YUV.AI - בינה מלאכותית בעברית

וואו! מתרגש לשתף ש-OpenAI הגדולה פנתה אלי להצטרף לקחת חלק בפיתוח המודלים שלה! לפני כמה חודשים, Daniel Trabelsi הגאון, פרסם בקהילה שלי ש OpenAI פרסמו קול קורא למומחי AI והאקינג לעזור במחקר, לתקוף את המודלים שלהם ולשתף איתם פעולה מבפנים. מה שנקרא Red Team. נשמע מעניין. נרשמתי. חלפו החודשים - וממש לפני רגעים ספורים קרה הבלתי יאומן, OpenAI הגדולה פנתה אלי והם רוצים אותי, האחרון שבעם, לשיתוף פעולה על אף מספר המקומות המאוד מוגבל של התכנית. זה כל כך מרגש להיות ישראלי גאה שלוקח חלק באימפריה העצומה של OpenAI!!! צפו לעדכונים מרתקים!

רעידת אדמה!! מודל AI חדש של אפל!!! מההתחלה טענתי שאפל מחכה בסיבוב. והיא כל כך חכמה. אפל לא מיהרה, כבר שנה וחצי שכולם רצים סביב AI ורק אפל יושבת בשקט לא מוציאה הגה. זה היה לי ברור שזה בגלל שהיא לא תוציא תחת ידה מודל לא אפוי או חצי אפוי במקרה הטוב (אהמ מישהו אמר גוגל?) כשאפל בשקט כולם צריכים לחשוש. כי הנוק אאוט יבוא, וכשהוא יבוא הוא יעיף את כולם. כך היה תמיד איתם וכך יהיה. והנה הוכרז מודל של אפל שעוקף את GPT-4, וזה לא מפתיע אותי, כי הם בטוח יהיו טובים, ולא רק זה, אלא גם יעשו הכל כל כך Fine כמו שרק הם יודעים. אז מה החידוש? לפי המחקר שפורסם, צירפתי צילום מסך מהחלק המעניין - אפל משלבת מודלים גדולים של שפה עם יכולות הבנה של מה שמתרחש במכשיר עצמו. לא רק עבודה עם מודל שפה בדיבור או בכתב, אלא במודל של אפל יש הבנה - מה מופיע על המסך, למה המשתמש מתכוון כשהוא אומר ״תחייג למספר הזה״ מבלי לציין מה המספר, או פקודות שמפעילות פעולות בטלפון. המחקר בעצם מפרט איך אפל אימנה מודל שישולב בסירי, יריץ מודל שפה מקומית על האייפון, ויהיה פשוט אמאלה ואבאלה. (שמעתי בקהל: ביי ביי ראביט?) לא יכול לחכות כבר. מעבר להיות אפליסט, אני באמת חושב שיש פה בשורה מרעידת אדמה!! בקרוב נראה המון מכשירים שמנסים לעשות אותו הדבר, אבל אפל כמו אפל, תוכיח שאין לה באמת מתחרים. תודה ל Netanel Estraicher יועץ ומטמיע AI שבזכותו נחשפתי למידע! *יובל אבידני*

זה רשמי! בואו לקרוא >> https://m.facebook.com/story.php?story_fbid=pfbid02yC3xg5FC9RNci2BKLAKGt2HjAnpo1AshU7w243jQwGfRn3Mb7DamQCg2uCu7CkNol&id=100002717045940&mibextid=WC7FNe

בינה מלאכותית ולמידת מכונה היא בעצם כמו קוביה הונגרית! בואו נדבר על זה, אשמח אם תצפו תגיבו תפרגנו >>> https://vt.tiktok.com/ZSF4Fh7qt/ #בינהמלאכותית #קוביההונגרית #ai #rubikscube #rubikcube #ml #machinelearning #למידתמכונה

לאונרדו מכריזים על מודל ייצור תמונות מהיר מאוד בשם Leonardo Lightning XL שמסוגל לייצר תמונות באיכות Full HD בשניות ספורות בלבד! עלות השימוש: 6 קרדיטים (מזכיר שכל יום מקבלים בלאונרדו 150 קרדיטים בחינם). המודל זמין לשימוש כבר עכשיו באתר של לאונרדו. תהנו! *יובל אבידני*

קבלו את עוזר ה-AI (החדש?) של מייקרוסופט Databricks! קצת רקע: למייקרוסופט יש פלטפורמה שבה אפשר להשתמש כדי להריץ קוד בקלות. היא משמשת עסקים רבים לניתוח נתונים, למידת מכונה וכו'. בפעם האחרונה שהשתמשתי בה, הכל היה צריך להיכתב בדרך של פעם. והנה היום, יש סוכן AI שמוטמע בה ומשתלב חלק וכותב את הקוד ויכול לעזור עם דברים מאוד מאוד שימושיים. ככה נראה שימוש אמיתי ב-AI בעבודה היומיומית. כשמדברים על הטמעת AI בארגונים - ככה זה צריך להיראות. לא יודע מה אתכם, אמנם אין פה ״חידוש״ במובן של מה שאנחנו מכירים, אבל השילוב של זה במוצר קיים שבאמת משמש המון בתעשייה, זו בשורה של ממש! *יובל אבידני*

תובנה לשבוע החדש: למידת מכונה זה כמו קוביה הונגרית. למה? כי בינה מלאכותית / למידת מכונה, בעצם מקבלת מידע בצורה מסוימת. בין אם זה קוביה מסודרת, כמו קובץ מידע מסודר ומתויג, ובין אם זה קוביה מבולגנת כמו טבלה מבולגנת. למידת מכונה יכולה לקבל המון מצבים של קוביה הונגרית וגם את הפיתרון הסופי, וללמוד לבד איך לפתור את המשחק מבלי שמסבירים לה מה החוקים. זה אפשרי באמצעות למידת מכונה מפוקחת או למידה מבוססת חיזוקים. למידת מכונה יכולה גם להסתכל על הקוביה ולא לפתור את המשחק אלא לנסות לזהות מה היא בכלל. למשל, ריבוע בעל 6 פאות שבכל פאה יש 9 חלקים (בקוביה של 3 על 3). זה אפשרי באמצעות אלגוריתמים של זיהוי דפוסים בדאטה, מה שנקרא Clustering. למידת מכונה גם לא באמת מבינה מידע או תמונות או אודיו או וידאו. היא ממירה הכל לרשימת מספרים, מה שנקרא וקטורים, בתהליך שנקרא Embeddings, המספרים מוזנים לאלגוריתמים כי המחשב מבין מספרים, ומנסה להבין לבד איך לפתור משוואות מתמטיות מורכבות. אבל הכל מספרים. וכמו שקוביה הונגרית מחולקת לפאות, שזה כמו ריבוע רב מימדי, כך גם למידת מכונה משתמשת במידע שהוא מעין רשימות רבות מימדים, כמו קוביה הונגרית אבל עם יותר מ-3 מימדים. זה בעצם נקרא Tensor. ויש לי עוד הרבה תובנות ופנינים לגבי ההקבלה, אבל אני חושב שזה גאוני להבנה בצורה פשוטה. אז תזכרו להבא: למידת מכונה היא כמו קוביה הונגרית! שבוע טוב, יובל אבידני

הולכים בדרכה של PIKA! גם Runway הגדולה פתחה סופסוף לכולם את האפשרות לבצע ליפסינק! מה זה אומר? שלא רק יצירת וידאו מטקסט, אלא יכולת לגרום לדמויות לדבר תוך שמירה על התאמת האודיו לתזוזות השפתיים. בפיקה הצליחו להגיע לתוצאות יפות, מעניין מה נגלה כאן! אזכיר שרנוואי היא אחת הפלטפורמות האיכותיות והוותיקות בתחום יצירת וידאו מטקסט. מסקרן מאוד לגלות מי לוקח בקרב! קישור: https://https://app.runwayml.com/ai-tools/generative-audio *יובל אבידני*

מאז הגרסא החדשה של IDEOGRAM אני משתגע! גם כלי חינמי גם הטמעה של טקסט בתמונות בצורה מושלמת, וגם איכות סופר גבוהה של תמונות. אם לא ניסיתם - רוצו! כאן למשל הפרומפט שלי היה ככ פשוט: The text “happy Thursday” made of latte art in a Starbucks coffee

אחד הדברים הכי יפים שראיתי לאחרונה זה היכולת להפוך דמות בוידאו כלשהו - לאוריגמי. אנשים מוכשרים הפכו רקדנים ורקדניות לנייר שרוקד וזה פשוט יפהפה. אם מסקרן אתכם לדעת איך - מצאתי מדריך מעולה לComfyUI שמסתמך על AnimateDiff ו-IP Adapter, כדי לחלץ כל פריים, ליצור תמונה חדשה של הדמות המרכזית בצורת אוריגמי ולחבר הכל בסוף לווידאו אחד, והכל בצורה מאוד חלקה. אז הנה קישור לסרטון ההדרכה - https://youtu.be/AugFKDGyVuw?si=56kwmbFyKNXbtkWt והנה דוגמא לתוצר הסופי שמאוד אהבתי. תהנו! *יובל אבידני*

שוב זכיתי לכתוב למגזין החדשנות של אלתא (תעשייה אווירית) - והפעם על הטמעת AI בארגונים ועל התחושה שמרגישים בסיום הרצאה, שמבינים ש AI הוא אדיר אבל לא מבינים אם ואיך הוא יכול בפועל לעזור לנו במשימות היום-יומיות. הפער הזה, בין ״מגניב״ לבין ״בואו נבין איך מורידים את זה לקרקע, פרקטית״ הוא מה שכתבתי עליו. על איך ניגשים לזה בכלל. אשמח אם תקראו! מצרף תמונה כטיזר, הכתבה המלאה בקישור הבא בעמודים 16-17. שוב תודה גדולה לעורכת המגזין Mali Marton 🙏 תעשייה אלתא התעשייה האווירית לישראל - קריירה https://online.fliphtml5.com/fjjdt/pogs/#p=1

אז מה זה המסך הזה? מסתבר שלמייקרוסופט יש חיבור ל-AI בפלטפורמת הדאטה המפורסמת שלה שנקראת Databricks. זו פלטפורמה דומה ל-Colab, מריצים קוד פייתון בתאים. רק מה? יש עוזר AI שהוטמע שגם יכול להוסיף הערות, להסביר את הקוד, לכתוב קוד, והכל בסביבה של מייקרוסופט בענן. כמה שהזמנים השתנו, זו יכולת מדהימה! כאן למשל ביקשתי לכתוב קוד שמייצר בדיחת ״אבא״ בכל פעם שמריצים את התא. אם תשימו לב טוב, תראו שבתא התחתון, מצד ימין, יש את הסימון של ה-AI וגם בתחתית כתובת להתחיל לכתוב כדי ליצור עם AI. איזה עידן לחיות בו בעולם הפיתוח והדאטה! *יובל אבידני*

קבלו קטע מעניין: מסתבר שיש אתר שנקרא אידאוגרם (כן, כמו האתר ליצירת התמונות), שמאפשר ליצור פונטים מכתב יד שלנו. תהליך לא מסובך מדי, חינמי וממש מגניב. הגעתי אליו בטעות בגלל שגיאה בסיומת הדומיין, הכתובת שלו היא ideogram.com והוא לא ai אבל עדיין מגניב לגמרי. *יובל אבידני*

אז Artflow העלו בשקט גרסא חדשה (2) והתוצרים אפילו עוד יותר מדהימים! אם לא ניסיתם עדיין - למה אתם מחכים? אפשר להעלות 10-15 תמונות פנים שלכם ולהתחיל ליצור את עצמכם בכל מיני סגנונות. זה פשוט משגע! *יובל אבידני*

שוב OpenAI נותנת טעימות ממודל SORA שלה שמייצר וידאו מטקסט, אבל הפעם היא מציגה סרטונים ארוכים, כולל קריינות, מה שאומר בגדול שאפשר לזרוק הרבה חברות ומשרדי פרסום לפח המחזור הקרוב. זו רמה שלא נראתה מעולם וזה לא נתפס בשום קנה מידה. העולם משתנה ממש ברגעים אלה, יש רעידת אדמה ומהפכות כבר שנה, מי שלא יתחיל להיכנס לעניינים ימצא את עצמו מתקשה מאוד להדביק את הפער מול מי שקפץ למים מההתחלה. אנו עדים למהפכה שלא הייתה כמותה מאז האינטרנט והמהפכה התעשייתית! תחשבו כמה הייתם צריכים לעבוד כדי ליצור את הפתיח הזה של דמות שהראש שלה הוא בלון צהוב שנע בסצנות שונות. כל זה עם סורה. הכל. פסיכי! סורה עוד לא שוחררה לכולם, עוד לא ברורה הטכנולוגיה מאחוריה עד הסוף, המחקר ששוחרר מאוד כללי, לא ברור מספיק, דרוש כוח עיבוד רב, ולכן בטח המחיר יהיה גבוה. *יובל אבידני*

יש מעין סינרגיה בין תחום מדע הנתונים ללמידת מכונה. אי אפשר להיות מומחה ללמידת מכונה מבלי להבין דאטה אבל אפשר להיות מומחה לנתונים גם מבלי להשתמש בהכרח בלמידת מכונה. המשחק האמיתי של למידת מכונה הוא להבין טוב את הנתונים ואת הבעיות שצריך לפתור, להבין האם אנחנו משתמשים בנתונים מסודרים בטבלאות או בנתונים אחרים כמו קבצי אודיו וידאו וכדומה. בסוף, כל המידע עובר המרה למספרים, המספרים מוזנים למודל כלשהו שלומד דפוסים במספרים, וכך יודע לנבא. נתונים אנחנו יכולים לנתח באמצעות שימוש בפייתון, בדגש על Pandas NumPy, הוספת ויזואל להבנת הנתונים באמצעות MatplotLib וחשיבה לאן לקחת את זה משם בהיבטי למידת מכונה. אגב, מקובל לעבוד עם סביבת למידת מכונה של מיני קונדה, שהיא בעצם סט כלים שימושיים למדעני נתונים ולמהנדסי למידת מכונה. יש חבילה גדולה יותר שנקראת אנקונדה אבל יש בה המון כלים ולא תמיד משתמשים בהם. אז לסיכום, דאטה ולמידת מכונה - חד הם. לא לפחד מדאטה. לא לפחד מלצלול לעומק. אבל ככה זה מתחת למכסה המנוע - וזה מרתק! *יובל אבידני*

למה כשאנו מנסים ליצור מסמך מפורט - אנו מקבלים מה-AI תוכן דל וקצר בלבד? בואו נבין את זה באמצעות דיון על ANI ו-AGI. בינה מלאכותית צרה, הקרויה Artificial Narrow Intelligence, היא כזו שיודעת לבצע משימה באופן צר. יש משימה מוגדרת - מבצעים אותה. כמו להזיז חייל של שחמט צעד אחד קדימה. מנגד, בינה מלאכותית כללית, Artificial General Intelligence, היא כזו שיודעת לבצע משימה בשלמותה עם יכולות חשיבה הבנה הסקה ניתוח תיקון. כמו לשחק שחמט מהתחלה ועד סוף. לקחת בחשבון את כל המהלכים, לחשוב לפני כל צעד, לקחת את הזמן לחשוב, להחליט, לתקן תוך כדי. אנחנו מרגישים טוב מאוד את ה-ANI כשאנחנו מבקשים מChatGPT או קלוד לכתוב לנו מאמר ארוך ומפורט. מהר מאוד אנו מגלים שאנו מקבלים מאמר קצר ממה שרצינו, שהתוכן ממש לא מספיק עמוק כפי שביקשנו, ושהתוצר פשוט לא מספיק טוב, ואז אנחנו צריכים לבנות איזשהו קו כללי, וכל פעם לבקש מידע על נושא מסוים. כמו לבנות תוכן עניינים ואז לחפור לצ׳אט לקבל מידע על כל כותרת. זה לא מספיק טוב וזה לא כיפי. ה-AGI אמור לתת לנו את היכולת הזו. לקבל באמת מסמך עם עומק ועושר כפי שאנו מצפים לקבל. זה יתאפשר על ידי העמקה של המשימה, ניתוח והבנה. הקשר כללי וזיכרון רחב יותר. זה השלב שאליו כולם רוצים ומנסים לדהור קדימה. דוגמא נוספת - קמפיינים של משרדי פרסום. דמיינו שאתם חברת תעופה ואתם רוצים לצאת בקמפיין. אבל אתם לא רוצים סתם לשרוף כסף. אז לקחתם משרד פרסום, משרד הפרסום בונה עבורכם את האסטרטגיה, את התכנית, את הפירוט התקציבי, ממליץ על קניית מדיה, על קמפיינים בתקשורת, בדפוס, ברדיו, בטלוויזיה, מבטיח תוצאות, מבטיח החזר על ההשקעה ואף רווחים. האם היום הכלים הקיימים מסוגלים לבצע את כל זה? ודאי שלא. הם שם בצורה רדודה ושטחית מאוד. הם יכולים לעזור, אבל הם לא שם עד הסוף. הם ANI אבל לא AGI. אז איך מתגברים על זה שאנחנו עוד לא שם? איך אנחנו יוצרים מסמך עבה מספיק עם עומק? תכנית עבודה פרקטית לפרסום? הנה כמה רעיונות: שלב ראשון: ליצור תוכן עניינים, קווים מנחים, ראשי פרקים של המשימה אותה נרצה לבצע. בכל שאלה לצ׳אט נזכיר בהתחלה את המטרה: יצירת מסמך / קמפיין בנושא X. ונצרף את השאלה. שלב שני: בכל פעם נפנה לצ׳אט עם כותרת אחת ונבקש העמקה. כמה שצריך על כל פסקה אפילו. סיזיפי ומתיש. אבל זה מה יש כרגע. אפשר להיעזר גם ב Perplexity וזה נחמד. טיפ: לא להילחם עם GPTs, הם רעיון נחמד אבל גם בזבוז זמן בהמון מקרים. שלב שלישי: לאסוף דוגמאות לקמפיינים, בריפים, תכניות אסטרטגיה, ולבצע Fine Tune למודלים יחד עם החומרים האלה. זה מה שיכול לתת ערך מוסף אמיתי לשימוש במודל שפה לצורך ספציפי. לא רק תשאול על בריף קיים, אלא ממש לימוד של מודל על חומרים ספציפיים. במצב אידיאלי, אם נוכל אפילו לבנות טבלה עם מדדים על כל קמפיין, תיוג של מה מוצלח ומה לא, נוכל גם ליצור מודל משל עצמנו שינבא את סיכויי ההצלחה של קמפיינים עתידיים ואף לקבל המלצות על פילוח קהלי יעד מראש, גם ללא תלות במשרדי פרסום או מערכות פרסום של פייסבוק וכדומה. שלב רביעי: להתעקש על יצירת 2 גרסאות למשימה. מה שנקרא A/B Testing. לגרום למודלים ליצור תוכן בגרסאות שונות כדי שניתן יהיה לבדוק מה יותר אפקטיבי. במצב אידיאלי נחזור למודל ונלמד אותו מה עבד יותר טוב ומה פחות וכך נשפר עוד ועוד את המודל שלנו. שלב חמישי: יצירת ״תבניות״ פרומפט. ממש ליצור תבנית למשל - שואלים שאלה מסוימת, יודעים שהתשובה תחזור ומשבצים אותה מראש בשאלת המשך, שולחים את שאלת ההמשך וגם עליה מקבלים תשובה וגם אותה מקבלים בשאלת המשך וכך הלאה. זה נקרא בלנגצ׳יין Prompt Template, יש לזה כוח עוצמתי מאוד אם כי זה לא תצורת עבודה הכי חסכונית כיוון שבכל שאלה כל התבנית נשלחת. שלב שישי: שילוב קריאות למודלים שגם יוצרים מוקאפים / ויזואליה. אם יש לנו בריף או תכנית, אז לבנות מראש תבנית שגם תבנה לנו קובץ מסודר אבל גם לשלב בין לבין קריאות API ליצירת ויזואל להמחשה. כמו למשל פניות ל ClipDrop / Leonardo / StabilityAI ועוד. יש עוד המון מה להגיד, אבל באמת כקו כללי, כל עוד אנו מבינים שאנו רק ב ANI, אנו נדע שצריך להתנהג אליו בהתאם כדי למקסם את התוצרים. אם נחשוב שאנחנו ב AGI כנראה נישאר מתוסכלים וחבל. עוד נגיע לשם, אבל כרגע בואו נזכור שאנחנו בעולם צר למרות הכל. בעצם AGI זה כמו נשר שרואה הכל במבט על ומבין לעומק איך הכל מתחבר, לעומת ANI שזה כמו שחקן שחמט שמרוכז רק במהלך אחד מבלי לחשוב על יתר המשחק. ככל שנשכיל לזכור זאת, כך נצליח יותר בעבודת הפרומפטים שלנו, מקווה שנהניתם! *יובל אבידני*