מעבדת בינה מלאכותית: למידה עמוקה ליישומים מורכבים

עידן הנתונים והצורך בלמידה עמוקה

אנו חיים בעידן שבו נתונים (דאטה) הפכו למשאב היקר ביותר. מכמויות אדירות של נתוני סדרות זמן מתעשיות שונות, דרך מודלים ביולוגיים מורכבים ועד למערכות לוקליזציה חכמות – היכולת לחלץ תובנות ולבצע החלטות אוטומטיות מנתונים אלו היא קריטית. עם זאת, מורכבותם העצומה וקנה המידה חסר התקדים של הנתונים הופכים משימות אלו למאתגרות במיוחד עבור בני אנוש. כאן נכנסת לתמונה הלמידה העמוקה.

למידה עמוקה כבר הוכיחה את כוחה במגוון רחב של יישומים, החל מראייה ממוחשבת ועיבוד שפה טבעית ועד לרפואה מדויקת (precision medicine). עם זאת, רבות מהטכנולוגיות הללו עדיין נתקלות בקשיים בפתרון בעיות עבור יישומים מורכבים. לדוגמה: ניתוח סדרות זמן עם תלויות מרובות, בניית מודלים ביולוגיים עם אינספור משתנים ויחסים, וביצוע לוקליזציה מדויקת בסביבות דינמיות. בנוסף, היכולת המוגבלת של מודלי למידה עמוקה לכמת את אי-הוודאות של תחזיותיהם מהווה חסם משמעותי עבור יישומים קריטיים, בהם ההשלכות של טעות עלולות להיות חמורות.

מטרות המעבדה: פתרונות חדשניים לאתגרים מורכבים

קבוצת המחקר של ד"ר שביט תתמקד בפיתוח אלגוריתמים וארכיטקטורות מתקדמות בלמידה עמוקה שיענו על אתגרים אלו. בפרט, יושם דגש על שיטות המשלבות אופנויות נתונים מרובות (multi-modality) וכימות אי-ודאות. המטרה המרכזית היא לשפר באופן ניכר את ביצועי המודלים ואת יכולות ההכללה שלהם, ולאפשר קבלת החלטות מהימנה יותר על בסיס תוצריהם.