המחלקה לזיהוי צבאי

“למידה עמוקה” היא למעשה מיתוג מחדש של טכנולוגיה שנקראת “רשתות נוירונים”. אסף: “אם בעבר מהנדס הגדיר כללים שבעזרתם המחשב ניתח את התמונה, הלמידה העמוקה היא להציג למחשב המון דוגמאות והוא לומד לבד. למשל, אם מהנדס רוצה להגדיר כללים למחשב כיצד להבדיל בין כלבים וחתולים, מדובר בעבודה קשה: לשניהם יש שתי עיניים, 4 רגליים, פרווה, זנב. לכן כיום מציגים למחשב המון תמונות של כלבים וחתולים ונותנים לו לעבד ולנתח את המידע לבד. כך, הוא מסוגל ליצור לעצמו כללים בהתבסס על הידע שצבר”. 

הכניסה של הלמידה העמוקה ב 2012 שינתה דרמטית את טכנולוגיית הראיה הממוחשבת. ב-2014 התחילו לשלב את השניים ברפאל. “התחלנו מתחום גילוי האובייקטים בתמונות”, מספר דוד, “והתקבלה קפיצת מדרגה לעומת כל הטכנולוגיות המסורתיות, אז זה נתן לנו רוח גבית מאוד גדולה להטמיע את זה במגוון אפליקציות”.

איך השילוב של ראיה ממוחשבת ולמידה עמוקה ישפיעו על החייל בשטח?

אסף: “כשהוא נכנס למקום וצריך לסווג האם מי שנמצא מולו הוא אויב או ידיד, ילד או מבוגר. לפעמים זה לאו דווקא החייל עצמו: שולחים רחפן לבית והוא יודיע למטוס הקרב מה הוא זיהה כדי להחליט אם להפציץ או לא. זה גם מסייע למפקד. אחד הדברים שאנחנו יודעים לעשות בראיה ממוחשבת זה למנוע פגיעה בחיי אדם באימונים ובמשימות שמערבות כניסה של כוח שלנו למקומות. איך מאמנים מג”ד? מייצרים לו מצב בשטח. 

“זה עולה המון כסף ויש תאונות – נגמ”ש מתהפך, נפלט כדור. אבל אם אנחנו באיזה חדר סימולציה והמג”ד רואה את הכוחות זזים בלייב וזה נראה לו מאוד אמיתי, אפשר לגלגל את זה אחורה, לתחקר את זה, לייצר לו סיטואציות שקשה לחקות בשטח. הגרפיקה הממוחשבת מסייעת לו להתכונן למשימה: לצלם מקום מסוים, לבנות לו מודל תלת ממדי, ואח”כ לאפשר לחייל עם משקפי תלת מימד להיות בשטח הממוחשב הזה, לטייל בו, ללמוד אותו וכך לבוא יותר מוכן למשימה”.

עד כמה אתם מוטרדים מהסוגיות האתיות שקשורות ללמידה עמוקה וקבלת החלטות אוטונומיות של מערכות נשק?

דוד: “בסוף מאחורי כל החלטה ושימוש בטכנולוגיה עומדים אנשים. נכון שאני שותף ליצור של נשק ואלה דברים מסוכנים אתית, אבל אני צריך להבין שאותו נווט שישחרר פצצה היה מעדיף לשבת בסלון עם מילקשייק ולעשות דברים נחמדים יותר. אנחנו צריכים לדאוג שאנשים יעשו שימוש טוב בטכנולוגיה”.

עד כמה אתם מעסיקים את עצמכם במחשבה איך זה עוזר לדכא אוכלוסיה אפילו בלי צורך בנשק, כמו מה שראינו בהונג קונג?

אסף: “בדמוקרטיה הרבה יותר קשה להשתמש בזה ככה, כי בסוף האזרחים אמורים להחליט. האזרחים יכולים לקחת על זה שליטה ואני רוצה להאמין שזה לא יקרה”.

דוד: “יש לי חשש כזה כי מה שמתחיל בסין לא בהכרח נשאר שם”.

החייל שמתגייס עכשיו גדל על משחקים כמו call of duty שכבר עכשיו משתמשים בטכנולוגיה הזו. עד כמה שדה הקרב שואב מהמשחק ולהיפך?

דוד: “השוק האזרחי והצבאי שואבים אלה מאלה מידע והשראה. יש לנו הסתמכות מאוד גדולה על קוד פתוח, בסיסי נתונים ומאמרים אקדמיים. העולם האקדמי דוחף מאוד חזק את הטכנולוגיה הזו וגם חברות ענק כמו גוגל, פייסבוק ומייקרוסופט. אם בעבר מהנדס היה יושב ומפתח כל מיני חוקים כדי לזהות אובייקט בתמונה אז היום הוא פשוט צריך לאסוף הרבה מאוד דוגמאות והדגש עבר לאיסוף בסיסי נתונים”. 

אז השוק האזרחי חסך לכם עבודה.

אסף: “כל מה שקורה באזרחות מאוד משפיע עלינו. לדוגמא: יש “פיתוח מהיר”. פעם לעשות דבר כזה בחברה בטחונית היה סיוט, שנים של אישורים ועד שהמערכת מתפתחת היא כבר לא רלוונטית. מה עשינו? יצרנו מצב שבו ברפאל אתה יכול להקים סטארטאפ בתוך החברה, גורם שפניו כלפי השוק האזרחי, הוא שואב ממנו רכיבים ומנסה לחבר אותם ככה שהם יצרו מערכת חדשה לשימושים. ברכבים אוטונומיים שאבנו השראה מרכיבי המדף. ידע, דאטה בייס של תמונות – לקחנו מהאזרחות. השוק האזרחי מוצף בדאטה בייס שאני מזין בו את המערכות הצבאיות. אבל בגלל היוקר של פיתוח רעיונות מסויימים השוק האזרחי לא יבצע אותן. למשל מצלמות ראיית לילה עברו מהשוק הצבאי לאזרחי”.

דוד: “השוק האזרחי, למשל, רוצה רכבים אוטונומיים שנוסעים על כבישים. כשמעבירים את הטכנולוגיה לשוק הצבאי הדרישות כבר גבוהות יותר: אצלנו הרכב האוטונומי צריך לנסוע גם על דרכי עפר, למשל”. 

איפה נהיה בעוד חמש שנים?

אסף: “כבר כיום הרבה אפליקציות אזרחיות של הלמידה העמוקה עקפו את הביצועים האנושיים. פורסמו למשל עבודות של סיווג שומות בעור שהגיעו ליכולת הביצועים של רופאים. אני מניח שהמערכות שמנתחות תמונות רפואיות יהיו יותר ויותר פופולאריות, לפחות ברמת ההמלצה לרופא או כחוו”ד שניה. השדה הרפואי מתפתח לאט יותר מאחרים. לי אישית יש רצון לראות את השילוב של הטכנולוגיות האלה במה שנוגע לאנשים עם מוגבלויות. אבא שלי עבר תאונת דרכים שהשאירה אותו נכה. מאוד הייתי רוצה רובוט דמוי בן אדם שילך איתו ויעזור לו”.