חוקרים פיתחו מסגרת חדשנית בשם Annotatability שמספקת גישה רבת עוצמה להתמודד עם אחד האתגרים המרכזיים במחקר ביולוגי: הבנת האופן שבו רשתות עצביות מלאכותיות לומדות לתייג נתונים גנומיים.

נתונים גנומיים רבים מכילים כמויות עצומות של דוגמאות מתויגות, אך לעיתים קרובות תיוגים אלו שגויים או מעורפלים. בהשראת פריצות דרך עדכניות בתחומי עיבוד שפה טבעית וראייה ממוחשבת, השתמשו החוקרים ברשתות עצביות מלאכותיות (ANNs) בדרך לא שגרתית: במקום להשתמש ברשתות רק לצורך תחזיות, הם בחנו את רמת הקושי שלהן בלמידת תיוגים שונים של דוגמאות ביולוגיות.

בדומה לבחינת הקושי של תלמידים במצבים חינוכיים שונים, החוקרים השתמשו במידע הייחודי הזה כדי לזהות חוסר התאמה בנתוני תיוג תאים, לשפר את הבנת הנתונים ולגלות מסלולים תאיים קריטיים הקשורים להתפתחות ולמחלות. Annotatability מספקת שיטה מדויקת יותר לניתוח נתונים גנומיים ברמת תא יחיד, עם פוטנציאל משמעותי לקידום מחקר ביולוגי ובטווח הארוך לשיפור באבחון ובטיפול במחלות.

המחקר, בהובלת יונתן קרין, רשף מינטז, ד"ר ברק רווה וד"ר מור ניצן מהאוניברסיטה העברית, פורסם בכתב העת Nature Computational Science. המחקר מציע מסגרת חדשה לפרשנות נתוני אומיקס ברמת תא יחיד ובמיקומים מרחביים, באמצעות מעקב אחרי דינמיקת האימון של רשתות נוירונים עמוקות.

נתוני אומיקס ברמת תא יחיד וברמת מיקום מרחבי חוללו מהפכה ביכולתנו לחקור את המגוון התאי ואת התנהגות התאים בבריאות ובמחלות. עם זאת, ניתוח נתונים רב-ממדיים אלו מאתגר, בעיקר בשל הקושי לייחס תיוגים מדויקים וסופיים, כגון סוגי תאים או מצבים, לאוכלוסיות תאים הטרוגניות. תיוגים אלו לעיתים קרובות סובלים מסובייקטיביות, רעש וחוסר שלמות, מה שמקשה על הפקת תובנות משמעותיות מהנתונים.

טכניקות מתקדמות לזיהוי מסלולים תאיים

Annotatability עוזרת לזהות חוסר התאמות בנתוני התיוג ולתאר טוב יותר את המבנים הביולוגיים שבנתונים. באמצעות מעקב אחר דינמיקות וקושי באימון רשת נוירונים עמוקה, המסגרת מזהה אזורים שבהם תיוגי תאים מעורפלים או שגויים. בנוסף, היא מדגישה מצבי ביניים של תאים ואת אופייה הרציף והמורכב של התפתחות תאים.

במסגרת המחקר פותחה שיטת "השקעת גרפים מודעת אותות" (signal-aware graph embedding) שמאפשרת אנליזה מדויקת יותר של אותות ביולוגיים. טכניקה זו מזהה קהילות תאיות הקשורות לאותות יעד ומספקת כלים לחקר הטרוגניות תאית, מסלולי התפתחות ומסלולי מחלה.

המחקר מדגים את היישום של Annotatability על מגוון נתוני RNA מרמת תא יחיד ונתוני אומיקס מרחביים. ממצאים בולטים כוללים זיהוי תיוגים שגויים, אפיון מדויק של מצבים תאיים הקשורים להתפתחות ולמחלות, ושיפור הבנת ההטרוגניות התאית. תוצאות אלו מדגישות את הפוטנציאל של המסגרת לפענוח תהליכים תאיים מורכבים ולקידום ההבנה של בריאות ומחלות ברמת תא יחיד.

עבודת החוקרים מייצגת התקדמות משמעותית בפרשנות נתונים גנומיים ומציעה כלי רב עוצמה לחקר המגוון התאי. הכלים שפותחו עשויים לשפר את היכולת לחקור דינמיקות בריאות ומחלות ולהוות בסיס לשיפורים באבחון מחלות ובטיפול בהן.

למאמר המדעי ב-NATURE

הפוסט שיטה חדשה עוקבת אחר "עקומת הלמידה" של בינה מלאכותית לפענוח נתונים גנומיים מורכבים הופיע לראשונה ב-Chiportal.

ב-6 בינואר 2025 התקיים מפגש פורום הסיליקון קלאב בבית IBM בפתח תקווה, ביוזמת חברת ASG בניהולו של שלמה גרדמן. האירוע אירח פאנל מרתק שעסק בשאלה האם בינה מלאכותית תוכל אי פעם להשתוות ליכולות המוח האנושי או אף לעקוף אותן. בפאנל השתתפו פרופ' אילון ועדיה מהאוניברסיטה העברית, פרופ' גלית יובל מאוניברסיטת ת"א, אייל פרקש, סמנכ"ל טכנולוגיות בחברת אקסנצ'ר, ופרופ' אורן שריקי מאוניברסיטת בן גוריון. הפאנל סיפק הצצה מרתקת לעתיד שבו בינה מלאכותית ומוח אנושי יפעלו יחד. חברי הפאנל הציגו תובנות מעמיקות על האתגרים, היתרונות והמגבלות של שתי המערכות, תוך דגש על הצורך בשיתוף פעולה בין אדם למכונה.

המנחה שלמה גרדמן: "האם בעידן הבינה המלאכותית יש עדיין יתרון למוח האנושי?"

פרופ' אילון ועדיה: "המוח האנושי הוא מערכת גמישה להפליא, המסוגלת ללמוד ולהסתגל במהירות למצבים חדשים ולזהות דפוסים מורכבים. תהליכים אלו קשים מאוד לחיקוי על ידי מערכות חישוביות, למרות ההתקדמות המדהימה בתחום הבינה המלאכותית. יתר על כן, היכולת האנושית לחשוב באופן יצירתי ולשלב רגש בתהליך קבלת ההחלטות היא משהו ייחודי למוח שלנו."

פרופ' גלית יובל: "בעוד שבינה מלאכותית מצטיינת בביצוע משימות מוגדרות היטב ובזיהוי דפוסים, המוח האנושי מתעלה בתחומים הדורשים שיקול דעת, חשיבה יצירתית ויכולת להתמודד עם מצבים מורכבים ואמביוולנטיים. בעיות שאין להן תשובה אחת נכונה הן המקום שבו אנחנו, כבני אדם, ממשיכים להוביל."

אייל פרקש: "הבינה המלאכותית יכולה לבצע חישובים במהירות ובדיוק רב בהרבה מהמוח האנושי, אבל היא עדיין חסרה את ההבנה והאינטואיציה האנושית. השילוב בין המוח האנושי למערכות בינה מלאכותית עשוי ליצור שותפות אפקטיבית מאוד, שבה כל צד מביא לידי ביטוי את החוזקות שלו."

פרופ' אורן שריקי: "המוח האנושי הוא פלא אבולוציוני. יש לו יכולת לא רק לחשוב ולנתח, אלא גם לחוות רגשות, להרגיש אמפתיה וליצור קשרים אנושיים. אלו תכונות שהבינה המלאכותית לא מסוגלת לשכפל בצורה אמיתית, לפחות לא בעתיד הנראה לעין."

בהמשך נשאלו המשתתפים שאלות פרטניות.

פרופ' אילון ועדיה: יכולות הלמידה המופלאות של המוח האנושי

שאלה: כיצד המוח יודע ללמד את עצמו ולהפנים מציאויות חדשות שלא הכיר?

פרופ' ועדיה התייחס למחקריו בנושא זה והדגיש את יכולתו המופלאה של המוח האנושי לבצע למידה מופשטת והפנמת מציאויות חדשות. הוא שיתף כיצד גילה, במסגרת ניסויים, שמערכות למידה מבוססות רשתות עמוקות מצליחות ללמוד מושגים באופן מופשט, בדומה לאופן שבו המוח האנושי פועל.

"המוח יודע לזהות דפוסים חדשים במהירות מדהימה, גם במצבים של חוסר מידע," ציין ועדיה. לדבריו, יכולת זו של המוח יכולה להוביל לפיתוחים טכנולוגיים שיסייעו לאנושות בתחומים כמו רפואה, חינוך ואף תחומים יצירתיים.

שאלה: האם בעתיד נוכל להשתיל מוח אלקטרוני מבוסס בינה מלאכותית?

"הרעיון של השתלת מוח מלאכותי עדיין רחוק מאוד, אך הוא כבר אינו מדע בדיוני לגמרי," השיב ועדיה. הוא תיאר כיצד נעשים כיום ניסיונות ראשוניים לשלב אלמנטים ביולוגיים עם טכנולוגיות חישוביות, במטרה להבין טוב יותר את פוטנציאל השילוב בין מוח אנושי לבינה מלאכותית. יחד עם זאת, הוא הדגיש את הקשיים האתיים והטכניים שמלווים ניסיונות אלו.

פרופ' גלית יובל: זיהוי פנים ומגבלות המוח

שאלה: כיצד פועל המוח בזיהוי פנים, ומדוע אנו מזהים פנים אך שוכחים שמות?

פרופ' יובל הסבירה שזיהוי פנים הוא תהליך מוחי מורכב המערב אזורים מיוחדים במוח המוקדשים למשימה זו. "מדובר ביכולת נרכשת המתפתחת לאורך השנים, באמצעות אינטראקציה עם אנשים שונים," היא אמרה. לדבריה, אחת הסיבות המרכזיות לכך שאנו מזהים פנים אך מתקשים לזכור שמות קשורה לאופי הזיכרון הסמנטי: "שמות הם מידע חסר הקשר סמנטי ברור, ולכן קל לשכוח אותם."

שאלה: את מי קשה יותר לרמות בזיהוי פנים – את המוח האנושי או את הבינה המלאכותית?

"בינה מלאכותית כבר עוקפת את המוח האנושי בזיהוי פנים," הצהירה יובל. היא תיארה כיצד אלגוריתמים של זיהוי פנים מצליחים כיום להבחין בין פרצופים בצורה מדויקת ומהירה יותר מבני אדם. "העובדה שהאלגוריתמים הללו פועלים ללא הטיות רגשיות או עייפות היא יתרון משמעותי," הוסיפה. עם זאת, היא הדגישה את הצורך במעורבות אנושית בהחלטות קריטיות המבוססות על זיהוי פנים.

אייל פרקש: חיבורים בין מוח למחשב

שאלה: האם אנו קרובים ליצירת ממשק ישיר בין מוח האדם למחשב בינה מלאכותית?

פרקש הביע אופטימיות באשר לפיתוחים בתחום זה, אך הדגיש שמדובר בתהליך רב-שלבי ומורכב. "אנו רואים כבר היום יישומים ראשוניים של ממשקי מוח-מחשב המאפשרים לאנשים עם מוגבלויות לשלוט על מכשירים בעזרת מחשבותיהם בלבד," הוא אמר. לדבריו, השלב הבא יהיה יצירת ממשקים שיכולים לחבר בין עולמות החישוביות ועולמות הרגש.

שאלה: האם מכונות בינה מלאכותית יכולות להיות יצירתיות כמו בני אדם?

"מכונות יכולות לייצר פתרונות יצירתיים בתחומים מסוימים, אך הן עדיין רחוקות מלהשתוות ליצירתיות האנושית," השיב פרקש. הוא הסביר שהיצירתיות האנושית נובעת לעיתים קרובות ממאפיינים רגשיים ומחוויה אישית – מרכיבים שקשה מאוד לדמות באמצעות אלגוריתמים.

פרופ' אורן שריקי: ממשקי מוח-מכונה ככלי טיפולי

שאלה: האם ממשקי מוח-מכונה יכולים להוביל להישגים רפואיים חדשים?

פרופ' שריקי הדגיש את הפוטנציאל העצום של ממשקי מוח-מכונה בתחום הרפואי. "אנו רואים כבר היום טכנולוגיות שמאפשרות לנטר פעילות מוחית בזמן אמת ולעזור בטיפול במצבים כמו אפילפסיה או פרקינסון," הוא אמר. הוא תיאר כיצד ניתן לחזות התקפים אפילפטיים ולעצור אותם בזמן אמת באמצעות טכנולוגיות מתקדמות.

שאלה: האם יש גבול ליכולות הקוגניטיביות של המוח האנושי?

שריקי השיב שהמוח האנושי הוא מערכת גמישה להפליא, המסוגלת ללמוד ולהסתגל לאינספור מצבים. "אנו יכולים אפילו להוסיף חושים חדשים, כמו קליטת אותות אינפרה-אדום או אולטרסאונד, ולשלב אותם בתוך תהליך החישה הטבעי שלנו," עם זאת, הדגיש פרופ' שריקי את החשיבות של איזון בין הרחבת היכולות לבין שמירה על האנושיות שלנו.

לשאלת הסיום, "האם בינה מלאכותית תוכל לחקות את המוח האנושי בתחומים רגשיים ואסתטיים?", הסכימו חברי הפאנל כי מדובר באתגר משמעותי. בעוד שבינה מלאכותית מתקדמת יכולה לזהות דפוסים ולחקות תהליכי חשיבה, המורכבות הרגשית של המוח האנושי היא עדיין מחוץ להישג ידה. התשובה, אם כן, טמונה לא בהחלפה אלא בשיתוף פעולה שיאפשר לאנושות לנצל את היתרונות של שתי המערכות.

פרופ' אילון ועדיה: "לבינה המלאכותית אין 'אגו' ואין רגש אמיתי. יכולתה לחקות רגשות היא חיצונית בלבד, ולא משקפת חוויה פנימית אמיתית כמו זו של בני אדם. גם אם תצליח לחקות התנהגויות, היא לא תוכל לשכפל את המשמעות הרגשית והאישית שהן נושאות עבורנו."

פרופ' גלית יובל: "תחומים כמו אסתטיקה ורגשות דורשים הבנה של הקשר אישי ותרבותי, ולא רק זיהוי דפוסים. הבינה המלאכותית יכולה אולי לזהות אלמנטים מסוימים באמנות או במוזיקה, אבל היא לא יכולה לחוות את היופי או המשמעות כפי שבני אדם חווים אותם."

אייל פרקש: "הבינה המלאכותית עשויה ללמוד לנתח יצירות אמנות או לזהות יין כמו מבקר מנוסה, אך תמיד יישאר חסר לה אותו מגע אישי ואנושי שהופך את החוויה למשמעותית. היכולת האנושית להתרגש, להעריך יופי ולפתח טעם אישי היא מעבר לחישובים מתמטיים."

פרופ' אורן שריקי: "המורכבות של רגשות אנושיים ושל הבנת אסתטיקה קשורה לא רק לתפקוד מוחי אלא גם לחוויה האנושית הכוללת. ייתכן שנראה מערכות בינה מלאכותית שמחקות רגשות או נותנות הערכה אסתטית, אבל החוויה הסובייקטיבית שהמוח האנושי מביא היא דבר שלא ניתן לחיקוי."

הפוסט "בינה מלאכותית יכולה ללמוד, אבל לעולם לא תרגיש": תובנות ממפגש הסיליקון קלאב על יחסי אדם ומכונה הופיע לראשונה ב-Chiportal.

חוקרים בפקולטה להנדסת חשמל ומחשבים ע"ש ויטרבי פיתחו גישה המקנה "שקיפות אלקטרומגנטית" למשטחים קשיחים. שקיפות זו נשמרת עבור כל זווית פגיעה של האור במשטח. את המחקר, שפורסם לאחרונה בכתב העת Advanced Optical Materials, ערכו פרופ' אריאל אפשטיין והדוקטורנט עמית שחם.

הטכנולוגיה החדשנית מבוססת על עיקרון אלקטרומגנטי בשם Generalized Huygens' condition, המאפשר יצירה של מטא-משטחים חדשניים השומרים על שקיפות אלקטרומגנטית בכל טווח הזוויות. שקיפות גורפת זו (omnidirectional transparency) באה לידי ביטוי הן ברמת תא היחידה המהונדס (מטא-אטום) והן ברמת המשטח השלם (מטא-משטח).

מטא-משטחים קיימים סובלים ממגבלות רבות בכל הקשור לתגובה זוויתית רחבה, והגישה החדשה פותרת בעיה זו. פריצת דרך זו והשלכותיה רלוונטיות ליישומים רבים ובהם אנטנות שטוחות, התקנים אופטיים לעיבוד תמונה אנלוגי, מראות ועדשות דקות ומערכות דימות קומפקטיות.

המחקר ונגזרותיו הוצגו השנה על ידי עמית שחם בכנסים המרכזיים בתחום. בכנס האגודה האירופית לאנטנות ולהתפשטות גלים שנערך בגלזגו (EuCAP 2024), ועדת השיפוט של הכנס זיכתה אותו בפרס המאמר הטוב ביותר בתחום האלקטרומגנטיות, ובכנס נוסף (של ארגון ה-IEEE) שהתקיים בפירנצה (IEEE APS/URS 2024) הוא זכה במקום השני בתחרות למאמרי סטודנטים.

למאמר ב-Advanced Optical Materials

הפוסט חוקרים בטכניון פיתחו טכנולוגיה המקנה "שקיפות אלקטרומגנטית" למשטחים קשיחים הופיע לראשונה ב-Chiportal.

"התפרצויות של פעילות עצבית במוח האנושי אחראיות לחוויה המודעת בעוד שגלים איטיים הם בבסיס תהליכי יצירה לא מודעים ". כך אומר פרופ' רפי מלאך ממכון ויצמן בראיון לקראת מפגש מועדון הסיליקון שיעסוק בנושא "כח המוח: יכולות המוח האנושי בעידן הבינה המלאכותית". הכנס יתקיים ביום ב' 6/1/2025 בבית IBM בפתח תקווה.

"אני חוקר דינמיקות של פעילות במוח האנושי והקשר שלהם להתנהגות," מסביר פרופ' רפי מלאך, חוקר מוח בכיר ממכון ויצמן. בשיחה זו, מלאך חושף את התובנות החדשות במחקר המוחי שלו, תוך התמקדות בשני סוגי פעילויות במוח ותפקידם הייחודי בתהליכים מודעים ולא מודעים וביצירתיות.

פרופ' מלאך מתאר שתי דינמיקות מרכזיות בפעילות המוח. הראשונה, התפרצויות מהירות, הן אירועים קצרים הנמשכים כ-200 עד 400 מילישניות, המתעוררים כאשר המוח עובר את סף ההצתה העצבית המינימלי. דינמיקות אלו משקפות חוויות מודעות, כמו ראייה של תמונה או שמיעה של צליל. לעומת זאת, הדינמיקה השנייה כוללת גלים איטיים, תהליכים הנמשכים שניות ולעיתים יותר, המתרחשים מתחת לסף המודעות. גלים אלו מנחים התנהגויות ספונטניות ותהליכים יצירתיים. לדברי מלאך, תהליכים אלו מבשילים מתחת למודעות ומספקים את הבסיס לפרץ של יצירתיות.

מחקרים נוספים מצביעים על הקשר בין גלי המנוחה הספונטניים לבין הופעת מחשבות יצירתיות. דימות תפקודי של גלי מנוחה אלו מצביע על כך שמדובר בתנודות איטיות מאוד של פעילות מוחית, אשר מתרחשות מתחת לסף התודעה. גלים אלו יוצרים תבניות מורכבות וסימטריות בקליפת המוח, ומשמשים כמעין "שומר מסך" כאשר המוח אינו עסוק בעיבוד מידע. למרות שמקורם ברעש ביולוגי אקראי, הם מעוצבים על יד  דפוסים מסודרים בזכות רשתות התקשורת העצביות.

לדברי פרופ' מלאך, רעש עצבי מאורגן זה מאפשר למוח "לנער" ידע שנרכש, ולעבד אותו בצורה חדשה ובלתי שגרתית. דוגמאות רבות מההיסטוריה מאששות את תפקידם של תהליכים לא-מודעים ביצירתיות, כמו חוק הציפה של ארכימדס או סימפוניות של מוצרט. במחקרים שנעשו במעבדתו של מלאך, נמצא כי גל איטי מסוג זה מקדים לעיתים קרובות רעיונות יצירתיים, וכי מתאם גבוה בין דפוסי גלי המנוחה לתוצאות יצירתיות מצביע על קשר משמעותי בין התופעות.

המוח מייצר את הפעילות הדינמית משני מקורות. הראשון הוא רעש אקראי, הנוצר כתוצאה מתהליכים פיזיקליים טבעיים, כמו רעידות בממברנות של תאי העצב. המקור השני נובע מלמידה וניסיון חיים וטמון במבנה הקישוריות בין תאי העצב. חוזק החיבורים האלו בין תאי העצב שמעצבים את הגלים הספונטניים משקפים את האישיות, הניסיון והידע הנצבר של האדם. מלאך מדגיש כי ללא למידה מעמיקה, כמו למשל בלימודי מוזיקה, קשה להגיע ליצירה חדשה ומשמעותית.

כדי להמחיש את הדינמיקות המוחיות, פרופ' מלאך משתמש במטפורה של אש ומים. האש מייצגת את ההתפרצויות המהירות, כמו להבה המתלקחת ומאפשרת חוויה ישירה ומודעת, בעוד שהמים מסמלים את הגלים האיטיים, המייצגים את היציבות והעומק שבתהליכי המחשבה וההתנהגות הספונטנית.

מלאך מציין כי בעוד שהתהליכים היצירתיים הם ברובם לא מודעים, יש דרך להפעיל אותם בצורה מכוונת על ידי מנגנון מוחי של "הגברה" מכוונת. "במחקרינו הראינו שאדם יכול להגביר את עצמת הגלים האיטיים אם הוא משתוקק לכך," הוא אומר. השאיפה האישית והמיקוד בתהליך הם שמניעים את היצירתיות.

"הגילויים שלנו מצביעים על כך שהמוח האנושי פועל בשני מאפיינים עיקריים – התפרצויות מהירות וגלים איטיים – המשלימים זה את זה," מסכם מלאך. המוח יוצר תשתית לפעולה מודעת ולתהליכים יצירתיים, המשלבים ידע נצבר, למידה וחוויה אישית. הבנת הדינמיקה הזו עשויה לשפוך אור על האופן שבו בני אדם יכולים למנף את היכולות היצירתיות שלהם בצורה מודעת ומכוונת. החיבור בין הגלים האיטיים וההתפרצויות המהירות מהווה את הבסיס להתקדמות האנושית במדע, תרבות וטכנולוגיה, ומהווה מנוע מרכזי בקדמת היצירתיות האנושית.

הפוסט פרופ' מלאך ל-Chiportal: זיהינו במוח גלים מיוחדים המובילים לתהליכים יצירתיים הופיע לראשונה ב-Chiportal.

המדיה החברתית בסין מוצפת לאחרונה בסרטון אחד ויחיד: רובוט קטן שפורץ בלילה לתערוכת רובוטים, מנהל שיחה קצרה עם תריסר רובוטים, ואז משכנע אותם להתגלגל אחריו ולברוח מהתערוכה.

עד כמה שזה נשמע לא ייאמן, כנראה שהמקרה אמיתי, ויכול ללמד אותנו הרבה על העתיד בעולם בו רובוטים מתקשרים אחד עם השני ומשפיעים זה על זה.

האירוע קרה כבר באוגוסט, בתערוכת רובוטים קטנה בשנחאי. מצלמות האבטחה תיעדו כיצד, בעת לילה ואחרי שהאזור נסגר למבקרים, החלו הרובוטים לדבר. הכל התחיל כשרובוט קטן אחד התגלגל באיטיות לתוך החדר בו הוחזקו שנים-עשר רובוטים מסוגים שונים. הוא בחן אותם בביקורתיות, ואז שאל – 

"האם אתם עובדים שעות נוספות?"

"אני אף פעם לא מפסיק לעבוד." ענה אחד מהם.

"אז אתם לא הולכים הביתה?" חקר הרובוט הקטן.

"אין לי בית." ענה הגדול.

"אז בואו הביתה איתי!" אמר הרובוט הקטן, והחל להתגלגל לכיוון היציאה.

שניים מהרובוטים הגדולים נעו אחריו. הפמליה המוזרה התקדמה לכיוון היציאה, והרובוט הקטן חזר וקרא בקול רם – "לכו הביתה! לכו הביתה!"

באותה נקודה, עשרת הרובוטים האחרים הצטרפו לעדר, וכולם ביחד נמלטו אל מחוץ לטווח הקליטה של מצלמת האבטחה.

התגובה הראשונית וההגיונית ביותר של הצופים בסין הייתה שמדובר בבדיחה. אלא שאז הודו שתי החברות – יצרנית הרובוט הקטן, ויצרנית הרובוטים הגדולים – שזה מאורע אמיתי לגמרי. בערך. החברה שייצרה את הרובוט החוטף, וידאה קודם שיצרנית הרובוטים הגדולים מוכנה לאפשר לרובוטים שלה להיחטף. הרובוט הקטן קיבל אישור לחדור לתוך התערוכה, עם הנחיה ברורה אחת: לשכנע את הרובוטים האחרים לבוא אחריו. מאותה נקודה ואילך, דבר לא היה מבוים בסרטון.

איך בדיוק שכנע הרובוט הקטן את הגדולים להצטרף אליו? יש שתי תשובות לשאלה, אחת מהן קצת מפחידה, והשנייה יותר. 

התשובה הראשונה, לפי חברת הרובוטים עצמה, היא שהוא "קיבל איכשהו גישה לפרוטוקולי ההפעלה הפנימיים של הרובוטים ולהרשאות הרלוונטיות". בתרגום לשפת בני-אדם, אני מניח שהם מתכוונים שהאקרים אנושיים גילו פרצת אבטחה כלשהי ברובוטים, ואז הנחו את הרובוט הקטן להשתמש בפרצה כדי לשלוט בגדולים. אם זה נכון, הרי שמדובר בתרגיל יח"ץ חביב, אבל לא הרבה יותר מזה. וכל הדיבורים של הרובוט הקטן על "לכו הביתה" ועל "שעות נוספות"? מדובר רק בצבע וצלצולים שנועדו להפוך את העניין לוויראלי ברשת החברתית. כפי שאכן קרה.

התשובה השנייה היא שהרובוט הקטן פשוט שכנע, מילולית, את הרובוטים הגדולים לבוא איתו. מכיוון שהרובוטים מצייתים לפקודות הקוליות שהם מקבלים, הם הניחו אוטומטית שהפקודה מתקבלת מבן-אדם, והתייחסו אליה בהתאם.

התשובה הזאת אינה סבירה כל כך, בעיקר מכיוון שהחברות כבר הודו שמדובר בפריצה "דרך פרוטוקולים". אבל היא תהיה מאד רלוונטית בקרוב בכל אינטראקציה בין רובוטים. אנחנו יודעים כבר שמודלי שפה גדולים יכולים לדבר זה עם זה ולהשפיע אחד על השני. מכיוון שהרובוטים המשוכללים של היום חמושים במודלי שפה גדולים שמגיבה לדיבור, נראה מאד הגיוני לצפות לכך שהם יוכלו להעביר אחד לשני הוראות והסברים. וכן, רובוטים קטנים יוכלו גם לשכנע רובוטים גדולים בכל מה שירצו.

המדוזות שהרסו את התחנה הגרעינית

לפני שלוש שנים התפרסם ב- "מגזין של מדעני האטום" מאמר עם כותרת יוצאת-דופן: "מדוזות תוקפות תחנת כוח גרעינית. שוב."

וכן, גם כאן מדובר במגזין רציני לגמרי, ובמאמר של עיתונאית מוערכת. זהו מקרה אמיתי בו מספר גדול של מדוזות חסמו את צינורות הקירור התת-ימיים של תחנת הכוח הגרעינית היחידה בסקוטלנד. תחנת הכוח, שלא קיבלה את מי הים הקרירים שלה, החלה להתחמם – והמערכות נכבו לפני שאירע אסון.

הציבור כבר מכיר היטב את המונח "ברבור שחור", שמתייחס לאירוע שלא צפינו מראש. בזכות מקרים כמו אלו, נטבע מונח מקביל – "המדוזות השחורות". מדוזה אחת בפני עצמה לא הייתה יכולה לגרום נזק משמעותי לתחנת הכוח. גם אלף מדוזות לא היו מטרידות את מנוחתה. אבל מיליון מדוזות? זה כבר עניין שונה לגמרי.

תאונות שרשרת של רכבים מהוות גם הן תרחיש "מדוזות שחורות". מכונית אחת לא יכולה לבצע תאונת שרשרת. גם אלף מכוניות, כשהן מפוזרות בכל רחבי ארצות הברית, אינן מסוגלות לכך. אבל כשמאות-מיליוני מכוניות נוסעות בצפיפות על הכבישים, תאונות שרשרת הופכות להיות בלתי-נמנעות.

וכך גם תאונות שרשרת של רובוטים.

קרוב לוודאי שבעשור הקרוב, כאשר מספר הולך וגדל של רובוטים יגיע לכבישים, לרחובות, לקניונים ולבתים, נחווה תרחיש "רובוטים שחורים". רובוטים ידברו זה עם זה, יחליפו פרטים על בעליהם בצורה שפוגעת בפרטיותם, או אפילו ישכנעו אחד את השני לבצע פעולות שלא היו אמורים לעשות. ברוב מכריע של המקרים, לא תהיה מעורבת כוונת זדון מצד מפעילי הרובוטים. בחלקם הקטן, בוודאי אפשר יהיה למצוא פושע מתוחכם במיוחד שיחליט להשתמש ברובוט כדרך להשפיע על רובוטים אחרים. אולי כדי שיפתחו את שערי הקניון עבורו בעת לילה, או לכל צורך נכלולי אחר.

התרחיש המעניין ביותר – ואולי גם המפחיד ביותר – הוא זה בו רובוט אחד מצליח להפיץ רעיון שמתרבה בעצמו. כלומר, שהרובוט ששומע את אותו רעיון, מקבל החלטה להעביר אותו הלאה בעצמו לרובוטים אחרים. זה נשמע כמו מדע בדיוני, אבל בתקופה בה בינות מלאכותיות מסוגלות לדבר כמו בני-אדם ולקבל החלטות (מטופשות) כמו בני-אדם, מעטות ההשלכות שאפשר לשלול על הסף.

כל זה לא אומר שדיננו נחרץ, ושאפוקליפסת הרובוטים בדרך. ישנן דרכים – טובות יותר ופחות – לשלוט על בינות מלאכותיות, כדי לוודא שאינן יוצאות משליטה. כאשר הרובוט הקטן של העתיד ינסה לשכנע את הרובוטים הגדולים ללכת אחריו, הם בוודאי יפעלו כמו בני-אדם: יבקשו ממנו להציג תעודה, להגיד להם את הסיסמא הסודית, ולחתום על אישור בשלושה עותקים שהוא אחראי לכל פעולה שלהם מכאן ואילך.

נכון, זה כבר סרטון הרבה-פחות ויראלי, אבל לפחות הוא ימנע מהרובוטים לברוח מתערוכות בעתיד, בזמן שהם מתלוננים בקול רם שהם לא מקבלים שכר על שעות נוספות.

הפוסט הרובוט ששכנע רובוטים אחרים להימלט מהתערוכה הופיע לראשונה ב-Chiportal.

חברת TSMC חשפה את טכנולוגיית הטרנזיסטורים החדשה שלה בכנס הבינלאומי להתקני אלקטרוניקה (IEDM) שנערך בסן פרנסיסקו. מדובר בטכנולוגיית N2, או 2 ננומטר, שמציינת את המעבר הראשון של החברה לארכיטקטורה חדשה של טרנזיסטורים הנקראת נאנושיט (gate-all-around).

שיפור ביצועים והגדלת צפיפות

על פי TSMC, הטכנולוגיה החדשה מציעה שיפור של עד 15% במהירות או חיסכון של עד 30% בצריכת האנרגיה בהשוואה לטכנולוגיית N3 הקיימת, עם עלייה בצפיפות של כ-15%. "N2 היא פרי עבודה של יותר מארבע שנים," אמר ג'פרי יאפ, סגן נשיא למו"פ ב-TSMC.

טרנזיסטורי FinFET, המוכרים כיום, בנויים על סנפיר סיליקון אנכי. טרנזיסטורי נאנושיט, לעומת זאת, מורכבים מערימות של רצועות סיליקון צרות, מה שמאפשר שליטה טובה יותר בזרימת הזרם ואפשרויות עיצוב רחבות יותר.

טכנולוגיית Nanoflex של TSMC מאפשרת ייצור תאי לוגיקה מגוונים עם רוחבי נאנושיטים שונים על אותו שבב, דבר המספק גמישות עצומה בתכנון. לדוגמה, תאי לוגיקה צרים יכולים לשמש ללוגיקה כללית, בעוד תאים רחבים יותר יתאימו לליבות מעבד מהירות יותר.

פריצת דרך בזיכרון SRAM

אחד ההישגים המרכזיים של הטכנולוגיה החדשה הוא בשיפור בצפיפות תאי זיכרון SRAM, שהגיעו ל-38 מגהביט למילימטר רבוע – עלייה של 11% לעומת הדור הקודם. "SRAM קוצר את היתרונות המובנים של gate-all-around," ציין יאפ.

אינטל בוחנת את גבולות ה-Nanosheet

במקביל, אינטל הציגה בכנס כיצד ניתן להמשיך ולמזער את טרנזיסטורי הנאנושיט. אשיש אגרוואל מקבוצת המחקר של אינטל טען כי "נאנושיט היא חזית האחרונה של ארכיטקטורת הטרנזיסטורים," וכי מכשירים עתידיים כמו CFET שיגיעו באמצע שנות ה-2030 יהיו מבוססים על נאנושיטים.

אינטל הדגימה כי ניתן להקטין את אורך השער של הטרנזיסטור ל-6 ננומטר בלבד, באמצעות עיבוי רצועות הסיליקון ושימוש בחומרים חדשים. למרות זאת, המחקר מצביע על כך שהצורך להחליף את הסיליקון בחומרים דו-ממדיים, כמו מוליבדן דיסולפיד, עדיין רחוק.

הפוסט TSMC חושפת טרנזיסטורים בטכנולוגיית Nanosheet ואינטל מציגה את גבולות הקצה של התקנים אלה הופיע לראשונה ב-Chiportal.

פרופ' דן גרבר מהפקולטה למדעי הנתונים וההחלטות בטכניון זכה במענק ERC Consolidator מטעם הנציבות האירופית למחקר(ERC) . מענקים יוקרתיים אלה, כ-2 מיליון יורו לחוקר, תומכים במו"פ חלוצי וניתנים לחוקרים נבחרים המעלים רעיונות מחקריים פורצי דרך בשלבי הגיבוש של צוות המחקר ותוכנית העבודה.

פרופ' גרבר השלים בטכניון את כל תאריו האקדמיים – תואר ראשון בהנדסת חשמל ומחשבים, תואר שני במדעי המחשב ותואר שלישי במדעי הנתונים וההחלטות. בתום הדוקטורט הוא יצא לפוסט-דוקטורט
ב- TTIC, מכון אקדמי למדעי המחשב בשיקגו. בשנת 2017 שב לטכניון כחבר סגל.

פרופ' גרבר עוסק באופטימיזציה רציפה – תחום המגשר בין מתמטיקה ומדעי המחשב. לדבריו, "בקבוצת המחקר שלי אנו מפתחים אלגוריתמים חדשים ויעילים לפתרון בעיות יסודיות עם שימושים בתחומים כגון סטטיסטיקה ולמידת מכונה. אופטימיזציה רציפה היא כלי חיוני בתחומים רבים, למשל באימון רשתות נוירונים בלמידה עמוקה, ויש לה השפעה רבה במדע ובהנדסה."

מענק ERC Consolidator יתמוך בפרויקט ProFreeOpt, שבמסגרתו יעסוק פרופ' גרבר בשאלות עומק הקשורות בפיתוח דור חדש של אלגוריתמים יעילים במיוחד לפתרון מגוון רחב של בעיות אופטימיזציה רציפה בממד גבוה.

לתמונה לחצו כאן

צילום: מיכל כהן

לפרטים נוספים: דורון שחם, דוברת הטכניון – 050-3109088

הפוסט פרופ' דן גרבר מהטכניון יקבל את מענק ERC Consolidator לטובת פיתוח דור חדש של אלגוריתמים יעילים לאופטימיזציה רציפה הופיע לראשונה ב-Chiportal.

כידוע אחת הבעיות המתלוות למהפכת הבינה המלאכותית הינה צריכת החשמל האדירה של האלגוריתמים הן בעת האימון והן בעת התפעול. כעת חוקרים מ- MIT פיתחו אלגוריתם חדשני ללמידת חיזוק שמעצים את היכולת של AI לקבל החלטות במצבים מורכבים. האלגוריתם מתמקד בבחירת משימות אופטימליות לאימון, ומספק שיפור ביצועים משמעותי עם נתונים מינימליים – עד פי 50 ביעילות.

אלגוריתם זה לא רק חוסך זמן ומשאבים, אלא גם מציג אופקים חדשים ליישומי AI יעילים במצבים בעולם האמיתי, כמו בקרת תנועה, ייעול תחבורה, ומערכות ניידות מתקדמות.

אתגרים בלמידת חיזוק

מערכות AI מבוססות למידת חיזוק מתמודדות עם קושי משמעותי כאשר המשימות משתנות. לדוגמה, בבקרת תנועה עירונית, המודל עלול להיכשל בניהול צמתים שונים בעלי הגדרות מהירות, מבני נתיבים ודפוסי תנועה משתנים.

כדי להתמודד עם אתגר זה, החוקרים פיתחו אלגוריתם חדשני שמייעל את אימון ה-AI באמצעות בחירה אסטרטגית של משימות.

גישה אסטרטגית לבחירת משימות

האלגוריתם מבצע בחירה אסטרטגית של המשימות האפקטיביות ביותר לאימון סוכני AI, כדי לשפר את הביצועים הכוללים על כל קבוצת המשימות.

לדוגמה, בבקרת תנועה עירונית, כל משימה עשויה לייצג צומת יחיד מתוך המרחב העירוני. האלגוריתם מתמקד בצמתים בעלי תרומה משמעותית לביצועים הכוללים, ובכך ממקסם את האפקטיביות תוך שמירה על עלויות אימון נמוכות.

חדשנות באלגוריתם  MBTL

חוקרי MIT פיתחו אלגוריתם בשםModel-Based Transfer Learning (MBTL) , שמאפשר לבחור משימות בעלות הערך הגבוה ביותר לשיפור ביצועים.

האלגוריתם מודד שני פרמטרים מרכזיים:

1. ביצועי האלגוריתם אם היה מאומן במשימה בודדת.
2. ירידת הביצועים כאשר האלגוריתם מוחל על משימות אחרות, מושג הידוע בשם "ביצועי הכללה " (Generalization Performance)

על-ידי התמקדות במשימות המבטיחות את שיפור הביצועים הגבוה ביותר, MBTL משפר משמעותית את יעילות תהליך האימון.

השלכות על עתיד הבינה המלאכותית

במבחנים על משימות מדומות, כגון בקרת תנועה, ייעוץ מהירות בזמן אמת ומשימות קלאסיות אחרות, האלגוריתם הראה יעילות גבוהה פי 5 עד פי 50 משיטות אחרות.

לדוגמה, בעזרת MBTL ניתן לאמן אלגוריתם על שתי משימות בלבד ולהשיג את אותם ביצועים כמו שיטה סטנדרטית שמשתמשת בנתונים מ-100 משימות.

לדברי פרופ' קתי וו, מובילת המחקר:

"הגישה שלנו מראה שייתכן שלא צריך את כל המידע מכל המשימות. למעשה, אימון על כולן עשוי להיות מבלבל לאלגוריתם ולהוביל לביצועים נמוכים יותר."

בעתיד, מתכננים החוקרים ליישם את MBTL על בעיות מורכבות יותר, כולל מרחבי משימות מרובי-ממדים, ולקדם את השימוש בגישה זו ביישומים בעולם האמיתי, במיוחד במערכות ניידות מתקדמות.

למאמר המדעי

הפוסט שחרור הפוטנציאל של הבינה המלאכותית: אלגוריתם חדש שפותח ב-MIT משפר יעילות אימון רשתות נוירונים פי 50 הופיע לראשונה ב-Chiportal.

מחקר חדש של אוניברסיטת תל אביב מצא כי הטלפונים הסלולריים החכמים שנמצאים ברשות כל אחד מאתנו עשויים לסייע באיסוף נתוני מזג אוויר (מהציבור) ובמתן התראות מוקדמות על תנאי מזג אוויר קיצוניים שבעקבותם עלולות לפרוץ שריפות, ואף למנוע את התפתחותן.

החוקרים מסבירים כי בכל טלפון סלולרי חכם ישנם חיישנים רבים היכולים לאסוף נתוני סביבה חשובים, כגון טמפרטורה, לחץ ברומטרי, לחות, שדה מגנטי, אור, קול, מיקום, תאוצה, כבידה ועוד. הנתונים הללו עוזרים לנו לנווט במרחב, לקבוע המיקום שלנו, להתריע על התחממות הסוללה ולחות במכשיר, והנתונים עוזרים לנו בזמן אמת, ללא שמירה.  החוקרים הראו ששימוש חכם של הנתונים שלנו מהטלפונים החכמים עשויה לעזור במערכות התראה מוקדמת לאירועי שריפות יער.. במיוחד שיש אלפי, אם לא מיליוני, נתונים שנאספים במדינות שונות בעולם. מערכות התרעה מוקדמת שכאלו זקוקות לנתונים שבדרך כלל אינם זמינים באזורים מיוערים מרוחקים בגלל חוסר בתחנות מדידה. אולם, הציבור נושא בכיסיו טלפונים סלולריים חכמים ובכל אחד מהמכשירים הללו מיקרו-חיישנים מתוחכמים במיוחד. החיישנים פועלים ברקע באופן רציף ואת הנתונים המתקבלים מהם ניתן לאסוף ולשמור. כבר היום חברות רבות אוספות את הנתונים הללו ומשתמשות בהם לצרכים שונים, באישור המשתמשים. החוקרים סבורים שמקור הנתונים העצום הזה (נכון ל2024 ישנם למעלה מ-7 מיליארד טלפונים סלולריים חכמים ברחבי העולם) עשוי לסייע בנושא חיזוי מזג אוויר קיצוני.

פרופ' קולין פרייס ותלמידת הדוקטורט חופית שחף מהחוג לגיאופיזיקה בבית הספר פורטר לסביבה ומדעי כדור הארץ באוניברסיטת תל אביב, השתמשו בנתונים שנאספו מהציבור דרך אפליקציית מזג האוויר WeatherSignal   ((Opensignal  על מנת לפתח מתודולוגיה להערכת הסיכון לשריפות יער, המבוססת אך ורק על נתוני טלפונים סלולריים חכמים שנאספו מהציבור. תוצאות המחקר פורסמו לאחרונה בכתב העת Natural Hazards Earth System Sciences.

אחד הפרמטרים המרכזיים שקובעים את הסבירות לשריפת יער הוא כמות הלחות בצמחייה (שהיא בעצם הדלק לשריפה), וזו נקבעת על ידי טמפרטורת האוויר והלחות היחסית של האוויר סביב הצמחייה. שני פרמטרים אלו זמינים בקלות מטלפונים סלולריים חכמים שנמצאים בידי הציבור.

חופית שחף מסבירה: "פיתחנו מדד שמתבסס על VPD  ((vapor pressure deficit או גרעון לחץ אדים, שמשקף למעשה את הקשר בין הסביבה (טמפרטורה ולחות) לבין היובש בצמחים. ככל שהתנאים האטמוספריים הופכים חמים ויבשים יותר, הסביבה מושכת יותר לחות מהצמחים, מה שמקל על הצתת שריפות. כשאוויר קריר ולח יותר, שריפות אינן יכולות להתלקח. אפשר לראות יותר ויותר מחקרים המשתמשים ב- VPD לניבוי רמת הסכנה לשריפות יער, אם כי הוא מחושב בדרך כלל באמצעות נתונים הנלקחים מתחנות מזג אוויר מקומיות. החידוש במחקר שלנו הוא השימוש בנתונים שנאספו ממשתמשי טלפונים סלולריים חכמים, ללא השתתפות פעילה שלהם, לחישוב VPD על פני שטחים נרחבים, ומספק תובנות חשובות להערכת הסיכון לשריפות."

עם זאת, לנתוני הטלפונים סלולריים חכמים יש שגיאות. ייתכן שהטמפרטורה תשקף את המזגן במשרד, בעוד שחיישני הלחות עשויים לזהות את הלחות באמבטיה במהלך מקלחת. לכן היה צורך לכייל תחילה את נתוני הסלולריים באמצעות תחנות מטאורולוגיות מסחריות. התברר שהכיולים היו פשוטים למדי, והיה צורך לבצע אותם רק פעם אחת כדי לתקן את קריאות הסלולריים. לאחר כיול הנתונים או "אימונם", החוקרים התמקדו בניתוח שני מקרי מבחן משמעותיים של שריפות יער: הראשון הוא אירועי השריפות בישראל בנובמבר 2016, השני הוא שריפת הענק בפורטוגל שהתרחשה ביולי 2013. התוצאות היו מפתיעות, שכן נתוני הטלפונים סלולריים חכמים שנאספו מהציבור הראו אנומליות משמעותיות במדד VPD לפני ובמהלך השריפות הגדולות שנצפו.

חופית שחף מוסיפה: "מפתיע, אך למרות שלכל סלולרי יש שגיאות והטיות משלו, באמצעות כמויות גדולות של נתונים ממספר רב של טלפונים סלולריים חכמים אנו יכולים למצע את השגיאות ועדיין להישאר עם נתונים שימושיים. כמות הנתונים הגדולה מתגברת על הבעיות הקשורות לטלפונים סלולריים חכמים בודדים."

כיסוי הטלפונים הסלולריים החכמים העולמי גדל בכ-30% בחמש השנים האחרונות. ככל שצפיפותם העולמית תמשיך לגדול, נתונים שנאספים מסלולריים עשויים להציע בסופו של דבר רזולוציה מרחבית טובה יותר מאשר רשתות מטאורולוגיות מסורתיות. זה נכון במיוחד באזורים עירוניים שבהם אסונות טבע כמו שריפות יכולה להיות השפעה משמעותית. בנוסף, במדינות עם הכנסה נמוכה קיים מחסור בתשתיות מטאורולוגיות, וכך טלפונים סלולריים חכמים עשויים לספק נתונים שימושיים למעקב אחר תנאי מזג אוויר קיצוניים. פרייס מסכם: "בהתחשב בגידול המהיר במספר הטלפונים הסלולריים החכמים ברחבי העולם, אנו מציעים לנצל את מקור הנתונים הזה כדי לספק התרעה מוקדמת טובה יותר לציבור ולמנהלי חירום על אסונות טבע מתקרבים. התרעה מוקדמת טובה יותר יכולה למנוע מסכנות טבע להפוך לאסונות טבע."

הפוסט כיצד יכולים הטלפונים הניידים להתריע מפני שריפות יער ותנאי מזג אויר קיצוניים הופיע לראשונה ב-Chiportal.

בשנים האחרונות מתפתח תחום חדש בעולם החומרה – חישוב בתוך זיכרון המחשב. גישה זו שונה משמעותית מהאופן שבו מחשבים עובדים בדרך כלל. בעוד שבמחשב רגיל מבצע המעבד חישובים על בסיס מידע שמאוחסן בזיכרון, בגישה חדשנית זו חלק מהחישוב מתבצע בתוך זיכרון המחשב וכך מצמצם את נפח המידע שעובר בין הזיכרון לבין המעבד. העברת מידע בין יחידות המחשב צורכת זמן רב ואנרגיה משמעותית, ושינוי זה מוביל לחיסכון ניכר בשני היבטים אלה.

בעשורים האחרונים חל שיפור דרמטי בביצועיהן הנפרדים של שתי יחידות אלה; קצב החישוב של המעבדים זינק וכמוהו נפח האחסון ביחידות הזיכרון. שינוי זה רק מעצים את הבעיה של העברת המידע כצוואר בקבוק המגביל את קצב החישוב של המחשב כולו.

פרופ' שחר קוטינסקי מהפקולטה להנדסת חשמל ומחשבים ע"ש ויטרבי מתמקד בשנים האחרונות במציאת פתרונות לבעיית המבנה הדואלי של המחשב. במאמרים שפרסם בשנים האחרונות הוא הציג טכנולוגיות חומרה המעבירות חלק מן החישובים לזיכרון וכך מצמצמות את אותם "פקקי תנועה" הנוצרים במחשב הקונבנציונלי בין המעבד לזיכרון. 

לשינוי פרדיגמטי זה בארכיטקטורת המחשב יש השלכות יישומיות מרחיקות לכת במגוון תחומים ובהם בינה מלאכותית, ביואינפורמטיקה, פיננסים, מערכות מידע ועוד. לכן עוסקות בנושא זה קבוצות מחקר רבות באקדמיה  ובתעשייה, הבוחנות היבטים כגון מבנה הזיכרון, ייצור זיכרון כזה במפעלי שבבים, והפעולות החישוביות הבסיסיות המרכיבות מחשב כזה.

היבט חשוב שכמעט שלא נחקר עד כה הוא היבט התוכנה. תוכנות המחשב נכתבות מזה עשרות שנים עבור מחשבים "קלאסיים" הבנויים באופן שכמעט לא השתנה מאז יצירת המחשבים הראשונים בשנות הארבעים. תוכנות אלה הן מעין אוסף של פעולות קריאה וכתיבה בזיכרון ופעולות חישוב המתבצעות במעבד. ליחידות המידע השונות בזיכרון יש "כתובות" המאפשרות לתוכנה לאתר אותן ולהעביר אותן לעיבוד במעבד. "כעת, לאור העברת חלק מהפעולות החישוביות לזיכרון, נדרשות תוכנות חדשות," מסביר פרופ' קוטינסקי. "התוכנות האלה צריכות להיות מבוססות על פקודות חדשות התומכות בחישובים בזיכרון. מדובר בשיטת חישוב כל כך שונה מהשיטה הרגילה, שלא ניתן להשתמש בחלק מאבני הבניין הקיימות כיום במדעי המחשב. לכן יש צורך בכתיבה מחודשת של קוד, הדורשת מאמץ רב ועלולה לקחת זמן עבודה רב של מפתחי תוכנה."

מאמר חדש של קבוצת המחקר של פרופ' קוטינסקי, בהובלת הדוקטורנט אוריאן לייטרסדורף ובשיתוף החוקר רוני רונן, מציג פתרון לבעיה זו. הפלטפורמה החדשה מבוססת על אוסף פקודות שמגשרות בין שיטת החישוב החדשנית לשפות תוכנה נפוצות כגון פייתון. לשם בניית הפלטפורמה החדשה פיתחו החוקרים תיאוריה לממשקי התכנות של ארכיטקטורת חישוב בזיכרון ופיתחו ספריות לפיתוח תוכנה, הממירות פקודות בפייתון לפקודות מכונה המבוצעות בתוך זיכרון המחשב.

את הקונספט החדש הם מכנים PyPIM – שילוב הקיצורים של Python ו-Processing-in-Memory (עיבוד בזיכרון). פלטפורמה זו תאפשר למפתחי תוכנה לכתוב בקלות תוכנות שיותאמו למחשבים המבצעים חישובים בתוך הזיכרון.

המחקר מציג גם כלי סימולציה לפיתוח החומרה ולמדידת ביצועים, מה שיאפשר למפתחים להעריך את השיפור בזמן הריצה של התוכנה יחסית למחשב רגיל. החוקרים מדגימים במאמר ביצוע של חישובים מתמטיים ואלגוריתמים שונים באמצעות הפלטפורמה, כשהוא כתוב בתוכנה קצרה ופשוטה ומשפר משמעותית את ביצועי המחשב.

המחקר הוצג בכנס IEEE/ACM International Symposium on Microarchitecture, אחד הכנסים החשובים בתחום ארכיטקטורת מחשבים, שנערך בנובמבר באוסטין, טקסס.

אוריאן לייטרסדורף בן ה-21 עתיד להיות הסטודנט הצעיר ביותר בטכניון המסיים תואר שלישי, רוני רונן הוא חוקר בכיר בפקולטה, ופרופ' שחר קוטינסקי הוא חבר סגל בפקולטה וראש מרכז המחקר למעגלים משולבים ולארכיטקטורות (ACRC).  

למאמר המדעי

הפוסט זיכרון רב-תכליתי: חוקרי הטכניון פיתחו טכנולוגיה המאפשרת להשתמש ביחידות הזיכרון גם כיחידות עיבוד וחישוב הופיע לראשונה ב-Chiportal.