Stav Altfiru

AI & Data Virtual Summit

AI & Data Virtual Summit

ב-5-6.1.2021 הרמנו את הכנס הגדול הראשון בתחום שכלל מגוון הרצאות בתחומי ה-AI וה-DATA עם למעלה מ-1,400 נרשמים!

ביום הראשון התקיים מסלול ה – Deep Learning & ML וכלל מגוון רחב של הרצאות עם טובי המרצים בתחום, כאשר החצי הראשון היה בסימן NLP והחצי השני היה על נושאים כלליים יותר.

קיבלנו פידבקים מעולים מהמשתתפים, ואנו תמיד שמחים לשמוע דעות נוספות בכדי שנוכל להשתפר לכנס הבא. מוזמנים לפנות אלינו במייל על מנת לשתף בפידבק ורעיונות עבור הכנסים הבאים. 

למי מכם שפספס או סתם רוצה להיזכר, מוזמנים להיכנס ולצפות:

לצפייה בהרצאות מיום 1, מסלול: Deep Learning & ML

‍לצפייה בהרצאות מיום 2, מסלול: Data & Analytics

Posted by Stav Altfiru in כנסים

כיצד שימוש בבינה מלאכותית יכול להניע ייצור בר-קיימא

 

Morgan Zimmermann

מורגן זימרמן

 

למרות  המיצוב שלה לפני מספר שנים, כיום, בינה מלאכותית (AI) כבר אינה גימיק. עד שנת 2030 היקף התרומה של AI לכלכלה הגלובלית עשויה להסתכם בלא פחות מ-15.7 טריליון דולר. AI מהווה כלי חשוב במאמצים להפוך את העולם לקיומי יותר, ומסייעת לעסקים בכל הגדלים לשמור על יתרונות תחרותיים. בתחום הייצור,, היא עושה זאת תוך כדי התייחסות לשלושה מרכיבים בסיסיים של קיימות – אנשים, הסביבה הטבעית ורווחים (באנגלית, מודל שלושת ה-P, People, Planet, and Profit).

 

העדפת הקיימות על פני דוח רווח והפסד

בשעה ששינויי האקלים ניצבים בראש סדר העדיפויות, בני הדור החדש מגלים עניין באימוץ מדיניות ארוכת טווח שתספק לנו סביבת מחייה יציבה, טובה ומאוזנת יותר. עסקים ותעשיות שלא מיישרים קו עם יעדים קיומיים אלו, יגלו קשיים בגיוס עובדים עתידיים ולקוחות אשר אינם מעוניינים להשקיע במוצרים ושירותים שפוגעים או חורגים מהערכים שלהם. הערכת הערך של חברות הולכות ונמדדות פחות על סמך חישובי רווח והפסד, ויותר על המחויבות שלהם לשלושת המרכיבים הבסיסיים של הקיימות.

מודל שלושת ה-P מתחיל להשפיע באופן מהותי על התעשייה בעולם. במקביל לכך שהאו”ם תומך ב-17 יעדים לפיתוח בר קיימא, חברות בכל הגדלים ומכל התחומים, ולא רק שחקני נישה קטנים, נוקטים מדיניות ארוכת טווח המבוססת על מודלים ברי קיימא. כך לדוגמה – חברות רב לאומיות מרכזיות בתחום ההשקעות הגלובליות, כגון -BlackRock Inc., מציעות פתרונות השקעה ברות קיימא, וחברות מובילות בשוק מוצרי הצריכה כמו אדידס, דנונה, גוצ’י ולוריאל, מכירות ביתרונות העסקיים של יוזמות בעלות נרטיבי קיימות חזקים.

יוזמות גלובליות כגון ה-AI for Good – Global Summit של האו”ם, וה-Google AI Impact Challenge מסייעות לטפח את מגמת השילוב של AI. בתחום הייצור, השימוש בבינה מלאכותית מחזק שלושה עמודי תווך המיושרים עם ערכי שלושת ה-P כדי לאפשר לחברות לעמוד ביעדי הקיימות: כוח אדם עתידי, אופטימיזציה של פעולות גלובליות ותיזמון רשת הערך.

 

כוח האדם העתידי (People)

יצירת כוח האדם של העתיד כרוכה בלכידה והעברה של ידע תיאורטי ומעשי מכוח העבודה העכשווי לדור הבא, והעצמת אנשים באמצעות טכנולוגיה כדי לייצר חוויות המעוררות חדשנות ותורמות לבניית עתיד בר-קיימא יותר.

טכנולוגיה דיגיטלית מאפשרת שיתוף מידע במהירות רבה יותר, ללא קשר למיקום הגיאוגרפי של המקור ו/או של היעד. חברות חייבות לאמץ שינויים ברשימת המיומנויות הנדרשות מהן ומעובדיהן על מנת להתאים את עצמן לטכנולוגיות חדשות, ובעקבות כך, להגדיל את האוטונומיה של כוח האדם שלהן. זה ניתן להשגה באמצעות גישות רב-תחומיות ללמידה והכשרה תמידית, עם שילוב בין הכיתה לבין המעבדה.

על ידי השימוש ב-AI, ניתן לגלות פרקטיקות אופטימליות לשיפור ביצועי העובדים, מתהליכים אשר מוסתרים במסמכים  לכלים בידי עובדים להעצמת החברה. הודות ל-AI, ניתן להעביר את הידע הזה מהר יותר, בקנה מידה בלתי נתפס, ובזמן המתאים באמצעות מציאות רבודה או וירטואלית, פלטפורמות שיתופיות ותלת מימד. כתוצאה מכך, ההכשרה הופכת לאינטואיטיבית יותר, והעובדים יכולים לקבל החלטות מושכלות יותר. היחסים הסימביוטיים בין AI לאנשים הופכים את שניהם לחכמים יותר.

 

אופטימיזציה תפעולית גלובלית (Planet)

חברות רבות יכולות למזער טביעת הרגל האקולוגית הגלובלית שלהן על ידי אימוץ נהלים יעילים לאורך כל מחזור החיים של המוצר. החשיבות של פעולה כזו חורגת הרבה מעבר למתן פתרונות לבעיות על רצפת הייצור. מדובר בהערכה ובייעול של כל הפעולות, במעגל משוב רציף, החל מתכנון המוצר, דרך הנדסת ייצור, וכלה בייצור וייעול של שרשרת האספקה.

מניעת בזבוז הינה אלמנט מרכזי בייצור. ביטול של פעולות שאינן מוסיפות ערך בתחומים קריטיים, כגון העברת מוצר שלא לצורך, יצירת כמויות מלאי מוגזמות, שגיאות או פסולת, מחייב טכנולוגיית AI שמסוגלת ללמוד באופן עצמאי מיעדים המשנים צורה באופן מתמיד (מכירות, מלאי, משאבים, יכולת וכד’). AI יכולה לצפות את הפשרות המועילות ביותר על מנת להגביל בזבוז.

הפחתת צריכת אנרגיה היא דוגמה נוספת בה AI הוכיחה את ערכה. התלהבות רבה נוצרה סביב יישום רשתות חכמות המחברות בין יצרנים לצרכנים, ומביאות למיקסום אחסון ואספקת אנרגיה בדיוק-בזמן. AI מסוגלת לצפות שיאי צריכה ומסייעת בהתייעלות בזמן-אמת של הגדרות התפעול.

 

הערך הטמון בתזמון ערך הרשת

רשתות האספקה של היום מוחלפות ברשתות עולמיות – שותפים תעשייתיים שמאחדים כוחות על מנת להשיג יעדי אספקה משותפים.

פלטפורמות דיגיטליות שיתופיות, הממנפות את טכנולוגיית ה- AI, מייצרות קיימות לכל רוחב הרשת בעוד שהן מאפשרות אספקת חוויות ייחודיות לשוק. באמצעותן, חברות מרוויחות שקיפות של משאבים ותהליכים, ושל הדרכים בהן הם קשורים אחד לשני. היצרנים יכולים לתאם דרישות עם כל בעלי העניין בצורה יעילה וזריזה יותר. בחינת הרעיונות, המוצרים והחוויות שהן מספקות בעולם הווירטואלי, לפני הפקתם בפועל בעולם האמיתי, יכולה להוביל להמצאת שימושים חדשים והמוצרים שתומכים בהם.

AI מסננת נתונים במהירות ומעריכה מיליוני תרחישים פוטנציאליים כדי למצוא את המידע הרלוונטי. חברות יכולות ללכוד, לתקנן ולנתח נתונים על מנת להעריך את ההשפעות הסביבתיות והחברתיות של פעילות עסקית, ולהשיג מסקנות שמאפשרות קבלת החלטות מושכלת. אנשים יכולים להציע ולבחון את התרחישים הטובים ביותר, לדמות תוצאות באמצעות תאום חוויה וירטואלי כדי לאתר את ההזדמנויות הנכונות וליישם את מה שהם למדו במקומות המתאימים. הם יכולים להפחית בזבוז ולהגביר את היעילות – החל מעיצוב מוצרים ואריזות ומיקור חומרי גלם, וכלה בסילוק ומחזור של חומרי ייצור. לדוגמה, שתי חברות יכולות לחלוק משאבים, כגון חלפים, לוגיסטיקה או אפילו מלאי. טכנולוגיית ה- AI מסייעת להן לייעל יכולות וייצור על מנת להפוך את פס הייצור למותאם יותר ויצרני יותר.

 

הופכים את העולם האמיתי ליעיל יותר 

AI הינה זרז לשינוי. הבעיה המאתגרת יותר היא להחליט כיצד להתבונן ולחיות בעולם: איזו נקודת מבט תשמש לחיבור ופירוש של כמויות עצומות של נתונים? רק עולמות וירטואליים יכולים לספק סיפון תצפית וקבלת החלטות מתאים לייצור. על ידי האצת הגישה לעולמות וירטואליים, טכנולוגיית AI הופכת את העולם האמיתי ליעיל יותר. היא לא רק מספקת תובנות וידע חדשים, היא גם מאפשרת לתעשייה ללכד ולהבין חוויות ולהשתמש בהן מחדש כדי לתרום לחיים מאוזנים ומהנים יותר.

Posted by Stav Altfiru in חדשות

סיכום פורום וירטואלי Explainable AI

בחודש ספטמבר ערכנו פורום וירטואלי של AI-ML מבית IsraelClouds ו-Ai-Blog, כאשר דיברנו על Explainable AI.

במהלך האירוע היו 2 הרצאות מעניינות ביותר, הראשונה של Adi Watzman, Data Scientist at PayPal, אשר ההרצאה עסקה ב- SHAP VALUES FOR ML EXPLAINABILITY: INTUITION AND REAL-LIFE EXAMPLES, וההרצאה השנייה של Sireesha Muppala, AI/ML Specialist Solutions Architect at AWS אשר הייתה עם דגש פרקטי על – ML EXPLAINABILITY WITH AMAZON SAGEMAKER DEBUGGER

לכל מי שלא יכל להתחבר, או שפשוט רוצה להיזכר בתוכן – להלן הקלטה של ההרצאות שהועברו באירוע:

 

Posted by Stav Altfiru in כנסים
דאסו סיסטמס משיקה סט חוויות DATA SCIENCE שיתופיות בפלטפורמת ה-3D EXPERIENCE

דאסו סיסטמס משיקה סט חוויות DATA SCIENCE שיתופיות בפלטפורמת ה-3D EXPERIENCE

 

•   דאסו סיסטמס רכשה את Proxem, חברה צרפתית שמתמחה בתוכנות ושירותי עיבוד סמנטיים מבוססי AI, שהופכים נתוני טקסט לתוכן ותובנות שניתנים לעיבוד.

•   ה- Data Science השיתופיים והמשופרים יאפשרו לתעשייה למנף בסיסי נתונים.

•   שילוב AI עם מידול וסימולציה מניע שיטות למידה חדשות ומינוף של ידע.

 

דאסו סיסטמס הודיעה היום על שיפור יכולות ה- data science השיתופיים בפלטפורמת ה- 3DEXPERIENCE. לקוחות דאסו סיסטמס יכולים למנף את בסיסי הנתונים שלהם על ידי שימוש בחוויות תאום וירטואלי (virtual twin) חדשות, בהן ידע חשוב שנמצא בנתוני טקסט לא מובנים הופך לתוכן ותובנות שניתנים לעיבוד. זאת בעקבות רכישת Proxem, חברה בבעלות פרטית הממוקמת בצרפת, שמתמחה בתוכנות ושירותי עיבוד סמנטיים מבוססי AI, ומספקת פתרונות ניתוח חווית לקוח.

השילוב של AI עם יישומי מידול וסימולציה יאפשר למשתמשי פלטפורמת ה- 3DEXPERIENCE בכל ענף למנף ולהציג את הנתונים שלהם בצורה פרודוקטיבית. הם יכולים לפרש ידע הכלול בדרישות, תקנות, משובי איכות ולקוחות, חוזים, כמו גם בפרסומים מדעיים, דוחות מחקר או תוצאות של ניסויים קליניים, ולהפוך אותו באופן אוטומטי לחוויה וירטואלית מושלמת, תאומה לעולם האמיתי. מהלך זה מניע הזדמנויות לשיתופי פעולה חסרי תקדים לפיתוח חדשנות, תוך קידום תכנון וביצוע רוחבי בכל הארגון. כמו כן, הוא גם יביא לפיתוח של הצעות חדשות מבית דאסו סיסטמס כגון פירוש דרישות, פיתוח תרופות ופירוש חוזים.

“על מנת להיות גמישים ובעלי יכולות שחזור,  AIתלויה בקיומו של מודל ייצוג חזק ויציב”, אמרה פלורנס הו-אוביני, סמנכ”ל מחקר ופיתוח בדאסו סיסטמס. “יכולות הפרשנות האוטומטיות של נתונים סמנטיים של Proxem מציעות הזדמנויות חדשות ללקוחות פלטפורמת ה-3DEXPERIENCE. הם מניעים קשר הדוק עם צרכנים, מטופלים ואזרחים, לוכדים תובנות לגבי חוויות וציפיות ומעצימים חדשנות עסקית באמצעות ידע מעשי שנצבר. חוויות וירטואליות בפלטפורמת ה-3DEXPERIENCE התואמות לעולם האמיתי (Virtual twin experiences) מעבירות כעת את ה-AI לשלב הבא, חושפות תוכן ויוצרות מנופים חזקים בתחומים חדשים. באופן זה חברות יכולות למנף את העיצוב והאיכות של המוצר שלהן על מנת להפוך לתחרותיות יותר.”

דאסו סיסטמס שילבה את התוכנה הראשית של Proxem, Proxem Studio, בפלטפורמת ה-3DEXPERIENCE כהשלמה ליישומי אינטליגנציית המידע של NETVIBES EXALEAD. דבר זה מאיץ את היצע דגמי ה-AI הזמינים, תוך הפיכת כל התוכן הציבורי והנגיש לתרשים ידע לשימוש חוזר בתעשייה. Proxem Studio מספקת הבנה שפה טבעית מבוססת כללים, עיבוד שפה טבעית, וטכנולוגיות ML המשמשות חברות כגון Air Liquide כדי להבין טוב יותר רשתות אספקה, ציפיות לקוחות, מגמות שוק והיבטים אחרים בעסק שלהם.

“שמונים אחוזים מכלל המידע הינו בלתי-מובנה, לא ניתן לעיבוד ונעול מבחינת הטקסט. יחד עם דאסו סיסטמס, נבנה את גרף הידע הרב-פנים של התעשייה”, אמר פרנסאי-ריג’יס צ’ומארטין, מייסד Proxem.

Posted by Stav Altfiru in חדשות

סיכום מיטאפ – Reinforcement Learning

בשבוע שעבר ערכנו מיטאפ וירטואלי של AI-ML מבית IsraelClouds ו-Ai-Blog, כאשר התמקדנו בנושא: Taxi Navigation with Q-Learning.

במהלך האירוע הועברו שתי הרצאות מקצועיות, כאשר ההרצאה הראשונה היוותה תיאוריה ומבוא ל-Q-Learning, וההרצאה השנייה הייתה Live Hands-On דמו עם דגש מעשי, עבור יישום של Q-Learning ב-Jupyter.

עבור כל אלו שלא היו במיטאפ, או לחלופין כאלו הרוצים לרענן את זיכרונם, לפניכם הסרטונים של ההרצאות שהועברו במיטאפ:

מילות פתיחה  ע”י צוות IsraelClouds והצגת ה-Moderator, איילת ספירשטיין

הרצאה 1: Q-Learning for Beginners

תמיר נווה, Algorithms Expert, Ai-Blog הסביר על התאוריה של Reinforcement Learning.

הרצאה 2: Teach a Taxi to navigate with Watson Studio

טל נאמן, Developer Advocate, IBM Center, העביר דמו ב-Live על יישום של Reinforcement Q-Learning תוך שימוש ב – Jupyter Notebook וב- OpenAI Gym toolkit.

מאת: מערכת Ai-Blog

Posted by Stav Altfiru in כנסים