אמאל'ה המחשבים הולכים להעלים את כולנו (פחחחח)

מי שרוצה לפרוץ דרך עדיף שלא יפחד להשתמש באינטואיציה שלו

השתתפתי אתמול בכנס ספורט תקשורת וביג דטה (אהלן ד"ר איציק אלפסי שגם היה שם, ותודה לדוקטור יאיר גלילי שטען שהוא אחד משלושת קוראי הפוסטים שלי בדה באזר). הפאנל בו השתתפתי עסק באנליטיקס והשפעתם על הספורט. לפנינו היו שתי הרצאות מעניינות של דוקטור איליה מרגולוב, ואדיר ונונו. הראשון הציג מחקר שערך, מחקר שהפריך את תחושת הבטן של רוב חובבי הספורט. דוקטור מרגולוב בדק האם קבוצה שחזרה מהקבר והצליחה לכפות הארכה על היריבה (כן, ברור שהסל של שארפ היה שם), סיכוייה טובים יותר לנצח את ההארכה. התשובה היא לא.

לאחר מכן אדיר ונונו הציג את ניתוחי האנליטיקס של ספורטס ויו, התפעל מדריל מורי, וטען כי אולי בעתיד מחשבי על יאמנו את קבוצות הכדורסל לאור הנתונים החכמים והניתוחים החכמים שלהם. לדוגמה הוא הביא את שתי מפות החום המופיעות מטה, יוסטון רוקטס כבר מישמת את התורה של מוריי, ולא זורקת כלל זריקות מחצי מרחק, זריקות שכידוע האנליטיקס מצאו שהן בעלות סיכויי ההצלחה הנמוכים ביותר (אחרי כדרור אם אני זוכר נכון).

 

 

 

יוסטון

 

 

בהיותי איש מעצבן באופן כללי, ואופוזיציונר מושבע באופן יחידני, כמובן שגם טענתי שהאינטואיציה האנושית עדיין שווה משהו. אני לא מאלה שחושבים צ'יפים שמיפים, וגם אין לי אמונה גדולה בהחלפת מזוזות בחדר ההלבשה כתחליף לסקאוטינג שנעזר ביכולות הניתוח המתקדמות ביותר, אך טענתי היא שאינטואיציה של אנשי מקצוע כגון בובי נייט, היא עדיין משהו שכדאי להשתמש בו, כמובן על בסיס יכולות הניתוח הקיימות היום.

*

עם כל הכבוד לדטה, ויש לי המון כבוד לדטה שכן אני גם מתפרנס ממנה, הדטה כפי שהיא מוגדרת אצלנו, היא כלי המאפשר קבלת החלטות טובה יותר, טועה מי שחושב שהיא צריכה לקבל את ההחלטה. יתרה מכך, בניתוחים על תחזיות לעתיד, הדטה תעזור במציאת סיכויים סבירים להתרחשויות כגון התפרצות מחלות, גובה ממוצע באוכלוסיה וכדומה, אך מי שינסה למצוא את פריצת הדרך העסקית שלו כתוצאה מניתוח דטה, כנראה לא יציג את האייפון הבא למשל.

אני מכיר היטב את החברות שחושבות על המוצר הבא שלהן על בסיס ניתוחים מאוד מעניינים של אנליסטים חיצוניים שניתן לרכוש את מרכולתם. ישנן חברות אנליסטים אשר מנתחות את השווקים, ומנחשות, סליחה חוזות את הטרנדים הלוהטים בשנת 2020, ואז החברות משתמשות במספרים ומציעות מוצרים שיענו על הביקוש הלוהט בשנת 2020.

איך אמר פורד, אם היו שואלים אנשים מה הם רוצים כשיפור לכלי התחבורה שלהם בסוף המאה ה19, הם היו מבקשים סוסים מהירים ועמידים יותר, זה גם מה שהיה יוצא מניתוח של אנליסט לגבי הטרנד הלוהט בעתיד.

*

וזו הנקודה גם לגבי טקטיקות משחק וכדומה. בדראפט בו נבחר סטף קרי במקום השביעי, נבחרו טייריק אוונס, רוביו וג'וני פלין לתפקיד הרכז לפניו. כאשר בובי נייט אמר שסטף הוא רכז הקולג'ים הגדול ביותר מאז מג'יק ג'ונסון, פרצו הפרשנים האחרים בצחוק, ג'ף ון גנדי שאל אותו אם הוא מתבלבל, הרי סטף הוא לא רכז, הוא שוטינג גארד נמוך. ההבדל בין שני אנשי מקצוע אלה, הוא שבובי נייט אימן בקולג'ים כל חייו, לכן האינטואיציה שלו לגבי שחקני קולג' עדיפה על זו של ג'ף ון גנדי אשר אימן בNBA ושם גם בילה את מרבית חייו המקצועיים.

תכנת מחשב היתה מעדיפה גם את סם בואי על פני מייקל ג'ורדן, שכן ידוע היה באותה תקופה שכדי לזכות באליפות אתה צריך פרונט קורט חזק, ביג מן, ומייקל לא יוכל לקחת אליפות מעמדת הגארד, אף אחד לא עשה זאת לפניו.

*

וזו הנקודה עם אנליטיקס, ניתוחים מתוחכמים ככל שיהיו יכולים לתת לנו את התמונה המורכבת ביותר של המציאות שניתן להעלות על הדעת. אבל, מדובר בתמונה של נקודה קפואה בזמן, לא בסרט. אם ניקח את מפת החום של יוסטון כדוגמה, הרי ההתפתחות תהיה שקבוצות ישמרו מאוד חזק על קו השלוש, כמו שגולדן סטייט עושה מול יוסטון בכל פעם שהן נפגשות, ואז דווקא האחוזים של השחקנים שיזרקו מחצי מרחק יעלו, ויהיו טובים יותר גם בשקלול המקדם של 1.5 לזריקות משלוש, כך המשחק מתפתח, בדיוק כמו שוק ההון.

את פריצות הדרך לעתיד יעשו המנהלים, המאמנים, שלא יפחדו להשתמש באינטואיציה שלהם. לאינטואיציה יש שם רע משום מה, אצל רבים מדי. אינטואיציה זה לא מה ששלמה שרף מכנה תחושת בטן. ההבדל הוא שאינטואיציה משתפרת ככל שהידע בתחום גדול יותר. ככל שנשלוט יותר בנתונים, ככל שנבין ונכיר יותר את התחום, כך גם האינטואיציה שלנו תשתפר. אין אף אחד שיהיה טוב מאיתנו בלזהות את מצב הרוח של בן/בת הזוג שלנו מאמירת השלום הראשונה, זו האינטואיציה שמתבססת על ההיכרות העמוקה ביותר.

פריצות הדרך בשיטות המשחק לעולם יהיו שיכות לאלה שלא מפחדים לחשוב מעבר לנתונים, מעבר למה שקרה בעבר. עם כל הכבוד למאני בול, מקומו של הסקאוט ששורץ שנים במגרשי הקולג' לא יעבור מהעולם. קבוצות חכמות כמו הניו יורק ג'איינטס הערב, יקחו בערבון מוגבל את הנתונים האתלטיים מהקומביין, ויסתמכו הרבה יותר על הסקאוטים ששרצו במגרשים וראו את התכונות של השחקנים תוך כדי משחק.

ארני אקורסי לקח את איליי למשל, מאחר וראה משחקים של הקולג' שלו, משחקים בהם איליי נאלץ להלחם על חייו מאחורי קו לא קיים, למסור לרסיברים לא מוכשרים, ועדיין להצליח לנהל דרייב מנצח. שם אקורסי ראה את הרגע יונייטס שלו, תכנת מחשב לא היתה מוצאת באיליי שום דבר מעניין. רבים מכם יגידו, עדיף היה לג'איינטס שהמחשב יקח, אבל יש לנו שני לומברדי בארון הגביעים שמצדיקים את הבחירה של אקורסי.

 

 

10 עמודים ראשונים
אהבה של גדולים (לפני בית"ר ת"א)

198 Comments

שי אורן 27 באפריל 2017

מתחיל עם תיקון קטנוני, פורד התכוון לסוסים עמידים, לא חושב שהתעניין במצב הפיננסי באורוות.
מלבד זאת כתוב יפה ומעניין

גיל שלי 27 באפריל 2017

פדיחה, תודה

טל בן יהודה 27 באפריל 2017

לגבי המחקר של "קבוצה שחזרה מהקבר והצליחה לכפות הארכה" בפסקה הפותחת… האם הוא חקר מתאם?
כלומר, הוא חקר בכלליות ניצחון והפסד? או שמא בדק סיכויים?

כי הייתי חושב בכל זאת שיהיה סוג של מתאם שככל שהפער שנסגר לפני ההארכה היה יותר גדול, כך הסיכויים של הקבוצה שחזרה מהקבר לניצחון בהארכה עולים. קשה לי להאמין שאין השפעה פסיכולוגית כלשהי על הקבוצות שקשורה בגודל ה"חזרה מהקבר"\ גודל ה-Choke Job של הקבוצה שהובילה.

גיל שלי 27 באפריל 2017

כן, גם הוא חשב שימצא מתאם, לא מצא

איציק 27 באפריל 2017

יש הבדל בין לא מצא ללא קיים. לא בטוח שמתאם זה מה שצריך לחפש, אולי היה עדיף לחפש תלות סטטיסטית (שזה לא אותו הדבר, תלות יכולה להיות קיימת גם כשאין מתאם). לא אומר שהיה מוצא, רק אומר שחוסר מתאם עדיין לא מספיק.

אריאל גרייזס 27 באפריל 2017

יש כשל לוגי מאוד גדול בדוגמא שלך. אתה אומר שתוכנת מחשב היתה מעדיפה את בואי על פני ג'ורדן. ובכן – לא תוכנת מחשב העדיפה את בואי על פני ג'ורדן אלא בן אדם. עם "אינטואיציה". לא סתם בן אדם, אלא מומחה כדורסל. ובכלל, על כל בובי נייט שראה את סטף הופך לסטף היו עשרה בני אדם אחרים שלא ראו את זה.
אז להגיד שהאינטואיציה עדיפה על פני תוכנת מחשב זה נכון בדיעבד כשאתה בוחר את האינטואציה שצדקה. על כל בחירה באיליי יש בחירה בליף שכשלה. האם מחשבים יכולים להחליף בני אדם? וואלה, אין לי מושג. אבל לקחת כמה דוגמאות שבהן בני אדם צדקו ולהשתמש בהן בתור הוכחה זה בדיוק הסיבה שאנחנו משתמשים במחשבים – הם לא נופלים בדיוק להטיה שאתה נופל אליה.

Ollie Williams 27 באפריל 2017

רק שהוא לא אמר שצריך להתעלם ממחשבים, אלא שלא בהכרח צריך להשאיר למחשבים לקחת את כל ההחלטות באופן בלעדי.
כמו שמלמדים בניווטים בצבא לפחות בתקופתי – אפשר להיעזר בג'יפיאס, אבל רצוי לא לסמוך עליו באופן עיוור

אריאל גרייזס 27 באפריל 2017

כן, אבל הוא טוען שעדיין יש מקום לאינוטואיציה אנושית. אני טוען שאינטואיציה אנושית הביאה להרבה יותר טעויות מאשר הצלחות.

גיל שלי 27 באפריל 2017

ברור, אבל ההצלחות שהיא הביאה שום מחשב לא היה מביא, למשל תורת היחסות של איינשטיין

תומרג 27 באפריל 2017

את תורת היחסות הפרטית אולי דווקא כן :)
זו תורה שהיא בעיקרה פיתוח מתמטי של תגלית פיסיקלית (העובדה שמהירות האור היא אינווריאנט), פיתוח שנגד את האינטואיציה האנושית באופן מובהק.

מה שכן – את תורת היחסות הכללית מחשב לא היה יכול לפתח.

תומרג 27 באפריל 2017

אני חושב שזה נכון, העניין הוא שיש תחומים (ואני די בטוח שספורט הוא במובהק אחד מהם) שבהם הקצוות חשובים יותר מהממוצע.
אינטואיציה יכולה פעם לבחור את ג'ורדן לפני בואי ופעם ההיפך אבל מחשבים ככל הנראה יבחרו את בואי תמיד לפני ג'ורדן (או את דראמונד לפני דריימונד).

לכן בממוצע המחשבים כנראה ידעו לבחור טוב יותר מהאנשים, אבל זה לא מספיק. במלים אחרות – כנראה שהשיטה של מורי טובה יותר מהאינטואיציה של רוב האנשים אבל השורה התחתונה היא שבסופו של דבר, יוסטון לא זכו באליפות והווריורס (או הספרס) דווקא כן, לא בגלל בחירת טקטיקה שבממוצע תניב את התוצאות הטובות ביותר אלא בגלל ניצול נכון של הפיקים ביכולות והדבר החמקמק הזה שנקרא פסיכולוגיית ספורט.

שי 27 באפריל 2017

נקודה מעניינת. יוצא בעצם שצריך לשלב – לעשות מאניבול לרוב הסגל, אבל להיות פתוח להזדמנויות מיוחדות גם אם המחשב לא מזהה אותן.
(וגם דריל מורי אומר את זה, בעצם)

איציק 27 באפריל 2017

יש המון דברים שהסטטיסטיקה היום לא יודעת להכיל ולכמת. היא לא מנתחת תנועות גוף שמומחה אנושי יכול לומר "מזה יצמח משהו טוב" כי בינתיים זה לא טוב והסטטיסטיקות עדיין של מישהו בוסר (נניח late bloomer) שעיין מקצועית תוכל לומר שכדאי להשקיע בו שנתיים שלוש. אני בכלל מעדיף מערכות מומחה שמייעצות ולא מערכות שמחליטות (כמובן שיש כאלו שמשתמשים במערכת מייעצת כקובעת כי זה כסת"ח מעולה). משהו כמו דיטה לקפטן פיקארד ולא שיחליף אותו.

אריאל גרייזס 27 באפריל 2017

זה שהיא לא יודעת היום לא אומר שהיא לא תדע בעתיד

איציק 27 באפריל 2017

היכן טענתי שלא תדע בעתיד? אני רק מניח שזה לא יהיה בעתיד הקרוב מאד.
כתבתי באופן מפורש שהיא היום (ולא בעתיד) לא יודעת להכיל ולכמת.

Eyal 28 באפריל 2017

מערכת בסוף לוקחת החלטות של מישהו ופשוט משכפלות אותה במהירות גדולה יותר . אם למשל יבוא סקאוט ויגיד ששחקנים שמתחילים את הכדרור ביד ימין ועוברים לשמאל תוך כמה שניות טובים יותר בראיית משחק, אז מחשב יכול למצוא את כל השחקנים האלה בעולם ולבנות רשימה

איציק 28 באפריל 2017

זה לגמרי לא נכון, ולא עובד ככה.

אלכס(אחר) 28 באפריל 2017

איציק…נתת רפרנס טרקי!!! אני גאה בך!

Amir A 27 באפריל 2017

שתי נקודות:
1. ניתוחי נתונים אמורים להיות דינמיים. הנתונים שיש בידי היום הם לא הנתונים שיהיו בידיי מחר, וניתוח המחר יכול להראות שזריקות מחצי מרחק נותנות לי את התוחלת הגבוהה ביותר (פשוט כי קבוצות למדו היום לשמור על קו השלוש).
2. נתונים הם מה שהם. מספרים שאי אפשר להתווכח איתם. מה שכן אפשר להתווכח איתו זו האינטרפטציה שלהם. נתקלתי כבר במספיק מקרים בעולם המדע שהפרשנות שניתנה לנתונים היתה שגויה לחלוטין פשוט בגלל שהחוקרים לא הבינו מה הם רואים לפניהם. זה יכול להיות בגלל שאין להם ידע מספיק בתחום כדי להבין את התהליכים המתרחשים בו, בגלל שיש להם קיבעון מחשבתי שמודרך על ידי תיאוריה שגויה, או כל סיבה אחרת.
3. בהמשך לנקודה 2, מה שאתה קורא לו אינטואיציה זו פשוט היכולת לקרוא נכון את הנתונים. או כמו שניסחת זאת בעצמך "ההבדל הוא שאינטואיציה משתפרת ככל שהידע בתחום גדול יותר."
4. דוגמא נחמדה לכל מה שכתבתי כאן נמצאת בתחום של רכישת שפה. בשלבים המוקדמים ילדים עושים שימוש נכון בדקדוק גם במקרים של יוצאי דופן. ואז מגיע שלב מסויים שבו הם מתחילים לטעות במקרים אלו (של יוצאי הדופן). ניתוח פשטני של הנתונים יביא מישהו לומר שלילדים יש נסיגה ברכישת השפה עם הגיל. מי שמכיר את התחום יסביר לך שמדובר בעצם בהתקדמות כי עם הגיל הילדים התחילו להשתמש בכללים אוניברסלים בשפה אותם הם מכילים על כל המקרים (כולל יוצאי הדופן) ואילו בגיל מוקדם יותר הם פשוט זיהו כל מקרה לגופו מבלי לעשות שימוש בכללים גורפים. הנסיגה בשימוש בדקדוק היא בעצם עדות להתקדמות בשימוש בשפה וכדי להבין את זה אתה צריך מישהו שמבין בהתפתחות שפה. באותו אופן, כדי להבין את המספרים של האנליטיקס אתה צריך להיות מישהו שמבין במשחק. לא מישהו שמבין במספרים.

Amir A 27 באפריל 2017

זה התחיל כשתי נקודות ותפח לארבע )-:

נתי 27 באפריל 2017

אני שמח מאוד שהרשית לעצמך לחרוג, מכמות הנקודות שקצבת לך.. יש לי ילדים בגיל הזה ןזה מעניין מאוד..

Amir A 27 באפריל 2017

הגילאים הללו מדהימים מבחינת ההתפתחות. אחד התחומים המרתקים יותר הוא מה שנקרא THEORY OF MIND. באיזה גיל ילדים מתחילים להבין שהאחר תופס דברים באופן אחר מהם (מה שמוביל אותם ליכולת להוליך שולל, לגלות אמפטיה וכדומה). עד גיל 3-4 אין להם את היכולת הזו ומבחינתם העולם שלך זהה לעולם שלהם. קיימת טענה (או לפחות היתה קיימת לפני 20 כשעוד התעסקתי בתחום הזה) שאוטיזם הוא בעצם כשלון של המוח ברכישת ה- THEORY OF MIND.

Ljos 27 באפריל 2017

נושא מעניין.
איך התיאוריה הזו משתלבת עם זיהויים מוקדמים של אוטיזם, בגיל צעיר מזה שאמורה להתפתח התיאוריה?

Amir A 27 באפריל 2017

אני מניח שהגורמים לחוסר היכולת לפתח את ה- THEORY OF MIND נמצאים שם עוד קודם, והם מה שמאובחנים בגילאים מוקדמים יותר (חשוב לי רק לציין כי ואין לי נסיון בעבודה עם אוטיסטים כך שזו רק השערה). זו כמובן תפיסה מאוד פשטנית, כי אוטיזם זו תופעה הרבה יותר מורכבת הן מבחינת הדרכים השונות שהיא באה לידי ביטוי והן מבחינת הרצף שהיא מופיעה בו.

Ljos 27 באפריל 2017

אוקיי, תודה.

דיזידין 28 באפריל 2017

הכי מעניין בעולם.
רק בגלל הגילים האלה אני מצטער שאני לא חרדי עם 12 ילדים.
ואמיר, להוליך שולל הם יכולים יותר מוקדם, לא?

Amir A 28 באפריל 2017

דיזידין, הולכת שולל מופיעה בסביבות גיל שלוש, שלוש וחצי, אבל מדובר בשקרים "פרימיטיבים" אשר לא לוקחים בחשבון את המצב המנטלי של האדם אותו הם כביכול מנסים להוליך שולל. היכולת להתייחס לזולת בבניית השקר מופיעה בסביבות גיל 4, יחד עם ההתפתחות של ה- THEORY OF MIND.

איציק 28 באפריל 2017

Amir A, אתה מוליך שולל אמיתי ;)

yaron 28 באפריל 2017

כמו שאמיר ציין אוטיזם זה ספקטרום מאוד רחב הן בדרגות השונות והן בסממנים.
TOM זה חלק (נכבד) מהם אבל לגמרי לא היחיד. הקשיים הם גם נפשיים וגם פיזיים.
למעשה מדובר במערכת הפעלה שונה.
כיום בחלק מהמקרים ניתן לאבחן אוטיזם כבר בגיל שנה וחצי ובמקביל קח בחשבון שילדים רבים שמאובחנים היום כאוטיסטים לא היו מאובחנים כך לפני 15 שנה.

Amir A 28 באפריל 2017

צודק. בגלל זה סייגתי לגבי כל טענה המנסה להגדיר אוטיזם על בסיס מימד אחד.

yaron 28 באפריל 2017

אוטיזם הוא לא כשלון של המוח ברכישת ה- THEORY OF MIND אבל בהחלט קושי ברכישתו ושכלולו.

edgecator 28 באפריל 2017

יש כבר לא מעט סימנים שמראים שה-theory of mind מתחיל להתפתח הרבה לפני גילאים 3-4, סביבות גיל שנה וחצי ואפילו לפני כן.

Amir A 28 באפריל 2017

זה מעניין. תוכל לפרט קצת יותר?

edgecator 28 באפריל 2017

הטענה לגבי התפתחות ה-ToM בגילאים מאוחרים יחסית נשענת הרי בעיקר על ה-false belief task הקלאסי. אלא שבשנים האחרונות נערכו לא מעט ניסויים כאלה בצורה מעט שונה, תחת הפרדיגמה של violation of expectation, כשהמעקב אחר התגובות הוורבליות של הילדים התחלף במעקב אחר המבט שלהם. מה שהצליחו להראות זה שתרחיש שבו הדמות במשימה מתנהגת לפי הידע של הילד ולא לפי הידע שלה עצמה מפתיע את הילד – מה שמעיד לכל הפחות על ניצנים של ToM. זו בעצם ההבחנה בין הבנה מפורשת להבנה משתמעת של קיום המיינד של האחר, בין היכולת להגיב בהתאם לידע של האחר לבין היכולת לייצג את הידע שלו. הטענה היא שגם אם עד גילאים 3-4 ההתנהגות של הילד מותאמת אך ורק לאופן שבו הוא תופס את העולם, היכולת לייצג את האופן שבו אחרים תופסים אותו מתפתחת עוד לפני כן.

עד כמה שידוע לי עדיין קיים דיון די נרחב סביב העניין הזה. זה בהחלט נושא מרתק, שאני חייב להודות שיש לי היכרות די שטחית איתו.

Amir A 28 באפריל 2017

לפני 20 שנה התרוצצתי בין גני הילדים בתל-אביב עם תאטרון בובות כדי להציג לילדים את ה-false belief task הקלאסי. צילמתי את המטלה בוידאו כדי שאוכל לעקוב אחרי תנועות העיניים שלהם לאחר מכן, ומה שמצאתי היה שתנועות העיניים מצביעות על התפתחות של ToM מעט מוקדם יותר מאשר התגובה ה- EXPLICIT. אבל בשום מצב לא מצאתי את זה קודם לגיל 3. הצגנו את העבודה הזו באיזה כנס בלוס אנג'לס אבל אף פעם לא הגעתי לפרסם אותה בתור מאמר.

edgecator 28 באפריל 2017

עושה רושם שהקדמת במעט את זמנך :)
יש שפע דוגמאות מהעשור וקצת האחרונים, הנה אחת:

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3357322/

Amir A 28 באפריל 2017

תהיה בריא. זרקת אותי 20 שנה אחורה עם רנה בילרז'אן, ג'וזף פרנר, אלן לזלי, פודור ואחרים.

איציק 27 באפריל 2017

לגבי נקודה 3, הנתונים לא תמיד כמותיים, כאלו שלא ניתן להכניס לסטטיסטיקה, לפחות לא היום. אלו יכולות להיות תנועות גוף של הטעיות, אופן מסירת הכדור או שחרורו. דברים שיוצרים את התמונה העתידית, שהיא לא רק מבוססת על אחוזים לשלוש או חסימות למשחק. תנועה ללא כדור של שחקן בקבוצה גרועה שלא מנצלת את התנועה אך מבהיר לסקאוט שהבחור מבין. יתכן ובעתיד תהייה דרך להזין נתונים אלו, בינתיים הם בונים אינטואיציה אך אין לזה קשר ישיר לקריאת נתונים (במובן הכמותי כמובן). אלו נתונים לא קריאים כי אם יותר עניין של הרגשה שמבוססת על הבנה עמוקה של המשחק.
המנחה שלי שדוקטורט סיפר שרצה לבנות מערכת מומחה לקריאת ECG ולשם כך עבד עם שלושה קרדיאולוגים בכירים. הם תייגו את רשימות ה-ECG, מי בריא, למי יש פתולוגיה א' ולמי ב'. היה מתאם גבוה בין ההחלטות שלהם. כשהוא בא לבדוק על סמך מה התקבלה ההחלטה, לא היה שום מתאם. כל אחד קבע על-סמך סימנים שונים לגמרי אך הגיע לאותה המסקנה לרוב. כלומר אלו דברים של אינטואיציה הרבה יותר מאשר כימות של מספרים כלשהם.

אלי 28 באפריל 2017

השאלה היא מה זה אינטואיציה?
כנראה שהם יודעים איך לקרוא את ה ECG אבל הם לא יכולים להסביר את זה.
יש גם סיפור על אנדרה אגסי, שלימד ילדים טניס וטען שהוא עושה תנועה מסוימת עם פרק כף היד וככה יוצא לו להכות טוב יותר את הכדור.
כאשר נעשה ניתוח של התנועה שלו ע"י מצלמה שמצלמת הרבה תמונות בשנייה, ראו שהתנועה המפורסמת שלו נעשית בכלל אחרי שהכדור פוגע ברקטה ואינה משפיעה בכלל על המכה.

איציק 28 באפריל 2017

אני מניח שאינטואיציה היא שילוב של יכולת מולדת עם תהליך למידה שמבחינות רבות לא מבוקר. כלומר זה לא בא מתוך התעמקות בפתרון בעיות, ניתוח סטטיסטיקות כי אם מתוך צפייה ותפיסת דברים באופן בו אף אחד לא מלמד אותך מה לתפוס אך אתה כן תפסת אפילו בלי לדעת זאת. ייתכן שרוב האנשים האחרים לא היו אפילו שמים לזה לב, אבל למישהו הספציפי הזה, זה כן קרה.
היה מחקר מעניין שבדק את האינטואיציה של האנשים לבחור באיזה תור לעמוד. בדקו את זה בשני מיקרים, האחד לקופה כמו לקולנוע, בו כל אחד ניגש ומזמין מספר כרטיסים, משלם והולך (כלומר תשלום על פריט אחד פחות או יותר); מקרה שני כמו קופה בסופר בו יש חשיבות למספר פריטים בעגלה (אולי עדיף תור ארוך יותר עם פריטים בודדים מאשר תור קצר עם עגלות עמוסות). התברר שיכולת הבחירה של התור הנכון מבין מספר קופות היה במתאם מאד גבוה עם רמת הידע בחשבון ומתמטיקה. באופן ברור אלו שהתקשו בפעולות חשבון פשוטות הלכו לתור באופן אקראי, וככול שרמת הידע המתמטי עלתה בחירת התור הייתה נכונה יותר מבחינת בחירת תור עם זמן המתנה קצר ככך האפשר.

אלי 28 באפריל 2017

לגבי הדוגמא של אגסי, הכוונה שלי היתה שיכול להיות שמומחי ה ECG נותנים הסבר לניתוח שלהם שזה באמת מה שהם חושבים, אבל הם קוראים דברים אחרים שהם לא מסוגלים להסביר, ולכן נראה שיש להם סיבות שונות אבל בעצם יש אותה סיבה.
שים לב שכתבתי "יכול להיות".

יש עוד דוגמא של קבצנים ברמזור. הטובים יודעים לא ללכת ליותר מידי מכוניות כי הסיכוי לקבל כסף מנהג שצריך לחכות יותר מסיבוב אחד ברמזור נמוך יותר מהנהגים שקרובים לרמזור, ולכן עדיף את אחרונים לתפוס בסיבוב הבא.

איציק 28 באפריל 2017

אני מסכים, אבל אם הרופאים לא יודעים למקד אז למהנדסים קשה להגדיר קריטריון למידה.

Ollie Williams 28 באפריל 2017

היה לי פרופ' להנדסת חשמל בת"א שהגדיר אינטואיציה כ"אינטגרל על כל מה שעברת בחיים מהיום שנולדת עד עכשיו, בתוספת איזה קבוע של תחושת בטן"

איציק 28 באפריל 2017

קבוע של תחושת בטן הוא בדרך כלל מאד מסריח. לא היתי משתמש בו.

no propaganda 28 באפריל 2017

למה דברים של אינטואיציה ולא פשוט מספר סימנים שקשורים אחד לשני וכל קרדיאולוג מצא קבוצה שמספיקה לאבחון?

איציק 28 באפריל 2017

כיוון שלא נמצא קשר בין הסימנים והם לא היו עקביים. עבור אותה מחלה אותו הרופא במקרים שונים ציין סימנים שונים. אם מה שאתה אומר נכון, זה לא נמצא במובהק באותו המחקר. אולי מחקרים גדולים (שאני לא מכיר) מאששים את ההשארה שלך.

בילבו באגינס 27 באפריל 2017

מסכים לגמרי. האינטואיציה היא אחד הכלים החשובים ולא רק בעסקים , גם בקבלת החלטות אחרות ובכלל. הפיתוח של האינטואיציה הוא לא רק ע"י הגדלת הידע ,אלא גם ע"י פיתוח האינטואיציה עצמה, דהיינו להקשיב היטב למה שהאינטואיציה אומרת לך.

יניר 27 באפריל 2017

לפני 25 שנה שהתחילו לדבר על אינטליגנציה מלאכותית ( לימים AI ואח"כ BI ועכשיו זה נקרא deep learning ונשבע לכם שזה אותו דבר) התחזיות התעקשו שמחשב יחליף את הרופאים היות ורופאים מקבלים החלטות על סמך כמות נתונים סופית ולמה שמחשב מתוחכם שאף פעם לא מתעייף ואף פעם לא שובת יעשה את העבודה.
ובינתיים הביקוש לרופאים הולך ועולה ואפילו הביקוש לטייסים שרוב זמנם עסוקים רק בלהעיף מבט על הטייס האוטומטי, הולך ועולה. אז להחליף מאמן כדורסל שצריך לקבל מאות רבות של החלטות על סמך אינסוף נתונים משתנים ותחושות בטן?
לקבל נתונים, להפיק ניתוחים ואפילו להמליץ- זה כן, אבל לקבל החלטות?

שי אורן 27 באפריל 2017

לפני 20 שנה כהבאזז היה מחוללי קוד ושפות דור רביעי, צפו גם את סוף עידן התוכניתנים.

איציק 27 באפריל 2017

אל תשבע בנוגע לדברים שאתה טועה. קרא את פרק 1: http://www.deeplearningbook.org/front_matter.pdf

TooBigToFail 27 באפריל 2017

זה ממש לא אותו דבר, למידה עמוקה מתבססת על טכנולוגיות שהבשילו והפכו נפוצות ממש בשנים האחרונות.

אני נוטה בד"כ לראות את הדברים כמו גיל כאן, אבל השבוע שמעתי מישהו שגרם לי לחשוב שאולי אני טועה. הוא דיבר על ההשוואה הנפוצה בין AI למהפכה התעשייתית, שמוכיחה כביכול שאין סיבה לדאגה – המכונה לא החליפה את האדם והמהפכה התעשייתית רק יצרה יותר עבודות בסופו של דבר. לשיטתו, כל זה נכון כי לבני אדם יש מוח ויכלו לעבור לעבודות מתוחכמות יותר. הסוסים, לעומת זאת, הפכו מובטלים. והשאלה היא לכמה אנשים יש את היכולות שהטכנולוגיה הנוכחית לא תחליף? מעט מאד אנשים יכולים להיות סקאוטים של ה NFL ומתוכם אולי לאחוז אחד היו האינטואיציה והאומץ ללכת על איליי מנינג.

(אגב מעניין כמה ק"ב שהיו יכולים להיות גדולים ושם המשפחה שלהם לא מנינג לא נבחרו אף פעם. יש אחד בריידי שזה כמעט קרה לו)

איציק 27 באפריל 2017

גם לך אני מציע לקרוא את פרק מספר 1. למידה עמוקה זה שם חדש לדברים עם היסטוריה של כמה עשרות שנים טובות. נכון שיש דברים שהבשילו, אבל גם במוליכים למחצה יש דברים שמבשילים ועדיין ממשיכים לקרוא להם מוליכים למחצה. כאן קרה דבר די ייחודי (אולי) כאשר השם השתנה בתוך אותו תחום.

אורן השני 27 באפריל 2017

תראה את הפוסטים הקודמים של גיל.

בדיוק היום בבוקר התווכחתי עם נהג מונית שחושש מהדברים האלה, וניסיתי להציג לו את הטיעונים שגיל הביא בזמנו. לא הלך :)

איציק 27 באפריל 2017

אתה לא גיל…

אורן השני 27 באפריל 2017

אין ספק, אלא שגם גיל לא היה מצליח לשכנע אותו

איציק 27 באפריל 2017

שווה לנסות, אין מה להפסיד.

אורן השני 27 באפריל 2017

יש לי את הכרטיס ביקור שלו, גיל צור קשר אם אתה מעוניין

אלון 27 באפריל 2017

הסיבה שבואי נבחר לפני ג'ורדן היתה כי לפורטלנד היה את דרקסלר שנבחר שנה קודם. רוב בעלי האינטואיציה לא חשבו שג'ורדן יהיה כל כך יותר טוב מדרקסלר ששווה לוותר על בואי.
לבחור את ג'ורדן שלישי באותו דראפט היתה הגיונית מאוד באותו זמן. כל המלל זה חוכמה בדיעבד. כנ"ל לגבי קארי.

גיל שלי 27 באפריל 2017

אתה מבין שקארי ומייקל הם אנקדוטות ולא הנושא, נכון?

אלון 27 באפריל 2017

ברור. אני גם מאוד מסכים עם מה שכתבת. אני רק חושב שהדוגמאות לא נכונות. לדעתי הם מראות ההפך.

גיל שלי 27 באפריל 2017

אוקיי, תן דוגמאות טובות יותר, באמת אשמח

אלון 27 באפריל 2017

ברוגדן הרוקי של מילווקי. אין לו שום דבר שיגרום לאנליסטים להתלהב ממנו. אתלטיות בעייתית, גודל, איטי, לא קלע.
גם איליי היתה דוגמא טובה.

שי 27 באפריל 2017

איפה היה הכנס? או במילים אחרות: נשמע אדיר, איך אני לא מפספס דבר כזה בפעם הבאה שהוא ייערך?

גיל שלי 27 באפריל 2017

היה במרכז הבינתחומי, בוואלה שדרו את כולו

שחר ברוקנר 27 באפריל 2017

ממש מעניין

איציק 27 באפריל 2017

אני מאד סקפטי כאשר יש הצהרות כמו שאתה כותב, או מצטט את החוקר. הוא לא הוכיח שום דבר, הוא הראה שאם הנתונים שהוא השתמש ועם הכלים אותם הפעיל, לא ניתן להראות קשר חד משמעי. זה לא אומר שהוא לא צודק, וגם לא אומר שבהכרח שכן. זה אומר שאולי הנתונים שיש בידיו לא מאפשרים להראות זאת, או הכלים בהם עשה שימוש לא לקחו בחשבון קשרים כלשהם שיראו קשר זה. אומר יותר, ייתכן שאפילו האמת היא שקבוצה שמשווה לרוב תפסיד בגלל הנפילה הפסיכולוגית אחרי מאמץ רב להשוות (סתם זרקתי השארה). יש גם הבדל בין משחק צמוד של סל לפה וסל לשם וקבוצה משווה, אחד משוויונות רבים לבין מקרה בו קבוצה שרדפה מאחור רוב המשחק בהפרש גדול ובסוף השוותה. יש הבדל בין קבוצה שהקריבה 5 עברות של הכוכבים כדי להשיג שוויון לזו שללא בעיית עברות. כך שהצהרה גורפת היא מאד חסרה לטעמי, אלה אם זה נכון בכול המקרים.
משתי מפות החום אני מסיק שהשדיים לא סימטריות והייתי ממליץ ללכת להתייעץ עם מומחה שד. היום עדיף לא לזרוק מחצי מרחק, ואז כשכל ההגנות יזניחו את חצי המרחק, מי שידע להיכנס לתפר ולנצל את החלל הריק לזריקות חופשיות יהיה עם יתרון גדול (קלי תומפסון כבר היום עושה זאת לא מעט). זה כמו שאמרו שאין צורך בסנטר מתחת לסל ואחרי שנתיים רואים פריחה שלהם במיוחד בהגנה. אם עוד היו יודעים לשחק עם הגב לסל, היו כוכבים, אבל כל אחד רוצה היום לרוץ וללעוס מסטיק בו זמני. מי שמצליח, יופי ומי שלא, נעלם, במקום לנסות ולשפר יכולות אחרות.
היה לי עוד משהו, אבל שכחתי.

אמיתי 27 באפריל 2017

האתגר שלנו בני האדם הוא בשימוש בדאטה וביכולות החישוב.
קרי עדיין הדבר הכי חשוב זה לדעת לשאול שאלות. אולי עכשיו יותר מתמיד.
במובן הזה כלום לא השתנה

איציק 27 באפריל 2017

אם עכשיו זה יותר מתמיד, אז משהו השתנה.

אמיתי 27 באפריל 2017

אולי. ותמיד זה עכשיו יותר מתמיד..

איציק 27 באפריל 2017

אז פרט לעובדת "עכשיו יותר מתמיד" כל השאר משתנה.

אמיתי 27 באפריל 2017

לא

אזרח ותיק 27 באפריל 2017

מעניין מאד ומעורר מחשבה. אבל, כאשר מדגישים את ערכה של האינטואיציה של המומחים צריך להביא בחשבון שגם המומחים חשופים להטיות של חשיבה ולעתים דווקא המומחיות שלהם מובילה אותם לביטחון יתר ולטעויות. יש אינספור דוגמאות לטעויות קולוסאליות של מומחים שגררו החלטות מוטעות בתחומים רבים, חלקם גם קריטיים יותר מכדורסל. (לא אחפור כאן עם דוגמאות אבל יש לי הרבה). כדי להשלים את הרעיון שהבעת הייתי מוסיף את החשיבות של הספקנות של המומחה גם לגבי ההערכות שלו עצמו ואת הנכונות שלו ללכת לעתים גם כנגד האינטואיציה שלו.

ניינר / ווריור 27 באפריל 2017

ריברס שחקן יותר טוב מאיליי ונראה גם בעל אישיות יותר חזקה מאשר הנעבעך עם עיני העגל, ועדיין, עם ריברס הג'איינטס לא מגיעים אפילו לסופרבול (ובטח לא סן דייגו עם איליי). החלטה עצומה של אקורסי ינעל רבאק

עידו 28 באפריל 2017

תודה גיל הטורים שלך מצויינים!
הערה שלי- האדם הפסיד. במשחק השח-מט לדוגמא המחשב מנצח מזמן את ה"אינטונציה" האנושית ואין שחקן שח בעולם שיכול לנצח את התוכנות החדשות. לפיכך המחשב מבין בשלב ראשוני במשחק אילו מהלכים ינצחו עבורו ומנצח את המשחק ללא עוררין…(אין מחשב כרגע שיכול לחשב מהמהלך הראשון לאחרון ותוכנה אחת מפסידה לאחרת אז יש פה הבנה של מה יעבוד).הוא פשוט משכלל נתונים יותר טוב מכל בן אנוש..

יריב 28 באפריל 2017

אני לא חושב שיש משקל של ממש לטיעונים שעולים פה לפיהם מערכות לומדות לא יוכלו לקבל את ההחלטות האלו.קשה לתכנן את המערכת כדי למקסם סיכוי להישג חריג במקום לתוחלת? אולי רק אם יש מעט נתונים. יש שתי סיבות ממשיות שמחשבים לא ישתלטו על התחום בעתיד הקרוב, לדעתי:
א. אין מספיק מידע יסודי, יותר מדי מההערכות של סקאוטים מתבססות על דברים שמורכב מדי לנתח למערכות ממוחשבות. הפשוט בהם הוא מאפייני הטכניקה, המורכב הוא מאפייני האישיות.
ב. אין פה מספיק כסף בשביל פיתוח ייעודי. פיתוח רופא ממוחשב שווה הון אמיתי, גם נהג ממוחשב, פיתוח מנג'ר NBA ממוחשב לא שווה הרבה.

איציק 28 באפריל 2017

זה לא רק ידע תאורטי, גם אין הסכמה אחידה מה הפרמטרים החשובים ואיך לכמת אותם, גם כאשר יש הסכמה לגבי התוצר. כלומר שני סקאוטים ייכולים לומר שפלוני יהיה שחקן שחקן, ושניהם לא ידברו על סטטיסטיקות כי אם על צורת המשחק וההתנהגות, אך כל אחד ידבר על תכונות אחרות. איך לכמת את ההתנהגות כ input למערכת ממוחשבת ואיזה מאפיינים לכמת עדיין לא ברור. כנראה אם יושקעו מאמצים גם בכיוון זה, אז גם בתחום זה יהיה שיפור.

יריב 28 באפריל 2017

לא צריכה להיות הסכמה על הפרמטרים החשובים, זה כל העניין במערכות לומדות, צריכה להיות הסכמה על התוצר ויכולת למדוד את הפרמטרים החשובים (וגם פרמטרים לא חושבים, זה בסדר), וכמובן הרבה דאטה.

כמובן שאם יושקעו מאמצים בכיוון זה יהיה שיפור, אבל זו בדיוק הנקודה – זה לא תחום שימשוך אליו כמויות גדולות של משאבים.

איציק 28 באפריל 2017

זה ממש לא נכון, אם מה שחשוב זה אודיו ואין לך מיקרופון במקום, אז לא עשית כלום, אם הצילום החשוב הוא מבט על ואין לך שם מצלמה אז יש בעיה גדולה. גם נושא המאפיינים שכולם מדברים שהרשת יכולה ללמוד לבד, בהמון עבודות רואים שייצוג יעיל של מאפיינים משפר ביצועים יחסית לנתונים גולמיים. המערכות מתכנסות לאופטימום לוקאלי ואם תנאי התחלה לא טובים (כלומר נתונים גולמיים, מאפיינים לא טובים, איתחול אקראי) אז המערכת מתכנסת לביצועים לא כל-כך טובים. בתאוריה זה יפה לומר, תן לרשת הכל והיא כמו פוד פרוססור כבר תעבד הקל. במציאות, צריך לעשות זאת חכם. לא צריך לדייק בכול פרט, אך המסגרת צריכה להיות טובה.
יש עבודות שמראות שאם תכניס למערכת מאפיינים טובים או פשוט תכניס את כולם אז בדרך כלל זה יגרע. מרחב החיפוש יגדל בצורה מאד גדולה שיקשה למערכת למצוא את המאפיינים האופטימאליים. לעומת זאת אם תתחיל ממאפיינים טובים מההתחלה, הרשת תבצע להם אופטימיזציה נוספת. זה שהמערכת לומדת זה לא אומר שהיא לא צריכה עזרה ללמוד.

יריב 28 באפריל 2017

ראשית, לא טענתי אפילו שהתוכנה (רשת זה מקרה פרטי) יכולה ללמוד את המאפיינים לבד, התוכנה יכולה ללמוד אילו מאפיינים הם חשובים. כלומר, אתה זקוק ליכולת למדוד את הפרמטרים החשובים, אבל אם אתה עושה את זה על ידי מדידת כמות גדולה מאוד של פרמטרים שרק חלק קטן מהם חשוב, ואתה לא יודע איזה חלק, זה בסדר (בתנאי שיש מספיק דאטה). נכון, עדיף שלא לבלבל את המערכת עם פרמטרי רעש, ופרמטרים טובים למחצה הם כנראה גרועים עוד יותר, אבל מספיק דאטה יאפשר לך לנפות הכל.

בכל מקרה, המכשולים האמיתיים בבניית רשת היא עצם ההצרנה (וידאו גולמי זה יותר מדי פרמטרים), ובמיוחד הגדרת המטרה (או ליתר דיוק, המטרות).

יריב 28 באפריל 2017

מה שאני אומר הוא שהבעיה היא לא שסקאוטים שונים מדברים על מאפיינים שונים של סגנון משחק והתנהגות, אלא שאין לנו דרכים טובות להגדיר את סגנון המשחק שהסקאוטים מדברים עליו (להגדיר בצורה שתאפשר למערכת לחשב אותו מוידאו, למשל). עם זאת, יש לנו (פוטנציאלית) את כל המידע שיש לסקאוטים, אז באופן תיאורטי ניתן לבצע את החישוב, אנחנו פשוט לא יודעים מה הוא. אם סקאוטים שונים לא מסכימים על המושגים של "צורת משחק", מערכת שתקבל כפרמטרים את צורות המשחק שכל הסקאוטים מגדירים כנראה תעשה עבודה טובה, אם ניתן יהיה להתגבר על כל המכשולים הכרוכים בבנייתה.

איציק 28 באפריל 2017

ראשית, הגדרת מטרה באופן מתמטי, או אפילו באופן של if else, מאד בעיתי עד בלתי אפשרי לפעמים, במיוחד בלימוד לא מונחה וזו אכן בעיה מאד גדולה.
קללת המימדיות היא בעיה לא פתירה לפעמים כי אף פעם לא תוכל להשיג כמויות כאלו של נתונים ולכן לדבר על מצב של לו נשיג מספיק נתונים זה לא מעשי.
שלישית, גם אם יש מספיק נתונים, להמון מערכות כמות האקסטרימומים הלוקאליים הלא טובים הוא כזה שבלי עזרה סביר יותר שתתכנס אליו. אז בתאוריה הפרמטרים המיותרים ינופו, באופן מעשי במשימות קשות זה לא קורה.

איציק 28 באפריל 2017

על התגובה השניה אני סמך את ידי בכל מאת האחוזים, והתייחסתי גם לזה.הדוגמה עם ה-ECG היא דוגמה לכך, למרות שהיא נראת לי קלה בהרבה ומאז כבר יש פתרונות סבירים.

יריב 28 באפריל 2017

טוב, אז אנחנו מסכימים שהגדרת המטרה היא אחת הבעיות המהותיות. אני חושב שבמקרה הזה, ביחס למספר הפרמטרים של "כל הפרמטרים שיגדירו לנו כל הסקאוטים של הקבוצה", יש מספיק נתונים, אבל בכל מקרה ברור שהבעיה לא הולכת להיפתר, ולו בגלל הבעיות ששנינו מסכימים שקיימות.

עם זאת, אני עומד מאחורי הטענה שלא מדובר בבעיה שהשקעה מסדר הגודל שIBM השקיעו בווטסון לא תוכל לפתור (לפתור – לתת תוצאות טובות ממומחים אנושיים, או לפחות תוצאות שאינן נופלות עם בחירה מפורשת יותר (וגמישות רבה יותר) של מטרות), אבל אף אחד לא ישים על זה כל כך הרבה כסף (במיוחד מאחר ואולי אני טועה).

איציק 28 באפריל 2017

את הטענה השנייה שלך אני לא יכול לא לאושש ולא להפריך, מה שכן אני יכול לומר, שמהיכרותי עם כמה אנשי IBM, דאטה גולמי הם לא יתנו, הם יעשו סינון מקדים של מה שלא כדאי להכניס למערכת וכנראה שגם יעשו עיבוד מקדים כדי לייצג את המאפיינים טוב יותר.
רק אוסיף, הפרמטרים שהסקאוטים יגדירו זה לא דאטה גולמי. דאטה גולמי זה הווידאו והמיקרופונים שאותם כנראה שגם אתה לא תרצה להכניס כפי שהם.
נ.ב.: דאטה גולמי לזיהוי דיבור עובד לא רע בכלל, לגוגל יש מערכת מאד טובה. לזיהוי דובר, שפה, רגשות זה ממש לא עובד טוב, כנראה כיוון שבאות הגולמי יש הרבה יותר חומר רלוונטי לדיבור שיותר קל למערכת ללמוד מאשר עבור המשימות האחרות שעבורם הנתונים הגולמיים רועשים מידי.

יריב 28 באפריל 2017

בוודאי שדאטה גולמי הם לא יתנו, אמרתי זאת ("וידאו גולמי זה יותר מדי פרמטרים"). דאטה גולמי בוודאי עובד בדברים מסוימים, ויש תחום שלם של ראיה ממוחשבת שמטפל בדאטה גולמי (וניתוח קול, שזה יותר מצומצם), ומשיגים כל מיני תוצאות, אבל ברור שבמקרה הזה זה לא ישים בעתיד הנראה לעין.

Amir A 28 באפריל 2017

אתם יכולים להסביר קצת יותר על ווטסון? אני שומע על זה כל הזמן אבל לא ברור לי כל כך מה זה בעצם.

איציק 28 באפריל 2017

אני לא בטוח על מה מדבר יריב אך ל-IBM יש את מעבדות ווטסון בארה"ב, ממעבדות המחקר הטובות בעולם בתחום לימוד מכונה ובתחומים רבים אחרים. כמו-כן יש את המערכת ווטסון שאני לא בטוח איך להגדיר אותה כי לא מצוי בפרטים, שעד כמה שאני מבין זה סוג של מערכת מומחה מאד משוכללת בתחומי הבריאות. כנראה שיריב דיבר על המערכת. כתוב בגוגל "watson ibm" ותקבל המון לינקים בנושא.

יריב 28 באפריל 2017

הכוונה היא אכן למערכת, אם כי מערכת האבחון הרפואי היא אחד (או למעשה כמה) מהמימושים שלה. זה מנוע למידה וניתוח מתוחכם, שהתחיל באופן מאוד כללי ובשנים האחרונות IBM מוצאים לא יישומים, למשל כמערכות מומחה רפואיות (בכמה תחומים).

אריאל גרייזס 28 באפריל 2017

אני קורא פה הרבה תגובות ונראה לי שאנשים לא מבינים בכלל מה המשמעות של אינטואיציה. אינטואיציה זה קבלת החלטות של בן אדם בעל ידי מערכת 1 בעקבות עיבוד של הרבה מאוד נתונים לאורך השנים. בגלל שההחלטה מתקבלת מהר אז מרגישים שהיא באה "מהלב" ולא רציונלית אבל היא לגמרי כתוצאה של ניסיון חיים. דוגמא שאני זוכר שקראתי – בן אדם ששיחק טניס וראה טניס במשך אלפי שעות יידע להגיד בדיוק גבוה מאוד ברגע שמכת הסרב יוצאת מהמחבט האם היא תהיה בפנים, בחוץ או ברשת. עכשיו – החלטות שמחשבים מקבלים, מה זה אם לא קבלת החלטות על סמך מידע? כל מערכות המאשין לירנינג למינהן אלו מערכות שאימנו אותן עם הרבה מאוד דאטה. קח מערכת ממוחשבת ותאמן אותה הרבה – היא תדע להגיד בדיוק הרבה יותר גבוה מאשר מומחה הטניס האם הכדור יילך החוצה או לא (למעשה, זה בדיוק מה שמערכת ההוק-איי עושה. היא לא יודעת איפה הכדור נפל אלא עושה חישוב לפי המהירות והזווית וכו שלו).
מי שקרה את הספר "בלינק" של מלקולם גולדוול גם יודע שיש לאינטואיציה האנושית הרבה מאוד בעיות. היא הרבה יותר מדי מושפעת מרושם ראשוני, למשל. יש סיבה לזה שכמעט ולא נבחר נשיא אמריקאי שנמוך מ-1.80 או שבין 500 החברות המובילות יש מעט מאוד מנכלים בגובה נמוך מ-1.70 (זאת רק דוגמא אחת לרושם ראשוני שמשפיעה).
כל המהפיכה שמכונה "מאניבול" התחילה מזה שבילי בין הבין (על עצמו, הוא היה פרוספקט בייסבול רציני שנבחר גבוה וקיבל חוזה חתימה גדול מאוד אבל אף פעם לא הצליח לממש את הפוטנציאל) שסקאוטרים מתרשמים מכל מיני תכונות של שחקנים כמו היופי של הסווינג, הגובה של השחקן ועוד כל מיני פרמטרים שבתכלס לא רלוונטיים לביצועים של השחקן ולכן עבר להסתמך על דאטה בלבד.
עכשיו, אני לא רוצה להיכנס לשאלת "האם מחשבים יחליפו בני אדם?" – אני לא חוזה עתידות. אבל לדעתי יש פה סוג של שכנוע עצמי שלבני אדם יש איזה יכולת יחודית שלמחשבים בחיים לא יכולה להיות. מבחינת יכולות, מחשבים יכולים מאוד להתקרב אלינו – כי בוא נזכור מי מתכנת אותם.

איציק 28 באפריל 2017

הסיכום שלך ממש לא נכון. לבני אדם יש יכולת לנתח דברים חלקו באופן לא מודע וחלקו שאנו לא יודעים להזין נכון במחשב. תוסיף לכך שעדיין אין לנו את הידע של מבנה המערכת הנכון ואת אלגוריתם הלמידה המתאים כדי שתוכל לעשות את העיבוד המתאים. ואולי גם אין מספיק נתונים לאימון. מה יהיה עוד 20 שנה אף אחד לא יודע.

אריאל גרייזס 28 באפריל 2017

אולי, אבל למחשבים יש יכולות חישוב ועיבוד שלאף בן אדם אין. אז לחשוב שמחשבים לא מסוגלים להחליף בני אדם בקבלת החלטות זה שכנוע עצמי. שוב – גם ניתוח לא מודע שאנחנו עושים נעשה על סמך יידע שרכשנו. והרבה מאוד מהניתוח הזה הוא מוטעה כתוצאה מהטיות שונות שאנחנו סובלים מהן.

אמיתי 28 באפריל 2017

כמו שאמרת. בני אדם מתכנתים מחשבים לכן היוריסטות הבעיתיות שלהם
גם עוברות למחשב.
אתה חושב שמחשב יוכל להחליט בשבילי מה אני רוצה לאכול?

אריאל גרייזס 28 באפריל 2017

אם תזין למחשב מה אתה אוכל כל יום במשך שנה, אני די בטוח שהוא יוכל להחליט בשבילך מה לאכול. השאלה למי אכפת מזה?

אמיתי 28 באפריל 2017

לכולם. נתתי דוגמא למשהו איכותי. לא כמותי. דברים כמו אוכל מוזיקה וכאלה הם תלויי מצב רוח וטעם ולכן מעמידים אתגר גדול למחשב. לא יודע מה איתך אבל כשאני אוכל מה שאני רוצה לאכול טוב לי..

אריאל גרייזס 28 באפריל 2017

אולי אתגר למחשב אבל מבחינת עניין – אין לי שום עניין לכתוב תוכנת מחשב שתחליט בשבילך מה לאכול. אני לא רואה את היתרון בזה. דרך אגב – אתה מדבר על מוזיקה – כמעט כל המוזיקה ששומעים היום זה מחשב מחליט בשבילך. תלך לכל אתר שנותן לך שירותי רדיו אינטרנטי (ספוטופיי וכו), זאת תוכנה שאחרי שאתה בוחר את השירים שאתה אוהב היא תחליט בשבילך מה לשמוע על סמך מה שאהבת. אתה עושה היום חיפוש בגוגל, יש שם אלגוריתם שימליץ לך איזה דברים לקנות בתחום הזה. זה דווקא אחד המקומות שבהם לגמרי עברנו לאלגוריתם שעושה את העבודה במקומנו (ועושה אותה לא רע רוב הזמן)

איציק 28 באפריל 2017

אז למה מירי רגב עצבנית על עורכי הפליי ליסט? מה היא אבלה?

אמיתי 28 באפריל 2017

אריאל כשיוטיוב ימצאו את סטטיק ובן אל הבאים לפני שהם נהיים פופולאריים
אז הוא יתקרב ללחשוב ולא לחשב. זה ההבדל. וויז מחשב דרך קצרה. בן אדם חושב
לאן הוא ר ו צ ה לנסוע

אריאל גרייזס 28 באפריל 2017

אתה מדבר בסיסמאות. אין לך מושג כמה מחשבים שולטים היום בחיים שלך

אמיתי 28 באפריל 2017

שולטים כן. חושבים לא..אתה מתעלם מההבדל בין חישוב לחשיבה. זוהי לא סיסמה זה
שני תהליכים שונים במהותם.

איציק 28 באפריל 2017

אמיתי, תגדיר במה תהליך חשיבה שונה מתהליך חישובי מבחינת האינטראקציה בין נוירונים. רק אחרי שאבין זאת, אומר לך האם אתה צודק. רמז… אתה…

אמיתי 28 באפריל 2017

בגדול אחד הוא כמותי אחד הוא איכותי. כמה אתה אוהב את הכתיבה של אריאל? יותר
משל גיל? פי שניים משל איציק? אין לי שמץ של מושג איך זה עובד. אבל אני יודע (שכרגיל)
אני צודק. לא חישבתי את זה אבל כך אני מרגיש (חושב)

איציק 28 באפריל 2017

ובגלל זה אתה טועה.

אמיתי 28 באפריל 2017

פה קבור הכלב. אין מצב שמחשב יבוא ויגיד לך שאתה לא אוהב את אישתך נכון?

איציק 28 באפריל 2017

זה לא בעיה, ואם תשים אותו רק במוד זה, לפעמים הוא גם יצדק.

אמיתי 28 באפריל 2017

הוא לפעמים יצדק. אני תמיד צודק..

איציק 28 באפריל 2017

סוף סוף אנחנו יודעים שאתה אישה :-) :-) :-)

אמיתי 28 באפריל 2017

מזל שלא כתבת אישתך..יש להן אינטואיציה טובה לא?

איציק 28 באפריל 2017

אתה מבלבל דברים. כרגע לא חשוב אם ההחלטה מוטעת או לא, אם אנחנו לא יודעים על סמך מה קיבלנו את ההחלטה, אז אנחנו לא יודעים מה להזין למערכת. אז נכון שאפשר לאמן על ROW DATA, אבל זריך לדעת איזה, תמונה, קול, סטטיסטיקות, איזה פורמט. אתה גם נותן קרדיט גדול מאד ליכולת הניתוח של המערכות בייחס למח האנושי. הן הרבה יותר מהירות ממהירות העיבוד האנושית, אבל עם הרבה פחות יחידות חישוב, מקביליות קטנה בהרבה וסיבוכיות נמוכה בהרבה. יש בעיות מאד גדולות גם עם החלטה על מבנה וגם איך מאמנים DNN כאשר יש משוב, ויש זיכרון, ובטח שיש זיכרון ארוך טווח, וקצר טווח. אז יש התקדמות מאד גדולה בנושא, ויש בעיות שהמחשב פותר כבר טוב בהרבה מהאדם, אבל יש דברים שאנחנו עדיין מאד רחוקים מפתרון. הכתיבה שלך, כאילו הכל כבר מעבר לפינה היא לא מבוססת.

אריאל גרייזס 28 באפריל 2017

אני מצטער אבל לא זכור לי שבשום מקום נתתי לוח זמנים. לא אמרתי שזה מעבר לפינה או אפילו שזה הולך לקרות. כל מה שטענתי זה שהטיעון שהאינטאיציה האנושית עדיפה על יכולת הניתוח של מחשב היא טענה שלא עומדת במבחן המציאות ונובעת בכלליות מתפיסה שמרנית בבסיסה

איציק 28 באפריל 2017

ברגע זה כמובן שכן באפליקציות רבות, כולל לנחש מי יהיה הכוכב הבא מבין אלו שהסטטיסטיקה שלהם לא מפוצצת. לנחש שלברון יהיה כוכב לא צריך הרבה חכמה לא של האדם ולא של המחשב. בעתיד אולי להפך.

אריאל גרייזס 28 באפריל 2017

איבדתי אותך

איציק 28 באפריל 2017

יש דברים שכמו שכתבת אתה באחת התגובות האחרונות שאנחנו טובים עדיין מהמחשב, וזה בדיוק בדברים הלא כמותיים. למצוא דובר ספציפי מתוך אלפי שיחות המחשב יעשה טוב בהרבה מכל אדם גם מבחינת מהירות וגם מבחינת דיוק. לנצח במשחק גו לקח הרבה יותר זמן בגלל ה"אינטואיציה" שהייתה בעיה ללמד את המחשב. גם למצוא את הכוכב הבא מתוך שחקנים שלא סימנו אותם בגיל 14-16 כמו לברון, זו בעיה שהמחשב לא מסוגל להתמודד איתה, וסביר להניח שמומחי כדורסל שבילו עשרות שנים בקולג'ים יוכלו לעשות טוב יותר.

אריאל גרייזס 28 באפריל 2017

זהו, שפה אני לא מסכים איתך. אני בהחלט חושב שלמחשב יש סט יכולות שכנראה עדיף על בני אדם בבחינה של איכות שחקנים – בעיקר, הם לא מוטים על ידי כך מיני הטיות.
גיל נתן את הדוגמא של סטף קארי – בוא נזכיר שקארי נבחר שביעי בדראפט כלומר היו שש קבוצות שדילגו עליו ושהאינטואיציות שלהם לגביו היו מוטעות. או קח את הבחירה באודן על פני דוראנט – כל אלגוריתם ממוחשב היה אומר לך לקחת את דוראנט על סמך המספרים שלו בקולג. אבל בני אדם היו שבויים בקונספציה של "גובה אי אפשר ללמד" והלכו איתו. על כל אינטואיציה אחת נכונה יש הרבה מאוד שגויות

Ollie Williams 28 באפריל 2017

עד כמה שאני זוכר הטעות במקרה אודן הייתה בהערכת שלמות הברכיים שלו, לא הרמה שלו כשחקן. זה לא מקרה מיליצ'יץ'.

אריאל גרייזס 28 באפריל 2017

כמובן שאודן נפל בגלל פציעות אבל הוא לא היה משפיע על הליגה ברמה של דוראנט גם אם היה בריא עד השמיים, ולו בגלל שסנטרים בלי יד מרחוק היום הם הרבה פחות חשובים למשחק (לאודן לא היתה יד ובאופן כללי הוא היה מאוד מוגבל)

איציק 28 באפריל 2017

וכמה מאלו שבחרו שישה לפני סטף השתמשו בסטטיסטיקות כדי להסתמך עליה בזמן הבחירה? אז זה שילוב של מספרים ותחושה. אז נכון שיש הטיה, אך לומר שלמחשב אין הטיה זה פשוט לא נכון. רוב אלגוריתמי הלמידה הם אלגוריתמים מוטים, ועוד מוטים במודע ואנחנו רוצים שיהיו מוטים. תוסיף לזה שבהרבה מיקרים אנחנו נותנים לא רק INPUT ללמוד ממנו כי אם גם OUTPUT, שאנו מחליטים מהו, אז המערכת לומדת את ההטיה שלנו במקרה זה.

אריאל גרייזס 28 באפריל 2017

בשום מקום לא אמרתי שהאלגוריתמים optimized. אבל בלא ספק כמות ההטיות שיש למחשב היא פחותה מאשר זו של בן אדם. ובכל מקרה, הדיון הזה על מחשב או בן אדם שבוחרים את השחקן הכי טוב הם מופרכים כי למעט מקרים כמו לברון ג'יימס או דארקו (דרך אגב, מקרה קלאסי של הטיה של מראה עיניים של בן אדם. אין מחשב בעולם שהיה בוחר את דארקו בבחירה השניה על פני בוש, וויד וכרמלו) יש מלא אלמנטים נוספים שקובעים הצלחה של שחקן. שים את סטף קארי בניקס והוא לא מתקרב לרמה שלו היום בכלל. זה עוד חלק מההטיה שלנו – הניסיון למצוא סיבות בדיעבד להצלחה או כשלון – בדרך כלל סיבה אחת בודדת או שתיים כשיש מאות פרמטרים שמשפיעים אבל למוח שלנו אין יכולת להתמודד איתם בכלל

איציק 28 באפריל 2017

אני חושב שהגזמת בתגובה, ואני מקווה שסטף לא יקרא אותה. כל אחד שתשלח לניקס קברת אותו. גם פורזינגיס אם לא יברח ייקבר שם במוקדם או במאוחר. כל מה שאתה אומר בתגובה האחרונה נכון פרט לנושא ההטיה. אני לא מבין איך אדם מוטה יגדיר קריטריון לא מוטה לאופטימיזציה שיתאים בדיוק לצרכיו. אם הקריטריון לא מתאים בדיוק לצרכיו כי לא יודע להגדיר קריטריון זה (זה מה שקורה אצלי בבעיות שאני עוסק בהן), אז יש אופטימיזציה של הקריטריון, אבל המתאם לבעיה שבאים לפתור הוא בעייתי. אזי יש הטיה, אך אחרת. בנוסף לכך, כמו שכתבתי, רוב אלגוריתמי האופטימיזציה בהם משתמשים הם אלגוריתמים מוטים מטבעם, כך שלומר שהמחשב לו מוטה זה לא נכון. אנחנו באופן מובנה יוצרים את ההטיה במערכת.

אריאל גרייזס 28 באפריל 2017

לא אמרתי שמחשב לא מוטה, אמרתי שיש לו פחות הטיה. הוא לא מסתכל על השחקנים. לא מעניין אותו איך הם נראים על המגרש – זאת הטיה עצומה. הדוגמא הקלאסית שנותנים בספר מאניבול (ונשאיר בצד שאותו שחקן לא הצליח) זה בחור בשם ג'רמי בראון אני חושב שאוקלנד לקחו בסיבוב גבוה כי המספרים שלו היו מעולים אבל אף אחד לא הסתכל עליו כי הוא היה פשוט שמן. העניין הוא שלשחקן בייסבול, המשקל הוא פונקציה פחות חשובה. אבל אנשים ראו שחקן לא אתלטי ולא עניין אותם שיש לו עין מצוינת להבדיל בין סטרייקים לבולס.
קח את הדוגמא של איזייה תומאס מבוסטון – הוא נבחר אחרון בדראפט, מקום 60, וברוב המקומות בכלל לא נתנו לו הזדמנות למרות שהוא שחקן אדיר. למה? כי הוא פחות ממטר שמונים. זאת דוגמא להטיה שלמחשב אין. יש עוד לא מעט כאלו, מן הסתם.
ברור שגם מחשב יסבול מההטיה של מי שיתכנת אותו. אבל אם תתכנת אותו נכון, בטח עם המערכות הלומדות שיש היום – רוב הסיכויים שהאנליזה שלו תהיה יותר מוצלחת מאשר של בן אדם שאין לו את היכולת לעבד כזאת כמות של נתונים

איציק 28 באפריל 2017

אני מבין שמנושא הניקס התעלמת בכוונה. זרקת פצצת סירחון והלכת.
חוסר ההטיה שאתה מדבר עליה היא, שמרגע שהאלגוריתם הוגדר, זה מה שהמערכת תעשה. זה נכון, ומבדיל מהאדם, שיכול לשנות את דעתו בגלל שקם על רגל שמאל, או התרכז בדבר הלא נכון. צריך רק לזכור, כפי שהסכמנו, שבמקרים רבים האלגוריתם בעצמו מוטה מסיבות שונות, והאדם הוא זה שאחראי עם הזמן לתקן הטיות אלו.

austaldo 28 באפריל 2017

יש דברים שאדם עושה הרבה יותר טוב ממכונה ואנחנו עדיין רחוקים טכנולגית מלהקנות יכולות כאלו למכונה. למשל היכולת לסלק כמות אדירה של נתונים לא רלוונטיים (למשל: שחקני שחמט שפוסלים אוטומטית מיליוני הסתעפויות לא רלוונטיות) . כמו היכולת של המוח להשלים במהירות תמונה על סמך נתונים חלקיים (למשל: תנסה לקרוא קטע טקסט שהחליפו חלק המאותיות בסימנים אחרים ותראה שתוך כמה שורות זה לא יפריע לך).
אני לא יודע מהי ההגדרה המדוייקת של אינטואיציה. אני חושב שהחולשה של ההסתמכות על דאטה היא בשורה התחתונה חולשה אנושית – אלו אנשים שמחליטים איזה דאטה לאסוף ומה האלגוריתמים שמשקללים את הנתונים האלו, ואם באופן תיאורטי היה מחשב על שאוסף באמת כל נתון אפשרי הוא לא היה טועה אף פעם. אני חושב שמה שגיל קורא כאן "אינטואיציה" אלו המיקרים שבהם אנשים מסתכלים על נתונים נוספים או מפרשים נתונים אחרת

איציק 28 באפריל 2017

בעניין השחמט אתה טועה, המחשב בהחלט פוסל המון אפשרויות לא רלוונטיות. מה שכן, המחשב מצליח לא לפסול אפשרויות שנוגדות את האינטואיציה האנושית ולראות אותן כרלוונטיות. אייל סגל מביא די הרבה דוגמאות שהמחשב מצביע על מהלך זוכה אשר נוגד את האינטואיציה, או מתפעל כששחקן מצליח למצוא מהלך כזה.

austaldo 28 באפריל 2017

אני לא טועה.
המחשב מבצע את האלגוריתם שתיכנתו לו. כשאתה אומר "המחשב פוסל אפשרויות לא רלוונטיות" אתה בעצם אומר שעם הזמן פיתחו אלגוריתמים מתקדמים שיודעים לתת משקל נמוך למהלך בכלים מסויימים במצבים נתונים ובעצם מחקים יותר טוב פעולה של מוח אנושי.
כשהמחשב מוצא מהלך "לא אינטואיטיבי" זה אומר שהוא סרק אפשרויות שאדם בעל יכולת חישוב מוגבלת פסל.

[עוסק בתיכנות קונטרולרים ומערכות אוטומציה מעל 20 שנה]

איציק 28 באפריל 2017

ועדיין אתה טועה בגדול:
1. גם אתה פוסל באמצעות אלגורית שממוש במח שלך, רק אתה לא קורה לזה כך.
2. המחשב לא בודק המון אפשרויות בכלל כי הן נפסלות על ידי רשת נוירונים מלאכותית, כמו שהרשת הנוירונים שלך פוסלת.
3. עוסק ברשתות נוירונים ובלמידה מעל 25 שנה.

אלי 28 באפריל 2017

שתי תגובות מעולות.

אריאל גרייזס 28 באפריל 2017

זה בדיוק הבעיה שלי עם אינטואיציה – היא שונה מאדם לאדם אז להגיד שבאופן כללי יש לאינטואיציה עדיפות על פני מחשב זה בעיניי חסר משמעות כי חלק גדול מאותן אינטואיציות הן שגויות. זה בדיוק היתרון של מחשב שאין לו את ההטיות האלו.
זה נכון שיש דברים היום שבני אדם עושים שמחשב לא יודע ויותר מזה -שאנחנו מתכנתים מחשב רק על בסיס מה שאנחנו יודעים. אבל אין שום הכרח שזה ישאר ככה. מערכות לומדות היום לבד ואפילו עוברות אבולוציה

איציק 28 באפריל 2017

תגדיר לומדות לבד. אני חושב שההגדרה של לומדות לבד למחשב היא צרה בהרבה מלומד לבד אצל האדם.

אריאל גרייזס 28 באפריל 2017

תסכים איתי שההגדרה של לומדות לבד היום רחבה בהרבה מאשר לפני עשר שנים? ברור שהיום היא צרה מזו של בן אדם אבל זה משתנה במהירות. לאן זה יגיע? אין לי מושג

איציק 28 באפריל 2017

אכן, אבל יש רק דבר אחד שנשער קבוע במערכות הלומדות שמאד התקדמו וזה מה מזינים להן בכניסה. זה נושא מאד בעייתי שהאדם שולט עליו (אולי גם זה ישתנה מתישהו). כרגע זה מוזן על ידי-האדם, ומה להזין למערכת הלומדת מאד משפיע על הביצועים הסופיים. אם האדם לא יודע מה להזין אז מאוד בעייתי לצפות מהמחשב ילמד את מה שצריך, כאשר יתכן והנתונים הרלוונטיים בכלל לא הוזנו בכניסה למערכת. כלומר, תחילה צריך לעבור תהליך של לימוד והבנה מה להזין למחשב, ורק אחר-כך לצפות שאלגוריתם טוב יוכל גם ללמוד משהו רלוונטי.

אריאל גרייזס 28 באפריל 2017

זה לא לגמרי מדויק. כבר היום יש מערכות למידה שהן אנ-סופרוויסייד והאלגוריתמים האלו הולכים ומשתכללים כל הזמן. גם יש לא מעט דוגמאות לבניה של מערכות שעוברות אבולוציה עם הזמן.
אני מסכים שאנחנו רחוקים מהיום שבו מחשב יכול להחליף בן אדם, אני לא מסכים עם הקביעה שמחשב לא יוכל להחליף בן אדם בעתיד בהרבה מאוד תפקודים שאנחנו חושבים שדורשים "אינטואיציה"

איציק 28 באפריל 2017

טוב, למען הפרוטוקול, 90% מהמחקר שלי הוא במערכות לא מונחות (unsupervised) ודיברתי בדיוק עליהן בתגובה הקודמת. עדיין, מה מוזן בכניסה (לא מונחת אומר שאין מוצא מוגדר אותו רוצים ללמוד אך כמובן שיש כניסה), מוגדר באופן חד משמעי על-יד האדם, ואם האדם לא יודע מה להזין אז יש בעיה. לכן תחילה אנחנו צריכים ללמוד מה רלוונטי להזין (להגיד הכל זה לא ענייני כי אי אפשר לאסוף הכל. כמה מצלמות להוסיף, מאיזה זוויות, אולי עוד מיקרופונים וחיישנים אחרים?). שנית, האלגוריתם תמיד מבוסס על קריטריוני אופטימיזציה ואילוצים. לכן גם את זה אנחנו צריכים ללמוד, אילו קריטריונים מתאימים ומה האילוצים הנכונים. כשאנחנו נדע את זה טוב יותר, המערכות ילמדו טוב יותר, ואז הביצועים ישתפו ומתישהו אולי יעברו את היכולת האנושית (בתחומים שעוד לא עברו).

אריאל גרייזס 28 באפריל 2017

90% מהמחקר שלך זה הטרלות ברשת, מה אתה עושה עם ה-10% שנשאר לך מהזמן עכשיו אנחנו יודעים..
אני מסכים איתך לחלוטין לגבי מה שאתה אומר – אבל תסכים איתי שכמות האינפוט שאנחנו יכולים לתת למערכות מהסוג הזה הרבה יותר גדול מאשר זה שאנחנו יכולים לתת לבני אדם? שהם יכולים לבצע חיתוכים ואנליזות שבני אדם לא מסוגלים לעשות? אז איפה מגיעה הנקודה שבה לבן אדם יש את היתרון?

איציק 28 באפריל 2017

לפחות ההטרלה שלי לא מוטה, והיא מכוונת לכולם במידה שווה.
לגבי שאלתך, אני לא יודע, ובגלל זה אני אומר שאין לי מושג מתי המחשבים יגיעו לכך. אני מניח שזה יקרה אחרי שנדע לענות על שלוש שאלות לעצמינו:
1. איזה נתונים צריך להציג למחשב ואיך.
2. מה קריטריוני האופטימיזציה שלפיהם המערכת אמורה ללמוד.
3. מה האילוצים שיש להכיל על המערכת.
אחרי זה יהיו בעיות טכנולוגיות איך לאסוף את הנתונים הרלוונטיים, וכמובן שפיתוח אלגוריתם אימון יעיל עבור קריטריון האופטימיזציה תחת האילוצים לא תמיד טריוויאלי, ולא תמיד אפשרי (ואז צריך להתפשר). תוסיף לכך שעוד לא אמרנו שאנחנו יודעים מה צריך להיות מבנה המערכת וגם זו בעיה פתוחה.

B. GOREN 28 באפריל 2017

מעניין כתמיד. תודה גיל.

אמיתי 28 באפריל 2017

תגובה לגרייזס
כתבתי בפוסט אחר בצחוק על האם מחשב יוכל ללמוד לצפות בסמויה..
זה התחבר לי למה שגור כתב על מבחן 10 העמודים והאם מחשב יוכל להחליף את
העורך שמחפש את הבלוק באסטר או הפול אוסטר הבא. עכשיו ברור לך שמחשב לא
יוכל להעריך מקוריות וכתיבה פורצת דרך אבל יותר מזה הוא לא יוכל להבין דברים מופשטים
כמו אירוניה או אהבה. בטח לא לייצר אותן..לכן המחשב ויכולת הלימוד שלו לעולם יהיו מוגבלים
לדברים כמותיים ומסתברים. יהיה קשה להפתיע אותו (כמו בשח) אך גם הוא לא יפתיע אותך ודקויות
שילדים רוכשים בגיל יחסית צעיר נראה לי שאין כח חישובי שיכול ללמוד. זה פשוט בסופו של דבר
לא תהליך מתמטי זיכרוני אלא סוג של אלכימיה..זה גם מאד דומה למה שקורה באפליקציות היכרויות.
המחשב לומד אותך ומנסה להציע לך מה שכבר סימנת כמועדף בעבר אבל בסוף אין לזה חוקים ואתה
מחפש דבר אחד מסויים (נניח..) שרק כשתראה אותו תדע. זה לא תהליך חישובי

אריאל גרייזס 28 באפריל 2017

מה שאתה מגדיר כמקוריות או אירוניה זה בסופו של דבר תהליך חישובי שמתרחש במוח שלך. אינטרקציה בין ניורונים. וכמובן, זה שונה מאדם לאדם. זה נכון שמחשב לעולם יהיה מוגבל, אבל זה נכון גם לגבי המוח שלך. להגיד סתם – אין כח חישובי שיכול ללמוד – זה חסר ערך. לפני 20 שנה אף אחד לא חשב שמחשבים יוכלו לחקות את הדרך שבה בני אדם רוכשים שפה או מבינים תבניות, למשל. היום הם יודעים לעשות את זה. אני לא יודע אם מחשבים יידעו לעשות את זה – אבל אני בטח לא פוסל את זה על הסף.
וכן, אני מעריך שמחשב יוכל ללמוד לצפות בסמויה.

איציק 28 באפריל 2017

האם המחשב יודע לחקות את הדרך שאנשים רוכשים שפה? חדש לי.

אריאל גרייזס 28 באפריל 2017

אני חושב שקראתי על זה משהו מתישהו. אני אחפש

איציק 28 באפריל 2017

אם תמצא, תדע שהוא רמאי!!!

אריאל גרייזס 28 באפריל 2017

הנה דוגמא לא לגמרי מתאימה אבל חלקית:
http://news.mit.edu/2011/language-from-games-0712
אני זוכר שקראתי על מחשבים שהצליחו לפענח שפה שהיתה כתובה על אבן עתיקה שבני אדם לא הצליחו להבין. אני כן אסייג את עצמי שזה לא מחקה את הדרך שבה בני אדם רוכשים אותה. אבל הם כן מסוגלים לרכוש שפה

איציק 28 באפריל 2017

אז אולי הם לומדים, אבל עדיין ממש לא מצליחים בהשוואה לבני אדם. בטח לא באופן שבו האדם רוכש אותה.
משהו שונה אבל מאד מעניין. בכנס Interspeech'16 שהתקיים בסאן-פרנציסקו נתן הרצאת אורח נוירוכירורג מאד בכיר. הוא סיפר על כמה מחקרים שלו בתחום הדיבור והשמיעה. עד היום ידענו שהדיבור שלנו כולל פרדיקציה (פרדיקציה), כלומר המוח נותן פקודה לעיצבוב שרירים עתידי כדי לבצע קוארטיקולציה (נכתב בצורה מאד מופשטת) ומשוב, כלומר אנו משנים את מה שאנו אומרים לפי המשוב מהסביבה (לפעמים זה עוצמת הדיבור, טון הדיבור, או אפילו תוכן). עכשיו התברר שגם לשמיעה יש פרדיקציה, כלומר עצב השמיעה (לא אזור השמיעה במח) מעוצבב בצליל מסוים לפני שהאות הקולי הגיע לאוזן. כלומר המוח מכין את העצב מראש. לכן בשפה זרה אנחנו שומעים פחות טוב, אנשים אם ליקוי ברכישת שפה שומעים פחות טוב. נגזר מכך, שאחד הטיפולים האפשריים בבעיות שמיעה לאלו שכל המערכות תקינות זה לטפל ברכישת שפה.

אריאל גרייזס 28 באפריל 2017

מעניין מאוד. זה מתחבר לי לדרך שבה אני מבין מה שמדברים בסדרה אמריקאית כאשר יש לה תרגום וכאשר אין לה.
בכל מקרה – לא אמרתי שמחשבים ברמה של בני אדם. אבל אני חושב ששנינו מסכימים שהם מתקרבים לזה יותר ויותר

אמיתי 28 באפריל 2017

הכל זה בסוף משהו שמתרחש עם נוירונים במוח. השאלה אם אנחנו יכולים להבין אותו
ולהקנות אותו למחשב או למדל אותו. לדעתי לא. לכן זה לא עניין של כח (חישובי) אלא
מוח (איך)

איציק 28 באפריל 2017

אז אתה כנראה טועה. אנחנו מתקדמים יפה בכיוון זה, וכנראה בעוד כמה עשרות שנים כן נדע לעשות זאת.
פעם חשבו שגם הגנום בלתי פתיר, והיום כבר לא חושבים כך.

אריאל גרייזס 28 באפריל 2017

"ישנה תיאוריה שאומרת שאם אי-פעם מישהו יגלה לשם מה בדיוק קיים היקום ולמה הוא כאן, הוא יעלם מיד ויתחלף במשהו עוד יותר מוזר ובלתי מובן. ישנה תאוריה נוספת שאומרת שכל זה כבר קרה."
דאגלס אדאמס

אמיתי 28 באפריל 2017

ואגב "ללמוד" לצפות בסמויה הכוונה זה להעריך אותה. שוב קשה לי לראות
תוכנה שיודעת להעריך דמות כמו עומר..

אריאל גרייזס 28 באפריל 2017

תגדיר לי "להעריך". מחשב יכול לדעת לדרג דמויות – אם תיתן לו אוסף של סדרות ותדרג לו את הדמויות בסדרות האלו ותיתן לו לצפות בהן וקריטריונים שלפיהם מעריכים דמויות (אני מניח שמערכות מתקדמות יותר יידעו גם לבחור את הקריטריונים לבד) – הוא יידע גם לדרג את עומר גבוה ברשימה

אמיתי 28 באפריל 2017

אבל הקריטריון שלי שונה משלך. ושלי גם משתנים. ויוצא בסוף שאדם צריך
להגדיר את הקריטריונים. הם לא מוחלטים. לוח הכפל הוא אוניברסלי. טעם
במוזיקה לא..
אם אפילו על המושג "להעריך" אנחנו לא מסכימים איך לעזאל תתכנת מחשב שידע
להעריך?

אריאל גרייזס 28 באפריל 2017

עובדה שאת עומר או את טוני סופרנו כולם מעריכים, עובדה שמרבית העולם אוהב פיצה וסטייק. יש כזה דבר פרמטרים אוניברסליים, לא כזה קשה למצוא אותם

איציק 28 באפריל 2017

גם מערכת זיהוי דיבור בנייד לומדת אותך, ואם תעביר אותה למישהו אחר אחרי זמן מה הביצועים ירדו כי היא מותאמת אליך. אז נכון, אפשר לבנות מערכות מותאמות למישהו ספציפי, או מותאמות לכלל האוכלוסיה ואז הביצועים קצת ירדו. גם אתה תיטע יותר אם תנסה להעריך את רצון העם ולא את רצונך שלך.

אמיתי 28 באפריל 2017

הרוב לא מכיר אותם..בטח לא בזמן אמת. זה שיש היררכיה בתרבות
זה לא קשור. גם יש ביופי דברים אוניברסלים. עדיין מה שיפה בעינייך
לא בהכרח מחייב אותי. לוח הכפל כן

איציק 28 באפריל 2017

לכן את לוח הכפל לא צריך ללמד את המחשב ויופי כן. על יופי נעשו עבודות והמחשב למד לא רע, וכן זה תלוי בכול אדם ומתי תופסים אותו, אבל המחשב עוד מול MOS test ולא מול בודדים ושם הוא קולע לממוצע בצורה יפה.

אריאל גרייזס 28 באפריל 2017

תקרא קצת בתחום, תראה שבהחלט יש קריטריונים אוניברסליים ליופי. גם בנושא של מוזיקה, למשל, יש הגדרות ברורות למדי למה נחשב מלודי ומה לא. קח דוגמא הכי מעניינת לטעמי – חוש הומור. לכל בני האדם יש אותו (טוב, חוץ מאוהדי יונייטד, אז אולי אתה לא תתחבר) והוא די דומה בין כל האנשים בעולם. החיווט שלנו במוח הוא די דומה בסופו של דבר. השוני בינינו הוא בניואנסים.
בני הדור הצעיר גדלים לחשוב שכל אחד מאיתנו הוא פתית שלג מיוחד. אנחנו לא.

אמיתי 28 באפריל 2017

אבל כתבתי שיש דברים אוניברסליים. זה עדיין שונה מאד מידע על לוח הכפל..
ובקשר להומור – שוב עניי עירך קודמים – פרטים אצל עורך דה באזר.

איציק 28 באפריל 2017

למשל טרולים הם אוניברסליים.

Ljos 28 באפריל 2017

כל אחד מהדברים האלה משתנה עם הזמן. מודל יופי, הומור, דמויות מוערכות. ברגע שאתה מלמד את המחשב לבחון לפי המודל הנוכחי, אתה לא מאפשר לו לראות לאן המודלים האלו יתפתחו ומכריח אותו להישאר תקוע בעבר, כמו דוד שיכור וגזעני.

איציק 28 באפריל 2017

זה ממש לא נכון. מערכות אלו לומדות כל הזמן גם על תשובות נכונות וגם על שגויות. להרבה מודלים יש DRIFT כפונקציה של הזמן ולכן הן בהחלט עושות את מה שאתה אומר שהן לא.

Ljos 28 באפריל 2017

מודה ועוזב איציק.
איך הן לומדות שינוי באהדה תרבותית?

איציק 28 באפריל 2017

אני לא מומחה בתחום הזה אבל עוד ב-2001 כשהייתי בפוסט דוק בשוויץ היו שם אנשים שעסקו בכך. יש דרכים למצוא מה הפרמטרים כגון ניתוח טקסטים (כתבות עיתונים) בנושא, לבצע קטגוריזציה של טקסטים אלו ובטח עוד דברים שאני לא בקיא בהם. היום כנראה זה כבר פוסטים, תכתובות בפיסבוק ובטויטר, אבל זה נעשה כל הזמן. וכפי שכתבתי, כיוון שמה שאתה שואל משתנה עם הזמן, אז למערכת הלומדת כל הזמן מוזנים נתונים חדשים, לפעמים עם מקדם שיכחה לישנים, וכך המערכת מתעדכנת כל הזמן.

אביאל 28 באפריל 2017

איציק – יש היום תוכנות שחוקרי משתמשים בהן שעושות בדיוק את זה, אני נחשפתי למערכת כזאת שפיתחו חוקרים מתקשורת פוליטית (שאול שנהב ותמיר שפר) יחד עם חברת תוכנה פרטית, היא סורקת כתבות, בלוגים, ציוצים, פוסטים, גם וידאו ובעזרת מילונים שבלשנים בנו היא מפענחת חיובי-נייטרלי-שלילי-לא חשוב בכל פעם שמזכירים את המילה ישראל, בינתיים היא רצה בכמה אפיקים בבטא ורק באנגלית ואחוזי ההצלחה שלה גבוהים מאוד (97 אחוז אם אני לא טועה), אם לזה התכוונת כאמור.

איציק 29 באפריל 2017

בהחלט זה חלק מהאפשרויות וזה תחום עם הרבה עבודות, אבל אני לא שם.

shohat 28 באפריל 2017

אהבתי את הפוסט. יפה ומעניין מאד.
כתבתי פעם פוסט על moxie and intangibles, כלומר על ג'ו מונטנה.
אני לא יודע מה נכון, יעיל ו"כלכלי" יותר, אבל אני יודע שזה מה שגורם לרובנו לאהוב כל כך ספורט. דווקא הקסום והבלתי מסתבר.

נ.ב. שלחת לפיל ג'קסון את הסיפור על המודל טי?

אביאל 28 באפריל 2017

גיל וגם אריאל (בהקשר של הדברים שלך) – האם למעשה הרובוטיקה תחליף (בשלב מסוים) את מערכת 1 ותשאיר את היתרון לבעלי מערכת 2 חזקה יותר ? זו לפחות ההבנה שלי, כמו שאריאל כתב, את הלמידה (דיוק של סרב בטניס) מערכת תדע לדייק טוב יותר מאשר בנאדם בטווח הארוך, לעומת זאת, כאשר יש צורך במחשבה מעמיקה יותר, אנחנו רחוקים מאוד להבנתי כיום, שכן נדרשת מודעות לשם כך.

יריב 28 באפריל 2017

זו טענה חזקה, אבל אנחנו לא יודעים אפילו מה זה "מודעות", אז בוודאי שלא להגדיר בעיות שלפתרונן היא נחוצה.

אביאל 28 באפריל 2017

יריב – אני מניח שזו בדיוק הנקודה, מכיוון שאנחנו לא קרובים להבנה של מקור התודעה וכו׳, אנחנו כנראה גם רחוקים מיצירה מלאכותית כזאת. מה שכן, תיאוריה ששמעתי, שמספר הקשרים במוח הוא שיוצר אותה ולכן אם יצליחו טכנולוגית לשכפל קשרים כאלה יהיה אפשר ליצור תודעה מלאכותית, בכל מקרה יהיה מעניין.

איציק 28 באפריל 2017

אז המצב לעכשיו הוא כזה: הרשת העיצבית המלאכותית הכי מורכבת מבחינת כמות הנוירונים המלאכותיים וקמות הקשרים (לשנת 2015) הייתה של COTS HPC. כמות הנוירונים הייתה בערך 5 מיליון, משהו בין דבורה לצפרדע (לבני אדם יש בערך 10 בחזקת 11, כלומר אנחנו רחוקים מאד). מספר הקשרים פר נוירון הגיע לעשרת אלפים, בערך כמו לחתול. לבני האדם יש כ-20 אלף קשרים פר נוירון. כלומר אנחנו רחוקים מאד עדיין אבל אנחנו בכיוון. ריי קורצוויל צפה לפני מספר שנים שנוכל לשכפל ולשמר את המידע של המוח האנושי תוך 20 שנה (בטח נשאר רק 17). נראה לי שזה לא יספיק, אבל לא נשאר הרבה זמן להמתין (2034), חלקינו עוד יהיה בחיים כנראה.

אורן השני 28 באפריל 2017

איציק, האם הבעיה של רשתות עצומות הוא בזמן החישוב? ואם כן מדוע? הרי מה מונע מאיתנו לחקות את הזמן שקורה במוח בסדרי גודל כאלה של נוירונים (או שיש גם בעיה של מקום בזיכרון?) האם הסיבה היא שפשוט המידע עצמו שעובר במוח הרבה יותר "מצומצם"?

איציק 28 באפריל 2017

מהירות היא לא הבעיה. המחשבים עובדים הרבה יותר מהר מקצבי העבודה של המח האנושי. אם אתה לוקח את הרשת שציינתי, אז יש 5 מיליון נוירונים עם 20 אלף קשרים לנוירון, כלומר כמות הפרטרים היא 10 בחזקת תשע. אם כל פרמטר הוא 4Byte או 8Byte אז רק כדי לשמור את הרשת בזיכרון מתקרבים ל-10 בחזקת 10. זה המון, תוסיף לכך את הנתונים שצריך לאחסן, כך שלהחזיק זיכרון פעיל לכל זה וגם לעבד את זה. הבעיה הלא פחות קטנה זה האימון של כזו כמות של פרמטרים. כדי שהאימון יהיה איכותי עם כל הטריקים להקטנת הסיבוכיות בזמן האימון, עדיין צריך כמות עצומה של נתונים, זמן האימון יכול לקחת חודשים, כלומר אם משהו השתבש (טעות במבנה או בקריטריון אופטימיזציה) אז צריך לאמן מחדש, לפעמים מהתחלה לגמרי ולפעמים משלב ביניים. בגלל כל מיני בעיות תאורטיות שהשנים האחרונות פתרו חלק מהן וחלק עוד לא, יש בעיות של התכנסות של הרשת למקום סביר. בעיה אחרת היא, כפי שדנו פה בתגובות זה נושא של עקיבה. נניח רוצים לעקוב אחרי שינויי הרגלי צריכה, אז צריך כל הזמן לאמן את הרשת כדי להתאים לשינוים. יש בעיות גדולות לבצע אימון נוסף עם כמויות קטנות של מידע חדש במערכות אלו. אדפטציה לנתונים משתנים יודעים לעשות כרגע במערכות קטנות בהרבה. לסיכום, ברשתות ענק (מבחינה טכנולוגית, ולא יחסית למח) יש גם בעיות של ברזלים, בעיות תאורטיות של אימון, וגם בעיות של ניהול משאבים (זיכרון ומעבדים) באופן יעיל.

אמיתי 28 באפריל 2017

כל מילה ופסיק איציק

איציק 28 באפריל 2017

רק תיקון, טעיתי בשני סדרי גודל בכמות הפרמטרים מה שכמובן מחמיר עוד יותר את הבעיה.
רק מוכיח שלכתוב תגובות ולראות סנוקר בו זמנית לא תמיד מביא לתוצאות הנכונות.

Amir A 28 באפריל 2017

אז אם רשתות שמתאימות יותר לדבורים או חתולים מאותגרים דורשות כאלו סדרי גודל עצומים של אימון ואימון חוזר בהשוואה למוח האנושי המורכב הרבה יותר, האם יכול להיות שהמודל של רשתות נוירונים הוא לא האופטימאלי בכדי לדמות את המוח האנושי? או שפשוט מדובר על שכלול יכולת החישוב (באותו אופן שהיום המרכיבים של מחשבים הרבה יותר קטנים ויעילים מבעבר)?

איציק 28 באפריל 2017

Amir A,
הרשת המלאכותית לא דומה בכלום לרשת הביולוגית. אנחנו מאד רחוקים מההבנה שלה. השם רשתות עיצביות (מלאכותיות) זו הקללה של תחום זה. כולם חושבים שהן מחכות את פעולת המח ואין זה כך. יש תחום שלם שעוסק בכך אבל הוא לא גדול במיוחד. הרוב שואבים רק את הרעיונות כגון, ביצוע פעולה מסובכת באמצעות הרבה יחידות פשוטות מחוברות בינהן; חיבור היחידות בשכבות; למידה מונחת ולא מונחת; למידה באזורים (מה שנקרא ארגון עצמי) כך שאזורים קרובים ברשת יטפלו בבעיות דומות; זיכרון אסוציאטיבי; ועוד. כל אלו הם רעיונות בלבד, אך לא המימוש. המימוש הוא שונה לחלוטין מפעולת המוח ומתבסס על אלגוריתמים מתמטיים. אם מישהו רוצה להשוות רשת מלאכותית למח של דבורה, צפרדע או חתול, לא ימצא הרבה דמיון בין המערכות.

Amir A 28 באפריל 2017

או. ואני הייתי בטוח שהמטרה הסופית היא לחקות את פעולת המוח. אחרי הכל, למה לקרוא לזה רשתות נוירונים אם זה לא המצב (אלא אם כן צריך לבוא עם איזה שם סקסי שישכנע כל מיני משקיעים שלא מבינים מהחיים שלהם להשקיע בזה כספים)?

אורן השני 29 באפריל 2017

אמיר, לדעתי בגלל פעולת הסיווג (אימון ולמידה) שהרעיון לכך מגיע מרשת הנוירונים במוח. אולי אני טועה.

איציק, תודה, מה שאני לא מבין זה לפחות בתחום הסיווג – אם כאמור כוח החישוב במחשב ברמה מספיק טובה (שזה מובן), איך ישנן הבעיות הטכניות שתיארת? או יותר נכון – איך למוח אין אותן? (הכוונה למשאבים ולמהירות האימון, לא לדברים כמו אובר-פיטינג). אלא אם באמת הפעולות והמידע כן הרבה יותר כבדים מאלו שבמוח, למרות שממה שאני מבין זה לא צריך להיות ככה אם לא עוסקים בזיהוי אובייקטים בתמונות וכו'.

איציק 29 באפריל 2017

אמיר, השם הסקסי הזה היה עונש גדול. הרבה אנשים ציפו מהרשתות לחכות את המח מהר מהר, וכשזה לא עבד התאכזבו ובערך 15 היתה ירידה גדולה בפופולריות. אנחנו מאד רחוקים מההבנה איך לחכות את פעולת המח, אנחנו מבינים יותר טוב מה הוא עושה אבל לא איך. בשנות ה-90 ניסו לחקור קשרים של 3-5 עצבים בפעילות ביהם כמו בדיונון, היום כבר מנתחים פעילות של כמה אלפים של נוירונים במח אבל זה עדיין טיפה בים בהשוואה לכמות שיש באיזו כלשהו שמבצע פעולה פשוטה ביותר, שלא לדבר על אינטרקציה בין איזורים שונים או יכולת שינוי תפקוד של איזור.
מה שאנו עושים זה משאילים תכונות כמו יכולת זיכרון אסוציאטיוי או יכולת סיווג ומחפשים מודלים מתמטיים שיבצעו את אותה הפעולה.

איציק 29 באפריל 2017

אורן השני,
אין לי תשוב קצרה אבל אנסה להדגים. כאשר אתה שומע את המילה "קפה" במוח שלך מופעלים לא רק האיזורים שקשורים לשפה. מתעורר איזור של חוש הריח, חוש הטעם, חוש הראיה, חוש המישוש של הכוס, הזיכרונות שלך מהתהליך ואולי איזה ספר טוב או ערב רומנטי. כלומר הלמידה של מוסג קפה בלמידה האנושית היא לא משמיעה בלבד כי אם מהקשרים הרבה יותר רחבים. אנחנו מאד רחוקים מאפשרות של חווית למידה כזו אצל מחשבים. אנחנו רחוקים מאוד מהבנה ויכולת הצגת המידע באופן זה. כלומר זה לא מדובר בכמות בלבד, כי אם דברים רבים אחרים שלסרים. אופן הצגת הנתונים, אופן מבנה הרשת, קריטריוני לימוד ועוד ועוד. אולי במוצ"ש אטפל בכול זה ;)

אורן השני 29 באפריל 2017

בגלל זה גם מתכנתים עם קפה ;)

איציק 29 באפריל 2017

אני אישית לא נוגע בקפה, לא אוהב, אולי בגלל זה אני מתכנת הרבה פחות, והרבה יותר אומר לאחרים מה לתכנת.

אביאל 28 באפריל 2017

איציק – תודה, כבר אמרתי פעם שאתה הכי חכם בדה באזר וכל הדברים האלה בהנחה שמה שמייצר התודעה היא אותה רשת נוירונים ולא משהו אחר, בקיצור יהיה מעניין.

איציק 28 באפריל 2017

תודה על המחמאה, אך כתרים אלו בוודאי לא שייכים לי. יש בדה-באזר כל-כך הרבה אנשים שאני מקנא בהם במובן הטוב. נהנה לקרוא אותם והייתי רוצה לדעת קמצוץ ממה שהם יודעים.

דיזידין 29 באפריל 2017

איציק, לא הבנתי אף מילה, ובכל זאת יש לי שאלה (ארוכה).
בתחילת שנות ה-80 החל הדיבור המשמעותי על AI, ואני זוכר כמה רבי מכר שעסקו בנושא כמו "גדל, אשר, בך" ו"דה מיינדס איי".
אחת ההשערות היתה, כמו שאביאל ציין, היא שתודעה היא עניין כמותי. כלומר, כאשר מערכת מגיעה לרמת סיבוכיות מסוימת, למספר קשרים גדול מספיק, התודעה תפרוץ מאליה.
אינטרנט עוד לא היה, אבל דיברו על זה שכאשר המון מחשבים יחוברו זה לזה – המערכת הזו עשויה לפתח מודעות.
היום יש כבר אינטרנט שמחבר בין מיליונים רבים של מחשבים.
האם המערכת הזאת, של כל המחשבים והטלפונים החכמים המחוברים ביניהם, לא עברה את רמת הסיבוכיות של המוח?
או אם נפליג בדמיון, האם לא יכול שהמערכת הזאת היא כבר בעלת מודעות (שלא ברור איפה בדיוק היא יושבת) או שהמודעות יכולה להתפרץ בה בכל רגע?

איציק 29 באפריל 2017

לפי הבנתי בסרט משחקי מלחמה משנות ה-80 אני חושב, זה כבר קרה. למחשב יש מודעות ויצר השרדות כמדומני.
אין לי תשובה טובה אבל עצם זה שיש כמות של יחידות לישוביות שהן מבוזרות אך יכולות לתקשר בינהן כנראה לא מספיק. גם נחיל דבורים זה כמות של יחידות עם מח פשוט שמתקשרות בינהן והיכולת שלהן מוקדמת. אולי צריך כמות לא מבוזרת אלה דווקא כמערכת אחת. שנית, ליבורים אקראיים לא יביאו לדעתי לתוצאות למרות שבשנות ה-80 היו כאלו שהשתעשעו בלקיחת מעגלים חשמליים בחיבור אקראי ולנסות ללמד אותו. אין לי מושג איך, אבל זה נזנח, כנראה לא עבד.
ודבר לא פחות חשוב כתוב על-ידי יריב מתחתי. מזה מודעות? איך מודדים אותה? האם היא הכרחית להתפתחות? האם ניתן לקבל יתרונות בלעדיה?
ההנחה שלי שההתפתחות האבולוציונית היא טובה מאד אך לאו דווקא אופטימאלית ויתכנו פתרונות טובים יותר. הרי לבנות מטוס עם כנפיים שזזות מלע למטה נכשל והפסיד לכנפיים כמעט קבועות ומנועי סילון. כלומר מה שלטבע, לטבע ומה שלטכנולוגיה, לטכנולודי. לפעמים זה הולך ביחד, ולפעמים לא.

דיזידין 29 באפריל 2017

תודה על התשובה איציק.
מדי פעם אני פותח מסמך וורד, כותב בו שאלה, ומחכה לראות אולי המערכת פיתחה מודעות ותענה לי..

יריב 29 באפריל 2017

אביאל, הנקודה שלי היא שהעובדה שאנחנו לא באמת יודעים מה היא מודעות פועלת בשני הכיוונים. אין לנו מושג איך לייצר את זה, אבל גם אין לנו מושג למה זה נחוץ. כלומר, אולי אנחנו מאוד רחוקים מייצור תודעה מלאכותית, אבל זה לא אומר שיש סוג בעיות (בוודאי לא איזה סוג זה) שאנחנו רחוקים מפתרון ממוחשב שלהן. כלומר, לא ברור שהפער הזה בהבנה שלנו את תהליכי החשיבה של בני אדם יתן יתרון לבעלי יכולות כאלו או אחרות בתחרות מול מערכות ממוחשבות כלשהן.

יוני 28 באפריל 2017

אוף טופיק אבל חייב לשתף מה ראיתי היום, ואולי אפילו אצליח לחבר לפוסט הנהדר לכשעצמו של גיל.
נתחיל משנות ה90 כדי שיהיה רקע קצר. כששיחקנו כדורסל בשכונה בגילאים 13-14, היית רואה פיקנרולים, בריחה לבק-דור ומשחק לואו-פוסט. ומדובר היה ב3 על 3 שאולי שחקן אחד במסגרת של מועדון כדורסל.
היום כשהלכתי בשכונה נעצרתי ליד המגרש לראות מה הרמה. היא מאוד חובבנית, ילדים בני 10-11 שאולי אצל שניים מהם זיהיתי יסודות וקצת טכניקה.
עמדתי שם 4 דקות וראיתי קרוב ל20 נסיונות התקפה. כ90% מהם היו זריקות מעבר לקשת. ואני מזכיר, ילדים בני 10-11, ולא מדובר היה בקט-סל. שום תיחכום, אין משחק קבוצתי, פשוט משחקים ברולטת שלשות. הבונוס הוא שמה שלא יהיה, אחד הילדים יסיים את המשחק עם צ׳אקה בטווח אנ.בי.איי, כשכולם עוטפים אותו לאחר מכן בחגיגות משל היה זה משחק 7 בגמר המזרח. וכך היה. לא נהנתי. מה עשית לנו טכנולוגיה והעדפה של המספרים על האסתטיקה והתחכום.
הנה, הצלחתי לקשור איכשהו לפוסט.

ניק 28 באפריל 2017

גרייזס, גרמת לי להזמין את בלינק!

אריאל גרייזס 28 באפריל 2017

אחלה ספר. בכלל רוב הדברים שגולדוול עושה הם נחמדים מאוד – אם כי צריך לקחת אותם קצת עם "קורטוב של מלח" כמו שהאמריקאים אומרים. יש לו נטיה קצת לבחור מחקרים שמתאימים לו ולהזניח אחרים

אייל הצפון 29 באפריל 2017

כל מילה.ותראו עוד קצת סנוקר.
ביג דאטה יכול לומר מה המכה בעלת התוחלת הכי גבוהה להצלחה, אבל כולם בשלב זה או אחר ישתמשו בזה, ואז בא סטיבן הנדרי, עשה מה ההיפך ממה שנראה למומחים כנכון לעשות בזמנו, ועד ששקללו אותו למערכת הוא זכה בשבע אליפויות עולם.
היתרון של המוח האנושי הוא שיש מיליארדים כאלו, שכל אחד מהם בלתי מושלם באופן אחר, אבל כל אחד מהם (הסיבה היחידה ללשון זכר היא שמוח זה זכר בעברית.), בטוח שהוא צודק, וכל האחרים טועים. (הכשל היחיד בהנחה הזו הוא ש 99.999% מאיתנו לא שונים באופן שבאמת משנה).
כך שלדעתי לפחות, המוח האנושי תמיד יפתיע את מומחי הביג דאטה.
לא שזה בא אחד על חשבון השני, (אני לא מאמין בחלוקות בינאריות), אבל אם הייתי צריך לשים כסף, קבוצה של מומחים שמשתמשים בנתוני ביג דאטה (אולי) תנצח ברוב המקרים קבוצה של ילדות שמשתתפות בפרויקט הנשיא, אבל הדבר שישנה את המציאות יבוא מהקבוצה של הילדים האלו.

איציק 29 באפריל 2017

התכונת, מהילדות הללו.
ממש לא בטוח. אם המערכות יגיעו לרמה שהן יכולות ללמוד לבד, לא ברמה של היום אלה להחליט איזה דוגמאות לקחת וממה להתעלם, האם לשנות מה ואיך ללמוד, להסתכן בכישלון ועוד כמה דברים, אז הלך על הבנות שלך. כבר היום המחשבים עושים זאת במידת מה באופן פשוט יחסית, אבל זה ישתפר בעתיד.

איציק 29 באפריל 2017

גיל, שדדנו לך את הפוסט ולקחנו אותו למקום אחר לחלוטין. חייבים לך פוסט עם התנהגות נאותה.

גיל שלי 29 באפריל 2017

להיפך איציק, אני כותב את הפוסטים האלה כדי שתקחו אותו לאן שאתם רוצים

איציק 29 באפריל 2017

יש לי באמת שאלה אליך ולכותבים הקבועים והקבועים פחות.
כתבתי כמה פוסטים כאורח ותמיד זה היה כי הרגשתי שיש לי מה לומר ורציתי להעלות את זה לדיון. אני מניח שכל הכותבים כאן אינם גרפומנים אלה אנשים שיש להם מה לומר ומה לחלוק ולהעלות לדיון דברים. ואז בא איזה איציק ומסיט את הנושא לחלוטין. אולי הדיון אכן מעניין אבל לא ענייני בהקשר לפוסט עצמו. לא היה דיון רציני בקשר למקומו של הסקאוט או המאמן (ליואב בורוביץ' בטח הייתה יכולה להיות דעה שונה ומעניינת). לא היה דיון על החשיבות לפעמים להתעלם מסטטיסטיקה ומתי זה נכון ומתי לא (במצב הקיים היום ולא בעוד 20 שנה). לא היה דיון האם באמת קבוצה משווה יש לה יתרון פסיכולוגי שיביא לניצחון בהערכה או לא. דברים אלו קורים גם בפוסטים אחרים (ולא פעם אני אשם בכך). אני באמת רוצה לדעת את דעת כותבי הפוסטים עצמם, האם הם לא מרגישים שפגעו להם בדבר שלשמו הם כתבו את הפוסט התאמצו והציגו את משנתם.

אמיתי 29 באפריל 2017

טוב רק מתבקש שתכתוב פוסט על נושא עבודתך ורשתות נויירונים. יש דורשים ולשם
שינוי נראה שאתה יודע על מה אתה מדבר וכמובן גיל יוכל בתגובות לפתח דיון על גורדי
ותרומתו למדע. וין וין

איציק 29 באפריל 2017

התחום שלי הוא דווקא זיהוי דוברים על-פי קול, רשתות הם רק הכלי ולא תחום המחקר בפני עצמו. בכול אופן, גם בתחומים אלו אני יכול לכתוב… ;)

אמיתי 29 באפריל 2017

אם להשתמש במטאפורות מבית מדרשך- הרם את הכפפה.

גיל שלי 29 באפריל 2017

יאללה

גיל שלי 29 באפריל 2017

לגבי, זה הכיף שלי, לכן הרבה יותר כיף לכתוב פה.

רומן 29 באפריל 2017

לגבי החזרה מהקבר, מאטס ווילאנדר (האדיר) תמיד אומר שלחזור מ2-0 ל 2-2 יותר קל מלקחת את החמישית אחרי שחזרת..

Comments closed