Machine Learning
המחר מתחיל כאן

עוז לוי, מוביל תחום Big Data & Analytics image
עוז לוי, מוביל תחום Big Data & Analytics

כשאנשים חושבים על Machine Learning או בעברית למידה חישובית הדעות נוטות לנוע בין פחד תהומי מהשתלטות מכונות עם מבטא גרמני כבד (מבלי לפגוע בגרמנים) או אתר זדוני אחד שבו אנו מבלים את מרבית זמננו רק ללמוד שמצוטטים לנו כדיי להציע לנו פרסומות (דבר שאיננו נכון אגב) ובין אוטופיה בה מכוניות אוטונומיות חשמליות נוסעות בכבישים ללא פקקים וללא תאונות.

המצב האמיתי הוא שלא חסרות אפליקציות המנצלות את חוסר תשומת ליבנו כדיי לעשות שימוש מסחרי במידע שלנו ופרטיות כבר מזמן נעלמה בנבכי ה- User Agreement הבלתי מובן (עם רעיון הרובוטים הרצחניים אני מקווה שסיימנו אחריי 5 סרטים …) וכיום יותר מתמיד נראה שהמכוניות האוטונומיות כבר ממש מעבר לפינה אך ישנה עדיין כברת דרך ארוכה והדרך לשם היא לא רק טכנולוגית, ישנן המון שאלות של אתיקה, שימוש במידע, אחריות וכד׳

למרות זאת, תחום הלמידה החישובית כבר משנה את כללי המשחק כיום. עשרת תרחישי השימוש המובילים (עפ״י אתר KDNuggets) עדיין סובבים סביב זיהוי אנומליות, מניעת הונאות, שירותים חכמים ומערכות המלצה אותם אנו פוגשים בכל צעד שאנו עושים במרחב הדיגיטלי במקביל תחום הלמידה החישובית פורץ את גבולות הקמעונאות גם לתחומים כמו חקלאות וייצור ולפעמים אף נמצא מאחוריי הקלעים במקומות שעד כה לא היינו רגילים למצוא בהם יישומים שכאלה.

לדוגמה, לא רבים חושבים על שימוש ב- Machine Learning ככלי עזר בפרוייקטי אינטגרציה, עם יישומים כמו חיבור מידע שאין לו מפתח אחיד בבסיסי נתונים (Fuzzy Matching) או ככזה שעוזר לסווג ולקטלג מערכי מידע או לחלץ ישויות עסקיות בארגונים עתירי מידע כדוגמת בנקים וחברות ביטוח מפני שאלו יישומים פנימיים שאנו כמשתמשים או לקוחות בד״כ כלל לא פוגשים ואיננו מודעים אליהם. אך עובדה היא שארגונים רבים עכשיו יותר מתמיד משקיעים סכומי עתק בפרוייקטי אינטגרציה והקמות של אגמי מידע הדורשים תהליכי מיפוי וניתוח משמעותיים בהם יישום של למידה חישובית כבר היום עוזר להוריד תקורות מיפוי, ניתוח מערכת ואף פיתוח משמעותיות שהיו שמורות לבני אדם עד כה ולעיתים היוו חסם ליציאה לפרויקטים שכאלה בשל סיכון או רצון להימנע מלפתוח את מכסה המנוע.

שימוש במידע גם טומן בחובו אחריות, היום כש- GDPR כבר נמצא במרכז השיח בחברות רבות בארץ (לדידי מסובך יותר להבנה מאלגוריתם k-means) השימוש במידע שלנו הופך להיות קשה יותר עבור ארגונים והצורך באנונימיזציה של מידע אף הוא הופך להיות הכרח ולא אפשרות עבור חברות המעוניינות למצות את המידע שברשותן, ניתן למצוא שימוש רחב ב- Machine Learning כבסיס למנגנוני Deidentification של רשומות, הערכות סיכון של חשיפת מידע וכיוב׳ וארגונים המחויבים לרגולציה בתחום המידע מוצאים עצמם מיישמים מערכות כאלה לשם הגנה על מידע של הפרט.

כאמור שימוש בלמידה חישובית מתחיל להיות נפוץ יותר ויותר, אם כי ברבים מן הארגונים (כאלה שאינם פייסבוק או גוגל) מדובר ביישומים בסיסיים והתחלתיים ולפעמים אף ביישומים מתקדמים מאוד דווקא בארגונים בהם לא היינו מצפים למצוא כאלה.

מעניין לחשוב על עתיד שבו אלו מאתנו שיש להם תינוקות כנראה כבר לא יצטרכו להיות נהג מלווה אבל כיום יותר מהכל תחום הלמידה החישובית כבר נמצא במקום בו הוא יכול לעזור לבני האדם לבצע את עבודתם (כמעט בכל תחום) ושימוש באלגוריתמיקה חכמה הוא לא אפשרות אלה הכרח לכל חברה שרוצה לייצר לעצמה בידול וגם כזו שרוצה להתייעל בתחומים כמו IT, ניהול מערכות מידע וציוד ועוד יישומים רבים.

 

רוצים לשמוע עוד?

מלאו פרטים ונחזור אליכם בהקדם

*
*
*
*