עד כמה רחוק תגיע הבינה המלאכותית?

באירוע הבינה המלאכותית השנתי של זאלו, דוברים שיתפו את מסעותיהם ביישום בינה מלאכותית בחיי היומיום וחזו מגמות חדשות סביב בינה מלאכותית סוכנתית ובינה מלאכותית פיזית.

פסגת Zalo AI, שהתקיימה לראשונה בשנת 2017, היא אירוע המאגד מומחים ידועי שם בתחום הבינה המלאכותית. תחת הנושא "וייטנאם בעידן הבינה המלאכותית", פסגת Zalo AI 2025 תציג פתרונות ליישום בינה מלאכותית בחיי היומיום, תנבא מגמות בתחום הבינה המלאכותית ותציג את הישגיה של Zalo בקירוב הבינה המלאכותית למשתמשים.

בדברי הפתיחה שלו, מר נגוין מין טו, מנהל הטכנולוגיה ב-Zalo, ציין כי עידן הבינה המלאכותית החל לצוץ בשנים 2018-2019 עם מודלי הטרנספורמטור הראשונים. עם זאת, רק כאשר GPT-3.5 ו-ChatGPT הופיעו בשנת 2022, מודלי שפה אלה הגיעו לאיכות גבוהה והפכו נגישים לקהל רחב יותר.

"אז התחיל עידן הבינה המלאכותית, כשאנשים התחילו להשתמש בצ'אטGPT", הדגיש מר טו.

איתות חיובי לווייטנאם

ככל שחברות כמו גוגל, אנתרופיק ו-DeepSeek משפרות יותר ויותר את מידול השפות הגדולות (LLM), שוק הבינה המלאכותית חווה נקודת מפנה הנקראת בינה מלאכותית סוכנתית.

בניגוד לבינה מלאכותית קונבנציונלית, שיכולה לפתור רק משימה בודדת, בינה מלאכותית סוכנית היא מערכת אוטונומית המסוגלת לחבר מספר סוכנים כדי לטפל בבעיות מורכבות.

"בינה מלאכותית של סוכן מתפקדת כמו העובדים שלנו. היא יכולה לנתח, לחשוב, לבצע משימות ולכתוב דוחות על סמך הפקודות שלנו", הוסיף מר טו.

בווייטנאם, Zalo היא אחת החברות המשלבות תכונות רבות של בינה מלאכותית כדי לשרת את המשתמשים. עד שנת 2025, מספר המשתמשים בשירותים אלה צפוי להגיע ליותר מ-17 מיליון, עלייה של למעלה מ-200%. יותר מ-7.5 מיליון איש משתמשים בתכונת ההכתבה (המרת דיבור לטקסט).

"תכונה זו שינתה את האופן שבו אנשים רבים משתמשים ב-Zalo. במקום להקליד טקסט, השימוש בקול מהיר ונוח הרבה יותר", הדגיש מר טו.

גם התכונה של תרגום הודעות מווייטנאמית לאנגלית משכה מספר רב של משתמשים. מר טו גילה כי בקרוב יתווסף תרגום חי לשיחות Zalo.

מר Nguyen Minh Tu, מנהל הטכנולוגיה ב-Zalo.

מעבר למתן שירות למשתמשי הקצה, בינה מלאכותית תומכת גם בפעילות של Zalo. החברה בנתה צ'אטבוט לשירות לקוחות, המסייע לפתור את בעיית ההתרחבות בתקופות שיא, כאשר קשה לגייס עובדים נוספים.

לאחר 3 חודשי הטמעה, מערכת הצ'אטבוט ב-Zalo השיגה שיעור תגובה של 90%, גבוה מזה של בני אדם. רק כ-2-3% מהמקרים דרשו סיוע אנושי מהצ'אטבוט.

נציג של Zalo הודה כי עדיין קיימים כמה אתגרים ביישום בינה מלאכותית באופן פנימי, סביב פרטיות ואבטחה. זו הסיבה שהפלטפורמה בוחרת בגישה גמישה, תוך יישום מודל שפותח באופן עצמאי עבור נתונים רגישים, ומינוף צ'אטבוטים חיצוניים עבור נתונים פחות רגישים.

מר טו הזכיר גם את אתגר Zalo AI 2025, תחרות לפיתוח פתרונות יישומי AI בחיי היומיום. מלבד צעירים וסטודנטים, התחרות השנה משכה אליה כמה תלמידי תיכון, חלקם אף הגיעו לחמשת הראשונים.

"זה מראה שבינה מלאכותית חלחלה לכל תחומי החברה, והתפשטה אפילו לבתי ספר שבהם ילדים נחשפים לבינה מלאכותית בגיל צעיר מאוד. זהו סימן חיובי עבור וייטנאם בעידן 'טרנספורמציה של בינה מלאכותית'", הדגיש נציג של זאלו.

גל סוכני הבינה המלאכותית

במושב הראשון, פרופסור חבר קוואן טאן טו מאוניברסיטת הו צ'י מין סיטי לטכנולוגיה העלה את השאלה כיצד בינה מלאכותית רב-מודאלית תשנה את העולם . הוא טען כי תואר ראשון במשפטים (LLM) הגיע למחזור הסיום שלו, ומגמת הטכנולוגיה עוברת בהדרגה לכיוון מערכות מרובות סוכנים (MAS).

פרופסור חבר ד"ר הסכים עם מר טו בנוגע לאבן הדרך המשמעותית של תואר שני במשפטים עם הצגת GPT-3.5, וקבע כי המטרה המשותפת של צ'אטבוטים היא לחקות בני אדם בצורה המדויקת ביותר האפשרית. הקונספט של סוכני בינה מלאכותית היה קיים בעבר, אך פרח באמת רק במסגרת תואר שני במשפטים.

""Agent היא ארכיטקטורה קלאסית למדי, וכאשר היא משולבת עם LLM, היא מספקת את היכולת לתקשורת בין מודלים", אמר מר טו. מילות המפתח "AI Agents" ו-"Agentic AI" היו גם בין המונחים המבוקשים ביותר ב-Google Trends מסוף 2024 ועד היום.

פרופ' חבר ד"ר קוואן טאן טו, ראש המחלקה למדעי המחשב והנדסה, אוניברסיטת הו צ'י מין סיטי לטכנולוגיה.

פרופסור חבר שיתף כי בינה מלאכותית סוכנתית היא פשוט מערכת המורכבת ממספר סוכנים הפועלים יחד. עם קבלת פקודה מהמשתמש, הסוכנים יפרקו את הבקשה, יקצו משימות, יבחרו כלים מתאימים ויבצעו אותן שלב אחר שלב כדי להשיג יעילות גבוהה יותר בהשוואה למודל יחיד.

מר טו הציג גם כמה יישומים מעשיים של MAS בעסקים מקומיים. בפרט, סוכני בינה מלאכותית יכולים לעבד בו זמנית קבצי PDF, תמונות ומסמכים, ובכך לשפר את היעילות ב-40-60%. בתחום הביטוח, טכנולוגיה זו מסייעת לחברה להפוך 20-40% מעומס העבודה שלה לאוטומטי.

יתר על כן, לסוכני בינה מלאכותית יש את היכולת לאסוף מידע בזמן אמת, מה שעוזר לספק מחירי שוק מיידיים. בעבודה, פרופסור חבר ד"ר [שם] ציין כי מערכת סוכני הבינה המלאכותית פועלת כעוזר חכם, המסוגל לענות על שאלות הקשורות לבית הספר עבור הורים ותלמידים. בחינוך , סוכני בינה מלאכותית מסייעים ביצירת מודלים של למידה מותאמים אישית המותאמים למסלול הלמידה של כל תלמיד.

פסגת Zalo AI 2025 משכה אליה מספר רב של משתתפים המתעניינים בתחום הבינה המלאכותית.

בסך הכל, היתרון של MAS טמון ביכולתו להתמודד עם מספר בעיות מורכבות במקביל. באמצעות תהליך החשיבה, סוכנים יכולים לעבד מידע באופן עצמאי, ללמוד זה מזה וללמוד מהמשתמש כדי להפחית שגיאות, לייצר תוצאות מדויקות ואישיות.

ארכיטקטורות סוכנים מודרניות מסופקות לעתים קרובות ככלים ופלטפורמות עם ממשקים ידידותיים למשתמש, מה שהופך אותן לנגישות יותר לציבור הרחב.

בהתבסס על יתרונות אלה, הדגיש מר טו את החשיבות של יישום טכנולוגיה והתאמת תהליכי עבודה פנימיים בתוך עסקים. לדברי הפרופסור המשנה, בהקשר של מגמת החדשנות החזקה המתרחשת ברחבי העולם, זהו גל שעסקים צריכים לשים לב אליו במיוחד.

מה בא אחרי בינה מלאכותית סוכנתית?

לאחרונה, רובוטים אנושיים הפכו למגמה שמושכת תשומת לב בעולם הטכנולוגיה. זהו גם היישום הנפוץ ביותר של בינה מלאכותית פיזית.

ד"ר טראן מין קוואן, טכנולוג מפתחים בכיר ב-Nvidia וייטנאם, שיתף את מחשבותיו בנושא זה והדגיש כי בינה מלאכותית פיזית היא הפיתוח המתקדם ביותר במגמות הבינה המלאכותית, לאחר עידן הבינה המלאכותית הגנרטיבית או הבינה המלאכותית הסוכנתית.

"מודלים אלה של בינה מלאכותית מסוגלים לקבל פקודות או נתוני קלט, ולאחר מכן לייצר פעולות ספציפיות המשפיעות על מנועים או רכיבי בקרה של רובוטים כגון זרועות רובוטיות, כלי רכב אוטונומיים, מפעלים וכו'", שיתף מר קוואן, תוך שהוא נותן סקירה כללית של בינה מלאכותית פיזית.

ד"ר טראן מין קוואן מ-Nvidia שיתף את תובנותיו לגבי המגמות בבינה מלאכותית פיזית.

לדברי נציגי Nvidia, בינה מלאכותית פיזית עשויה להפוך לתעשייה של טריליון דולר בעתיד. הפוטנציאל ליישום בינה מלאכותית פיזית הוא עצום, בהתחשב בכך שתשתית החומרה העולמית הנוכחית כוללת כ-2 מיליארד מצלמות תעשייתיות, 10 מיליון מפעלים, 200,000 מחסנים ו-1.5 מיליארד כלי רכב, שלא לדבר על מיליארדי רובוטים דמויי אדם שניתן לפרוס בעתיד.

"אם כל מכשיר היה מצויד ב'מוח' של בינה מלאכותית כדי להתמודד עם עומס העבודה הנוכחי, המשימות בהן ניתן היה לתמוך בקנה מידה שונה מאוד ממה שהן כיום", הוסיף מר קוואן.

הצורך בבינה מלאכותית פיזית נובע ממחסור בכוח אדם בתעשיות רבות. עבודות מיומנות ביותר בסביבות קשות, כמו ריתוך בחללים סגורים וחשוכים, מתגלות כקשות עבור בני אדם.

רובוטים הם כיום פתרון המאזן בין עלויות כוח אדם ותפעול. ניתן לייעל את העלויות מכיוון שלרובוטים יש כעת את היכולת ללמוד משימות חדשות באופן עצמאי, במקום פשוט לבצע עבודות חוזרות ונשנות.

"זו הסיבה ש'רגע' ChatGPT עבור רובוטיקה עשוי להגיע השנה או בשנה הבאה", הדגיש מר קוואן.

בינה מלאכותית פיזית נחשבת לשלב הבא אחרי בינה מלאכותית גנרטיבית ובינה מלאכותית סוכנתית.

כדי לממש חזון זה, נציגי Nvidia הציעו מודל של שלושה מחשבים, התואמים לשלושה שלבים מרכזיים בפיתוח הבינה המלאכותית הפיזית.

בהתאם לכך, השלב הראשון מתמקד בבניית היסודות בשרת. לאחר האימון, ניתן למקם את המודל בסביבת סימולציה כדי ללמוד על אינטראקציות סיבתיות, מה שיעזור למודל לפתח התנהגות טובה יותר בעולם האמיתי.

סימולציה עוזרת לרובוטים לזהות במדויק אובייקטים וכיצד לטפל בהם. חשוב מכך, סימולציה מאפשרת לרובוטים מרובים לעבוד יחד בו זמנית, ולבדוק תרחישי התנגשות מבלי לשלם את העלות של חומרה מהעולם האמיתי. לבסוף, היא מאפשרת פריסה ישירה בחומרה.

האתגר של פריסת בינה מלאכותית בקנה מידה גדול.

תהליך ה"בינה מלאכותית", הכולל שילוב טכנולוגיה בפעילות היומיומית כדי לשפר את היעילות ולתמוך בקבלת החלטות, מואץ ברחבי העולם.

לדברי ד"ר צ'או טאנה דוק, מנהל מחקר ב-Zalo AI, קצב הבינה המלאכותית בווייטנאם נובע מגורמים רבים, ובראשם פיתוח מודלים של בינה מלאכותית, שיפור מהיר של תשתית חומרה ונתונים ותהליך הטרנספורמציה הדיגיטלית.

וייטנאם נחשבת לאחת המדינות בעלות פוטנציאל משמעותי לפיתוח בינה מלאכותית, כפי שמעידים תוכניות גיוס כישרונות, בניית קהילת טכנולוגיה ותמיכה ממשלתית. יתר על כן, אזרחי וייטנאם מוערכים כבעלי רמת מוכנות גבוהה לטרנספורמציה דיגיטלית.

ד"ר צ'או טאנה דוק, מנהל מחקר בזאלו AI.

במסגרת טרנספורמציה זו, Zalo השיקה תכונות רבות הקשורות לבינה מלאכותית, כגון העוזרת הווירטואלית Kiki. החברה שואפת לפתח כלים המגבירים את יעילות העבודה, וקלים במיוחד לשימוש עבור כולם. הכלים של Zalo תומכים בכל דבר, החל מקידוד, תכנות ומחקר, ועד לפעילויות יומיומיות כמו תקשורת, תרגום וחיפוש תמונות.

עם זאת, מומחים מאמינים שזו רק ההתחלה, ועדיין קיימים קשיים רבים בתהליך הטרנספורמציה של הבינה המלאכותית. ד"ר נגוין טרונג סון, מנהל המדע ב-Zalo AI, אמר כי הקשיים נובעים מאבטחה, בעיות עלות ודרישות גבוהות מצד המשתמשים. אלה אינם קשיים רק עבור Zalo אלא גם עבור משתמשים ועסקים.

המכשול הראשון סובב סביב בחירת מודל בינה מלאכותית המבטיח רמה מסוימת של אוטונומיה. מודלים של צד שלישי מציעים לרוב ביצועים ואיכות פלט טובים יותר, בעוד שלמודלים פנימיים יש יתרון של שליטה במידע אך הם מוגבלים מבחינת יציבות ויעילות.

מידע ששותף על ידי נציגי Zalo AI.

יתר על כן, לרוב המודלים הנוכחיים חולקים חולשות משותפות כגון דיוק חלקי ופלט לא עקבי. לצ'אטבוטים רבים יש יכולת מוגבלת להבין ולעבד וייטנאמית, ואינם עומדים בדרישות או בהקשרים ספציפיים.

כדי לטפל בבעיה זו, מומחים ב-Zalo הציעו מספר פתרונות, כגון יישום טכנולוגיית פיתוח מודלים מתקדמת ושילוב מקורות נתונים אמינים במהלך אימון צ'אטבוטים. במקביל, צוות הפיתוח העריך את המודל באופן רציף באמצעות בדיקות פנימיות.

אתגר נוסף טמון באיזון בין עלות, ביצועים ואבטחה. לדברי ד"ר נגוין טרונג סון, שימוש במודל קטן לטיפול בבקשות מורכבות יכול להגדיל את זמן העיבוד ואת עלויות התפעול, ולהיפך.

ד"ר Nguyen Truong Son, מנהל המדע ב-Zalo AI.

הוא טען שאופטימיזציה יכולה להתחיל כבר משלב הזנת הפקודה. משתמשים יכולים להפחית את עלויות האסימונים על ידי הגבלת אורך מיותר ומתן הקשר ברור ותמציתי לצ'אטבוט.

ברמת המערכת, צוות Zalo מיישם פתרונות שונים כגון הצעת פקודות מתאימות ופריסת שכבות בקרה כדי להבטיח את בטיחות ואבטחת מידע המשתמש.

בסך הכל, וייטנאם נחשבת כמוכנה היטב לגל הבינה המלאכותית העולמי. זאלו היא אחת המשתתפות הראשונות בטרנספורמציה זו, ומתמקדת בהתמודדות עם אתגרי העלות, האיכות והאבטחה בעת פריסת בינה מלאכותית בקנה מידה גדול.

מרוץ הצ'יפים העז

התפוצצות הבינה המלאכותית היא תוצאה של התקדמות בחומרה או בשבבים. ד"ר פאם היי הייאו מ-OpenAI מדגיש כי הופעתה של ChatGPT חוללה מהפכה בשבבים, ואפשרה ל-Nvidia לצמוח במהירות בפרק זמן קצר.

כאשר ChatGPT הושק לראשונה, פעולתו הסתמכה כמעט לחלוטין על שבבי Nvidia. מצב זה הוביל לעלייה ברכישות חומרה מענקיות טכנולוגיה כמו Anthropic ו-Meta.

עם זאת, המשחק אינו מיועד רק ל-Nvidia. גם מתחרות כמו AMD וגוגל מציעות פתרונות חומרה אופטימליים למפתחי מידול בינה מלאכותית.

"זרימת הצ'יפים וההון הקשור לשבבים משפיעה גם על זרימות כלכליות, לפחות על הצמיחה של הכלכלה האמריקאית."

"יתרה מכך, לחברות השואפות לפתח בינה מלאכותית יש גם שאיפות לפתח שבבים משלהן מכיוון שעלות רכישת השבבים עולה, כך שאפילו חיסכון קטן הוא יתרון עצום. "זו הסיבה שכל חברה רוצה להיות עצמאית במשאבי שבבים", הוסיף מר הייאו.

ד"ר Pham Hy Hieu, המייצג את OpenAI.

שוק שבבי הבינה המלאכותית מחולק כיום לשתי קטגוריות עיקריות על סמך השימוש המיועד שלהם. הקטגוריה הראשונה היא שבבי אימון, הדורשים יכולת לבצע כפל מטריצות גדול, מימדיות אחידה ורוחב פס גבוה כדי לחבר אלפי שבבים בו זמנית.

הסוג השני הוא שבב הסקה, הדורש מספר צנוע יותר של קישורים (בסביבות 50-100 שבבים) ומתמקד בבעיות מטריצה ​​קטנות ובגודל לא סדיר. עם זאת, שבבי הסקה דורשים אופטימיזציה טובה של הספק לפעולה בת קיימא.

במבט לאחור על היסטוריית הפיתוח, אם התקופה שבין 2019 ל-2023 התמקדה באימון ודחיסת נתונים עבור מודלי GPT, משנת 2024 ואילך המיקוד עובר ליכולות חשיבה. שינוי זה מוביל לביקוש לשבבי הסקה.

"איזה תפקיד ממלאת וייטנאם בתעשיית ייצור השבבים? למרות שתעשיית השבבים היא תעשייה של טריליון דולר, איננו זקוקים לעשרות מיליארדי דולרים כדי להשתתף. העם הווייטנאמי יכול לתרום לנוף השבבים של הבינה המלאכותית בדרכים רבות", שיתף מר הייאו.

תובנות מד"ר פאם היי הייאו על חומרה בתשתיות בינה מלאכותית.

נציגי OpenAI הציעו שני כיוונים עיקריים. במקום להתחרות בייצור שבבים עבור מודלי שפה בקנה מידה גדול, וייטנאם יכולה להתמקד בפיתוח שבבים בעלי צריכת חשמל נמוכה עבור מכוניות, סמארטפונים או מכשירים רפואיים מושתלים. אלו פלחי שוק עם פוטנציאל צמיחה משמעותי ועלויות השקעה נמוכות יותר.

שנית, יש את השילוב של חומרה ותוכנה. תרומות כמו אלגוריתם Flash Attention 2 מדגימות כיצד שילוב חכם של תכנות וחומרה יכול ליצור פריצות דרך מבלי לדרוש השקעת הון עצומה.

"העתיד טמון בידי אלו שמעזים לראות הזדמנויות, מעזים לקחת סיכונים ומעזים להתמודד עם סכנות", סיכם מר הייאו.

צוותים מצטיינים באתגר Zalo AI 2025

בעקבות הרצאות הדוברים, הוצגו פתרונות מעשיים רבים ליישום בינה מלאכותית בתחרות Zalo AI Challenge 2025. התחרות, שהושקה בסוף אוקטובר, משכה אליה יותר מ-1,000 צוותים משתתפים.

השנה, אתגר Zalo AI מחולק לשתי קטגוריות: RoadBuddy (שימוש באלגוריתמים לזיהוי תמרורים) ו-AeroEyes (תכנון בינה מלאכותית עבור רחפנים לזיהוי עצמים קרקעיים). הקבוצות הזוכות יקבלו פרס כספי כולל של 12,000 דולר יחד עם מתנות מספונסרים.

לדברי המארגנים, שאלות הבחינה השנה היו כולן פרקטיות, והדגימו את הפוטנציאל של בינה מלאכותית מחוץ לסביבות מחקר לפתרון בעיות מהעולם האמיתי.

באתגר RoadBuddy, המתחרים התמקדו בעיבוד נתונים ממצלמות רכב. הצוותים היו צריכים לעבד מערכי וידאו שנמשכו 0-15 שניות, שהוקלטו בתנאי זמן שונים. משימת מודל הבינה המלאכותית הייתה לזהות במדויק פרטים כגון שלטי דרכים, רמזורים וסימוני נתיבים שהופיעו בסרטון.

שיתוף והענקת פרסים עבור אתגר Zalo AI 2025.

בעזרת מערך נתונים הכולל 1,500 דגימות אימון, 500 דגימות בדיקה ציבוריות ו-500 דגימות בדיקה פרטיות, הצוותים המתחרות הוערכו על סמך שני קריטריונים: דיוק וזמן תגובה.

לפי הערכתו של מר נגוין טרונג סון, המתמודדים יישמו טכניקות מתקדמות כמו מודל שפת הראייה (VLM). התהליך הכללי כולל חילוץ פריימים מסרטון כנתוני קלט, ולאחר מכן שילובם עם מודלים כמו Qwen או YOLO כדי לזהות אובייקטים ולספק ניתוח לוגי.

בתוצאות הסופיות, צוות CtelAI זכה במקום הראשון עם שיעור דיוק של 71.3%, ואחריו BitterSweet עם 70.5%.

תחת הנושא AeroEyes, הקבוצות השתתפו בסיבוב מוקדמות לפני שהעפילו לגמר. בגמר, המועמדים היו צריכים לתכנת מודלים ישירות על רחפנים, לקבוע נתיבי טיסה ולשלוט במצלמות בתנאים אמיתיים כדי לזהות עצמים.

בשל קשיי המטלה, מספר הקבוצות שעמדו בדרישות לא היה גבוה, ולכן המארגנים הציגו בגמישות נושא משלים. הקבוצות המתחרות התאימו במהירות את המודלים שלהן כדי לעמוד בדרישות. כתוצאה מכך, קבוצה AIO_C3A ניצחה בזכות יעילותה הגבוהה ביותר. את המקום השני חלקו הקבוצות IUH_Alers_K16 ו-AEB.

מקור: https://znews.vn/ai-se-di-xa-den-dau-post1613033.html