חברת אלסייט (Elsight) מאור יהודה חתמה על הסכם ייצור עם קבוצת ניסטק(Nistec) לייצור אלפי מודולי תקשורת לרחפנים. היקף העיסקה נאמד בכ-3 מיליון שקל. חברת אלסייט פיתחה את מודול התקשורת Halo, אשר מספק לרחפנים ולכלים בלתי מאויישים באוויר או על-גבי הקרקע, לפעול מעבר לטווח הראייה של המפעיל. (Beyond Visual Line of Sight – BVLOS). המודול מבוסס על פלטפורמת תקשורת מודולרית הכוללת מעבד בינה מלאכותית, אשר מזהה את הרשתות האלחוטיות בסביבת הכלי האוטונומי.
המודול מזהה את כל הרשתות הסלולריות (כולל 5G), טכנולוגיות RF לא סלולריות ותקשורת לוויינים (SatCom), מתחבר אל הרשת הזמינה ביותר באמצעות מנגנון זיהוי מאובטח, וממשיך להיות בקשר עם המפעיל, למרות שבמהלך ההפעלה הוא עובר מרשת לרשת. החברה מערכיה שכיום היא מגיעה לרמת חיבוריות של 98.99%. רכיב הבינה המלאכותית של החברה מנטר את כל הרשתות הזמינות בקצב של מספר פעמים בשנייה, בודק את עוצמן ובוחר בכל רגע ברשת החזקה והיציבה ביותר.
הזמנה של 2,000 מערכות
המערכת מסוגלת לפצל את התקשורת לאפיקים מקבילים אשר פועלים ברשתות נפרדות, ולחבר אותם בחזרה לקבלת תקשורת מלאה, הן בתחנת המפעיל והן בכלי האוטונומי עצמו. ניסטק מסרה ל-Techtime שעד היום היא ייצרה 250 מודולים ראשונים במפעל ניסטק צפון במעלות. הסכם הייצור כולל הזמנה בהיקף של כ-2,000 מערכות אשר יסופקו בשנתיים הקרובות. הפרוייקט כולל ייצור המעגל האלקטרוני, ביצוע בדיקות חשמליות והרכבת מכלול מלא עבור הלקוח הסופי.
חברת אלסייט הוקמה בשנת 2009 על-ידי ניר גבאי ורועי קאשי, יוצאי יחידה טכנולוגית בחיל המודיעין, ומנוהלת על-ידי יואב אמיתי. החברה החלה את דרכה בפיתוח ערוצי תקשורת לתחום האודיו/וידאו, אולם שינתה כיוון לאור התפתחות שוק הרחפנים, ובשנת 2020 השיקה את מערכת התקשוורת Halo. בשנת 2017 החברה ביצעה הנפקה בורסה האוסטרלית והיום היא נסחרת לפי שווי שוק של כ-45.8 מיליון דולרים אוסטרליים.
חברת סרגון (Ceragon) מראש העין הכריזה על תוכנת Ceragon Insight לתכנון, ניהול והקמת רשתות תמסורת עבור תשתיות הדור החמישי (5G). התוכנה החדשה מבוססת על ליבת בינה מלאכותית (AI) אשר עוקבת אחר כל המרכיבים של רשת תמסורת פתוחה, דוגמת Open RAN. מנכ"ל סרגון, דורון ארזי (בתמונה למעלה), אמר שהמערכת מעניקה למפעילים נקודה אחת שממנה ניתן לנהל את כל הרשת, גם כאשר היא בנויה מציוד של חברות שונות. "התוכנה מסוגלת לאתר חריגות וחזדות תקלות עודל פני שהן מתרחשות. תחזוקה מונעת מבוססת חיזוי מצמצת את זמני הנפילה של הרשת ומסוגלת למנוע האטה בקצב העברת התקשורת".
סרגון מספקת פלטפורמות תקשורת אלחוטית עבור מרכיב התמסורת (Backhaul) ברשתות סלולריות, המקשרות בין אתרים מרוחקים ובין תאים סלולריים וליבת הרשת. ההתמקדות המרכזית של החברה היא ברשתות מוגדרות תוכנה (SDR) המאפיינות את תשתיות הדור החמישי (5G). החברה הודיעה שהיא תציג את התוכנה במהלך תערוכת MWC 2023 שתיפתח בשבוע הבא בברצלונה. יכול להיות שבתערוכה היא תציג חידוש גדול יותר: פלטפורמת תקשורת חדשה בשם OPEN transport, עבור קישוריות ארוכת טווח בין רשתות שונות הפועלות בארכיטקטורת רשת פתוחה.
מדוע תעשיית התקשורת נרתעת מבינה מלאכותית?
ראוי לציין שתעשיית התקשורת נחשבת לשמרנית מאוד בכל הקשור לבינה מלאכותית, ונרתעת מאימוץ רחב-היקף של פתרונות AI. לאחרונה התפרסם סקר שוק של חברת אנבידיה שנערך בקרב 400 ספקיות שירותי תקשורת ברחבי העולם. הסקר מגלה כי למרות ש-93% מהחברות מאמינות שבינה מלאכותית תגדיל את הרווחיות, מחציתן השקיעו בפרוייקטי AI פחות ממליון דולר במהלך השנה האחרונה, ורק 3% השקיעו יותר מ-50 מיליון דולר במהלך 2022. מדוע ההשקעה כל כך נמוכה? 44% הסבירו זאת בחוסר יכולת לתמחר את יתרונות הבינה המלאכותית, ו-33% אמרו שהם מתקשים להשיג מומחים בתחום הבינה המלאכותית.
מעניין לציין שרוב החברות מאמינות שהתרומה המרכזית של הבינה המלאכותית תורגש בעיקר מאחורי הקלעים. רק 35% מהנישאלים סבורים שהיא תגדיל את המעורבות של הלקוחות ביישומי רשת שונים. כ-44% מהנשאלים העריכו שהבינה המלאכותית תסייע בהפחתת עלויות, והרוב המוחלט – 60% – מאמינים שהתרומה המרכזית של הבינה המלאכותית תתבטא באוטומציה של תחזוקת הרשת, אשר תביא לשיפור בביצועים ולהפחתה בתקלות. זהו התחום שבו מתמקדת גם תוכנת Insight של סרגון.
חברת סרגון נסחרת בבורסת נסד"ק לפי שווי שוק של כ-160 מיליון דולר. בשנת 2022 הסתכמו מכירותיה בכ-295 מיליון דולר, צמיחה של 1.5% בלבד בהשוואה לשנת 2021. שוקי היעד המרכזיים שלה הם הודו (27% מהמכירות), צפון אמריקה (23%) ואמריקה הלטינית (18%). החברה שהצליחה להימלט ב-2022 מנסיון השתלטות עויינת של חברת אוויאט האמריקאית, פירסמה תחזית מכירות של 325-345 מיליון דולר בשנת 2023.
חברות סטארט-אפ המפתחות שבבי בינה מלאכותית (AI), נכנסות לעידן של אי-ודאות וקושי בהגעה אל השוק. כתוצאה מכך הן ייאלצו להציג בקרוב אלטרנטיבה עסקית, כאשר הנפוצה ביותר תהיה אקזיט באמצעות מכירתן לחברות הענק. כך מעריכה חברת המחקר Omdia בדו"ח חדש על תעשיית השבבים. להערכת החברה, בין השנים 2018-2022 השקיעו קרנות ההון סיכון בעולם כ-6 מיליארד דולר בחברות חדשות המתמקדות בייצור שבבי בינה מלאכותית, אולם העידן הזה הסתיים.
"המעבר משוק הסובל ממחסור ברכיבים אל שוק הסובל מעודף רכיבים, השינויים במדיניות המוניטרית בעולם והמשבר הכלכלי שהחל להתפתח ב-2022, שינו את האווירה הכלכלית ומקשים על גיוס הון סיכון". אומנם אלה בעיות שעימן מתמודדות כל חברות הסטארט-אפ, אולם בתחום הבינה המלאכותית קיים קושי נוסף. אנליסט בכיר ב-Omdia, אלכסנדר הרוול, הסביר: "אפילו חברות AI הנהנות מהגיבוי הפיננסי הטוב ביותר, נדרשות כיום לספק תמיכת תוכנה ברמה הגבוהה שהשוק התרגל לקבל מחברת אנבידיה. זהו מחסום כניסה גדול מאוד המקשה על החברות להגיע אל השוק".
ההון של התעשייה נמצא בחברות הענן
בעקבות זאת צופה חברת המחקר שחברות מובילות בתחום שבבי ה-AI יחליטו השנה לבצע אקזיט, ככל הנראה באמצעות מכירתן לאחת מענקיות הענן או אחת מיצרניות השבבים הגדולות: "לאפל יש הון זמין בהיקף של 23 מיליארד דולר ולאמזון יש 35 מיליארד דולר, בעוד שליצרניות שבבים כמו אניבידיה, אינטל ו-AMD יש כ-10 מיליארד דולר לזמינים להשקעות – כל אחת. חברות ענן הגדולות (hyperscalers) כבר הראו שהן מעוניינות לשלב רכיבי AI ייעודיים, ושהן יכולות להרשות לעצמן לרכוש את היכולות האלה".
המלכודת הטכנולוגית של CGRA
מעניין לציין שכמחצית מכל ההון שגוייס (6 מיליארד דולר) נותב אל טכנולוגיה אחת בלבד: רכיבי האצה מסוג Coarse Grained Reconfigurable Array – CGRA. מדובר במאיצים הפועלים לצד יחידת העיבוד המרכזית (CPU), אשר מבוססים על מערכים גדולים של יחידות עיבוד מקביליות (Processing Elements), המזכירות בתפישתן את רעיון ה-ALU ברכיבי FPGA מיתכנתים.
ברוב המקרים הם נבנים במטרה להטעין ברכיב את מודל הבינה המלאכותית במלואו – אולם כיום מתעוררים ספיקות ביחס ליעילות של האסטרטגיה הזאת – במיוחד לאור הגידול המתמשך בהיקפם של המודלים האלה. הרוול: "בשנים 2018-2019 היה הגיון בנסיון להטעין מודל שלם על שבב יחיד, מכיוון שהם עבדו במהירות גדולה מאוד ופתרו בעיות קלט/פלט של המודלים". אולם הצמיחה הדרמטית בגודל המודלים מייצרת בעיות ביכולת ההתרחבות (scalability). המודלים החדשים יותר מתובנתים ומורכבים, ולכן דורשים הרבה מאוד יכולות תכנות עבור מרכיבי ה-CPU שלהם. "יכול להיות שעתיד שבבי הבינה המלאכותית נמצא במקום אחר".
חברת דאסו סיסטמס (Dassault Systemes) בונה זירת מסחר אלקטרונית שתאפשר לחברות לסחור בתכנונים הנדסיים שבוצעו באמצעות תוכנת ה-CAD של החברה, SolidWorks. השירות יינתן על-גבי פלטפורמת הענן 3DEXPERIENCE Works. כך סיפר ל-Techtime מנהל פעילות הענן 3DEXPERIENCE Works ולשעבר מנכ"ל Solidworks, ג'יאן פאולו באסי. השיחה התקיימה במהלך מפגש הלקוחות השנתי של החברה שהתקיים בשבוע שעבר בנאשוויל, טנסי.
תוכנת SolidWorks נחשבת לכלי התכנון המכני-הנדסי הנפוץ בעולם. להערכת דאסו סיסטמס היא מחזיקה בכ-42% מהשוק העולמי ומכירותיה אחראיות לכ-22% מהכנסות החברה (שהסתכמו ב-5.67 מיליארד אירו ב-2022). ב-1 ביולי השנה החברה תתחיל במימוש אסטרטגיית ענן שנועדה להביא בהדרגה את רוב משתמשי SolidWorks להיות חלק מענן השירותים שלה, הכולל תמיכה בתוכנה וביישומים נוספים אשר יכולים לעבוד מולה, דוגמת כלי סימולציה, עבודה שיתופית ומחקר.
מדוע אתם מבצעים את המהלך? מהו הרעיון העסקי?
פאולו באסי: "אנחנו רוצים לעבור ממודל של מכירת מוצרים למודל של מכירת שירותים. בגישת המוצרים, מרגע שמכרת מוצר ללקוח, אתה למעשה מאבד איתו את הקשר. אולם במודל השירותים אתה צריך פלטפורמה מרובת יישומים שבזכותם אתה שומר על קשר עם הלקוח ומסייע לו לנצל את המערכת. כאשר התכנונים נמצאים בענן שלנו, אנחנו יכולים (בהסכמת הלקוחות), לבדוק אותם ולספק להם המלצות, למשל כיצד לשפר את התכנון".
חוות שרתים של 3DS OUTSCALE. תארח את זירת המסחר האלקטרוני של דאסו סיסטמס
"הרבה פעמים הלקוחות מתכננים מחדש רכיבים שכבר תוכננו ושיימצאו בענן שלנו. במקרים כאלה נוכל לאתר עבורם פתרונות מוכנים, ולהציע למתכננים לבדוק אותם ועל-ידי כך לקצר את זמן הפיתוח. השירותים האלה יינתנו תמורת תשלום. אנחנו מאמינים שיש להם פוטנציאל עסקי גדול מאוד, מכיוון שכל מי שייכנס לענן שלנו ישמח לקבל אותם. למעשה כבר התחלנו לבדוק את זירת המסחר במתכונת מוגבלת בשיתוף עם כמה לקוחות גדולים, במסגרת שירות 3DEPERIENCE Business. המטרה שלנו היא לבנות קהילה גדולה של שותפים שיספקו לחברי הקהילה שירותים שונים, כמו ביצוע פרוייקטי תכנון ושיתוף תכנונים קיימים".
מהי תשתית הענן שעליה אתם מתבססים?
"אנחנו פועלים באמצעות חברת 3DS OUTSCALE, הנמצאת בבעלות מלאה של דאסו. החברה בונה ומפעילה מרכזי נתונים המותאמים במיוחד לפלטפורמה שלנו. הדבר מעניק לנו בקרה מלאה על הטיפול במידע, על רמת האבטחה ועל מיקומה המדוייק של כל פיסת מידע. לחברה יש מרכזי שרתים המפוזרים במקומות רבים בעולם. הלקוחות שלנו רוצים לדעת בוודאות מלאה היכן נמצא המידע שלהם – באיזה שרת ובאיזה מיקום גיאוגרפי – ואת השירות הזה אנחנו יכולים לספק רק באמצעות OUTSCALE".
מדוע תספקו יישומים נוספים בענן?
"הדבר נובע מהתפישה ש-3DEXPERIENCE Works היא פלטפורמה למתן שירותים. לכן היא צריכה לספק ללקוחות מגוון רחב של שירותים. מהבחינה הזאת, תוכנת Solidworks היא למעשה רק אחד מהשירותים של הפלטפורמה. בנוסף, הלקוחות יוכלו לרכוש יכולת הפעלה של כל שאר 13 המותגים של דאסו סיסטמס, כולל תוכנת האנליטיקס NETVIBES, שהיא מערכת מבוססת בינה מלאכותית לעיבוד כמויות גדולות של מידע (ביג דטה)".
הפיל שבחדר: ChatGPT
מנכ"ל Solidworks, מאניש קומאר, הסביר מהיכן מגיע הצורך בתוכנת NETVIBES: "השלב הבא בתחום התכנון הוא ניתוח כמויות גדולות מאוד של נתונים כדי להעריך את השפעת התכנון על ההכנסות ועל הסביבה. כיום אי–אפשר להעריך מה יהיה מחירו של רכיב מסויים בעוד חמש שנים. אבל אם אתה יצרן רכב למשל, אתה יכול לבצע מחקר כדילאתר את הרכיב ששינוי במחירו יהיה בעל ההשפעה הגדולה ביותר על המחיר הסופי ללקוח – ולחפש תחליף לו זול יותר.
אולם הפיל הגדול שבחדר הוא נושא הבינה המלאכותית. לדברי קומאר, "העולם השתנה בחודש נובמבר 2022, כאשר תוכנת Chat GPT עלתה לרשת". בחברה לא מדווחים מה הן תוכניותיה בתחום הבינה המלאכותית, אם כי שמועות והערכות מסדרון הן שהיא מתכננת לבנות מערכת מבוססת בינה מלאכותית אשר תוכל לתכנן מוצרים על–פי בקשה, כמו שתוכנת Chat GPT, למשל, יכולה לכתוב פיסות תוכנה בסיסיות. יחד עם זאת, העמדה הרשמית של החברה היא שבינה מלאכותית יעילה מאוד בקיצור תהליכים וביצוע מטלות אוטומטיות, אולם לא מחליפה את יכולת ההמצאה והחדשנות האנושיים.
באסי: "מערכות בינה מלאכותית מבססות על העבר, אולם שום מידע מהעבר אינו יכול לייצר המצאה חדשה עבור העתיד. התרומה העיקרית של הבינה המלאכותית תהיה בהבאת מידע והפיכתו לזמין יותר. אולם מערכת בינה מלאכותית יודעת רק דברים שהם כבר קיימים, אין לה את הדמיון להמציא דברים חדשים. כאשר למדתי הנדסה, היה מקובל להניח שמהנדס ממוצע מקדיש 75% מזמנו לאיתור מידע רלוונטי, ורק בשאר הזמן הוא עוסק בתכנון. איתור מידע תהיה התרומה העיקרית של הבינה המלאכותית".
בתמונה למעלה: מטוס F-16 בגרסת VISTA מבצע טיסת ניסוי אוטונומית. צילום: US air Force
הסוכנות למחקרי בטחון מתקדמים בארה"ב (DARPA) השלימה בהצלחה את טיסות הניסוי הראשונות של מטוס קרב מסוג F-16 כאשר הוא מנוהג ומנוהל באופן עצמוני על-ידי תוכנת בינה מלאכותית (AI). התוכנה פותחה בשלוש השנים האחרונות במסגרת פרוייקט Air Combat Evolution – ACE. הניסויים נערכו בשיתוף פעולה עם חיל האוויר וביה"ס לטיסה של חיל האוויר האמריקאי. התוכנה הותקנה במטוס F-16 שמערכות האוויוניקה שלו הותאמו לניהול באמצעות תוכנה. מדובר במטוס דו-מושבי בכינוי X-62A VISTA (קיצור של Variable In-flight Simulator Test Aircraft), הכולל גם מושב לטייס אנושי אשר יכול להשתלט עליו מיידית.
מנהל התוכנית בחה"א האמריקאי, קולונל ראיין הפרון, אמר שבמסגרת הניסויים הופעלו מספר אלגוריתמים שונים אשר שימשו להפעלת המטוס בתסריטי הטסה שונים. הפרון: "ביצענו מספר משימות אשר כללו המראה, נחיתה, התמודדות עם יריבים והפעלת מערכות חימוש. הניסויים גם הוכיחו שיש לנו יכולת להתאים את התוכנה להטסה של פלטפורמות אוויריות נוספות".
משימה התקפית שיתופית
במקביל לפיתוח המטוס, מתבצע מחקר במכון הטכנולוגי של איווה, הבודק האם טייסים אנושיים סומכים על הטייס הדיגיטלי. במהלכו הותקנה מערכת השליטה האוטומטית במטוס אימונים דו-מושבי מדגם L-29, כאשר טייס המשנה האנושי מחובר אל חיישנים למדידת פרמטרים פיסיקליים הבודקים מה הן תגובותיו הבלתי רצוניות כאשר המטוס נישלט על-ידי טייס אוטומטי.
מטרת פרוייקט ACE היא לפתח טייס רובוטי ברמה של טייס קרב מנוסה, לצורך ביצועי משימה התקפית שיתופית. המרכיב הקשה ביותר שלה הוא קרב אוויר-אוויר (dogfight), שבו הטייס האנושי מתמקד במשימת הלחימה בלבד, וכל שאר המערכות מנוהלות עבורו באופן עצמוני באמצעות הבינה המלאכותית. בעתיד תהיה אפשרות להעביר את השליטה המלאה לידי התוכנה גם עבור המשימה התובענית הזאת: בחודש אוגוסט 2020 בוצעו ניסויים באמצעות סימולטור טיסה כאשר תוכנת AlphaDogfight השתתפה במשחקי מלחמה נגד טייס אנושי מנוסה. התוצאה הייתה שהתוכנה הביסה את הטייס, ו"הפילה" את מטוסו.
תוכנית טייס-הקרב הרובוטי היא מרכיב ביוזמה רחבה יותר של DARPA בשם Mosaic Warfare, שנועדה להסיט את המוקד של המאמץ המלחמתי מהפעלת מערכות מאויישות באוויר, בים וביבשה, למכלול של מערכות מאויישות ולא מאויישות. בחודש ספטמבר 2018 הסביר מנהל התוכניות הקודם של DARPA, טום בארנס, שאסטרטגיית מוזאיקה מבוססת על הפעלת אמצעים רובוטיים בכמות גדולה, לצד לוחמים אנושיים המנהלים אותם.
“אתה יכול למשל לשלוח מל”ט או רובוט קרקעי לפני הכוחות הלוחמים, וכשהם מאתרים טנק של האויב הם שולחים את המידע על מיקומו אל עמדת תקשורת אחורית, המעבירה אותו אל מערכת תקיפה מרוחקת אשר משגרת חימוש אל המטרה. “בתחום האווירי המצב דומה. כדי להתמודד עם מטוסי קרב של האוייב, תוכל לשלוח ארבע מערכות לא מאויישות זולות שניתן להקריב בקלות. כל אחת מהן מצויידת בערכת חיישנים וחימוש אחרת. הטייס האנושי משמש כמנהל הלחימה ומתייחס אל הנכסים האלה כמו שמאמן כדורגל מתייחס אל השחקנים: הוא בוחר בהם, מטיל עליהם משימה, ונותן להם לשחק בכוחות עצמם”.
חברת רייזור לאבס (Razor Labs) דיווחה היום (ד') כי השלימה בהצלחה את המבדקים הראשוניים של מערכת בדיקה מבוססת AI, המבצעת זיהוי וסיווג אוטומטי של פגמים בתחמושת על-גבי פס הייצור. המערכת פותחה בהזמנת חברה ביטחונית גלובלית, שעימה חתמה על מזכר הבנות בחודש מאי 2022. מרייזור לאבס נמסר כי הפיתוח הושלם מוקדם מן המתוכנן, וכי תקבל סכום של כ-1.9 מיליון דולר מהלקוח עבור העמידה ביעד.
מדובר במערכת בדיקה ויזואלית המותקנת על גבי פס הייצור. היא מתבססת על תוכנת הבינה המלאכותית של רייזור לאבס וכוללת תאורה, מצלמה ומחשוב. המערכת מסוגלת לזהות עשרות סוגי פגמים בתחמושת בזמן אמת וכן מסווגת את חומרת הפגם בתחמושת. לאחר סיווג התחמושת, המערכת מבצעת חלוקה אוטומטית באמצעות מכניקה מתוחכמת, וזאת בהתאם לסוג הפגם שזוהה. בעזרת יכולות האיתור והסיווג של המוצר, ניתן להבחין בדפוס הפגמים ולהסיק מסקנות לגבי תקלות במכונות בפס הייצור שגורמות לפגמים אלה להופיע בשכיחות גבוהה יותר. בחברה מעריכים כי למוצר עשוי להיות פוטנציאל להתאים למגזרי תעשייה שונים בעולם בביצוע בקרת איכות אוטומטית, מהירה ומדויקת.
מוצר ייעודי לענף כריית המחצבים
רייזור לאבס, אשר הוקמה ב-2016 והונפקה בבורסת תל-אביב בתחילת 2021, מפתחת פתרונות בינה מלאכותית מותאמים אישית לבעיות תפעוליות של חברות וארגונים, בייחוד מקרב המגזר התעשייתי. במקביל, החברה השלימה פיתוח של פלטפורמת בינה מלאכותית מבוססת-ענן, הקרויה AI DataMind, המיועדת לשיפור תהליכי ייצור בתעשיית כריית המחצבים. המערכת מתממשקת עם נתוני מערכות הייצור, ובאמצעות מודלים של בינה מלאכותית מסייעת לאתר תקלות ובעיות תחזוקה ולהפחית את זמן השבתת התפעול (downtime). הפלטפורמה הוטמעה עד כה באופן מסחרי בחברת כרייה אוסטרלית.
החברה מבצעת בשנה האחרונה שינוי אסטרטגי, שעיקרו מעבר מחברת פרויקטים לחברת מוצר. החברה פועלת כדי להרחיב את השימוש בפלטפורמה ה-DataMind לתעשיות נוספות, כדוגמת גז, נפט, מים וחשמל. לדברי החברה, שינוי המיקוד מוביל בשלב המעבר לקיטון משמעותי בהכנסות. ואמנם, החברה רשמה בתשעת החודשים הראשונים של 2022 הכנסות של 4 מיליון שקל, ירידה חדה לעומת 11.7 מיליון שקל בתקופה המקבילה של 2021. ההפסד הנקי בתקופה זו הסתכם ב-22.9 מיליון שקל.
חברת סוני ישראל (Sony Semiconductor Israel) הכריזה על שבב תקשורת אוניברסלי ליישומי ואבזרי IoT, המאפשר לאבזרים להתחבר אל רוב הרשתות הנפוצות בעולם – החל מרשתות סלולריות מהדור החמישי ושימוש במודול iSIM, רשתות תקשורת לווייניות, רשתות ייעודיות כמו LoRa, Mesh וכל הפרוטוקולים העומדים בתקן IEEE 802.15.4. אומנם השבב החדש, ALT 1350, הוא שבב הדור השלישי של שבבי ה-IoT של החברה (פותח במקור באלטייר שנמכרה לסוני ב-2016), אולם לדברי סגן נשיא למוצר ולשיווק בחברת סוני ישראל, דימה פלדמן, זהו השבב המהפכני ביותר שלה, "אשר משנה את כללי המשחק בשוק אבזרי ה-IoT".
השבב החדש פותח במשך ארבע שנים, ולמרות שהוא מספק יותר פונקציונליות, ההספק שלו קטן פי ארבעה בהשוואה לדור הקודם. פלדמן: "מדובר בשיפור דרמטי מכיוון שהוא מאפשר לספק מוצרי IoT שעד היום לא היו אפשריים. למשל, אם לקוח מסויים רוצה להתקין קולר העוקב אחר כלב, הוא יעשה זאת רק אם יצטרך להחליף סוללה פעם אחת בשנה ולא בכל מספר שבועות. ריבוי פרוקטוקולי התקשורת מאפשר לאבזרי IoT לדבר ישירות אחד עם השני, והופך את ALT 1350 לשבב אוניברסלי. זו, להערכתנו, תהיה המהפיכה הבאה של ה-IoT: שימוש ברכיבים שיודעים לטפל בהרבה מאוד סוגי תקשורת".
סוני ישראל שילבה ברכיב שני מעבדי-עזר נוספים: מיקרו-בקר המאפשר ללקוח לכתוב יישומים דלי-הספק משל עצמו ומעבד בינה מלאכותית, המאפשר ליישם פעולות AI מסויימות, דוגמת ניתוח נתונים לצורך תחזוקה מונעת. הרכיב נמצא בשלב מסירת דוגמאות ללקוחות במטרה להיכנס לייצור המוני במחצית השנייה של 2023. "מספר היישומים בעולמות ה-IoT הוא גדול מאוד. אחד התחומים שצפוי לצמוח בשנים הקרובות הוא מעקב אחר משלוחים, לצורך בקרת תנאי האחסון של מוצרים חקלאיים, תרופות ועוד. האבזר שלנו מאפשר לספק את השירות הזה בזמן אמת ובלא צורך ברכיבים נוספים. לכן למחיר הנמוך יש חשיבות גדולה מאוד".
אסטרטגיית בינה מלאכותית מהענן עד ה-Edge
במקביל, סוני ישראל מחזקת את מעמדה כספקית מודולי הבינה המלאכותית לחיישני התמונה של סוני העולמית. המהלך נחשף לראשונה ביוני 2020 כאשר סוני הכריזה על חיישני התמונה החכמים IMX500. הרכיבים בנויים משני שבבים המשובצים במארז אחד במתכונת של מודול מרובה שבבים בתצורת מגדל (Stack): חיישן תמונה של סוני העולמית, ומעבד DSP של סוני ישראל, אשר אחראי על פעולת ההסקות של רשת נוירונית.
שילוב בינה מלאכותית בחיישן מאפשר להפיק מתמונת הכלב (משמאל) רק את המידע הנחוץ ליישום (מימין)
כאשר הם מותקנים על-גבי מצלמת אבטחה, מצלמת רחוב או אבזר IoT אחר, המעגל הלוגי מעבד את התמונה למרכז הרשת רק את תוצרי פעולת ההסקה. בכך הוא חוסך במשאבי עיבוד ותקשורת ומאפשר לחיישן לתפקד בלא לפגוע בפרטיות האנשים המצולמים. מצלמה כזו יכולה למנות את מספר האנשים באתר בלא צורך לשלוח את תמונותיהם לענן. היא יכולה לפענח את מפת הצפיפות במתחמים, ואפילו לעקוב אחר התנהגות לקוחות בחנות – רק על סמך ניתוח תנועותיהם – בלא צורך לזהות את הלקוחות עצמם.
מדובר במהלך אסטרטגי של סוני העולמית: חיישני הבינה המלאכותית נתמכים על-ידי פלטפורמת הענן AITRIOS שהושקה בסוף 2021, אשר מספקת גם שירותי ענן וגם סביבת פיתוח עבור לקוחות סוני. הפלטפורמה מאפשרת לספק שירותי עיבוד בקצה (Edge) בעלי התאמה מירבית לחיישני של סוני. היא גם מחזקת את הקשר בין סוני לבין הלקוחות אשר רוכשים חיישנים עבור אבזרי IoT, ומכניסה אותה למוד עסקי חדש של ספקית שירותים ולא רק של ספרית חומרה. בשלב הראשון, סוני ישראל סיפקה את מעבד ה-AI עבור המעגל הלוגי של החיישנים. ל-Techtime נודע שסוני ישראל מעורבת כיום בפיתוח רכיבי AI נוספים.
חברת Polyn Technology מקיסריה הכריזה על השבב הראשון בטכנולוגיית NASP המהפכנית שאותה היא פיתחה בשלוש השנים האחרונות, אשר מאפשרת לממש רשתות לימוד עומק באמצעות נוירונים אנלוגיים, ולא באמצעות מעגלים דיגיטליים. הרכיב הראשון בסדרה הוא שבב העיבוד הקולי NeuroVoice, אשר מבצע הפרדה בין הקול האנושי לבין קולות רקע ומיועד לשוק של מכשירי השמיעה, מכשירי רדיו אלחוטיים בידי כוחות חירום והצלה, יישומים צרכניים ועוד.
הרכיב משלים את הפיענוח של כל הסקה בתוך 20µsec וצורך הספק של 100µW בלבד. מנהל השיווק ופיתוח עסקי בחברה, יוג'ין זטצרוב, אמר שטכניקות עיבוד הקול הנוכחיות צורכות אענרגיה רבה ולעתים רבות לא מספקות את הדרישה. "שימוש בבינה מלאכותית כדי לחלץ את הקול האנושי מתוך סביבה רועשת, כולל רעשים בלתי סדירים, מספק חוויית שמיעה טובה יותר מאשר השימוש בטכניקות ביטול רעשים. רשת נוירונית היא הכלי המושלם לביצוע עיבוד קול".
החברה משווקת את השבב במתכונת של רכיב חומרה (ייצור בגלובלפאונדריז בתהליכי 40-65 ננומטר) או במתכונת של מודולי קניין רוחני (IP). מפת הדרכים של החברה כוללת לפחות עוד שני רכיבים: מעבד NeuroSense חסכוני בהספק עבור ניטור חיישנים באבזרים דלי-הספק כמו שעונים חכמים ואבזרים לבישים, ומעבד לניתוח זעזועים עבור השוק התעשייתי.
מאחורי הטכנולוגיה ניצבת תגלית מתימטית
רשת הנוירונים של חברת פולין היא יוצאת דופן: החברה פיתחה את טכנולוגיית Neuromorphic Analog Signal Processing – NASP, שבה רוב הרשת מיושם באמצעים אנלוגיים קלאסיים (מגברי שרת ונגדים) ורק חלק קטן ממנה מבוסס על רשת נוירונים דיגיטלית. מייסד משותף ומנכ”ל החברה, אלכסנדר טימופייב, הסביר ל-Techtime שבממוצע כ-90% מהרשת הנוירונית הם קבועים ולא משתנים. "פחות מ-10% ממנה מקבל עידכונים שונים בהמשך הפעולה. השבב שלנו הוא היברידי: אנחנו ממירים 90% מהרשת למעגל אנלוגי והשאר נשאר דיגיטלי. אנחנו גם יכולים להתאים את התמהיל הזה לצורכי היישום הספציפי”.
הטכנולוגיה נולדה בעקבות פיתוח מתימטי של המדען הראשי אלכסנד גודובסקי. הוא פיתח משוואה המאפשרת לייצג באופן שונה את הפעילות של רשתות נוירוניות בשלב ההסקה (רשתות מאומנות). בעקבות הרעיון הוקמה החברה בשנת 2019, וגייסה לשורותיה מפתחים ישראלים יוצאי חברות דוגמת טאואר, יבמ, אינטל, קיידנס ועוד. מאז הקמתה גייסה פולין כ-4.5 מיליון דולר. כיום החברה מעסיקה 22 עובדים. היא רשומה בבריטניה ויש לה משרדים בלונדון, אבל משרדיה הראשיים מצויים בישראל.
חברת AWS הכריזה על שירות חדש של אימון רשתות נוירוניות בענן, המתבסס על שבבי Trainium של אנפורנה לאבס הישראלית, שנירכשה על-ידי אמזון בשנת 2015. כיום החברה פועלת מישראל ומארה"ב, ומפתחת מאיצי עיבוד ושבבים ייעודיים המשמשים להאצת שירותי הענן של אמזון. השבב תוכנן במטרה להאיץ את תהליכי האימון של רשתות נוירוניות המבצעות מטלות דוגמת זיהוי קול ותמונה, חיפוש סמנטי במאגרי נתונים, גילוי תקיפות סייבר, בניית תחזיות וכדומה.
החברה העריכה שהשירות החדש, Trn1, הניתן במסגרת Amazon EC2, מהיר פי שניים בהשוואה לשירותים המקבילים המבוססים על מעבדי GPU. אמזון מתקינה את מאיצי Trainium באשכולות מחשבים מסוג EC2 UltraCluster, אשר יכילו עד 30,000 מאיצים בכל אשכול ויספקו עוצמת עיבוד כוללת של עד 6.3exaflops. שירות Trn1 הוא למעשה מחשב וירטואלי הקרוי instance, אשר מספק ללקוח תשתית של שרת המתנהג כמו שרת יחיד ממשי. בכל instance כזה יש עד 16 מאיצי Trainium.
זהו האינסטנס הראשון של AWS המספק מהירות תקשורת של עד 800Gbps, שהושגה בזכות מעבדי Graviton שגם הם פותחו באנפורנה לאבס. מאיצי Trainium הם מרכיב בחבילת פתרונות Nitro שאותם אנפורנה לאבס מפתחת. מדובר במשפחה של פתרונות חומרה ותוכנה המיועדת להאיץ את הביצועים של מעבדי ה-CPU, מערכות האיחסון ותשתית הקישוריתו במרכזי נתונים, באמצעות הסטת עומסים אל רכיבי חמרה ייעודיים המבצעים את המטלות הספציפיות במהירות רבה.
חברת אמזון, הבעלים של AWS, הודיעה שהיא בעצמה החלה להשתמש בשירותי Trn1 כדי להפעיל את מנוע החיפוש באתר הקניות המקוונות שלה. מעניין לציין שבעבר רמזה AWS, שהמאיץ Trainium מיועד להחליף את מעבד גאודי שפותח על-ידי חברת הבאינה לאבס הישראלית, אשר נירכשה על-ידי אינטל בשנת 2019. מדובר בשתי חברות שונות שהוצמחו על-ידי אביגדור וילנץ.
בתמונה למעלה: חברת הרכבות הגרמנית מייצרת עותק דיגיטלי של מפורט של כל המסילות, הרכבות והתחנות במדינה
חברת אנבידיה (NVIDIA) הכריזה על פתרון התוכנה כשירות (SaaS) הראשון שהיא מספקת, אשר מאפשר לפתח יישומי מטאברס (או בשפה של אנבידיה, "אומניברס") וייצוגים דיגיטליים של אובייקטים ממשיים, באמצעות שירות הענן Omniverse Cloud. ההכרזה בוצעה במהלך כנס הבינה המלאכותית GTC 2022 של החברה המתקיים בקליפורניה. השירות החדש מבוסס על תשתית מחשוב של החברה בשם Omniverse Cloud Computer, אשר מבוססת על רשת מבוזרת של מרכזי נתונים (Nvidia Graphics Delivery Network), שבכל אחד מהם מותקנים שרתי OVX ליישום הדמיות גרפיות והתנהגות אובייקטים לפי חוקי הפיסיקה, ושרתי HGX המספקים מענה לעומסי עבודה גדולים הנובעים מיישומי בינה מלאכותית.
במסגרת ההכרזה חשפה החברה את שרתי OVX החדשים, אשר מבוססים על ארכיטקטורה חדשה של מעבדי GPU חדשים ועל שבב הקישוריות ConnectX-7 שפותח בישראל. בכל שרת OVX מותקנים 8 מעבדי GPU ושלושה מתאמי רשת ConnectX-7, המביאים אותו לקצבי העברת נתונים של עד 400Gbps. ביסודו רעיון האומניברס (או מטאברס), נועד לספק חוויית אינטרנט תלת מימדית. אולם הוא מאפשר לייצר דגמים דיגיטליים של המציאות עד לרמת דיוק של תאומים דיגיטליים.
החברה דיווחה ששירות Omniverse Cloud כבר פועל באופן מוגבל באמצעות מספר שותפים עסקיים. כך למשל, לפני קצת יותר מחודשיים הכריזו סימנס (Siemens) ואנבידיה על שיתוף פעולה שנועד להביא את האומניברס אל העולם התעשייתי, ולייצר תאומים דיגיטליים מבוססי בינה מלאכותית של מתקני ייצור מלאים. במסגרת שיתוף הפעולה הן מחברות את פלטפורמת Siemens Xcelerator אל פלטפורמת NVIDIA Omniverse.
אחת הדוגמאות הראשונות ליישום כזה הוא פרויקט התאום הדיגיטלי של כל רשת הרכבות של גרמניה, המיושם על-גבי שרתי OVX באמצעות שיתוף פעולה בין DSD הנמצאת בבעלות חברת הרכבות הגרמנית דויטשה-באן, ובין חברת אנבידיה. במסגרתו הן בונות העתק דיגיטלי המספק סימולציה מלאה בזמן אמת של מערכת הרכבות: קטרים, קרונות, מסילות, תחנות, תוואי הנוף ועוד. הפירוט מגיע עד לרמת רכיבי המנוע ברכבת. המטרה היא להריץ מבחני אופטימיזציה ולשפר את התפקוד של מערך הרכבות.
מאז רכישת מלאנוקס בשנת 2020, הפכה ישראל לאחד מהאתרים המרכזיים של חברת אנבידיה. כיום מועסקים בארץ כ-3,000 עובד פיתוח, המהווים כ-15% מסך כל עובדי אנבידיה בעולם. במאי 2022 היא הכריזה על כוונתה לגייס כ-1,000 עובדים נוספים עבור כל הרבוצות במרכזי הפיתוח הישראליים שלה: קבוצות תוכנה וחומרה בתחום התקשורת המואצת, קבוצות פיתוח שבבי CPU ושבבי DPU, קבוצה למחקר AI, קבוצת העולמות הווירטואליים (Omniverse) ועוד.
מעבד חדש לכלי-רכב: NVIDIA DRIVE Thor
במהלך הארוע הכריז מנכ"ל ומייסד החברה, ג'נסן הואנג, גם על מחשב הרכב החדש של החברה, NVIDIA DRIVE Thor, אשר מיועד לנהל את כל יישומי הרכב, ממערכות המידע והבידור ועד לרמת הנהיגה האוטונומית. הוא כולל מעבד CPU מסוג NVIDIA Grace, מעבד גרפי (GPU) בארכיטקטורת Ada Lovelace שנחשפה בארוע, ומנוע בינה מלאכותית לביצוע הסקת מסקנות. המחשב מגיע בתצורת מערכת על-שבב (SoC), וכולל טכנולוגיה חדשה לחיבור שבבים שונים בתוך המארז (Chip to Chip).
מדובר בשבב ענק הכולל כ-77 מיליארד טרנזיסטורים ומגיע לעוצמת עיבוד של 2000TFLOPS (אלפיים טריליון פעולות עיבוד נקודה צפה בשנייה). החברה מסרה שהמחשב DRIVE Thor יהיה זמין עבור דגמי 2025 של יצרניות רכב מובילות. החברה הראשונה שתאמץ אותו היא ZEEKR, מותג רכבי היוקרה והספורט החשמליים הנמצא בבעלות יצרנית ההמכוניות הסינית Geely. החברה מתכננת להתחיל לייצר את המכוניות הראשונות המצויידות ב-DRIVE Thor כבר בשנת 2025.
חברת קיידנס (Cadence) השיקה את פלטפורמת אימות התכנון Verisium, אשר מבוססת על שימוש בבינה מלאכותית (AI) וכוללת שימוש בביג דטה לביצוע אופטימיזציה של עומסי העבודה בתהליך הבדיקה ולקצר את זמני הבדיקה. המוצר החדש בנוי על-בסיס פלטפורמת Joint Enterprise Data and AI – JedAI החדשה, אשר תואמת לכל מנועי האימות הקיימים של החברה ומספקת את מנוע הבינה המלאכותית למערכת Verisium.
החברה מסרה שמבחינתה מדובר בשינוי פרדיגמה באופן שבו מאמתים את תכנוני השבבים: "מערכת Verisium מאפשרת לעבור ממתכונת הרצה של אלגוריתם תכנון אלקטרוני (EDA) אחד על מנוע אחד, בכל פעם, למתכונת עבודה שבה ניתן לנצל את כל המידע הנאסף בכל הריצות שבוצעו במהלך כל שלבי התכנון והאימות של ה-SoC".
המערכת ממזגת את כל מקורות המידע (צורות גלים, דו"חות, log files ועוד), מייצרת מידע נוסף באמצעות חקירה מבוססת בינה מלאכותית של הנתונים, ומפיקה מודלים של המוצר המתוכנן. פלטפורמת Verisium מאחדת תחת קורת גג אחת את האלגוריתמים ופתרונות האימות הקיימים של החברה, בהם: Cadence Cerebrus, Palladium Z2 emulation, Protium X2 prototyping, Xceliumsimulation ועוד. המערכת מספקת חבילה שלמה של יישומי אימות וניהול האימות, כולל ממשק Python API המאפשר למהנדסים לכתוב בעצמם תהליכים ואפליקציות משלהם.
בתמונה למעלה: סגן נשיא Untether AI רוברט בי'צלר. המפתח הוא יעילות אנרגטית"
חברת Untether AI הקנדית הכריזה על ארכיטקטורת הדור השני שלה של מעבדי הסקות ברשתות נוירוניות, בשם speedAI, אשר מסוגלת לספק עוצמת עיבוד של עד 30TFlops/W. השבבים החדשים מיוצרים בתהליך 7 ננומטר של חברת TSMC, וצפויים להגיע אל השוק במחצית הראשונה של 2023. הם יסופקו ללקוחות במתכונת של רכיבים בודדים, או במתכונת של כרטיסי m.2 וכרטיסי PCI Express הכוללים 6 מעבדים בכל כרטיס, ומאפשרים חיבור הכרטיסים לקבלת עוצמת עיבוד גבוהה יותר.
סגן נשיא לניהול מוצר בחברה, רוברט ביצ'לר, סיפר בראיון ל-Techtime שבשלב הראשון החברה מייעדת את המוצרים שלה אל שוק מרכזי הנתונים. ביצ'לר: "בקצב הנוכחי של צמיחת מרכזי הנתונים, אם לא נתייעל הם יצרכו בתוך מספר שנים כ-20% מכל תפוקת האנרגיה בעולם. לכן יעילות אנרגטית היא המפתח. ככל שהמעבד יותר יעיל, גם ניתן לקבל יותר עוצמת עיבוד וגם לחסוך אנרגיה. היינו צריכים להתמודד עם הצורך לספק עוצמת עיבוד גבוהה, דיוק בתוצאות ויכולת התאמה לרשתות נוירוניות בטופולוגיות שונות".
עיבוד צמוד-לזיכרון
ארכיטקטורת speedAI צמחה בתוך ההכרה שכ-90% מהאנרגיה ברשתות נוירוניות מוקדשת להעברת המידע ממקום למקום ברשת. "כדי להתמודד עם הבעיה הזאת פיתחנו את הרעיון של עיבוד צמוד-לזיכרון (At-Memory Compute). השבב בנוי מרשת גדולה מאוד של אלמנטים מקושרים (Memory Bank), אשר כל אחד מהם כולל 512 יחידות עיבוד (ALU) וזיכרון SRAM הצמוד לכל יחידה. כל אלמנט כזה מנוהל באמצעות מעבד RISC-V שעבר התאמה ממיוחדת, כולל פקודות ייעודיות שפיתחנו עבורו. הקישוריות של כל המערך מנוהלת באמצעות מעבד ARM. השבב הראשון שלנו, speedAI240, כולל 1,456 מעבדי RISC-V".
המעבד החדש עובד עם כל הפורמטים של מידע המקובלים בתחום כמו FP32, FP8, BF16 ו-INT8. אולם במהלך הפיתוח החברה גילתה תופעה בלתי צפוי בתחום הזה: "חקרנו את היעילות של הפורמטים השונים והתברר לנו שדווקא פורמט FP8, אשר נחשב למדויק פחות בהשוואה לפורמטים הארוכים יותר, נותן תוצאות טובות יותר. אומנם המידע בכל מילה הוא פחות מפורט, אולם יעילות הביצוע והאפשרות להשתמש ברשת גדולה יותר – מפצים על האובדן בדיוק – ומספקים עוצמת עיבוד כוללת גדולה יותר. להערכתי אנחנו הראשונים בתעשייה המשתמשים בפורמט הזה ביישום מסחרי".
מתחרה פוטנציאלית של היילו
חברת Untether AI הוקמה בשנת 2018 בטורונטו, קנדה, על-ידי יוצאי תעשיית השבבים, רבים מהם הגיעו מחברות ה-FPGA זיילינקס ואלטרה. מאז הקמתה היא גייסה כ-170 מיליון דולר בהובלת גופים כמו אינטל קפיטל. כיום היא פועלת מטורונטו ומעמק הסיליקון. האם היא מתחרה בחברת Hailo הישראלית? בשלב הנוכחי עדיין לא. לדברי ביצ'לר, השבב המרכזי שלה speedAI240 מיועד לשוק מרכזי הנתונים בעוד ששבב ההסקות של היילו מיועד לאבזרי קצה. יחד עם זאת, ייתכן שמדובר במרחק תחרותי זמני: במצגת הרשמית של החברה ניתן לראות שהיא מתכננת להוציא בעתיד גרסאות מצומצמות יותר של הטכנולוגיה, בשבבים קטנים וחסכוניים בהספק, המותאמים לשימוש גם באבזרי קצה.
חברת Untether AI מיוצגת בישראל על-ידי חברת איסטרוניקס. למידע נוסף:אבנר אוזן, מנהל פעילות AI באיסטרוניקס. 050-5408863, [email protected]
בתמונה למעלה: ולדימיר אורייב. "אנשי ה-IT הם מכבי-האש של הארגון"
חברת ג'וניפר (Juniper Networks) הכריזה לאחרונה על מתגי תקשורת מבוססי בינה מלאכותית מסדרה EX4100, אשר מיועדים לארגונים קטנים ובינוניים. בדומה למתגים הארגוניים הגדולים מסדרה EX4100, גם המתגים החדשים מספקים שירותי גישה לרשת קווית הנשענת על שירותי ענן ועל תוכנת Mist AI, אשר מבצעת באופן אוטומטי חלק גדול ממטלות התמיכה הטכנית. מנהל תחום הבינה המלאכותית לרשתות ארגוניות באזור דרום ומרכז אירופה, ולדימיר אורייב, סיפר ל-Techtime שהניהול והתחזוקה של רשתות תקשורת ארגוניות הן מטלות מושלמות עבור תוכנות בינה מלאכותית.
אורייב: "הבינה המלאכותית מצטיינת כאשר יש כמות סופית של נתונים וצורך לבצע הרבה מאוד פעולות החוזרות על עצמן. לכן ניהול משאבי IT הוא תחום שבו הבינה המלאכותית מספקת מענה טוב מאוד. העובדים בתחום הזה מקדישים 90% מהזמן שלהם לתיפעול שוטף ולטיפול במספר סופי של תקלות אשר חוזרות על עצמן ברמה יומיומית. הם מכבי-האש של הארגון.
"במקרה הזה, ה-AI יכול להתמודד בעצמו עם רוב התקלות, ולסייע לאנשי ה-IT להבין את גורמי השורש לגרמו להן. כך למשל, כאשר משתמש מתלונן שהוא לא מתחבר לרשת, אנשי ה-IT צריכים להיכנס לתהליך ארוך של זיהוי תקלה. תוכנת ה-AI שלנו מבצעת את התהליך ובתוך שנייה נותנת את התשובה: המשתמש לא הקיש נכון את הססמא, צריך לשדרג דרייבר של המחשב, יש תקלה בטלפון שלו או בשירות השיחות הווירטואליות וכדומה".
כיצד המערכת עובדת?
"כיום התוכנה מוטמעת בכל המוצרים שלנו. אנחנו לא מוכרים מתגים או מוצרי תקשורת ללא המערכת הזאת. כדי להגיע לתובנות צריך לנתח הרבה מאוד נקודות מידע בזמן אמת. יש כ-200 פריטי מידע על כל משתמש שאנחנו מודדים בכל שנייה. הלקוחה הגדולה ביותר שלנו היא וולמארט, ובכל רגע נתון יש 2.5 מיליון משתמשים המחוברים אל הרשת שלנו. לכן מנוע הבינה המלאכותית שלנו יושב בענן, מכיוון שמדובר בכמויות אדירות של נתונים וניתן לטפל בהם רק באמצעות ענן ציבורי. אנחנו מספקים את השירות הזה במתכונת של SaaS, כלומר הלקוח לא צריך לרכוש ולתחזק בעצמו את השרתים".
מה קורה כאשר יש ציוד ישן או ציוד של חברות אחרות?
"ניתן להתקין את המערכת גם במתגים ישנים שלנו, כי היא מבוססת על שידרוג של מערכת ההפעלה שלנו. כאשר הרשת של הלקוח מעורבת, כלומר כוללת גם מערכות שאינן שלנו, מנוע ה-AI פועל רק על המערכות שלנו, ולא על המערכות של ספקים אחרים. אבל צריך לזכור שגם כאשר המידע שנאסף מתייחס רק לחלק מהרשת, הוא עדיין מספק תובנות חשובות מאוד על הרשת כולה".
בתמונה למעלה: דוגמא לאיכות הסרת הצללים באמצעות האלגוריתם החדש
מחקר שביצעו שני עובדים מחברת אפלייד מטיריאלס ישראל (Applied Materials) הציג גישה חדשה להתמודדות עם בעיית ההצללה בתמונות, והביא לפיתוח אלגוריתם בינה מלאכותית אשר מסוגל לנקות צללים מתמונות, באיכות הטובה ביותר שהושגה עד היום, באמצעות רשת נוירונים שהיא קטנה פי 1,000 בהשוואה לשיטות המתחרות. הפיתוח נעשה על-ידי תמיר עיני וגלעד ורד ממחלקת האלגוריתמים של חברת אפלייד מטיריאלס בישראל, ביחד עם אפרת אימר ובליווי פרופ' שי אבידן מאוניברסיטת תל אביב.
המחקר בוצע בעידוד החברה ועל חשבון שעות העבודה. הפרוייקט החל במסגרת קורס למידה עמוקה באוניברסיטה שבו השתתף תמיר עיני, שבו התבקשו הסטודנטים לבצע עבודת גמר. בהתייעצות עם המנחה שלו לעבודת המאסטר בהנדסת חשמל, פרופ' אבידן, החל עיני לעבוד על נושא ההצללה ובסיום הקורס צירף אליו את גלעד ורד. המטרה הייתה למצוא דרך יעילה להתמודד עם סוגיית הצל, אשר מאפשרת לסייע בפתרון בעיות דומות גם בתחום מערכות הבקרה על ייצור שבבים.
הגדרה חדשה של אתגר הצל
עיני: "מודלים של רשתות נוירונים מבוססים על שימוש במשקולות, אשר מספרן מגדיר את מספר פעולות העיבוד שיש לבצע. המודל שפיתחנו זקוק לפחות משקולות בשלושה סדרי גודל בהשוואה למודלים הקיימים היום בספרות. כלומר, הרשת שלנו מבצעת פי 1,000 פחות פעולות עיבוד, ובכל זאת היא סיפקה את התוצאה הטובה ביותר. המחקר וההדגמה נעשו על-גבי שני מאגרי מידע הכוללים תמונות עם צל ותמונות בלי צל, אשר משמשים כמבחן ליכולת של האלגוריתם להתמודד עם הבעיה".
מימין לשמאל: גלעד ורד ותמיר עיני
לדברי גלעד, אחד מההישגים של הפיתוח הוא בגישה החדשה של הצוות, שבה האלגוריתם מנתח כל פיקסל בתמונה. "עד היום התמודדו עם אתגר הסרת הצל מתוך הנחה שהתיקון צריך להיות אחיד, ולכן העיבוד נעשה על כל איזור הצל במשותף. הטענה שלנו היתה שהצל הוא לא אחיד. קיימים אזורים פנימיים שבהם הצל אחיד, וקיימים אזורים שבהם יש עירוב בין הארה מוצללת במלואה לבין הארה שהיא מוצללת באופן חלקי, ולכן צריך להתמודד עם האתגר ברמת הפיקסל ולא ברמת הצל באופן אחיד".
מחלקת האלגוריתמים של אפלייד מטיריאלס ישראל מעסיקה כ-70 אלגוריתמאים העוסקים במחקרי עומק בתחומים כמו ראיית מכונה (CV), לימוד מכונה (ML) ורשתות נוירונים עמוקות (DL). הממצאים הוצגו בסדנה של כנס CVPR שהתקיים ביוני השנה בארה"ב. מדובר בכנס החשוב בעולם בנושאי ראייה ממוחשבת.
ביום ד’, ה-27 ביולי 2022, תקיים חברת סינופסיס (Synopsys) וובינר בנושא השימוש במערכות מונחות בינה מלאכותית לביצוע בדיקות Regression Debug Automation לאחר שנעשו שינויים בתכנון השבב, במטרה להבטיח את המשך פעילותו הפונקציונלית ואיתור בעיות שורש בתכנון המעודכן. ההדרכה תתקיים בשעה 20:00 לפי שעון ישראל ותימשך 60 דקות.
Rob van Blommestein (left): Product Marketing Manager for the Verdi Automated Debug System at Synopsys. He has over 20 years of experience in marketing verification products from startups to large-scale companies.
Myles Glisson (right): Product and debug Applications Engineer with nearly 30 years of experience. He is a well-known leader in customer advocacy, building strong customer relationships, solving issues as well as providing technical advice and solutions. He works with sales, marketing and R&D to drive the adoption of solutions in customer flows and methodologies.
More about the webinar:
The Synopsys Verdi® Regression Debug Automation (RDA) is an artificial intelligence (AI) driven verification technology for automating the process of finding the root causes of failures in the design under test and test bench. In this Synopsys webinar, we will discuss the challenges engineers face during the design verification and debug phase. We will walk you through the AI-driven components of RDA to help you eliminate the manual process, save time, more quickly understand design behavior and get to the root cause of errors.
חוקרים מהטכניון ביצעו מחקר שהראה דרך המאפשרת לצמצם את משאבי העיבוד הדרושים לצורך קבלת החלטות ברכב אוטונומי בתנאי אי-ודאות, בלא לפגוע בביצועי המערכת הרובוטית. המחקר מציג דרך לבצע השפטה של הבעיה, באופן המצמצם את היקף המידע שהמחשב צריך לנתח. מסקנות המחקר פורסמו במאמר בכתב העת International Journal of Robotics Research. המחקר בוצע בפקולטה להנדסת אווירונוטיקה וחלל בטכניון על-ידי ראש המעבדה לניווט אוטונומי וחישת עולם, פרופ' ואדים אינדלמן, ועל-ידי בוגר תואר שלישי בתוכנית למערכות אוטונומיות, חן אלימלך.
"אנחנו מראים שניתן לצמצם באופן משמעותי את כוח החישוב הנדרש מבלי לפגוע בהצלחה בביצוע המשימה", הם הסבירו. "אנחנו גם מראים שאפשר לצמצם את המאמץ החישובי אף יותר – תמורת פגיעה מסוימת אפשרית בביצועים – שאותה ניתן להעריך".
קבלת החלטות אוטונומית בתנאי אי-ודאות היא יכולת חיונית עבור סוכנים (agents) אוטונומיים הנדרשים לפעול בסביברה משתנה ובאופן מהימן לאורך זמן. במקרים רבים אין לסוכן גישה ישירה למשתני המצב של הבעיה והוא פועל על סמך התפלגות הסתברותית או "אמונה" (belief). התפלגות זאת מבטאת את הידע שיש לסוכן על עצמו ועל סביבתו בהתבסס על מודלים הסתברותיים, פעולות שבוצעו ומדידות שהתקבלו מחיישנים שברשותו.
בעיה זאת נקראת גם "תכנון במרחב האמונה" (belief space planning). פתרון הבעיה, כלומר חישוב מכלול הפעולות המיטביות להשגת המטרה, מצריך אומדן של הפעולות הפוטנציאליות תחת פונקציית תגמול או מחיר כלשהי כמו למשל, מרחק אל היעד. האתגר הזה גם מחייב לחזות כיצד "האמונה" תתפתח בעתיד. מדובר במטלות יקרות מאוד מבחינה חישובית. קבוצת המחקר של פרופ' אינדלמן מתמודדת עם האתגר באמצעות פיתוח דרכי הפשטה (simplification) המאפשרות לפתור בעיות מסוג זה בצורה יותר יעילה חישובית. זאת, למשל, באמצעות דילול (sparsification) של מטריצות. היבט חיוני בגישות מסוג זה הינו קבלת ערובות (guarantees) לביצועים: האם תהליך ההפשטה יכול לפגום בביצועים, ואם כן, עד כמה.
במסגרת המאמר הם הניחו תשתית תאורטית המציגה כיצד לפשט את הבעיה, וכיצד להגדיר את רמת הסטייה שהמערכת מוכנה לקבל. התשתית התארוטית הזו הודגמה באמצעות תוצאות ניסויים שהתבצעו באמצעות תוכנת הדמייה, שבה רובוט וירטואלי המצויים בחיישן LiDAR וירטואלי, התמודד עם מטלות ניווט והגעה לידע בתוך מבוך וירטואלי. המחקר נתמך על-ידי הקרן הלאומית למדע (ISF). הדוקטורנט חן אלימלך, שהוביל את המחקר, זכה לאחרונה ב"פרס על עבודת מחקר יוצאת דופן לתואר שלישי" מטעם המרכז הישראלי למחקר בתחבורה חכמה (ISTRC).
חברת אינפיניאון (Infineon) הכריזה על מערכת האזעקה מבוססת סוללה הראשונה בתעשייה הפועלת באמצעות אלגוריתם בינה מלאכותית קומפקטי במתכונת של תוכנת Tiny AI. החברה פיתחה תכנון ייחוס המתבסס על חיישני MEMS ממשפחת XENSIV: מיקרופון וחיישן לחץ אוויר ברומטרי. המידע משני החיישנים מגיע אל מיקרו-בקר מדגם PSoC6 ואל שבב בינה מלאכותית, אשר מריצים את התוכנה המשלבת את המידע המגיע מהחיישנים, מנתחת אותו ומפיקה התראות.
ההתראות מגיעות לאחר שהמערכת מזהה ארועים הקשורים ללחץ אוויר, למידע אקוסטי, או לשניהם ביחד. החברה מסרה שהמערכת מספקת ביצועים אמינים יותר ממערכות שאינן מבוססות בינה מלאכותית, מכיוון שהיא מסוגלת להתעלם מרעשי רקע שונים, דוגמת רעשים המגיעים ממקלט הטלוויזיה, רעשי רקע מהרחוב וכדומה. השבב הכולל את מערכת היתוך החיישנים (AED), מאפשר למשל להפעיל את האזעקה רק כאשר מגיעה התראה משני החיישנים במקביל. לשם המחשה: כאשר זגוגית החלון את הדלת מתנפצים, האלגוריתם מנתח את עוצמת ופתאומיות הרעש של פס תדרים מוגדר, במקביל לאיתור תבנית שינוי בלחץ האוויר בתוך החדר. כאשר האלגוריתם מזהה שמדובר בשני ארועים הקשורים אחד לשני – הוא מפעיל את האזעקה.
כך גם במקרה של פריצה לדירה או לבית: כאשר כל החלונות והדלתות סגורים, קיים לחץ אוויר קבוע בתוך החדר. פתיחת החלון או הדלת גורמים לשינוי פתאומי בלחץ האוויר. לכל אחד מהארועים האלה יש תבנית ספציפית (Pattern) המזוהה על-ידי האלגוריתם, ומאפשר למערכת להפיק התראת פריצה. תכנון הייחוס כולל אפשרות התחברות לחיישנים נוספים, דוגמת גלאי עשן או גלאי CO2. המערכת פועלת גם במתכונת חסכונית באנרגיה: המערכת מצויה במצב דל-אנרגיה, ונכנסת לפעילות מלאה רק כאשר מזוהה אות החשוד כאות הדורש תגובה. כרטיס תכנון הייחוס יהיה זמין ברבעון השלישי 2022.
חברת היילו (Hailo) וחברת רנסאס היפנית (Renesas) הכריזו על שיווק משותף של פתרון עבור מערכות עזר בטיחותיות לנהג (ADAS) ומערכות נהיגה אוטונומית (AD), אשר יתבסס על מעבד הרשתות הנוירוניות של היילו, Hailo-8 ועל שבבי ה-SoC של רנסאס, R-Car V3H ו-R-Car V4H. הפתרונות המשולבים מיועדים למגוון של יישומים, החל ממערכות ADAS ברמת L2+ וכלה במערכות נהיגה אוטונומית ברמה רביעית (L4).
"יכולות ADASונהיגה אוטונומית הוכחו כחיוניות בכדי לצמצם תאונות ולהציל חיים. יחד עם זאת, יצרניות הרכב מתקשות לייבא פונקציות מתקדמות אלה למכוניות שאינן רכבי יוקרה", אמר מנכ"ל ומייסד משותף של היילו, אור דנון. "הפתרון שאנחנו מציעים ביחד עם רנסאס שעוזר ליצור דמוקרטיזציה בתחום ה-ADAS". הפתרון המשותף של היילו ורנסאס יספק עוצמת עיבוד של 60-170 טריליון פעולות בשנייה (TOPS) ויגיע ביחד עם סביבת תוכנה פתוחה המאפשרת ליצרניות הרכב או הספקיות של המערכות (Tier 1) לעצב את המוצר הייחודי שלהן בהתאם להעדפתן.
חברת היילו הוקמה בפברואר 2017 על ידי אור דנון, אבי באום, הדר צייטלין ורמי פייג ז"ל, בוגרי יחידה טכנולוגית של חיל המודיעין. באוקטובר 2021 החברה השלימה גיוס הון שלישי בהיקף של 136 מיליון דולר. כיום היא מעסיקה כ-190 עובדים בתל-אביב ובחו"ל, ומתכננת לתגייס כמה עשרות עובדים נוספים עד סוף 2022. מעבד Hailo-8 של החברה הוא מעבד ייעודי להרצת רשתות נוירונים. כל רכיב מספק עוצמת עיבוד של עד 26 טריליון פעולות בשנייה ברמת צריכת הספק טיפוסית של כ-2.5 וואט. בחודש דצמבר 2021 הכריזה היילו על שיתוף פעולה דומה עם חברת NXP Semiconductors, שבמסגרתו הן ישיקו ביחד פתרונות בינה מלאכותית עבור יחידות הבקרה האלקטרוניות של כלי רכב.
חברת Polyn Technology מקיסריה מתכננת להשיק עד סוף השנה שבב עיבוד רשתות נוירוניות מסוג חדש לגמרי, אשר מבוסס על מעגל חשמלי אנלוגי ולא על רשת נוירונים דיגיטלית. לאחרונה השלימה גלובלפאונדריז את הייצור של סדרת הניסוי הראשונה, בטכנולוגיית CMOS ברוחב צומת של 55 ננומטר. מייסד משותף ומנכ"ל החברה, אלכסנדר טימופייב, סיפר ל-Techtime שההשקה המסחרית של הרכיב מתוכננת להתבצע בנובמבר או בדצמבר 2022.
טכנולוגיית Neuromorphic Analog Signal Processing – NASP של החברה צמחה מתוך פיתוח מתימטי של המדען הראשי אלכסנד גודובסקי. הוא פיתח משוואה המאפשרת לייצג באופן שונה את הפעילות של רשתות נוירוניות בשלב ההסקה (רשתות מאומנות). בעקבות הרעיון הוקמה החברה בשנת 2019, וגייסה לשורותיה מפתחים ישראלים יוצאי חברות דוגמת טאואר, יבמ, אינטל, קיידנס ועוד. החברה הצליחה לממש את הייצוג החדש באמצעות בניית נוירונים אנלוגיים. הדבר מאפשר לייצר מעגל המממש רשת של אלפי נוירונים דיגיטליים – באמצעות אבני בניין קלאסיות: מגברי-שרת (OpAmp) ונגדים.
רכיב היברידי המשלב רשת דיגיטלית ומעבד אנלוגי
שבב ה-NASP הראשון של החברה, לשם המחשה, מכיל 50 אלף נוירונים אנלוגיים. להערכת טימופייב, הוא חסכוני בהספק פי 100 בהשוואה לרשת נוירונים דיגיטלית מקבילה, ומהיר ממנה פי 1,000. מאז הקמתה גייסה פולין כ-4.5 מיליון דולר. כיום החברה מעסיקה 22 עובדים. היא רשומה בבריטניה ויש לה משרדים בלונדון, אבל משרדיה הראשיים מצויים בישראל. כיום היא נמצאת בתהליכי רישום של 21 פטנטים שונים כדי להגן על הטכנולוגיה.
לדברי טימופייב (בתמונה למטה), המוצר הסופי הוא שבב היברידי הכולל רשת אנלוגית קבועה אשר אחראית ליישום שלב זיהוי התבניות, ועוד מרכיב דיגיטלי דינמי כמו למשל רשת נוירונים דיגיטלית קטנה, אשר אחראי לתהליך הפירוש של התבניות, להוספת מרכיבים למעגל במסגרת תהליכי עדכון של האלגוריתם ואפילו לביצוע אימון ברמה מוגבלת. טימופייב: "בממוצע כ-90% מהרשת הנוירונית היא קבועה ולא משתנה. פחות מ-10% ממנה מקבל עידכונים שונים בהמשך הפעולה. השבב שלנו הוא היברידי: אנחנו ממירים 90% מהרשת למעגל אנלוגי והשאר נשאר דיגיטלי. אנחנו גם יכולים להתאים את התמהיל הזה לצורכי היישום הספציפי".
המעבד הראשון שהחברה תוציא בסוף השנה, NeuroSense, מתוכנן להיות הרכיב הראשון במשפחה של רכיבים. צריכת ההספק שלו קטנה מ-100 מיקרו-ואט, ולכן הוא מיועד לאבזרים דלי-הספק כמו שעונים חכמים ואבזרים לבישים. הוא יימכר גם במתכונת של רכיב פיסי וגם במתכונת של קניין רוחני (IP). "השבב יפתור בעיה הקיימת היום בכל השעונים החכמים: הם צריכים לבצע ניטור רציף של החיישנים, אולם הדבר צורך הרבה מאוד אנרגיה". מפת הדרכים של החברה כוללת עוד שני רכיבים: מעבד קולי להפרדת הקול האנושי מקולות רקע, ומיועד לשוק של מכשירי שמיעה, מכשירי רדיו אלחוטיים של כוחות חירום והצלה, ובהמשך גם ליישומים צרכניים. השבב השלישי יתמקד בניתוח זעזועים עבור השוק התעשייתי.
מהי רמת החסינות של השבבים?
"אנחנו מסתמכים על תהליכי ייצור קיימים ומוכחים. לכן גם הייצור של השבב הראשון התבצע ב-55 ננומטר. אנחנו מבצעים 50 אינפרנסים בשנייה. זהו תדר עבודה נמוך מאוד ולכן הרכיב חסין מאוד בפני הפרעות אלקטרומגנטיות. כמו כל רשת נוירונית, מדובר ברשת מקבילית שבה שגיאה בניורון אחד לא משפיעה באופן כללי על התוצאה הסופית. זהו לא מעגל אשר צובר טעויות".
חברת קיידנס (Cadence) הכריזה על מערכת Optimality Intelligent System Explorer, המיועדת לביצוע לביצוע אופטימיזציה של מערכות אלקטרוניות שלמות ברמה הםיסית וברמה החשמלית. המערכת החדשה היא המענה של קיידנס לתחום הניתוח והמיטוב הרב-תחומי של מערכות (Multidisciplinary Analysis and Optimization – MDAO). הפתרון כולל את מערכת Clarity 3D Solver לניתוח אלקטרומגנטי תלת מימדי, ואת טכנולוגיות Sigrity X לניתוחי שלמות אותות (SI) ושלמות הספק (PI).
החברה מסרה שהמערכת החדשה כוללת את טכנולוגיית הבינה המלאכותית שהיא שילבה לאחרונה במערכת Cerebrus, אשר משמשת לשיפור התכנון של דבבים חדשים. בתחילת החודש דיווחה מדיהטק שהמערכת איפשרה לה להקטין את שטח הסיליקון בשבב בכ-5%. מערכת הבינה המלאכותית אשר שולבה ב-Optimality Explorer מבצעת ניתוח של התכנון בכל הרמות: מרמת ה-IC, דרך המארז, המעגל המודפס (PCB) וכלה ברמת המערכת השלמה – כולל קרינה אלקטרומגנטית ושלמות האות.
בתמונה למעלה: ארז לורבר, מנכ"ל קווסטאר. "הגידול בנפח המידע מחייב שימוש בכלי בינה מלאכותית ולימוד מכונה"
בשבוע שעבר השיקה חברת Questar מראש העין את טכנולוגיית Vehicle Health Management-VHM אשר מאפשרת לעקוב אחר מצב הרכב, לאתר תקלות בשלבי התפתחותן הראשוניים ולספק תובנות לטיפול מונע. המערכת מבוססת על מחשב ומודול תקשורת אשר נמצאים ברכב, אוספים מידע מכל החיישנים ומבצעים ניתוח ראשוני של המידע. לאחר מכן המידע נשלח אל הענן ושם מתבצע עיבוד מתקדם המבוסס על אלגוריתמים של בינה מלאכותיתי ולימוד מכונה. הממצאים מסייעים ליצרני רכב ולמנהלי ציים לאתר בעיות לפני שהן מתרחשות, ולמטב את תוכניות הטיפול, התחזוקה ואפילו את התכנון של דגמים חדשים.
בשיחה עם Techtime סיפר מנכ"ל קווסטאר, ארז לורבר, שכיום החברה מספקת שירותי ניטור וטלמטריה לכמה מאות-אלפי כלי-רכב בישראל, במדינות סקנדינביה, בארה"ב, בבריטניה, במקסיקו ובברזיל. לורבר: "אנחנו נמצאים בקשר עם מספר יצרני רכב גדולים, במטרה לשלב את המערכות שלנו בתוך דגמים חדשים של מכוניות". מאחורי החברה עומדת טכנולוגיה אשר פותחה במשך שנים רבות ומוגנת בכ-30 פטנטים רשומים. למעשה, קווסטאר החלה את דרכה בשנת 2003 בתור חברת Traffilog, אשר פיתחה פתרונות טלמטריה לציי רכב, המבוססים על מחשב מקומי המותקן בתוך הרכב.
גיבוש אסטרטגיית צמיחה
המחשב אוסף נתונים מהחיישנים הקיימים באמצעות ערוץ ה-CAN Bus, ומייצר תובנות תפעוליות המשודרות אל מנהלי הצי באמצעות הרשת הסלולרית. בחודש דצמבר 2019 ביצעה קרן טנא השקעה של כ-12 מיליון דולר בחברה תמורת כ-46% מהמניות, ובהמשך היא הגדילה את השקעתה וכיום היא בעלת השליטה בחברה. קרן טנא הישראלית עוסקת בהצמחת חברות תעשייתיות ומנהלת הון בהיקף של כמיליארד דולר. בעקבות כניסתה לחברה, הוגדרה תוכנית צמיחה, וביוני 2020 הובא מנכ"ל חדש, ארז לורבר, אשר הגיע מחברת StoreDot שבה שימש כמנהל התפעול (COO) במשך חמש שנים.
"העבודה בסטורדוט חשפה אותנו אל חברות רכב גדולות מאוד ואל מהפיכת הקישוריות וחישמול הרכב. הבנו שהנתונים יהיו המרכיב המשמעותי ביותר במהפיכת הרכב, והתחלנו לחפש חברה שתשלים את הפתרונות שלנו ותספק יכולת ניתוח כמויות גדולות מאוד של נתונים". המענה נמצא בחברת SafeRide מרמת החייל, שהוקמה ב-2014 על-ידי יוסי ורדי וחיליק שטיין. החברה החלה את דרכה כחברת סייבר לעולם הרכב. היא פיתחה את טכנולוגיית VSentry Edge AI אשר לומדת באופן עצמאי את דפוסי ההתנהגות הנורמליים של מערכות התקשורת ברכב, כדי לזהות התנהגות חריגה ולספק התראה.
בשנת 2019 החליטה NXP להטמיע את הטכנולוגיה של SafeRide ברכזות תקשורת חדשות לרכב, והחלה בפרוייקט פיילוט עם יצרן רכב אירופי שתכנן להשתמש ברכזות האלה בדגמי רכב חדשים. יכול להיות שמדובר בחברת רנו, שכן ביוני 2019 דיווחה רנו שהיא מבצעת ניסויים בשיתוף SafeRide במעבדת החדשנות שלה בתל אביב. מכל מקום, בניסויים האלה התברר שהאלגוריתם של החברה מזהה חריגות נוספות, כמו למשל התפתחות תקלות ברכב ואפילו שימושים פסולים שעושה הנהג ברכב.
שתי החברות מתמזגות
לפני כחצי שנה התמזגו SafeRide ו-Traffilog. המיזוג יצר חברה מאוחדת המעסיקה כ-150 עובדים (שליש מהם מגיע מחברת סייפ-רייד) והחברה מיתגה את עצמה מחדש תחת השם Questar כספקית טכנולוגיות ניטור, ניתוח והפקת תובנות חכמות. "חיברנו את הפתרונות שהיו לנו ביחד עם יכולות הבינה המלאכותית של סייפ-רייד במטרה להיות מובילים בתחום החיזוי של בריאות הרכב".
מהו המודל העסקי שלכם?
לורבר: "אנחנו עובדים ישירות מול לקוחות גדולים, או דרך מפיצי VAR הרוכשים מאיתנו את החומרה והשירות, ומספקים ללקוחות שלהם. החומרה אוספת את המידע מכל החיישנים, מבצעת עיבוד ראשוני ברכב ושולחת את המידע לענן של אמזון. שם מצויים השרתים שלנו המבצעים עיבוד נוסף ומפיקים תובנות על התנהגות הרכב, השימוש היעיל ברכב, חיזוי תקלות וכדומה. כיום אנחנו מנטרים משאיות, אוטובוסים, כלי-רכב כבדים ומכוניות פרטיות שהיצרנים עוקבים אחריהן. עשרות אלפי כלי-רכב מצויידים בפתרון שלנו. תוכנית 'נהג צעיר' של הפניקס מבוססת עליו".
מה הן המגמות המרכזיות בתחום המידע ברכב?
"כאשר כל המכוניות יהיו מקושרות, המוצר שלנו יהיה בעיקר תוכנה. אולם אנחנו עדיין רחוקים מהמצב הזה ורוב המכוניות בעולם אינן מקושרות. לכן יש צורך במערכות כמו שלנו כדי לחבר אותן לרשת ולקבל מהן נתונים. המערכת שלנו כוללת מודם סלולרי עם כרטיס SIM המשדר את הנתונים (GPRS). מכיוון שנפח המידע נמצא בעלייה גדולה מאוד, חשוב להישען על בינה מלאכותית ולימוד מכונה, ולשדר רק את התובנות העיקריות המתקבלות לאחר עיבוד ראשוני.
"אנחנו גם רואים שינויים בסוג הנתונים ובקשות לנתונים חדשים. כך למשל, מצב לחץ האוויר והטמפרטורה בצמיגים משפיעים על צריכת הדלק המיידית, במיוחד במשאיות גדולות ועמוסות במטען. התוצאה היא שיצרנים החלו להתקין חיישנים בתוך הצמיגים אשר מספקים מידע חדש שאנחנו מעבדים. אנחנו צופים שבקרוב נידרש לספק מידע מחיישנים של מערכות העיר החכמה וממערכות דיווח מזג האוויר. בנוסף, כניסת הרכב החשמלי תייצר דרישה למערך חדש וגדול מאוד של נותנים שיהיה צורך לטפל בהם".
חברת הבאנה לאבס (Habana Labs) מקיסריה ותל אביב הכריזה על מעבדי הבינה המלאכותית החדשים שלה: מעבד Gaudi 2 לאימון רשתות נוירוניות ומעבד Greco המשמש כמנוע לייצור הסקות (inferencing) ברשתות לימוד עומק (deep learning). בפגישה עם איתן מדינה, מנהל העסקים הראשי של חברת הבאנה לאבס, הוא סיפר שהמעבדים החדשים מיוצרים בחברת TSMC בתהליך של 7 ננומטר וצורכים הספק של עד 600W ללא צורך בקירור נוזלים.
חברת הבאנה לאבס הוקמה בשנת 2016 על-ידי דוד דהן ורן חלוץ, יוצאי חברת פריימסנס שנמכרה לאפל ב-2013 תמורת 345 מיליון דולר. בסוף 2019 היא נמכרה לאינטל תמורת כ-2 מיליארד דולר וכיום מעסיקה כ-900 עובדים. היא הפכה לאחת מאבני הבניין החשובות של אינטל בתחום הבינה המלאכותית. לדברי מדינה, המעבדים מיועדים לשוק הצומח של רשתות עומק (DL) בבמרכזי נתונים. "כיום תופס ה-DL כ-75% מפעילות הבינה המלאכותית בענן. להערכתנו, ככל שגדל המשקל ה-DL בשרתים, כך גובר הצורך בהבאנה: אומנם מעבדי GPU יעילים בעיבוד משימות מעורבות, אולם בתחום רשתות העומק הנוירוניות יש עדיפות להבאנה".
מעבד Gaudi 2 כולל גם מנוע עיבוד מדיה משולב עבור מדיה דחוסה, כדי להוריד עומס מהמערכת המארחת. קיבולת זיכרון שלו הוכפלה פי שלושה ל-96 ג'יגה-בייט עם רוחב פס של 2.45 טרה-בייט/לשנייה. השבב כולל 24 ממשקי גישה לרשת מסוג 100GbE RoCE RDMA, המאפשרים הגדלה והרחבה באמצעות חיבור רשת סטנדרטי, המצמצם את התלות של הלקוח בממשקי תקשורת קנייניים. המעבד מופיע עם תוכנת SynapseAI, אשר תומכת במודלים לאימון על Gaudi 2 והסקת מסקנות בכל פלטפורמה, כולל מעבדי Xeon של אינטל, Greco של הבאנה או Gaudi 2 בעצמו.
איתן מדינה. הבאנה יעילה יותר מ-GPU
ההכרזה כוללת גם שרת בינה מלאכותית 12 Gaudi 2 Training Server אשר פותח על-ידי חברת Supermicro ומתוכנן להגיע השנה לשוק. במקביל, חברת DataDirect Networks תספק מארז שלם הכולל את שרת Supermicro X12 ביחד עם פתרון האחסון שלה, DDN AI400X2, לאחר שעבר התאמה לפעולה הדדית. אחת מההצלחות החשובות של הבאנה היא שחברת AWS התקינה בענן שלה את דרייבר (Instance) הבינה המלאכותית Amazon EC2 DL1, שהוא הראשון שאינו תומך במעבדי GPU. אפילו חברת מובילאיי כבר מבצעת עבודות עיבוד באמצעותו.
מעבד Gaudi החדש מאפשר לאינטל להתחרות בחברת אנבידיה בתחום החזק ביותר שלה – מעבדי GPU ליישומי בינה מלאכותית. אפילו תוכנת SynapseAI של הבאנה מעניקה למפתחים אפשרות לעבוד עם תוכנות שאינן תוכנות של אנבידיה. בתדרוך לכתבים ישראלים, אמרה סנדרה ריברה, סגנית נשיא בכירה באינטל ומנכ"לית קבוצת הדאטה סנטר והבינה המלאכותית, שהשקת מעבדי הבאנה החדשים "היא דוגמה מצוינת לאופן שבו אינטל מיישמת את אסטרטגיית הבינה המלאכותית שלה – מהענן ועד לאבזרי הקצה. "מעבד Gaudi 2 מסייע לאמן עומסי לימוד מעמיק גדולים ומורכבים במהירות וביעילות".
בתמונה למעלה: כרטיס האצה של Untether AI המכיל ארבעה מעבדי "מחשוב בזיכרון"
חברת איסטרוניקס (Eastronics) קיבלה את הנציגות בישראל של חברת Untether AI הקנדית, אשר מספקת כרטיסי האצה למטלות בינה מלאכותית, המבוססים על מעבדי runAI של החברה. המעבדים בנויים בארכיטקטורה ייחודית שבה העיבוד מתבצע בזיכרון. להערכת החברה, כ-90% מצריכת ההספק ביישמי בינה מלאכותית נובע מהעברת מידע בין המעבד לזיכרון. כדי להתמודד עם צוואר הבקבוק הזה, החברה פיתחה מעבד שבב הכולל מספר גדול של יחידות עיבוד מקביליות שאליהן צמודים רכיבי זיכרון, ועל-ידי כך היא מפחיתה פי שישה את צריכת האנרגיה הנובעת מהעבדת נתונים.
ארכיטקטורת "מחשוב בזיכרון" (At-memory Compute) של החברה מיועדת להסיר את צוואר הבקבוק הזה במהלך יישום שלב ההסקה של רשתות עצביות. שבב הליבה של החברה מבוסס על מערך של 512 יחידות עיבוד מבוססות RISC שכל אחת מהן עובדת ישירות מול שבב זכרון SRAM ייעודי צמוד בנפח של 385KB כל אחד. השבב מתחבר אל הכרטיס באמצעות 16 נתיבי PCIe Gen 4 העובדים במהירות של 32Gbps כל אחד. השבבים האלה מהווים את ליבת כרטיסי ההאצה של החברה, tsunAImi, אשר מספקים עוצמת עיבוד של יותר מ-2,000TOPS בכל כרטיס.
מנהל קבוצת פתרונות משובצים בחברת איסטרוניקס, דורון איתן, אמר שכרטיסי ההאצה של Untether AI מתאימים באופן טבעי ללקוחות איסטרוניקס. מנכ"ל Untether AI, ארון לינגר, אמר שהנוכחות החזקה של איסטרוניקס בישראל, "מבטיחה מיצוי מירבי של פוטנציאל פתרונות הבינה מלאכותית שלנו בשוק הישראלי". חברת איסטרוניקס מייצגת ומפיצה מוצרים ופתרונות של חברות טכנולוגיות גדולות, בהן: Microsoft Embedded, Advantech ,Lenovo , Kontron, Micron, Western Digital ואינטל.
למידע נוסף: אבנר אוזן, מנהל פעילות בינה מלאכותית באיסטרוניקס. 050-5408863, [email protected]
חברת אינטל (Intel) תיעזר בלקחים המתקבלים ממערכת מיטוב משאבי הענן של Granulate Cloud Solutions התל אביבית, כדי לבצע שיפורים בתכנוני המעבדים שלה. כך גילתה סנדרה ריברה (בתמונה למעלה), מנהלת קבוצת Datacenter and AI בחברת אינטל, במהלך פגישה עם עיתונאי טכנולוגיה שהתקיימה אתמול (ב') בתל אביב. "הלקחים האלה מאפשרים לנו לבצע אופטימיזציה של שבבים שלנו, כמו מעבדים או מאיצים. אנחנו מנהלים כעת דיונים משותפים בנושא הזה".
גרנולייט פיתחה תוכנה מבוססת בינה מלאכותית אשר מיועדת להפחית את עלויות השימוש בענן באמצעות ייעול האופן שבו הלקוח משתמש במשאבי הענן. המערכת של החברה לומדת את תבניות השימוש של הלקוח במשאבי הענן, ומבצעת שינויים באופן שבו הלקוח משתמש במשאבים האלה, כדי לחסוך בעלויות כמו משאבי מחשוב, כמויות מידע המועברות בענן, זיהוי צווארי בקבוק וכדומה.
בחודש שעבר דיווחה אינטל על הסכם לרכישת גרנולייט הישראלית. עם השלמות יצטרפו כל 120 עובדי גרנולייט בתוך חטיבת מרכזי הנתונים וה-AI של אינטל. אינטל תשלם כ-650 מיליון דולר. העיסקה צפויה להסתיים בתוך מספר שבועות. לדברי ריברה, החשיבות העיקרית של גרנולייט טמונה בכך שהיא תסייע לאינטל לקדם את אסטרטגיית הבינה המלאכותית במרכזי נתונים. ריברה: "היקף יישומי הבינה המלאכותית נמצא בצמיחה מהירה ולהערכתנו עד לשנת 2025 הוא יתפוס כשליש מכל העיבוד המתבצע במרכזי נתונים. הדבר דורש להכפיל את עוצמת העיבוד, והדרך לעשות זאת היא באמצעות בינה מלאכותית".
קבוצת ה-Datacenter and AI הוקמה ביוני 2021, במסגרת ארגון מחדש בחברת אינטל, שבמהלכו גם הוקמה חטיבת תוכנה האחראית על פיתוח תשתית תוכנה מאוחדת לכל מוצרי אינטל, וחטיבת מחשוב עתיר ביצועים (HPC) האחראית על פיתוח מעבדים חזקים ומאיצים גרפיים למערכות ענן גדולות מאוד ובמחשבים חזקים. הקבוצה של ריברה כוללת כ-3,000 מפתחים ומובילה את פיתוח המוצרים לענן, כולל מעבדי Xeon ורכיבים מיתכנתים (FPGA). בנוסף, ריברה אחראית על גיבוש אסטרטגיית הבינה המלאכותית של אינטל. לדבריה, המאמץ המרכזי בתחום הבינה המלאכתוית מתמקד כעת בתוכנה.
ריברה: "המטרה שלנו היא לפשט את הגישה של המפתחים אל תחום הבינה המלאכותית. אנחנו בונים מערך של תוכנות האצה למעבדים שונים ופתרונות בינה מלאכותית אשר יהיו תואמים לכל המוצרים של אינטל. אנחנו מתחילים לבנות מודל מבוסס מנויים לאספקת הכלים האלה עבור הסיליקון שלנו. גרנולייט מתאימה לתפישה הזאת מכיוון שהיא מייצגת תוכנת בינה מלאכותית אשר מייעלת את החומרה. להערכתנו השילוב שלה בתוך אינטל יאיץ את מכירותיה, מכיוון שאנחנו יכולים לספק לה מידע פנימי על המעבדים שלנו, אשר מרציים כיום כ-70% מההסקות בעולם".
הדמיית קונספט של מחשב-העל האופטי העתידי של חברת CogniFiber
חברת CogniFiber מראש העין מפתחת מחשב מסוג חדש המיועד לבצע עיבוד מהיר מאוד של פעולות חישוב נוירוניות באמצעות רכיב אופטי, ולא באמצעות מעגלים אלקטרוניים. המחשב החדש ייקרא DeepLight ויתבסס על תגלית מדעית של פרופ' זאב זלבסקי מאוניברסיטת בר אילן ושל ד"ר אייל כהן. השניים גילו דרך חדשה לבנות רשתות נוירוניות באמצעות מארג של סיבים אופטיים מותכים (Multicore Fiber). המחשב מזריק אותות אל תוך המארג, והאינטראקציה בין האותות השונים בתוך אגד הסיבים מייצרת תופעה של רשת נוירונים עם משקלים הניתנים לשליטה באמצעות מערכת בקרת אותות חיצונית.
הטכנולוגיה נמצאת עדיין בשלבי מחקר ופיתוח בסיסייים, אולם להערכת החברה, בתוך מספר שנים היא תוכל לייצר מסד הכולל 1,800 מעבדים אופטיים העובדים במקביל, כאשר שילוב של מספר מסדים (תמונה למעלה) יאפשר לייצר מחשב-על ליישומי בינה מלאכותית מבוססת רשתות נוירוניות – הצורך אנרגיה של כ-10 קילו-ואט בלבד – פחות מ-1% בהשוואה למחשבי-על בקטגוריה מקבילה הקיימים היום בשוק. "רשתות נוירוניות הן יישום טבעי לעיבוד אופטי", הסביר כהן ל-Techtime. "מכיוון שהן מבוססות על סיווג ועיבוד סטטסטי. נוכל להזריק למחשב כמויות נתונים אדירות, ולקרוא במהירות את התוצאה בלא הפסדי הספק וללא חימום".
הסיב הוא הרשת
חברת CogniFiber הוקמה בשנת 2018 על-ידי זלבסקי (טכנולוג ראשי) וכהן (מנכ"ל), על בסיס תגלית מדעית. אייל כהן הוא מהנדס אלקטרוניקה שעבד במלאנוקס ובסייפאן, ולאחר מכן קיבל תארי מאסטר ודוקטורט ממכון וייצמן למדע בתחום חקר המוח. בשנת 2013 הוא החל במחקר הפוסט דוקטורט בהנחיית זלבסקי, שהתמקד בדרכים שבהן ניתן לממש רשתות נוירוניות באמצעים אופטיים. במסגרת המחקר הם גילו את הפוטנציאל הטמון במערכי Multicore Fiber ורשמו שני פטנטים (הנמצאים בבעלות האוניברסיטה).
מייסדי החברה (מימין לשמאל): פרופ' זאב זלבסקי וד"ר אייל כהן
למעשה, מדובר ברכיב המוכר מתחום התקשורת: סיבים מותכים מרובי-ליבות משמשים בכבלים תת-ימיים למרחקים גדולים. אלא שבניגוד לנהוג בתעשיית התקשורת, המערכת של החברה לא מבוססת על הרחקת הליבות אחת מהשנייה, אלא על קירוב הליבות במערך, כדי שניתן יהיה לקבל מעבר מבוקר של אור בין הליבות. כיום החברה מעסיקה 18 עובדים. מאז הקמתה ב-2018 היא גייסה כ-8.5 מיליון דולר ונכנסה לשלב הוכחת ההיתכנות, אשר הניב עד היום פטנט רשום שלישי ועוד 22 פטנטים בתהליך אישור.
המוצר הראשון ייצא לשוק בתוך כחודשיים
כהן: "בשלב הראשון יישמנו שכבת נוירונים אחת המבוססת על מערך של סיבים עם 7 כניסות ו-7 יציאות, אשר קיבל אותות באורך גל של 1550 ננומטר, עירבבב אותם וסיפק תוצאה חישובית. על-הבסיס הזה בנינו מודל וירטואלי של מערכת גדולה יותר הכוללת רשת נוירונים מלאה בעלת 50 שכבות (ResNet50), אשר הראתה יכולת להגיע לרמת הדיוק של כרטיס גרפי של אנבידיה, אבל עם ביצועים גבוהים בהרבה: עיבוד של 3700 תמונות לכל ואט, בהשוואה ל-47 תמונות אצל אנבידיה".
כעת החברה נערכת להשקת המוצר הראשון שלה, אשר מתוכנן לצאת בעוד כחודשיים לשוק, אשר מיישם רשת נוירונים לומדת מסוג מקודד אוטומטי (Autoencoder). זהו סוג של רשת לומדת בקטגוריה של Generative Adversarial Network, אשר יודעת להעתיק את הפלט לקלט ועל-ידי כך לשפר את הביצועים. "הוא יהיה בגודל של ארון תקשורת סטנדרטי (40U) במרכזי נתונים, וכולל מעבדים אלקטרונייים, ממשקי תקשורת ומודול אופטי. הוא צורך הספק של 500 ואט בלבד, ויאפשר לספק מהענן שירותי עיבוד מטלות בינה מלאכותית. כיום יש לנו מספר לקוחות פוטנציאליים הממתינים למוצר כדי לבדוק אותו. להערכתנו, המקודד האוטומטי שלנו צפוי להיות מהיר יותר לפחות פי 100 מאשר המקודד המקביל של אנבידיה, כאשר הוא רץ על-גבי מחשב Nvidia DGX-A100".
בתמונה למעלה: עובדי Viz.ai בתל אביב. צילום: יעלי תותים
חברת Viz.ai התל אביבית השלימה גיוס הון רביעי בהיקף של 100 מיליון דור לפי שווי חברה של כ-1.2 מיליארד דולר. החברה פיתחה פלטפורמה מבוססת בינה מלאכותית אשר מקבלת מידע מאמצעי דימות ונתונים רפואיים, מנחת אותו ומסייעת לבצע אבחון מהיר של מחלות. הפלטפורמה מקבלת נתוני א.ק.ג, אמצעי דימות דוגמת אולטרא-סאונד, CT, CTA, MRI, X-Ray וכדומה ומספקת אבחון התומך בזיהוי אוטומטי של מקרי שבץ, דימומים מוחיים, תסחיפי ריאה, קרעים באבי העורקים ומפרצות מוחיות.
המערכת של החברה קיבלה אישור FDA לתוכנות AI המזהות מקרי חירום רפואיים והותקנה גם ברשת בתי החולים הגדולה בארה״ב (HCA), בית החולים הר סיני בניו יורק, ובבית החולים האוניברסיטאי של פיטסבורג (UPMC). היא מפענחת את הסריקות של חולה בזמן של כ-32 שניות בממוצע וכבר נמצאת בשימוש בכ-1,000 בתי חולים בעולם.
הגיוס הובל על-ידי קרנות ההון סיכון Tiger Global ו-Insight Partners ונעשה בהשתתפות חלק מהמשקיעים בחברה, בהם: Scale Ventures, Kleiner Perkins, Threshold, Google Ventures, Sozo Ventures, CRV ו-Susa. ההון שגוייס ישמש לתמוך בצמיחת החברה ולהרחבת פלטפורמת Viz, לאיתור וטיפול במחלות נוספות. כיום החברה מעסיקה 350 עובדים, מתוכם 150 במרכז הפיתוח שלה בישראל. בכוונתה לגייס בשנה הקרובה 200 עובדים חדשים: בהם 100 עובדים למרכז הפיתוח ועוד 100 עובדים בחו"ל כדי לתמוך בלקוחות. נוספים בשנה הקרובה.
החברה הוקמה בשנת 2016 על-ידי המנכ"ל ד"ר כריס מאנסי, הטכנולוג הראשי דוד גולן ופרופ' מאנוז' רמצ'נדרן. מאז הקמתה היא גייסה כ-250 מיליון דולר. לחברה יש משרדים בתל אביב, סן פרנסיסקו, פורטוגל ואמסטרדם.
העניין הגובר בטכנולוגיות בינה מלאכותית ביישומי חלל נובע מהאפשרות שהן משפרות את האמינות והשרידות של המערכות ומקטינות את העלויות. פיתוח וניהול לוויינים דורשים התמודדות עם כמויות מידע עצומות המגיע ממערכות הטלמטריה ומהמטעדים המצויים בלוויין. מכיוון שהלוויינים פועלים תחת אילוצי משקל, גודל, רוחב פס וצריכת הספק חמורים מאד, אחת ממטרות התכנון היא לצמצם את כמות המידע שהם צריכים לשלוח אל תחנת הבקרה.
מכאן שאחת מהחלטות התכנון הראשונות שצריך לקבל היא איזה מידע לנתח על-גבי הלוויין ואיזה מידע לשלוח לעיבוד בתחנת הקרקע. ההחלטה צריכה להתחשב בגורמים כמו זמינות רוחב הפס, האנרגיה הדרושה לשידור המידע, ופשרה בין תשתיות עיבוד חזקות בפלטפורמה לבין זמני ההשהייה (Latency) הסבירים. טכניקות כמו לימוד מכונה (ML) מסייעות להפחית את נפח המידע שהלוויין משדר ולהאיץ את תהליך פיענוח המידע.
עיבוד נתוני טלמטריה
נתוני הטלמטריה מתארים את מצב "בריאות" הלוויין ותת המערכות שלו, וכרוכים בדרך-כלל בשידור מידע המגיע מאלפי חיישנים המצויים בלוויין, המגיע בפורמטים שונים ובמספרים המתארים יחידות טכניות שונות. המורכבות של המידע הזה מקשה על בניית נוסחה פשוטה המתארת את מצב הלוויין. בעבר, אחת מהדרכים להתמודד עם הבעיה היתה באמצעות הגדרת נקודות גבול עליונות ותחתיות למידע המגיע מכל חיישן, ושידור התראה כאשר הנתונים חורגים מהמעטפת.
אולם בלוויינים המודרניים המורכבים, הגישה הזאת היא בלתי מעשית. הצעד הבא היה הגדרת מעטפת גמישה בסיוע אלגוריתם לומד אשר העריך את גבולות המעטפת הדרושות לכל חיישן. גישה שלישית התבססה על שימוש במודלים סטטיסטיים וטכניקות סיווג כדי לחזות את הטווח התקין של כל אחד ממהמשתנים. הגישה הזו נבדקה על-ידי סוכנות החלל היפנית (Japanese Aerospace Exploration Agency), אשר הראתה שהיא מאתרת בהצלחה רבה תקלות שונות המתגלות במאיצים הרקטיים (Thrusters) שלה.
מתי אפשר לוותר על חיישן מיותר
דרך אחרת להתמודד עם הבעיה היא באמצעות מערכות מומחה המשלבות חוקים וידע אנושי. לפתרון הזה יש הצלחה מסויימת, אולם נכשל בהתמודדות עם תופעות לא מוכרות. גישה אחרת מבוססת על תאום דיגיטלי: מייצרים מודל ממוחשב של הלוויין, ומשווים בין המידע המגיע מהלוויין האמיתי לבין המידע המיוצר בהדמייה של הלוויין. הקושי בגישה הזאת טמון ביכולת לבנות סימולציה מספיק מפורטת ומדוייקת של הלוויין.
נעשו ניסויים בתוכנות לימוד מכונה (ML) לצורך איתור תקלות וחיזוי נתוני טלמטריה על-סמך מצבו הכללי של הלוויין, אולם ההצלחה לא היתה חד-משמעית. נבדקו גם טכניקות לימוד עומק באמצעות רשתות נוירונים. הגישה כאן היתה שונה: לרשתות הוזן מידע רב והן התבקשו לזהות תבניות. החוקרים מקווים שהשימוש במערכות לימוד מכונה ובינה מלאכותית יפחית את מספר החיישנים המותקנים בלוויין – שכן אם המערכת יודעת לעבד נתונים ולחלץ מידע גם ללא החיישן – סימן שניתן לוותר עליו.
ניתוח מידע גיאוגרפי המגיע מהלוויין
לאחרונה נעשה שימוש גובר במערכות לימוד מכונה ובינה מלאכותית לניתוח המידע המגיע ממערכות הניטור של הלוויין, דוגמת מצלמות, מכ"ם, מערכות מדידת קרינה וכדומה. בשנת 2019 הופעל אלגוריתם לומד לאיתור שכונות עוני מתמונות ברזולוציה גבוהה שהופקו על-ידי לוויין QuickBird. לאחר מכן נעשה במערכת הזאת שימוש לניתוח תמונות ברזולוציה נמוכה שהופקו בלוויין Sentinel-2, והיא הצליחה לאתר ולמפות את שכונות העוני גם בתמונות באיכות הירודה. הדוגמה הזאת מראה שמערכות ML יכולות להפחית את עלויות הלוויין – על-ידי שימוש במידע המגיע מלוויין יקר לצורך אימון רשת נוירונית הנמצאת בלוויין זול.
בוצעו גם ניסויים בהיקף גדול יותר. בשנת 2020 פיתחה סוכנות החלל האירופית (ESA) מערכת מבוססת ML שנועדה לסייע בהבנת השפעות וירוס הקורונה. המערכת שילבה מידע המגיע מלווייני התצפית האירופיים Copernicus Sentinel, ביחד עם עוד 30 מקורות מידע נוספים כדי לעקוב אחר ההשפעות הסביבתיות של הקורונה, כמו איכות מים, פעילות כלכלית ואנושית, בנייה, ספנות, תפוקה חקלאית וכדומה. התמונות למטה מציגות את השפעת המגיפה על רמות החנקן הדו-חמצני (NO2) ביבשת אירופה בשנים 2019-2020. (נ.ב. חנקן דו-חמצני הוא גז רעיל הנפלט בעיקר ממנועי בעירה פנימית).
מה כדאי ללמוד מדבורים, חגבים ותרנגולים
בינה מלאכותית המבוססת על מודלים ביולוגיים והתנהגות בעלי-חיים מסייעת להפעיל מערכות חלל. המגזין IEEE Access פירסם לאחרונה סקירה של מספר אלגורתימים מהסוג הזה, ושל היישומים שלהם בחקר החלל. למשל, "מערכת חיסון מלאכותית" המחקה מערכות חיסון ביולוגיות יכולה לסייע בניתוח תקלות, סיווג תופעות וניהוג רובוטי. אלגוריתמים המבוססים על חקר התנהגות הדבורים, כמו למשל Genetic Bee Colony, נבדקים היום כפתרון להתמודדות עם בעיות אופטימיזציה מורכבות ומיטוב רשת התקשורת.
אלגוריתם Chicken Swarm Optimization מתאר את התנהגות נחיל התרנגולים וההיררכיה הפנימית בנחיל. מתברר שהוא מסביר כיצד קבוצה גדולה של תרנגולים משיגה יעילות גבוהה בגישה אל מקורות המזון. כיום הוא נבדק לצורך שיפור תהליך ההחזרה לכדור הארץ של רכב חללי. אלגוריתם Grasshopper Optimisation הוא מודל התנהגות של נחילי חגבים באופן המאפשר להם לשמור על מרחק יעיל בין הפרטים כדי להבטיח גישה למזון, אולם גם להתקרב אחד אל השני כדי לשמור על מבנה של נחיל.
כיום הוא נבדק ככלי לאופטימיזציה של מערכות חלל. לאלגוריתמים מהסוג הזה עשויה להיות חשיבות רבה בפיתוח מערכות רובוטיות אשר צריכות לבצע משימות מורכבות בתנאים קשים. צריך לספק לרובוטים האלה יכולת תנועה, ניווט וקבלת החלטות אוטונומית, ולהבטיח שהיכולות האלה אמינות ויציבות, ומאפשרות לרובוט להתמודד עם מצבים בלתי צפויים – כולל תקלות ברובוט עצמו.
סייר המאדים Perseverance. מקור: NASA
בחודש מרץ 2020 שיגרה נאס"א את סייר המאדים Perseverance ואת המסוק Ingenuity כדי ללמוד את פני השטח של הכוכב. במערכות הקודמות, הנחתת הגיע אל נקודת היעד באמצעות ניחוש מושכל אשר התבסס על נתונים שהגיעו ממערכת Deep Space Network. רמת הדיוק של המערכת הזאת היתה 2 ק"מ. במשימת Perseverance נבחר אתר הנחיתה בשיטה אחרת: מפה דיגיטלית של אזור הנחיתה הוזנה אל מחשב הנחתת. לאחר שנפתח מצנח הנחיתה, הרכב צילם את האזור אליו הגיע, הישווה את התמונות אל המפה הממוחשבת, והשתמש במידע כדי לבחור באתר הנחיתה הסופי המתאים, ברמת דיוק של 40 מטר.
המסע אל בינה מלאכותית בתעשיית החלל
תחומים רבים נוספים נעזרים כיום בבינה מלאכותית: אלגוריתמים של התנהגות נחילים נבדקים ככלי לניהול מערכי לוויינים, לייעול תהליך האיסוף של פסולת חלל, לפיתוח לוויינים, ונבדק השימוש בהם כדי להציע אופציות תכנון חדשות. צוות חוקרים מאוניברסיטת קורנל מפתח סייען תכנון בשם Daphne אשר אמור לעזור בתכנון הארכיטקטורה של לווייני תצפית.
למהנדסי אלקטרוניקה חשוב להבין שהשימוש בבינה מלאכותית עשוי לפתח טכניקות אופטימיזציה חדשות בתחומי מערכות המחשב, התקשורת, הספק וכדומה. אולי בעתיד יהיה צורך בסייען AI שיעזור למהנדסים לנווט בין הפתרונות החדשים האלה.
* כותב המאמר הוא Paul Leys, מנהל תחום תעופה וביטחון בחברת אבנט סיליקה
לפרטים נוספים:
איתמר קהלני, מנהל קו מוצרי Xilinx בחברת אבנט סיליקה, 054-5206287, [email protected]
בתמונה למעלה: אור דנון עם מעבד ה-AI של היילו. סטארט-אפ שבבים בשווי של יותר ממיליארד דולר
חברת היילו (Hailo) התל אביבית מתאימה את מעבד הבינה המלאכותית שלה, Hailo-8, לשוק התובעני של בינה מלאכותית באבזרי קצה קריטיים, דוגמת מערכות תעשייתיות, צבאיות ומצלמות ליישומי ADAS בתעשיית הרכב. בשיחה עם Techtime סיפר מנכ"ל החברה, אור דנון, שמדובר בשוק הנמצא בצמיחה. "לאחרונה התברר לנו שמתפתח צורך בתמיכה בטמפרטורות קיצוניות, ובשבועות האחרונים הוצאנו לשוק גרסה חדשה של המודולים שלנו אשר תומכת בטמפרטורות המוגדרות בתקנים תעשייתיים: בין מינוס 40°C לבין פלוס 85°C. העידכון יצא לשוק לאחר שקיבלנו דרישה מלקוחות מוצרים תעשייתיים ומלקוחות מתחום הרכב".
תמונת IR סינתטית שנוצרה במחשב ולא במצלמה
במסגרת האסטרטגיה הזאת החברה דיווחה היום (ג') על הסכם לשיתוף פעולה עם חברת CVEDIA הבריטית, אשר מפתחת יישומי עיבוד תמונה. שיתוף הפעולה מתמקד בהתאמת תוכנת המצלמות התרמיות של CVEDIA, להרצה חלקה במעבדי היילו. מדובר בפתרון יוצא דופן: מכיוון שקיים מחסור גדול בבסיסי נתונים של תמונות IR, פיתחה CVEDIA פתרון המבוסס על אלגוריתם המייצר תמונות סינתטיות (synthetic algorithm): במקום לאמן את הרשת הנוירונית באמצעות תמונות של אובייקטים שנאספו מבסיסי מידע עצומים, האלגוריתם מייצר את המידע בעצמו.
הוא בונה מודל תלת-מימדי של האובייקט הנילמד (ספינה, מטוס, כלי-רכב, בן אדם, בעל חיים וכדומה), מייצר במחשב מיליוני תמונות מלאכותיות שלו במצבים שונים ובתנאי סביבה שונים, ומזין את התמונות האלה אל הרשת הנוירונית כדי לאמן אותה. שיתוף הפעולה יפתח בפני היילו את האפשרות להגיע אל הלקוחות של CVEDIA המשתמשים במצלמות תרמיות ליישומים דוגמת אבטחה ומערכות רכב (ADAS). מדובר בלקוחות נחשקים מאוד כמו חברת FLIR Systems (נמצאת בבעלות Teledyne), אשר מייצרת מצלמות תרמיות ליישומי, ביטחון, תעשייה, רכב ותעופה.
היילו צומחת עם שוק אבזרי הקצה החכמים
דנון: "תחום הבינה מלאכותית באבזרי קצה כולל הרבה מאוד מוצרים חדשניים היוצאים לשוק. כיום למשל, אבזרי AI עוסקים גם בשיפור תמונה ולא רק בניתוח תמונות. ההתפתחות הזאת ממחישה את התפישה המרכזית שלנו, שכל מה שאנחנו רואים היום בענן (Cloud), יגיע מחר אל אבזרי הקצה (Edge). אנחנו מרגישים שיש הכרה בכך שאנחנו מספקים פתרון יוצא דופן בתחום. יצרניות שבבים כמו NXP מתייחסות אלינו כאל שותף חשוב. ביחד עם השבב שלנו אנחנו גם מספקים להם חבילה מלאה של פתרונות תוכנה – החל משלבי האימון, הפריסה, עבודה מול ארכיטקטורות CPU שונות וכלה בעבודה על-גבי מערכות הפעלה שונות".
תמונה סינתטית של CVEDIA אשר יוצרה במחשב לצורך אימון מצלמה תרמית
"כיום יש כ-150 חברות המפתחות מוצרים המבוססים על השבבים שלנו. אנחנו מעסיקים כבר 180 עובדים, מתוכם 160 בישראל והשאר במשרדים שלנו בעולם". חברת Hailo הוקמה בפברואר 2017 על-ידי אור דנון, אבי באום, הדר צייטלין ורמי פייג ז"ל, ופיתחה מעבד רשתות נוירונים (Deep Learning) להרצת יישומי בינה מלאכותית באבזרי קצה. הטכנולוגיה של החברה מבוססת על תופעה מעניינת שהחברה זיהתה: בתהליך עיבוד ההסקות ברשת נוירונית, יש הבדלים בין ההתנהגות של השכבות השונות ברשת הנוירונית, ולכן הן זקוקות למשאבים שונים.
השבב של החברה יודע לנתח את המשימה הספציפית, למפות את המשאבים הדרושים לכל שכבת עיבוד, ולספק אותם בהתאם לצורך. באופן זה הוא מאיץ את תהליך העיבוד ומפחית את צריכת ההספק. שבב הדגל של החברה, Hailo-8, מצליח לספק עוצמת עיבוד של 26 טריליון פעולות עיבוד בשנייה (26TOPS) בצריכת הספק טיפוסית של כ-2.5 ואט בלבד. בחודשים האחרונים החברה דיווחה על שורה ארוכה של הסכמי הפצה ונצחונות תכנון. הדבר לא נעלם מעיני המשקיעים – בחודש אוקטובר 2021 היא גייסה הון בהיקף של כ-136 מיליון דולר לפי שווי חברה של כ-1.13 מיליארד דולר אחרי הכסף.
חברת היילו (Hailo) מתל-אביב הכריזה על שיתוף פעולה עם חברת NXP Semiconductors בהשקת פתרונות בינה מלאכותית עבור יחידות הבקרה האלקטרוניות של כלי רכב (ECU). הפתרונות המשותפים ישלבו את המעבדים הייעודיים של NXP לתעשיית הרכב, S32G ו-Layerscape, ביחד עם מעבד הבינה המלאכותית Hailo-8, המספק עוצמת עיבוד של 26 טריליון פעולות עיבוד בשנייה (26TOPS) וצריכת הספק טיפוסית של כ-2.5 ואט.
המעבדים החדשים מיוצרים על-ידי חברת MicroSys Electronics ממינכן, גרמניה, אשר מפתחת כרטיסי עיבוד ממוחשבים המבוססים על מעבדי NXP, בדומה לחברת ואריסייט הישראלית. שיתוף הפעולה בינה לבין היילו התחיל באמצע 2021, ובחודש אוגוסט השנה היא הכריזה על הכרטיס המשובץ הראשון. ככל הנראה, כעת מתרחב שיתוף הפעולה בעקבות ההצלחה של מיקרוסיס.
"הפתרונות המשולבים של היילו ו-NXP מאפשרים עיבודי AI מאובטחים ובהספק נמוך, ופותרים את אחת מנקודות הכאב הגדולות של יצרני רכב (OEM) ושל הספקים הראשיים שלהם (Tier 1)", אמר מנהל שיווק גלובלי לפתרונות שיווק ובקרת רכב ב-NXP, בריאן קרלסון. אור דנון, מייסד משותף ומנכ"ל Hailo, אמר שהחברה מצפים להמשיך לעבוד עם NXP, "כדי להרחיב את הפתרונות המשותפים למגוון רחב של אפליקציות תובעניות לשווקים דוגמת תעשייה ומכשור כבד, רובוטיקה ועוד".
הפתרון המשותף הראשון הוא כרטיס פיתוח המבוסס על מעבד S32G מבוסס ARM של NXP ועל 2 מעבדי Hailo-8 שיספקו ביחד עוצמת עיבוד של עד 52 טריליון פעולות בשנייה (TOPS). הכרטיס השני משלב את פלטפורמת Layerscape של NXP מבוססת ARM עם עד 6 מעבדי Hailo-8, ומספקים עוצמת עיבוד של עד 156 טריליון פעולות בשנייה. הכרטיסים כבר נמסרו ללקוחות ראשונים, בהם חברת MOTER Technologies המשתמשת בהם להרצת יישומי ביטוח המבוססים על דפוסי השימוש של הנהגים.
חברת Hailo הוקמה בפברואר 2017 על-ידי אור דנון, אבי באום, הדר צייטלין ורמי פייג ז"ל, כולם בוגרי יחידת עילית טכנולוגית של חיל המודיעין. בחודש אוקטובר 2021 החברה השלימהסבב גיוס שלישי בהיקף של כ-136 מיליון דולר. כיום החברה מעסיקה כ-160 עובדים בתל-אביב ובחו"ל, וממשיכה לגייס עשרות עובדים נוספים.
חברת איידוק (Aidoc) פיתחה מערכת הפעלה ייעודית לעולם הרפואי עבור אלגוריתמים מבוססי בינה מלאכותית המשמשים לפיענוח סריקות דימות. איידוק נחשבת למובילה בתחום ומפתחת אלגוריתמים הסורקים באופן אוטומטי סריקות דימות כמו רנטגן, CT ו-MRI ומתריעות בפני הרדיולוג על ממצאים חריגים שעשויים להצביע על מצבי חירום כמו דימום תוך-גולגולתי או שבר בעמוד השדרה.
לצד איידוק, פועלות בתחום חברות רבות, ובכללן גם חברות ישראליות. מערכת ההפעלה שהשיקה איידוק היא אגנוסטית ומאפשרת להפעיל על אותה מערכת אלגוריתמים שפותחו על ידי ספקים שונים, ובכך לאפשר לבתי חולים או מכוני דימות לשלב בצורה יעילה ונוחה יותר מגוון רחב יותר של פתרונות AI. איידוק כבר הוסיפה אלגוריתמים של 5 ספקים שונים, ובהם Imbio, Icometrix, Riverain ועוד, לפלטפורמה שלה, שכוללת את שבעת האלגוריתמים הקניינים שפיתחה החברה ומאושרים על ידי ה-FDA.
על פי סקר שנערך באחרונה על די Sage Growth Partners בקרב בתי חולים בארצות הברית, לכ-90% מבין בתי החולים שהשתתפו יש נכונות ותוכנית מעשית לאימוץ פתרונות AI, בהשוואה ל-53% לפני כשנתיים. ואולם, רק 34% מבתי החולים החלו להשתמש בפתרונות אלה בפועל. באיידוק מסבירים את הפער בין היתר בשל הקושי לשלב באותה סביבת IT פתרונות של ספקים שונים. מערכת ההפעלה של איידוק מנתחת את מאפייני הסריקה ומחילה עליה את האלגוריתם הרלוונטי ביותר מבין הפתרונות שזמינים במערכת, ללא קשר לספק האלגוריתם.
בינה מלאכותית בשירות הרדיולוג
איידוק פועלת בתחום הצומח של שימוש בבינה-מלאכותית לפענוח סריקות דימות כמו רנטגן, CT ו-MRI. הפלטפורמה של החברה מתממשקת לשרת של בתי החולים ובודקת באופן אוטומטי את את סריקות הדימות של המאושפזים או המטופלים בחדר המיון. המערכת יודעת לזהות ממצאים חריגים כמו דימום תוך-גולגולתי, שבר בעמוד השדרה או שבץ. בדרך כלל, הרדיולוג התורן בבית החולים בודק את הסריקות לפי סדר הגעתן. המערכת של איידוק מתעדפת עבור הרדיולוג את הסריקות שעשויות הצביע על מצבי חירום המצריכים טיפול דחוף.
פיתוח האלגוריתמים מתבסס על למידת-עומק וניתוח ביג-דאטה של מיליוני תצלומים וסריקות במטרה לחלץ תבניות שמאפיינו תסמונות ומצבים רפואיים. עד כה קיבלה החברה אישורי FDA עבור שבעה אלגוריתמים שפיתחה. בחודש מאי 2020 קיבלה מה-FDA אישור לאלגוריתם חדש לגילוי ממצאים הקשורים בהידבקות בקורונה בסריקות דימות בבתי חולים. לדברי החברה, הפלטפורמה שלה פרוסה בכ-400 מרכזים רפואיים ברחבי העולם. בסך הכול, עושים שימוש בפתרונות החברה כ-5,000 רדיולוגים ופוענחו כ-10.3 מיליון סריקות.
האזינו לשיחה עם סמנכ"לית השיווק של איידוק, אריאלה שוהם, מתוך תוכנית הפודקאסט שלנו שעלתה בינואר 2020 (השיחה עם אריאלה מתחילה בדקה 25:00):
אנו עושים שימוש בקבצי עוגיות לצרכים שיווקיים ושיפור חוויית השימוש באתר. איסוף המידע באתר נעשה באופן אנונימי, למעט בטפסי יצירת קשר והרשמה לניוזלטר בהם אתם מתבקשים למלא פרטים אישיים. אנו עושים שימוש במגוון תוכנות לאיסוף וניתוח אנליטי של הנתונים באופן אנונימי לרבות: גוגל אנליטיקס, פייסבוק פיקסל ועוד.
What personal data we collect and why we collect it
We collect anonymous data on visitors in this website for business purposes such as enhancing user experience, digital marketing and search engine optimization.
We collect personal data such as email address and names on various forms – all forms present in this website include consent checkboxes and clear reason for collecting the data: general inquiries on our products, newsletter subscription, professional inquiries job applications. All forms are designed in accordance with GDPR requirements.
Comments
When visitors leave comments on the site we collect the data shown in the comments form, and also the visitor’s IP address and browser user agent string to help spam detection.
An anonymized string created from your email address (also called a hash) may be provided to the Gravatar service to see if you are using it. The Gravatar service privacy policy is available here: https://automattic.com/privacy/. After approval of your comment, your profile picture is visible to the public in the context of your comment.
Media
If you upload images to the website, you should avoid uploading images with embedded location data (EXIF GPS) included. Visitors to the website can download and extract any location data from images on the website.
Contact forms and newsletter
We use Gravity Forms as our platform of choice for all forms present in this website. Forms present in this website have been modified to fit GDPR requirements.
Unless specifically specified and approved by visitor, we do not use the collected data for marketing purposes.
We use Mailchimp to collect email addresses and send periodical marketing materials to our customers.
Handling and management of all email addresses and mailing operations is conducted under GDPR terms and guidelines provided by Mailchimp.
All subscribers are able to change their subscriptions preferences or unsubscribe at any given time.
Techtime has accepted the Data Processing Addendum agreement provided by Mailchimp for all its Mailchimp accounts.
All our lead collection forms have been altered in accordance with GDPR requirements and now include unchecked checkboxes in order to accept the explicit consent of the user prior to form submission.
Cookies
If you leave a comment on our site you may opt-in to saving your name, email address and website in cookies. These are for your convenience so that you do not have to fill in your details again when you leave another comment. These cookies will last for one year.
If you have an account and you log in to this site, we will set a temporary cookie to determine if your browser accepts cookies. This cookie contains no personal data and is discarded when you close your browser.
When you log in, we will also set up several cookies to save your login information and your screen display choices. Login cookies last for two days, and screen options cookies last for a year. If you select “Remember Me”, your login will persist for two weeks. If you log out of your account, the login cookies will be removed.
If you edit or publish an article, an additional cookie will be saved in your browser. This cookie includes no personal data and simply indicates the post ID of the article you just edited. It expires after 1 day.
Embedded content from other websites
Articles on this site may include embedded content (e.g. videos, images, articles, etc.). Embedded content from other websites behaves in the exact same way as if the visitor has visited the other website.
These websites may collect data about you, use cookies, embed additional third-party tracking, and monitor your interaction with that embedded content, including tracing your interaction with the embedded content if you have an account and are logged in to that website.
Analytics
We use Google Analytics regularly for monitoring user behavior and traffic sources and utilize the gathered information for enhancing user experience and for business purposes.
The use of Google Analytics in done according to GDPR terms and guidelines provided by Google.
Legal Entity: Techtime.
Primary Contact (a.k.a. “Notification Email Address”): [email protected] – this email is designated for receiving notices under the Google Ads Data Processing Terms.
Who we share your data with
We use various cloud platforms and third party providers for the purpose of operating this website.
We do not share or sell your data for any commercial purpose other than specified above.
We use the following processors for the operating this website and executing related digital marketing campaigns:
WP Engine – Hosting Provider
Cloudflare – Cloud based security and web performance processor.
Google Cloud Platform – data centers provider for WP Engine
Sucuri – Website security provider
Mailchimp – Newsletter service provider
Google Analytics, Adwords, Webmasters
Facebook – We use Facebook for advertising and place tracking code on our website for enhancing digital marketing campaigns (i.e – Facebook Pixel).
Planwize Ltd – Digital Marketing Agency.
How long we retain your data
If you leave a comment, the comment and its metadata are retained indefinitely. This is so we can recognize and approve any follow-up comments automatically instead of holding them in a moderation queue.
For users that register on our website (if any), we also store the personal information they provide in their user profile. All users can see, edit, or delete their personal information at any time (except they cannot change their username). Website administrators can also see and edit that information.
What rights you have over your data
If you have an account on this site, or have left comments, you can request to receive an exported file of the personal data we hold about you, including any data you have provided to us. You can also request that we anonymize or erase any personal data we hold about you. This does not include any data we are obliged to keep for administrative, legal, or security purposes.
Request for Receiving Data Associated with One’s Email Address
Users may request to receive access to all related information submitted to this website for their review.
In accordance with GDPR compliance, user may further request the anonymization of such data.
In order to request access for all data associated with a given email address, users may submit the request here. Users then receive an email with a link to a page with all related information.
The link is valid for 24 hours. Users may submit additional request for the same email address once in every 24 hours.
A request for anonymization should be sent separately: User may select the data he or she wishes the site owner to anonymize so it cannot be linked to his or her email address any longer. An email confirmation will be sent once linked data has been successfully anonymized.
Where we send your data
Visitor comments may be checked through an automated spam detection service. All our processors and third party providers comply with GDPR requirements and apply privacy by design and necessary measure to ensure that personal data is being processed and handled in accordance with requirements. The list of our third party service providers and processors is listed above.
Contact information
For all privacy-specific concerns inquiries, you may contact us at [email protected]
How we protect your data
We use rigorous practices in order to protect our website and data collected, as well as world class cloud and hosting providers.
Communication between visitor and the server is encrypted using SSL.
The site is protected with web application firewall and is undergoing daily security scans, regular software updates by a dedicated team in order to minimize the risk of data breach.
What data breach procedures we have in place
Once a data breach is detected, our providers execute a dedicated standard operational procedure in order to assess the scope and potential damage, provide immediate remedy, patch any potential security holes and notify users who may be affected by the breach.
We may contact affected users with one or more form of communication within 72 hours and provide the needed information as to the scope of the data breach and actions taken.
What third parties we receive data from
We do not receive data from third parties for our marketing campaigns.
What automated decision making and/or profiling we do with user data
We may apply remarketing/retargeting methods while conducting online advertising using Google Facebook and the likes.
The above is conducted by applying various tracking codes into our website in order to track and retarget users based on
By visiting and using this website you are hereby provide your consent for the use of the above means and methods.
במהלך הארוע הכריז מנכ"ל ומייסד החברה, ג'נסן הואנג, גם על מחשב הרכב החדש של החברה, NVIDIA DRIVE Thor, אשר מיועד לנהל את כל יישומי הרכב, ממערכות המידע והבידור ועד לרמת הנהיגה האוטונומית. הוא כולל מעבד CPU מסוג NVIDIA Grace, מעבד גרפי (GPU) בארכיטקטורת Ada Lovelace שנחשפה בארוע, ומנוע בינה מלאכותית לביצוע הסקת מסקנות. המחשב מגיע בתצורת מערכת על-שבב (SoC), וכולל טכנולוגיה חדשה לחיבור שבבים שונים בתוך המארז (Chip to Chip).
