לימוד המכונה – על Machine Learning ,Big Data ומה שביניהם |
בשנים האחרונות העיתונות הכלכלית נשטפה בזרם של מושגים חדשים מהעולם הטכנולוגי, כגון: Big Data, Machine Learning, Data Science. בשנת 2012, Data Science אף הוגדר על ידי כתב העת הנחשב Harvard Business Review כמקצוע הסקסי של המאה ה-21. אולם, כמה מאתנו באמת מבינים על מה מדובר?
המונח Machine learning התפרסם לראשונה אי שם בשנות ה-50 של המאה ה-20, כאשר מפתחים בחברת IBM עבדו על פיתוח מחשב המסוגל "לשחק" דמקה. בעשורים שלאחר מכן נוספו תגליות ופותחו אלגוריתמים רבים אשר הביאו לצמיחת ה-Machine Learning לתחום מחקר עצמאי הנשען על יסודות איתנים בסטטיסטיקה, מדעי המחשב ומתמטיקה. למעשה, מדובר במערכת מחשוב לומדת, כזו שבכל שימוש מחקה את יכולת האדם להסיק מסקנות ולהשתפר וכך בביצוע הבא תתאים את עצמה למשתמש יותר ויותר.
בזכות הפשטות היחסית בהדגמה ובהשוואת הביצועים לאלה של בני אדם, במרוצת השנים חוקרים עשו שימוש רב במשחקים כאמצעי להדגים את יעילותם של גילויים בתחום. דוגמאות בולטות הן:
- 1992: פיתוח מחשב המסוגל לשחק שש-בש ברמה מקצוענית
- 1997: מחשב העל Deep Blue מנצח לראשונה את אלוף העולם גרי קספרוב בשח-מט.
- 2011: מחשב העל Watson מנצח את אלופי כל הזמנים בשעשועון הטלוויזיה Jeopardy.
כיום, בזכות התפתחויות משמעותיות בתחום המחשוב, והבנת הפוטנציאל הכלכלי העצום מיישום נכון של אלגוריתמים של Machine Learning, התחום זוכה לעדנה מחוץ לכותלי האקדמיה.
תחום ה-Machine learning חייב את פריצתו לפרוליפרציה של מידע של המאה ה-21. כל עוד האיסוף, האחסון והניתוח של נתונים הצריך השקעה מאסיבית בטכנולוגיה יקרה, חברות מסחריות נמנעו מלהסתמך על ניתוח נתונים כאמצעי העיקרי לקבלת החלטות. עד לא מכבר, על מנת ליהנות מכלים אנליטיים מתקדמים חברות נאלצו להשקיע סכומי עתק בשרתים, מרכזי מחשוב וכוח אדם מיומן המסוגל לתרגם נתונים לתובנות עסקיות. שימוש בכלים הנחשבים כיום טריוויאליים, כגון תוכנת אקסל, היווה סמל לחוד החנית של השימוש בנתונים בעולם העסקי. אולם, התפתחותם של האינטרנט ומערכות מחשוב ענן במהלך שנות האלפיים הביאו לפיצוץ אדיר בהיקפי הנתונים הזמינים לחברות, וביכולתן לעבד את הררי המידע החדשים.
מה זה Big Data?
בשונה מ-Machine Learning המונח Big Data יותר מופשט בהגדרתו. למעשה מדובר במונח חצי טכנולוגי חצי שיווקי אשר מתאר כמויות אדירות של מידע. לדוגמה, נניח כי חברה מסחרית מעוניינת לבסס החלטה עסקית, כגון הרחבת שיווקו של מוצר לשוק חדש, על סמך נתונים אמפיריים. פעם שיא החדשנות התבסס על עריכת ניסוי מבוקר והתבוננות במספר קטן של תצפיות. לאחר מכן ניתן היה לאסוף מידע רב יותר, ממדגם של מספר אלפי לקוחות ולנתח את הנתונים במחשבי החברה. כיום, מערכות איסוף ואגירת המידע כה יעילות, עד כי ניתן לאסוף נתונים כמעט על כל רכישה של המוצר, בכל חנות מאז השקתו. בפשטות ובלי להיכנס להגדרות סבוכות, מערכת מידע שכזו, אשר אוספת, אוגרת ומנתחת מיליארדי רשומות יכולה להיחשב כמערכת Big Data.
התפתחות האינטרנט ונפוצות הטלפונים החכמים מביאים כיום לצמיחה אדירה בתחומי ה-Data. מדי יום נאספת ברחבי העולם כמות של כ-2.5 קווינטיליון בייטים של מידע, כלומר המספר 25 שלאחריו 17 אפסים. מדובר בכמות כה גדולה עד כי מוערך ש-90% מהמידע האגור בעולם נאסף בשנתיים האחרונות בלבד. לכמויות המידע האדירות הללו יש פוטנציאל לשימוש ביישומים רבים ומגוונים, חלקם שימושיים ביותר, כגון אפליקציית הניווט ווייז, וחלקם עושים שימוש במידע על מנת למקד פרסומות באופן היעיל ביותר. אך חשוב להבין כי היישומים הקיימים כיום הינם רק קצה הקרחון של הפוטנציאל הטומן בחובו עידן המידע.
פיתוחים מבוססי Machine learning בשילוב Big Data באופן כזה או אחר, כוללים:
- בתחום התחבורה מערכות מחשוב מתקדמות המסוגלות לעבד את שטף המידע הזמין, מאפשרות את פיתוח הרכב האוטונומי, המסוגל לקלוט מידע מסביבתו ולנהוג ללא צורך במגע יד אדם. אלגוריתמים מתקדמים יאפשרו את התפעול והשימוש השיתופי בכלי רכב שכאלה. כבר כיום חברות כמו Uber עושות שימוש באלגוריתמים של Machine Learning על מנת לנבא את הביקוש למוניות בכל אזור ובכל שעה, ולהתאים תמחור דינאמי אשר יתאים בין ההיצע לביקוש.
- בתחום הרפואי כלים חישוביים וסטטיסטיים המפותחים כיום, יאפשרו בעתיד התאמה אישית של טיפולים ותרופות על פי מיפוי ה-DNA של המטופל. כמו כן, חיישנים לבישים מאפשרים מעקב שוטף אחר מדדים רפואיים, דבר המאפשר טיפול מוצלח יותר במטופלים לאחר אשפוז, ואף זיהוי מוקדם של לשלל בעיות בריאותיות משבץ מוחי ועד סרטן.
- בתחום הביטוח הררי המידע הנאספים מחיישנים לבישים יאפשרו בעתיד הקרוב התאמה ותמחור אישי של פוליסת הביטוח. דמיינו כי ענידת שעון חכם המסוגל לנטר את הפעילות הגופנית ומדדים רפואיים של המשתמש, תאפשר אמידה מדויקת של הסיכון הביטוחי ותאפשר חיסכון של מאות שקלים למבוטח.
לסיכום, עתיד מהפכת ה-Big Data צופן בחובו הבטחה גדולה לשלל יישומים שישפרו את חיינו. מדובר בתחום חם ביותר אך רווי אתגרים. חברות אשר יצליחו לפצח את הפוטנציאל האדיר הגלום בעידן המידע יוכלו ליהנות מרווחים נאים. מנגד, חברות אשר יאחרו לעלות על הרכבת ויידבקו בטכנולוגיה מיושנת, עלולות למצוא עצמן מחוץ למשחק. עוד מוקדם לזהות את המרוויחות והמפסידות מיישומי הטכנולוגיה שעודנה בחיתוליה, אך בטוח שהעתיד צופן גדולות ונצורות.
סקירה זו מיועדת לצורך מידע בלבד ואינה מהווה ייעוץ, שידול, המלצה או חוות דעת באשר לכדאיות ההשקעה או חיסכון בכל מוצר ואינה מהווה תחליף לייעוץ אישי הניתן בכפוף להוראות הדין. אין בסקירות, נתונים, ידיעות, ניתוחים והערכות המופיעים בטקסט ו/או בתמונות שבמסמך זה משום מתן ייעוץ בדבר כדאיות ההשקעה בנושא כלשהו מהנושאים המפורטים במסמך ואנו ו/או כל מי שפועל מטעמנו לא יכול לערוב לשלמותה או לדיוקה של הסקירה. יובהר כי עשויות להיות למנורה מבטחים ביטוח בע"מ ו/או לחברות קשורות לה ו/או ללקוחותיהן עניין ו/או אחזקות בניירות ערך ו/או בנכסים פיננסים המפורטים בסקירה. מנורה מבטחים ביטוח בע"מ ו/או מי מטעמה לא יהיו אחראים לכל נזק שיגרם, למאן דהוא, כתוצאה מהסתמכות על מסמך זה. אין להעתיק, לצלם, להדפיס, לשכפל, להפיץ, לפרסם ברבים, במישרין או בעקיפין את הסקירה ו/או כל חלק ממנה בכל דרך שהיא ללא הסכמה מראש ובכתב של מנורה מבטחים ביטוח בע"מ.
מוקד ביטוח חיים
טלפון | 2000* |
פקס | 03-7602746 |
שעות פעילות | ימים א'-ה' בין השעות 8:00-16:00 |
דוא''ל | moked-life@menora.co.il |
כתובת | ת.ד 927, תל אביב, מיקוד 6100802 |