הבינה המלאכותית תחליף רופאים? | איך מאמנים מודלי שפה? | איך להתגבר על פחד? | פופקורן 342
פופקורן, הפודקאסט של ליאור פרנקל

להאזנה גם ב:באפליקציה שלנו (חינם)YouTubeSpotifyApple
ד״ר שירלי די-קסטרו שעשוע היא חוקרת מודלים של בינה מלאכותית, עם דוקטורט מהטכניון ב-reinforcement learning, ועובדת בסטארט-אפ שמפתח פלטפורמה לניטור טיפולי פוריות. דיברנו על איך בינה מלאכותית עוזרת לרופאים בקליניקות פוריות לקבל תשובות מהדאטה הרפואי, ועל איך עובדים מודלי שפה ואיך מאמנים אותם. דיברנו גם על חרדת הבמה שליוותה אותה שנים, ועל איך החליטה להתמודד איתה ועלתה בסופו של דבר להרצות בכנס מקצועי גדול.
בפרק הזה
- שירלי פיתחה חרדת הרצאות בזמן הדוקטורט. בשנה האחרונה החליטה להתמודד איתה ישירות: בחרה כנס רציני עם הכנה וליווי, התחייבה לתאריכים, וקבעה dry run מראש כדי שהמועד יכריח אותה להתקדם
- פעולות קטנות עזרו לה: לשלוח הודעה בקבוצה כדי לשאול על כנסים, לקבוע dry run ביומן, ולשלוח את תקציר ההרצאה לכנסים נוספים. כך התקבלה גם לכנס בפירנצה
- ביום הכנס, אחרי כמה שניות של הלם, הרגישה שהיא בהופעה, וחשבה שהיא רוצה להרצות שוב. את ההרצאה בנתה כשיח בין שתי דמויות, ושיננה את המשפטים כדי לעמוד בזמן
- בקליניקות פוריות הדאטה הרפואי מפוזר בכמה מערכות ובקבצים כמו PDF. הכלי שמפתחים נועד לאפשר לרופא לשאול שאלה בשפה חופשית ולקבל תשובה מורשית, רלוונטית ואמינה, בלי להוסיף או לשנות פרטים
- מודל שפה מאומן לחזות את המילה הבאה לפי ההסתברות, ולכן הוא מועד לשגיאות. כדי לבדוק תשובה מציגים לרופא גם את הנתונים שנשלפו, מסבירים לו במילים מה הקוד עשה, ומוסיפים קישור למקור
על הפרק
איך בינה מלאכותית יכולה לעזור לרופאים? מה ההבדל בין AI ו-GAI? איך עובדים מודלי שפה ואיך מאמנים אותם? מהו מודל שפה פתוח ומהו מודל סגור? והאם בעתיד כבר לא נצטרך רופאים?
עם כל הכבוד ליכולות של מידג׳רני לייצר לנו תמונות אסטרונאוט עם הפרצוף שלנו, כנראה שעדיין לא חווינו את היכולת של הבינה המלאכותית לעזור לנו באתגרים אנושיים אמיתיים. למשל, בקליניקות של פוריות.
ישבתי עם שירלי די-קסטרו שעשוע, חוקרת מודלים של בינה מלאכותית, כדי להבין איך מודלי שפה מיושמים בעולם הרפואה. היא גם סיפרה לי איך התגברה על הפחד הכי גדול שלה, כזה שהרבה אנשים חווים - פחד שליווה אותה שנים ואיים לפגוע בהתפתחות המקצועית שלה.
שירלי בעלת תואר ראשון בהנדסה ביו רפואית ודוקטורט מהטכניון ב-Reinforcement Learning, ועובדת בסטארטאפ בשם Embie שמפתח פלטפורמה לניטור טיפולי פוריות.
ציטוטים מהפרק
הבנתי שזה כמו בחרדה עם דברים אחרים, הפתרון הוא להיות בתוך זה ואז להבין שזה לא כזה נורא.
הרגשתי כמו שעשיתי בנג'י בניו זילנד לפני הרבה שנים, והרגשתי שפחדתי נורא לפני הבנג'י, אחרי שקפצתי, רציתי עכשיו עוד פעם לקפוץ.
המודלים האלה אומנו לחזות, בהינתן איזשהו מקטע טקסט, תחזה לי, מה המילה הבאה.
שאלות ותשובות מהפרק
- איך התגברה שירלי די-קסטרו שעשוע על חרדת הרצאות?
- שירלי מספרת בפופקורן, הפודקאסט של ליאור פרנקל, שהחרדה התפתחה אצלה בזמן הדוקטורט. לדבריה, היא הבינה שהפתרון הוא להיות בתוך זה ולא להימנע. היא בחרה כנס רציני עם הכנה וליווי, התחייבה אליו, קבעה dry run מראש וחילקה את המשימה לפעולות קטנות. ביום ההרצאה הרגישה שהיא בהופעה.
- איך עובד אימון של מודל שפה?
- לדברי שירלי, מודל שפה הוא אוסף של מיליארדי פרמטרים שאומן על כמות עצומה של טקסט לחזות את המילה הבאה. בתחילת האימון הניחוש אקראי, ובכל פעם מחשבים את השגיאה מול המילה האמיתית ומתקנים את הפרמטרים. חוזרים על זה על מיליוני קטעי טקסט, עד שהמודל חוזה היטב את ההסתברות למילה הבאה לפי ההקשר.
- מה ההבדל בין מודל שפה פתוח למודל סגור?
- שירלי מסבירה שמודל סגור שייך לחברה גדולה כמו OpenAI או אמזון, והגישה אליו היא דרך API: שולחים טקסט ומקבלים טקסט, בלי לראות או לשנות את הפרמטרים. מודל פתוח אפשר להתקין אצלך, לשנות ולהמשיך לאמן על משימות או על דאטה ספציפיים.
- איך בינה מלאכותית עוזרת לרופאים בקליניקות פוריות?
- לדבריה, הכלי שהיא מתארת נועד לאפשר לרופא לשאול שאלה בשפה חופשית על הדאטה הרפואי של מטופלת, למשל על ערך של הורמון, ולקבל תשובה. התשובה צריכה להיות מורשית לפי הרשאות המידע, רלוונטית ואמינה. שירלי מציינת שכרגע לא מבקשים ממודל השפה להמליץ על טיפול, אלא לעזור בסיכום, בארגון ובשליפת מידע.
- איך מוודאים שתשובה של מודל שפה לרופא נכונה?
- שירלי אומרת שזו השאלה שהכי עובדים עליה. אחת הטכניקות היא להציג לרופא את התשובה בשפה חופשית יחד עם המידע שנשלף מהדאטה בייס, ולהסביר לו במילים מה עשה הקוד. אפשר גם להוסיף קישור למקור, וצוות הקליניקה מקבל הדרכה איך להסתכל על תשובה שנוצרה על ידי בינה מלאכותית.
- למה קשה יותר להשתמש במודלי שפה בעברית?
- לדברי שירלי, אנגלית דומיננטית באינטרנט הרבה יותר מעברית, ולכן המודלים התאמנו על הרבה פחות טקסט בעברית. בנוסף, הטקסט מחולק לטוקנים שמותאמים לאנגלית, ובעברית הם נוטים להיות אות או שתיים, כך שמילים נפוצות כמו ״של״ אינן מקבלות טוקן משלהן, וזה פוגע ביכולת של המודל.
מי ומה הוזכרו בפרק
- חברות וארגונים
- OpenAI · Amazon · Embie
התמלול המלאתמלול אוטומטי, ייתכנו טעויות
ברוכים הבאים לעוד פרק בפופקורן, הפודקאסט שעוסק באדפטיישן, הסתגלות לעולם החדש. ואנחנו הולכים לדבר היום על דברים מאוד מאוד מעניינים. רגע לפני, אני אגיד שלפני רגע או בעוד רגע, תלוי מתי אתם מקשיבים לזה, יוצא השיעור יצירתיות בעבודה. שיעור דיגיטלי שהכנתי ואני מאוד מאוד מאוד מאוד ממליץ לבדוק אותו, לראות איך הוא יכול לעזור לכם. אני מלמד שם כמה טכניקות פשוטות שאפשר ליישם מאוד מאוד בקלות בעבודה שלנו, בין אם אתם אחראים על תהליכים, על מוצרים, על שירותים, על אנשים, לא משנה, אנחנו יכולים בעצם לעשות את הדברים בצורה קצת יותר יצירתית. זה מה שגם העולם רוצה מאיתנו, שנעשה את הדברים קצת יותר יצירתי בשביל בידול מתחרות, או כי כל מה שאחרים עושים כבר משעמם, או מאלף סיבות אחרות מוזמנים. הפרטים בתוך הלינק, ובפרק של היום אנחנו נדבר בו זמנית על דבר והיפוכו, על אתגר שהוא מאוד אנושי ואיך להתגבר עליו,
ועל בינה מאוד מלאכותית ואיך היא עוזרת להתגבר על אתגר אנושי אחר. האורחת שלנו היום עוסקת ביישום מאוד מעניין של בינה מלאכותית בעולם הרפואה, וספציפית הפוריות, או המרפאות פוריות, תספר לנו עוד מעט, אבל לא פחות מעניין, מאז הדוקטורט שלה, היא הרגישה שהיא מפתחת חרדת קהל, והיא החליטה בשנה האחרונה שהיא חייבת להיכנס בזה בכל הכוח. מפה לשם היא הרצתה בכנס מקצועי מאוד גדול, ובקרוב היא תרצה גם בפירנצה, לא פחות. אז היום אנחנו נממש את מלוא הפוטנציאל של פופקורן הפודקאסט, כי נדבר גם על הסתגלות לעולם החדש מהזווית הטכנולוגית, נבין קצת יותר טוב איך עובד בינה מלאכותית, וגם נדבר על הסתגלות מההיבט האנושי, איך פרקטית אפשר להיכנס, כמו שהיא תיארה לי את זה, בכל הכוח, במשהו שהייתם רוצים לשנות בחיים שלכם, באיזושהי מיומנות, אבל שהיא גם, כאילו, יש שם את העניין התיאורטי, ויש שם גם את העניין הרגשי שצריך להיתקע בו, נעשה גם וגם בפרק אחד. לאורחת שלנו קוראים דוקטור שירלי דיקסטרו-שעשוע.
היא חוקרת מודלים של בינה מלאכותית, יש לה תואר ראשון בהנדסה הביו-רפואית ודוקטורט מהטכניון ב-reinforcement learning, שהיא תסביר לנו אחרי זה. מה זה, זה קשור לבינה המלאכותית? שירלי עובד ב-MBI, סטארט-אפ שמפתח פלטפורמה לניטור טיפולי פוריות, לרופאים וצוותים רפואיים בקליניקות של פוריות, והיא משלבת את היכולות של מודלי הבינה המלאכותית בעבודה היומיומית של הרופאים בקליניקה. אז שוב היא תספר לנו על כל זה, וזה מאוד נחמד לדבר קצת על בינה מלאכותית שהתפקיד שלה זה לא רק לעשות את התמונה שלי בתוך פרצוף של אסטרונאוט, קצת נמאס מהדבר הזה כאילו שכל כך הרבה אנשים צריכים את התמונה שלהם בתוך פרצוף של אסטרונאוט, ונעבור לדברים שהם קצת יותר חשובים וקצת יותר שונים, כמו למשל איך אפשר לעזור, איך בינה מלאכותית יכולה לעזור בקליניקות של פוריות, אני מניח לעשות פחות טעויות או לתת יצות יותר טובות או לא יודע מה, היא תספר לנו לזה. אז ניתן למוזיקה את המקום שלה, ונתחיל בעוד שנייה.
אנחנו משפחה איטלקית. בבית של ההורים שלי דיברו איטלקית, גם איתנו. אז אחרי הצבא, בערך בגיל 23, נסעתי לרומא לגור אצל סבתא שלי. ואיטליה, כמו איטליה, אין יום בלי גלידה. טוב מאוד. אז יום אחד, ברור. אז יום אחד הלכתי ליד החנות של סבתא שלי ברום, הלכתי לגלידריה, ואני מאוד אוהבת גלידת תאנים. וכל מי שנוסעת לאיטליה, אני מחכה לטעום את הגלידה הזאת. איך אומרים גלית תאנים באיטלקית? אז ככה, תאנים אומרים פיקי, ותאנה אומרים פיקו. אוקיי. ועל זה הפדיחה שלי. כי מסתבר, ואת זה אני לא ידעתי, את זה ההורים שלי לא לימדו אותי את כל הסלנג ואת כל המילים הפחות נקיות, נקרא לזה. הם לא סיפרו לי שפיקו זה מילה באיטלקית שאומרת בחור שווה, חתיך, אטרקטיבי, בא לי עליו. אוקיי. אז אני נכנס לכם לגלידריה, ובשיא הביטחון, ככה שואלת את הבחור במוכר גלידה,
עוות אקווי אונפיקו, ואני התכוונתי, יש לכם פה תאנה, יש לכם פה גלידת תאנה, בטעם תאנה. והוא מסתכל עליי, וככה מצביע על הגוף שלו. אז זאת אומרת, מה שהוא שמע זה, יש לכם פה גלידה, חתיך? לא, יש לכם פה חתיך, יש לכם פה מישהו שווה חתיך, זה מה שהוא שמע. אוקיי. אבי תקוי און פיקו, יש לכם פה פיקוד, מישהו שווה. אוקיי. והוא ככה אומר צ'טו, הנה אני, הנה זה אני מה שאת מחפשת. וכשהבנתי את זה, וואו, העדמתי לגמרי והתפדחתי. איך הבנת אבל? כי בגלל התשומת גוף שלו, זה היה מאוד ברור מה הוא מתכוון. אז חשבתי שזה כאילו סלנג שאת פשוט לא יודעת מה הוא. כן, הבנתי שאמרתי מילה שלא הייתי צריכה להגיד, לפחות לא בקונטקסט הזה, ואז זהו, ואז מאז אני יודעת שאני מגיעה לגלידריה, אני יודעת לבקש... אני שמח, זה גם סיפור טוב שמסביר לנו איך את יודעת במיוחד להיות רגישה במודלי שפה, על הטעויות שיכולות לקרות כשהבינה המלאכותית אומרת לנו את המילה הלא נכונה.
אוקיי, אז תראי, אנחנו נדבר, אני רוצה שנדבר קצת על איך הבינה המלאכותית עובדת וזה, אבל בואי נתחיל לפני זה מהסיפור של החרדת קהל. מה זה אומר בדוקטורט שלי גיליתי? כאילו, כל החיים שלך כן היית על הבמה ואז פתאום הפסקת? או כאילו, מה בדיוק קרה שם? אז ככה, בחטיבה ובתיכון הייתי במגמת תיאטרון, וממש אהבתי להיות על במה, ואהבתי להציג, ולא היה לי בעיה עם להציג בפני אנשים, ללמוד טקסטים, אהבתי את זה אפילו. וזהו, והחיים ממשיכים, ואז הגיע הדוקטורט, ו... אז זה כעבור עשר שנים, או מו עשרים. כן. תואר ראשון, עבודה, טיול בחו״ל, כל הכיף. והפן התיאטרלי קצת נשכח. ואז הגיע הדוקטורט, ובדוקטורט זה מחקר, זה משהו מאוד, אפילו קצת בודד,
אבל יש חלקים בדוקטורט שבו אתה צריך להציג את המחקר שלך. זה יכול להציג בפני קולגות, או בפני חוקרים אחרים, בפני פרופסורים, בפני איזשהו סמינר שאתה מציג. ושם התפתחה לי איזושהי חרדה, שכל פעם שהייתי צריכה להציג, זה ממש שיתק אותי. לא אהבתי את זה בכלל. ברגע עצמו, או כבר לילה קודם? לא, איזה לילה קודם, חודש קודם. זאת אומרת, במקום לחשוב על מה התוכן שאני צריכה להציג שיצא מצוין, את מבזבזת את האנרגיות שלך על לחשוב איך אני אציג, איך אני לא ארעד, איך אני לא מה. כן, איך אני אציג, מה אם ישאלו אותי על דברים שאני לא יודעת. לא אהבתי ששואלים אותי על מה המחקר. לא אהבתי את זה. לא, וזה דוקטורט, זה אתה אמור, משהו שאתה אוהב לעשות, משהו ש... קוראים לזה להגן על זה, נכון? כן, כן, בדיוק. ובאמת אהבתי את מה שחקרתי, והיה לי מעניין, אבל משהו שם בשאלות על זה
הרגיש לי מאוד לא בנוח, וזה התחבר לי ללהציג את זה. וזה רק יחמיר, אוקיי? זה לא... רק יחמיר. גם ניסיתי להימנע מזה כמה שיותר, אז זה עוד יותר יחמיר את זה. וזה נהיה אישיו שאני לא רוצה להציג, ושלא ידברו איתי על זה, ותעזבו איתי בשקט, כזה. זאת אומרת, יש איזושהי ספירלה שזה הפך מזה שאת מפחדת מזה לזה שאת מפחדת יותר ויותר ולא רוצה, ומגיעה בסוף למקום שכאילו את נמנעת, לגמרי נמנעת. ובסוף כשאין ברירה ואתה צריך להציג, אז מתוך מקום כזה מאוד לא שלם ולא כזה חושש. אבל זאת הייתה החוויה, ולא כל כך הצלחתי להתגבר עליה בזמן הדוקטורט, שארך הרבה שנים, כן? כאילו זו תקופה ארוכה. שבע? שמונה? שבע, שבע. כן. חופשת לידה, ראיונות וכולי. החיים. החיים. ואז סיימתי את הדוקטורט. תודה לאל. והתחלתי לעבוד ב-MB, אוקיי? שתכף נספר מה MB עושה.
ואני החלטתי שהשנה זה נורא הפריע לי. אוקיי? נורא הפריע לי שאני לא רוצה שישאלו אותי במה אני עוסקת, שאני לא רוצה שישאלו אותי, לא רוצה להציג את זה, זה נורא הפריע לי. למה? למה שאני לא אדבר על זה? למה שאני לא אציג? אני גאה במה שאני עושה, אני אוהבת את מה שאני עושה. ואמרתי, די, אני חייבת להיכנס בזה בכל הכוח. והרגשתי שאני לא רוצה להיכנס בזה בקטנה, כזה קצת כזה יותר לספר, קצת יותר להציג, להציג לצוות. לא, אני רוצה את זה עד הסוף בגדול. אבל רגע, רגע לפני שאת ממשיכה, זה משהו שנורא נורא מפחיד אותך, למה שתרצי... זה ההפך מלהימנע, כאילו, למה שתרצי לקפוץ לקלחת? כי זה כל כך שיתק אותי וכל כך השפיע עליי פיזית וחרדה. זה הפריע לי מאוד, מאוד. זאת אומרת, חשבת שזה יאיים על המשך הקריירה שלך? לא יאיים, אבל חשבתי שניתקל בזה שוב ושוב בקריירה, כי אם זה לא יהיה להציג לפרופסורים,
זה יהיה להציג להנהלה, זה יהיה להציג לבורד, זה יהיה להציג לצוות יצועי. זאת אומרת, אוקיי, אז כן, זה לא יעצור, אבל זה יגביל את חלק מהדברים שאת יכולת, כן, בלי לעשות. זה לא יעצור, אבל אתה יודע, זה לא, אתה רוצה להציג, או מבקשים ממך להציג משהו, אז מה, אני עוד פעם ממנה מזה, זה משהו שאני אטקל בו שוב. ועכשיו שאלה שהיא כאילו קצת אישית, אבל מאיפה היה לך את הפניות המנטלית או הרגשית, כאילו פתאום להתעסק בזה? כי אמרת חופשת לידה וזה, אז יש ילדים, יש זה, יש איזה סטארט-אפ, זה זה. עכשיו את צריכה כאילו, מאיפה את מביאה עוד, את מבינה? זה כאילו להגיד, אני עכשיו מחליטה שאני אהיה הבשלנית הכי טובה, אבל מאיפה האנרגיה או הזמן או ה... אני חושבת שדווקא זה, אצלי זה הדף כזה שעברתי מהדוקטורט לתעשייה, אז זה מין fresh start, גם נושא חדש, תחום התמחות חדש, משהו כזה fresh. ו... אה, זה בא ביחד. כן, כאילו אני לא סוחבת עוד את מה ש... אוקיי. את הרגשות שהיו לי אז, משהו חדש. ויחד עם זה אני רוצה לגדול, יחד עם זה אני רוצה... אוקיי. זאת אומרת, כבר אני לומד משהו, שאת אומרת,
יש את הנקודות שהן קצת restart, או שיש הזדמנות להתחיל מחדש, נגיד עברתי מקום עבודה או משהו כזה, ויכול להיות ששם זה... אפילו שיש לחץ מדברים אחרים שזה מקום עבודה חדש, יש עוד איזושהי הזדמנות להתחיל משהו חדש או להפסיק משהו ישן. כן, זה כאילו ממקום נקי, ככה אני הרגשתי. יפה. שלא סוחב דברים מהעבר, אלא מקום נקי. אוקיי. אז מה זה אומר להיכנס בזה בכל הכוח? קודם כול זה להחליט אם... להבין עם עצמי שאני רוצה את זה, שלמרות שזה קשה, זאת אומרת, אני רוצה ולא רוצה, כן? כאילו, אני רוצה שזה ייפתר נקרא לזה אבל אני לא רוצה לחוות את זה ואני לא רוצה... כן. להבין ש... אני הבנתי שזה כמו בחרדה עם דברים אחרים, הפתרון הוא להיות בתוך זה ואז להבין שזה לא כזה נורא. כאילו, לא להימנע, כי הלהימנע הופך את זה למשהו גדול שאתה לא מפחד ממנו. כן. גם קצת רציתי, רציתי, רציתי, אני זכרתי מהילדות שאהבתי להופיע, ואהבתי, הרגשתי שזה לא קשור לפחד קהל ולא קשור ל...
זה לא, הרבה פעמים אומרים, אנשים שלא רוצים להציג, זה כי יש להם פחד קהל, הם משתתקים. כן. בתוך תוך הרגשתי שזה לא זה. ורציתי את ה... מעניין. קצת את השואו, ואת ה... רציתי לחוות את זה. עוד מה שעזר לי זה שקיבלתי הרבה תמיכה. גם ממנטורית שהייתה לי בתחום חיפוש עבודה, אבל היא גם כזה הרבה פעמים כזה זרקה לי על להרצות, לדבר, ללכת לכל מיני מיטאפים, כל מיני דברים כאילו מקצועיים, אבל גם כזה לספר ולדבר על דברים שאני עושה. וגם המנהלת שלי, שהיא גם חברה, והיא מאוד אכפה אותי. אז תחשוב, יש לי גם גיבוי מקצועי או גיבוי מהעבודה לדבר כזה. כן. זה מאוד עוזר. נכון, נכון, נכון. אז הם היו איתך, אבל אז מה? זה נשמע כללי כזה, לדבר מול קהל זה כללי. מה, איך עשית את זה ספציפי, או איך, איך,
לא יודע, אולי לעשות את זה ספציפי זה מה שפתר. כאילו, מה, איך עברת את זה מכאן, אני רוצה להיות בזה יותר טובה לאיך מתחילים להתקדם. אוקיי, אז התחלתי לחשוב. אמרתי, אוקיי, אני רוצה לדבר על משהו, אני רוצה לדבר על משהו מקצועי מתחום העולם המקצועי, שזה אצלי זה העניין של הבינה מלאכותית, מודלים וכו'. אמ... רציתי לדבר מול קהל אוהד, אוקיי? להתחיל יותר קהל. להתחיל, כן. כן. ואני חושבת שכן רציתי משהו, כן רציתי כנס רציני, נקרא לזה. כאילו, משהו שיש לו הכנה, כאילו, שיש, מכינים את המרצים, משהו שיש לו איזשהו ליווי, אמ... עושים הכנה, עושים, עוזרים לך, מקשיבים לפני, נותנים פידבקים, כאילו זה לא... אז אהבתי, זאת אומרת, את לא אומרת, אני אלך לקורס שבו אני אדבר, אני אלמד לדבר מול קהל, אלא אני אלך למשהו מעשי, שזה,
אני רוצה ללכת לכנס שבו אני אשכרה מדברת לקהל, אבל הכי נחמד זה אם זה באמצע, זה כאילו כנס שגם כאילו מסבסדים לי את הקורס, כי יש שם מישהו שילווה אותי וידבר איתי על הנרטיב, ואיך זה, ומה לפחד, מה לא לפחד, וזה. פתרון נחמד. כן. ואני חושבת שגם בתוך תוכי רציתי את המחויבות. רציתי משהו שאני אתחייב אליו, ושיכריח אותי לעשות את זה. יכול להיות שאני אתבאס שהתחייבתי אליו, ויכול להיות שזה יגרום לי לחרדה. כן. אבל הרגשתי שכשאני מתחייבת למשהו, אני לא יכולה, אני לא יכולה לתת לזה לא להיות טוב. כאילו, אני לא יכולה... זה יפה שהדוקטורט לא עשה לך טראומה מזה, זאת אומרת, טראומה ממון הרך של המילה טראומה. דוקטורט זה הרי משהו, כאילו, את מתחייבת ואז צריכה לעשות את זה. אבל אז זה לוקח שבע שנים, ואתה אומר, כאילו, פאק, למה עשיתי את זה? אז עכשיו השאלה היא איך, כאילו, זה יפה שזה לא עשה לך את העניין הזה של ה... אולי לא כדאי להתחייב. לא, אבל ההפך, דווקא זה לימד אותי שזה מה שגורם לדברים לקרות.
אוקיי. להתחייב למשהו שאתה לא רוצה, שוב, קודם כל, אני רציתי, החלטתי עם עצמי שאני רוצה שזה ייפתר, בסדר? כן. זו החלטה ראשונה. כן. בהינתן זה שאני רוצה שזה ייפתר, אז לקבוע, קבעתי לעצמי צעדים בדרך, שלא אהבתי ולא רציתי, אבל ההתחייבות אליהם גרמה לי, אתה יודע, אתה מתחייב, ואתה, סתם, אתה קובע dry run, נכון? dry run לפני הרצאה, אתה קובע עם מישהו לעשות לו את זה לפני. אז קבעתי את זה בלו״ז, לעוד חודשיים, כן? כן. זה שם. כן. חודשיים זה טוב, כי זה נראה מזמן. כן, בדיוק. כאילו, עוד מלא זמן. כן, זה עוד מלא זמן. ואז התאריך מתקרב, ואין לי משהו, כן? לא עשיתי. מה זה אין משהו? אין? שקפים? לא, כן, לא, לא, לא. שקפים, לא מוכנים, לא התאמנתי, זה רק, לא יודעת מה, שמתי רק את התמונות ואני לא יודעת מה אני מדברת, אבל ה-deadline מתקרב ולא נעים. ואהבתי את זה, כי זה באמת גרם לי לעשות, זה גרם לי להילחץ, אבל לפני ההרצאה האמיתית. אז להילחץ לדריירן
ולנסות הכי הכי שזה יהיה בסדר בדריירן, ואז אחרי זה, כבר, אוקיי, אז ההרצאה עוד שבוע, עוד שבועיים? אוקיי. כן, כן. אז אני באה לזה יותר... היו פעמים שאמרת, אני מבטלת, אני מבריזה. הרבה פעמים חרדות, מה שהן קוראות לנו זה להבריז. אז אני אגיד לך מה קרה. היה את ההגשה לכנס ריברסים, היא הייתה אמורה להיות קצת אחרי 7 באוקטובר, ואז הם דחו אותה, כי זה היה ממש איזה שבוע אחרי, והם דחו אותה באיזה כמה שבועות, בסוף החליטו שכן, שהם פותחים את ההגשה. וככה דנה המלילה שלי אמרה לי, תגיש, כאילו, תגישי. אמרתי לה, כן, כן, כן. והסתובבתי איזה שבועיים, ואמרתי, אני לא רוצה. כאילו, אני לא רוצה להגיש, אין לי מה לכתוב, אני לא עושה את זה. וביום של ההגשה, אמרתי לה בבוקר, תקשיבי, דנה, אני לא אגיש. כאילו, אני לא אגיש. זה מלחיץ אותי, לא בא לי, לא בא לי. ואז היא אמרה לי,
אוקיי, אני לא לוחצת עלייך, תעשי מה שאת רוצה, אני חושבת שכדאי לך. ככה, אני חושבת שכדאי לך. נעשה לך נאדג'. כן. וחשבתי על זה, ואז כאילו, אני לא, שוב, אין הסבר. שבועיים נמנת, נמנתתי מלעשות את הדבר הזה. בסוף ישבתי על זה שעתיים וחצי, והיה צריך גם להקליט וידאו, כאילו, מתי היה כמה הכנות? ישבתי על זה שעתיים וחצי, וזהו, בסוף שלחתי. כן. כאילו, אני שבועיים... זה כנס שהרבה אנשים רוצים לדבר בו, זאת אומרת, זה כנס שאת צריכה גם להתקבל. כן, כן, נכון. זאת אומרת, זה לא רק אני מפחדת שיזמינו אותי לכנס, אני מפחדת להידחות. אולי יגידו לי, את לא מעניינת מספיק, את לא עוברת מסך, התוכן שלך לא מספיק טוב. היה לך הרבה דברים אחרים גם לפחד מהם, לא רק העמידה מול במה. אני מפחדת להידחות. אני מפחדת שכשאני, אם זה יתקבל, יגלו שבעצם אין לי כל כך על מה לדבר. כן, זה לא כזה מעניין. זה לא מעניין, או אני לא יודעת להעביר את זה. אני מפחדת שאם כבר הכנתי הרצאה,
אז הכול שלי ייראה. זאת אומרת, יש הרבה שלבים בדרך שזה מפחיד. כן, כן. אה... אני לא יודעת, פשוט ברגע האחרון, אני לא יודעת איך להסביר. אני חושבת שהמשפט הזה שהיא אמרה, כדאי לך, כאילו, את לא חייבת, אבל כדאי לך. כן. זה מה, באמת? כאילו, מה, אני אפסיד אם אני לא אגיש? אה, יפה, אז זה היה בגלל שנאת ההפסד. כן, זה השיח הפנימי. זאת אומרת, היא אומרת שכדאי, והיא כבר גם הייתה בכנסים כאלה והרצאתה, אז אולי אני לא רוצה לפספס טוב-טוב, אז אני אעשה. כן. זאת אומרת, את כבר היית יותר קרובה מאשר לפני שנה לזה, עדיין היית צריכה עוד קצת את הדחיפה הקטנה ואת ה... כתבת לי, כשרק דיברנו, אז אמרת כל הזמן, מלא פעולות קטנות. למה התכוונת פעולות קטנות? זה משהו שאני מרגישה לא רק בהקשר של להרצות או דברים כאלה, אלא מלא דברים, מלא משימות שיש לי.
והן גדולות כאלה, ואני לא יודעת איך לגשת אליהן, ואז מרוב שהן גדולות, אני לא יודעת איך לאכול אותן. אז בדוגמה הזאת, אני רוצה להרצות. כן. מה זה אומר? איך מתקדמים לזה? אז אני כזה מגדירה לעצמי, טוב, תעשי פעולה קטנה, רק תכתבי, לא יודעת מה, תכתבי באיזה קבוצה מי מכיר כנסים שווים. כן. רק, כאילו, מה אכפת לי לכתוב את זה? זה לא, כאילו, אני לא אוכל לעשות עם זה כלום אחר כך, נכון? כן. נכון? או רק תקבי עם חברה שאת מעבירה לה לפרויקט שלך. כאילו, אבל תקבי את זה בלוז. שאת מעבירה לה את הדריירן. את הדריירן, כן. שנמרה את הדריירן, ותקבי את זה בלוז, ולא ילך להאם להבריז לה, או שהיא מצפה לזה, ואת לא רוצה... כן. אבל רק תקבי, את יכולה כזה לא, כאילו, רק לקבוע, אני יכולה כזה לבטל, כן? זה... זה הכוח החזק הזה של הצעד שגורר עוד צעד, שגורר הוצאה, שגורר הוצאה, שבסוף קורה איתו משהו.
איך, מה עברת בין ההגשה לעד שמודיעים? חשבת על זה או הדחקת? לא, זהו. לא, זה מגיש... לא, לא חשבתי על זה. הגשת ושכחת מזה. כן, כאילו... כמעט שכחת. כמעט, כן. קצת בדקתי בתאריכים שאמרו שהם יודיעו, אבל האמת שגם לא ציפיתי כל כך להתקבל, כי זה באמת כנס... אה, עוד יותר טוב. כן. אני לא אתקבל, זה לא קרה כלום. זהו, אני אוכל להמשיך. ניסיתי, ביי. כן. ו... אה, ועוד משהו, ידעתי שאם אני אכין את ה... את האבסטרק להרצאה הזאת, מה אכפת לי לשגר... את ה מה? אבסטרקט. אה, את התיאור ההרצאה. כן, את ההרצאה. מה אכפת לי לשגר את זה לעוד כנסים? את כזאת מהאקדמיה אבסטרקט. וואי. קוראים לזה description בדרך כלל, וזה, אוקיי, את האבסטרקט של ההרצאה, אז תשגרי לכנסים אחרים? כן, אם כבר יש לי מוכן, אז מה אכפת לי לשגר את זה לכנסים אחרים? אוקיי. כאילו זה... אז עשיתי מאמץ לכנס אחד, שזה מה שגרם לזה להתקבל לכנס בפירנצה. שזה הגשת לפני רוורסים?
הגשתי בערך בזמן שהגשתי לרוורסים. אחרי שהגשתי לרוורסים, לקחתי כמה ימים מנוחה, ואז עברתי על עוד כנסים שיש בתחום של בינה מלאכותית, של פייתון, של אספת תכנות, של דאטה וכולי, ואמרתי, אני אגיש. יש לי אבסטרקט. הרי בסופו של דבר רוב הכנסים האלה מצפים בערך לאותו דבר, מה אכפת לי? זהו, והגשתי, שיגרתי את זה לעולם, ובסוף משהו תפס. וזה נחמד. זה ממש נחמד. אוקיי. אז עכשיו קיבלת את האימייל שאת בפנים. כן. ו? זה היה נחמד או לא? וואו. ממש התרגשתי לכמה שניות, ואז אמרתי, אוי ואבוי. ואז הגיע אחריו. כן. אוי, לא, עכשיו זה אמיתי. ממש. וגם אם שולחים לך, וכן, ויהיה מפגש דוברים, ויהיה הדרך, כאילו, זה כזה פתאום רציני. כן. זה גם, כאילו, הגיעה חרדה, אבל עדיין היא כאילו עוד חודשיים. אתה יודע, זה עדיין, זה עוד לא עכשיו.
אז זה גם מקדם אותך, אבל בצעד יותר קטן. פחדתי גם לספר שהתקבלתי. למי? לא יודעת. למנהלת שלך? לא, לא, לה סיפרתי, כי דחפה אותי לזה, אבל כזה לסביבה, כי... לא רצית להתגאות בזה עדיין. כן, לא. כי אמרת, טוב, תכף מתקשרו ויגידו שזו הייתה טעות. כן, בדיוק, בדיוק. תסמונת מתחזה קלאסית. ממש. ו... ו... ו... ו... ו... ו... ו... אוקיי, ומתקרב היום, ואת עושה את הדריירן, ומתקרב הכנס, ואת בסדר? את כאילו כבר אומרת, אוקיי? זה בא? לא, מה פתאום. אני חושבת שהדריירן מאוד עזר לדעת שכן יש לי משהו מוכן. אוקיי, אני חושבת שהרוב הלחץ היה לפני הדריירן. לא לפני ההרצאה האמיתית, אלא לפני הדריירן. אה... כי עדיין, אתה מראה את זה ל... הדריירן זה לאנשים... שזה אומר שהפחד שלך היה לא מהפרצופים בקהל, אלא יותר, האם התוכן שלי מעניין? זה מה שנשמע לי.
האם התוכן מעניין? האם המסר עובר כמו שצריך? וגם, האם אני מצליחה לעמוד על במה ולדבר, ו... שהמחשבה תרוץ ואני לא אתקע, וזה מלחיץ. בכל זאת, כל העיניים עליך, ו... כן. זה בכל זאת מלחיץ. אז אני חושבת שאחרי הדריירן הרגשתי הרבה יותר הקלה, כי אמרתי, אוקיי, יש לי משהו, צריך להיות שינוי, צריך להיות שפצורים, אבל יש משהו. וביום של הכנס עצמו, הרבה לחץ לפני, אבל כשעליתי על הבמה, הרגשתי שאני בהופעה. כן, אחרי החמש שניות של השוק הראשוני, פתאום הרגשתי שאני באיזה הופעה. עוד פעם היית במגמת תיאטרון. וואי, לגמרי, כן. מעניין. כן, ופתאום, וכאילו הרגשתי שכל האנרגיות משנות הילדות יוצאות, ואני עכשיו בהופעה, והנה ככה, והנה ככה, ותראו,
וזה הפתרון, וזו הבעיה, ו... איזה כיף, איזה כיף. טוב, לכל אחד, אנחנו לא באנו לעשות פרק על חרדת במה או זה, כי זה לא ספציפי, בואו נדבר על הדבר היותר גדול, אבל זה מעניין. זאת אומרת, בסוף, לפי ההרגשה, גם יש כאלה שבאמת הם יותר מפחדים, הם בטוחים שהם תותחים, אבל אז כשהם עולים על הבמה הם משתתקים. זאת אומרת, יכולים להיות מלא מלא מלא אופציות, אבל אני מאוד מאוד שמח שככה זה קרה. ואז הסתיימה ההרצאה ויש איזשהו אדרנלין, אבל האדרנלין יורד אחרי כמה שעות או למחרת. ואז השאלה היא, האם המסקנה שלך הייתה, אני רוצה לעשות את זה עוד מלא, או כאילו, אוקיי, סימן טבעי, אני רוצה לחזור למקום השבלולי. יואו, עוד מלא. הרגשתי כמו שעשיתי בנג'י בניו זילנד לפני הרבה שנים, והרגשתי שפחדתי נורא לפני הבנג'י, אחרי שקפצתי, רציתי עכשיו עוד פעם לקפוץ. אה, איזה מגניב. כן, אמרתי, עכשיו, אני רוצה עוד פעם, עכשיו, היום, עוד שעה של להרצות עוד פעם. גדול. כן. גדול. כי זה כל כך היה כיף, וכל כך,
וגם כל כך הרגשתי הקלה שנהניתי מזה, כי פחדתי ממשהו כל כך הרבה שנים ופתאום הרגשתי שכיף לי ואני מקבלת פידבקים טובים ונהניתי ואמרתי, אני רוצה עוד ועוד ועוד. אז ממש נהניתי מזה. מטורף, מטורף, מטורף. תגידי, חוץ מ... סיפרנו כאילו על מה הרגשות שהרגשת, אבל מבחינת העבודה שעשית, איזה עבודה עשית כדי שאת חושבת שבזכותה בסוף היה לך שם כיף? הוורדה רגשית? או רגשית או אפילו מקצועית, זאת אומרת, על התוכן. את מרגישה שעבדת עליו נורא קשה, או שזה כזה בא לך בקלות, או... לי אישית עזר שרציתי לדעת בדיוק מה אני מעבירה, ובדיוק מה אני אומרת. לי פחות זורם כזה שיהיה שקופית, ואני יודעת כזה את הנקודות שאני רוצה לדבר עליהן, ואני פשוט אדבר עליהן. לי זה לא עובד ככה.
כן. אבל גם בניתי... לפחות בינתיים לא. נכון. אגב, אבל גם בניתי את ההרצאה בצורה כזאת שהיא מאוד סיפורית. זאת אומרת שהיא לא שקופית, ועכשיו נעבור על שלושת הנקודות של השקופית, אלא בניתי סיפור. במקרה שלנו זה היה שיח ביני לבין מפתח אחר, והפינג פונג הזה הוא כמו... הוא קצת כמו הצגה, כן? כן. אני דמות אחת ואני דמות שנייה, ומתוך זה הרגשתי הרבה יותר בנוח להעביר את המסר המקצועי דרך הסיפור או דרך המחזה של זה. אז אם אני קצת מכליל, אז בעצם מה שאת מספרת זה שמצאת איך לעשות את העניין עצמו בדרך שהיא יותר נוחה לך ולמי שאת, זאת אומרת, איך שאת אוהבת או יותר מרגישה בנוח לעשות את הדברים. שזה גם העניין של הדיאלוג, ושזה קצת הצגה, וגם העניין של ה... אמרת, לי הייתה חשובה לדעת ברמה של מה אני אומרת בכל שקף ולהכיר את זה טוב.
ברמה ששיננת? כן. כאילו שיננתי... אל תתביישי, זה לא מתבייש. שיננתי, זאת אומרת, ידעתי, דייקתי מאוד את המשפטים. גם כשיש לך הרצאה כזה קצובה בזמן, אז אתה רוצה שכל מסר יהיה מדויק. אז דייקתי את המשפטים. אז נשמע שעבדת הרבה מאוד על ההרצאה. כן, כן, עבדתי הרבה. כי את זה כאילו לא סיפרנו. כן, כן, עבדתי הרבה. זה לא שחשבתי שהיה לי פחד, ואז גיליתי שבעצם אני אותה כוכבת תיאטרון מכיתה ח'. לא. לא, לא, לא. עבדת על זה, בגלל זה שאלתי איזה עבודה, זאת אומרת. לא, אה, אוקיי. ברמה שאת יודעת שהמשפטים, ושזה עומד בול בזמנים, ושאת יודעת בכל שקף, זה מה שעבדת על זה הרבה. עבדתי על זה הרבה. גם לבנות, גם לעמוד בזמנים, ואז לקצר, ולהוסיף, ולדייק. עבדתי על זה הרבה, אבל אני מרגישה שעבדתי על זה הרבה לכנס הזה. ואז אם אני עושה את זה בעוד כנס, אז זה כבר די מוכן. נכון, נכון, רק שעכשיו את צריכה לעשות את זה באיטלקית. זה נכון. לא טובים באנגלית. כן, חשבתי איזה משפטים אני אכניס שם באיטלקית. נחמד מאוד, נחמד מאוד. אוקיי, אוקיי, אוקיי.
אז עכשיו, בוא נדבר על מה שהעברת באותה הרצאה שהעברת, שקשור לבינה מלאכותית. יאללה. תסבירי לנו קודם כול, רגע לפני, לא, אני לא אשאל אותך על הדוקטורט שלך, אני רוצה להתחיל מהבשר עצמו. בשני משפטים, איך, אל תסבירי לי עוד איך היא עובדת, הבינה המלאכותית, אבל איך בינה מלאכותית עוזרת ממה שאתם מציעים לאותם רופאים שמתעסקים בפריון או מרפאות שמתעסקות בפריון? זאת אומרת, מה השימוש והיישום שלה שם בצורה הכי כללית וכותרת של שתי משפטים שאתם עושים. אוקיי, תדמיין שאתה רופא בקליניקה של פוריות, ובא אליך זוג ורוצה שתעזור לו, אוקיי? לעשות איזשהו IVF, תהליכי הפריה מלאכותית.
אוקיי, ואתה רופא ואתה רוצה להסתכל על התיק הרפואי של המטופלת שלך, אוקיי? כי אתה רוצה לבדוק איזה ערך של הורמון מסוים, או אתה רוצה לדעת מתי יש את הבדיקות דם, או מתי ביוט שלה. והיא הסוכר של הגבוה. בדיוק, כל מיני שאלות כאלה. כן. ואז אתה ניגעס למחשב, איפה שמור, איפה שמורות הבדיקות דם שלה? אה, זה במערכת הזאת. אבל ההורמון שמור במערכת אחרת, אה, זה במערכת הזאת. והיא שלחה לי סיכומים רפואיים, וזה בקובץ PDF, אז אני בכלל צריך ללכת למשהו אחר. ועל זה אין בכלל תיעוד. וכן, או שיש תיעוד, אבל הוא לא... נכון, אומרים שהמרפאות הן טכנולוגיות. נכון, הן טכנולוגיות והן במחשב, אבל הגישה לדאטה היא עדיין מאוד פרימיטיבית. אם המפתח של המערכת הרפואית לא הגדיר לך שדה, להורמון הספציפי הזה, בפרונט-אנד, אוקיי? אז אתה צריך לחפש את זה ב-PDS. אתה צריך לתת את זה בהערות. כן, בדיוק, בפריטקסט, בהערות, ולך תמצא את זה. ועכשיו, זה רק שתי שאלות מאוד פשוטות שאמרנו על הורמון בדיקת אדם.
יש להם מיליון שאלות כאלה שהם רוצים לשאול על הדאטה הרפואי של המטופלות, אצלנו בזה, של פוריות, אבל זה נכון גם לכל קליניקה רפואית. והם רוצים לשאול שאלה ממש פשוטה, לקבל תשובה, ויאללה, להתקדם, כאילו... וזה מאוד מתסכל אותם. אותם זה את הרופאים. את הרופאים, וגם מבזבז להם מלא זמן. כן. מבזבז הרבה זמן. אז הכלי שפיתחנו, ואני מדברת עליו בהרצאה, בעצם אומר, בוא רגע נלך, אני רוצה שהרופא יוכל לשאול שאלה על הדאטה הרפואי של המטופלות, ולקבל תשובה. זהו. אוקיי. זאת אומרת, בעיה של המחשב או וואטאבר, תכף נגיד מה זה שם קורה, אבל בעיה שלהם, שיעשו כל מה שצריך. בדיוק. את כל מה שהוא היה עושה בעצמו, או בדרך אחרת, לא אכפת לנו, אבל שהוא יקבל תשובה. אבל התשובה צריכה להיות מהימנה. הוא לא שאל אם אני רוצה שלוש או ארבע קילו תפוזים במשלוח, הוא שאל אם יש פה, או אפשר להביא פה ילד, בדיוק. או איך להביא ילד.
אוקיי. אז אני קודם כל, אני רגע מניחה שהוא כן שואל שאלה על דאטה שקיים במערכת. זאת אומרת, אני חושבת, אני מניחה שהדאטה קיים איפשהו במערכת, בדאטה בייסים, בקבצים וכולי. ואני רוצה להבטיח, אני גם מניחה שהוא שואל את זה בשפה חופשית, כן? כמו שהוא שואל קולגה. תגיד, מה רמת הורמון של, אוקיי, כזה. ואני רוצה להבטיח שהתשובה שאנחנו נותנים לו, קודם כל היא מורשית, זאת אומרת, הוא רואה רק את הדאטה שהוא מורשה לו, אוקיי, הוא לא מקבל תשובה מדאטה של פציינט אחר שהוא לא יכול לראות, או הדאטה צריכה להיות מורשה, ו... מה זה אומר מורשה? מורשה זאת אומרת שמבחינת חיסיון מידע, כן. הוא לא רואה, נגיד, אם יש למטופלת בעיה אחרת לגמרי, שלא קשורה לפריון, בשום מובן, אסור לו לראות את זה. בדיוק, עכשיו שיש לה גם עניינים נפשיים, אוקיי? גם אצל פסיכיאטר, אוקיי? ונגיד, הם עובדים באותה קליניקה, אבל הרופא פריון לא אמור לראות את העניינים האלה.
אוקיי. אז בתשובה שאני נותנת לו, אני רוצה לוודא ש... ויכול להיות שהוא שאל על זה, אולי הוא שאל על זה, כן. אבל אם הוא לא מורשה לקבל את המידע, אני לא אתן אותו. אוקיי. אוקיי? אז זה דבר אחד, מורשה, ושהתשובה רלוונטית, ואמינה. כן, שהיא באמת מבוססת על דאטה אמיתי, שהתשובה לא מחסירה פרטים, או לא מוסיפה פרטים, או לא משנה פרטים. כן. אוקיי? זה הסקופ של הכלי. כן. אוקיי, אז איך אנחנו עושים את זה? כן, אז תשמעי, בוא נתחיל רגע מהסוף. אני יוצא לעבוד עם ChatGPD, מה אני אגיד לך? דברים הרבה פחות רציניים מהאם כן או לא, ואיך לעשות IVF, אני לא יכול לסמוך עליו. אז איך מגיעים, אם זו הטכנולוגיה שיש לנו היום, איך מגיעים למקום שכן אפשר לסמוך על ChatGPT כזה או אחר שיושב שם בתוך המחשב שבסוף הרופא מדבר עליו.
ובשביל זה אני רוצה שכן אנחנו, בגלל שהקהל של הפודקאסט הזה הוא גם אינטליגנטי וגם סבלני, כי הפרקים תמיד ארוכים, אז אני מניח שאנשים סבלניים. אני רוצה שהם כן יהיו איתנו כמה דקות, זה לא הולך להיות מסובך או זה, אבל כן צריך כמה דקות, שתהיה סבלנות כדי שנסביר, את יודעת, מה זה Generative AI ומה זה מודל שפה, ואיך מגיעים מהמקום הזה למקום שבסוף את יכולה לתת את כל מה שאמרת, תשובה שהיא מורשית ואמינה וטובה, אוקיי? אוקיי. אז תעשי לי כזה שיעור למתחילים. אוקיי. אז נתחיל מלהגדיר מה זה Generative AI? אוקיי. אוקיי, אז Generative AI זה שם כולל למודלים שנכנס אליהם באינפוט תמונה, טקסט, קטע קול, אוקיי? ובאאוטפוט, בגלל זה זה Generative, יוצא גם טקסט, תמונה, קטע קול, אוקיי? בשונה ממודלי AI אחרים שהם לא Generative, שהם נגיד מסווגים.
נכנס תמונה, הוא אומר לך כלב או חתול. אוקיי, אז זה מודל של Machine Learning, של בינה מלאכותית, אבל הוא לא Generative, הוא לא מייצר דאטה חדש. אוקיי, אז הוא יודע לסווג או לקטלג או למיין. בדיוק. בדיוק. אז אנחנו בעולם הזה של מודלים שמייצרים מידע חדש, או טקסט חדש או תמונה חדשה. בתוך העולם הזה יש את ה-Generative AI של תמונות, שזה מה שאמרת. דלי ומיג'רני וחבריה. כן, ואני בתור אסטרונאוט ברקע של ניו יורק. כן. שעל זה לא נדבר היום, אוקיי? זה Generative AI. לא נדבר על זה אף פעם, אני מבטיח. כולם מדברים על זה פי מיליון ממה שצריך את זה, בסדר, את זה נשים בצד. יש לזה את היתרונות ואת ה... יש, אחלה. פשוט את הפרופורציה, איבדנו את הפרופורציה. אוקיי, בואו נדבר על הטקסט. אז על טקסט, אז אנחנו נדבר על הטקסט, שזה בעצם ה-Large language Models LLM. אוקיי, אז LLM זה מודלי שפה גדולים. אז מה זה אומר? מודלי שפה גדולים, נכנס אליהם טקסט,
טקסט אפילו מקטעים ארוכים וגדולים של טקסט, זה יכול להיות משפט, זה יכול להיות ספר, ובצד השני יוצא טקסט. השאלה, מה, איזה משימה נתנו למודל שפה. אז איזה משימות הם יודעים לבצע? הם יודעים לבצע משימות של סיכום, הנה טקסט, תסכם לי אותו. אוקיי, בואו ניקח דוגמה סתם. הספר שלי למנהלים, אז אני עכשיו נותן את זה ל-Gen AI, ואת אומרת, אתה יכול להגיד לי, דבר ראשון, תסכם לי את הספר. כן. נכון? כן. למשל, אוקיי. או תסכם לי את הפסקה, או תסכם לי את ה... או מה, מה... אתה יכול להגיד לו איזה ציטוטים הופיעו בספר. אוקיי. אוקיי? אתה יכול, זה נקרא שאלות ותשובות, אוקיי? אתה שואל שאלה, זה יכול להיות שאלה, ושהתשובה נמצאת בידע הכללי של המודל, מה זה אומר? שהוא יתאמן על הרבה הרבה דאטה, וכביכול הוא אוגר בתוכו ידע, שתכף נדבר מה זה אומר לאגור ידע.
ספוילר, זה לא באמת לאגור ידע. או שאתה נותן לו, אתה שואל שאלה, ואתה נותן לו איזשהו מקטע טקסט שעל בסיסו הוא צריך לענות על השאלה. אז הם גם טובים במענה על שאלות, טובים בתרגום, תרגום של משפה לשפה, טובים בכתיבת קוד, ביצירת קוד, או בתרגום, גם כשאני כותבת, גם כשאני אומרת לו, תכתוב לי קוד על לייצר, לא, אתה תכתוב לי פונקציה ש... טיימר. כן, טיימר. אז זה גם, זה גם תרגום, כי זה משפה אנגלית חופשית לשפת קוד. זה גם, זה גם תחת, יכול להיחשב תחת יכולת תרגום. אמ... לזהות אישויות בתוך טקסט, תחלץ לי, זה, תחלץ לי את שמות האנשים מהטקסט, תחלץ לי את שמות ה... מה שמות הגיבורים בספר? כן. כן, אוקיי. למרות שבספר שום מקום לא רשום, שם הגיבור הוא משה. הוא צריך להבין לבד שמשה הוא גיבור בתוך הספר. אז בואי ננסה להבין איך הוא מבין את זה.
כן. ומה זה אומר שהוא יודע. אז בואו נדבר רגע על איך אימנו מודלי שפה. אז מודלי שפה זה בעצם אוסף פרמטרים מאוד מאוד גדול, אוקיי? מיליארדי פרמטרים, שבהם המודלים האלה אומנו על קורפוס דאטה מאוד גדול, שזה אומר כל האינטרנט, כל הספרים, הרבה מאוד ספרים, הרבה מאוד ספריות קוד, פורומים, אוקיי? כל פיסת טקסט שאתה יכול לחשוב עליה, ואיך הם אומנו. איך הם אומנו? המודלים האלה אומנו לחזות, בהינתן איזשהו מקטע טקסט, תחזה לי, מה המילה הבאה. אוקיי. זה בהפשטה, זאת אומרת, יש... כן. יש דברים יותר מוקפים. זאת אומרת, אם אני אגיד לו, היום בבוקר הלכתי לה, והוא באינטרנט ראה מיליון פעם, היום בבוקר הלכתי לגן, אז הוא יגיד לגן. ואם הוא ראה 17 מיליון פעמים, היום בבוקר הלכתי לבית ספר, אז הוא יכתוב לי לבית ספר, כי הוא יגיד, 17 מיליון זה יותר ממיליון. כנראה שהוא התכוון,
הלכתי לבית ספר. נכון. אז בוא רגע, דווקא ניכנס לזה יותר לעומק. יופי. את מה שהוא חוזה זה את ההסתברות. יש לו, במוצא שלו, של המודל, יש לו את כל המילים במילון, אוקיי? כל המילים במילון, זה נקרא אפילו חלקי מילים מהמילון, אוקיי? נגיד שתיים, שלוש אותיות. Propositions. כן, זה נקרא tokens, אוקיי? אז הוא חוזה מה ההסתברות לטוקן הבא, אנחנו נפשט את זה מה ההסתברות למילה הבאה. אוקיי? נגיד יש לו 40,000 מילים. אז הוא אומר לבית ספר, יש סיכוי 30% שהתכוונת לבית ספר, 10% שהתכוונת לגן, ועוד 60% שנשאר כל מיני מילים באנגלית. נכון, ויש גם כאלה שהוא ייתן להם אפס. כן. כי... אף פעם, אף אחד לא אמר, היום בבוקר הלכתי לגשם. נכון. או לגשם, או למטריה. בדיוק. ואז, אוקיי, ואז איך מאמנים? בהתחלה אתה אומר לו, היום בבוקר הלכתי לטח, זה את המילה הבאה, והוא חוזה רנדומלית, הוא חזה גשם. סתם, רנדומלית. רנדומלית או שהוא נותן את מה שיש לו את ההסתברות הכי גבוהה? לא, בתחילת האימון, רנדומלי. אנחנו עכשיו בתחילת האימון, רנדומלי.
אה, הוא עוד לא יודע כלום. הוא לא יודע כלום, אוקיי? אז בהתחלה הוא סתם חוזה, כי הוא לא יודע כלום. הוא נולד, הוא יודע שהוא נולד לו, הוא לא יודע שהוא נולד. אין לו מודעות. אוקיי. זה עוד לא, אנחנו עוד לא ב-2025. 25. אוקיי. אוקיי, ואז הוא אומר, אני חוזה גשם, ועכשיו אתה הרי, יש לך את כל הטקסט עם המילים האמיתיות שהופיעו בו, אז אתה יודע שהוא היה אמור לחזות, מה המשפט שלנו היום? לבית ספר. היום בבוקר הלכתי לבית ספר. הלכתי לבית ספר. אז אתה אומר, אוקיי, בין המילה בית ספר למילה גשם, יש איזושהי שגיאה, אוקיי? אני מחשבת את השגיאה הזאת. זה נקרא שאני מפעפע אחורה את השגיאה במודל, זאת אומרת, אני עושה כל מיני פעולות מתמטיות, שבהן אני מחשבת את השגיאה, ועכשיו המודל משנה את הפרמטרים שלו קצת לכיוון זה שהוא ייתן יותר הסתברות למילה בית ספר ופחות הסתברות למילה גשם. כאילו אם אני קצת בכוונה אפשט את זה, אל תכעסי כי אני באמת מנסה זה, זה כאילו אני משחק איתו קר חם. אז האם אמרתי לו קר או אמרתי לו קפוא, קפוא, קפוא? אמרתי לו חם, אמרתי לו לוהט, לוהט. אם אמרתי לו לוהט, אז הוא קצת קרוב,
אם נתתי לו קר, אז הוא ממש רחוק. נכון, זה גודל השקיעה, בדיוק. גודל השקיעה זה כפו כפו, ובדיוק. ואז, עכשיו, תחשוב שעושים את זה על מיליוני חלקי טקסט, מיליונים של מיליונים, ועושים את זה המון המון פעמים. על כל מיני גדלים של משפטים. על כל מיני גדלים של משפטים. יש גם שיטות אימון שזה לא רק לחזות את המילה הבאה, זה לחזות את המילה באמצע משפט, ואז הוא גם רואה את ה... הוא רואה את תחילת המשפט, הוא רואה את ההמשך. זאת אומרת, אני עכשיו, הוא כמו, אני מדמיין צינור, צינור, שזה הצינור הזה, זה הוא, הבינה המלאכות, המודל שמנסה ללמוד, ואני מתחיל לשפוך עליו את כל האינטרנט, ואני כל הזמן מתעלל בו ולא אומר לו את הסוף של המשפט. והוא נותן את הזה, ואני אומר לו, היית בכיוון, קרחם, קרחם, קרחם, קרחם, אני שופך עליו מלא מלא מלא מלא מהאינטרנט. עכשיו, אף אחד אין לו את הזמן לשפוך אליו את כל האינטרנט בעצמו, נכון? אז זאת אומרת, אני לא צריך שמישהו יגיד לו קר חם, המחשב יכול להגיד לו קר חם, כי המחשב יודע את הסוף של המשפט, כי הוא הכניס לשם את המשפט.
אז הוא רק אומר לו, היית בכיוון, לא היית בכיוון, לא היית בכיוון, לא היית בכיוון. ועם הזמן, כמו שילדים לומדים את העולם, אז גם הוא לומד, שבדרך כלל בבוקר הולכים לבית ספר ולגן, ולא הולכים לשווארמה, ולא הולכים לדוב. נכון? אוקיי. לא רק זה, הוא גם לומד יכולת על אותו משפט. לדוגמה, אתה אומר, היום יום, היום זה יום, רביעי, היום זה יום גשום, היום זה יום מעצבן, נכון? יש לך כל מיני. כן. אבל אם אתה אומר, אתמול היום שלישי, היום זה יום, אז אתה כבר, יש לך קונטקסט יותר ארוך. לך, בתור בן אדם, ברור שהיום זה יום רביעי. רביעי, כן. אבל כשאמרתי לך רק היום זה יום, יכולת להשלים את זה בכל מיני דרכים. נכון. אז גם הוא לומד שכשיש לו קונטקסט, המילה הבאה, יש יותר סיכוי שהיא תהיה מילה מסוימת ולא מילה אחרת. זה לא סתם כאילו בהינתן מילה, מה המילה הבאה? זה בהינתן כל הקונטקסט, כל הקונטקסט מהעבר נקרא לזה, אוקיי?
ועכשיו הקונטקסט הזה יכול להיות נגיד הספר שלי, כמו שאמרנו קודם, נכון? נכון. זאת אומרת, בהינתן הקונטקסט שהוא הספר שלי, עכשיו אני אגיד לו מה כדאי למנהלים לעשות, כשהם צריכים לפטר עובד, אז יש לו את הקונטקסט של הספר. כן, אתה עכשיו מדבר לא בשלב האימון, זה נקרא שלב אינפרנס, זה השלב שאתה כבר משתמש במודל, אומן כבר. אוקיי. הוא כבר אומן. כן. אז רגע, רק נסיים עם האימון. בסוף האימון, המודל יודע לחזות בצורה מאוד טובה, בהינתן קטע טקסט מאוד ארוך, מה ההסתברות למילה הבאה? ואז הוא נתן מילה, עוד פעם אתה מכניס אותה לאיכות, מה ההסתברות למילה הבאה. וככה הוא אוסף לך עוד צ'אט GPT, נכון? מילה, מילה, מילה, מילה, מילה, זה קורה לך נורא מהר, אבל בסוף הוא מוציא לך תשובה. כן. אז זה היה שלב האימון. עכשיו אתה מדבר על שלב האינפרנס, השימוש. בשלב השימוש אתה אומר, אני רוצה להכניס לו מידע שהוא לאו דווקא יתאמן עליו. נכון? כי הוא השתאמן עד 2022, 2023,
אבל עכשיו אני רוצה שהוא יענה לי בקונטקסט מאוד מסוים על מידע שהוא לאו דווקא יתאמן עליו, ואני נותן לו אותו באינפוט. אז עכשיו הוא עושה את כל החישובים, זה מנגנון שנקרא Self-Etension, הוא מחשב את היחס של כל מילה למילים האחרות בקונטקסט שלו, אוקיי? נגיד סתם. כי הוא צריך לדעת בקונטקסט מה חשוב. כן, וגם יכול להיות שיש מילה שהיא מתייחסת, כאילו, נכון? אתה אומר, הבן שלי נדב, היום הוא הלך לגן. מי זה הוא? נדב, נכון? כן. וגם יכול להיות שנדב הופיעה בספר שלך, יכול להיות שנדב הופיעה בתחילת הפרק, כן? כן, כן. ואתה אומר הוא, לנו ברור שזה ההוא מתחילת הפרק. כן. אז הוא מחשב את כל הקשרים האלה, אוקיי? וככל שהמודלים יותר גדולים, הם יכולים לחשב את הקשרים יותר מורכבים, יותר רחוקים. ואז הוא גם, זה נקרא ריזנינג, הוא גם מבין, אתה שואל אותו על משהו בטקסט, הוא מבין כביכול
על מה אתה מדבר. עכשיו, ההבנה הזאת זה לא שיש לו איזה גרף ידע, כן? והוא נכנס לגרף ושולף את הידע אל הכול, זה העניין הזה של החישוב הסתברויות, חישוב קשרים בין הטוקנים האלה. כן. זה הקור של הטכנולוגיה. אוקיי, אוקיי. אז ככה מאמנים אותו. תגידי רק מה ההבדל בין מודלים פתוחים למודלים סגורים. אז ככה, מודלים, נתחיל מודלים סגורים. מודלים סגורים זה מודלים של החברות הגדולות, OpenAI, אמזון, כן. שהם אימנו את המודלי שפה הגדולים שלהם והם מאפשרים גישה דרך, זה נקרא דרך API, אתה שולח את הטקסט, מקבל את הטקסט חזרה, אבל אתה לא, אתה לא, אתה לא, המודל לא יושב אצלך במחשב, אתה לא יכול לראות את הפרמטרים שלו, אתה יכול לשנות אותו. הוא אצלם, אתה רק שולח טקסט, מקבל טקסט חזרה. כן. מודל פתוח זה מודל שמי שפיתח אותו
אומר, הנה, בבקשה, הנה המודל, קח, תתקין אותו אצלך במחשב, זה הפרמטרים, אתה יכול לשנות אותו, אתה יכול לקטוע אותו, אתה יכול להוסיף לו. לפעמים גם מתארים על איזה דאטה הוא אומן. אוקיי. זאת אומרת, אתה, זה מה שאני האמנתי, מפה אתה יכול להמשיך. הבנתי. או להשתמש כמו שזה או להמשיך. הבנתי. ואז על מודלים כאלה, מפתחים או אנשי דאטה סיינס יכולים ממש להמשיך לאמן אותם על משימות יותר ספציפיות או על הצרכים שלהם, מה שהם לא יכולים לעשות עם מודלים סגורים. כן. כי למשל יכולות להיות, סתם לדוגמה, הבדלים מאוד משמעותיים בין ילדים למבוגרים. ואם אני את כל... רוב האינטרנט הוא על מבוגרים, ואימנתי את כל הדאטה של כל ה-Large language model על מה שקורה למבוגרים, ועכשיו אני שואל דברים על ילדים, תשובות של פחות טובות, וזה היה ממש נחמד אם הייתי יכול לאמן אותו, רק על החלק באינטרנט שמדבר על ילדים. אותו דבר על תרבויות שונות. אותו דבר וכו' וכו' וכו'. נגיד עצם זה שאנגלית היא פי אינסוף יותר דומיננטית באינטרנט מעברית,
אומר שהרבה פעמים הוא ייתן לי דברים לאו דווקא שהוא יבין את התרבות הישראלית או העברית או הזה, כי הוא לא אומן על זה. הוא אומן על זה ממש בקטנה, לעומת כל מה שהוא אומן אחרת, ועכשיו הוא מאוד מאוד כל הזמן בקר, קר, קר, כאילו... מאוד. מבחינת עברית זה בכלל מאתגר, כי גם הוא יתאמן הרבה פחות טקסט, גם השפה, המבנה שלה שונה, וגם, הרי נכון, אמרנו שהשפה במודול, הטקסט במודול שפה הוא מחולק לטוקנים. מה זה טוקנים? זה חלקי מילה. אז החלקי מילה האלה הם מותאמים לשפה האנגלית. כן. וכשאתה עושה את חלקי המילה האלה בשפה העברית, זו לא הייתה המטרה שלהם. אז החלקי מילה בשפה העברית בסוף זה אות, או אולי שתי אותיות. כן. אבל אין לך אושר, אין לך אושר של... כן. ואז... אין כאילו, נגיד, די-פוקוס, כן. או אנפוקוס, כן. או אין את ה-d-on, כל הדברים האלה שכאילו חוזרים להבין. מילים נפוצות בעברית, של, זה, דברים שכאילו, אם היה לך טוקן מיוחד להם,
זה היה הרבה יותר משפר את הלמידה. אם אתה יודע שאתה רוצה לחזות את המילה של, אתה לא צריך לחזות ש' ולמד, פשוט של. כן. אבל זה לא אומן ככה, אז זה משפיע על היכולת שלו לעבוד בעברית. אז אולי בעצם מה שצריך לעשות זה לקחת את העברית שלי, לעשות לו גוגל טרנסלייט לאנגלית, לשאול את עצמו באנגלית, לענות באנגלית, ואז לעשות טרנסלייט בחזרה לעברית. כן, זה ללכת, כן, זה לנסוע לאילת. זה לעשות טעות על טעות על טעות. לנסוע לתל אביב דרך אילת, ממש. אוקיי, אוקיי, אוקיי. טוב, עכשיו, סבבה. אז הדבר הזה עובד, וכולנו ניסינו chat GPT, אני בינתיים עברתי לאחד אחר, אני עוד לא ממליץ עליו, כי זה לא זה, כי chat GPT הוא באמת, הוא מלא בהזיות, הוא עונה לי דברים לא כל כך טובים, הוא קצת התקלקל, אני מדבר על ארבע בתשלום עדיין, הוא ככה וזה וזה. אז למי עברת? עכשיו אני רוצה להבין, מה? למי עברת? אני עוד לא מספר, עד שאני לא הייתי בזה חודש רצוף, ואני מוכן להמליץ. אוקיי. אבל אני מאוד מרוצה, מצטער על הפומו. אבל עכשיו, איך לוקחים את זה, ומשתמשים בזה למשהו כמו מה שאת סיפרת,
שקשור לרופאים, להחלטות רציניות, המלצה או אי-המלצה על IVF או על איזה הורמונים לקחת, איך לעשות את הטיפול, דברים נורא רציניים ומפחידים, זה לא HTTBT, בוא תכתוב לי שיר בחרוזים. אוקיי, אז באמת, המודלי שפה גדולים, הם פתחו בפנינו אפשרויות אינסופיות לתת, לפתח כלים עבור צרכים אמיתיים בתעשייה. אז בואו ניתן את הדוגמה שלנו. אז אמרנו שאנחנו רוצים שרופאים יוכלו לשאול שאלות על הדאטה הרפואי ולקבל תשובה בשפה חופשית. כן. אז תחשוב שאתה יכול לחלק את המשימה לשתיים, אוקיי? דבר ראשון, אתה רוצה, רגע, רגע, עוד משהו, נניח שהדאטה שלך שמור בדאטאבייס, באיזשהן טבלאות, טבלאות עם שמות של עמודות, ובכל עמודה יש את הנתונים הרלוונטיים שאתה שומע. כן, נגיד כל השמות של המטופלים וכל ההורמונים שהם לקחו. בדיוק, אוקיי?
אז הדאטה בייס הזה שקיים אצלך בלי קשר ללארג' ללימודג' מודלס, כן? נכון, בלי קשר ל-AI. יש לי את הדאטה בייס, יש לי איפשהו אקסל. בדיוק. אוקיי, ואז אתה אומר, אז אתה יכול להגיד למודל שפה, אמרנו שהוא יכול לעשות משימות תרגום, נכון? אז אנחנו בוא נשתמש בו בתרגום משפה חופשית לשפת קוד. איך נעשה את זה? נגיד לו, תקשיב, יש לי פה רופא שרוצה לשאול שאלה, שרוצה לשאול את השאלה הבאה, ואנחנו נוטים את השאלה של הרופא, מה רמת ההורמון של מטופלת? מה רמת ההורמון... לא, אולי באיזה רמת הורמון להמליץ לה עכשיו לקחת? לא, לא, לא. קשה מדי? לא. אני אגיד לך למה לא. כי עכשיו, מה שאני מתארת לך עכשיו, זה אנחנו לא רוצים שהוא ימליץ. כרגע, אוקיי? בפיצ'רים שאנחנו מפותחים. אנחנו לא רוצים את דעתו. בסדר, עכשיו קפץ למה שספציפית אתן נמצאות, אני מדבר על איך הייתי רוצה בהמשך. אבל בסדר, בוא נישאר איפה שהן נמצאות. אז הוא שואל מה רמת ההורמון שבדקו לה בבדיקה לפני חודשיים. אז יכולתי להגיד לו, הנה כל הדאטה בייס שלי,
עם כל המטופלות וכל ההורמונים שלהם, תענה לי על השאלה. כן. בגדול יכול להיות שהוא יצליח, כן? כי יש לו יכולת טובה לעשות את זה, אבל זה כמות אדירה של דאטה. הוא, זה לא הרופא עכשיו, הוא, זה הבינה מלאכותית. לא, לא, זה ה LLLM. כן. כבר הענשתי אותו, הענשתי אותו באלף. כן. אז יכול להיות שהוא יצליח לענות על השאלה, אבל זה כמויות אדירות של דאטה. ככל שאתה גדל, זה יותר דאטה שאתה צריך להכניס, כי האתגר הוא פה שאנחנו לא יודעים מה הרופאי ישאל. אנחנו לא יודעים על איזה מטופלת הוא ישאל. אנחנו לא יודעים איזה שאלה הוא ישאל. זאת אומרת, אנחנו לא, אם היינו יודעים מראש מה הוא ישאל, אז כבר היינו מכינים סט תשובות מוכנות, וזהו. אבל אנחנו רוצים לאפשר לו לשאול כל שאלה שהוא רוצה על הדאטה רפואי. אז אנחנו לא יודעים מה הוא ישאל, אז אנחנו רוצים להביא לו, להביא ל LLLM השני, בפעם השנייה שנקרא להם אנחנו רוצים להביא לו רק את הדאטה הרלוונטי. אז איך אנחנו עושים את זה? אנחנו, בפעם הראשונה שאנחנו פונים לאלאלם אנחנו אומרים לו, הנה השאלה מהרופא. והנה המבנה של הדאטה בייס, לא הדאטה עצמו, רק המבנה. איזה עמודות יש. שמות העמודות, בדיוק. נגיד, שמות ההורמונים.
כן, שמות ההורמונים ושמות ה... בדיוק, שמות ההורמונים, נגיד. כן. ועכשיו תייצר לי שאילתת שליפה מדאטה בייס, שזה שפת קוד, זה יכול להיות SQL, SQL, אנחנו השתמשנו בגרף, לא משנה, שפת שליפה מדאטאבייס, תכתוב לי את זה בשפת קוד, כך שתשלוף את המידע שרלוונטי לשאלה של הרופא. זאת אומרת, הדבר הראשון היה, תיקח שפה, אתם קוראים לזה שפה חופשית, זאת אומרת, זה לא שאני עכשיו יש לו drop downs והוא צריך לבחור כל מיני דברים, אלא הוא שואל איזושהי שאלה, דבר ראשון, תתרגם מהאיזושהי שאלה, תעזור להבין מה הוא רצה בכלל לחפש. נכון. עוד אל תחפש, רק תעזור להבין מה הוא רצה בכלל לחפש, שזה יכולת נפלאה כבר שיש ל-LLM. זה כמו שאני אומר, אם מישהו משתמש בצ'אט GPT, נגיד להגיש מועמדות ל-MBA או משהו כזה, אז נגיד ישראלי, יראה איזושהי שאלה כזאת מאוד מאוד אמריקאית, והוא יגיד לו, אני לא הבנתי מה זה, אז כאילו תגיד לי את זה רגע במילים שאני מבין, או הפוך במקרה הזה, הנה המילים שאני מבין,
לאיזה שאלה זה יעזור, אוקיי? איפה אני יכול לדחוף את ההמלצות שלי, ואז הוא יעבור על זה של ה-MBA והוא יגיד, השלב שבו רשום review, טו-טו-טו-טו-טו בכל מיני שפה שאף אחד לא מכיר, לזה שמה תדחוף את ההמלצות שלך. אוקיי, ואז יש, ואז מה השלב השני? אוקיי, ואז הוא יצא לנו שפת קוד ששולפת את הדאטה שיענה על השאלה כביכול. אוקיי. ואז את הקוד הזה אנחנו יכולים להריץ על הדאטאבייס, זה יותר מורכב מזה, כי יש פה ענייני סקיוריטי והכול, אבל נניח שאנחנו אחורי זה, אנחנו יכולים להריץ את הקוד הזה על הדאטאבייס, לקבל את ה... ואז אנחנו מקבלים רק את המידע המאוד קטן שרלוונטי לשאלה של הרופא. אנחנו עכשיו לא, לא, לא, לא מתעסקים עם כל הדאטאבייס, אלא רק על ההורמון שהוא שאל, הבנתי. רק על הבדיקת דם שהוא שאל, רק על ה... אני אנסה, למרות שכולם נורא גאונים שמקשיבים פופקורן, אני אנסה בכל זאת לתת עוד דרך כדי לפשט את זה, ותגידי לי אם הבנתי נכון. דמיינו שהספר של כל האנשים וכל ההורמונים שיש להם וכל שאר הבדיקות שיש להם, שזה בית ספר, סיפרת לנו גם קודם שזה לא רק ספר אחד, זה איזה 14 ספרים שכל אחד מהם בפורמט אחר,
אז יש 14 ספרים בפורמט אחר, וכל ספר כזה הוא עצום וענק. והייתי אומרת עכשיו, אני יכולה בעיקרון להגיד לצ'אט GPT שלכם, תחפש לי בכל זה את מה שאני צריכה, אבל זה ייקח לו כוח חישוב מטורף, כי הוא יצטרך לקרוא את כל הספרים, את כל ה-14 ספרים העצומים האלה. במקום זה מה שאני אומר את זה, הרופא שאל אותי משהו, תעשה טובה, רק תעבור על התוכן עניינים של כל הספרים האלה, ותגיד, באיזה ספר רלוונטי זה אמור להיות, ואיפה, באיזה פרק אמורים למצוא את הדבר הזה? ועכשיו, לזה תכתוב לי קוד פשוט, או נגיד לא פשוט כדי לעשות אתכם עוד יותר מוצלחות ומצליחות, אבל קוד מסובך, אבל זה, אבל מדויק מאוד. ועכשיו, את אומרת לו, עכשיו תרוץ לספר 7, בתוכן עניינים לפרק 3, ורק על זה עכשיו תעשה את החיפוש הגדול, ואז זה לא צריך כוח חישוב מטורף וזה, כי הוא כבר הרבה יותר ממוקד. מבחינה פרקטית, אני שולחת עוד קריאה ללם, זה אפילו יכול להיות LLM אחר, אוקיי? זה לא חייב את אותו אחד. אחד הביא לי את השם של הפרק, אוקיי? של התוכן עניינים של הספר הנכון. כן, וה-LLM השני, או הקריאה השנייה,
היא כבר, אני נותנת לו את התוכן של הפרק הספציפי הזה, והשאלה של הרופא, מתוך התוכן הזה, תענה לי על השאלה. מגניב. ובוא נוסיף על זה עוד. רגע, והתשובה תהיה בשפה חופשית, אוקיי? זאת אומרת, התשובה היא גם, כמו שהשאלה נשאלה, וואלכ, יש לה הרבה. יש לה מנה מזה. לא, אז שפעת. אחלה הורמון יש לה מזה. לא, אנחנו רוצים, אנחנו רוצים שהיא תיתן את זה בשפה, לא, בשפה חופשית, אבל מקצועית, כן? רמת ההורמון היא כך וכך. אבל עוד משהו מעניין. אני אמרתי לך, דרך אחת להביא את המידע מהספר הזה. כן. יש עוד דרך שהיא, שהיא גם נראה לי אחת הפריצות דרך ב-AI, כן. שהיא אומרת ככה. תחשוב שעכשיו, תחשוב שעכשיו הרופא שואל שאלה, ובוא נגיד שיש, נגיד עכשיו הרופא שואל שאלה איך, הוא לא באמת ישאל את זה, כן? אבל איך מזריקים הורמון מסוים, כן? נניח הוא שואל שאלה כזאת. כן. נגיד, יש לך פרוטוקול בקליניקה לאיך עושים את זה.
אוקיי. יש לך פרוטוקולים על כל מיני פרוצדורות. אוקיי. ואצלך הוא יודע שספר, מתוך 14 הספרים אמרנו, ספר 13 זה הפרוטוקול של המרפאות. כן, אבל איך אני מביא את ספר 13? אז אמרנו, אז אמרנו, שיטה אחת זה לתת לו את כל תוכן העניינים של כל הספרים, ותביאי את הפרק הספציפי. שיטה אחרת זה להגיד, כל פרק, אני, אהמ, אני הופך לווקטור, אוקיי? אני הופך לווקטור מספרי, שהוא מייצג לי את התוכן שנמצא בפרק. אוקיי. ואז, כל פרק כזה יהיה לו ייצוג מספרי קצת אחר, כי כל פרק מדבר על משהו אחר. ואז אני אקח את השאלה של הרופא. גם אותו אני אהפוך לווקטור מספרי, ואז אני אבדוק את המרחק בין שני, בין השאלה של הרופא לבין כל הפרקים שלי בספר. ואני אקח את הפרק שהמרחק הכי קרוב בין השאלה של הרופא לפרק. כן. ואז, מה זה אומר, מה ההיגיון מאחורי זה? שכל התוכן הוא מיוצג, הווקטור הזה מייצג אותו במרחב,
אבל הוא מייצג אותו ככה שהמשמעות הסמנטית, התוכן, היא קרובה, של הפרק קרובה לשאלה שהרופא שואל. כן. ואז, גם אם לא הופיעו המילים המדויקות, מתי זה טוב? כשאני רוצה לחפש תוכן שאין לי את המילים המדויקות שהרופא השתמש בהם. כן. הוא דיבר... זאת אומרת, שאלה שהיא גם יותר אולי נדירה, או לא מאופיינת היטב, או אין הרבה ממנו, אין הרבה דוגמאות ממנה, נכון? בעצם. גם העניין הזה, וגם העניין שיכול להיות שהוא התנסח בצורת ניסוח שלו, הייתה במילים שהן לאו דווקא המילה הספציפית מופיעה בפרק, אבל אנחנו מבינים שזה אותה כוונה, וגם ייצוג סמנטי-וקטורי מבין שזה אותה כוונה, כי זה באותו מרחב. אוקיי. אז זה גם יכולת מאוד חזקה שמשתמשים בה היום במודלים האלה. אוקיי. אז בעצם, בסופו של דבר, בזכות הדברים האלה, עכשיו הוא יכול לקבל תשובה הרבה יותר מהירה, ומהימנה. נכון. אוקיי. ועכשיו, כשאת מדמיינת
עוד חמש שנים, שזה בטוח קורה לכם, כי אתם סטארט-אפ, אתם הולכים למשקיעים, ואתם מספרים להם מה יהיה עוד חמש שנים, מה יהיה עוד חמש שנים שאתם תוכלו לעשות, שאתם לא יכולות לעשות היום? כי זה יקר מדי, או איטי מדי, או מסורבל מדי, או סתם לא הספקתם. אני חושבת שאנחנו נוכל לעשות הרבה דברים שאנחנו כן יכולים לעשות היום, אבל באמת, עדיין יש עניין של תעדוף, כמו למשל, תחשוב שיש ישיבות, שיחות, שיחות בין מטופל לרופא, אוקיי? כן. ובשיחה הרופא מדבר, ואז הוא כותב. היא צריכה, כן. את צריכה ללכת ל... כן. לא יודעת מה, שאיבת ביציות, את צריכה ללכת, זאת אומרת, הוא נותן לה כל מיני משימות, או שהיא מספרת לו על כל מיני סיפטומים, והוא יושב וכותב. תחשוב שהם יכולים רק לנהל את השיחה. כן. ויש הקלטה של השיחה. כן. ואז יש לך טכנולוגיה שמהקלטה של השיחה הופכת את זה לטקסט. מהקלטה של השיחה היא מזהה דוברים, מי הרופא, מי המטופל, אולי האחות נכנסה באמצע. כן. מתוך זה היא מוציאה סיכום, מתוך זה היא מוציאה משימות,
מתוך זה היא מוציאה פגישות ביומן, מתוך זה היא מוציאה... זה גם הופך להיות... הזמנה של... וזה הופך להיות גם הקונטקסט לכל השאלות הבאות. נכון. כי הרי כל פעם שבאים לרופא הזה, הוא קורא את כל מה שעשה קודם, או הרופאים האחרים עשו לפניו, ורק אז הוא מתחיל לדבר. זאת אומרת, הוא קודם אוגר את הקונטקסט, ואז הוא מנסה לענות. אבל אני חייב לשאול אותך, מבלי להעליב, למה שנצטרך בסוף את הרופאים? אוקיי, אז זה מתקשר לי לשאלה שאמרתי לך, לא, לא, לא, לא. אוקיי. כי אתה שאלת, תמליץ לי על מין משהו של המלצה. כן. אז היום הגישה, יכול להיות שזה ישתנה, אבל היום הגישה שהשימוש במודלי שפה היא פחות להמלצ... בהקשר הרפואי, כן? בהקשר שאנחנו, חשוב לנו מה... כן. חשוב לנו המוצא של המודל. היא פחות להמלצה ויותר לעזרה בסיכום ארגון תמצות וכו'. אז אנחנו לא נשאל אותו תמליצי על התרופה המתאימה, לפחות לא מודל שפה, אולי מודל בינה מלאכותית אחר. כן. אבל מודל שפה, אנחנו לא נשאל אותו תמליצי על תרופה שמתאימה,
וזה ידע שלחלוטין אנחנו צריכים את הרופאים בקביעת הפרוטוקול, בקביעת התרופות וכו'. אבל אם בסופו של דבר ה-AI שלכם יוכל לאסוף מידע מ-10,000 רופאים שכל אחד מהם פוגש כל יום שבע מטופלות, ובסך הכול במשך שנה יש מיליון רשומות, האם לא תוכלו לתת תשובה יותר טובה מאשר כל אחד מהם נותן לנפרד, כי היא תסתמך על דאטה הרבה הרבה יותר גדול? אוקיי, אז בעזרת מודלים אחרים שהם לא large language models, אלא מודלי חיזוי, אוקיי? מודלי machine learning, אבל שהם לא large language models, אז כן, נוכל לתת פרדיקציות, נוכל לתת חיזוי, נוכל לתת המלצות. עדיין, עדיין, עדיין אתה צריך את מישהו שיבין על בסיס מה ההמלצות, ויבין האם הם make sense. כן. ובסוף ההחלטה צריכה להיות פה של רופא, של בן אדם. כן, כן. אבל זה יכול לעזור לו, זה יכול להגיד לו, תשמע,
כן, זה גם לפעמים שאנחנו עובדים, אבל תשמע, נשים בגיל של המטופלת הזאת, בסימפטומים דומים, אוקיי? נשים שעשו את הפרוטוקול הזה, כך וכך מהן המשיך להיריון, כך וכך מהן המשיך לילד בריא, אוקיי? נכון. שתדע, שתדע. לא, גם כי אחת הבעיות שיש היום, שזו כאילו בעיה טובה, אבל זו עדיין בעיה, המחקר הרפואי נהיה הרבה יותר מהיר, גם בזכות AI, אבל לא רק AI, בזכות בכלל כוח מחשוב. הוא נהיה הרבה יותר מהיר, ויש מחקרים חדשים, ויש פרוטוקולים חדשים, ויש התנסויות חדשות. זאת אומרת, הקצב הוא מאוד מאוד גבוה. כששואלים את הרופאים, הם אומרים, אני לא מספיק לנסוע לכל הכנסים שהייתי צריך. זאת אומרת, רופא, אתה מגיע לרופא, ובפוריות לפעמים, סליחה שאני אומר, אתה מגיע לאיזה רופא שהוא בן, תכף 90, ויש לו המון ניסיון, אבל כנראה הוא לא היה בכנסים בשלוש שנים האחרונות, ויכול להיות שהוא לא יודע שכבר יש פרוטוקול שהוא טוב ב-20 אחוז, אני סתם אומר 20 אחוז, יכול להיות שזה עניין של אחוז, או 0.0000 אחוז, אין לי מושג בתחום הזה, אני סתם הדיוט,
אבל יכול להיות שיש משהו, הוכח ש-20 אחוז זה יותר טוב, הוא אפילו לא מעודכן על זה. ובמינימום, זה היה יכול להבהב לו שם ולהגיד, היי חביבי, תשמע, יש איזה משהו כאילו, בוא תראה. מעולה, זאת אומרת, להנגיש את הידע, הרכב ו... לתת לו את ה-Trashholding, או נורות אדומות, או נורות ירוקות, או לא משנה, או המלצות, או על זה, בסדר, מה שאתה עושה זה נכון, אבל גם, שים לב, יש פה כאילו עוד הרבה... אני איתך, לגמרי, זה יכול להיות שבהחלט יכולה לעזור. אוקיי. טוב, שירלי, היה נהדר. איזה כיף, ממש. אני מרגיש שאנחנו מבינים הרבה הרבה יותר טוב איך המודלי שפה האלה עובדים. אני שמח שאנחנו עושים איתם משהו קצת יותר אחראי. רק שאלה אחרונה, איך את יודעת, בסוף מגיעה איזושהי תשובה, יש איזשהו באפר בין התשובה שאת קיבלת אצלך בתוך המחשב לבין מה שהרופא רואה? זאת אומרת, את יכולת שאת תקבלי איזשהו רמזור שבא עם התשובה שאומרת, קיבלתי תשובה, אבל גם השאלה הזאת אומרת שזו הסתברות,
אז זה נכון כזה ב-50%, אז אולי עדיף שלא נראה לו את זה בכלל? אוקיי, אז זאת שאלת השאלות, ועל זה אנחנו עובדים הכי חזק. איך אנחנו מאמתים את התשובה... תראי, כמעט פספסתי את השאלה הזאת. כן, לגמרי. איימלא, אוקיי. איך אנחנו מאמתים את התשובה שהתקבלה על ידי המודל שפה, שהוא בסופו של דבר מודל הסתברותי, אוקיי? כמו שאתה אומר שג'אג'י בטיפה אם זורק שטויות, אז הוא יכול גם לזרוק שטויות. איך אנחנו מוודאים שהתשובה שהרופא רואה היא נכונה? כן. יש כל מיני טכניקות. טכניקה אחת זה תמיד להראות את התשובה בשפה חופשית יחד עם המידע מהדאטאבייס שנשלף. המידע מהדאטאבייס שנשלף זה המידע האמיתי, לא נגענו, כן? אם הוא כתב נכון את הקוד לפני זה. אוקיי, אז אתה מעולה. אז אתה מציג לו מה הייתה השליפה, זה מה שחיפשנו, זה התשובה מהדאטאבייס. כשאת אומרת מציג לו, זה מציג לרופא? לרופא. אוקיי, אוקיי. אתה שקוף, אתה אומר לו, התשובה היא על ידי AI. אבל מה, הוא מבין ב-SQL? הוא מבין בגרף-QL איך הוא ידע? אז אתה יכול להסביר לו במילים. המודל יכול לעשות עוד צעד, הוא יכול, אתה יכול להגיד לו, הנה קוד SQL,
תסביר במילים מה הוא עושה. אה, מגניב. אז הוא לא צריך לדעת שפת שליפה, את מסבירה לו במילים חופשיות מה ההצעה. שלפנו על שמות ההורמונים וחתכנו במטופלת X. מגניב. זאת השליפה. ואז הוא רואה את הנתונים, ואז הוא יכול להפעיל מחשבה ולהגיד, אוקיי, אם בכלל השליפה, עונה לי על השאלה. יש שיטות שבו אתה מחלץ את הטקסט מהתשובה ומעמת אותו מול אלמנטים בדאטה-בייס. זאת אומרת, יש עוד סדרה ארוכה של בדיקות שאנחנו צריכים לעשות כדי לוודא שהתשובה שאנחנו מציגים נכונה, והדבר הזה הוא בפיתוח. זאת אומרת, אנחנו עובדים עם קליניקות, שהרופאים שם, אנחנו מפתחים את זה יחד איתם, אוקיי? ויש מין פידבק כזה, פידבק לופ, ומקבלים את חוות הדעת שלהם ומתקנים ומשפרים, וזה משהו שבפיתוח, וזה מאוד חשוב לעשות את זה יחד איתם כדי, גם כדי להרגיל אותם, להסתכל על תשובה שהיא לא, שהיא מ-AI, הם צריכים לדעת שזה מ-AI, שזה לא... כן, אבל הבעיה היא שזה גורם לך להיות קצת עצלן.
זאת אומרת, אתה, מצד אחד את אומרת, אני צריכה להרגיל אותם שתהיה להם חשיבה ביקורתית. מצד שני, כבר קיבלתי תשובה, אז כאילו, בסדר, עכשיו יש לי כוח לבדוק, זה עבד, זה לא עבד. בבינה מתכוונת? כן. כאילו, אני משהו במשחק שלי עם בינה מלאכותית, אני רואה שבתחומים מסוימים מאוד, שזה התחומים היחידים שהוא נותן לי תשובה קצת יותר טובה, כי יש תחומים שהוא גרוע, ויש תחומים שהוא נותן לי תשובה קצת יותר טובה, אני נהיה נורא עצלן, ואני כל הזמן בלחץ. הוא אומר לי, תספר לי סיפור וזה וזה וזה, ואז הוא מספר את הסיפור, וכשיש לי כוח, מה שאני עושה, זה אני הולך לגוגל לבדוק אם משהו סיפר לי זה נכון. סיפור נגיד היסטורי, אוקיי? אני רוצה לספר סיפור על, לא יודע מה, לא מזמן עשיתי איזשהו וידאו על איך קרה הסיפור של נטפליקס. הוא ספר לי שם כל מיני דברים. אני יודע שאני אשכרה צריך עכשיו ללכת לגוגל ולבדוק דבר דבר עם מה שהוא סיפר לי, כי יכול להיות שאת הדבר השלישי והחמישי הוא ימציא. אבל מתישהו, כשאין לי כוח, אני אולי אגיד, טוב, בסדר, כנראה שהוא יודע על מה הוא מדבר. כאילו, אני גם מפחד שזה כאילו יעורר את העצלנות אצלם. אוקיי, אז אנחנו לא יכולים להרשות את זה לעצמנו, ולכן אנחנו יכולים, אבל אתה יודע, יש כל מיני דרכים לפתור את זה. יכול להיות ברמת הפרודקט,
ברמת איך אתה מדגיש להם דברים, ברמת זה שאתה שם להם, יחד עם התשובה, אתה שם להם לינק למקור שממנו לקחת את הדאטה, ואז, אוקיי, זאת התשובה, ותיכנס לבדוק. אוקיי, יכולים להיכנס לבדוק. יש פה גם הרבה עניין של טריינינג של הצוות הרפואי לאיך להסתכל על תשובה שנוצרה על ידי בינה מלאכותית. זה ביקורתיות אחרת. אין להם התנגדות? הם לא באים ואומרים, מה אתם מכניסים לנו את זה לקליניקה, מה אתם מנסים להחליף אותנו? הם מאוד סקרנים, אוקיי? מאוד סקרנים. מה זה, מה זה יחסוך לי? כאילו, בואי תראי לי מה אתם יכולים לעשות, כן? מגניב, מגניב. כאילו, הם משתפים עם זה פעולה. מגניב. טוב, שירלי, זהו, עכשיו אני קצת יותר רגוע. תודה רבה, תודה רבה שסיפרת לנו ולימדת אותנו, וכל הכבוד שהתגברת על פחד הבמה שלך. וואי, תודה. מקווה שיהיה מדהים בפירנצה. אמן. אני חושב שהשלב הבא זה השלב שמי שמרצה הרבה פעמים, אז את יודעת, יתחילו להיות לך התקלות. המיקרופון לא יעבוד, הקליקר לא יעבוד, המצגת לא תפעל, אולי יצא לך, כמו שקרה לי פעם בוורשה, ליפול מהבמה מול אלפיים איש.
כן, הלכתי צעד אחד יותר מדי קדימה כשהתלהבתי. ואת יודעת, ככה משתכללים, ובסוף את יכולה... בסוף צוברים חוויות. כן, צוברים חוויות. תודה רבה לכם. אני ממש-ממש אשמח אם תשלחו את הפרק הזה לבן אדם אחד שאתם מאוד אוהבים וחושבים שזה יעניין אותו, או תשתפו בקבוצת וואטסאפ שאתם אוהבים, כדי שביחד אנחנו נהפוך את העולם הזה למקום קצת יותר מעמיק, קצת יותר מעניין, קצת יותר טוב, קצת יותר פילוסופי ויורד לפרטים מאשר מה שקורה בטיק-טוק, שאני מאוד אוהב, אבל צריך גם את הדברים הקצת יותר הזה אז. ובכלל, שאנשים יקבלו קצת לינקים כאלה ולא יהיו כל היום רק בחדשות של המצב המאוד מאוד קשוח שלנו. חוץ מזה אתם מוזמנים, כמו שאמרתי לכם, להציץ בעמוד של שיעור יצירתיות בעבודה. אני חושב שיכול לעזור לכם גם ליהנות בעבודה, גם להיות יותר יצירתיים, גם לחשוב רעיונות מקדימים כמו ששירלי העלתה פה, ותמציאו בעצמכם מה אתם עוד יכולים לעשות עם בינה מלאכותית. הלינק בתיאור הפרק, ניפגש שם, ניפגש פה, בשבוע הבא, ועד אז תשמרו על עצמכם.
יאללה, ביי. יהיה סוף טוב.


