AI ומלואו: תור הזהב של מדעני הנתונים מגיע לתעשייה ולאקדמיה

מרפואה ועד מוזיקה, מספרות עד ספורט, אין תחום שלא נעזר כיום בטכנולוגיות לקטלוג דאטה והפקת תובנות מתוכו בעזרת יכולות על אנושיות. למה כדאי להעמיק בזה כבר בתואר ראשון?

לאן שלא נפנה, מה שלא נעשה, אנחנו מוקפים בינה מלאכותית. זה מזמן לא רק ה"חשודים המיידיים" כמו הייטק, רפואה וכלכלה –  גם בספורט ובספרות, במוזיקה ובהיסטוריה, היכולת לאסוף דאטה, לקטלג אותו ולהשתמש בו באופן מהיר ויעיל מקפיצה את התוצאות. המשמעות לתעשייה ולשוק העבודה ברורה: מה שלפני 50-40 שנה קרה למתכנתים ולמדעני המחשב, קורה עתה למדעני הנתונים.   

למה דווקא עכשיו? משתי סיבות עיקריות: ראשית, נרצה או לא נרצה, המכונות עדיפות עלינו במגוון יכולות. "עין המחשב מדויקת יותר מהעין האנושית, לצ'יפים יש יכולות להכיל כמויות אסטרונומיות של דאטה, והאלגוריתם המתאים מסוגל להתמודד בשבריר שנייה עם היקף עצום של נתונים", אומר ד"ר ליאור רוזנצוייג, ראש בית הספר למדעי הנתונים ובינה מלאכותית באפקה – המכללה האקדמית להנדסה בתל אביב. "טכנולוגיות AI מצליחות לזהות ולאפיין במהירות גידול סרטני כמו גם לשייך יצירת אומנות לתקופה או לצייר ספציפי לפי פריסת הצבע על הקנבס".   

הסיבה השנייה נוגעת למה שמכונה בינה מלאכותית יוצרת – Generative AI. "ההשקה של ChatGPT פתחה עידן חדש, שבו כל אחד מאיתנו לא רק מבין שהוא חשוף ל-AI בצורה מעורפלת כלשהי, אלא יכול ממש לגעת בטכנולוגיה, לשחק איתה, להתרשם מקרוב מהקסמים שלה ולהפעיל אותה למגוון רחב של צרכים". גם אם הבינה המלאכותית  נגישה לנו כפי שלא הייתה מעולם – ונראה שאנחנו בקושי מגרדים את קצה הקרחון – עדיין עבור רובנו היא בגדר "קופסה שחורה". וכאן נכנסת האקדמיה לתמונה.

הזדמנות לשפר את העולם

"הצורך האקדמי נבנה מלמטה וזוהה בתעשייה", אומר ד"ר רוזנצוייג. "נוצרה דרישה למקצוענים בתחום, ולא רק כאלה שלמדו 'גם' את זה או לקחו קורס אונליין. נוצר צורך ממשי במחקרי AI, בפיתוח של האלגוריתמיקה, בהבנה עמוקה שלה, וככל שניתן – כבר בתואר ראשון".

לחידוד השוני בידע וביכולות, הוא מוסיף: "אחד האתגרים של הבינה המלאכותית הוא ההבנה מתי היא תעבוד ומתי לא, או איך אפשר להכשיל אותה. למשל: לשנות כמה פיקסלים בתמונה כך שהאלגוריתם לא יזהה שחתול נשאר חתול. וכמובן, כיצד ניתן למנוע את זה. אתגרים מהסוג הזה שייכים לעולם האקדמי, למי שמבין את התחום בצורה מעמיקה. הרי ברור לנו שלהיות 'טוב במתמטיקה' ולהיות מתמטיקאי אלה שני דברים שונים לגמרי – וכך גם ב-AI. למי שלמד על אלגוריתמים יש כנראה ארגז כלים אלמנטרי. אבל מי ששוחה בחומר יודע מראש לאיזה נתיב לגשת, מה שיחסוך זמן רב של ניסוי וטעייה, והוא יכול גם ליצור אלגוריתם חדש. לפתח את זה לצדדים ובקצוות, לדעת איפה להשתמש ואיפה לא, לשלוט בטרמינולוגיה ולהבין את המאמרים החדשים".

מתוך ההכרה בתחום כ"דבר הגדול הבא" וכעולם בפני עצמו, הוקם באפקה בית הספר למדעי הנתונים ובינה מלאכותית, ובו שתי תוכניות: תואר ראשון במדעי הנתונים ותואר שני במערכות תבוניות. התואר הראשון כולל שלוש שנות לימוד והוא נפתח בהקניית היסודות התאורטיים – מתמטיקה, תכנות וכדומה. השלב הזה נלמד יחד עם סטודנטים למדעי המחשב, שכן הבסיס בשתי הדיסציפלינות זהה. לאחר מכן חל הפיצול, כאשר במדעי הנתונים ניתן דגש משמעותי לסטטיסטיקה ולאלגוריתמיקה. השנה השלישית ללימודים כבר כוללת קורסי בחירה כמו עיבוד שפה טבעית (NLP) וראייה ממוחשבת, וכן פרויקט שנתי שמדמה את מה שיידרש מהבוגרות והבוגרים בתעשייה עצמה. למשל, להתעמק בנתוני אמת שהתקבלו ממרכז רפואי ולהכריע, על סמך הנתונים הרלוונטיים והאלגוריתם המתאים, מי נמצא בסיכון לחלות בסוכרת.     

עד כמה התעשייה מודעת לפער, כלומר לייחודיות של בוגרי התואר במדעי הנתונים? "היא מבינה את זה יותר ויותר", מעיד ד"ר רוזנצוייג. "לאחרונה זה הפך לגולת הכותרת בשפע של תחומים וסקטורים. והשפע הזה הוא בדיוק מה שיפה: כל אחד יכול לבחור במושא התשוקה שלו – אם זה לחקור גנטיקה, לכתוב מוזיקה אלקטרונית או לאמן קבוצת כדורגל – ולהביא לשולחן את ההבנה שיש לו בדאטה ו-AI. כך שמעבר לביקוש הצומח שיפגשו בשוק התעסוקה, לבוגרי התואר במדעי הנתונים יש הזדמנות אמיתית לשפר את העולם שהם אוהבים".

למידע נוסף על לימודי תואר ראשון במדעי הנתונים