בזמן האחרון אני שומעת יותר ויותר buzz words כמו "ביג דאטה" ו"למידת מכונה" (Machine Learning). בטח גם אתם. אז החלטתי לבדוק סוף סוף על מה כולם מדברים, וגם לגלות מה הקשר שלנו, אנשי הלמידה, לטרנד החם הזה.
מרגישים שאתם הולכים לאיבוד וצריכים שמישהו יעשה לכם קצת סדר? זה הפוסט בשבילכם 🙂
מה זה בכלל ביג דאטה?
זה שמידע חדש נוצר כל הזמן – אנחנו כבר יודעים. מה שמעניין הוא שברוב הארגונים היום נאסף מידע בכמויות עצומות, בכל זמן נתון. המידע הזה מגיע ממקורות כמו מערכות מידע, האינטרנט, רשתות חברתיות ואפילו מכשירים שמחוברים לרשת – כמו מכוניות, מוצרי חשמל ומוצרים ביתיים (מה שמכונה "האינטרנט של הדברים" או "Internet of things").
כדי שיהיה אפשר לעשות שימוש במידע הזה, צריך קודם-כל לאחסן, לנהל ולארגן אותו בצורה שתאפשר לגשת אליו בצורה יעילה. מחשבים בודדים לא מסוגלים לבצע את המשימה הזאת. אז איך עושים את זה? למשל בעזרת טכנולוגיות ענן (שרתי אחסון). אנחנו משתמשים בטכנולוגיות ענן בלי שאנחנו תמיד מודעים לזה, למשל- גוגל דרייב ודרופבוקס.
אז אחסון יעיל של מידע הוא הכרחי לביג דאטה, אבל אם אנחנו רוצים להפיק ערך כלשהו מהנתונים שאספנו, צריך לעבד ולנתח אותם. הניתוח יכול להיות בסיסי, כמו סינון של נתונים וביצוע חישובים פשוטים (כמו סטטיסטיקות). אבל כשמדברים על ביג דאטה מדברים בדרך כלל על האפשרות לניתוח מורכב יותר, שמזהה דפוסים ותבניות ומפיק תובנות על התנהגות של אנשים ומערכות. ניתוח כזה יכול לעזור לארגון לקבל החלטות, לשנות אסטרטגיות, לשפר תהליכים וכו'.
הסרטון הזה מסכם בצורה ידידותית מה זה ביג דאטה, וגם מגלה כמה עובדות מפתיעות על מהפיכת המידע. 2 דקות, בעברית- מומלץ בחום.
איך ביג דאטה קשור לבינה מלאכותית, ללמידת מכונה וללמידה עמוקה?
בינה מלאכותית (AI או Artificial Intelligence) היא היכולת של מחשבים לבצע משימות שבדרך כלל מצריכות אינטליגנציה אנושית.
זוכרים שליחות קטלנית? מטריקס? אז כזה, רק פחות מפחיד (בינתיים…).
כלים וטכנולוגיות של AI מאפשרים לבצע עיבודים וניתוחים מורכבים שמייצרים תובנות.
למידת מכונה (Machine Learning) היא כלי של בינה מלאכותית, שבו המחשב לומד על ידי ביצוע הכללה מתוך דוגמאות רבות שאנחנו נותנים לו.
למידה עמוקה (Deep Learning) היא סוג מתקדם של למידת מכונה, שבו המחשב עצמו מפיק תובנות מורכבות בעזרת טכנולוגיות שמחקות את פעולת המוח, כמו זיהוי ופענוח של תמונה, טקסט או דיבור.
והנה כל זה באיור:
ביג דאטה ולמידת מכונה - איפה אנחנו פוגשים אותם ביום יום?
כולנו משתמשים בטכנולוגיות של למידת מכונה – כשאנחנו מקבלים הצעות לתיוג חברים בפייסבוק, נוהגים עם Waze, מנהלים שיחות טיפשיות עם SIRI (ה"עוזרת האישית" באייפון), מקבלים המלצות צפייה אישיות בנטפליקס או המלצות רכישה באמאזון.
ביג דאטה ולמידת מכונה משפיעים כבר היום על הרבה מאוד תחומים בתעשייה, כמו מסחר אלקטרוני, רפואה, פיננסים וגם תחום משאבי אנוש.
למשל, חברת ההשמה Riviera Partners משתמשת בלמידת מכונה כדי לגייס את המועמדים המתאימים ביותר ללקוחות שלה. החברה מנתחת נתונים פנימיים וחיצוניים על מועמדים, כמו קורות חיים ומידע מראיונות עבודה, לינקדאין, פייסבוק וכו'. המידע שמתקבל על המועמדים (כמו ניסיון קודם, כישורים, זמינות לעבודה חדשה וכו'), עוזר לחברה לאתר את המועמדים המתאימים ביותר.
ומה הקשר לתחום הלמידה?
קודם כל, למידה באמצעות דוגמאות, שמאפיינת למידת מכונה, היא גם אחת הדרכים היעילות שבהן אנחנו לומדים ומלמדים אחרים. הרבה פעמים אנחנו מציגים ללומדים בהדרכות שלנו דוגמאות חיוביות (מה כן) ודוגמאות שליליות (מה לא), ומאמנים אותם שוב ושוב, כדי לעזור להם לגבש קונספטים ומיומנויות.
מבחינה יישומית, ביג דאטה ולמידת מכונה הם "הדבר החם הבא" גם בתחום הלמידה, ואני מניחה שבעתיד נראה יותר ויותר התפתחויות בכיוון.
אחד היישומים שכבר מדברים עליהם קשור לזיהוי פערי ידע מתוך נתונים שנאגרים בארגון, ואיתור פרואקטיבי של עובדים ספציפיים שזקוקים להכשרה.
יישום נוסף הוא התאמה אישית (פרסונליזציה) של תהליכי הלמידה ללומד. כלומר, היכולת לאבחן מראש את הלומד, להמליץ לו על הכשרות שיכולות לעניין אותו או להתאים לו, ולהתאים לו את מסלול הלמידה מבחינת קצב לימוד, שיטה, תכנים וכו'.
היום אנחנו עושים חלק מהדברים הללו בעצמנו, אבל תחשבו כמה מדהים יהיה אם נוכל בעזרת ביג דאטה ולמידת מכונה לבנות בקלות תהליכי למידה מדויקים, מהירים ואפקטיביים יותר?
הצד האפל של ביג דאטה ולמידת מכונה
התחום הזה מרתק, אין ספק, אבל ברור לכולם שאי אפשר להתעלם מהבעיות שהוא מייצר. למשל בעיות של אבטחת מידע ואיומי סייבר או בעיות אתיות ומשפטיות שקשורות לפגיעה בזכויות הפרט. שלא לדבר על האפשרות (שכבר מתממשת היום בחלק מהתחומים) שמחשבים ורובוטים "חכמים" יחליפו אותנו בשוק העבודה.
רק לפני כמה ימים פורסם ב-YNET הסרטון הזה על רובוט שמכין קוקטיילים לא פחות טוב מברמן אנושי…
המקצוענים שעוסקים בתחום הזה עדיין לא מסכימים ביניהם האם אנחנו צריכים להיכנס לפניקה ולנסות לעצור את ההתקדמות הטכנולוגית הזאת לפני שיהיה מאוחר מדי, או לזרום עם הטכנולוגיה ולנסות לגייס אותה לצד שלנו.
כך או כך, כדאי שנכיר בעובדה שהתפקיד שלנו כמקצועני למידה משתנה ועוד ישתנה בעתיד ככל שטכנולוגיות של ביג דאטה, בינה מלאכותית ולמידת מכונה ייכנסו לתחום.
לפני שמסיימים, הנה מילון מונחים מקוצר.
זהו! עכשיו גם אתם בעניינים 🙂
אשמח לשמוע אם הפוסט הזה עשה לכם סדר או חידש לכם.
*תודה מיוחדת לבן זוגי (שיחייה), שמלמד מכונות ללמוד למחייתו –
על שסבל בגבורה את העיניים המזוגגות שלי, וגם את החפירות, השאלות, השרטוטים והניג'וסים… (אבל היי, לפחות עכשיו אני מבינה מה אתה עושה כל יום!).
