איזה פיתוח ישראלי משפר את יכולות ה-AI בחיפוש מידע במאגרי הארגון?

מעבדת הפיתוח של אינפורמטיקה ישראל פיתה פתרון המשפר את היכולות של מערכות בינה מלאכותית לתת מידע מלא יותר ומדויק, מבלי הצורך לחפש אותו במקורות אחרים, כפי שמקובל כיום. לדברי עינת הפטל, מנהלת יישומי AI במעבדת הפיתוח של החברה, "אם באינטגרציית מידע, היכולת של הבינה המלאכותית באה לידי ביטוי בעיקר באוטומטיזציה של תהליכים ובמהירות ביצוע גבוהה, הרי שבתהליכים אחרים, כגון גילוי נתונים (Data Discovery), היא מאפשרת הבנה של תבנית המידע המבוקש ומציאת מידע רלוונטי במקורות אחרים".

הפטל השתתפה במפגש של פורום Data science מבית אנשים ומחשבים, שנערך לא מכבר ביס פלאנט בראשון לציון. את המפגש הנחה מוטי סדובסקי, יו"ר ועדת התכנים של הפורום.

לדברי הפטל, במעבדת הפיתוח של אינפורמטיקה ישראל מפתחים מודולים שונים שנותנים מענה לאתגר זה – כאמור, בעולמות הביג דטה וחיפוש המידע. היא ציינה כי הפתרון שפותח, שנקרא קלייר (Claire), מאפשר לארגון לבצע באופן מהיר ואוטומטי תהליכי אינטגרציה יעילים, שמשפיעים בעיקר על טיוב המידע. כמו כן, הוא יכול להמליץ על מידע שחסר, למשל כתובת – חסם משמעותי ביכולת של ארגון לבצע אנליטיקה של נתונים.

מיכאל קוגן, ראש תחום פתרונות דטה ואנליטיקה בקבוצת יעל. צילום: יח"צ

הפטל הסבירה את החורים שקיימים במערכות החיפוש הנוכחיות לסריקת מידע במאגרים ולאספקת מידע שלם יחסית, שיאפשר את המשך המינוף שלו לצרכים שונים. "לדוגמה", אמרה, "כדי לחפש במאגרי הארגון קבצים או כל סוג של מידע אודות שם הלקוח, המערכת, באמצעות רכיבי הבינה המלאכותית, לומדת את מבנה השדה (שם פרטי ושם משפחה – י"ק) , וכן את המידע הקשור והמשויך (Related Data) לשדה זה, כגון מספר תעודת זהות, כתובת וטלפון. היא מאתרת מקומות ויישומים נוספים שבהם נעשה שימוש בפרטי לקוח, וזאת מתוך הבנת התבנית בלבד, ואפילו אם במטה דטה ובמערכות ה-BI המוכרות המילה לקוח (Customer) לא קיימת".

דובר נוסף באירוע היה מיכאל קוגן, ראש תחום פתרונות דטה ואנליטיקה בקבוצת יעל (Yael Group). הוא דיבר על התחום החם של הלמידה העמוקה, שהקבוצה מעורבת בו. "שיטות הלמידה העמוקה צברו תאוצה בשנים האחרונות בעיקר מאחר שכוח המחשוב מאפשר לעשות תהליכי למידת מכונה מורכבים בצורה יעילה וזולה יותר מאי פעם. כלי התכנות הקיימים עוזרים להיכנס לתחום זה בצורה הרבה יותר מהירה", אמר. "אבל חשוב להבין שפרויקטים בתחום זה קמים ונופלים על יכולת חשיבה, יצירתיות ותכנון אלגוריתמים, עוד לפני שיטות התכנות ויכולות העיבוד המתקדמות".

אילנה יוחה, מנכ"לית סטט-מרקט. צילום: קובי קנטור ז"ל

אילנה יוחה, מנכ"לית סטט-מרקט, עסקה בדבריה בהבדלים שבין למידת מכונה ללמידה עמוקה והרחיבה על החברה, שפועלת בעולם מדעי הנתונים ובונה פתרונות בינה מלאכותית שתפורים לצרכי הלקוח. לדבריה, "אנחנו מפתחים פתרונות בוטיק ייחודיים, שמבוססים על האלגוריתמיקה של לימודי המכונה ומוכוונים לתת מענה לצרכים הספציפיים של מגזרי התעשייה השונים".