בניגוד להצהרות במערכת הפוליטית, גורמי אכיפה מעריכים כי הראיות להתערבות קטר בבחירות בישראל חלשות ביותר, וטרם ידוע מה מקור הכספים שהעברתם נחקרת
בלי ללמוד מאף אחד: הבינה המלאכותית שפיתחה יכולות בכוחות עצמה
חוקרים מאוניברסיטת תל אביב וסטנפורד הציגו שיטת אימון שבה מודל בינה מלאכותית מייצר לעצמו את חומרי הלמידה | בניסויים הצליח המודל לרכוש יכולות בשפה, מוזיקה, תכנות ותחומים נוספים, ללא חשיפה מוקדמת למידע חיצוני
אחת ההנחות המקובלות בעולם הבינה המלאכותית היא שכדי לפתח מערכות מתקדמות נדרשת חשיפה לכמויות עצומות של מידע. אלא שמחקר חדש בהובלת חוקרים ישראלים מציג אפשרות אחרת: מערכת שמסוגלת ללמוד ולפתח יכולות חדשות גם בלי לקבל מידע מבחוץ.
המחקר, שנערך בשיתוף חוקרים מאוניברסיטת תל אביב ומאוניברסיטת סטנפורד, מציע שיטת אימון שבה המודל אינו מסתמך על מאגרי מידע קיימים, אלא מייצר בעצמו את התרגילים שמהם הוא לומד. כך דווח ב"ווינט".
השיטה מבוססת על פעילות משותפת של שני מודלים. הראשון מייצר רצפים ואתגרים, והשני מנסה לזהות את ההמשך שלהם ולחזות את התוצאה. ככל שהמודל הלומד משתפר, גם האתגרים שמייצר המודל השני נעשים מורכבים יותר, וכך נוצר תהליך למידה שמתפתח באופן עצמאי.
במהלך הניסויים הצליח המודל לרכוש יכולות בתחומים מגוונים, ובהם שפה, תמונות, מוזיקה, צלילים, כתיבת קוד ואפילו רצפי DNA. זאת, מבלי שנחשף מראש למידע חיצוני בתחומים הללו.
החוקרים זיהו גם דפוסים מתמטיים מוכרים בתוך המידע שנוצר במהלך האימון, ובהם סדרת פיבונאצ'י. מעבר לכך, נמצא כי לאחר שלמד באופן עצמאי, המודל הצליח להתמודד טוב יותר עם נתונים אמיתיים שנחשף אליהם בהמשך.
לדברי החוקרים, הממצאים עשויים לשנות את הדרך שבה מאמנים מערכות בינה מלאכותית. ד"ר יואב לוין הסביר כי עד כה הייתה מקובלת ההנחה שמודלים זקוקים למידע מהעולם כדי לרכוש יכולות שימושיות, אך המחקר הנוכחי מצביע על כך שניתן לפתח יכולות חיזוי כלליות גם באמצעות מידע שהמערכת מייצרת בעצמה.
עם זאת, החוקרים מדגישים כי מדובר עדיין במחקר ראשוני שנערך במודלים קטנים יחסית. האתגר הבא יהיה לבדוק האם ניתן להרחיב את השיטה למערכות גדולות ומתקדמות יותר, ולבחון עד כמה היא תוכל להשפיע על הדור הבא של הבינה המלאכותית.
