובה מסוימת.
זכויות יוצרים ובינה מלאכותית היא סוגיה משפטית פתוחה: האם מותר לאמן מודלים על יצירות מוגנות בלי רשות, ולמי שייכת יצירה שנוצרה בעזרת AI.
פרטיות נתונים היא השאלה מה קורה למידע שמזינים לכלי AI — האם הוא נשמר, משמש לאימון עתידי, או נחשף לצדדים אחרים.
הונאת פישינג היא ניסיון הונאה שמתחזה לגוף אמיתי כדי לגנוב פרטים אישיים — ו-AI הפך אותה למשוכללת יותר.
מעקות בטיחות (Guardrails) הם כללים והגבלות שמוטמעים במודל AI כדי למנוע ממנו לספק תוכן מזיק, מסוכן או בלתי הולם.
בדיקות-פריצה יזומות (Red Teaming) הוא תהליך שבו מומחים מנסים במכוון "לשבור" מודל AI כדי לגלות ולתקן חולשות לפני שמנצלים אותן.
עקומת המוזרות (Uncanny Valley) היא התחושה הלא-נעימה שאנשים חווים כשדמות מלאכותית נראית כמעט-אנושית אבל לא לגמרי.
בטיחות בינה מלאכותית הוא תחום מחקר ומדיניות שעוסק במניעת נזק ממערכות AI — מטעויות יומיומיות ועד תרחישים חמורים יותר ככל שהמערכות נעשות עוצמתיות יותר.
סיכון קיומי, בהקשר AI, הוא הדאגה התיאורטית שמערכת בינה מלאכותית עוצמתית מאוד עלולה לגרום נזק חמור ובלתי-הפיך לאנושות — נושא שנוי-במחלוקת בקהילת המחקר.
הוגנות אלגוריתמית היא תחום שמפתח שיטות למדוד ולתקן אפליה במערכות AI — כדי שמודל לא יפלה לרעה קבוצות שונות באוכלוסייה, גם בלי כוונה מודעת.
הרעלת נתונים היא התקפה שבה תוקף מזריק במכוון נתונים שגויים או זדוניים לתוך מערך-האימון של מודל, כדי לפגוע בהתנהגותו — נזק שקורה עוד לפני שהמודל בכלל הושלם.
התקפה יריבה היא שינוי קטן ומחושב-בקפידה בקלט (למשל תמונה) שגורם למודל AI לטעות בגדול — שינוי כל-כך עדין שעין אנושית כמעט לא מבחינה בו.
רגולציית בינה מלאכותית היא חוקים ותקנות שממשלות מחוקקות כדי לפקח על פיתוח ושימוש ב-AI — כמו ה-EU AI Act, החוק המקיף הראשון מסוגו באיחוד האירופי.
בינה מלאכותית אחראית הוא מונח-מטרייה לגישת-פיתוח שמשלבת שיקולי בטיחות, הוגנות, שקיפות ואחריותיות לאורך כל מחזור-החיים של מוצר AI — לא כתוספת בדיעבד.
פיקוח אנושי הוא עקרון שלפיו מערכת AI, גם כשהיא פועלת באופן אוטומטי ברוב הזמן, נשארת בת-בקרה ובת-עצירה ע"י בני-אדם — לא "עצמאית לגמרי" ללא כתובת אחריות.
דיסאינפורמציה היא מידע כוזב שמופץ (בכוונה או בטעות), ו-AI מגביר את הסיכון הזה — הן ביכולת לייצר תוכן מזויף משכנע (טקסט, תמונה, וידאו), והן במהירות ההפצה שלו.
מודרציית תוכן היא סינון וסימון תוכן פוגעני, מסוכן או בלתי-הולם ברשתות חברתיות ופלטפורמות — מבוצעת היום בעיקר ע"י מערכות AI, בגלל הכמות העצומה של תוכן שמועלה מדי שנייה.
שימוש כפול הוא מונח שמתאר טכנולוגיה שיכולה לשמש הן למטרות מועילות והן למטרות מזיקות — כמעט כל טכנולוגיית AI יצירתית נושאת אתה סיכון כפול כזה.
עולם המוצר והעסקים
Freemium הוא מודל עסקי שבו הגרסה הבסיסית של כלי AI חינמית לגמרי, ותכונות מתקדמות דורשות מנוי בתשלום.
קוד פתוח (Open Source) מתאר מודל AI שהקוד או המשקלים שלו פורסמו לציבור, וכל אחד יכול להוריד, לבדוק ולהתאים אותו.
מודל סגור (Closed Model) הוא מודל AI שרק החברה שפיתחה אותו יכולה לגשת לקוד ולמשקלים שלו.
מפתח גישה (API Key) הוא קוד סודי אישי שמזהה אתכם מול שירות AI ומאפשר לכם להשתמש בו ישירות מתוכנה.
הביאו מפתח משלכם (BYOK) היא אפשרות להשתמש בכלי AI עם מפתח ה-API האישי שלכם, במקום להסתמך על מכסה משותפת.
הגבלת קצב (Rate Limit) היא תקרה על מספר הבקשות שמותר לשלוח לשירות AI בפרק זמן נתון, כדי למנוע עומס.
מעבד גרפי (GPU) הוא סוג שבב מחשוב שמצטיין בחישובים מקבילים, ולכן הוא הכלי המרכזי לאימון והרצה של מודלי AI.
זמן תגובה (Latency) הוא הזמן שעובר בין שליחת בקשה למודל AI לבין קבלת תחילת התשובה — קריטי בזמן-אמת.
AI על-המכשיר (Edge AI) הוא הרצת מודל AI ישירות על הטלפון או המחשב שלכם, בלי לשלוח מידע לשרת חיצוני.
טביעת רגל פחמנית בהקשר AI היא הדאגה מכמות החשמל והמים שאימון והרצה של מודלי AI גדולים צורכים.
בינה מלאכותית כשירות היא מודל-עסקי שבו חברות מספקות גישה ליכולות AI (מודלי-שפה, ראייה-ממוחשבת) דרך API בתשלום, במקום שלקוחות יבנו ויאמנו מודלים בעצמם.
תמחור-לפי-טוקן הוא מודל-חיוב נפוץ לשירותי מודלי-שפה, שבו העלות נקבעת לפי כמות הטוקנים שנשלחו ונוצרו — לא לפי מנוי קבוע או מספר-בקשות בלבד.
ספק מודל הוא חברה שמפתחת ומספקת גישה למודלי AI לשימוש אחרים — כמו OpenAI, Google, Anthropic — לרוב דרך API בתשלום.
אימוץ בינה מלאכותית ארגונית הוא התהליך שבו חברה משלבת כלי-AI בתהליכי-העבודה שלה — מעבר שכולל לא רק טכנולוגיה אלא גם הכשרת-עובדים, מדיניות ותרבות ארגונית.
תלות בספק היא מצב שבו קשה או יקר מדי לעבור מספק-שירות אחד לאחר — בהקשר AI, בניית מוצר סביב API ספציפי-מדי שהופך מעבר לספק אחר למורכב ויקר.
שוק מודלים הוא פלטפורמה שבה ניתן לגלות, להוריד ולעיתים לרכוש מודלי AI שאומנו ע"י אחרים — כמו Hugging Face — במקום לאמן כל מודל מאפס.
החזר השקעה בבינה מלאכותית הוא המדד שבו חברות בודקות אם ההשקעה בכלי-AI (עלות, זמן-הטמעה) באמת מניבה תועלת עסקית מדידה — חיסכון בזמן, הכנסה נוספת, או שיפור-איכות.
יתרון-נתונים תחרותי הוא מצב שבו חברה מחזיקה נתונים ייחודיים וקשים-לשכפול, שמעניקים לה יתרון בבניית מוצרי-AI טובים יותר ממתחרים — "חפיר" שמגן על היתרון העסקי.
רישיון מסחרי הוא ההיתר המשפטי לשימוש במודל AI (או בכל תוכנה) למטרות רווח — לא כל מודל, כולל מודלים "פתוחים" למחצה, מתיר שימוש מסחרי חופשי.
עקומת אימוץ טכנולוגית היא מודל שמתאר איך טכנולוגיה חדשה מתפשטת בשוק לאורך זמן — ממחדשים נועזים, דרך רוב מוקדם ומאוחר, ועד מפגרים — מסגרת נפוצה להבנת קצב אימוץ ה-AI.
היסטוריה ואנשי מפתח
אלן טיורינג היה מתמטיקאי בריטי שנחשב לאבי-מייסד של מדעי-המחשב והבינה המלאכותית התיאורטית — פיתח את מושג "מבחן טיורינג" ואת התיאוריה שביסוד המחשב המודרני.
ג'ון מקארתי הוא מדען-מחשב אמריקאי שטבע את המונח "בינה מלאכותית" ב-1955, ואירגן את ועידת דארטמות' שנחשבת ללידת התחום כתחום-מחקר רשמי.
ועידת דארטמות' (1956) הייתה מפגש-קיץ באוניברסיטת דארטמות' שבו מדענים מובילים דנו לראשונה בפורמלי ב"בינה מלאכותית" כתחום-מחקר — נחשבת ללידה הרשמית של התחום.
חורף הבינה המלאכותית הוא כינוי לתקופות שבהן מימון ועניין ציבורי בתחום ה-AI צנחו דרמטית, לאחר שציפיות מוגזמות לא התממשו — היו לפחות שני "חורפים" כאלה, בשנות ה-70 וה-80/90.
אליזה היה תוכנת-צ'אט מוקדמת מ-1966, שדימתה שיחה עם פסיכותרפיסט ע"י ניתוח פשוט של מילות-מפתח — הוכיחה כמה בקלות אנשים "מרגישים" שמכונה מבינה אותם, גם ללא הבנה אמיתית.
הפרספטרון, שהוצג ב-1958, היה מודל מתמטי מוקדם לנוירון בודד — אבן-הבניין הראשונה שממנה התפתחו רשתות-נוירונים ולמידה עמוקה מודרניות.
דיפ בלו היה מחשב-השחמט של IBM שניצח את אלוף-העולם גארי קספרוב ב-1997 — הרגע הראשון שבו מחשב ניצח אלוף-עולם מכהן במשחק אינטלקטואלי מורכב, תחת תנאי-תחרות רשמיים.
ג'פרי הינטון הוא חוקר בינה מלאכותית קנדי-בריטי המכונה "הסנדק של הלמידה העמוקה" — תרם מחקר מכריע ל-backpropagation ולרשתות-נוירונים, וזכה בפרס טיורינג ב-2018.
יאן לה-קון הוא חוקר בינה מלאכותית צרפתי-אמריקאי, ממציא-שותף של רשתות הקונבולוציה (CNN) ומדען-הראשי ל-AI ב-Meta — זכה בפרס טיורינג ב-2018 לצד הינטון ובנג'יו.
יושוע בנג'יו הוא חוקר בינה מלאכותית קנדי, מהמובילים בפיתוח הלמידה העמוקה המודרנית — זכה בפרס טיורינג ב-2018 לצד הינטון ולה-קון, ומוביל כיום מחקר על בטיחות AI.
אנדרו נג הוא חוקר ומחנך בינה מלאכותית, מייסד-שותף של Coursera ו-Google Brain — אחראי, יותר מכל אדם בודד אחר, על חשיפת מיליוני אנשים ללימוד למידת-מכונה דרך קורסים מקוונים.
פיי-פיי לי היא חוקרת ראייה-ממוחשבת שיצרה את ImageNet — מערך-הנתונים העצום שהוכיח שכמות-נתונים גדולה היא מפתח-הצלחה קריטי, ותנע ישירות את מהפכת הלמידה העמוקה.
ImageNet הוא מערך-נתונים עצום של מיליוני תמונות מתויגות, שיצרה פיי-פיי לי ועמיתיה — התחרות השנתית סביבו הפכה לזירה שבה הוכחה עליונות הלמידה העמוקה ב-2012.
AlexNet היה מודל רשת-קונבולוציה שניצח בפער עצום בתחרות ImageNet ב-2012 — הרגע שמסומן כתחילת "מהפכת הלמידה העמוקה" המודרנית, ששינתה את כיוון כל תחום ה-AI.
AlphaGo היה מודל AI של DeepMind שניצח את אחד מאלופי-העולם המובילים במשחק גו ב-2016 — הישג שנחשב לעשור מוקדם ממה שרוב המומחים חזו, בזכות שילוב של למידת-חיזוק וחיפוש עמוק.
דמיס הסאביס הוא מדען-מחשבים ויזם בריטי, מייסד-שותף ומנכ"ל DeepMind — הוביל את הפיתוח של AlphaGo ומודלים פורצי-דרך נוספים, וזכה בפרס נובל לכימיה ב-2024 על עבודה בחיזוי-מבנה-חלבונים.
איליה סוצקבר הוא חוקר בינה מלאכותית, מייסד-שותף ומדען-ראשי לשעבר של OpenAI, ואחד ממי שסייעו לפתח את AlexNet — דמות מרכזית בכמה מפריצות-הדרך החשובות ביותר בתחום.
סם אלטמן הוא יזם אמריקאי ומנכ"ל OpenAI — הוביל את החברה מאז 2019 דרך השקת ChatGPT ב-2022, הרגע שהביא בינה מלאכותית שיחתית להמונים והפך אותה לשיחה גלובלית.
"תשומת לב היא כל שצריך" הוא מאמר-המחקר משנת 2017 שהציג לראשונה את ארכיטקטורת הטרנספורמר — אחד המאמרים המשפיעים ביותר בהיסטוריה של מדעי-המחשב, שביסס את כל מודלי השפה הגדולים של היום.
GPT-3, ששוחרר ע"י OpenAI ב-2020, היה מודל השפה הראשון שהפגין בבירור לציבור הרחב יכולות "מפתיעות" — כתיבה קוהרנטית, תרגום, ואפילו כתיבת-קוד — בקנה-מידה שלא נראה קודם.
השקת ChatGPT בנובמבר 2022 הביאה מודל-שפה גדול לממשק-צ'אט פשוט וחינמי לציבור הרחב — הכלי הצרכני שגדל מהר יותר מכל אפליקציה בהיסטוריה, ושינה את השיח הציבורי על AI בן-לילה.
הסינגולריות הטכנולוגית היא רעיון היפותטי שלפיו AI יגיע לנקודה שבה הוא משפר את עצמו במהירות מואצת ובלתי-נשלטת — עתיד שקשה, לפי ההגדרה, לחזות מעברו.
מרווין מינסקי היה מדען-מחשבים אמריקאי, ממייסדי מעבדת הבינה המלאכותית ב-MIT יחד עם ג'ון מקארתי, זוכה פרס טיורינג 1969, ואחד המשתתפים בוועידת דארטמות' ההיסטורית ב-1956.
הרברט סיימון היה מדען-מחשבים וכלכלן אמריקאי, זוכה פרס נובל לכלכלה 1978 ופרס טיורינג 1975 (משותף עם אלן ניואל) — יחד פיתחו את Logic Theorist (1956), אחת מתוכניות ה-AI הראשונות בהיסטוריה.
פרנק רוזנבלט היה פסיכולוג ומדען-מחשבים אמריקאי, ממציא ה-Perceptron (1957-1958) — אחת מרשתות-הנוירונים המלאכותיות הראשונות שהודגמו בפועל.
יהודה פרל הוא מדען-מחשבים ישראלי-אמריקאי, נולד בתל-אביב ב-1936 — זכה בפרס טיורינג 2011 על פיתוח חשבון פורמלי להיסק הסתברותי וסיבתי.
נפתלי תשבי היה מדען-מחשבים ונוירוביולוג-חישובי ישראלי, פרופסור באוניברסיטה העברית בירושלים — פיתח את תיאוריית "צוואר-הבקבוק המידעי" ללמידת-מכונה.
שמעון אולמן הוא מדען-מחשבים ישראלי, פרופסור במכון ויצמן למדע — מחלוצי הראייה הממוחשבת, עם דוקטורט מ-MIT בהדרכת דיוויד מאר.
אהוד שפירא הוא מדען-מחשבים ישראלי, פרופסור אמריטוס במכון ויצמן למדע — חלוץ בתכנות-לוגי (Prolog) ובתחום המתפתח של מחשוב-DNA מולקולרי.
מיכל עירני היא מדענית-מחשב ישראלית, פרופסורית במכון ויצמן למדע — מהחוקרות המובילות בעולם בראייה ממוחשבת וניתוח-וידאו.
משה ורדי הוא מדען-מחשבים תיאורטי ישראלי-אמריקאי, פרופסור ב-Rice University — חוקר מוביל בלוגיקה חישובית ובהיסק-על-ידע.
אלעד חזן הוא מדען-מחשבים ישראלי-אמריקאי, פרופסור באוניברסיטת פרינסטון ומנהל את מעבדת Google AI שם — ממציא-שותף של אלגוריתם האופטימיזציה AdaGrad.
דפני קולר היא מדענית-מחשב ישראלית-אמריקאית, נולדה בירושלים ב-1968 — פרופסורית לשעבר בסטנפורד, מהמובילות בעולם בפיתוח מודלים גרפיים הסתברותיים ללמידת-מכונה.
רג'ינה ברזילי היא מדענית-מחשב ישראלית-אמריקאית, פרופסורית מן המניין ב-MIT — נולדה במולדובה ועלתה לישראל בגיל 20, מהחוקרות המובילות בעולם בעיבוד-שפה-טבעית.
אמנון שעשוע הוא מדען-מחשבים ישראלי, פרופסור מן המניין באוניברסיטה העברית בירושלים — מייסד-שותף ומנכ"ל Mobileye, ומייסד-שותף נוסף של OrCam.
יואב שהם הוא מדען-מחשבים שנולד בישראל בשנת 1956, פרופסור אמריטוס באוניברסיטת סטנפורד — מהמובילים בעולם בתחום מערכות-רב-סוכניות ותורת-המשחקים החישובית.
חברות AI ישראליות
AI21 Labs היא חברת בינה מלאכותית ישראלית שנוסדה ב-2017, המפתחת מודלי-שפה גדולים (LLM) עם דגש מיוחד על תמיכה בעברית.
Run:AI היא חברת בינה מלאכותית ישראלית שנוסדה ב-2018, המפתחת פלטפורמת ניהול ותזמור משאבי-GPU לאימון והרצה של מודלי בינה מלאכותית בקנה-מידה תעשייתי.
Hailo היא חברת בינה מלאכותית ישראלית שנוסדה ב-2017, המפתחת שבבי בינה מלאכותית ייעודיים (edge AI chips) להרצת מודלי AI ישירות על המכשיר, בלי תלות בענן.
NeuroBlade היא חברת בינה מלאכותית ישראלית שנוסדה ב-2018, המפתחת חומרה ייעודית להאצת עיבוד ואנליזה של מסדי-נתונים גדולים בקנה-מידה תעשייתי.
Majestic Labs היא חברת בינה מלאכותית ישראלית שנוסדה ב-2024, המפתחת שרתי-AI חסכוניים בצריכת-חשמל כמענה לעלייה התלולה בעלויות-האנרגיה של הרצת מודלי בינה מלאכותית גדולים.
מובילאיי היא חברה ישראלית שנוסדה ב-1999, וחלוצה עולמית בטכנולוגיית ראייה-ממוחשבת למניעת תאונות דרכים ולנהיגה אוטונומית.
Innoviz היא חברה ישראלית שנוסדה ב-2016, המפתחת חיישני LiDAR — טכנולוגיית-חישה מבוססת-לייזר לרכב אוטונומי, המשלימה טכנולוגיות ראייה מבוססות-מצלמה.
Cortica היא חברה ישראלית שנוסדה ב-2007, המפתחת בינה מלאכותית אוטונומית לניתוח-תמונה וחיזוי-תנועה בהשראת אופן-הפעולה של המוח האנושי.
Arbe Robotics היא חברה ישראלית שנוסדה ב-2015, המפתחת מערכות רדאר ברזולוציה-גבוהה לרכב אוטונומי — שכבת-חישה נוספת לצד מצלמות וחיישני LiDAR.
AutoBrains היא חברה ישראלית שנוסדה ב-2019, המפתחת בינה מלאכותית לרכב ולתחבורה בגישת-למידה עצמית בהשראת-מוח, בדומה לזו של Cortica.
Foretellix היא חברה ישראלית שנוסדה ב-2018, המפתחת כלי-סימולציה ואימות-בטיחות שיטתי לתרחישי-נהיגה של רכב אוטונומי, לפני פריסתו בעולם האמיתי.
BioCatch היא חברה ישראלית שנוסדה ב-2011, המפתחת טכנולוגיית ביומטריה התנהגותית לזיהוי הונאות פיננסיות לפי דפוסי-שימוש ולא לפי סיסמה או טביעת-אצבע.
ThetaRay היא חברה ישראלית שנוסדה ב-2013, המפתחת פלטפורמת בינה-מלאכותית לניתוח-עסקאות פיננסיות ואיתור הלבנת-הון ומימון-טרור בזמן-אמת, עבור בנקים ומוסדות פיננסיים ברחבי העולם.
Hunters היא חברה ישראלית שנוסדה ב-2018, המפתחת פלטפורמת ציד-איומים אוטונומי (Autonomous Threat Hunting) המזהה פריצות-סייבר בתשתית-IT ארגונית מבלי להסתמך רק על כללי-זיהוי ידניים.
Noma Security היא חברה ישראלית שנוסדה ב-2023, המאבטחת את שרשרת-האספקה (supply chain) של מערכות בינה מלאכותית עצמן — מודלים, נתוני-אימון וצנרות-פיתוח.
Dream Security היא חברה ישראלית שנוסדה ב-2022, המפתחת פתרונות בינה-מלאכותית להגנת-סייבר על תשתיות קריטיות לאומיות — רשתות חשמל, מערכות-מים ומתקני-תעשייה.
MeMed Diagnostics היא חברה ישראלית שנוסדה ב-2009, המפתחת בדיקת-דם מהירה המבחינה בין זיהום חיידקי לזיהום נגיפי, כדי לסייע לרופאים להחליט אם יש צורך במתן אנטיביוטיקה.
CytoReason היא חברה ישראלית שנוסדה ב-2016, המפתחת מודלים חישוביים של מחלות ברמת-התא הבודדת, לשימוש חברות-תרופות בפיתוח תרופות חדשות ובקיצור זמן-הפיתוח.
Ibex Medical Analytics היא חברה ישראלית שנוסדה ב-2016, המפתחת מערכות בינה-מלאכותית לניתוח תמונות-פתולוגיה — רקמות תחת מיקרוסקופ — לסיוע באבחון סרטן.
Healthy.io היא חברה ישראלית שנוסדה ב-2013, המפתחת טכנולוגיה ההופכת את מצלמת-הסמארטפון לכלי-בדיקה רפואי, ומאפשרת בדיקות שדרשו בעבר מעבדה להתבצע בבית.
Sight Diagnostics היא חברה ישראלית שנוסדה ב-2011, המפתחת מכשיר-בדיקת-דם המספק תוצאות ספירת-דם מלאה במקום הטיפול עצמו, ללא צורך במעבדה מרכזית.
Explorium היא חברה ישראלית שנוסדה ב-2017, המספקת לסוכני-AI עסקיים גישה למקורות-מידע חיצוניים, מעבר לנתונים הפנימיים של הארגון, לשיפור דיוק החלטות מבוססות-בינה-מלאכותית.
Fetcherr היא חברה ישראלית שנוסדה ב-2018, המפתחת מערכות תמחור דינמי מבוססות-בינה-מלאכותית, המתאימות מחירים בזמן-אמת בהתאם לביקוש ולתנאי-שוק משתנים.
Pecan היא חברה ישראלית שנוסדה ב-2016, המפתחת פלטפורמת אנליטיקה חיזויית אוטומטית, המאפשרת לצוותי-נתונים לבנות מודלי-חיזוי בלי צורך במדען-נתונים ייעודי לכל שאלה עסקית.
Qodo (שנוסדה בשם CodiumAI) היא חברה ישראלית שנוסדה ב-2022, המפתחת כלים מבוססי-בינה-מלאכותית לכתיבה, בדיקה וסקירה אוטומטית של קוד תוכנה.
Wonderful היא חברה ישראלית שנוסדה ב-2025, המפתחת סוכני-AI רב-לשוניים לשירות-לקוחות, המסוגלים לנהל שיחות עם לקוחות במגוון שפות באופן אוטומטי.
Trigo היא חברה ישראלית שנוסדה ב-2018, המפתחת טכנולוגיית ראייה-ממוחשבת לחנויות קמעונאיות ללא-קופות, שבה מצלמות עוקבות אחר מוצרים ומחייבות לקוחות אוטומטית.
WSC Sports היא חברה ישראלית שנוסדה ב-2013, המפתחת טכנולוגיית בינה מלאכותית לניתוח-וידאו אוטומטי, המזהה רגעים מרכזיים בשידורי-ספורט חיים ומרכיבה מהם קטעי-highlights תוך שניות.
OrCam היא חברה ישראלית שנוסדה ב-2010 על ידי אמנון שעשוע וזיו אביר — מייסדי Mobileye — והיא מפתחת מכשירים לבישים המסייעים לעיוורים ולכבדי-ראייה בחיי-היום-יום.
Nexar היא חברה ישראלית שנוסדה ב-2015, המפתחת רשת מצלמות-רכב קהילתית מבוססת-בינה-מלאכותית, שבה נתוני-נהיגה ממשתמשים יוצרים יחד מפת-סיכונים משותפת בזמן-אמת.
חברות AI גלובליות
OpenAI היא חברת בינה מלאכותית אמריקאית שנוסדה ב-2015, מפתחת סדרת מודלי-GPT ואת ChatGPT — הכלי שהביא שיחה עם AI לקהל הרחב.
Anthropic היא חברת בינה מלאכותית אמריקאית שנוסדה ב-2021 על ידי קבוצת עובדים לשעבר מ-OpenAI, מפתחת את סדרת מודלי Claude תוך דגש מוצהר על בטיחות-AI.
Google DeepMind היא מעבדת בינה מלאכותית שנוסדה ב-2010 בבריטניה, נרכשה על ידי גוגל ב-2014 ומוזגה עם צוות Google Brain ב-2023, ומפתחת כיום את סדרת מודלי Gemini.
Meta AI (הכולל את מעבדת המחקר FAIR) היא זרוע הבינה-המלאכותית של Meta, הידועה במיוחד בגישת-הפיתוח הפתוחה שלה — פרסום משקלי סדרת מודלי Llama לציבור.
xAI היא חברת בינה מלאכותית שנוסדה ב-2023 על ידי אילון מאסק, מפתחת את סדרת מודלי Grok המשולבת בפלטפורמת X; מיולי 2026 היא פועלת תחת השם SpaceXAI.
Mistral AI היא מעבדת מודלים צרפתית שנוסדה באפריל 2023 על ידי חוקרים לשעבר מ-Meta AI וגוגל, ונחשבת למעבדת-המודלים האירופית המובילה.
Cohere היא חברת בינה מלאכותית קנדית שנוסדה ב-2019 על ידי איידן גומז, אחד ממחברי מאמר הטרנספורמר המקורי, ומתמקדת במודלי-שפה לשימוש עסקי-ארגוני.
NVIDIA היא חברת שבבים אמריקאית, במקור לתחום המשחקים, שהפכה לספקית הדומיננטית של חומרת-החישוב לאימון מודלי-AI ולהרצתם.
Groq היא חברת שבבים אמריקאית שנוסדה ב-2016, מפתחת שבבי LPU (Language Processing Unit) ייעודיים להסקה (inference) מהירה במיוחד של מודלים כבר-מאומנים.
Cerebras היא חברת שבבים אמריקאית שנוסדה ב-2015, מייצרת את שבב-המחשוב הפיזי הגדול בעולם (Wafer-Scale Engine) לאימון והרצה של מודלי-AI.
Perplexity AI היא חברה אמריקאית שנוסדה באוגוסט 2022, מפתחת מנוע-חיפוש מבוסס-AI שעונה בשפה טבעית עם מקורות מצוטטים, כאלטרנטיבה לחיפוש-מסורתי.
Hugging Face היא חברה אמריקאית שנוסדה ב-2016, מפעילה את הפלטפורמה המרכזית להפצת מודלים פתוחים ולשיתוף-קוד בקהילת ה-AI — מעין "GitHub של מודלי-AI".
Cursor הוא עורך-קוד מבוסס-AI, שפיתחה חברת Anysphere שנוסדה ב-2022, המשלב יכולות-השלמה ויצירת-קוד ישירות בסביבת-הפיתוח.
Databricks היא פלטפורמת נתונים ו-AI ארגונית, שנוסדה ב-2013 על ידי יוצרי פרויקט הקוד הפתוח Apache Spark, ומאחדת ניהול נתונים בקנה-מידה גדול עם אימון מודלים בסביבה אחת.
Scale AI היא חברה שנוסדה ב-2016 ומספקת שירותי תיוג-נתונים (data labeling) לאימון מודלי AI — אחת הספקיות המרכזיות בתחום, שעברה ב-2025 שינוי-בעלות משמעותי מול Meta.
Palantir היא חברת אנליטיקת-נתונים ו-AI שנוסדה ב-2003, ותיקה משמעותית מרוב החברות בקטגוריה הזו — פלטפורמותיה בשימוש נרחב בגופי-ממשלה, ביטחון וארגונים גדולים.
Figure AI היא חברה שנוסדה ב-2022 ומפתחת רובוטים הומנואידיים (בצורת-אדם) המיועדים לביצוע עבודה פיזית, בשילוב רובוטיקה קלאסית עם מודלי-AI לתפיסה ולקבלת-החלטות.
Waymo היא חברת רכב-אוטונומי שהחלה כפרויקט בתוך גוגל ב-2009 והופרדה לחברה עצמאית תחת Alphabet ב-2016, ומפעילה שירותי-מונית-אוטונומית (Robotaxi) ללא נהג בכמה ערים אמריקאיות.
Midjourney היא חברה שנוסדה ב-2021, מפתחת כלי ליצירת תמונה מטקסט (Text-to-Image) — אחד הכלים הראשונים והפופולריים בתחום, הפועל הן דרך אתר-ווב עצמאי והן דרך שרת Discord.
Stability AI היא חברה שנוסדה ב-2019, פיתחה את Stable Diffusion — מודל דיפוזיה (Diffusion Model) ליצירת תמונות שפורסם כקוד פתוח (Open Source), והפך לבסיס לכלים רבים אחרים בתחום.
ElevenLabs היא חברה שנוסדה ב-2022, מפתחת טכנולוגיית טקסט-לדיבור (Text-to-Speech) ברמת-מציאותיות גבוהה, כולל שיבוט קול (Voice Cloning) — ונחשבת למובילת התחום.
Runway היא חברה שנוסדה ב-2018, מפתחת כלים ליצירה ועריכת-וידאו מבוססת-AI — תחום שנחשב מפגר משמעותית אחרי יצירת תמונה וטקסט מבחינת בשלות-הטכנולוגיה, עד לאחרונה.
Suno היא חברה שנוסדה ב-2023, מפתחת כלי ליצירת-מוזיקה שלמה — מנגינה, מילות-שיר ושירה — מטקסט-הנחיה בלבד.
DeepSeek היא חברת בינה-מלאכותית סינית שנוסדה ב-2023, שהוכיחה בפועל — עם מודל הדגל DeepSeek-V3 — שניתן להגיע לביצועים ברמת-חזית בעלות-אימון נמוכה משמעותית ממה שנחשב עד אז לנדרש, ובכך טלטלה הנחות-יסוד מושרשות בתעשיית ה-AI.
Zhipu AI היא חברת בינה-מלאכותית סינית שנוסדה ב-2019 בגיבוי אוניברסיטת צינגחואה (Tsinghua), ומפתחת את סדרת מודלי-השפה GLM — מהמובילות בסין במדדי-ביצוע בשפה הסינית.
Alibaba Qwen היא סדרת מודלי-השפה הפתוחים של Alibaba Cloud, חטיבת-הענן של תאגיד Alibaba — לא חברה עצמאית, אלא מוצר-דגל בתוך תאגיד גדול הרבה יותר.
Character.AI היא חברה אמריקאית שנוסדה ב-2021 על ידי חוקרים לשעבר מגוגל, ומפעילה פלטפורמה ליצירת ושיחה עם "דמויות-AI" מותאמות-אישית.
Inflection AI היא חברה אמריקאית שנוסדה ב-2022, שפיתחה את עוזר-ה-AI Pi שהתמקד בטון-שיחה אמפתי ואישי; החברה עברה שינוי ארגוני משמעותי ב-2024.