משקפי Ray-Ban ו-Oakley החכמים מגיעים לחנויות בישראל עם צילום, מוזיקה ועוזר קולי

לכבוד 25 שנה לאתר, דף הבית שכולם הכירו מפנה את מקומו לפיד אישי, כמו ברשת חברתית: כל מה שחדש מאז הביקור הקודם שלכם, אמל"ק בווידאו לכל כתבה, וקריאה שזורמת מכתבה לכתבה Source

מאת: תמי שחר אם תשאלו מפתחת ממוצעת בתל אביב מה מעסיק אותה השנה, התשובה כנראה תכלול סוכנים, מודלי שפה וכמה עולה לה כל מיליון טוקנים. אם תשאלו אותה על מחשוב קוונטי, סביר שתקבלו חיוך מנומס ומשפט בסגנון "זה עוד עשר שנים, לא?" והאמת? במשך שנים זו הייתה תשובה סבירה. היום כבר לא. ויש סיבה טובה לכך […]

AWS מרחיבה את היריעה בלחימה על כל לקוח בעולם ה-AI מול מלכת השוק, אנבידיה. החברה הכריזה אתמול (ב') על כלי חדש, TorchNeuron שמו, שמאפשר למפתחי AI להמיר בקלות את האפליקציות שלהם לעבודה עם מעבד הבינה המלאכותית של החברה, Trainium. TorchNeuron עובד מול ערכת הכלים החופשית בקוד פתוח PyTorch, בה משתמשים רוב מפתחי הבינה המלאכותית – מעל 85%, לפי אמזון – כדי לבנות, לאמן ואז להריץ מודלים חדשים. טענת AWS היא שאפליקציות קיימות זקוקות לשינוי קל בלבד בהגדרות שלהן כדי שיוכלו לרוץ על המעבדים של החברה, ואין צורך בקידוד מחדש. אנבידיה השקיעה, וממשיכה להשקיע, משאבים כדי להבטיח שאפליקציות שמפותחות באמצעות PyTorch ייתמכו באופן מלא ב-CUDA, תשתית התוכנה שלה, שמבטיחה שאפליקציות ירוצו על שרתים שמבוססים על המעבדים הגרפיים ושאר רכיבי החומרה של החברה. מכאן שהמהלך של AWS הוא תחרות ישירה באנבידיה, בדומה לחברות אחרות שביצעו התאמות לחומרה שלהן, כולל AMD ואפל. מה עושה את ההבדל, מבחינתה של אמזון? לטענתה, שימוש ב-TorchNeuron מספק גם גישה לכל שירותי הענן של החברה, מה שמעניק – במיוחד לסטארט-אפים – יתרון: אין צורך לרכוש כוח מחשוב מספקיות ענן חיצוניות, שרובן קשורות כיום לאנבידיה. זאת, במיוחד מאחר שמעבדי ה-Trainium משמשים לצורך האימון וההרצה. זה יכול לחסוך להחברות הללו הרבה כסף. "אתם בונים ב-AWS. אתם לא מהמרים על ספקית מחשוב שזה כל הייעוד שלה, ואז נאלצים להתרוצץ ולבנות את כל השאר מסביב", אמר קולין ברייס, סמנכ"ל טכנולוגיות תוכנה ב-AWS Annapurna Labs, שמפתחת את השבבים הייעודיים של אמזון. "ב-AWS, התשתית המאפשרת לעבור מאבטיפוס לייצור כבר קיימת; זה מאפשר ליזמים להתקדם במהירות ולהרחיב את הפעילות בדיוק כשהם זקוקים לכך". הוא הוסיף כי "הערך של Trainium טמון ביחס העלות-תועלת שלו, ובכך שהוא מהווה פלטפורמה אחודה לאימון ולהיסק – דבר שמשפר את הכדאיות הכלכלית לאורך מחזור העבודה המלא".

אתמול (ב') הודיעה בומי (Boomi), חברת פלטפורמות אינטגרציה אמריקנית, על רכישת אלמנטרי דאטה הישראלית, תמורת 43 מיליון דולר. על פניו מדובר בעוד רכישה צנועה של סטארט-אפ ישראלי צעיר. ברם, השאלה המעניינת באמת היא אחרת: מדוע חברה שמחברת בין המערכות של כ-30 אלף לקוחות ארגוניים זקוקה לחברה שכל תפקידה הוא לבדוק אם הנתונים שזורמים בצינורות האלה נכונים? התשובה לשאלה הזאת אומרת לא מעט על הכיוון שאליו הולכת ה-AI הארגונית. מנכ"ל בומי, סטיב לוקאס, ניסח זאת בהודעה הרשמית במשפט אחד: "ה-AI אמינה רק כמו הנתונים שמאחוריה". זה נשמע כמו סיסמה שיווקית, וכמובן שהיא כזו, אבל מאחוריה מסתתרת בעיה הנדסית אמיתית. נתונים הם צנרת כדי להבין את הבעיה צריך לחשוב על נתונים ארגוניים כעל צנרת: המידע זורם ממערכות ה-ERP, ה-CRM, החנויות והאתרים, עובר עיבוד, המרה ואיחוד, ומגיע בסופו של דבר לדו"ח, לדשבורד או למודל. לאורך כל הדרך מפתחים משנים קוד, ספקים מעדכנים גרסאות ומערכות מתווספות. "תשאל מה היו המכירות ברבעון הרביעי ותקבל ממערכות שונות מספרים שונים", הסבירה מעיין סלום, מייסדת שותפה ומנכ"לית אלמנטרי דאטה, בשיחה עם אנשים ומחשבים אמש. "תבדוק היום ותבדוק עוד שבועיים, ותקבל פתאום תוצאות שונות. אנחנו מסתכלים על אותה דאטה, אבל כל הזמן דברים נשברים", ציינה היזמית. הדוגמה שסלום נתנה ממחישה עד כמה התקלות האלה שקטות. רשת קמעונאות גלובלית ידועה, מלקוחות החברה, קיבלה במשך שנים את נתוני המכירות מהסניף ההולנדי שלה ביורו. אחרי עדכון גרסה שגרתי, המערכת ההולנדית התחילה לשלוח את הנתונים בדולרים, ואילו המערכת המרכזית המשיכה, כמובן, להמיר אותם מיורו לדולר. אף מערכת לא קרסה ואף שרת לא נפל, אבל כל נתוני הסניף ההולנדי השתבשו. ניטור איכות הנתונים בדרך לקבלת החלטות סוכני ה-AI. צילום: ג'מיני דוגמה מפורסמת יותר היא זו של טוויטר. במהלך בדיקת הנאותות שקדמה לרכישתה על ידי אילון מאסק עלו טענות שמספרי המשתמשים מנופחים. לפי הגרסה שסיפרה סלום, מקור הבעיה היה שינוי בלוגיקה: חשבון אחד שהיו בו שמונה משתמשים נספר כשמונה חשבונות נפרדים. לא הייתה כאן כוונה לנפח, אלא תקלת נתונים קלאסית, שעלתה ביוקר. בחברות ציבוריות הבעיה מוכרת היטב, ולא בכדי. אצל חלק מהלקוחות של אלמנטרי, בשנייה שמסתיים דיווח רבעוני לבורסה כבר מתחיל המרוץ לאמת את הנתונים לדיווח הבא. כשהעין האנושית יוצאת מהלולאה עד לא מזמן, מי שבדקו את הנתונים האלה היו בני אדם. אנליסט הכין דו"ח, מנהל עבר על המספרים, ומדי פעם מישהו הרים גבה ושאל למה הנתון נראה מוזר. העין האנושית הזאת הייתה שכבת הבקרה האחרונה. "כיום, כולם נותנים ל-AI גישה ישירה לדאטה, ואומרים לסוכן: תעשה הקצאה מחדש של תקציבי השיווק", הסבירה סלום. אם הנתונים שעליהם הסוכן מבסס את ההחלטה שגויים, אין לו כל דרך להגיע לתוצאה נכונה, ויתרה מכך, אין מי שיעצור אותו בדרך. זה אותו עיקרון ישן של Garbage In, Garbage Out, אבל בקנה מידה ובמהירות אחרים לחלוטין. בעבר, טעות בנתונים התגלתה אחרי שבוע או שבועיים, כשמישהו שם לב. בעידן הסוכנים, עד שמישהו שם לב הסוכן כבר ביצע עשרות פעולות על בסיס הנתון השגוי. לפי סקר שמומן בידי בומי עצמה, ולכן יש לקחת אותו עם קורטוב של מלח, 86% מהמנהלים מדווחים שהארגון שלהם כבר עבר את שלב הפיילוט עם סוכני AI, אך רק 34% סומכים על הפעולות שהסוכנים מבצעים. ארגונים שהטמיעו סוכנים לפני שהיו מוכנים לכך דיווחו על עלות עודפת ממוצעת של 2.1 מיליון דולר. גרטנר העריכה כבר בתחילת 2025 שעד סוף 2026 ארגונים ינטשו 60% מפרויקטי ה-AI שאין מאחוריהם נתונים מוכנים לבינה מלאכותית, וש-63% מהארגונים לא בטוחים שיש להם בכלל נהלים מתאימים לניהול נתונים בעידן הזה – כך שמה שמאכילים את המודלים הוא קריטי. ההזיות הן לא רק בעיה של המודל כאן מגיעה הטענה המעניינת ביותר של סלום. לדבריה, המודלים הפכו כל כך חזקים, עד כדי כך שההבדל בין גרסה לגרסה כבר כמעט לא מורגש, ובמובן מסוים הם הופכים למוצר צריכה. מה שקובע את איכות התוצאה הוא שני דברים: ההקשר שהמודל מקבל ואיכות הנתונים שהוא ניזון מהם. "אתה מקבל תשובה ואומר 'אוף, המודל לא הבין אותי', כי הוא ניזון מנתונים שגויים או שאין לו מספיק קונטקסט", הסבירה. כששאלתי אותה כמה מאיכות התוצאה תלוי באיכות הנתונים הגולמיים, היא סירבה להתקבע על מספר: "אפשר להגיד 60%, 70% או 80%, זה לא משנה. מה שמשנה הוא המגמה". יש בטענה הזאת מסר ברור למנהלי IT: מי שמחפש את הפתרון לבעיות האמינות של ה-AI הארגונית בהחלפת מודל עלול לגלות שהוא מחפש במקום הלא נכון. וכמובן, יש לבעיה גם צד זדוני, שעליו כתבתי כאן בעבר: הרעלת נתונים מכוונת (Data Poisoning), שהיא, בסופו של דבר, אותה חולשה בדיוק, רק בידיים עוינות. עובדי אלמנטרי דאטה. צילום: ביאנה קארו מה בעצם בודקים? אלמנטרי נולדה ב-2022 כפרויקט קוד פתוח, וב-2024 נוספה גרסת ענן מסחרית. לפי נתוני החברה, יותר מ-1,500 צוותי דאטה משתמשים כיום בפתרון שלה, שזוכה לכ-1.1 מיליון הורדות בחודש. סלום משווה את המוצר לכלי ניטור פרודקשן מוכרים: כמו שמנטרים שרתים ועדכונים ליישומים טרום שחרור כדי לדעת אם הם קורסים, אלמנטרי מנטרת את התוכן עצמו. בקצה הפשוט נמצאות בדיקות טריות ונפח, למשל נתון שאמור להתעדכן בכל שעה, ופתאום לא התעדכן במשך חמש שעות. בקצה המתוחכם נמצאות אנומליות סטטיסטיות: סטיית תקן שהייתה יציבה במשך חודשים וקפצה פי ארבעה, בדיוק אחרי שגרסת קוד חדשה עלתה לפרודקשן. לכך מתווספים מיפוי מסלול הנתונים ברמת העמודה, מהקליטה ועד הדו"ח או הסוכן, ושרת MCP שחושף לסוכני ה-AI את מצב הבריאות של הנתונים, לפני שהם פועלים עליהם. השאלה הבאה היא מה קורה כשמודלים יתחילו להתאמן על תוכן שמודלים אחרים יצרו, וכשחלק מעיבוד הנתונים עצמו יבוצע על ידי מודלי שפה ולא על ידי קוד דטרמיניסטי. לדברי סלום, העיקרון לא משתנה, רק רמת הבדיקה עולה. אם בעבר בדקו אורך שדה וכמות תווים, כיום צריך לבדוק הקשר ומשמעות. "זה עדיין אותו קונספט של Input ו-Output", אמרה. "זה לוודא שה-Input הוא מה שהוא אמור להיות, שה-Output הוא מה שהוא אמור להיות ולשים את זה בכל השלבים בדרך". בעידן הסוכנים, אמינות הנתונים כבר אינה עניין טכני של צוות הדאטה, אלא שאלה ברמת ה-C Level של ניהול סיכונים לכלל הארגון. מי שמנטר רק את המערכות ולא את התוכן שזורם בהן יגלה את התקלה כשכבר יהיה מאוחר מדי מה זה אומר למנהל ה-IT? המסקנה המעשית פשוטה יותר ממה שנדמה. לפני שמחברים סוכן בינה מלאכותית למערכות הארגון צריך לדעת בדיוק לאילו מקורות נתונים הוא ניגש, מאיפה הם מגיעים ומי אחראי עליהם. כשם שלמערכות יש SLA של זמינות, כך לנתונים צריך להגדיר רמת שירות: באיזו תדירות הם אמורים להתעדכן, מה הנפח הצפוי ואיך נראה המבנה התקין שלהם. מכיוון שרוב התקלות השקטות נולדות בעקבות שינויי קוד, כדאי לשלב בדיקות נתונים אוטומטיות בכל שינוי שנוגע בצנרת – בדיוק כמו בדיקות התוכנה שכבר רצות ב-CI. במקומות שבהם מודל שפה מעבד, מסכם או ממיר נתונים, יש להשוות בין המקור ליעד, בדיוק כפי שהיו עושים לגבי קוד רגיל. ודבר אחרון, ואולי החשוב מכולם: לא לתת לסוכן הרשאות כתיבה ופעולה בלי שכבת בקרה שיודעת לעצור אותו כשהנתונים שמתחתיו חשודים. בעידן הסוכנים, אמינות הנתונים כבר אינה עניין טכני של צוות הדאטה, אלא שאלה ברמת ה-C Level של ניהול סיכונים לכלל הארגון. מי שמנטר רק את המערכות ולא את התוכן שזורם בהן יגלה את התקלה כשכבר יהיה מאוחר מדי, ובמקרה של סוכן AI – אחרי שכבר פעל על פי נתונים שגויים או לא טריים. המודלים כבר מספיק חכמים. השאלה היא אם הנתונים שלכם ראויים להם.

שבא, שמנהלת ומפתחת מערכות תשלומים לאומיות בכרטיסי חיוב ובכספומטים, הודיעה אתמול (ב') כי הדירקטוריון אישר את מינויו של צחי סנדורי לסמנכ"ל הטכנולוגיה והחדשנות של החברה. סנדורי מכהן מאז 2023 כחבר הנהלת שבא וסמנכ"ל התשתיות והדאטה של החברה. הוא מחליף בתפקידו החדש את גיא רם, שסיים את עבודתו בחברה לאחר כחמש שנים. יש לסנדורי תואר ראשון במינהל עסקים. לפני שהצטרף לשבא הוא שימש כסמנכ"ל ה-IT והתפעול של חברת הפינטק e-Global, וכמנהל ה-IT והסייבר של רדוור. איתן לב-טוב, מנכ"ל שבא, אמר כי "אנחנו מנהלים ומפתחים שתי מערכות שמהוות תשתית מדינה קריטית. הן דורשות שמירה מתמדת על ההמשכיות העסקית שלהן, לנוכח האיומים על מדינת ישראל ועל מערכות התשתית שלה. כמו כן, אנחנו ממשיכים לקדם מהלך רב שנתי לשדרוג ולשיפור יכולותינו הטכנולוגיות. מדובר במהלך שמושקעים בו משאבים רבים, ומטרתו לפתח את מערכות הליבה להתמודדות מיטבית עם האתגרים השונים, ולהמשך צמיחה וחדשנות. אני משוכנע שהניסיון של סנדורי וההיכרות שלו עם החברה יסייעו לנו רבות בהמשך הדרך". מינויו של סנדורי הועבר לאישור בנק ישראל.

"כבר יותר מעשור שאנחנו פועלים במגרש המשחקים של הבינה המלאכותית. 74 מיליארד טוקנים נצרכים בדקה לטובת טיפול באפליקציות שלנו. זה נתון מטורף עבור טכנולוגיה חדשה, וכעת, עם הכניסה לעידן הבינה המלאכותית הסוכנית, הוא צפוי להמשיך ולגדול", כך אמר שי מור, דירקטור המגזר הציבורי והאנטרפרייז בגוגל קלאוד ישראל. מור דיבר בכנס שערכה החברה אתמול (ב') בירושלים, תחת הכותרת "הדור הבא של סביבת עבודה ו-AI במגזר הציבורי", והשתתפו בו כ-150 לקוחות מהממשלה. לדבריו, "יש חשיבות למעבר לעידן הסוכני: עד היום, רובנו השתמשנו ביכולות צ'ט בסיסיות. היינו שואלים שאלה, מבקשים בקשה ומקבלים מענה. בעידן החדש, אנחנו יכולים לגרום למנועי ה-AI לעבוד עבורנו, כשהסוכן רץ ברקע". "סוכני AI משתמשים בטוקנים פי חמישה מעובדים אנושיים" מור ציין כמה נתונים בעולמות הבינה המלאכותית בכלל, וזו הסוכנית בפרט: "כבר כיום, סוכני AI משתמשים בטוקנים פי חמישה מאשר עובדים אנושיים. בנוסף, 75% מהיקף שורות הקוד נכתבות כיום על ידי ג'מיני. השימוש ב-AI שלנו מביא לשיפור קמפיינים של שיווק, ולהפיכתם ליעילים ומהירים. כמו כן, עם בינה מלאכותית, מרכזי תפעול הסייבר (SoC) פועלים באופן יעיל יותר ב-90%". Gemini 4 Argon הוא הציג את Gemini 4 Argon, שגוגל השיקה לפני ימים אחדים, ואמר כי הוא כולל שיפורים בשלושה אזורים: פיתוח תוכנה, הגנת סייבר, וידע ותוכן ארגוניים. "היתרון המרכזי שלנו הוא שיש לנו את כלל המרכיבים ב-'ערמת ה-AI': אנחנו ספק ענן, חומרה ומודלים שמיליארדים משתמשים בהם. חברות המחקר ממצבות אותנו כחברה מובילה בעולמות ה-AI. התוצאות העסקיות שלנו הן בהתאמה לגידול שחווינו ברבעון האחרון: צמיחה בשיעור של 82% בעסק שמניב מאות מיליארדי דולרים". מור ציין גם גידול של 17% בכמות החיפושים בגוגל – בניגוד לחשש שהשימוש במודלי הבינה המלאכותית דווקא יקטין אותם, ואמר כי שמספר הנביעות במוניות האוטונומיות של ויימו, שפופולריות מאוד בארצות הברית בכלל, ובסן פרנסיסקו ועמק הסיליקון בפרט, קפצו במאות אחוזים למיליונים בחודש. המוניות הללו יושבות בענן של גוגל. "בישראל", אמר מור, "ג'מיני הוא מנוע עסקי עבור מיזם הענן הממשלתי נימבוס. הוא כולו בבעלות גוגל, מהמודל ועד ה-'ברזלים'. זה מעניק אבטחה ברמה גבוהה לפרויקט – אנחנו לא נוגעים במידע ולא שומרים אותו, והמודלים שלנו מאובטחים". איפה ג'מיני פוגש את הארגון? לדברי מור, "ג'מיני פוגש את הארגון בשלושה מקומות: בעסק, דרך הסוכן ובפלטפורמה, כסביבת פיתוח. אנחנו מאפשרים למשתמשים לבחור עם איזה מודל לעבוד – ג'מיני או קלוד. כך, הסוכן יודע לגשת למערכות הנכונות ולבצע את המשימות המתאימות בכל מקום ועם קונטקסט, שנשמר במעבר בין מערכות". הוא הוסיף כי "הסוכן יכול לחלץ נתונים מתוך מסמכים שנוצרו בעקבות פגישה מלפני חודש, להעיר הערות ועוד. כך, הסוכן הופך לחלק מכוח העבודה בארגון, ומבצע חלק ניכר מפעולות העובדים. אנחנו מאפשרים את היכולת הזו עם מערך שליטה מורחב". "ג'מיני הוא לא רק סוכן", אמר מור. "הוא יודע לסייע לשיפור השירות וחוויות המשתמשים". האבטחה במוקד מור דיבר גם על ההתקצרות המשמעותית של הזמן בין הרגע שבו ההאקרים מגלים חולשה בארגון לזה שבו הם מנצלים אותה, ועל התרחבות היקף הזיהום. "כדי להגן", ציין, "בנינו תפיסה מבוססת פלטפורמה, AI Threat Defence. עם וויז, שמשתלבת במערכות שלנו, אנחנו מספקים הגנה אחודה ומוכללת. כמו כן, יש לנו מודלי הגנת סייבר ייעודיים ונראות מרבית. את מודיעין האיומים אנחנו מציעים עם מנדיאנט, שמסייעת לאנליסטי האבטחה בשטח". "לטעמי", הוסיף מור, "גוגל היא חברת האבטחה הגדולה בעולם. היא בעלת רמת החיכוך הרבה בעולם סביב סייבר – מיליארדי משתמשים מותקפים בכל יום, בהיקף המקביל למדינה". הוא סיים את דבריו באומרו כי "גוגל מביאה לעולם החדש פלטפורמה עם 'מוח' והקשרים. ג'מיני הוא מודל בטוח ונכון – כספית וגם תפעולית. אנחנו מביאים לנימבוס פתרון מלא של IT ו-AI, עם ניהול מרכזי ובמקום אחד של כלל הסוכנים, FinOps והכי חשוב – הגנה פרו-אקטיבית".

כשהאופנה פוגשת את הטכנולוגיה: הדגמים החדשים מבית Meta זמינים מהיום, 20 באוקטובר, ומשלבים עיצוב אייקוני, מצלמות מובנות, יכולות בינה מלאכותית וחידושים טכנולוגיים מתקדמים