ZF אימצה את טכנולוגיית אימות ה-ADAS של קוגנטה מרחובות

חברת קוגנטה (Cognata) מרחובות וקבוצת ZF הגרמנית (ZF Friedrichshafen), פיתחו פלטפורמה דיגיטלית לבדיקת האיכות והאמינות של מערכות ADAS בטיחותיות המבוסס על שילוב של מידע שנאסף מחיישני רכב בעולם האמיתי ביחד עם הפעלת הפלטפורמת הווירטואלית לאימון ובדיקת המערכות של כלי-רכב אוטונומיים, שפותחה על-ידי קוגנטה. המערכת קיבלה את הכינוי ADAS.AI ומיועדת להאיץ את הפיתוח של מערכות מתקדמות לבטיחות לרכב (ADAS) בכלי-רכב פרטיים וציבוריים. תאגיד ZF גם ישתמש במערכת לצורך פיתוח עצמי וגם ישווק אותה ביחד עם קוגנטה ליצרנים אחרים.

מנכ״ל ומייסד קוגנטה, דני עצמון (בתמונה למעלה), אמר שפלטפורמת ADAS.AI החדשה של ZF, כוללת אלגוריתמים של קוגנטה. עצמון: ״אלגוריתם הבינה המלאכותית של קוגנטה מאפשרת להמיר מידע אמיתי מנסיעות מבחן פיזיות של כלי-רכב קיימים, למידע המאפשר לבצע בדיקה וירטואלית של מערכות ADAS ברמות אוטונומיה של עד L2+. אנחנו קוראים להמרה זו 'Real-to-Real Transformation'". מנהל תחום האלקטרוניקה ומערכות הבטיחות ב-ZF, כריסטוף ממט, אמר שהגישה הזאת פוטרת את יצרן הרכב מהצורך "להעסיק לגיון של נהגי מבחן ולהשקיע מיליוני דולרים בבדיקה ואימות המערכות.

לדבריו, "יצרניות הרכב מחפשות פתרון הדומה למבחני ריסוק, המאמת את המערכת באופן דיגיטלי עוד לפני בניית האבטיפוס הראשון. כעת יש לנו את הטכנולוגיה המאפשרת לעשות זאת״. קבוצת ZF מייצרת מכלולים מכניים ואלקטרוניים לתעשיית הרכב, ונחשבת לאחת מהיצרניות הגדולות בעולם של מצלמות קדמיות בכלי הרכב. מדובר באחת מהחברות התעשייתיות הוותיקות בעולם, אשר הוקמה בשנת 1915 כדי לייצר רכיבים עבור ספינות האוויר הגדולות מסוג צפלין.

החברה מספקת חלקים מכניים, מערכות אלקטרוניות ופתרונות הספק חשמלי עבור יצרניות מכוניות פרטיות, אוטובוסים, משאיות ורכבות בכל העולם. כיום היא מעסיקה כ-150,000 עובדים ובשנת 2020 הסתכמו מכירותיה בכ-32.6 מיליארד אירו. היא מכירה היטב את תעשיית טכנולוגיות הרכב הישראלית, ובמהלך 2019 היא חתמה על הסכמי שיתוף פעולה עם מובילאיי, קוגנטה ועם אופטימל-פלוס. קוגנטה הוקמה בשנת 2016 על-ידי המנכ"ל דני עצמון, שייסד בעבר את חברת iOnRoad שנמכרה ל-HARMAN.

בתמונה: המחשת קונספט Real-to-Real Transformation

אנשים בוחרים ביישומי AI לפי "החמימות", לא לפי הביצועים

לעתים רבות הצרכנים נדרשים לבחור בין מערכות ושירותים שונים המבוססים על בינה מלאכותית ודומים מאוד אחד לשני, כמו למשל שירותי מיפוי, מנועי חיפוש, אתרי סרטים ומוסיקה ועוד. כיצד הם בוחרים ביניהן? מחקר חדש שבוצע לאחרונה בטכניון מגלה שבניגוד להנחה המקובלת בתעשייה, שלפיה הבחירה מתבצעת בהתאם לביצועי האלגוריתמים של בינה מלאכותית, בפועל היא נעשית בהתאם לגורם אחר לגמרי, שקיבל את הכינוי "חמימות המערכת", או "כוונותיה": נכונותה לעבוד לפעול לטובת המשתמש.

המחקר בוצע על-ידי שלוש חוקרות מהפקולטה להנדסת תעשייה וניהול בטכניון: הדוקטורנטית זהר גלעד, ד"ר עפרה עמיר וד"ר ליאת לבונטין. הן ערכו שישה ניסויים שבהם השתתפו יותר מ-1,600 איש. בכל ניסוי התבקשו המשתתפים לבחור בין שתי מערכות מבוססות בינה מלאכותית שתוארו על-ידי חמימותן (כוונות המערכת) ויכולותיהן. מדובר בשני מימדים להערכה ושיפוט של אנשים אחרים שנחקרו רבות בפסיכולוגיה חברתית. כיום מוסכם בתחום שהן רלוונטיות גם לשיפוט אנושי כלפי ישויות לא-אנושיות כגון סוכנים וירטואליים ורובוטים. במילים אחרות, אנשים מייחסים כוונות ויכולות גם למערכות מלאכותיות המבוססות על בינה מלאכותית.

לטובת מי המערכת עובדת?

המחקר הנוכחי, בניגוד למרבית המחקרים בנושא, התמקד במערכות בינה מלאכותית שאין להן נוכחות פיזית או וירטואלית (מערכות המלצה דוגמת נטפליקס וספוטיפיי). החוקרות את החמימות של המערכת על סמך המרוויח העיקרי מהשימוש בה – את מי המערכת מציבה בראש סדר העדיפויות. כך למשל כאשר המשתמש מפעיל אפליקציית ניווט מסויימת, הוא יכול לחוש שהדרך שהיא מציעה אינה הדרך המהירה ביותר ושהאפליקציה מנסה לבדוק על חשבונו אם יש פקק בדרך או ללמוד על מהירות הנסיעה בדרכים צדדיות. תחושה כזו מעידה על תפיסת חמימות נמוכה של המערכת – המשתמש אינו משוכנע שהיא פועלת לטובתו.

החוקרות מצאו שהחמימות שמייחסים למערכת היא שיקול חשוב בעיני משתמשים פוטנציאליים, והשפעתה גדולה מהשפעת היכולת הביצועית של המערכת. מרבית האנשים העדיפו מערכת חמימה על פני מערכת בעלת יכולות טכנולוגיות גבוהות. העדפה זו נמשכה אפילו כאשר המערכת החמימה הייתה בעלת נחיתות טכנולוגית מוצהרת. כך לדוגמה, כאשר המשתמשים התבקשו לבחור בין שתי מערכות שממליצות על ביטוח רכב, מרביתם העדיפו מערכת עם יכולת נמוכה (המבוססת על אלגוריתם בסיסי שאומן על 1,000 החלטות קודמות) וחמימות גבוהה (פותחה עבור אנשים כמוהם), על-פני מערכת עם יכולת גבוהה (מבוססת אלגוריתם חדשני שאומן על 1,000,000 החלטות קודמות) וחמימות נמוכה (פותחה עבור סוכני ביטוח).

רובוטים כבני-אדם…

באופן דומה, מרביתם העדיפו מערכת המלצת סרטים בעלת אלגוריתם נחות שמתבססת רק על מידע שמגיע מהם, על-פני מערכת בעלת אלגוריתם מתקדם שמתבססת על מידע המגיע מהם, אך במקביל גם מנסה לקדם סרטים מסוימים. כלומר, הצרכנים מוכנים לוותר במידה מסוימת על יכולות של המערכת אם הם מאמינים שהיא ידידותית ופועלת לטובתם.

הממצאים האלו דומים מאוד לממצאים המתקבלים במחקר על אינטראקציות בין בני אדם, שכן גם בשיפוט של בני אדם אחרים תפיסת החמימות (הכוונה) מקבלת עדיפות על תפיסת היכולת. מהמחקר הנוכחי אפשר ללמוד כי אנשים משתמשים באותם חוקים חברתיים כדי לשפוט בני אדם ומערכות מבוססות בינה מלאכותית. המחקר מומן בהשתתפות הקרן הלאומית למדע (ISF) והוצג לאחרונה בכנס CHI Conference on Human Factors in Computing.

IC-SHINE GLOBAL קיבלה את הנציגות של LIPS הטאיוואנית

חברת חברת IC-SHINE GLOBAL מהרצליה קיבלה את הנציגות הבלעדית בישראל של חברת LIPS הטאיוואנית, אשר מתמקדת בתחום החיישנים התלת מימדיים ובינה מלאכותית. החברה מספקת מצלמות תלת מימד ותוכנות עיבוד לסביבה תלת מימדית, המיועדות להטמעה בתוך מערכות משובצות דוגמת מצלמות ואבזרים אחרים הזקוקים ליכולת התמצאות תלת מימדית. החברה הוקמה בשנת 2013 על-ידי קבוצת מהנדסים בוגרי MIT, ועובדת בשיתוף פעולה עם חברות מובילות בתחום, דוגמת אינטל, אנבידיה, פנאסוניק, טושיבה, טקסס אינסטרומנטס, סוני וחברת CEVA הישראלית.

לאחרונה הודיעה חברת ב.מ.וו שהיא בחרה במחשב NVIDIA Issac ובמצלמת LIPSedge AE400 של LIPS לצורך פיתוח רובוט לוגיסטי אשר יפעל בתוך קווי הייצור של מפעלי הרכבת המכוניות שלה. עם סיום פיתוח הרובוט, הוא יופעל בכמויות גדולות בכל מפעלי הייצור של ב.מ.וו, כדי לשנע חלקים וכלים אל עמדות ההרכבה והייצור. מצלמת LIPSedge (בתמונה למעלה) היא יחידה עצמאית המייצרת תמונת מצב סביבתית תלת מימדית המבוססת על טכנולוגיית 3D ToF. המערכת כוללת רכיב FPGA מסוג Cyclone V של אינטל, וניתנת להפעלה מיידית כמצלמה חכמה. בין השאר, היא מופיעה ביחד עם תוכנת פיתוח יישומים המוטמעת בתוך המצלמה עצמה, במטרה לסייע בפיתוח מהיר של יישומים חדשים.

למידע על החברה: https://www.lips-hci.com

למידע על זמינות והזמנות בישראל: [email protected]

הגיוס של היילו מתלהט: הגיעה לשווי שוק של כמיליארד דולר

חברת היילו (Hailo) מתל-אביב נמצאת כיום בשבלים מתקדמים של גיוס הון בהיקף צפוי של כמיליארד דולר. לגיוס הזה הצטרפה גם חברת דלק רכב, אשר הגדילה את השקעתה בחברה ב-18 מיליון דולר נוספים. בסך הכל היא השקיעה בחברה 34.5 מיליון דולר. ל-Techtime נודע שמאז גיוס ההון הקודם מחודש מרץ 2020 שבמהלכו החברה גייסה 60 מיליון דולר לפי שווי שוק של כ-130 מיליון דולר, הכפילה החברה את שווייה פי שמונה. פירוש הדבר שהגיוס הנוכחי נעשה לפי שווי שוק של קצת יותר ממיליארד דולר.

חברת דלק רכב מבצעת בשנים האחרונות השקעות רבות בחברות הייטק הפועלת בשוק הרכב. בין השאר היא השקיעה במובילאיי בתחילתה, בחברת אינוויז ובחברת אוטוטקס. היום החברה דיווחה שעם השלמת הגיוס הנוכחי היא תחזיק בכ-12% ממניות היילו. מדובר בהכפלה של פי ארבעה בשווי השקעתה בהיילו. חברת היילו הוקמה בשנת 2017 על-ידי המנכ"ל אור דנון, ה-CTO אבי באום ומנהלת הפיתוח העסקי הדר צייטלין. המשקיע הראשון בחברה היה זהר זיסאפל, המשמש כיו"ר Hailo. מאז הקמתה גייסה החברה כ-88 מיליון דולר (ללא הגיוס הנוכחי).

השלב הבא: גיוס עשרות עובדים נוספים

החברה פיתחה ארכיטקטורה חדשה של מעבד ליישום רשתות נוירוניות. המעבד שלה, Hailo-8, מיועד לממש את שלב ההרצה, כלומר יישום ההסקות (Inference) באבזרי קצה. הוא מגיע לעוצמת עיבוד של 26 מיליארד פעולות בשנייה (26TOPS) וליעילות של 3TOPS לכל ואט. השבב בנוי מארבעה מרכיבים מרכזיים: מעבד תמונה המשפר את התמונה המגיעה מהחיישן לפני העברתה לזיהוי ברשת הנוירונית, מעבד לקבצי וידאו בתקן H.264, מעבד ARM-M4 המנהל את השבב, והרשת הנוירונית עצמה, שהחברה פיתחה, אשר מורכבת ממטריצה גמישה של יחידות עיבוד ויחידות זיכרון, אשר ניתן להגדיר את התצורה שלה באמצעות תוכנה.

ל-Techtime נודע שהחברה מתכננת לצאת בקמפיין גיוס עובדים גדול עם השלמת הגיוס הנוכחי. כיום החברה מעסיקה כ-130 עובדים, ומתכננת לגייס כמה עשרות עובדים נוספים. ככל הנראה הדבר קשור לתחילת הייצור הסדרתי שהחל לפני מספר שבועות (החברה מספקת שבבים או מודולים מקושרים מוכנים, בהתאם לבקשת הלקוח). שכן אספקה מסחרית ללקוחות דורשת צוות תמיכה גדול וחזק. חברת היילו פועלת בתחום הנמצא היום בליבת העניין של תעשיית ההייטק: שבבי בינה מלאכותית לאבזרי קצה.

על-פי הערכות שונות בתעשייה היקף השוק של שבבי בינה מלאכותית צפוי לצמוח בשנים הקרובות בשיעור של כ-37% בשנה, ולהגיע להיקף של כ-50 מיליארד דולר בשנת 2027, בהשוואה לכ-7.7 מיליארד דולר בשנת 2020. היילו פועלת במגזר ספציפי של השוק הזה: מעבדי בינה מלאכותית לאבזרי קצה ו-IoT, אשר צריכים להתמודד מגבלות קשות של גודל והספק כאשר הם מבצעים מטלות מורכבות. התחום הזה צפוי לצמיחה גדולה הודות למגמות שוק כמו תעשייה חכמה (Industry 4.0), צמיחה חזקה בתחום פתרונות ה-IoT בעקבות פריסת רשתות הדור החמישי והעניין הגובר בניטור חכם ובשירותים מנוהלים מרחוק.

שיתוף פעולה עם פוקסקון

לחברה כבר יש הסכמי שיתוף פעולה מהותיים, דוגמת העיסקה עם Lanner מטאיוואן, שהחליטה להתקין את המעבד של היילו בהתקן קצה המבצע אופטימיזציה של יישומי וידיאו תובעניים. מעבד ה-AI של היילו שולב במצלמת EdgeTuring ליישומי עיבוד תמונה של יצרנית המצלמות החכמות Leopard. גם קבלנית הייצור האלקטרוני הגדולה בעולם, פוקסקון (Foxconn) הטאיוואנית החליטה להטמיע את המעבד של היילו בדגמים החדשים של מחשבי עיבוד התמונה ממשפחת BOXIedge שהיא מייצרת.

ראדא תשלב בינה מלאכותית בתוך המכ"ם

חברת ראדא (RADA) הכריזה על שיתוף פעולה עם חברת BeyondMinds הישראלית, המספקת שירותי פיתוח פתרונות בינה מלאכותית מתקדמים. שתי החברות חתמו על מזכר הבנות להקמת צוות משותף שמטרתו תהיה להטמיע במכ"מים הטקטיים של ראדא יכולות של בינה מלאכותית ולמידת-עומק. החברות מעריכות כי הסכם סופי ייחתם עד סוף חודש יולי.

ביונד-מיינדס היא חברת סטארט-אפ מתל-אביב, שהוקמה ב-2018, ומספקת שירותי בינה מלאכותית לארגונים. החברה פיתחה פלטפורמה וארכיטקטורה ייחודית המאפשרת להתאים עבור הלקוח פתרונות AI עבור בעיות או צרכים ספציפיים. לדברי החברה, הפלטפורמה שלה מאפשרת לייצר פתרונות AI יעילים וסקאלבילים וכי היא נותנת מענה למכשולים ולבעיות שמעכבות תהליכי אימוץ AI בארגונים. באחרונה אף הכריזה ביונדמיינדס על התחייבות לספק לכל לקוח פתרון AI ייעודי מוכן לפעולה תוך 10 שבועות

לפני כשנה השלימה גיוס של כ-15 מיליון דולר בהובלת קרן ההון-סיכון  Grove Ventures ואחד ממייסדי צ'ק פוינט מריוס נאכט. החברה מתמקדת במגזרי הבנקאות והפיננסיים, ייצור, ממשל וביטחון. בין לקוחות החברה נמנים מיקרוסופט, סמסונג, KPMG וחברות מהתעשייה הביטחונית והמגזר הפיננסי.

בראדא ציינו כי אימוץ יכולות AI נועד כדי לשמר את היתרון הטכנולוגי של החברה, וכי המודלים והטכנולוגיה של ביונד-מיינדס יאפשרו לשפר את הדיוק של המכ"מים, סיווג המטרות והתאמת תפקוד המכ"ם לסביבה משתנה.

ראדא פיתחה משפחה של מערכות מכ"ם טקטיות מבוססות תוכנה ליישומי הגנה בפני רחפנים, למערכות נ"מ לטווח קצר ולמערכות הגנה אקטיבית עבור כלי-רכב ממוגנים ומשוריינים (דוגמת מערכות חץ דורבן של אלביט ומעיל רוח של רפאל). פעילותה בתחום המכ"מים הטקטיים הובילה בשנים האחרונות לצמיחה משמעותית במכירותיה.

הערכת החברה, השוק הפוטנציאלי לפתרונות מכ"ם טקטי מסתכם בכ-6 מיליארד דולר. בסך הכול, הכנסותיה של ראדא ב-2020 הסתכמו ב-76.2 מיליון דולר, גידול של 72% בהשוואה ל-2019. בשנת 2021 היא צופה גידול נוסף של 60% ל-120 מיליון דולר.

איסטרוניקס החלה להפיץ בישראל את BrainChip

חברת איסטרוניקס (Eastronics) קיבלה את הנציגות בישראל של חברת BrainChip מקליפורניה, ארה"ב, אשר פיתחה מעבד נוירונים מבוסס עיבוד  אירועים (Event Based Processing) וסביבת פיתוח מקיפה. מוצרי החומרה והתוכנה של החברה, בשם הקוד Akida, יצאו לשוק לאחר יותר מ-10 שנות מחקר ופיתוח. לפתרונות AI מהדור הקודם יש חיסרון משמעותי: לאחר תהליך ההכשרה, קשה ללמד את המערכת דברים חדשים מבלי לחזור שנית על תהליך האימון. בריינצ'יפ פיתחה אלגוריתם ושבב המבטלים את הצורך בהעברת נתונים הלוך ושוב כדי לבצע הכשרה מחודשת, ועל-ידי כך הם מאפשרים התאמה אישית של מכשירי Edge AI.

החברה נוסדה בשנת 2013, ונחשבת לחלוצה במימוש רשת עצבית מבוססת אירועים. היא מספקת את הטכנולוגיה באמצעות שני מודלים עסקיים אפשריים: Akida Neural Processor IP – נכס רוחני לשילוב בתכנון SoC AI, או במתכונת Akida Neural Processor SoC – מעבד נוירונים אינטגרטיבי הכולל 1.2 מיליון נוירונים ומוכן לשילוב במערכות משובצות ליישומי קצה. לחברה מספר מרכזי פיתוח בעולם (ארה"ב, אוסטרליה וצרפת). היא מעסיקה כיום כ-50 עובדים ונסחרת בבורסה של אוסטרליה (ASX).

מבנה השבב Akida Neural Processor SoC
מבנה השבב Akida Neural Processor SoC

 

 

בינה מלאכותית במערכות Pro AV מקצועיות

מאת: רוב גרין, מנהל בכיר תחום Pro AV, Broadcast ו-Consumer בחברת Xilinx

הכתבה בחסות Avnet Silica Israel

למרות שהאימוץ של בינה מלאכותית (machine learning) מצוי עדיין בתחילתו, ארגונים רבים כבר משתמשים בטכנולוגיה בזכות היתרונות הרבים שלה בשיפור היעילות, חיזוי התנהגות והפקת תובנות עסקיות ואחרות. חברת McKinsey מעריכה שעד היום אימצו 39% מהארגונים טכנולוגיות לימוד מכונה בדרך כזו או אחרת. גם בשוק שידורי הרדיו והטלוויזיה והאודיו-וידאו המקצועי (Pro AV) יש לטכנולוגיות האלה תפקיד חשוב ביצירת מודלים עסקיים ומקורות רווח חדשים. להלן ארבע דוגמאות:

קידוד האזור הרלוונטי (ROI – Region-of-Interest)

טכנולוגיית קידוד האזור הרלוונטי (ROI – Region-of-Interest) מאפשרת להפחית את העומס על הרשת בלא לפגוע ברזולוציה באמצעות טיפול באזורים החשובים, והתעלמות מאזורים לא חשובים. כך למשל, כאשר מצלמת מעקב עוקבת אחר אזור בזירה מסויימת, יש פרטים בתמונה שהם חשובים מאוד, ואחרים שהם חסרי חשיבות. כך למשל, אם מדובר במצלמת זיהוי פנים, יש צורך בכל המידע שהיא מספקת על הפנים, אולם ניתן להתעלם מהרקע שאינו תורם למשימת זיהוי הפנים.

מבחינת הצופה האנושי, ההבדל כמעט ואינו מורגש. המקודד יכול לצמצם את קצב העברת הנתונים של האזורים הלא-רלוונטיים בתמונה מ-5Mbps ל-1.5Mbps ועל-ידי כך להפחית בכ-70% את עלות הזרמת הווידאו, נתון שניתן לתרגם במקרים רבים לחסכון של כ-700 דולר לשעה על הזרמת וידאו לכ-10,000 צופים. הדבר נכון גם לגבי עלויות האיחסון: כיום עלות האיחסון קבצי וידאו בענן בנפח של 2,000GB מסתכמת בכ-1,000 דולר לחודש. צמצום הנפח הזה בכ-70% מאפשר להשתמש באמצעי אחסון קטנים וזולים בהרבה, או לחלופין לאחסן כמות גדולה יותר של מידע בכוננים הקיימים.

מודול KRIA של Xilinx ליישום בינה מלאכותית בקצה הרשת (Edge)
מודול KRIA של Xilinx ליישום בינה מלאכותית בקצה הרשת (Edge)

ליכולת לבצע קידוד מסתגל במתכונת ROI יש השלכות נוספות. נניח שאנחנו מצויים בחדר בקרה וצריכים להקרין על מסך רחב קטעי וידאו שבהם יש צורך להבחין בפרטים חיוניים שונים. ניתן במקרה הזה לבצע קידוד מסתגל סטטי על פריטים הכוללים טקסטים (שעון למשל), וקידוד מסתגל דינמי מוכוון בינה מלאכותית (ML-based coordinates), כדי לקבל את כל המידע על פניהם של אנשים.

שילוט דיגיטלי חכם

פרסום ממוקד הוא "הגביע הקדוש" של אנשי השיווק. שימוש במודלים של בינה מלאכותית כדי לנתח את מאפייני האנשים הנחשפים בפני שלט דיגיטלי, מאפשר למקד את הפרסום בקהל יעד רלוונטי בהתאם למדדים כמו גיל או מין, ועל-ידי כך לגבות תשלום גבוה יותר מהמפרסמים. הדבר גם מייצר נתונים בעלי ערך למפרסמים, כמו למשל הבנת תחומי העניין של הצופים הספציפיים, והתאמת התוכן הפרסומי אל קהל היעד (personalised ads). הדבר נכון גם ביישומים אחרים: רבות דובר על רמת הסניטציה הירודה של צגי המגע בעמדות שירות דיגיטליות (כספומטים למשל). המרתם למכשירים המספקים שירות באמצעות פיקוד מבוסס מחוות – במקום פיקוד מבוסס מגע – מאפשרת לספק שירות נקי ובריא יותר.

מעקב אחר אובייקטים באמצעות "חלונות"

תתארו לכם אירוע צנוע: מתקיים דיון של פנל הכולל שלושה מומחים מבית הספר לאמנות, אשר בו מנתחים את עבודותיו של אמן מסויים. זהו פרוייקט בעל תקציב נמוך מאוד המיועד לקהל מצומצם. בדרך-כלל מציבים מצלמה יחידה מול פנל הדוברים, אשר מכסה את הארוע כולו. לחלופין, באמצעות מודל מבוסס בינה מלאכותית, אפשר להשתמש במצלמת 4K יחידה אשר מכסה את הארוע כולו, ובמקביל מייצרת "חלונות צפייה" ברזולוציה נמוכה יותר של כל אחד מהמשתתפים (Object Tracking & Windowing).

התוצאה היא ארבעה סוגים של מקורות וידאו שונים: צילום תקריב של כל אחד מהדוברים וצילום רחב של כל הפנל המלא. המפעיל פשוט בוחר את תמונה הרלוונטית בכל רגע, כאשר התוצאה שוות ערך לשימוש בארבע מצלמות שונות במקביל – אולם בעלות של מצלמה יחידה. ניתן להתאים את הגישה הזאת, באמצעות מודלים שונים של לימוד מכונה, לאירועים מסוגים שונים, כמו למשל אירועים ספורטיביים שבהם הצופה יכול לעקוב אחר כל משתתף או אובייקט המעניינים אותו.

זיהוי דיבור

היכולת לזהות דיבור (Speech Recognition) באמצעות עיבוד דיבור טבעי (Natural Language Processing – NLP) כבר נכנסה לבתים רבים בתוך מכשירים דוגמת Alexa של גוגל או סירי של אפל. הטכנולוגיה הזאת ישימה גם בציוד Pro AV מקצועי כדי לפשט ולזרז את תהליך התקנת הציוד בלא צורך בקישוריות לענן ובתמיכה מקוונת, ואפילו לבצע תמלול אוטומטי של דיונים מרובי משתתפים. התרגום מתבצע בזמן אמת ומייצר כתוביות בשפות שונות, כאשר בכל אזור שפה מופיעות כתוביות בשפה המקומית.

לסיכום, ניתן ליישם את יכולות הבינה המלאכותית האלה בקצות הרשת באמצעות שימוש בפלטפורמת Zynq UltraScale+ MPSoC של חברת Xilinx. לעיבוד ישיר בקצה הרשת בלא צורך בקישוריות אל מעבדים בענן, יש יתרונות רבים בקבלת ביצועים גבוהים, זמני השהייה קצרים (low latency), שמירה על הפרטיות והגברת היעילות העסקית והפיננסית של הארגון.

לפרטים נוספים:

איתמר קהלני, מנהל קו מוצרי Xilinx בחברת אבנט סיליקה, 054-5206287, [email protected]

רפאל ו-G42 מאיחוד האמירויות מקימות חברה משותפת לטכנולוגיות בינה מלאכותית לשוק האזרחי

בתמונה למעלה: ארוע חתימת ההסכם. מימין לשמאל: שגריר איחוד האמירויות הערביות בישראל מוחמד מחמוד אל-חאג'ה, מנכ"ל G42 פנג שיאו, ומנכ"ל רפאל יואב הר-אבן

חברת רפאל חתמה אתמול (א') על הסכם להקמת חברה משותפת עם חברת G42 מאיחוד האמירויות. החברה האזרחית המשותפת תיקרא Presight.AI, ותעסוק בפיתוח וניהול פרויקטים אזוריים ובינלאומיים בתחומי הבינה המלאכותית וביג דאטה. חברת Presight.AI תקים גם מרכז מו"פ בישראל שיעסוק בפיתוח וקידום יכולות בינה מלאכותית וביג דאטה ליישומים אזרחיים בתחומים דוגמת בנקאות, פיננסים, בריאות ועוד. אירוע החתימה נערך בהשתתפות שגריר איחוד האמירויות הערביות בישראל מוחמד מחמוד אל-חאג'ה, מנכ"ל G42 פנג שיאו, מנכ"ל רפאל יואב הר-אבן, מנכ"ל G42 ישראל מעוז בן-ארי ועוד.

חברת רפאל מתמחה בטכנולוגיות בינה מלאכותית וביג-דאטה, ומובילה פרויקטים רבים בתחום הזה ובתחומים משיקים כמו הגנת סייבר, מערכות איסוף ועיבוד מודיעין, טכנולוגיות עיבוד תמונה ועוד. רפאל הקימה את חמ"ל הסייבר הלאומי בבאר-שבע, ואת מערך הגנת הסייבר של בנק ישראל ושל רכבת ישראל. חברת G42 מפעילה תשתית מחשוב ענן עצמאית מהגדולות והחזקות במזרח התיכון. היא פעילה בתחום הדיגיטציה של ארגונים גדולים ומדינות. בשבוע שעבר היא קיבלה השקעה של כ-800 מיליון דולר מקרן ההשקעות האמריקאית Silver Lake.

שגריר איחוד האמירויות בישראל, מחמוד אל-חאג'ה, אמר שההסכם בין שתי החברות יסייע לקדם פעילות כלכלית שתביא לצמיחה בשתי המדינות. "אנחנו עדיין בתחילתו של מסלול מרגש של שיתוף פעולה". מנכ"ל רפאל, יואב הר-אבן, אמר שהקמת החברה המשותפת עם G42 היא אבן-דרך חשובה. "במשך שנים משקיעה רפאל משאבי מחקר ופיתוח בתחום הבינה המלאכותית וביג דאטה, ליישומים צבאיים וליישומים אזרחיים גם יחד. נרחיב את שיתופי הפעולה שלנו עם תעשיות נוספות ועוד שותפים בעולם".

בעבר נחשה השוק הבטחוני לשוק הטכנולוגי המתקדם ביותר. לאחרונה נודע ל-Techtime שבחברת רפאל מעריכים שכיום השוק האזרחי מתקדם יותר, ומוביל את המהפיכה הדיגיטלית, מהפיכת הבינה המלאכותית, תחום המערכות האוטונומיות ועוד. לכן יש לה עניין להרחיב את שיתופי הפעולה עם חברות מסחריות ואת היקף הפעילות האזרחית הקשורה לתחומים אלה.

חברת טראקס הישראלית סינגפורית השלימה גיוס ענק בהיקף של 640 מיליון דולר

חברת טראקס (Trax) הישראלית-סינגפורית, המפתחת טכנולוגיה לזיהוי תמונה לעולם הקמעונאות, דיווחה על השלמת גיוס הון חמישי בהיקף של 640 מיליון דולר, בהובלת קרן ההשקעות של סופטבנק, SoftBank Vision Fund 2 וקרנות הטכנולוגיה המנוהלות על-ידי BlackRock, שהיא אחת מהמשקיעות הנוכחיות בחברה. סבב הגיוס הנוכחי מורכב מהשקעה ישירה בחברה ומרכישת מניות על-ידי בעלי מניות קיימים. השתתפו בגיוס משקיעות נוספות, בהן קרן הפנסיה הקנדית OMERS ו-Sony Innovation Fund.

טראקס פיתחה מערכת המסייעת לרשתות שיווק קמעונאיות לנהל את המלאים ואת אסטרטגיית מידוף המוצרים, באמצעות שימוש בטכנולוגיות עיבוד תמונה. ניתן לצלם את מדפי החנות באמצעות רובוט משוטט, או באמצעות הסמארטפון והטאבלט. הנתונים מועברים אל שירות בענן, מנותחים, ומספקים מיידית מידע אודות מצאי וחוסרים, וניתוח פרישת המוצרים במדפי החנויות של הרשת.

הפלטפורמה כוללת אלגוריתם עיבוד תמונה ובינה מלאכותית אשר מסוגל לנתח ולעבד במהירות תמונות ממאות אלפי חנויות ולקבל תמונת מצב על מצב המלאים והמדפים. למעשה, היא מבצעת אוטומטיזציה של פעילות הספירה הידנית, שבדרך-כלל מתבצעת על-ידי המחסנאים ועובדי החנות. אולם בנוסף היא מספקת גם תובנות על התנהגות הצרכנים בכל חנות וביחס לכל מוצר.

מייסדי טראקס: יואל בר-אל (מימין) ודרור פלדהיים
מייסדי טראקס: יואל בר-אל (מימין) ודרור פלדהיים

טראקס נוסדה בשנת 2010 על-ידי היו"ר יואל בר-אל ודרור פלדהיים. לחברה משרדים מרכזיים בישראל, בסינגפור ובסן פרנסיסקו והיא מספקת פתרונות ללקוחות המצויים בכ-90 מדינות בעולם. בין לקוחותיה מותגים מובילים כמו קוקה קולה, AB inBev, הייניקן, נסטלה והנקל, פרוקטר וגמבל ואנהאוזר-בוש. ב-2018 היא גייסה 125 מיליון דולר לפי שווי חברה של 850 מיליון דולר.

"הטמעת טכנולוגיות דיגיטליות בשגרת העבודה של רשתות קמעונאיות, הפכה בשנים האחרונות לסטנדרט שאין להתעלם ממנו", אמר יואל בר-אל. "הפתרונות שלנו מסייעים ליצרנים ולרשתות קמעונאיות להסתגל במהירות לתמורות בשוק". מנכ"ל החברה, ג'סטין בהר, אמר כי ההשקעה המשמעותית של SoftBank, Blackrock והשותפים הנוספים, "תתרום לקידום ההתפתחות הטכנולוגית של תחום הקמעונאות, ולחיזוק מעמדה של Trax כמובילה בתחומה״.

מידע נוסף באתר החברה:  www.traxretail.com

קוגנטה ו-Five הבריטית מספקות פתרון משותף לבדיקת מערכות נהיגה אוטונומית

בתמונה למעלה: סימולציה של קוגנטה לנסיעה בכביש בין עירוני מהיר

חברת קוגנטה (Cognata) מרחובות וחברת Five הבריטית משיקות פתרון משותף המאפשר לצוותי פיתוח לבדוק ולאמן מערכות נהיגה אוטונומית ומערכות שמירה על נתיבים (Automated Lane Keeping Systems), הקיימות היום במערכות עזר לנהג (ADAS). חברת פייב הבריטית פיתחה מערכת תוכנה המחוללת תסריטים של מצבים בכביש, כולל כל המצבים המוגדרים בתקן OpenSCENARIO התעשייתי. קוגנטה פיתחה פלטפורמת אימון למערכות הבקרה על החיישנים בכלי-רכב חכמים.

המערכת של קוגנטה מייצרת סימולציה ויזואלית ריאליסטית של כלי הרכב, של סביבת הדרך ושל המצבים שעימם הרכב מתמודד (Digital Twin). ההדמייה הזאת משמשת כמידע הוויזואלי שבאמצעותו מאמנים את מערכות הבינה המלאכותית של יצרני ה-ADAS ומערכות הנהיגה הרובוטית. השימוש במידע המופק מהסימולטור חוסך מהיצרנים את הצורך לבצע נסיעות רבות בדרכים ממשיות, ומקצר מאוד את העלות ואת זמני האימון של מערכות התמצאות סביבתית.

מנהל פיתוח עסקי ושותפויות בקוגנטה, שי רוטמן, סיפר ל-Techtime ששתי החברות פיתחו מודול תאימות המקשר בין שתי המערכות ומאפשר להפעיל אותן ביחד. "הפתרון המשותף כולל יכולת שלנו לעיבוד מפות ה-HD של פייב וגם את שפת התסריטים שלהם, כאשר הלקוחות יכולים לעבוד על המערכת המאוחדת באמצעות הענן או בתוך המחשבים הפנימיים שלהם".

מתוכנת נהיגה למחולל מצבים

קוגנטה הוקמה בשנת 2016 על-ידי המנכ"ל דני עצמון, שייסד בעבר את חברת iOnRoad שנמכרה ל-HARMAN. כיום החברה מעסיקה כ-50 עובדים, ולדברי רוטמן, "מגייסת בטירוף עובדים נוספים". חברת Five החלה כיצרנית של מערכות נהיגה אוטונומית, ואף ביצעה סדרת מבחנים בלונדון במסגרת פרוייקט StreetWise שקיבל מימון ממשלתי.

לאחרונה החברה החליטה לשנות כיוון ולהתמקד במערכת ייצור תסריטים סינתטיים, המאפשרת ליצרניות המערכות וכלי הרכב לבחון את התנהגות המערכות שלהן במצבים שונים. פייב מנוהלת על-ידי היזם הסדרתי הבריטי סטאן בולנד: בשנות ה-90 הוא ניהל את חברת Acron Computing והיה שותף להקמת חברת ARM שיצאה ממנה, ושימש גם כדירקטור ב-ARM. בין השאר הוא היה שותף להקמת חברת Element 14, והקים חברות נוספות שנמכרו לברודקום ולאנבידיה בהיקף כולל של כמיליארד דולר.

המטוס U-2 קיבל תוכנת AI בתפקיד טייס משנה

חיל האוויר האמריקאי התקין מערכת בינה מלאכותית בתוך מטוס הריגול הוותיק U-2 (המכונה גם בשם Dragon Lady), אשר ממלאת תפקידי טייס משנה ולוקחת על עצמה חלק מהמטלות של הטייס. הפרויקט מתבצע במסגרת פרוייקט רחב-היקף למודרניזציה של חיל האוויר, ומעבר לשימוש בפלטפורמות רובוטיות וחצי-רובוטיות. מערכת הבינה המלאכותית קיבלה את הכינוי ARTUµ, על-שם הרובוט R2-D2 (המכונה גם Artoo), אשר שימש כטייס משנה במטוסו של לוק סקייווקר בסדרת סרטי "מלחמת הכוכבים".

סגן מפקד מערך הרכש של חיל האוויר האמריקי, ד"ר ויליאם רופר, מסר בהודעה של חה"א, שפיתוח המערכת בוצע בשלוש השנים האחרונות ושזו הפעם הראשונה שבה מערכת בינה מלאכותית מקבלת פיקוד על מערכת צבאית. במהלך הטיסה הראשונה שבוצעה בשבוע שעבר, טיפלה מערכת הבינה המלאכותית בחיישני המטוס ותכננה את מסלול הגישה הטקטי. הטייס עצמו עסק בהטסת המטוס. טיסת הניסוי תירגלה משימת איסוף מידע במהלך מתקפת טילים. הרובוט ARTUµ היה אחראי על איתור משגרים עוייינים, כאשר הטייס עסק באיתור מטוסי יירוט עוינים. שניהם השתמשו באותן מערכות מכ"ם של המטוס.

התוכנה עודכנה במהלך המשימה

חה"א מסר שמערכת הבינה המלאכותית ניהלה את החיישנים על בסיס תהליך אימון שכלל הרצת חצי מיליארד הדמיות של תרחישים שונים. הפרוייקט מנוהל על-ידי U-2 Federal Laboratory, שהיא גף הכולל 15 ארגוני מו"פ צבאיים שמטרתו לפתח פתרונות טכנולוגיים חדשים המאפשרים לשלב את טכנולוגיות התוכנה המתקדמות ביותר בפלטפורמות צבאיות מבצעיות. לפני כחודשיים המעבדה השיגה שיא נוסף – כאשר ביצעה עידכון תוכנה במהלך טיסת אימון של המטוס U-2.

המטוס U-2 מתוצרת חברת לוקהיד הוא אחד ממטוסי הסילון הוותיקים והנערצים בתעשיית התעופה. למרות שהטיסה הראשונה שלו התבצעה לפני 65 שנים, בשנת 1955, הוא עדיין נמצא בשירות מבצעי. הוא פותח לצורך ביצוע טיסות ריגול מעל שמי ברה"מ במהלך המלחמה הקרה. המטוס מגיע לרום טיסה של 21.3 ק"מ והרוסים לא יכלו ליירט אותו. רק ב-1960 הם פיתחו יכולת להגיע אל הגובה שלו באמצעות טילי SA-2, והפילו את הטייס גארי פאוורס במהלך טיסת צילום מעל ברה"מ. למרות זאת המטוס נשאר בשימוש מבצעי. כיום מפעילה ארה"ב 33 מטוסי יו-2, בהם שני מטוסים המבצעים ממחקרים ומדידות אטמוספריות בשירות נאס"א.

גרמלינים: להק מטוסי התקיפה הרובוטיים

הפרוייקט מבוצע במקביל למהלך רחב היקף המנוהל כיום על-ידי הסוכנות למחקרי בטחון מתקדמים (DARPA) שמטרתו לפתח פלטפורמות לחימה רובוטיות אוויריות. הפלטפורמה המרכזית היא בניית צי של מל"טים משימתיים בשם Gramlins המבוססים על המדגים הטכנולוגי X-61A מתוצרת חברת דיינטיקס (Dynetics). מדובר במל"טים תוקפים אשר ישוחררו לאוויר ממטוסים המצויים מחוץ לטווח הפגיעה של האוייב, ויבצעו את המשימה באופן עצמאי – אם זו תקיפה ואם זו משימת איסוף מידע. לאחר השלמת המשימה, הם ייאספו מהאוויר על-ידי מטוסי מטען כמו C-130, ויוחזרו לבסיס האם לצורך הכנתם למשימה הבאה.

בסוף אוקטובר 2020 הושלמה סדרת טיסות ניסוי שבמסגרתם בוצעו טיסות ניסוי עם ארבע פלטפורמות אשר הראו יכולת טיסה במבנה ויכולת ניהול משימה עצמאי ויכולת טיסה במבנה. לעומת זאת, הנסיון לאסוף אותן מהאוויר באמצעות מטוס C-130 (בתמונה למטה) לא הוכתר בהצלחה. דארפה דיווחה שבוצעו 9 נסיונות, אשר נכשלו בגלל תנועות יחסיות בלתי צפויות בין הפלטפורמה הרובוטית לבין מטוס האיסוף. מנהל הפרוייקט בדארפה, סקוט וווירבנקובסקי, מסר שהמידע שנאסף נמצא כעת בתהליך ניתוח, כדי לעדכן את מודל ההתחברות. "להערכתי כבר באביב הקרוב נוכל לבצע טיסות ניסוי נוספות ולהדגים יכולת איסוף מהאוויר".

מאוזר הפיקה ספר אלקטרוני על בינה מלאכותית

חברת מאוזר (Mouser Electronics) הוציאה לאור את הספר האלקטרוני השני בסדרת הספרים האלקטרוניים המוקדשת למהפיכת הבינה המלאכותית. הספר החדש, Artificial Intelligence: A Multi-Faceted Approach to Safety, מביא את סיפוריהם של מפתחים אשר בוחנים יישומים מבוססי בינה מלאכותית בתחומי הבטיחות, החל מבריאות ותרופות וכלה בשימוש ברובוטים. לדברי סגן נשיא לשיווק במאוזר, קווין הס, משבר הקורונה יצר צורך גובר בפתרונות בטיחות ושמירה על הבריאות הציבורית, והמחיש את העוצמה של הבינה המלאכותית באספקה מהירה של פתרונות חדשים.

דוגמא לכך המובאת בספר, היא פיתוחו של הרובוט Rey (בתמונה למעלה) אשר הושלם בתוך פחות מחודשיים על-ידי צוות חוקרים מהמכון הטכנולוגי של מסצ'וסטס (MIT). הצוות התבקש למצוא מענה לצור דחוף של אתר חלוקת המזון לנזקקים המרכזי של בוסטון. האתר מופעל על-ידי מתנדבים ומספק כמות עצומה של חבילות מזון מדי יום, אולם כדי להעביר אותן לנצרכים בעידן הקורונה, יש צורך לוודא שכל החבילות עברו טיהור והן לא מפיצות מחלות.

החוקרים מ-MIT הסתמכו על מעבדות חובבים ביתיות ובנו פלטפורמה עצמאית הכוללת מתקן הנושא ארבע מקורות קרינה אולטרה-סגולה (UV-C) המשמידה וירוסים וחיידקים, מערכת הנעה על גלגלים, מצלמה, חיישן מיקום ועמדת טעינת סוללה. בשעות הערב, כאשר העובדים עוזבים את מרכז החלוקה, הרובוט נכנס לפעולה: הוא סורק את כל המחסן, עובר בין כל המדפים ומטהר את כל החבילות. בבוקר הרובוט חוזר עצמאית לעמדת הטעינה כדי למלא את הסוללה ולהיות מוכן למשמרת הלילה הבאה.

ניווט עצמוני בסביבה דינמית

האתגר הגדול ביותר היה אימון מערכת הבינה המלאכותית. התוכנה שפותחה ב-MIT מאפשרת לו לזהות מעברים ולתכנן מסלול בסביבה הנמצאת כל הזמן בתהליכי שינוי. כדי לוודא שהוא מספיק לטהר את כל החבילות במחסן, המצלמה יודעת לזהות מדפים ריקים, ולעבור מולם במהירות גבוהה יותר מהמהירות המומלצת לקבלת טיהור מיטבי, ועל-ידי כך לחסוך גם בזמן וגם באנרגיה.

סדרת Intelligent Revolution כוללת מספר מקורות לתיאור יישומים חדשים של בינה מלאכותית, בהם ספרים אלקטרוניים, בלוג, אינפוגרפיקה ומשאלים הנערכים בין הקוראים. חברת מאוזר הינה מפיצת רכיבים גלובלית הפועלת באמצעות האינטרנט ונמצאת בבעלות Berkshire Hathaway. מחסן המלאי המרכזי שלה נמצא בדלאס, טקסס, וממנו היא מספקת 5 מיליון רכיבים של 1,100 יצרנים לכ-630,000 לקוחות ברחבי העולם.

למידע נוסף: Mouser.com

הולנד וארה"ב ביצעו אימונים חיים בכוונת האוטומטית של חברת Smart Shooter

בתמונה למעלה: חייל הולנדי במהלך האימונים. מקור: משרד ההגנה ההולנדי

צבא ארצות הברית וצבא הולנד ביצעו באחרונה אימונים חיים במערכת הירי החכמה Smash 2000 של חברת Smart Shooter מקיבוץ יגור. המערכת מותקנת על-גבי נשק קל, ומתבייתת באמצעות עיבוד תמונה מבוסס AI על המטרה כדי לסיית לחייל לבצע ירי מדויק. צבא ארצות הברית בחן את המערכת בירי על מטרות קרקעיות, וצבא הולנד בדק אותה במשימות יירוט רחפנים באמצעות נשק קל. שני הצבאות הכתירו את התרגילים כמוצלחים.

התרגיל ההולנדי התבצע במתקן צבאי בעיירה Harde, בהשתתפות לוחמים מחיל האוויר, חיל הים ומהכוחות המיוחדים. במסגרת התרגיל הם צוידו ברובי Colt שעליהם הותקנה מערכת בקרת האש של סמארט-שוטר במטרה לבדוק האם היא מאפשרת לחיילי חי"ר ליירט רחפנים מטווח קצר באמצעות הנשק האישי. החיילים ירו על רחפנים מסוגים ומגדלים שונים ממרחק של עד 150 מטר. מהחברה נמסר שכל המטרות יורטו.

משרד ההגנה ההולנדי גם פרסם הודעה רשמית על הניסוי, אשר מרמזת כנראה על החשיבות האסטרטגית שהוא רואה במערכת. בחברת סמארט-שוטר העריכו שהצלחת שני הניסויים היא אבן דרך משמעותית בהחדרת הפתרון לצבאות מובילים בעולם, וכי שני הצבאות צפויים להרחיב את היקף ההצטיידות במערכת.

נק"ל מפיל מזל"ט

ד"ר אברהם מזור, סמנכ"ל שיווק ופיתוח בחברה, סיפר ל-Techtime שהתרגיל הוא תולדה של ארבע שנים של עבודה משותפת מול הצבא ההולנדי. "הצבא ההולנדי בדק את תפקוד המערכת בתרחישים המבצעיים שלו ובהתאם לאיומים שמולם הוא מתמודד. התרגיל הוכתר בהצלחה לפי הקריטריונים שהם הגדירו. אני מאמין שזה יוביל להצטיידות במערכת". לדבריו, "הפשטות של המערכת בלטה לא פחות מהדיוק שלה. החיילים הגיעו בלי ניסיון מוקדם, ולאחר הכשרה קצרה של מספר דקות הצליחו ליירט רחפנים".

יירוט רחפנים באמצעות נשק קל הוא אחד מתרחישי המפתח המעניין את הצבאות הבוחנים כיום את הפתרון של סמארט-שוטר. לאחרונה גם משרד ההגנה האמריקאי (DoD) הכליל את המערכת בתוכנית ההגנה מפני רחפנים וכטב"מים קטנים (C-sUAS) שהוא מגבש. מזור: "המערכת שלנו מספקת מענה לאיום חדש. יש הרבה מערכות שיודעות להתמודד עם רחפנים. אבל אין מערכת שמאפשרת לחייל פשוט לבצע בעצמו יירוט רחפן בשדה קרב, בלי להסתמך על מערכות תומכות כמו מכ"ם מרוחק.

"אפשר לראות בכך בגדר מיגון אישי מפני רחפנים. בנוסף, המערכות הקיימות מתבססות על שיבוש רחפנים באמצעים אלקטרוניים. הרחפנים בעתיד יהיו אוטונומיים, ללא יחידת תקשורת או GPS, ובמבנה של ציי רחפנים, ועל-כן הלוחמה האלקטרונית תהיה פחות אפקטיבית. הצבאות מבינים את זה, וישנם כאלה שבוחנים את האפשרות שבכל מחלקה לוחמת יהיה חייל המסוגל ליירט רחפנים".

רחפנים שהופלו באמצעות נשק קל שהיה מצוייד במערכת בקרת האש של סמארט-שוטר
רחפנים שהופלו באמצעות נשק קל שהיה מצוייד במערכת בקרת האש של סמארט-שוטר

הרובה מפסיק להיות "נשק סטטיסטי"

חברת סמארט-שוטר הוקמה על-ידי שני יוצאי חטיבת הטילים של רפאל, המנכ"לית מיכל מור והטכנולוג הראשי אבשלום ארליך. היא פיתחה מערכת בקרת-אש בשם Smash המותקנת באמצעות מסילה על-גבי כל רובה סער. המערכת  מתבייתת על המטרה באמצעות חיישנים אלקטרו-אופטיים ועוקבת אחריה באמצעות עיבוד תמונה מבוסס בינה-מלאכותית.

ההתבייתות האוטומטית מאפשרת לחייל לכוון ללא מאמץ, וכאשר הנשק מצוי בזווית הנכונה – ההדק  משתחרר באופן אוטומטי. מזור: "מערכות בקרת-אש חכמות יהפכו למרכיב אינטגרלי בכל תפיסות הלחימה המודרנית. הרובה לא יכול להמשיך להיות נשק סטטיסטי. אנחנו מביאים את רמת חייל החי"ר את כל עולם הטילאות: ברמת הטכנולוגית, בתפיסה ובייצור ובהרכבה".

מטרות מדלגות בטווח של 400 מטר

התרגיל שביצע צבא ארצות הברית נערך בין ה-14-24 בספטמבר במתקן האימונים APG בעיר אברדין, מרילנד. במהלכו הצטיידו החיילים ברובי סער שעליהם הותקנה מערכת בקרת האש של סמארט-שוטר, וירו אלפי מחסניות כנגד מטרות נייחות, נעות ומטרות קופצות בטווחים של 25-400 מטר. בתום התרגיל הושוו אחוזי הפגיעה במטרות לאחוזי הדיוק האופייניים לשימוש בכוונת סטנדרטית.

התרגיל התנהל במימון ובפיקוח המדור לפיתוח והצטיידות חייל החי"ר, במסגרת תוכנית בדיקת השימוש בכלי-נשק מתוצרת זרה על ידי כוחות אמריקאים. סמארט-שוטר פעילה כיום בכ-15 מדינות, לרוב באמצעות חברות-בת או נציגות מקומיות (ארה"ב וגרמניה) ושיתופי פעולה עם קבלניות בטחוניות כמו Thales באוסטרליה, TBM בהולנד ו-Opto S&D מקבוצת Akaer בברזיל. "אנחנו בעיצומה של פעילות שיווק מאוד נרחבת, הכוללת הדגמות והצטיידות".

היילו הכריזה על מודולי עיבוד נוירוני באבזרי קצה

חברת היילו (Hailo) התל-אביבית הכריזה על כרטיס ההאצה Hailo-8 M.2 וכרטיס האצה המופיע בפורמט Mini PCIe אשר מיועדים להאיץ את פעילות ההסקה של רשתות לימוד עומק נוירוניות (Deep Learning) במכשירי קצה. המודולים מבוססים על מעבד הבינה המלאכותית Hailo-8 שהחברה פיתחה. המודולים מותאמים לתשתיות התוכנה הסטנדרטיות בתחום הרשתות הנוירוניות, דוגמת TensorFlow ו-ONNX, הנתמכות על-ידי ה-Dataflow Compiler של Hailo.

המודולים מספקים עוצמת עיבוד של 26 טריליון פעולות בשנייה (TOPS) ביעילות הספק של 3TOPS/W. המודול מופיע בגודל של 22 על 60 מ"מ ו-22 על 80 מ"מ ונתמך על-ידי מערכת ההפעלה לינוקס. בקרוב החברה תוסיף גם תמיכה של מערכת ההפעלה חלונות. החברה דיווחה שבמבחן השוואתי שנעשה בין המודול שלה לבין מודול Myriad-X של אינטל ומודול Edge TPU של גוגל, הוא היה מהיר יותר בשיעור גבוה: מספר התמונות ממבחן סטנדרטי שהוא ביצע להן עיבוד בשנייה אחת, היה גבוה פי 26 מהמודול של אינטל ופי 13 מהמודול של גוגל.

הכרטיס מיועד לשוק חדש ומתפתח של בינה מלאכותית במתכונת plug in, אשר מיועד לענות לדרישה באבזרי קצה עתירי ביצועים וחסכוניים באנרגיה ובמחיר. הדבר מתבטאר בביקוש גובר לאבזרי קצה מבוססי AI ללא מאוורר, המאפשרים לחבר מספר רב של מצלמות למכשיר קצה בודד המספק עיבוד וידאו חכם.

 

תוכנת בינה מלאכותית ניצחה טייס בדו-קרב אווירי

בתמונה למעלה: טייס F-16 מנסה ליירט אלגוריתם. בשלב הזה של התחרות הוא הובס ארבע פעמים ברציפות

הסוכנות האמריקאית למחקרי ביטחון מתקדמים (DARPA) השלימה בשבוע שעבר סדרת ניסויים שתוצאותיהם עשויים לשנות את תפישת הלוחמה האווירית ואת שיטות הפעולה, המבנה ותורת הלחימה של חילות האוויר בעולם בעשורים הקרובים. במקביל, צפויה מהפיכה דומה גם בשיטות ההתגוננות בפני תקיפות אוויריות.

במסגרת פרוייקט רחב מימדים לפיתוח מודל הפעלה מתואם של מטוסים מאויישים וכלי-טיס אוטונומיים בלתי מאויישים, ביקשה DARPA משמונה חברות אמריקאיות לפתח מודולי תוכנה בשם F-16 AI Agent, שניתן יהיה להתקין בתוך סימולטור טיסה המשמש לאימון טייסי F-16, כדי לאמן אותם בניהול קרבות אוויר. הסוכן המתוכנת צריך להיות בעל יכולת לנהל תמרונים אווירים מול מטוס אחר הנמצא במרחק ראייה ללא אמצעים מיוחדים, ולהביא את המטוס לעמדות ירי המבטיחות הפלה (Dog Fight).

החברות קיבלו פרק זמן של שנה כדי לאמן את המודלים בניהול קרבות אוויר, ובשבוע שעבר הגיע הפרוייקט לשלבי המבחנים: במשך שלושה ימים התחרו האלגוריתמים אחד בשני. ובסיומו של היום השלישי הוכרז המנצח: האלגוריתם של חברת Heron Systems, חברה קטנה ממרינלד שהביסה את כל שאר שבעת המתחרים, בהם גם את האלגוריתם של לוקהיד מרטין הענקית.

בעקבות הנצחון על האלגוריתמים האחרים, הועמדה התוכנה של הרון למבחן האולטימטיבי: קרב אווירי מול טייס קרב אמריקאי שאומן בבית הספר לקרבות אוויר של חיל האוויר האמריקאי (Top Gun). התוצאה היתה מפתיעה ומהממת: האלגוריתם ניצח בכל חמשת ההתמודדויות מול הטייס האנושי. תוצאת הטורניר היתה 5:0 לטובת התוכנה.

יתרון האלגוריתם: הוא חסר-גוף

בניתוח הפקת הלקחים שנערך לאחר ההתמודדות, הסביר אחד מהטייסים שהשתתפו בניסוי, שמערכת הבינה המלאכותית נהנית מיתרון מכריע: היא לא מושפעת מהמגבלות הפיסיולוגיות של הטייס. כך למשל, טייסים אנושיים נוטים שלא לדחוף את המטוס אל גבולות יכולת התמרון שלו, מכיוון שהדבר מעמיס כוחות תאוצה (G) על גוף הטייס, שרוב בני האדם לא מסוגלים לעמוד בהם. לאלגוריתם אין בעיית עמידה בכוחות תאוצה ולכן הוא המציא תמרונים קיצוניים מאוד.

הבדל נוסף מצוי במקורות המידע: הטייס מקבל בעיקר מידע ויזואלי, בעוד שהאלגוריתם יכול למזג מידע ממקורות דיגיטליים רבים. במהלך הניסויים התגלה עוד הבדל מעניין בין הטקטיקה האנושית לבין הטקטיקה של האלגוריתם. בדרך כלל טייסי קרב נוקטים בשתי גישות שונות: גישה אגרסיבית שבה הטייס נכנס מיד לעמדת תקיפה, וגישה מגששת שבה הטייס מנסה לנחש את המהלך הבא של היריב, ומתכנן תמרון שינטרל אותו. כללית, כל האלגוריתמים נקטו בטקטיקה אגרסיבית ונכנסו מיידית למצבי תקיפה.

לוקהיד מרטין נגד PhysicsAI: תיעוד של קרב אווירי בין שני אלגוריתמים
לוקהיד מרטין נגד PhysicsAI: תיעוד של קרב אווירי בין שני אלגוריתמים

התגלו הבדלים נוספים. כך למשל, הרבה פעמים טייסים מטלטלים קלות את המטוס לצדדים, כדי להטעות את היריב ולגרום לו לחשוב שהם עומדים לבצע פנייה שבפועל הם לא יבצעו. אלא שזהו מהלך עדין, והם משתמשים בו בצורה מרוסנת מאוד. גם כאן האלגוריתמים התנהגו בצורה שונה: הם הרבו לטלטל את המטוס, ובצורה חזקה יותר מאשר הטייסים האנושיים.

מטרת העל: צבא היברידי של רובוטים ובני-אדם

הפרוייקט שהסתיים נקרא Alpha DogFight. אולם מטרתו אינה לייצר מטוס קרב אוטונומי. הוא בוצע במסגרת חבילת פרוייקט שמטרתה לשנות את חיל האוויר האמריקאי. פרוייקט הקרב האווירי הממוחשב מהווה סעיף אחד בתוך פרוייקט Air Combat Evolution, שמטרתו להרגיל טייסים לעבוד ביחד עם מערכות בינה מלאכותית ולסמוך עליהן. אלא שגם ACE הוא פרוייקט ביניים, המתבצע במסגרת תוכנית גדולה בהרבה בשם Mosaic. מטרת התוכנית היא לפתח תורת לחימה חדשה שבה בני אדם ומערכות רובוטיות לא מאויישות פועלים בצוותא, בכל הזרועות: אוויר, ים ויבשה.

מבחני טיסה של המדגים הטכנולוגי X-61A
מבחני טיסה של המדגים הטכנולוגי X-61A

אלא שבאוויר הוא מתקדם באופן המזורז ביותר. פרוייקט Gremlins`הוא הביטוי המובהק לאסטרטגיית Mosaic אווירית: מדובר במל"טים תוקפים אשר ישוחררו לאוויר ממטוסים המצויים מחוץ לטווח הפגיעה של האוייב, ויבצעו את המשימה באופן עצמאי – אם זו תקיפה, משימת הגנה, שיבוש אלקטרוני, איסוף מידע ועוד. לאחר השלמת המשימה הם ייאספו מהאוויר על-ידי מטוסי מטען ויוחזרו לבסיס לצורך הכנתם למשימה הבאה. המטרה היא לייצר מעין טייסת תוקפת רבת משתתפים, שבראשה נמצא מטוס מאוייש שבו הטייס הוא מפקד משימה המפעיל הרבה מאוד כלים רובוטיים בו-זמנית, זולים מאוד וחסכוניים בחיי אדם.

התוכנית מתקדמת מהר. חברת Dynetics פיתחה את המדגים הטכנולוגי X-61A. בחודש ינואר 2020 הוא ביצע את טיסות המבחן הראשונות שלו. בחודש יולי 2020 הוא ביצע מבחני שיגור ואיסוף באמצעות מטוסי מטען מסוג C-130 שנעשו במדינת יוטה, ובחודש אוקטובר הקרוב יחודשו הניסויים, וייבחנו היכולות של הפלטפורמה לבצע איסוף של עד ארבע מטוסים במשימה יחידה כדי להביאם לבסיס להכנה לשיגור נוסף. פלטפורמת השיגור והאיסוף ניתנת להתאמה לכל מטוס מטען צבאי. דארפה מתכננת להשלים את המבחנים עד סוף השנה, ואז לעבור כנראה לשלבי הפיתוח של פלטפורמה מבצעית.

מפא"ת הכריזה על תחרות מכ"ם לסיווג בני-אדם ובעלי-חיים

בתמונה למעלה: קובץ I/Q signal matrix מהסוג שהמתחרים יקבלו כדי לנתח את האובייקטים שהוא מייצג

המינהל למחקר, פיתוח אמצעי לחימה ותשתית טכנולוגית במשרד הביטחון (מפא"ת) הכריז על תחרות לפיתוח אלגוריתם המאפשר למערכות מכ"ם מסוג Pulse-Doppler Radar להבדיל בין בני-אדם לבין בעלי חיים. האתגר הוא לקבל את נתוני המכ"ם הקיימים ולפתח אלגוריתם אשר מזהה בני-אדם ובעלי חיים, מפריד אותם מהרקע ומצליח לסווג את האותות כדי לדעת האם הם מייצגים אדם או בעל חיים. הזוכה בתחרות יקבל פרס בשווי של 40 אלף דולר ואפשרות להשתלב בפרוייקט פיתוח של מפא"ת.

האתגר הוא באלגוריתם ולא בחומרת המכ"ם

השלב הראשון של התחרות יסתיים ב-8 באוקטובר 2020, והגמר יהיה ב-15 באוקטובר 2020. מערכות מכ"ם מודרניות המבוססות גם על פולסים וגם על אפקט דופלר מאפשרות לעקוב אחת אובייקטים שונים, ולשלב מידע על האובייקטים המגיע ממספר סנסורים כדי לייצר Tracks מאוחד של כל אובייקט. המערכות האלה מתמודדות היטב עם זיהוי וסיווג אובייקטים קשיחים, כמו כלי-רכב למשל, אולם כדי לסווג אובייקטים לא קשיחים כמו בני אדם ובעלי חיים, יש כיום צורך במעורבות של מפעיל אנושי, אשר נסמך על שילוב של אותות המכ"ם עם אותות אחרים המגיעים ממערכות צילום אופטיות.

האתגר של המתחרים הוא לזהות אובייקטים לא קשיחים ולבצע באופן אוטומטי סיווג בין בני אדם לבעלי חיים, ברמה גבוהה של ודאות. מפא"ת מספקת קבצים המכילים נתוני מכ"ם (I/Q signal matrix) אמיתיים שנאספו באתרים שונים, בזמנים שונים ועל-ידי סנסורים שונים. הם מאופיינים ברמות שונות של איכות, כאשר חלקם בעלי יחס אות לרעש (SNR) גבוה, ואחרים עם יחס אות לרעש נמוך מאוד. המתחרים צריכים לספק סיווג בינארי: אם האובייקט הוא אדם הוא יקבל את התג "1", בעל חיים יקבל את התג "0".

מבחינת המכ"ם, בני-אדם ובעלי חיים שייכים לאותה קטגוריה

הבעיה המרכזית נעוצה בכך שמבחינת שיטות הזיהוי והסיווג הקיימות במערכות מכ"ם דופלר, חתימת המכ"ם של בעלי חיים ושל בני אדם היא כמעט זהה. כך למשל, אפקט דופלר מאפשר לזהות מהירות של אובייקטים, מכיוון שתדר האות החוזר משתנה בהתאם למהירות האובייקט ולכיוונו (אורך הגל מתקצר כשהאובייקט מתקרב ומתארך כשהוא מתרחק). הדבר מאפשר לזהות בקלות כלי רכב המצויים בתנועה, אולם כאשר מעוניינים לסווג בני אדם ובעלי חיים נתקלים בקושי – ברוב המקרים הם נעים במהירות מאוד דומה.

גם עוצמת ההיענות של אובייקטים לקרינת מכ"ם (Radar Cross Section – RCS) היא פרמטר המאפשר זיהוי וזיווג בשיטות מסורתיות. עוצמת האות החוזר תלויה בגודל האובייקט הנמדד, בצורתו ובהרכב החומרים שלו, ומאפשרת כיום לסווג כלי רכב גדולים בהשוואה לכלי-רכב קטנים, טנקים בהשוואה לרכב לא משוריין וכדומה. אולם מסתבר שמדד ה-RCS של מרבית בעלי החיים דומה מאוד לזה של בני אדם, ולכן הפרמטר הזה לא יכול לסייע בסיווג.

מטרת התחרות היא לבדוק האם ניתן לבצע סיווג באמצעות טכניקות עיבוד חדשות, תוך הסתמכות על מקורות האות הקיימים ובלא צורך לבצע שינויים בחומרת המכ"ם עצמה. מפא"ת מחפשת גישות חדשות, דוגמת שימוש ברשתות נוירוניות לשיפור התוצרים של טכניקות לימוד מכונה ועיבוד אותות קלאסיות. במיוחד היא מתעניינת בטכניקות שהובאו מתחומים אחרים שאינם מזוהים עם תחום המכ"ם, דוגמת טכניקות עיבוד תמונה, ניתוח אודיו, גישות ניתוח סטטיסטיות ועוד.

למידע נוסף: Mafat Challenge

אינטל ו-NUS פיתחו רובוט המצוייד בעור מלאכותי רגיש למגע

חברת אינטל וקבוצת חוקרים מאוניברסיטת NUS בסינגפור פיתחו יכולת מישוש עדינה לרובוטים, המבוססת על שימוש בעור מלאכותי (e-skin) מסוג חדש ועל המעבד הנוירומורפי Loihi של אינטל. במסגרת הניסוי, הם השתמשו ביד רובוטית המצויידת בעור מלאכותי על-מנת לקרוא כתב ברייל ולאחר מכן להעביר דרך הענן את נתוני החישה לשבב Loihi, שעיבד את המידע והפיק ממנו משמעות סמנטית. Loihi השיג דיוק של יותר מ-92% בזיהוי אותיות כתב ברייל, ונדרש להספק קטן פי 20 מזה שנדרש למעבד סטנדרטי (Von Neumann) כדי לבצע את אותה המשימה.

במקביל, נבחנה טכניקה לשיפור יכולת התפיסה הרובוטית באמצעות שילוב של נתונים מהעור המלאכותי וממצלמה מבוססת אירועים (בתמונה למטה). עיבוד המידע איפשר לרובוט לזהות תופעות כמו החלקה סיבובית, החשובה לאחיזה יציבה, וסיווג קטגוריות שונות מיכלים אטומים מסוגים שונים, שהכילו כמויות שונות של נוזלים (היו בעלי משקל שונה). התוצאה: שילוב של ראייה מבוססת-אירועים ומגע באמצעות רשת עצבית מגיעים לדיוק גדול יותר ב-10% בסיווג אובייקטים בהשוואה למערכת ראייה בלבד. מעבד Loihi עיבד את המידע במהירות גבוהה ב-21% מאשר שבבי עיבוד גרפי, ובהספק נמוך פי 45.

עור מלאכותי ומצלמה מוכוונת ארועים מאפשרים לרובוט להחזיק את הבקבוק בעוצמה הדרושה מבלי שייפול או יתעוות
עור מלאכותי ומצלמה מוכוונת ארועים מאפשרים לרובוט להחזיק את הבקבוק בעוצמה הדרושה מבלי שייפול או יתעוות

חיישני העור המלאכותי מחקים את מערכת העצבים הביולוגית

ליבת הניסוי היא עור מלאכותי שפותח בפקולטה להנדסה באוניברסיטה הלאומית של סינגפור (NUS). הוא מבוסס על פיתוח ארכיטקטורת עיבוד ותקשורת חדשה, המחקה את מבנה מערכת העצבים הביולוגית, בדומה לאופן שבו רשתות בינה מלאכותית נוירוניות מחקות את מבנה הנוירונים במוח. הארכיטקטורה החדשה, ACES – Asynchronously Coded Electronic Skin, מאפשרת לשלב מערכים של עד 10,000 חיישני מגע ביריעת פלסטיק גמישה, ולשדר את המידע אל מערכת עיבוד מרכזית במהירות גדולה יותר מזו של מערכת העצבים האנושית.

הרעיון של עור מלאכותי הכולל חיישני מגע אינו חדש, אולם יישומו נתקל בקשיים רבים. כדי לקבל חישה אפקטיבית יש צורך בחיישנים רבים מאוד, ביכולת עמידה בחבלות ותקלות בחיישנים בודדים מבלי שהדבר ישבש את כל המערך, במהירות תגובה גדולה ובהספק נמוך מאוד. התפישה המקובלת היא פריסת מטריצה של חיישני מגע (pressure sensors) המתחברת אל מעבד באמצעות פרוטוקול חלוקת זמן (Time-Divisional Multiple Access).

ארכיטקטורת ACES: מספר רב של חיישני מגע (בכחול) מחוברים אל הגלאי (כתום) במוליך יחיד
ארכיטקטורת ACES: מספר רב של חיישני מגע (בכחול) מחוברים אל הגלאי (כתום) במוליך יחיד

ה-TDMA נועד לצמצם את מספר המוליכים בעור המלאכותי, שכן הוא מעניק חלון שידור נפרד לכל חיישן. אלא שבגישה הזאת, ככל שגדל מספר החיישנים, יורד זמן התגובה הכולל של המערכת. כדי להתגבר על הבעיה יש צורך במהירות דגימה גדולה יותר, אולם הדבר דורש שימוש במעגלי דגימה מהירים ומעגלי דחיסת מידע חכמים. אולם הפתרון הזה מוגבל מאוד: העלות גבוהה, המעגלים דורשים הספק גבוה, ודגימה ודחיסה חכמים תלויים בידע מוקדם על סוג המגע הצפוי. בשורה התחתונה, גם הפתרון הזה מוגבל מבחינת מספר החיישנים שניתן לשלב בעור המלאכותי.

תפישת ACES שפותחה ב-NUS מבוססת על חיקוי מערכת העצבים: החיישנים מקושרים באמצעות מוליך אל ערוץ מרכזי המעביר את המידע המקובץ אל יחידת העיבוד – מעין מוח המיושם באמצעות רשת לימוד עומק נוירונית (Deep Learning Neural Network). ליבת המערכת היא ארכיטקטורת תקשורת א-סינכרונית המאפשרת תמיכה באלפי חיישנים בו-זמנית.

כל חיישן משדר פולס מידע רק כאשר רמת הגרוי שלו חוצה סף מוגדר מראש (threshold). הפולס מפוזר על-פני טווח תדרים רחב מאוד באמצעות טכניקת spread spectrum. הדבר מאפשר לשדר מיידית את כל האותות ולספק להם עמידות ברעשים גם בהספקים נמוכים מאוד. אותות החיווי של כל חיישן משוחזרים במעבד הנוירוני בהתאם לחתימת התדר שלו ולמיקומו הידוע מראש.

מוח אלקטרוני בתוך שבב

מערכת עיבוד נוירומורפית מבוססת שבבי Lohini של אינטל, הכוללת 8 מיליון נוירונים
מערכת עיבוד נוירומורפית מבוססת שבבי Lohini של אינטל, הכוללת 8 מיליון נוירונים

המוח המרכז את כל המידע הוא מחשב המבוסס על המעבד הנוירומורפי של אינטל. מעבד נוירומופרי הוא יישום ברמת החומרה של המבנה של רשתות נוירוניות, אשר מיושמות בדרך-כלל ברמת התוכנה בלבד. כל מעבד מיוצר בתהליך של 14 ננומטר ומכיל 128 ליבות המיישמות 130,000 נוירונים. להערכת אינטל, במשימות ספציפיות, מסוגל המעבד Loihi לעבד מידע במהירות גדולה פי 1,000 וביעילות גדולה פי 10,000 מאשר מעבד סטנדרטי (CPU).

בחודש יולי 2019 הכריזה אינטל על מערכת עיבוד נוירומורפית הכוללת 8 מיליון נוירונים אשר ממומשים באמצעות 64 מעבדי Loihi. החברה מסרה שמדובר בשלב הראשון של תוכנית פיתוח שאפתנית, המיועדת להרחיב את הארכיטקטורה להיקף של כ-100 מיליון נוירונים. על-פי ההערכה המקובלת כיום, במוח האנושי יש כ-84 מיליארד נוירונים. כאשר אינטל מדברת על 100 מיליון נוירונים במערכת אחת, ואולי מיליארד נוירונים בתוך מספר שנים – מדובר במוח אלקטרוני זעיר המשתווה לזה של בעלי חיים רבים…

רייזור לאבס תפתח רשת נוירונים לחיזוי נפילות מתח

חברת Razor Labs, המתמחה בפיתוח פתרונות AI ייעודיים, תפתח במסגרת פרויקט משותף עם חברת Exacter האמריקאית, תשתית בינה-מלאכותית לאיתור התיישנות רכיבים וחיזוי נפילות מתח ברשתות חשמל. תשתית ה-AI שתפתח רייזור לאבס תאפשר לאקזקטר לשקלל יותר נתונים ממגוון מקורות, להפיק תובנות מהדטה שהיא אוספת ולשפר את יכולות החיזוי והאבחון של המערכת. שתי החברות יבצעו פיילוט בעיר אקרון, אוהיו, בשיתוף הרשות המוניציפלית. שיתוף הפעולה בין שתי החברות זכה למענק מטעם קרן בירד (Bird Foundation), התומכת בשיתופי פעולה טכנולוגיים בין חברות ישראליות ואמריקאיות.

חברת Exacter נוסדה בשנת 2007 ופעילה בארצות הברית, קנדה ומקסיקו. היא פיתחה חיישן RF המזהה אותות רדיו מקווי מתח גבוה, המצביעים על בלאי או רכיבים תקולים שעשויים להוביל לשיבושים באספקת החשמל ונפילות מתח. בחברה מסבירים כי החיישן שפיתחו מסוגל להתריע על תקלות בשלב מוקדם יותר לעומת חיישני אינפרא-אדום, המתבססים על שינויים בפליטת החום מהשנאי. החברה סורקת את רשת החשמל באמצעות כלי-רכב עירוניים או רחפנים הנושאים את החיישנים, ומספקת את המיקום המדוייק של נקודות הבעייתיות ברשת החשמל.

הפלטפורמה שתפתח רייזור לאבס תוסיף לטכנולוגיה של אקזקטר מימד של ביג-דאטה, כלומר לשקלל פרמטרים נוספים שעשויים להשפיע על רשת החשמל, כמו תחזיות מזג אוויר, דפוסי צריכת חשמל אזוריים ונתוני עבר. המידע יעובד באמצעות אלגוריתמים של למידת-עומק ורשתות נוירונים. להערכת רייזור לאבס, המערכת תדע לדווח על מצב הכשירות של כל מרכיבי הרשת בכל רגע נתון, ולחזות תקלות עתידיות, כולל הרכיבים הספציפיים שצפויים לגרום לנפילת המתח. לפי ההערכות, עלות של נפילות המתח ברשתות החשמל בארצות הברית בלבד נאמדת בכ-110 מיליארד דולר בשנה. רייזור לאבס הוקמה ב-2016 ומעסיקה כ-150 עובדים.

מחשב עיבוד התמונה של פוקסקון יתבסס על היילו

חברת פוקסקון (Foxconn) מטמיעה את מעבד הבינה המלאכותית של חברת Hailo התל-אביבית בדגמים החדשים של מחשבי עיבוד התמונה ממשפחת BOXIedge שהיא מייצרת. המוצר החדש פותח בשיתוף פעולה בין פוקסקון הטאיוואנית, היילו הישראלית וחברת Socionext היפנית, אשר תורמת למוצר את שבב העיבוד המקבילי SynQuacer, הכולל 24 ליבות Cortex-A53. המחשב החדש מיועד לבצע פעולות עיבוד תמונה מורכבות בקצות הרשת (Edge), כדי לקבל תגובות מהירות ולשחרר עומס במרכזי הנתונים.

המחשב מיועד לבצע פעולות עיבוד תמונה בזמן אמת של הרבה מאוד מקורות וידאו (מצלמות) ביישומים כמו מערכות אבטחה וניהול העיר החכמה, ניטור תנועה, אוטומציה תעשייתית ורובוטיקה, מערכות רפואיות חכמות, ניהול חכם של מרכזים לוגיסטיים ועוד. פוקסקון שילבה במחשב את מעבד הלמידה העמוקה Hailo-8, אשר מגיע לעוצמת עיבוד של 26 מיליארד פעולות בשנייה (26TOPS – Tera Operations Per Second) וליעילות של 3TOPS לכל ואט.

השבב של היילו יודע מה הבעיה…

הוא מתוכנן לעמידה בתקן המחמיר ISO 26262 ASIL-B ובתקן AEC Q 100 Grade 2. השבב בנוי מארבעה מרכיבים מרכזיים: מעבד תמונה המשפר את התמונה המגיעה מהחיישן לפני העברתה לזיהוי ברשת הנוירונית, מעבד לקבצי וידאו בתקן H.264, מעבד ARM-M4 המנהל את השבב, ומודול הרשת הנוירונית עצמה, שהחברה פיתחה על-פי רעיון ייחודי. היילו זיהתה תופעה מעניינת: בתהליך עיבוד ההסקות ברשת נוירונית (Deep Learning), יש הבדלים בין ההתנהגות של השכבות השונות ברשת הנוירונית, ולכן הן זקוקות למשאבים שונים. השבב של החברה יודע לנתח את הבעיה, להגדיר מה הן המשאבים הדרושים לכל שכבת עיבוד ולספק לה את המשאבים. באופן זה הוא מאיץ את תהליך העיבוד ומפחית את צריכת ההספק.

אור דנון, מנכ"ל ומייסד משותף של Hailo
אור דנון, מנכ"ל ומייסד משותף של Hailo

עוצמת המחשב החדש באה לידי ביטוי ביכולת לבצע עיבוד תמונה מבוסס בינה מלאכותית של אותו וידאו המגיעים הו-זמנית מ-20 מצלמות שונות. "מדובר בשיתוף פעולה עם שתי מובילות עולמית בתחום פתרונות ה-AI", אמר אור דנון, מנכ"ל ומייסד משותף של Hailo. "מעבד ה-Deep Learning שלנו משדרג באופן משמעותי את היכולות של מכשירים חכמים הפועלים בקצה הרשת". חברת Hailo הוקמה בחודש פברואר 2017 על-ידי אור דנון, אבי באום, הדר צייטלין ורמי פייג ז"ל, בוגרי יחידת עילית טכנולוגית של חיל המודיעין. החברה מעסיקה כיום כ-90 עובדים בתל-אביב וממשיכה לגייס עובדים נוספים. לפני כחודשיים היא השלימה גיוס הון בהיקף של 60 מיליון דולר.מאז הקמתה החברה גייסה כ-88 מיליון דולר.

אינטל משיקה תוכנית להכשרת מיליון מפתחי בינה מלאכותית

חברת אינטל העולמית הכריזה על תוכנית הכשרה של מפתחים בתחום למידה עמוקה וראיית מחשב. התוכנית מתבצעת בשיתוף פעולה עם את ההכשרה יודסיטי (Udacity) במסגרת תכניות ננו-תואר (nanodegree). היא מיועדת להכשיר כמיליון מפתחים בכל העולם, כולל בישראל. הקורס צפוי להימשך כשלושה חודשים, ובסיומו יקבלו הבוגרים שסיימו אותו בהצלחה תעודת בוגר של יודסיטי, תמורת מחיר של 200-400 דולר. ניתן לקבל את כל תכני הקורס גם בחינם, אבל האופציה הזאת אינה תמיכה של מנטור טכני, בניית תיק עבודות ותעודת בוגר.

התוכנית מיועדת לאנשים בעלי בידע בסיסי בתכנות בשפת פייתון, ניסיון באימון ובעבודה עם מודלים של למידה עמוקה, והיכרות עם סוגי ארכיטקטורות רלוונטיות. בוגריה מיועדים להשתלב בפרוייקטי IoT, בינה מלאכותית, VPU/CPU/FPGA ועוד. חברת אינטל דיווחה שהתוכנית מיועדת להתמודד עם בעיית המחסור בעובדים מיומנים בתחומי ה-AI.

השוק צומח בקצב של 27% בשנה

מנכ"ל קבוצת ה-IoT באינטל, ג'ונתן בלון, אמר שכ-70% מהנתונים נוצרים כיום בקצה (Edge) ורק כמחציתם יגיעו לענן הציבורי וכל השאר יאוחסנו ויעובדו בקצה. "לכן יש צורך במפתחים מסוג חדש. הביקוש לאנשי מקצוע המחזיקים בכישורים אלה יהיה עצום, משום ששוק התוכנה לבינה מלאכותית בקצות הרשת צפוי לגדול מהיקף של כ-355 מיליון דולר בשנת 2018 להיקף של כ-1,152 מיליארד דולר בשנת 2023. להערכת חברת MarketWatch זהו קצב צמיחה שנתי של 27%".

התלמידים ילמדו ישירות מאנשי מקצוע מנוסים ב-Edge AI והאינטרנט של הדברים, בהם סטיוארט כריסטי, שעובד באינטל כבר קרוב ל-20 שנה וכיום משמש כמנהל הקהילה של תוכנית המפתחים לאינטרנט של הדברים; ארצ'נה אייר, לשעבר מהנדסת מחקר ב-Saama; סוהאם צ'טרג'י, לשעבר חדשן תוכנה באינטל; ומישל וירגו, מנהל בכיר של תכניות לימודים ביודסיטי.

הפרויקטים בתכנית לתואר ננו הם: (People Counter) בקצה: בדיקת מודלים שאומנו מראש, לזיהוי בני אדם וזיהוי מספר האנשים בפריים ומשך הזמן שהם נמצאים בו. תכנון מערכת תורים חכמה המותאמת למגזרי הקמעונות, הייצור והתחבורה ושימוש ב-Intel DevCloud לאימות בחירת החומרה. בניית בקר למחוון של המחשב: שימוש במודלים הזמינים בערכת הכלים OpenVINO כדי לשלוט במחוון המחשב באמצעות מבט.

לקבלת מידע ורישום:Edge AI for IoT Developers

סיוה מצטרפת למהפיכת הבינה המלאכותית המיניאטורית

חברת סיוה מהרצליה (CEVA) הכריזה כי פלטפורמת העיבוד שלה CEVA-BX DSP, ותוכנת זיהוי הקול WhisPro, תומכות בסביבת הבינה המלאכותית החדשה TensorFlow Lite for Microcontrollers, אשר מאפשרת להפעיל יישומי בינה מלאכותית זעירים במעבדים קטנים מאוד וחסכוניים מאוד בהספק. בכך היא מצטרפת למגמה חדשה בתעשייה: הבאת יכולות בינה מלאכותית מוגבלות אבל מוגדרות, אל מיקרו-בקרים ואבזרי קצה (Edge Devices) בעלי משאבים מועטים מאוד.

סביבת TensorFlow פותחה בגוגל בעשור האחרון במטרה לייעל את תהליכי הלימוד וההסקה של רשתות נוירוניות, באמצעות יכולת הסתמכות של תבניות מוכרות והתמקדות באתרים חיוניים באובייקט הנלמד. הסביבה פותחה על-ידי צוות Google Brain שהוקם כדי לסייע לגוגל לשנות את פניה מחברת חיפושים באינטרנט לחברת בינה מלאכותית. בשנת 2015 החברה שחררה את TensorFlow לקהילת הקוד הפתוח ועשתה אותה תוכנה חופשית לשימוש.

בינה מלאכותית ב-16KB בלבד

מאז פורסמו מספר עידכונים לתוכנה, אולם אחת מהגרסאות המעניינות שלה היא TensorFlow Lite המיועדת לאבזרים ניידים ומערכות משובצות, כאשר הגסה החדשה ביותר שלה, TensorFlow Lite for Microcontrollers, מיועדת לשימוש במעבדים הקטנים ביותר הקיימים היום בתעשייה: מיקרו-בקרים ומותאמת למעבדים שיש ברשותם זכרון זעיר בנפח של כמה קילו-בייט (KB).

כך למשל, כאשר מפעילים אותה על-גבי מעבדי Arm Cortex M3 קטנטנים, התוכנה עצמה זקוקה לזיכרון של 16KB, ומאפשרת ליישם יכולת זיהוי מילות מפתח בנפח זכרון כולל של 22KB בלבד. היא מותאמת למעבדים בעלי 32 סיביות, ובאתר התמיכה של התוכנה, ניתן למצוא יישומים הפועלים על-גבי מעבד Arduino Nano או כרטיס Adafruit (בתמונה למעלה). במשאבים המצומצמים האלו היא מסוגלת לזהות מילות מפתח, לזהות מחוות באמצעות מידע המגיע מחיישן התאוצה ולסווג תמונות ממצלמת האבזר.

הטכנולוג הראשי של סיוה, ארז בר-ניר, אמר שהדרישה ליכולות הבנת הקשר (contextual awareness) באבזרי קצה מייצרת אתגר קשה במיוחד, הן בביצועים והן בצריכת ההספק. "סביבת TensorFlow Lite for Microcontrollers מפשטת באופן דרמטי את הפיתוח של המערכות האלה". למעשה, מדובר במגמה חדשה שקיבלה בינתיים שני כינויים שונים: הכינוי הראשון הוא TinyML – Tiny machine learning, והכינוי השני הוא Artificial Intelligence of Things – AIoT.

על קו הזינוק: התחרות בשוק נעשית צפופה

שניהם מתארים את אותה המגמה, אשר מייצרת תחרות חדשה: לפני שבועיים הכריזה קיידנס שגם היא התאימה את תכנון המעבד שלה, Tensilica HiFi DSP, למערכת ה-TinyML של TensorFlow. בחודש פברואר 2020 הכריזה ARM על המעבד החדש Cortex-M55, אשר מיועד להחליף את השימוש ב-Cortex M3 ביישומים הדורשים בינה מלאכותית באבזרי קצה זעירים.

גם חברות הענק מתלהבות: חברת STMicroelectronics הכריזה על כרטיס פיתוח עבור המיקרו-בקר STM32F746NG, קואלקום, ARM, מיקרוסופט וגוגל ייסדו את ועידת tinyML Summit 2020 שהתקיימה בפברואר בסן פרנסיסקו, וחברת Lattice העניקה בינואר חסות לוועידת TinyML שהתקיימה בבניין סמסונג בסנטה קלרה, קליפורניה. בשבילה המגמה החדשה מייצרת שוק יעד מושלם לרכיבי ה-FPGA הזעירים ממשפחת iCE40 UltraPlus.

טאואר-ג'אז והטכניון פיתחו רכיב ממריסטור לייצור שבבי בינה מלאכותית

פרופ' שחר קוטינסקי מהפקולטה להנדסת חשמל בטכניון (בתמונה למעלה), ביחד עם הדוקטורנט לואי דאניאל ועם חברת טאואר-ג'אז (TowerJazz), הצליחו לייצר ממריסטור זול מאוד ובטכנולוגיה מוכחת, המאפשר לבנות רשתות נוירוניות גדולות מאוד המבצעות עיבוד (לימוד והסקה) אנלוגי של המידע. החוקרים ייצרו התקן בעל שני הדקים (Two-terminal Floating-gate Transistor) באמצעות שינוי קל בתהליך של טאואר-ג'אז לייצור זכרונות פלאש בטכנולוגיית CMOS בגיאומטריה של 180 ננומטר.

התוצאה היא ממריסטור הזוכר 65 ערכי התנגדות שונים, בהתאם למתח המוטען עליו בשלב הכתיבה בהדק העליון, ומפיק בהדק התחתון 65 ערכי זרם שונים בשלב הקריאה. רעיון הממריסטור הועלה לראשונה בתחילת שנות ה-70 על-ידי פרופ' לאון צ'ואה היפני. במאמר תיאורטי שפירסם הוא טען שהמערכות האלקטרוניות הקיימות מבוססות על השילוש נגד-קבל-סליל. הוא הציע רכיב נוסף – נגד המסוגל לזכור מצבים – שהוא העניק לו את השם ממריסטור (Memory Resistor). כלומר, נגד שיכול לשנות את ההתנגדות שלו ולכן גם לשמש כבסיס לייצור זכרונות התנגדותיים בלתי-נדיפים.

הפלאש הפך למתג אנלוגי

מאז נעשו מאמצים רבים לייצר ממריסטורים וזכרונות התנגדותיים, אולם ברוב המקרים מדובר ברכיבים מעבדתיים או יקרים ובעלי מגבלות גודל. פריצת הדרך החשובה בפרוייקט של טאואר-גאז והטכניון היא ביכולת לייצר ממריסטור לומד בטכנולוגיה קיימת וזולה מאוד. במחקר תיאורטי של קוטינסקי שנערך בשנה שעברה, הוא הוכיח שרשתות לימוד עומק (Deep Learning) הבנויות על-פי העיקרון הזה, יכולות להיות מהירות פי 1,000 בהשוואה ליישום דיגיטלי שלהן המבוסס על שימוש במעבדי GPU.

התוצאה היא מעין מתג אנלוגי המתפקד כמו סינפסה ברשת נוירונית מהירה, אשר פועל במתחים נמוכים (בסביבות 1V). תהליך הלימוד (כתיבה) נעשה באמצעות שינויים במתח (דלתא) המאפשרים תהליך למידה עם כל מחזור, באמצעות תיקון של המשקל הקיים בכל מתג (המשקל הוא שווה ערך להתנגדות המתוקנת). תהליך ההסקה (קריאה) נעשה באמצעות מדידת הזרם המשותף של כל המתגים המצויים בעמודה מוגדרת (שווה ערך לכל המשקלים בשכבת עיבוד ברשת נוירונית).

חישוב מהיר המפיק תשובה במחזור שעון יחיד

בראיון ל-Techtime הסביר קוטינסקי שתהליך הייצור הוא זול מאוד וקל מאוד, מכיוון שהוא מבוסס על טכנולוגיה קיימת שהשינוי שבוצע בה אפילו לא דורש שינוי במסיכות. כלומר, הוא נעשה ללא תוספת עלות. "לקחנו טכנולוגיה קיימת של טאואר-ג'אז, ובאמצעות שינוי קל בהתקן שלהם קיבלנו ממריסטור שהוא בעל ביצועים טובים יותר מאשר הממריסטורים המעבדתיים הטהורים. זוהי גרסה של מחשב אנלוגי מהיר מאוד, מכיוון שקריאת המידע מכל עמודה נעשית במחזור שעון אחד בלבד". לרשת החדשה יש את כל התכונות של זיכרון בלתי נדיף אמין: חברת טאואר-ג'אז מתחייבת שהוא שומר את המידע לפחות 10 שנים.

במחקר השתתפו גם פרופ' יעקב רויזין וד"ר יבגני פיחאי מחברת טאואר-ג'אז ופרופ'-משנה ראמז דניאל מהפקולטה להנדסה ביו-רפואית בטכניון. לדברי רויזין, "הממריסטור יושב על הטרנזיסטורים הקיימים של טאואר-ג'אז, ומתממשק באופן מיידי עם כל ההתקנים שאיתם הם עובדים. הטכנולוגיה החדשה נבחנה בתנאי אמת והראתה כי אכן היא ניתנת להטמעה ברשתות עצביות בחומרה. בדומה למוח, המערכת המשופרת מצטיינת בשמירת מידע לטווח ארוך ובצריכת אנרגיה נמוכה מאוד".

הפרוייקט פורסם במאמר בכתב העת Natureelectronics. לקריאת המאמר הקליקו: כאן

קבוצת אינווייב מרחיבה את פעילותה בישראל

קבוצת אינווייב (Innowave Group) הנמצאת בבעלות מיקי פאר (Miki Peer) המשמש גם כמנכ״ל החברה, מרחיבה את פעילותה בישראל ומתכננת בחודשים הקרובים לפתוח משרדים חדשים בתל אביב. הקבוצה מספקת שירותי ייעוץ, תכנון ופיתוח במגוון תחומים, כגון תוכנה משובצת, בינה מלאכותית, FPGA, תכנוני ASIC, מוצרים בהספק גבוה, אופטיקה ו-RF. פאר סיפר ל-Techtime שהחברה החלה להיכנס לשוק הישראלי לפני כשנה, ובעקבות התרחבות הפעילות כאן החליטה לפתוח משרד מקומי בתחילת 2020. פאר: "במקביל לפתיחת המשרדים החברה החלה בתהליך גיוס גדול מאוד בתחום הבינה המלאכותית (AI)".

חברת אינווייב נוסדה לפני כ-10 שנים בארה"ב כדי לפתח שתי מערכות צילום עבור משרד ההגנה וחיל האוויר האמריקאי. במסגרת הפרוייקט היא ביצעה את התכנון של האלגוריתמיקה, האופטיקה, והאווירודינמיקה, ופיתחה את תוכנת עיבוד הווידאו. שתי המערכות נמצאות כיום בשימוש במערכת הביטחון האמריקאית. לפני כשנתיים החברה שינתה כיוון ונכנסה לתחום שירותי התכנון ופיתוח לתעשיית ההייטק ברחבי העולם במגוון תחומים, ולא רק עבור השוק הצבאי.

ליווי עסקי ופיתוח טכנולוגי

כיום היא פועלת במתכונת של קבוצת פיתוח הפועלת ממספר משרדים ברחבי ארצות הברית, משרדים בגרמניה, באיטליה, וכעת גם בישראל. "תחומי החוזק המרכזיים שלנו הם תוכנה משובצת, בינה מלאכותית, FPGA, תכנוני ASIC, מוצרים בהספק גבוה, אופטיקה ו-RF. אינווייב שותפה עסקית רשמית של Arrow Electronics, Analog Devices, Microchip, STMicroelectronics, Osram וחברות נוספות. המודל העסקי שלנו מבוסס על מתן שירותי ליווי, פיתוח וייעוץ תוכנה וחומרה".

כיום שוק היעד המרכזי של החברה הוא בארצות הברית, ותחום היעד המרכזי הוא בינה מלאכותית: "אנחנו ממוקדים בפיתוח AI על בסיס Intel Movidius ותומכים בלקוחות שהפיתוח שלהם מתבסס על מערכות הבינה המלאכותית של Nvidia". לאחרונה היא גייסה לשורותיה את רוג'ר אדגר, מי שהיה מנהל השיווק והפיתוח העסקי לשעבר של NXP בארה"ב בתחומי התוכנה המשובצת (עם התמחות ב-Machine Learning ,Computer Vision ו-AI). הוא מתחיל לעבוד כמנהל הפיתוח העסקי בארצות הברית.

קהילה ישראלית של מייקרים ויזמים

בישראל, אינווייב מעוניינת להגיע אל קהילת הסטראט-אפים הגדולה. לאחרונה היא גייסה לשורותיה את שלמה פרגמנט, לשעבר סמנכ"ל מיחשוב פיננסי ועסקי של בנק לאומי, אשר מספק לחברות סטארט-אפ ליווי פיננסי הכולל בניית תוכנית עסקית אסטרטגית, גיוס משקיעים, מחקרי שוק, ייעוץ ברישום פטנטים, וכדומה. במקביל, היא נמצאת כעת בתהליך הקמת קהילת מייקרים וסטארט-אפים מקומיים בשיתוף פעולה עם חברת Arrow.

להערכת מיקי פאר הקהילה אמורה להגיע להיקף של כ-5,000 יזמים. "הקמת הקהילה תעניק ליזמים המקומיים היכרות עם תעשיית ההייטק, חיבור לחברות ולגופים בינלאומיים בתחום, ליווי בתהליך הפיננסי, הפיתוח וכיוצא בזה".

למידע נוסף ויצירת קשר:

ליאת חן, [email protected], טלפון: 03-5010001

www.innowave.design

 

 

אינטל הכריזה על מעבד-תמונות ליישומי IoT

חברת אינטל (Intel) חשפה אתמול בוועידת הבינה המלאכותית (AI Summit 2019) שקיימה בסן פרנסיסקו, את הגרסה החדשה של השבב Movidius: מעבד בינה מלאכותית זעיר ליישומי עיבוד תמונה (Vision Processing Unit  – VPU), אשר קיבל את הכינוי Keem Bay. השבב צפוי לצאת לשוק במחצית הראשונה של 2020 ולספק ביצועים גבוהים פי עשרה בהשוואה לדור הקודם שלו, שיצא לשוק בשנת 2017.

השבב מופיע בגודל של 72 מ"מ מרובע ומיועד למימוש הסקות עיבוד תמונה באבזרי קצה. הוא כולל זיכרון בתוך השבב וערוץ מידע פנימי ברוחב של 64 סיביות, להעברה מהירה של המידע בין הזיכרון לבין יחידות העיבוד. אינטל מייעדת אותו למגוון רחב של יישומי קצה, כולל הטמעה בתוך מצלמות סטילס, רובוטים, רחפנים, מצלמות אבטחה, כלי-רכב, תחנות שירות אוטומטיות, האצת עיבוד תמונה בקצות הרשת באמצעות התקנת מספר שבבים בכרטיסי PCIe, ועוד.

בתחום ה-IoT הגודל קובע

למעשה, מדובר בשבב בינה מלאכותית ייעודי עבור אבזרי IoT. להערכת אינטל, זהו השבב המהיר ביותר מסוגו בתעשייה, ומהיר פי ארבעה מהשבב המקביל של אנבידיה, TX2. אומנם השבב Xavier של אנבידיה מהיר יותר, אולם לטענת אינטל צריכת ההספק שלו עבור כל פעולת עיבוד מקבילה, גבוהה פי חמישה. לדברי מנהל קבוצת ה-IoT באינטל, ג'ונתן באלון (בתמונה למעלה), "זהו הבדל חשוב מאוד, מכיוון שבאבזרי הקצה הלקוחות דורשים חיסכון בהספק, גודל קטן, וזמני השהייה מינימליים".

ההכרזה האחרונה היא מרכיב באסטרטגיה כוללת של אינטל לספק פתרונות בינה מלאכותית מרמת הענן ועד לאבזרי הקצה הקטנים ביותר. להערכת חברת IDC, בתוך 5 שנים יגדל קצב ייצור המידע שאנחנו מייצרים פי עשרה, כאשר 70% ממנו ייווצר באבזרי הקצה. ראוי לציין שחברת אינטל מעריכה שכבר השנה (2019) יסתכמו מכירותיה בתחום הבינה המלאכותית בכ-3.5 מיליארד דולר.

עוד בנושא: אינטל ישראל פיתחה מעבד בינה מלאכותית

אנבידיה ואריקסון יפתחו רשת 5G המבוססת על מעבדי GPU

חברת אנבידיה (NVIDIA) חתמה על סדרה של הסכמי שיתוף פעולה עם חברות ענק טכנולוגיות, במטרה להטמיע את מחשבי הבינה המלאכותית שלה בתשתיות הענן וברשתות הדור החמישי (5G) העתידיות. כך גילה אתמול (ב') מייסד ומנכ"ל אנבידיה, ג'נסן הואן, בהרצאה שנשא בפני מאות אנשי טכנולוגיה בכנס הלקוחות של החברה שהתקיים בלוס אנג'לס.

לדבריו, הופעת הסמארטפון היתה רק הסנונית הראשונה בעידן חדש שבו כל האבזרים הם גם מקושרים וגם חכמים. העידן החדש, הוא הסביר, זקוק לפלטפורמת בינה מלאכותית חזקה, ופלטפורמת NVIDIA EGX המספקת בינה מלאכותית בקצות הרשת, מסוגלת לספק את סוג המיחשוב הדרוש לרשתות 5G, אבזרי IoT ויישומי בינה מלאכותית בענן.

כדי להמחיש את הטיעון, הוא דיווח על שבעה הסכמי שיתוף פעולה מרכזיים של החברה עם חברות ענק תעשייתיות: אריקסון, BMW, מיקרוסופט, NTT, פרוקטר אנד גמבל, Red Hat ו-Samsung Electronics. שיתוף הפעולה עם אריקסון יתמקד בפיתוח משותף של רשת תקשורת וירטואלית (Radio Access Networks) עבור רשתות הדור החמישי. המטרה היא לשלב את מחשבי ה-AI של אנבידיה בפלטפורמת 5G שתהיה זולה, או לפחות לא יקרה יותר, מאשר רשתות הגישה הנוכחיות של הדור הרביעי.

שיתוף הפעולה עם חברת Red Hat משלים את המהלך: הוא יתמקד בפיתוח תשתית תוכנה במתכונת של Kubernetes (מערכת קוד פתוח לניהול התקנת יישומים), אשר תאפשר בניית תשתית בענן של רשת תקשורת שלמה. התשתית תתבסס על מחשבי הבינה המלאכותית NVIDIA EGX ועל רשת גישה מסוג 5G RAN. התוכנה החדשה תבצע באופן אוטומטי את ההתקנה, הפריסה והניהול של היישומים ברשתות הדור החמישי.

שיתוף פעולה רחב-היקף עם הענן של מיקרוסופט

אחד מההסכמים החשובים באסטרטגיה החדשה הוא עם חברת מיקרוסופט, אשר מתמקד בשימוש במחשבי EGX על-גבי הענן Azure. במסגרת הזאת דיווחה אנבידיה שהיא תכננה את מחשבי T4 GPU במארז ייעודי המותאם לאבזר הקצה Azure Data Box של מיקרוסופט. במקביל, אנבידיה סיפקה תכנוני ייחוס והסמיכה שרתים חדשים מוכנים מהמדף, שעברו אופטימיזציה ייעודית לעבודה בתשתיות אז'ור. שיתוף הפעולה נועד להבטיח שהיישומים הניתנים במסגרת Microsoft Azure IoT ו-Azure Data Box Edge יפעלו באופן חלק מכל פלטפורמה המוסמכת על-ידי אנבידיה.

הואן גם חשף שיתופי פעולה שכבר הבשילו: חברת סמסונג משתמשת במחשב EGX ובתוכנת בינה מלאכותית כדי לתכנן שבבים. חברת ב.מ.וו משתמשת בהם כדי לבצע בדיקות איכות אוטומטיות של חלקי מכונות במפעל הייצור שלה בדרום קרוליינה. חברת התקשורת היפנית NTT משתמשת בהם כדי לפתח שירותי תקשורת חדשים עבור איזורים מרוחקים, והקימוענאית האמריקאית פרוקטר את גמבל מבצעת כיום פרוייקט משותף עם אנבידיה, במטרה לפתח מערכת מבוססת בינה מלאכותית (על-גבי מחשבי EGX) אשר תבצע בדיקה ויזואלית של מוצרים המגיעים לרשת ושל המארזים שלהם.

SKF השבדית רכשה את פריסנסו החיפאית

בתמונה למעלה: עובדי חברת פריסנסו. צילום: יח"ץ

קבוצת SKF השבדית, המתמחה בייצור מערכות מכניות סיבוביות, דוגמת מיסבים וצירים, רכשה את חברת פריסנסו (Presenso) מחיפה אשר פיתחה מערכת מבוססת בינה מלאכותית לזיהוי דפוסי התנהגות חריגים בין סנסורים ובין רכיבים, המצביעים על התפתחות כשל במכונות הייצור. ההיקף הכספי של העיסקה לא נמסר, אך גורמים בתעשייה מעריכים כי מדובר בהיקף של כמה עשרות מיליוני דולרים. מאז הקמתה בשנת 2015 החברה גייסה כ-3 מיליון דולר.

בחודש מאי השנה נודע ל-Techtime שהחברה נערכת לסבב גיוס נוסף בהיקף של כמה מיליוני דולרים. הסבב היה אמור להסתיים בתוך מספר חודשים, אולם כעת נראה שהוא לא יתקיים. חברת Presenso הוקמה על-ידי איתן וסלי, דדי לביד וד"ר דוד אלמגור תחת השם DeepSense. המנכ"ל איתן וסלי התמחה בפיתוח מערכות בקרה והנעה בחברת אפלייד מטיריאלס.

היו"ר דוד אלמגור הוא יזם סדרתי. בין השאר הוא הקים את חברת פנורמיק פאואר שפיתחה חיישנים לניהול ובקרת צריכת החשמל, אשר נמכרה לחברת סנטריקה תמורת כ-65 מיליון דולר. הטכנולוג הראשי דדי לביד הוא אלגוריתמאי מומחה בתחום הלמידה החישובית וארכיטקטורת ביג-דאטה. הוא בעל ניסיון של כ-8 שנים ברפאל, שם הוביל קבוצת תוכנה ואלגוריתם בפרויקטים גדולים, חלקם בעלי חשיבות לאומית.

פתרונות סיכה ומיסבים מתוצרת SKF השבדית
פתרונות סיכה ומיסבים מתוצרת SKF השבדית

שיתוף פעולה אסטרטגי  עם סימנס

המערכת של החברה אוספת בענן כמויות גדולות של נתונים המגיעים בפורמטים שונים ממאות מכונות ומאלפי סנסורים בקווי הייצור התעשייתיים. היא מפעילה מערכת לימוד מכונה במתכונת של רשת נוירונים (deep learning) אשר לומדת בצורה אוטונומית לחלוטין את מאפייני ההתנהגות של קהילות דומות של מכונות. המנוע יוצר קישורים פנימיים בין מאורעות לרכיבים בתוך המכונה, ובין המכונות למערכות שונות באתר התעשייתי.

לחברה כבר יש לקוחות הכוללים יצרנים תעשייתיים באירופה ובאמריקה בתחומי האנרגיה, נפט וגז, מתכות, כימיקלים ועוד. בחודש מאי 2019 היא נבחרה על-ידי Siemens להיות שותפה אסטרטגית בתחום הבינה המלאכותית ולמידה חישובית לתחזוקת מכונות. על-פי ההסכם בין שתי החברות, פריסנסו תתמוך בשירותי התפעול והתחזוקה של סימנס בעזרת ניתוח בזמן אמת של נתוני המכונות של סימנס ושל לקוחותיה.

עיסקת הרכישה מביאה את הטכנולוגיה של פריסנסו אל ליבת התעשייה הכבדה. קבוצת SKF היא ענקית תעשייתית שהוקמה בשנת 1907 ומעסיקה יותר מ-44,200 עובדים ופועלת בכ-130 מדינות. בשנת 2018 הסתכמו מכירותיה בכ-8.5 מיליארד דולר. החברה נמצאת במהלכה של טרנספורמציה דיגיטלית שנועדה להביא אותה לייצור במתכונת Industry 4.0. במסגרת הזאת היא חנכה בינואר השנה מפעל ייצור אוטומטי בצרפת, לייצור חלקי מנועי סילון עבור חברת Safran הצרפתית.

אינטל ישראל פיתחה מעבד בינה מלאכותית

חברת אינטל (Intel) חשפה היום את מעבדי הבינה המלאכותית הראשונים במשפחת Nervana, שקיבלה באינטל את שם הקוד Spring Hill. הפרוייקט כולו בוצע בישראל. משפחת המעבדים החדשה מבוססת על ליבות Ice Lake מבוססות טכנולוגיית 10 ננומטר שפותחו בקבוצת C2DG הישראלית, כאשר מרכיב הבינה המלאכותית פותח במרכז הפיתוח של אינטל בחיפה.

המעבדים מיועדים לשמש כמאיצי בינה מלאכותית המסייעים למעבד המרכזי בשרת. הם מופיעים בשתי תצורות מרכזיות: מעבד מדגם NNP-T, שהוא קיצור של השם Neural Network Processor for Training. הוא מיועד לביצוע פעולות לימוד ואימון (Training) של רשתות נוירוניות. המעבד השני הוא NNP-I, קיצור של Neural Network Processor for Inference, ומיועד לשימוש במרכזי עיבוד גדולים המיישמים את פעולת ההסקות (Inferencing) של רשתות נוירוניות על כמויות גדולות של מידע, לאחר שהרשת כבר ביצעה את שלב האימון (Training).

צוות הפיתוח הישראלי של מעבדי נירוואנה בכנס הוט צ'יפס
צוות הפיתוח הישראלי של מעבדי נירוואנה בכנס הוט צ'יפס

אינטל מסרה שהשבב החדש מסוגל לטפל ב-3,600 תמונות בשנייה בהספק של 10 ואט בלבד. מנהל חטיבת הארכיטקטורה הקבוצת הבינה המלאכותית באינטל, הישראל גדי זינגר, גילה בפוסט שהעלה באתר החברה בחודש אפריל, שהשבב ייכנס לייצור המוני בסוף 2019 ושהפיתוח נעשה בשיתוף פעולה עם חברת פייסבוק. "הוא יספק תמיכה מלאה לתוכנת האופטימיזציה Glow compiler של חברת פייסבוק". בתוך כך, מנהל קבוצת הבינה המלאכותית, נייבין ראו, גילה בחודש שעבר שגם אתר באידו הסיני משתף פעולה עם אינטל וישתמש בפתרון החדש.

ראוי לציין שאינטל ביצעה מספר השקעות בישראל בתחום מעבדי הבינה המלאכותית, בהן השקעות משמעותיות בחברת Habana Labs שגייסה 75 מיליון דולר, נוירובלייד שגייסה 23 מיליון דולר. ההכרזה נעשתה היום (ג') בכנס Hot Chips שבו משתתפות גם החברות הישראליות היילו והבאנה לאבס, המפתחות שבבי בינה מלאכותית.

200 אלף רשתות פיראטיות מאיימות על המודל העסקי של הטלוויזיה

בתמונה למעלה: יעל פאינרו מנהלת סינמדיה ישראל וד"ר אייב פלד, יו"ר סינמדיה. צילום: Techtime

לפני 9 חודשים הושקה מחדש חברת NDS הוותיקה, אולם במתכונת חדשה. לאחר שנימכרה לסיסקו בשנת 2012 תמורת כ-5 מיליארד, הפעילות נירכשה ממנה בסוף 2018 על-ידי קבוצת ההשקעות Permira תמורת כ-1 מיליארד דולר, והחלה לפעול בשם חברת סינמדיה (Synamedia), על-שם אחד ממוצרי הדגל של NDS. מרכז הפיתוח שלה פועל בירושלים ומעסיק כ-650 עובדים. יו"ר החברה הוא ד"ר אייב פלד, שהקים את NDS בשנת 1988 וכיום משמש גם כיועץ בכיר של פרימרה.

אלא שהחברה שהוקמה כדי להגן על הקניין הרוחני של חברות הטלוויזיה בכבלים, מתמודדת כיום עם מציאות חדשה: ענקיות אינטרנט כמו פייסבוק וגוגל מאיימות על מודל הפירסומות של ערוצי הטלוויזיה, ואלפי רשתות פירטיות מתחרות בערוצים הוותיקים כשהן מצויידות בכלים טכנולוגיים מתקדמים ובמבנים עסקיים מתוחכמים. "התפקיד שלנו הוא לסייע לחברות הטלוויזיה והווידאו לעבור בשלום את המהפיכה ולשמור על יכולתן לייצר תכנים", אמרה מנהלת סימדיה ישראל, יעל פאינרו.

תקופת מעבר רגישה ומסוכנת

במפגש עם יוצרים מהתעשייה הישראלית בתחילת השבוע, סיפר אייב פלד, שתעשיית הטלוויזיה נמצאת בתקופת מעבר שתביא לבניית ממשקים מאוחדים המאפשרים צפייה במספר גדול מאוד של ערוצי תוכן, וגיבוש מענה לתחרות מול ענקיות האינטרנט ולהפצה הפיראטית של תכנים. "ההוצאות על יצירת תוכן נמצאות בעלייה, אבל אי-אפשר להחזיר את ההוצאה מבלי להשתלט על הפיראטיות. חברת HBO מעריכה שבסדרה משחקי הכס צפו בתשלום 14 מיליון איש, אבל 28 מיליון נוספים צפו בה מבלי לשלם.

"כיום פועלות בשוק חברות פיראטיות במתכונת של ספקיות תוכן לגיטימיות. הן מתבססות על ממירים שניתן לקנות באמזון, מערך תשלומים מסודר באמצעות המערכת הבנקאית, ומערכי שיווק המוכרים מנויים במחיר של 10 אירו לחודש (בהשוואה ל-30 אירו שגובה חברת סקיי)". מחלקת המודיעין של סינמדיה ביצעה מחקר שוק ואיתרה 200,000 רשתות פיראטיות מהסוג הזה. חלקן גדולות מאוד, וכוללות יותר מ-60,000 מנויים בכל אחת.

בניין סינמדיה בהר חוצבים, ירושלים. 650 עובדים
בניין סינמדיה בהר חוצבים, ירושלים. 650 עובדים

המאבק בפיראטים יקבל ציביון של לוחמת סייבר

להערכת חברת המחקר Parks Associates, בשנת 2019 הפסידו חברות טלוויזיה בכבלים וחברות הווידאו באינטרנט (OTT-Over the Top), כמו נטפליקס למשל, הכנסות בהיקף כולל של 9.1 מיליארד דולרים שעברו לספקים פיראטיים. ההפסד צפוי לעלות לסכום של כ-12.5 מיליארד דולר בשנת 2024.

לדברי מנהלת תחום מודיעין וסייבר בחברה, אביגיל גוטמן, סינמדיה עוקבת אחרי הספקים הפיראטיים, ואוספת מידע שהיא מספקת ללקוחות כדי שיוכלו להפעיל כלים משפטיים. גוטמן: "ארצות הברית נמצאת בתהליכי חקיקה של חוק ACDC – Active Cyber Defense Certainty Act, שיאפשר לחברות להילחם בתוקפים בכלי-סייבר.

"כיום יש לנו יכולות תגובה, כמו זיהוי המקורות של תכנים וניטרולם, סיכול ממוקד של שרתים פיראטיים ואפילו יכולת להשבית ממיר ספציפי. אנחנו משתפים פעולה עם חברות טלוויזיה היוזמות מהלך שיאפשר לבצע עידכון מיידי על הפעילות אתרים פיראטיים, כדי לדרוש מספקיות שירותי האינטרנט להשבית אותם".

המודל העסקי הקטלני של ענקיות האינטרנט

אלא שהאתגר הגדול ביותר שתעשיית הטלוויזיה צריכה למצוא לו מענה הוא הפרסומות. המפרסמים התרגלו לקבל שירותי פרסום אינטרנטיים ממוקדים מאוד. חברות כמו גוגל ופייסבוק יודעות לפלח את הלקוחות, ללמוד אותם ולספק להם את הפרסומת המתאימה ביותר – בעיתוי המתאים ביותר.

עולם הטלוויזיה נמצא לפחות דור שלם מאחורי עולם האינטרנט: פיזור הפרסומות בערוצים הוא כללי מאוד ולא מדוייק. למעשה, במקרים רבים הוא מפספס קבוצות צופים קטנות, שהן אולי שוליות מבחינת המספר הכולל של הצופים ברשת – אולם משמעותיות מאוד עבור מפרסמים מסויימים.

בתחום הזה מפתחת סינמדיה פלטפורמות חדשות המיועדות להביא את רמת הדיוק של הפרסומות בטלוויזיה לזו של עולם הפרסום באינטרנט. לדברי אברהם פפקו, מנהל צוות הארכיטקטים בירושלים, כיום החברה מספקת לסקיי טכנולוגיה המאפשרת להפיץ פרסומות לפי פרמטרים גיאוגרפיים ודמוגרפיים ואפילו להוריד פרסומות שהתיישנו מסרטים שהוקלטו בממיר, לצורך צפייה מאוחרת.

הממיר האוטונומי מיועד להציל את תעשיית הפרסום בטלוויזיה

"הממירים שפיתחנו מספקים הרבה מאוד מידע אנונימי, אולם הרשתות צריכות מידע איכותי יותר, מכיוון שבעתיד אנשים יצפו בהרבה מאוד ערוצים. המדד של שעות שיא יהיה פחות רלוונטי, ויהיה צורך להגיע לקבוצות קטנות מאוד מבחינה ססטיסטית". התשובה של סינמדיה לאתגר הזה היא הטמעת טכנולוגיית בינה מלאכותית בתוך הממיר המצוי בבית.

המטרה היא לפתח ממיר אוטונומי, אשר מבצע בעצמו את הבחירה בפרסומות הרלוונטיות ביותר לכל צופה. "מדובר בכלי שיכול לאפיין קהלים מתוך מידע עקיף המצוי בממיר. זוהי מערכת אנונימית לגמרי שאינה פוגעת בפרטיות המשתמש, מכיוון שהממיר מקבל החלטות באופן אוטונומי, מבלי להעביר את המידע אל הרשת או אלינו".

Hailo נערכת לייצור המוני של שבבי AI במהלך 2020

בתמונה למעלה: צוות פיתוח בהיילו. החברה התל אביבית מעסיקה כיום 65 עובדים

חברת היילו (Hailo) התל אביבית נערכת לקראת הייצור ההמוני של שבב הבינה המלאכותית שלה, העומד בתקן ASIL-B של תעשיית הרכב. הייצור הסדרתי מתוכנן להתבצע במהלך 2020. מייסד ומנכ"ל החברה, אור דנון, סיפר ל-Techtime שהשבב החדש ייקרא בשם Hailo-8. הוא פותח במסגרת עבודה משותפת של החברה מול יצרניות רכב, ומספק עמידה בדרישות של מערכות קריטיות להצלת חיים, כולל עמידה בטמפרטורות עבודה של עד 105°C.

על-פי הנתונים של החברה, השבב Hailo-8 מגיע לעוצמת עיבוד של 26 מיליארד פעולות בשנייה (26TOPS – Tera Operations Per Second) וליעילות של 3TOPS לכל ואט. הוא יעמוד בתקן המחמיר ISO 26262 ASIL-B ובתקן AEC Q 100 Grade 2. הוא בנוי מארבעה מרכיבים מרכזיים: מעבד תמונה (Image Signal Processor) המשפר את התמונה המגיעה מהחיישן לפני העברתה לזיהוי ברשת הנוירונית, מעבד H.264 המאפשר לטפל בתמונות וידאו, מעבד ARM-M4 המנהל את השבב, והרשת הנוירונית עצמה, המורכבת ממטריצה גמישה של יחידות עיבוד ויחידות זיכרון שניתן להגדיר את תצורתה בתוכנה.

חידוש הרעיון הישן של מעבדי DFP

חברת היילו הוקמה בחודש פברואר 2017 על-ידי המנכ"ל אור דנון, ה-CTO אבי באום ומנהלת הפיתוח העסקי הדר צייטלין. המשקיע הראשון בחברה היה זהר זיסאפל, המשמש כיום כיו"ר Hailo. עד היום החברה גייסה כ-24 מיליון דולר, כאשר הגיוס האחרון בהיקף של כ-21 מיליון דולר הסתיים בינואר 2019. החברה פיתחה ארכיטקטורה חדשה של שבב בינה מלאכותית עבור אבזרי קצה, המבצע את שלב ההרצה. כלומר, יישום ההסקות (Inference) של רשת נוירונית באבזרי קצה, במהירות רבה ובחסכון גדול באנרגיה. לדברי דנון, הארכיטקטורה מוגנת בכמה עשרות פטנטים. "היא משתייכת למשפחה נשכחת של מעבדים מסוג Data Flow Processors".

אור דנון, מנכ"ל Hailo. "הארכיטקטורה שלנו מוגנת בכמה עשרות פטנטים"
אור דנון, מנכ"ל Hailo. "הארכיטקטורה שלנו מוגנת בכמה עשרות פטנטים"

במעבדי DFP, פעולת העיבוד מתבצעת רק כאשר מוזנים נתונים אל המעבד, ואז הוא מבצע סדרה קבועה של פעולות על-גבי המידע הזה, ומעביר הלאה את התוצר המעובד. "בשנים האחרונות הסתבר שהישענות על רשתות נוירוניות היא שיטה יעילה ואמינה לפתור בעיות רבות, ולכן רוב מערכות הבינה המלאכותית שאנחנו רואים בשוק מבוססות על רשתות נוירוניות. כאן האתגר הוא מבני, מכיוון שהשבב צריך לממש מבנה של רשת נוירונית. ברשת נוירונית אתה יוצק נסיון אל תוך תיאור של מבנה, ולכן זהו פתרון יעיל מאוד בפתרון בעיות המבוססות על הכרת דוגמאות".

כיצד בנוי השבב שלכם? מה הם העקרונות המרכזיים של הארכיטקטורה?

דנון: "הארכיטקטורה שלנו מתארת את המבנה של רשת נוירונית ומקצה משאבים לכל שכבה ברשת. זיהינו שבתהליך העיבוד של ההסקות, יש הבדלים בין ההתנהגות של השכבות השונות ברשת הנוירונית, ולכן צריך לספק להן משאבים שונים. זאת בניגוד למתחרים שלנו המשתמשים בפתרונות כמו מעבדי GPU המעניקים לכל השכבות את אותה כמות של משאבים. תוכנת הפיתוח שלנו לומדת את הבעיה הספציפית, מאפיינת אותה, ויודעת להעביר לשבב הוראות כיצד לנהל את משאבים של כל אחת מהשכבות בצורה האופטימלית".

מה הם מרכיבי השבב?

"הרעיון הוא להשתמש ביחידות זיכרון קרובות מאוד ליחידות העיבוד. אנחנו מקצים יחידות זיכרון ויחידות עיבוד בהתאם לכל משימה, ועל-ידי כך משיגים מהירות עיבוד גבוהה מאוד, וחסכון גדול בהספק שהשבב צורך. הדבר הזה מאפשר לנו לעמוד בתקנים המחמירים של תעשיית הרכב, מכיוון שהשבב אינו מתחמם ויכול לעבוד בטמפרטורות הסביבה שהתעשייה דורשת".

אתם טוענים שהשבב שלכם יעיל מהפתרונות האחרים בשוק. אולם אין מדד אוניברסלי למדוד שבבי בינה מלאכותית.

"אנחנו מודדים את הביצועים שלנו באמצעות בדיקת כמה פעולות לוואט אנחנו מבצעים ברשת ניורונית ספציפית. כיום ישנו קונסורציום MLPerf המנסה להגדיר מדד בר-השוואה לרשתות נוירוניות אמיתיות. בכל מה שקשור למוצרי קצה, התעשייה ככל הנראה הולכת לכיוון של מדידת מספר הפעולות לוואט שהרשת הנוירונית מבצעת על מטלה מסויימת, כמו תמונה למשל".

כיום מתפתחות שיטות להטעיית הזיהוי של רשתות נוירוניות. אתם מתמודדים עם הבעיה?

"אפשר להתייחס אל הטעיות AI כאל חולשות, בדומה לאופן שבו מתייחסים אל חולשות אבטחה. בתחילה החולשות של מערכות תוכנה הפתיעו את התעשייה, אולם בהדרגה מוצאים להן פתרונות. בתחום הבינה המלאכותית, מדובר קודם כל בבעיה קונספטואלית שאין לה פתרון ברמת הסיליקון. אבל אם הרשת אומנה בצורה לא נכונה, והתוקף יודע כיצד היא אומנה, הוא יכול לתכנן תקיפה נגדה. אנחנו מתמודדים גם עם הבעיה הזאת, וברמה העקרונית היא מבטאת את היתרון של התקנת מערכות בינה מלאכותית בקצות הרשת, מכיוון שבאופן הזה קיימות פחות חולשות לאורך מסלול העברת המידע".

יעילות הספק: השוואה שביצעה היילו המציגה את יעילות השבב שלה מול המתחרות העיקריות
יעילות הספק: השוואה שביצעה היילו המציגה את יעילות השבב שלה מול המתחרות העיקריות

חברת היילו צומחת מהר, ומעסיקה כיום כ-65 עובדים ונמצאת בתהליך גיוס של עובדים נוספים. היא ממקדת את מאמציה בשני שווקים עיקריים: שוק הרכב ושוק אבזרי הקצה (IoT). שני שווקים שהם גם צפויים להיות גדולים מאוד, והם גם תובעניים מאוד, מכיוון שבשניהם יש צורך במוצר מאוד אמין, זול וחסכוני מאוד בהספק. דנון: "בהרבה מאוד מובנים המצלמה ברכב לא שונה בהרבה ממצלמת IoT בעיר החכמה. אלו שני תחומים שיהיו מאוד דומיננטיים, וחולקים ביניהם הרבה מאוד דרישות משותפות".

אינטל הכריזה על מחשב נוירומורפי לבינה מלאכותית

חברת אינטל (Intel) חשפה מערכת עיבוד נוירומורפית (neuromorphic system) הכוללת 8 מיליון נוירונים אשר ממומשים באמצעות 64 מעבדי Loihi, אשר פותחו במעבדות אינטל (Intel Labs) במסגרת פרוייקט פיתוח ארכיטקטורת עיבוד חדשה. עיבוד נוירומופרי הוא יישום ברמת החומרה של המבנה של רשתות עצביות נוירוניות, אשר בתחום הבינה המלאכותית מיושמות כיום ברמת התוכנה בלבד. כל מעבד מיוצר בתהליך של 14 ננומטר ומכיל 128 ליבות המיישמות 130,000 נוירונים.

להערכת אינטל, במשימות ספציפיות, מסוגל המעבד Loihi לעבד מידע במהירות גבוהה 1,000 וביעילות גדולה פי 10,000 מאשר מעבד סטנדרטי (CPU). אינטל מסרה שהמערכת שהיא פיתחה בשם Pohoiki Beach, מוגדרת כמערכת מחקר ושהיא זמינה מהיום לרשות חוקרים. לדברי מנכ"ל אינטל לאבס, ריץ' יוליג, כ-60 שותפים מחקר של אינטל יקבלו את המערכת כדי לפתור בעיות מורכבות ועתירות עיבוד. בין השאר, הארכיטקטורה הזאת מאפשרת לייעל את השימוש באלגוריתמים שפותחו בהשראת המערכת העצבית, דוגמת אלגוריתם Sparse coding, איתור מיקום ומיפוי בו-זמניים (SLAM) ותכנון מסלולים המסוגלים ללמוד ולהסתגל.

השלב הבא: 100 מיליון נוירונים

מערכת Pohoiki Beach מהווה שלב ראשון בתוכנית פיתוח שאפתנית, שהשלב הבא שלה יהיה להרחיב את הארכיטקטורה להיקף של עד 100 מיליון נוירונים עוד השנה (מערכת Pohoiki Springs). לאחרונה הודגמה היכולת של השבב החדש באמצעות מתן יכולות הסתגלות לרגל תותבת, מעקב אחר עצמים באמצעות מצלמות מבוססות אירועים ומתן יכולת הסקת מסקנות לרובוט iCub. המכון להנדסה קוגניטיבית באוניברסיטת סידני מבצע כיום פרוייקט מפתיע: משחק שיתנהל באופן עצמאי בין שתי קבוצת בכדורגל שולחן, אשר יתבסס על קבלת מידע ממצלמות רגישות לאירועים, אשר יעובד וינוהל על-ידי מערך של מעבדי Lohini.

שולחן כדורגל שיידע לנהל משחקון עצמאי באמצעות המעבדים הנוירומופיים החדשים
שולחן כדורגל שיידע לנהל משחקון עצמאי באמצעות המעבדים הנוירומופיים החדשים

המכון לחקר המוח באוניברסיטת ווטרלו דיווח שבאמצעות השבב Loihi הוא הצליח להשיג ביצועים זהים של רשת לימוד עומק בהשוואה למעבדי CPU אולם בצריכת חשמל נמוכה פי 109. חברת אינטל נכנסה לתחום לפני מספר שנים, ובשנת 2017 היא הציגה את שבב המחקר הנוירומורפי הנסיוני הראשון. בחודש מרץ 2018 היא ייסדה את קהילת המחקר הנוירומורפית של אינטל (INRC), במטרה לקדם פיתוח של יישומים ואלגוריתמים נוירו-מורפיים. באמצעות ארגון INRC היא מעניקה גישה למעבדים באמצעות הענן.

מוח אלקטרוני במעגל מודפס

אינטל שיחררה לפני מספר חודשים גרסה ראשונית של כלי הפיתוח Nx SDK, המאפשר לחברי פורום INRC לפתח באמצעותה יישומים מחקריים, כדי להריץ אותם על הפלטפורמה באמצעות הענן. קבוצה קטנה יותר של חוקרים קיבלה את כרטיס החומרה עצמו, כדי שיוכלו לבצע מחקרים הדורשים גישה ישירה לחומרה, כמו למשל בתחום הרובוטיקה.

אומנם פרוייקט העיבוד הנוירומורפי מוגדר באינטל כתחום נוסף שבו היא מחדשת את ארכיטקטורות המיחשוב כדי להתמודד עם בלימת חוק מור, אולם בתחום הבינה המלאכותית מדובר במהפיכה של ממש. על-פי ההערכה המקובלת כיום, במוח האנושי יש כ-84 מיליארד נוירונים. כאשר אינטל מדברת על 100 מיליון נוירונים במערכת אחת כבר בשנת 2019, ואולי מיליארד נוירונים בתוך שנה או שנתיים, מדובר כבר במוח אלקטרוני זעיר המשתווה לזה של בעלי חיים רבים. כאשר הוא מוצמד למערכת לומדת או לרובוט, הוא מייצר קפיצת מדרגה טכנולוגית.