The Beginner Generative AI Handbook - סיכום ספר

הספר The Beginner Generative AI Handbook של Jordan Blake מ- 2025, ספר להסבר עקרונות וכלים היכולים לסייע למי שמתחיל דרכו בעולם הבינה היוצרת.

כיום כשכולנו יודעים לפעול ולעשות שימוש כלשהו בכלים אלו, למה צריך לקרוא ספר למתחילים?

אז, קודם כל, הוא מסביר גם מה שמאחורי הקלעים. וזה חשוב.

שנית, הוא מארגן את ההבנות הקיימות ומשלים ידע.

נושאים מרכזיים:

• מבוא

• שימושים

  • ניהול שיחה

  • עיצוב, יצירה ואמנות

  • חדשנות עסקית

  • פיתוח קריירה

• בינה אחראית

• שוויון הזדמנויות ומגוון

• עתיד הבינה: מגמות וחידושים

סקירה זו אינה תחליף לספר, אם כי מתאבן למי שטרם קרא, ותזכורת מארגנת למי שכבר אחרי.

מקווה שיהיה לכם לעזר!

מבוא

מונחי בסיס:

1. בינה מלאכותית (artificial intelligence): פתרונות ממוכנים בעלי יכולת לחיקוי קבלת החלטות ופתרון בעיות אנושי.

2. למידה מפוקחת (supervised learning): פתרונות למידת מכונה המבוססים על נתונים המלווים בתגיות לטובת meta data. [למידה לא מפוקחת... למידה הפועלת על נתונים ללא צורך בתגיות].

3. אלגוריתמים (algorithms): הוראות העבודה, או לפי Blake ״המתכון הסודי״ המאפשרות על סמך הנתונים להציע מענים. אלגוריתמים פשוטים הם עצי החלטה (אם-אז), אלגוריתמים מורכבים יותר כוללים ניתוח רגרסיות, רשתות נוירונים ועוד.

4. נתונים (data): חומר הבסיס, שבלעדיו למכונה אין ערך. מחייבים עיבוד מקדים (טיוב) כדי לייצר ערך.

5. רשת נוירונים (neural network): אוסף שכבות של נתונים המעבירות מידע ביניהן.

6. למידת מכונה (machine learning): תת דיסציפלינה של בינה מלאכותית המתמקדת במערכות הלומדות מהנתונים.

7. למידה עמוקה (deep learning): תת דיסציפלינה של למידת מכונה המתבססת על רשתות נוירונים מרובות שכבות כדי לנתח כדפוסים מורכבים.

8. בינה יוצרת (generative AI): פתרונות בינה מלאכותית שמטרתם ליצור תוכן- בין טקסט, תמונה, תווים או כל פורמט אחר.

מודלים טיפוסיים של בינה יוצרת:

1. וGANs-Generative Adversarial Networks: ה GAN פועל כזוג מכונות שאחת מייצרת אינסוף מענים ואילו השנייה מסננת ובוחרת את המעטים הטובים שבה. הסינון משמש גם ככלי ללמידה של המכונה הראשונה, ושיפור מתמיד של תוצריה. שימוש לדוגמה יכול להיות ביצירת תמונות אמנות.

2. וVAEs-Variational Autoencoders: ה- VAE פועל להבנת התכנים, עיבודם ויצירתם מחדש בדרך פשוטה יותר ומצומצמת מבחינת היקף התוכן. מתאים למגוון שימושים החל מכיווץ קבצים ועוד Remix למוזיקה ועוד הרבה בין לבין.

3. וAutoregressive Models: פועלים על הנתונים שלב אחר שלב, ובכל שלב מציעים את השלב הבא. שימוש טיפוסי יהיה כתיבת סיפור, כאשר כל סט מילים שנכתב משמש כקלט לבחירת המשך המשפט ותחילת המשפט הבא.

לסיכום- למידת מכונה בכלל ובינה יוצרת בכלל, ממומשות על ידי מודלים. אלו פועלים נתונים מטויבים, ושילובם עם אלגוריתמים בדרך חכמה. דרך יישום ושילוב האלגוריתמים, תוך בחירת הנתונים וטיובם בדרך מיטבית, יוצרים את המודל. תהליך הפיתוח לדיוק וטיוב אלו נקרא ״אימון״ (מ.ל.).

שימושים

בינה יוצרת יכולה לשמש למגוון רחב מאד של צרכים. Blake בוחר מספר שימושי-אב מרכזיים, אותם הוא פורט. אלו לא רק מייעלים את העבודה, אלא גם משפרים את התוצרים, האידיאל הוא עבודת צוות משותפת (אדם-מכונה). ובכל זאת, הם משמשים כזרז לדמוקרטיזציה של תחומים רבים שהיו עד היום נחלת המיעוט.

ניהול שיחה

ניהול שיחה כללי הוא השימוש הבסיסי בבינה יוצרת. כולל:

• כתיבת פרומפט ראשוני

• בחינת התשובה, שיקוף ושיפור הכתיבה

• התאמה אישית: הוספת תפקיד, קהל יעד, הקשר, מטרה וסגנון

• תרחיש שיחה

• פתרון בעיות (טיפול באי הבנות, טעויות והזיות)

• היבטים יצירתיים לשיח (למשל- בקשה להוספת הומור)

• ניהול בקשות מורכבות (בקשות עם רבדים)

כלים מרכזיים: Open AI ChatGPT, Google Gemini

עיצוב, יצירה ואמנות

בינה יוצרת יכולה לשמש ליצירת אמנות משותפת עם אנשים במגוון תחומים. תפקידה של הבינה הוא כולל גם לייעל ביצוע משימות, אך הוא עוסק גם ביצירה עצמה והגברת היצירתיות:

• מוזיקה. לדוגמה: רמיקס, ליווי, עיבוד, עירוב סגנונות מוזיקליים ועוד.

• סיפורת. לדוגמה: הצעת רעיונות לעלילה, כתיבת שלד, כתיבת קטעים, שיפור הכתיבה ועוד.

  • כלים מרכזיים: Jasper AI, Grammarly.

• חשיבה עיצובית: רעיונות יצירתיים, קידום תהליכים לפי מודלים שונים, תכנון חוויית משתמש ועוד.

  • כלים מרכזיים: Adobe Sensi, Canva.

חדשנות עסקית

חדשנות עסקית היא יותר מאשר ליישם משימות בנושאים המפורטים לעיל.

מעבר להיבטים של בינה אחראית (פרק שלם להלן) יש לתת את הדעת על:

1. שבירת ה silos של המידע הארגוני, שכן המידע הוא הבסיס עליו הבינה יכולה לפרוח.

2. בשלות אנושית והפחתת חששות (מ.ל.)

3. אסטרטגיה מדורגת למימוש

תחומים טיפוסיים בהם הפעילות העסקית יכולה להתייעל או להשתפר:

• ניהול העבודה. לדוגמה: מציאת זמנים לפגישות, הקצאת משימות בהתאם לעומס ועוד.

• שירות לקוחות. לדוגמה: Chatbot שנותן מענה לשאלות 24x7, שיפור חווית לקוח, ניתוח רגישות של התקשורת עם לקוחות ועוד.

• תפעול. לדוגמה: ניהול מלאי, תכנון תחזוקתי, קיימות ועוד.

• בריאות. לדוגמה: שיפור דיוק אבחנות וזיהוי אנומליות.

• צמיחה ופיתוח עסקי. לדוגמה: קידום חדשנות תוך היוועצות והסתייעות בבינה למימוש, ניתוחי ותחזית שוק, ניתוח מתחרים.

פיתוח קריירה

פיתוח קריירה בשוק העבודה המתחדש מחייב ידע ביכולות בינה מלאכותית.

אין הכוונה שכולם יעבדו כמפתחי מודלים, אלגוריתמים או תוכניתנים, ובכל זאת:

יש להכיר ברמה הבסיסית את הרעיון של מאגרי מידע, אלגוריתמים ומודלים;

ללמוד כלים ודרכי שימוש;

להעמיק ולהבין את השימוש האתי בבינה.

מומלץ להשקיע זמן באופן קבוע בלמידה תוך כדי החיים והעבודה, ולאמץ יכולות של אדפטיביות, תוך הבנה שהכל כל הזמן משתנה.

אין לחשוש מפני החלפה שלנו על ידי מכונות בינה, כי ההצלחה תגיע מהסינרגיה של השילוב. יש להבין שהבינה היא בו בזמן גם איום אך גם הזדמנות, והכרה בהזדמנות היא מפתח להלך רוח מתפתח (growing mindset) ולהצלחה ביישום.

ואיך לומדים? דרך קורסים, דרך קריאה, דרך כנסים ודרך נטילת חלק ברשתות של העוסקים בנושא.

בינה אחראית

האחריות לבינה אחראית היא של כולנו- רגולטורים (ממשלה), מובילי תעשייה, ארגונים, וכל אחד מאיתנו.

האחריות כוללת התייחסות למספר מרכיבים:

• הטיות- נובעות בעיקר, מנתונים עליהם נסמכים המודלים שמוטים בתוכנם, היות ואינם מייצגים דיים.

• סודיות נתונים של הפרט- נובע מקיום מידע ונתונים רבים על כולנו ברשת, ומשיתוף נתונים מוגבלים בסביבות הענן בהם פועלת הבינה.

• הוגנות ואחריותיות- ההוגנות מתייחסת להימנעות משימוש לא העדפה או אפליה, ואילו אחריותיות מתייחסת לצורך בפיתוח ושימוש המקבלים אחריות לשגיאות ופועלים לתיקונם.

דרכי פעולה:

• מודעות וידע (מ.ל.)

• קידום מדיניות אתית לנושאי בינה מלאכותית. בפיתוח מדיניות שכזו, כדאי לשלב קולות מגוונים ככל האפשר, כדי לצמצם הטיה ולהגביר הוגנות.

• ניטור ובקרה שוטפים, לחיפוש בעיות, התגברות עליהן ומציאת דרכים עתידיות למניעתן.

שוויון הזדמנויות ומגוון

כאשר מדברים על מגוון אין הכוונה רק להסתפק בנתונים מגוונים. Blake, מעבר להתייחסויות לאורך הספר, מקדיש פרק ייעודי לחשיבות שוויון ההזדמנויות והבטחת המגוון:

1. בקרב העובדים שהתמחותם קשורה לבינה מלאכותית. Blake מתייחס לחשיבות השוויון בהיבטים של:

   1. מגדר (רק 22% נשים כיום)

   2. תרבות

2. בהנגשה של יישומים לבעלי צרכים שונים.

3. בהקשבה והתחשבות בקולות מגוונים בכל הקשור בקבלת החלטות ושימוש בבינה.

שוויון ההזדמנויות לא רק נועד לטובת אותם אלו שחלקם היום נמוך באופן יחסי, אלא לטובת החברה כולה; פיתוח ויישום בינה מלאכותית הם נשכרים משמעותית ממגוון, שכן זה זרז משמעותי לחדשנות.

חובתם של אלו שכבר שולטים בשוק לסייע לאחרים להשתלב, בין אם בהדרכה, מנטורינג או כל אמצעי אחר.

עתיד הבינה: מגמות וחידושים

טכנולוגיות הבינה המלאכותית מתפתחות כל הזמן ובקצב מסחרר.

כיווני התפתחות טכנולוגיים שכדאי לעקוב אחריהם:

• וEdge Computing: מחשוב המתקרב לנקודות הקצה של המכשירים, החיישנים וה- IoT בכלל.

• וNatural Language Processing- NLP: עיבוד שפה טבעית. מהווה לא רק בסיס לממשקים בין הבינה לאנשים, אם כי גם למודלים ולמינוף יכולת ההבנה מהמידע.

• וQuantum Computing: דיסציפלינה רב-תחומית הכוללת פיזיקה קוונטית, מתמטיקה ומדעי המחשב, ומאפשרת פיתוח מחשבים המבוססים על תופעות קוונטיות כמו סופרפוזיציה ושזירה. מחשבים אלה מסוגלים לבצע חישובים מסוימים במקביל וביעילות רבה יותר מאשר מחשבים קלאסיים, ובעיקר מתאימים לעיבוד של כמויות עצומות של מידע ובעיות חישוב מורכבות.

הבינה תשפיע על העבודה, על ההתנהלות בכל בית, על המדיה והבידור, ועל החברה בכלל.

וBlake חוזר ומדגיש שמטרת הבינה המלאכותית לא להחליף אנשים אלא לחזק את יכולותיהם ואת יכולת קבלת ההחלטות שלהם. כדי להצליח להתמודד בעולם החדש עלינו להיות גמישים ואדפטיביים.

תלמדו. תתחברו. ותנסו להיות יצירתיים וחדשנים בפתרון בעיות וניצול הזדמנויות. העתיד שלנו יהיה מבוסס בינה מלאכותית ובידינו האפשרות לקחת אותו למקומות נפלאים.

---

רוצה ללמוד עוד על בינה מלאכותית?

הנה מספר כתבות שאולי יעניינו אותך:

• סוכנים אוטונומיים בעידן הבינה המלאכותית

• בינה מלאכותית אחראית בארגונים: עקרונות, סיכונים והזדמנויות

• שימוש בכלי בינה מלאכותית של מיקרוסופט ליצירת גרפיקה – הלכה למעשה