בתמונה למעלה: תכנון מרכז נתונים באמצעות מערכת התאומים הדיגיטליים של אנבידיה וקיידנס
חברת קיידנס הכריזה על הרחבת שיתוף הפעולה ארוך הטווח שלה עם NVIDIA, וחשפה שני פתרונות שפותחו ביחד: מערכת תאומים דיגיטליים (Digital Twin) לפיתוח מרכזי נתונים, ופלטפורמת בינה יוצרת (Generative AI) לפיתוח תרופות. החברה מסרה שבמסגרת שיתוף הפעולה בין שתי החברות, שולבה פלטפורמת Cadence Reality Digital Twin בפלטפורמת NVIDIA Omniverse, כדי לאפשר תכנון וירטואלי מלא של מרכזי נתונים, כולל הדמיות פיסיקליות של צריכת ופיזור האנרגיה במרכז.
שתי החברות פיתחו תאימות בין קבצי Universal Scene Description – OpenUSD לתכנון וסימולציה תלת מימדית, לבין שפות ההדמייה הפיסיקלית של נוזלים וגזים. הדבר מאפשר לייצר סימולציה של ביצועי מערכות קירור אויר ונוזלים משולבות, ליצור ויזואליזציה של ביצועי מרכז הנתוניםולתכנן תרחישים אפשריים שונים. להערכת החברה, המערכת מאפשרת להקטין את צריכת האנרגיה של מרכזי הנתונים בעד 30% ולקצר את זמני התכנון והסימולציה עד פי 30.
שיתוף הפעולה הטכנולוגי בין שתי החברות החל לפני כ-20 שנה והתמקד עד היום בנושאים כמו תכנון שבבים, אופטימיזציה ואימות של התכנון ופיתוח מעבדי ה-GPU של אנבידיה באמצעות כלי התכנון של קיידנס. החידוש בהכרזה הנוכחית הוא בהרחבת שיתוף הפעולה אל פתרונות שלמים המבוססים על שימוש בבינה מלאכותית. נשיא ומנכ"ל קיידנס, ד"ר אנירוד דווגן, אמר שלשיתוף הפעולה בין שתי החברות תהיה השפעה נרחבת על התעשייה. "ביחד אנחנו מובילים את מהפיכת הבינה המלאכותית".
במסגרת חקר התרופות, שתי החברות הודיעו על שילוב של מערכת NVIDIA BioNeMo לגילוי תרופות באמצעות בינה מלאכותית, עם פלטפורמת Orion של קיידנס, אשר מבצעת סימולציה ביולוגית של התנהגות התרופות (Biosimulation) במטרה להעריך את השפעתן על הגוף. שילוב שני הכלים מאפשר לחוקרים לייצר מולקולות חדשות באמצעות BioNeMo, ולהעריך את השפעתן באמצעות הכלים של Orion.
חברת Cerebras Systems מסן פרנסיסקו הכריזה על השבב הגדול ביותר בעולם – מעבד הבינה המלאכותית (AI) מדגם CS-3, אשר מיוצר בתהליך 5 ננומטר של TSMC ומיוצר על-גבי פרוסת סיליקון שלמה (Wafer). הרכיב הבלתי-שגרתי הזה מיועד לאימון בינה מלאכותית גדולים מאוד. שטח הסיליקון שלו הוא 46,225 ממ"ר (פי 57 ממעבד H100 של אנבידיהׂ). הוא כולל 4 טריליון טרנזיסטורים, 900,000 ליבות עיבוד, זיכרון על השבב בנפח 44 ג'יגה-בייט וגישה לזיכרון בקצב של 21 פטה-בייט לשנייה.
המגה-שבב מיועד להתמודד לאמן רשתות נוירוניות גדולות, הכוללות עד 4 טריליון פרמטרים. הארכיטקטורה של המערכת מאפשרת לקשר מספר רב של רכבים ליצירת מחשב גדול יותר. כך למשל, שימוש במארג התקשורת SwarmX interconnect, לקשר עד2048 רכיבי CS-3 כדי לייצר מחשב-על בעוצמת עיבוד של רבע zettaflops (כלומר, 10 בחזקת 21). כל רכיב יכול להתחבר אל זכרון חיצוני בנפח של 1,200 טרה-בייט המאפשרים למערכת יחידה לאמן מודלים הכוללים 24 טריליון פרמטרים – יכולת המאפשרת לבנות מודלי עיבוד שפה (LLM) גדולים פי 10 ממודל GPT-4 הנוכחי.
החברה מסרה שכיום היא בונה מחשב על מבוסס CS-3 בשיתוף עם חברת G42 מאבו-דאבי, אשר יתחיל לפעול ברבעון השני 2024. המחשב החדש, Condor Galaxy 3, יתבסס על 64 מערכות (או שבבים – קשה להחליט איך לקרוא להם) מסוג CS-3 וגיע לעוצמת עיבוד של 8exaFLOPs. עד היום בנתה G42 שני מחשבי על המבוססים על הדורות הקודמים של Cerebras, שכל אחד מהם הוא בעוצמת עיבוד של 4exaFLOPs. המחשב החדש יקושר למחשבים הקודמים ויכפיל את עוצמת האימון שלו, ל-16exaFLOPs. חברת G42 היא אחת מהמשקיעות ובעלת מניות ב-Cerebras.
בחודש שעבר הכריזה החברה על שיתוף פעולה עם חברת קואלקום, בבניית מחשב בניה מלאכותית לאימון רשתות נוירונמיות אשר יופעל באמצעות Qualcomm Cloud AI 100. הוא יתבסס על מערכת הדור השני, Cerebras CS-2 וישמש לעיבוד מודלי שפה גם בפורמט Mx החדש, אשר פותח בשנת 2023 באמצעות פרוייקט משותף של אינטל, AMD, קואלקום, אנבידיה, Arm ו-Meta. חברת Cerebras הוקמה בשנת 2015 על-ידי חמישה מייסדים אשר מכרו ל-AMD יצרנית שרתים תמורת כ-334 מיליון דולר. החברה לקחה על עצמה את המשימה לייצר שבבי ענק עבור תשתיות ענן ובינה מלאכותית. מאז הקמתה היא גייבה כ-720 מיליון דולר, כאשר בגיוס הון האחרון, בנובמבר 2021, היא גייסה 250 מיליון דולר לפי שווי חברה של כ-4 מיליארד דולר.
ביום רביעי השבוע אישר הפרלמנט האירופי את הצעת חוק הבינה המלאכותית (Artificial Intelligence Act) ברוב מוחץ של 523 תומכים, 46 מתנגדים ו-49 נמנעים. זהו החוק הראשון בעולם המנסה להסדיר את השימוש באלוגריתמי בינה מלאכותית ולהגן על הציבור מפני שימוש רשלני או שימוש לרעה בתוכנות בינה מלאכותית.
הכללים החדשים שאירופה מאמצת אוסרים על השימוש ביישומי AI המאיימים על זכויות האזרח, דוגמת שימוש במערכות ביומטריות לסיווג בני אדם, איסוף תוכן ממצלמות CCTV ציבוריות לצורך בניית בסיסי נתונים של זיהוי פנים, איסור על שימוש בתוכנות לזיהוי רגשות במקומות ציבוריים כמו בתי ספר ומקומות עבודה, איסור על שימוש בבינה מלאכותית לחיזוי פשעים בהתבסס על סיווג והערכת תכונות אישיות, וכדומה.
הגנה על הדמוקטיה בפני תקיפות AI
החוק גם מטיל הגבלות על השימוש של מערכות בינה מלאכותית על-ידי מנגנוני אכיפת החוק. כך למשל, זיהוי ביומטרי (קטגוריה הכוללת זיהוי פנים) אסור לשימוש מלבד במקרים מיוחדים ומוגדרים. כאשר יש צורך לבצע פעולות מיוחדות בזמן אמת, הן צריכות להיות מוגבלות בזמן או במקום, או לקבל אישור מיוחד מבית המשפט (בדומה לחוק האזנות הסתר כיום).
מלבד היותו מהלך שידחוף מדינות אחרות לחוקק חוקים דומים, אחת מהתרומות החשובות של החוק לעתיד טכנולוגיות הבינה המלאכותית (AI) היא בהגדרת קטגוריית יישומים בשם High-risk Systems. ההשתייכות לקטגוריה מבוססת על הפוטנציאל של המערכות לפגוע בבריאות, בביטחון האישי, בזכויות אדם בסיסיות, בסביבה, בדמוקרטיה ובשמירת החוק.
דוגמאות לתחומי סיכון גבוה: מתקני תשתית, בנקאות, חינוך, תעסוקה, שירותים ציבוריים וכדומה. מערכות High-risk דורשות הפעלת מערך של אמצעים להערכת הסיכונים והפחתתם, הן צריכות להיות שקופות ואמינות ובנויות באופן המאפשר לבני אדם לבחון אותן. במקביל, לאזרחים יש זכות להטיל ספק במערכות אלה, להתנגד לתוצריהן ולדרוש הסברים על אופן פעילותן.
החוק ייכנס לתוקף בהדרגה
עו"ד ליאור אתגר
ראש תחום הגנת הפרטיות והמידע במשרד עורכי הדין EBN (ארדינסט בן נתן טולדנו), ליאור אתגר, אמר שההישג של אירופה מרשים מאוד, מכיוון שהם הצליחו בזמן קצר יחסית להגיב להתפתחות טכנולוגית מרכזית. "זהו חוק מקיף ומשמעותי ראשון המתייחס ל-AI. החוק מחלק את העולם לפי סיכונים ומטיל דרישות משמעותיות על ספקים של כלי בינה מלאכותית". לדבריו, כניסת החוק לתוקף תהיה הדרגתית ותימשך לפחות תשעה חודשים, שכן בחלק ממרכיביו יש צורך בתקנות של המדינות ובהיערכות של מנגנוני הפיקוח. יחד עם זאת, כבר עכשיו ברור שיש בו חידושים ודרישות שישפיעו על התנהלות חברות הטכנולוגיה.
אתגר: "אם אתה בקטגוריית המערכות המסוכנות, יש בחוק דרישות מאוד מחמירות: כיצד לנהל את תהליך הפיתוח, כיצד לוודא את אמינות הנתונים ובטיחות המערכות, כיצד לבצע בקרת איכות וכדומה. הם גם דורשים בדיקות במעגל השני – אם אתה משתמש במודל בינה מלאכותית מסויים – אתה צריך להוכיח מהי רמת האמינות שלו ומהן הבדיקות שיש לבצע כדי להוכיח שאין בו טעויות ותקלות. החקיקה דורשת תיעוד מלא של תהליך הפיתוח ותיעוד מלא של רמת העמידה בדרישות החקיקה".
החלטות ה-AI יתקבלו תחת פיקוח אנושי
"מעניין מאוד לציין שהחוק דורש ביקורת ופיקוח אנושי על יישום הבינה המלאכותית. למעשה, החלטות המערכת הן תקפות רק לאחר שבן אנוש בדק ואישר אותן. הם הגדירו רשימה של יישומים אסורים, דוגמת מניפולציה ורמאות. מניפולציה קוגניבית הפוגעת ביכולת לקבל החלטות, סיווג בני אדם לפי אמונות, מגזדר וגזע, ואיסור על ביצוע Social Scoring כמו שנעשה כיום בסין. החקיקה כוללת מרכיבים רבים שנועדו למנוע ממערכות AI לתפקד ברמה של 'קופסא שחורה', באמצעות תיעוד טכני מדוייק של אופן שילוב הנתונים למודל, סוגי בסיסי הנתונים, התהליכים שבאמצעותם שומרים על רמת הדיוק והאמינות של המידע, ועוד.
"לדעתי זהו חוק מצויין. הפרט זקוק להגנת המחוקק, ואני סבור שכבר בשנה הקרובה נתחיל לראות את החברות הישראליות מאמצות את החוק. כעת הרגולטור האירופי עומד בפני אתגר גדול: כיצד ליישם את החוק, כיצד להיות שומר הסף של הציבור, וכיצד להבין את המידע המתקבל מהספקים כדי לבצע בקרה יעילה. יכול להיות שהחקיקה הזאת תייצר תעשיית תיווך של חברות שיידעו לספק שירותי בדיקה והסמכה, גם ללקוחות וגם לרגולטור עצמו".
בתמונה למעלה: תא"ל יעל גרוסמן מציגה שכבה אחת מתוך המפה המבצעית המתעדכנת
חטיבת לוטם באגף התקשוב של צה"ל פיתחה כלי בינה מלאכותית חדשים תוך כדי לחימה והרחיבה את תשתית הענן הפרטי של צה"ל, כך גילתה היום מפקדת היחידה, תא"ל יעל גרוסמן במהלך כנס הבינה המלאכותית, AI Day שהתקיים היום (ב') באוניברסיטת תל אביב. הכנס אורגן על-ידי המרכז למחקר סייבר בינתחומי ע"ש בלווטניק והמרכז לבינה מלאכותית ומדעי הנתונים באוניברסיטה. לדבריה, "ה-AI משנה את האופן שבו הצבא נלחם היום". היא אמרה שמאז שהחלה הלחימה, היחידה אוספת את כל הנתונים המצטברים ברשתות המבצעיות, כולל שיחות ועידה, צילומים, סרטוני וידאו ועוד. "זהו מפעל לייצור מידע מבצעי".
גרוסמן סיפרה שהלחימה כיום מתנהלת על-גבי התשתית הדיגיטלית של היחידה, כולל רשת סיבים אופטיים פרטית, רשת מובייל פרטית, ויישומים מבצעיים כמו שיחות ועידה מוצפנות וערוץ יוטיוב פרטי של הצבא. "פיתחנו מיקבץ של יישומים שונים לשימוש מבצעי, כמו יכולות שיחת ועידה, ערוץ Z-Tube הפרטי שהוא אחד מהכלים שנעשה בהם שימוש רב במלחמה, מפות מבצעיות בעלות שכבות מידע רבות המתעדכנות באופן שוטף ומספקות מיפוי בזמן אמת של שדה הקרב. זוהי לוחמה דיגיטלית".
הפופולריות הגוברת של תוכנות בינה מלאכותית היא תופעה שאי אפשר להתווכח עליה, למרות שכפי שאומר פרופ' מאיר פדר מאונ' תל אביב, "אנחנו עדיין לא מבינים מדוע זה עובד". לדבריו, "יש לנו אלגוריתמים המבוססים על ניסוי ותעייה, אבל לא הסבר מלא לאופן הפעולה שלהם. מהבחינה הזאת אנחנו נמצאים במצב שבו היה חקר החשמל לפני שג'יימס קלארק מקסוול ניסח את משוואות השדה". לדברי ראש תחום אסטרטגיית סייבר במינהלת הסייבר הלאומית (INCD), יוסי אבירם, תקיפות הסייבר נגד מטרות ישראליות הוכפלו פי חמישה מאז פרוץ המלחמה. "ברור לנו שהמלחמה הבאה תכיל מרכיבי AI רבים בשני הצדדים".
בטווח הקצר ה-AI עוזר לתוקפים, בטווח הארוך למתגוננים
לדבריו, השפעת ה-AI לטווח קצר תהיה שונה מהשפעות לטווח הארוך. "בשלב הראשון, תוכנות בינה מלאכותית מעצימות את התקיפות, מסייעות לגלות חולשות אבטחה, לבצע גניבת זהויות מורכבת וליזום במהירות מבצעי השפעה רחבי היקף. בתחילה הן יעניקו יתרון לעבריינים. אולם הטווח הארוך, יכולות ה-AI יאפשרו לזהות חולשות במערכות ההגנה, לאתר וקטורי תקיפה שאפילו התוקפים עדיין לא איתרו ולזהות את ערוצי המימון של העבריינים וגופי התקיפה והטרור. הגדרנו מפת דרכים להטמעת AI לצורך הגנת ישראל בפני תקיפות. הבינה המלאכותית תעניק למדינות כלים חזקים לצורך מאבק בעבריינים".
מינהלת הסייבר החלה לפעול בכיוון הזה: שיפור התגוננות מבוססת AI, ושיפור ההגנה על תוכנות הכוללות מרכיבי AI. אורן בוטשמיץ מהמינהלת, גילה שהיא מקימה כעת מרכז בדיקות בשם מעבדאטה אשר כולל כלים ייעודיים מבוססי בינה מלאכותית (AutoDefenceML), אשר בתוך כחודשיים-שלושה יועמדו לרשות התעשייה והמדינה. בוטשמיץ: "כדי להבטיח פתרונות AI חסינים ובטוחים, יש צורך במקום בטוח שבו ניתן לבדוק את מערכות ה-AI.
"אנחנו בונים כעת מערכת במתכונת של קוד פתוח אשר תבדוק את מערכות ה-AI, תבצע מבחנים שונים לתוכנה ולבסיסי הנתונים ותספק המלצות למפתחים. הרעיון הוא לבצע סדרות של מבחנים: המערכת נכנסת לבדיקה, מקבלת המלצות ונבחנת שוב: בדיקות, תיקונים, בדיקות. הפלטפורמה כוללת תוספים שונים (Plug in), באופן שבו כל משתמש יוכל לבחור את התוספים הרלוונטיים עבורו, או לפתח בעצמו תוספי בדיקה ייעודיים".
חברת סנסיבו (Sensibo) מרמת גן, אשר מפתחת בקרי IoT חכמים למערכות מיזוג אוויר סטנדרטיות, קישרה את אפליקציית השליטה שלה אל תוכנת הבינה המלאכותית ChatGPT. סנסיבו מפתחת ומספקת אבזרים מקושרים ביתיים אשר מחליפים את השלט המקורי במזגנים. האבזרים מתחברים אל מערכות מיזוג האוויר הקיימות ואל אפליקציה בסמארטפון שבאמצעותה ניתן לבצע פעולות שליטה מורכבות במערכת המיזוג הביתית, כולל תכנון פעולות מראש, הגדרת תגובת המזגן לשינויים במזג האוויר, זהוי מיקום המאפשר למערכות המיזוג הביתיות להיכנס לפעולה כאשר המשתמש מתקרב לביתו, ועוד.
החברה שהוקמה בשנת 2013 על-ידי מנהל התפעול עומר ענבר והמנכ"ל רן רות, נכנסה כבר בשנת 2016 נכנסה לעולם השליטה הקולית, וחיברה את המערכת שלה אל פלטפורמות קוליות כמו Alexa של אמזון, Google Assistant ו-Siri של אפל. השבוע היא דיווחה על שלב חדש ברמת השליטה הקולית במערכות: השקת התוסף AI Assistant המשולבת בפלטפורמה שלה, אשר מבוססת על שימוש בתשתית ChatGPT של חברת OpenAI ותוכנת מידול שפה (Large Language Model – LLM).
באמצעות שימוש בתוסף כבר אין צורך להכיר את הפקודות המדוייקות: המערכת מבינה בקשות מורכבות מאוד של המשתמש ומגיבה אל כוונותיו, גם אם הן לא הוגדרו באופן מפורש. כך למשל, אם המשתמש אומר "קר לי", המערכת מבינה שהיא צריכה להגביר את החימום בבית. ניתן לבקש מהמערכת להגיב אל תנאי האקלים המשתנים, ולהשתמש ביכולות של ChatGPT לאסוף ולנתח נתוני מזג אוויר כדי לבצע שליטה דינמית במערכת.
לדברי רן ענבר, "השלטים החכמים הופכים באמצעות AI Assistant לחכמים הרבה יותר, וכל 250,000 משתמשי Sensibo בעולם יכולים להשתמש ביכולות האלה". לדבריו, מערכות מיזוג אוויר אחראיות לכ-25% מתצרוכת האנרגיה העולמית, ולכן לטכנולוגיות ייעול השימוש בהן תהיה השפעה משמעותית על פליטת גזי חממה. "מערכת AI Assistant יכולה להביא לחיסכון של עד 40% בצריכת האנרגיה של מזגנים".
בתמונה למעלה: ננו לוויין בגודל 3U מתוצרת התעשייה האווירית
התעשייה האווירית (IAI) גילתה לאחרונה שהיא פיתחה תוכנת ניטור ומעקב אחר בריאות מערכות הלוויין בשם SatGuard. המערכת מבוססת על בינה מלאכותית ואוספת מידע על הלוויין המגיע מהרבה מאוד מקורות לאורך כל אורך חייו. היא מנתחת את המידע ומחפשת תופעות בלתי שגרתיות ולא צפויות. המידע הזה משמש לצורך ניטור לוויינים חדשים הנכנסים לשימוש, באופן המאפשר לחזות מראש התפתחות תקלות בלוויין, לעתים לפני התרחשותן.
מערכות ניטור וחיזוי (Health and Usage Monitoring – HUMS ) מוכרות שנים רבות. הן מבוססות על כמויות קטנות יחסית של נתונים הנאספים מהחיישני המערכות המכניות. אולם החברה החליטה לשנות גישה ובשנת 2019 כאשר הקימה צוות של מומחי בינה מלאכותית בתוך חטיבת טילים וחלל של החברה, במטרה לפתח כלי המבוסס על ניתוח כל המידע לסוגיו המגיע מהלוויין. הבדיקות הראשונות של המערכת בוצעו במסגרת הפיתוח של מכלולים בודדים על-גבי כמויות קטנות יחסית של נתונים.
שני צוותים התחרו, מי ניצח?
במהלך מבחני ההיתכנות הראשונים האלה, המערכת אספה מידע מכלי פיתוח, מכשירי הייצור, מעבדות הבדיקה ומניסויי התפעול של המערכות שנבדקו. לאחר השלב הזה הוחלט להפעיל את המערכת על-גבי לוויין. שלם. צוות הפיתוח התבקש לסייע למערך בקרת הלוויינים של התעשייה האווירית להעריך את ביצועיו של לוויין שהתגלו תופעות בלתי צפויות במסלול ההקפה שלו.
הבדיקה בוצעה באמצעות שני חוותים במקביל: צוות ראשון ניתח את הנתונים בצורה המקובלת בתחום ניתוח ובקרת המערכות. הצוות השני השתשמ בתוכנת הבינה המלאכותית והתייחס אל המידע כולו כאל "קופסא שחורה", והוסיף אליו נתונים שלא נחשבו קשורים למערכת, כמו למשל התפרצויות שמש, קרינה, מסלולי כוכבים ועוד. שני הצוותים גילו את שורש הבעיה, אולם צוות הבינה המלאכותית סיפק גם המלצות כיצד למנוע תופעה דומה בעתיד.
מקור הכנסות חדש
בעקבות הארוע הזה הוחלט לשלב את המערכת בקווי ייצור הלוויינים, כדי לאסוף כל פיסת מידע אפשרית. כיום אוספת מערכת SatGuard מקווי הייצור של תת המערכות ומקו האינטגרציה של התעשייה האווירית ואוספת את כל המידע המצטבר בבדיקות השונות, כולל בדיקות תא הוואקום (vacuum chamber). המידע הזה ישמש את המערכת לעקוב אחר פעילות הלוויין בחלל. החברה מסרה שבשלב הנוכחי הצוות מפתח את הכלי עבור שימושה הבלעדי של החברה, "אולם הכוונה היא להציע את היכולות האלה במתכונת של שירות ללקוחות החברה".
חברת AMD רכשה את חברת התוכנה הצרפתית Mipsology ומצרפת את כל עובדיה אל חטיבת AMD AI Group. החברה לא דיווחה על העיסקה או על היקפה. המידע התפרסם בפוסט של סגן נשיא בכיר בקבוצת ה-AI, ואסני בופאמה, באתר של AMD. החברה הוקמה בשנת 2015 במטרה לפתח מאיצי בינה מלאכותית עבור יישום ברכיבי FPGA של חברת Xilinx. היא פיתחה את פלטפורמת Zebra להרצת הסקות באמצעות ממשקים אשר מסתירים את תשתית חומרת ה-FPGA, שאיננה מוכרת לרוב אנשי התוכנה. המערכת גם מאפשרת לייבא אל ה-FPGA מודלי בינה מלאכותית שנכתבו במקור עבור מעבדי CPU/GPU.
בחודש פברואר 2022 רכשה AMD את חברת Xilinx, ומאז עובדת Mipsology בשיתוף פעולה השוק עם AMD והרחיבה את המערכת לעבודה גם עם מעבדי CPU. התוכנה עובדת עם מערכות ה-AI המובילות בשוק, דוגמת PyTorch, TensorFlow ו-ONNX Runtime. בופאמה מסר שכל אנשי החברה יצטרפו לקבוצת הבינה המלאכותית, ויעסקו בפיתוח מאיצי AI, במסגרת פרוייקט-על מרכזי של החברה: פיתוח מערכת כוללת בשם AMD Unified AI – UAI, אשר מיועדת לספק ממשק אחיד ומלא לכל יישומי אימון והסקה של רשתות נוירוניות, מרמת מערכות הקצה, מחשבי המשתמשים ועד לרמת הענן.
חטיבת AMD AI Group הוקמה בחודש מאי 2023 במטרה לרכז את כל פעילות הבינה המלאכותית של החברה תחת ניהול של מנכ"ל Xilinx לשעבר, ויקטור פנג. לאחר ההכרזה על הקמת הקבוצה אמרה מנכ"לית AMD, ד"ר ליסה סו: "זהו רגע מרגש. בינה מלאכותית נמצאת בעדיפות הראשונה של אסטרטגיית החברה". בחודש אוקטובר 2022 הכריזה יצרנית המערכות האלקטרוניות היפנית OKI Electric Industry על השלמת פרוייקט שילוב Zebra במערכות העיבוד שהיא מפתחת עבור שרתי וידאו, ועל כוונתה להתקין אותה במוצרים העתידיים שלה.
חברת AMD מצטרפת אל המירוץ בתחום המחשוב המתנהל בין אינטל (Intel) ובין חברת אנבידיה (Envidia), ומכריזה על מוצרים אשר מתחרים בהן בתחומי צמיחה אסטרטגיים: רכיבי FPGA ובינה מלאכותית. בסוף השבוע הכריזה AMD על רכיב ה-FPGA הגדול ביותר בעולם (להערכתה) מדגם AMD Versal Premium VP1902. מדובר בשבב המשתייך למשפחת המעבדים המסתגלים (Adaptive SoC), אשר כולל רכיב מיתכנת בגודל של 18.5 מיליון תאים לוגיים – פי שניים מאשר הרכיב המתחרה של זיילינקס (שאותה היא רכשה בשנת 2022 תמורת כ-50 מיליארד דולר) מדגם Virtex UltraScale+ VU19P.
הרכיבים האלה נועדו להתחרות בפתרון של חברת אינטל, שנכנסה לתחום בעקבות רכישת חברת אלטרה בשנת 2015 תמורת 16.7 מיליארד דולר במזומן. החברה מייעדת את הרכיב בעיקר ליישמי תכנון שבבים וליישום עומסי בינה מלאכותית גדולים מאוד. "הרכיב החדש יכול לחקות את התיפקוד של מוצרי הדור הבא בתחומי התכנון האקטרוני, בינה מלאכותית, רכב אוטונומי, תעשייה חכמה ועוד", אמר מנהל קבוצת המחשוב המסתגל ב-AMD, קירק סאבאן. החברה מסרה שפיתוח הרכיב נעשה בשיתוף פעולה הדוק עם שלושת יצרניות תוכנות התכנון האלקטרוני המובילות: קיידנס, סינופסיס וסימנס.
השקעה אסטרטגית בפיתוח FPGAs חדשים
המוצר החדש כולל רשת תקשורת מהירה בשבב, ולהערכת החברה הוא משפר פי 8 את מהירות האימות של שבבי ASIC נמצאים בפיתוח. דוגמאות ראשונות של הרכיב יסופקו ללקוחות בברבעון השלישי 2023, כאשר הייצור ההמוני צפוי להתחיל במחצית הראשונה של 2024. במקביל, היא חשפה תוכנית השקעה בהיקף של 135 מיליון דולר בהגדלת מרכז הפיתוח בתחום המיחשוב המסתגל באירלנד, אשר הוקם במקור על-ידי זיילינקס בשנת 1994. ההשקעה תייצר תעסוקה ל-290 מפתחים חדשים ותשמש לפיתוח טכנולוגיות Adaptive SoC עבור יישומי קישוריות והדור השישי (G6), מרכזי נתונים ובינה מלאכותית.
התחום השני הוא חזית המאבק הלוהטת ביותר בתעשייה: בינה מלאכותית. כאן המתחרה המרכזית היא חברת אנבידיה, אשר הצליחה למנף את מומחיותה בתחום המעבדים הגרפיים כדי להיות החברה המובילה בתחום החומרה וכלי הפיתוח ליישומי בינה מלאכותית. מהלך שהביא אותה לשווי שוק של יותר מטריליון דולר. מול הדומיננטיות של אנבידיה, מציבה AMD את משפחת מאיצי הבינה המלאכותית MI250 אשר עד לאחרונה נחשבו כנחותים בהשוואה למאיצי Nvidia A100. אלא שלפני שבוע התפרס דו"ח של חברת הסטארט-אפ MosaicML, שהדגים שהתחרות בתחום הזה רחוקה מהכרעה.
הדו"ח המפתיע של הסטארט-אפ המבטיח
מדובר בחברה המפתחת אלגוריתמי בינה מלאכותית ומנוהלת על-ידי נאווין ראו, לשעבר ארכיטקט ה-AI הראשי של אינטל. היא נחשבת לאחת מהחברות החדשניות בתחום הבינה המלאכותית במערכות עתירות עיבוד, ולאחרונה היא חתמה על הסכם למכירתה לחברת שירותי הענן DataBricks תמורת כ-1.3 מיליארד דולר. ב-26 ביוני היא פירסמה דו"ח ניסויים המשווה בין ביצועי מאיצי ה-GPU של AMD ואנבידיה. במסקנתו הסופית, הדו"ח קובע שמאיץ MI250 של AMD השיג כ-80% מהביצועים של מאיץ A100 של אנבידיה, אולם מדובר בהפרש זמני: "אנחנו צופים שהפער ייסגר בעקבות שיפורים בקוד של AMD. התוצאות מלמדות ש-AMD בנתה מערכת יעילה וקלה לשימוש, אשר מתחרה ראש בראש מול המערכת של אנבידיה".
בתמונה למעלה: מייסדי Deepchecks פיליפ טנור (מימין) ושיר חורב
חברת Deepchecks התל אביבית הכריזה על מערכת לבדיקת הביצועים והתיפקוד של מערכות בינה מלאכותית (AI), והודיעה שהיא מוציאה את המערכת לשימוש חופשי במתכונת של קוד פתוח. ההכרזה נעשתה עם השלמת גיוס הון בהיקף של 14 מיליון דולר, אשר הובל על-ידי קרן Alpha Wave Ventures ובהשתתפות Hetz Ventures ו-Grove Ventures. החברה הוקמה בסוף 2019 על-ידי המנכ"ל פיליפ טנור, והטכנולוגית הראשית שיר חורב, אשר הכירו אחד את השני בתוכנית תלפיות של צה"ל ועבדו ביחד בפיתוח אלגוריתמים ביחידה 8200. בין השאר היא השתתפה בתוכנית ההאצה של אינטל, Intel Ignite.
הטכנולוגיה של Deepchecks מיועדת להתמודד עם אחד האתגרים הקשים של שימוש במערכות בינה מלאכותית, החל מאלגוריתמים לעיבוד תמונה, תוכנות אנליטיקס עבור תחזוקה מונעת, ניתוח מידע מחיישנים וכלה במערכות גדולות כמו ChatGPT: כיצד ניתן לבדוק ולאמת אותם, כדי למנוע קבלת תוצרים. האתגר כל-כך קשה מכיוון שהיעילות של תוכנות בינה מלאכותית תלויה בבסיס הנתונים שעליו היא התאמנה ובמודל היישום שהוא מרכיב תוכנה שקשה מאוד לעקוב אחר הפעילות הפנימית בתוכו. למעשה, רוב מערכות הבינה המלאכותית הן "קופסה שחורה" עבור המפתחים והמשתמשים.
מדובר בצורך דחוף, תחום הבינה המלאכותית צומח בשיעוק חסר-תקדים: על-פי ההערכות שונות הוא יסתכם בשנת 2023 בכ-26 מיליארד דולר – אבל צפוי להגיע להיקף של 226 מיליארד דולר כבר בשנת 2030. קיימות מספר דרכים לבדוק ולאמת מערכת בינה מלאכותית. אחד מהמלכים הראשונים הוא בדיקת בסיסי בסיס הנתונים שעליו היא אומנה, דוגמת תמונות, מודלי הערכת סיכון להלוואות, הערכת השווי העסקי של לקוח וכדומה, כדי לוודא שהן לא מייצר הטיות (Bias) סמויות. בנוסף, יש צורך לבדוק את מודל הבינה המלאכותית או הרשת הנוירונית עצמה והתאמן למשימה, ולבצע הדמייה של פעילות המערכת ושל התוצרים מול בסיסי נתונים שהם שונים מבסיסי נתונים שעליהם המערכת אומנה.
חברת Deepchecks פיתחה מודולי בדיקה וניטור של מערכות בינה מלאכותית המאפשרים לבדוק אותן, לאמת את תקפותן וגם לבצע הדמייה מהירה של פעילותן. החברה פועלת במתכונת כפולה: מתן הכלים הבסיסייים חינם באמצעות אתר GitHub, כדי לבנות קהילת קוד פתוח ולהרגיל את השוק לפתרון, ומתן פתרון ייעודי ברמת אינטגרציה גבוהה ללקוחות בתשלום. בבלוג שפירסם באתר החברה, סיפר המנכ"ל רוט שהחברה שיחררה לשוק כלי לבדיקת מושדלי לימוד מכונה בינואר 2022, ועד היום הורידו אותה יותר מ-650,000 משתמשים. רוט: "ההצלחה הזאת הפכה את testing ML לחלק בלתי נפרד מסביבת ה-AI. כעת אנחנו עובדים לשלב הבא ומכריזים על הזמינות להורדה של מערכת הניטור שלנו למודלי לימוד מכונה".
חברת Polyn Technology מקיסריה הכריזה על חיישן זעזועים ליישומי תחזוקה מונעת, שהוא חסכוני באנרגיה עד פי 1,000 בהשוואה לחיישני הזעזועים הקיימים היום בשוק. להערכת החברה, שידור המידע מהחיישן לענן אחראי כיום לכ-85%-99% מצריכת ההספק של החיישנים. כדי לספק מידע יעיל על כשלים מכניים, החיישנים משדרים מידע ברוחב פס של עד 20KHz, אשר מעובד בענן. החברה מציעה חיישן המעבד את המידע, ושולח לענן רק את התבנית המפוענחת בנפח של אלפית מהמידע שכיום נישלח לענן.
החיישן החדש, VibroSense, מבוסס על שבב של החברה אשר מיוצר בטכנולוגיית Neuromorphic Analog Signal Processing – NASP של החברה, אשר מבוססת על פיתוח מתימטי של המדען הראשי אלכסנד גודובסקי. הוא פיתח משוואה המאפשרת לייצג באופן אנלוגי את הפעילות של רשתות נוירוניות בשלב ההסקה (רשתות מאומנות). הפיתוח איפשר לחברה לייצר מעגל המממש רשת המקבילה לאלפי נוירונים דיגיטליים – באמצעות אבני בניין קלאסיות כמו מגברי-שרת (OpAmp) ונגדים.
למעשה, הרשת הנוירונית של החברה היא מעורבת (היברידית). מכיוון שלהערכתה פחות מ-10% מכל רשת נוירונית דיגיטלית משתנה בזמן עקב קבלת עידכונים, ושאר ה-90% נשארים קבועים ולא משתנים, הפתרון שלה מבוסס על תמהיל של שתי הטכנולוגיות: עיקר הרשת מבוסס על הנוירונים האנלוגיים ורק חלק קטן ממנה הוא דיגיטלי ומאפשר קבלת עידכונים. בין השאר, היא מאפשרת ללקוחות לבחור את התמהיל דיגיטל-אנלוג שאותו הם מעדיפים.
זהו השבב השלישי של החברה, בשנת 2022 היא כריזה על השבב NeuroVoice לעיבוד אותות שמע במכשירי שמיעה, ועל השבב NeuroSense לעיבוד מידע הנקלט על-ידי אבזרי ניטור אישי לבישים. מאז הקמתה ב-2019 החברה גייסה כ-4.5 מיליון דולר. כיום היא רשומה בבריטניה ויש לה משרדים בלונדון, אבל משרדיה הראשיים מצויים בישראל והיא נמצאת בתהליכי רישום של 21 פטנטים. השבבים מיוצרים על-ידי גלובלפאונדריז בטכנולוגיית CMOS ברוחב צומת של 55 ננומטר.
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.
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 PDF Solutions האמריקאית חתמה על הסכם שיתוף פעולה עם חברת proteanTecs מחיפה בתחום שירות הניתוח של ביצועי שבבים שהיא מספקת לתעשייה. במסגרת ההסכם, המידע מהסוכנים החכמים (Agents) של proteanTecs יוזן אל מערכות הניתוח והבינה המלאכותית של PDF Solutions, כדי לספק ליצרנים שכבת מידע נוספת על תפוקת הייצור ותפקוד הרכיבים אשר יוצאים מקווי הייצור שלהם.
החברה פיתחה את מערכת האנליטיקס Exensio. היא מקבלת מידע מקווי הייצור ומבצעת ניתוח מקיף שלו בענן באמצעות אלגוריתמי לימוד מכונה ו-AI, כדי להפיק תובנות המסייעות ליצרנים לשפר את איכות ייצור השבבים. חברת proteanTecs פיתחה טכנולוגיה לאיסוף מידע על תהליכים המתחוללים בתוך הרכיב.
החברה הגדירה את המושג טלמטריה בתוך שבב (Universal Chip Telemetry), שהוא תהליך שבו השבב מספק נתוני מצב שונים, המשמשים לצורך ניתוח שוטף של התנהגותו. בשלב התכנון משלבים בו מעגלים זעירים (UCT Agents) המשמשים כסוכנים לאיסוף מידע כמו טמפרטורה, זמני השהייה, זרמים וכדומה. בהמשך, הם מספקים את המידע לאורך כל חיי המוצר של הרכיב. מאז הקמתה בשנת 2017 החברה גייסה כ-200 מיליון דולר ממשקיעים.
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.
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".
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".
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.
בתמונה למעלה: ראש ההשמה עם מצלמת הבקרה במכונת SIPLACE של ASM. "לכל קו ייצור יש טביעת אצבע שאנחנו מזהים"
חברת Cybord התל אביבית השלימה גיוס הון בהיקף של כ-4 מיליון דולר אשר הובל על-ידי קרן ההשקעות החדשה IL Ventures, והתקיים בהשתתפות קרן NextLeap של יוצאי אינטל ומענק של מיליון דולר מטעם קרן הסיד של רשות החדשנות. לפני הגיוס האחרון החברה ביצעה גיוס סיד בהיקף של כ-1 מיליון דולר. חברת סייבורד הוקמה בשנת 2018 על-ידי הטכנולוג הראשי ד”ר אייל וייס, על-בסיס רעיון חדשני לאיתור רכיבים פגומים או רכיבים מזוייפים בקו הייצור עצמו, באמצעות ניצול מערכות ה-Dump הקיימות במילא במכונות ההשמה (Pick and Place) התעשייתיות.
במכונות ה-SMT מותקנות מצלמות בקרה המצלמות כל רכיב לפני השמתו על המעגל, כדי לוודא שהוא מונח בכיוון ובזווית הנכונים. המערכת גם אחראית על יישום מדיניות הייצור, ובמקרים בעייתיים היא מפעילה את נוהל Dump: משליכה את הרכיב הצידה או עוצרת את קו הייצור. מערכת Cybord SMT של החברה מתחברת אל תוכנת מכונת ההשמה, שולפת משם את התמונות, ובודקת אותן באמצעות אלגוריתם בינה מלאכותית ומידע מבדיקות עבר, המצטבר בענן של AWS.
פלקס מאמצת את הרעיון
התוכנה מנתחת את הצילום של כל רכיב ומזהה אותו: יצרן, תאריך ייצור, רמת האותנתיות של הרכיב, רמת ההלחמתיות שלו (המצביעה גם על גיל הרכיב), האם יש בו פגמים ושכבות חלודה (קורוזיה), האם נעשו נסיונות התחברות אל הרכיב והאם הוא פורק מתוך כרטיס אלקטרוני אחר לפני שהוחזר אל קווי הייצור. עד היום החברה צברה מידע שנאסף מיותר מ-1.4 מיליארד רכיבים מכ-30,000 מק"טים, המופיעים ברוב סוגי המארזים הקיימים בתעשייה.
מנכ"ל סייבורד, זאב אפרת, סיפר ל-Techtime שההשקעה מגיעה בשלב שבו החברה מגבירה את כניסתה לתעשייה ונמצאת בהתרחבות. החברה מעסיקה 15 עובדים ישירות ועוד 15 עובדים במיקור חוץ. בשנה האחרונה היא סיפקה מכונות יעודיות לבדיקת איכות הרכיבים בתוך גלילים עבור יצרנית אלקטרוניקה גלובלית, אשר התקינה אותן באתרי ייצור העובדים עבורה בחברות פוקסקון, פלקס, ג'ייביל, פאברינט ו-USI. חברת פלקס, אשר התקינה את מערכות המעקב של החברה במפעלי הייצור במגדל העמק, בברזיל ובהונגריה, וכעת היא מטמיעה אותה בשני מפעלים נוספים: מפעל נוסף בהונגריה ומפעל ייצור ברומניה.
צילום הרכיב לפני ההשמה מאפשר ל-Cybord SMT לאמת את זהות הרכיבים (למעלה), לאתר פגמים ברכיבים (במרכז) ואפילו למנוע אתגרי סייבר באמצעות זיהוי רכיבים שנשלפו מכרטיסים ישנים ו/או שתוכנתו מראש (למטה)
אפרת: "בגלל משבר הקורונה נאלצה היצרנית הזאת לרכוש רכיבים ממקורות שאינם חלק משרשרת האספקה המסורתית שלה (Zero Trust), ולכן היתה זקוקה לפתרון שלנו כדי לרכוש רכיבים בשוק הפתוח, ולהיות בטוחה שהם תקינים. בשלב הנוכחי אנחנו תומכים במכונות ה-SMT של ASM (לשעבר סימנס) ושל פוג'י, אשר הוציאו גרסאות תוכנה חדשות למכונות ה-SMT שלהן, הכוללת API המאפשר התחברות מהירה אלינו. היעד הבא הוא להגיע למכונות הייצור של ימהה ופנאסוניק".
"לכל קו ייצור יש טביעת אצבע"
לדברי הטכנולג הראשי אייל וייס, גם בלא בעיית הרכיבים המזוייפים, התעשייה מתמודדת באופן קבוע עם בעיית אמינות הרכיבים. וייס: "פגמים שונים פוגעים בתהליך הייצור, החל מסדקים וכלה בשחיקה. כך למשל, 0.3% מהרכיבים נפסלים עקב קורוזיה של המגעים. התוצאה היא שהיצרנים סובלים מרמת החזרות פנימית של כ-1.5% לפחות.
"המערכת שלנו מספקת מענה לבעיה הזאת ומאפשרת לצמצם מאוד את תופעת ההחזרות. היא מפיקה עבור הלקוחות דו"ח ייצור מלא של כל כרטיס. כאשר מתגלה תקלה, ניתן להגיע אל הרכיב הבודד ואל הכרטיס הבודד, ולא לפסול אצוות ייצור שלמה. מערכת ניתוח התמונה שלנו כל-כך רגישה, שאנחנו מזהים לא רק את היצרן של כל רכיב, אלא אפילו את המכונה הספציפית שארזה את הרכיב. לכל קו ייצור יש טביעת אצבע".
זיהוי יצרני הרכיבים במערכת ניתוח התמונות של סייבורד. מקור: Cybord
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.
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".
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.
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 MarketWatchזהו 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.
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.
האורח בתוכנית הוא ד"ר אמתי ערמון, מדען הנתונים הראשי (Chief Data Scientist) של קבוצת Advanced Analytics בחברת אינטל. בשיחה עימו, מסביר ערמון על ההבדל שבין בינה מלאכותית (AI) לבין תכנות מסורתי, על החזון של אינטל בתחום, על עתיד הבינה המלאכותית ועל סוגיות אתיות העולות מהיכולות החדשות של המחשבים.
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.
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
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.
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"
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
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".
חברת הבאנה לאבס (Habana Labs) הכריזה על מעבד אימון הרשתות הנוירוניות Habana Gaudi שאותו היא מפתחת מאז הקמתה החשאית בשנת 2016. להערכת החברה, מערכות אימון מבוססות Gaudi הן בעלות תפוקה גבוהה פי ארבעה בהשוואה למערכות אימון המבוססות על מעבדים גרפיים (GPU). בכך השלימה החברה את הצגת חבילת השבבים שאותה היא מפתחת עבור יישומי בינה מלאכותית. לקראת סוף 2018 היא הכריזה על המעבד Goya HL-1000, המשמש כמנוע לייצור הסקות (inferencing) ברשתות לימוד עומק (deep learning). בין השאר, פייסבוק התקינה אותו במערכת הבינה המלאכותית שלה, Glow.
שבב מעבד האימון החדש מיוצר בחברת TSMC בתהליך של 16 ננומטר. החברה מספקת ללקוחות כרטיס הנתקע לתוך שרתים קיימים, המאפשר הפעלה מיידית של יישומי בינה מלאכותית. הכרטיסים הראשונים יימסרו ללקוחות נבחרים במחצית השנייה של 2019. הבאנה לאבס הוקמה בשנת 2016 על-ידי דוד דהן ורן חלוץ, יוצאי חברת פריימסנס שנמכרה לאפל ב-2013 תמורת 345 מיליון דולר. אביגדור וילנץ היה המשקיע הראשון ומשמש כיום כיו"ר החברה. מאז הקמתה היא גייסה כ-120 מיליון דולר. כיום החברה מעסיקה כ-150 עובדים, רובם במגדלי עזריאלי בתל אביב ובקיסריה.
החברה מתמקדת בפיתוח ארכיטקטורה ייעודית עבור מעבדי בינה מלאכותית המריצים רשתות נוירוניות, הכוללת סט פקודות ייעודי וחבילת כלי פיתוח לבניית יישומי בינה מלאכותית. בראיון ל-Techtime הסביר מנהל העסקים הראשי של החברה, איתן מדינה, שהחברה הגיעה למסקנה שיש צורך בארכיטקטורה ייחודית מכיוון שהדרישה לעיבוד בינה מלאכותית מוכפלת פי 10 בכל שנה, "והמעבדים הקיימים היום בשוק לא יכולים לעמוד בדרישה הזאת". טכנית, החברה נמצאת בין שוק מעבדי ה-CPU לשוק מעבדי ה-GPU. החברה לא מסתירה את העובדה שהיא רואה באנבידיה את המתחרה העיקרית שלה.
איתן מדינה, הבאנה לאבס. "היה ברור שכדי לעמוד בדרישת השוק יש צורך לפתח ארכיטקטורה חדשה לחלוטין"
לדברי איתן, היעילות היחסית של העיבוד במערכות בינה מלאכותית יורדת ככל שגדל מספר המעבדים שנעשה בהם שימוש במקביל. "המעבדים שלנו מהירים יותר ממעבדי הבינה המלאכותית של אנבידיה, וככל שגדל מספר המעבדים, הפער בינינו גדל". במצגת החברה יש השוואה בין היעילות היחסית של שתי המערכות, כאשר להערכת הבאנה, ביישום המבצע עיבוד באמצעות 640 מעבדים במקביל, המערכת שלה מהירה פי 3.8 מזו של אנבידיה.
"זהו יתרון בולט של הארכיטקטורה שלנו, ואנחנו משיגים אותו באמצעות ייצור בטכנולוגיה מיושנת יחסית של 16 ננומטר. המעבד הבא שלנו כבר ייוצר בתהליך של 7 ננומטר". אחד מהסודות של הבאנה לאבס נעוץ בעובדה שהשבב שלה כולל גם את מערך התקשורת. למעשה, הוא כולל 10 פורטים לתקשורת RDMA מסוג 100GbE RoCE. בכך היא פותרת את בעיית צוואר הבקבוק התקשורתי. במעבד VOLTA של אנבידיה, יש צורך בכרטיס 100GbE נפרד ובכרטיס PCIE כדי להתחבר אל המעבד הגרפי. מדינה: "הפתרון הזה שלנו מאפשר הרחבה קלה ומהירה של המערכת".
הפער הזה יבוא לידי ביטוי במחשב האימון HLS-1 שהחברה מייצרת, המבוסס על מעבדי Gaudi. המחשב ממוצב על-ידי הבאנה כמתחרה ישיר של המחשב העוצמתי NVIDIA DGX-1. שניהם כוללים שמונה מעבדי בינה מלאכותית, אולם אנבידיה מקשרת בין המעבדים שלה באמצעות פרוטוקול תקשורת פרטי, וצריכה לטענת הבאנה לבצע המרות איתרנט המעיקות על העיבוד ומקשות על הרחבת המערכת. מדינה: "המערכת של הבאנה מבוססת על ממשק איתרנט תקני הן בין המעבדים והן בינם לבין העולם החיצוני, ולכן מהירות העבודה גבוהה יותר וקל מאוד להרחיב את המערכת" .
מדוע אתם מוכרים כרטיסים ולא את השבבים עצמם?
"מרכזי נתונים וגופי ענן שרוצים לקנות פתרון בינה מלאכותית, מעדיפים לרכוש אותו מחברות המייצרות שרתים, והן מעדיפות לרכוש כרטיסים הנתקעים לתוך השרתים שלהן. גם כלי הפיתוח שלנו מותאמים לצרכים של הלקוחות. פיתחנו ממשק SynapseAI API המתחבר אל כל שפות הפיתוח וסביבות הפיתוח החדשות שנוצרו עבור יישומי בינה מלאכותית. בנוסף, בנינו סביבת הגירה נוחה המסייעת ללקוחות לעבור לארכיטקטורה שלנו. היא כוללת כלים המסייעים להעביר לארכיטקטורה שלנו תכנוני אלגוריתמים שהותאמו לשבבים אחרים".
מחשב HLS-1, המתחרה החדש של NVIDIA DGX-1
אתה מתכוון למושג קרנל (Kernel)?
"כן. הקרנל זו תוכנה לא גדולה שרצה על המעבד ומבצעת פעולה מתימטית בצורה אופטימלית. בדרך-כלל לכל מעבד יש ספריות של קרנלים. אולם יש לקוחות שפיתחו בעצמם קרנל ייעודי המותאם לפעולה מתימטית המיושמת במעבד שבו הם משתמשים, וכשהם רוצים להחליף פלטפורמת עיבוד הם צריכים לבנות קרנל חדש. בנינו ספרייה של 600 קרנלים והוספנו כלי פיתוח המאפשרים לייצר קרנל חדשים בצורה נוחה. המטרה היא שהם יוכלו להעביר את התכנון שלהם אל המעבד שלנו במאמץ מאוד קטן".
חשוב לזכור, מעבדי גויה הם מעבדי הסקות המשמשים באבזרי הקצה, ומעבדי גאודי הם מעבדי אימון המשמשים במרכזי הנתונים. החברה פיתחה מערכת שהיא למעשה חצי פתוחה: הכרטיסים שלה מתחברים אל כל CPU באמצעות תקשורת סטנדרטית ולקוחות המשתמשים במעבדי ההסקות אינם נדרשים לבצע את האימון במעבדי האימון של החברה. בשלב הראשון היא מתמקדת בשוק מרכזי הנתונים ותשתיות הענן, אולם להערכת החברה אחד משוקי היעד המרכזיים הבאים שלה יהיה תחום הנהיגה האוטונומית.
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.
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 (
