לדלג לתוכן

אוריינות AI

מתוך ויקיפדיה, האנציקלופדיה החופשית

אוריינות AI או אוריינות בינה מלאכותית (ב"מ) (Artificial Intelligence Literacy) היא היכולת להבין בינה מלאכותית, להשתמש בה, לנטר אותה ולחשוב עליה באופן ביקורתי.[1] המושג מתייחס בעיקר להקניית מיומנויות וידע בקרב הקהל הרחב, שאינו מומחה לבינה מלאכותית.[1]

קיימת הסכמה רחבה לכך שאוריינות AI היא נדרשת, ושיש להקנות אותה לתלמידים וסטודנטים.[1] [2] הבינה המלאכותית מיושמת בהקשרי חיים רחבים, כגון כלי רכב אוטונומיים, עוזרים וירטואליים, אבחון רפואי, גיוס עובדים ועוד.[3] גם במערכת החינוך יש שימוש בבינה מלאכותית לטובת שיפור הלמידה, ההוראה והמינהל.[4] מי שמשתמש בכלים האלה צריך להבין אותם מספיק טוב כדי לקבל החלטות מושכלות ביחס אליהם, ולכן נדרשת אוריינות AI.

לאוריינות AI צפויות להיות השלכות תעסוקתיות משמעותיות, כך שמי שירכוש אוריינות כזאת יצליח יותר בשוק התעסוקה.[5]

הגדרות

[עריכת קוד מקור | עריכה]

אחת ההגדרות המוקדמות והשכיחות[1] לאוריינות AI היא "מערכת של מיומנויות המאפשרת לאנשים להעריך באופן ביקורתי כלי בינה מלאכותית, לתקשר ולשתף פעולה עם אחרים בעזרת כלי בינה מלאכותית, ולהשתמש בבינה מלאכותית ככלי מקוון בבית ובעבודה."[6]

הגדרות דומות אך מאוחרות יותר הן "היכולת להבין, להשתמש, לנטר ולחשוב באופן ביקורתי על כלי בינה מלאכותית",[1] או "היכולת להבין בינה מלאכותית, להשתמש בה, להעריך אותה ולהפעיל אותה באופן מוסרי".[7]

אוריינות AI קשורה לסוגי אוריינות אחרים. אוריינות דיגיטלית היא תנאי מקדים לאוריינות AI, אוריינות מדעית (אנ') ואוריינות חישובית (אנ') יכולות לתרום לה, ואוריינות נתונים (אנ') חופפת לה במידה משמעותית.[6]

תחומים

[עריכת קוד מקור | עריכה]

מקובל לחלק את המיומנות של אוריינות AI למספר תחומים. השכיחים בינהם הם ידע תאורטי על האופן בו פועלת בינה מלאכותית, שימוש בכלי בינה מלאכותית, הערכה ביקורתית של בינה מלאכותית ואתיקה שלה. חלוקה זו היא מלאכותית, שכן התחומים קשורים אלה לאלה.[8]

ידע תאורטי

[עריכת קוד מקור | עריכה]

ידע והבנה תאורטיים מתייחסים להבנה בסיסית של מהי בינה מלאכותית ואיך היא פועלת. זה כולל היכרות עם אלגוריתמים של למידת מכונה ועם המגבלות וההטיות הקיימות במערכות בינה מלאכותית.[9] משתמשים בעלי ידע תאורטי צריכים להכיר טכנולוגיות שונות המשתמשות בבינה מלאכותית, כולל מערכות קוגניטיביות, רובוטיקה ולמידת מכונה.[6]

יישום

[עריכת קוד מקור | עריכה]

יישום מתייחס ליכולת להשתמש בכלי בינה מלאכותית על מנת לפתור בעיות ולבצע משימות. לדוגמה, תכנות וניתוח קובצי נתונים גדולים.[9]

הערכה

[עריכת קוד מקור | עריכה]

הערכה מתייחסת ליכולת להעריך באופן ביקורתי את האיכות והמהימנות של מערכות בינה מלאכותית. הערכה מתייחסת גם ליכולת לתכנן ולבנות מערכות בינה מלאכותית הוגנות ומוסריות.[9] לצורך ביצוע הערכה, המשתמשים צריכים גם ללמוד באילו תחומים הבינה המלאכותית חזקה, ובאילו תחומים היא חלשה.[6]

שימוש ביקורתי בעוזרים וירטואליים כמו אלקסה וסירי דורש גם פיתוח מיומנויות נוספות:[10]

  • אוריינות פרטיות - היכולת לזהות איומים על הפרטיות, לנהל אותה ולהגן עליה
  • אוריינות שכנוע - זיהוי ומניעה של השפעה של מערכות דמויות אדם
  • יכולת רגשית - היכולת לנהל תסכול וחרדה העולים באינטראקציה עם עוזרים וירטואליים
  • רפלקציה - היכולת לדעת מהם הצרכים,העקרונות המוסריים והסכנות האישיים

מוסר

[עריכת קוד מקור | עריכה]
ערכים מורחבים – אתיקה של בינה מלאכותית, אתיקה של מכונות

כלים של בינה מלאכותית מקבלים החלטות המשפיעות משמעותית על האדם כמו איזו ריבית יקבל בבנק, האם יתקבל ללימודים או לעבודה.[11] חלק מאוריינות AI הוא להיות מודעים להשפעות של AI על החיים ולוודא שהן נעשות באופן מוסרי. מוסר או אתיקה של בינה מלאכותית מתייחסים להבנת ההשלכות המוסריות של בינה מלאכותית, והיכולת לקבל החלטות מושכלות ביחס לשימוש בכלים של בינה מלאכותית.[9] תחום זה כולל שיקולים ממספר תחומים וקיימות גישות שונות לקיטלוג האתגרים המוסריים.[12]

אמון

[עריכת קוד מקור | עריכה]

הציבור נוטה לחשוב שמשום שהחלטה מתקבלת על-ידי מכונה אובייקטיבית, הרי שהיא תהיה הוגנת ובלתי מוטה. אך זוהי תפיסה שגויה.[11] על מנת שניתן יהיה לתת אמון בכלי AI, יש להתייחס למספר מרכיבים.

  • הוגנות - וידוא שהמודל מתייחס באופן הוגן כלפי כולם, במיוחד כלפי אוכלוסיות שסבלו היסטורית מייצוג חסר.[11] למנוע אפליה, לכלול מנגנוני ניטור ולשקול נקודות מבט מגוונות.[13] לשם כך, יש להרחיב גם את המגוון התרבותי של החוקרים והחוקרות בתחום.[14]
  • הסברתיות - וידוא שניתן להסביר למשתמשים בשפה פשוטה את ההחלטות האלגוריתמיות והנתונים שבבסיסן[13][11]
  • חוסן ואבטחה - וידוא שמערכות הבינה המלאכותית בטוחות, מאובטחות ועמידות לפגיעות, ושלא ניתן לנצל אותן לרווח של אחד על חשבון אחרים[13][11]
  • שקיפות - יידוע של המשתמשים על השימוש בכלי AI לקבלת החלטה מסויימת, ולתת להם מידע על המודל הנמצא בשימוש.[11] שקיפות במידע מאפשרת גם לצד שלישי לבקר את התנהגות האלגוריתם[13]
  • פרטיות מידע - שמירה מפני שימוש לא מאושר במידע אישי[6][11]
  • דיוק - הכרה ודיווח על גורמי טעות ואי-ודאות באלגוריתמים ובנתונים[13]
  • אַחְרָיוּתִיּוּת (אנ') - וידוא שהמשתמשים והפלטפורמות לוקחים אחריות על האופן בו כלי הבינה המלאכותית פועלים ועל עמידה בעקרונות אתיים[13][15]

האדם במרכז

[עריכת קוד מקור | עריכה]

מערכות AI צריכות להעצים את בני האדם, לאפשר להם לקבל החלטות מושכלות ולקדם את זכויותיהם.[15]

  • האדם במרכז ורווחה נפשית - מתן קדימות לצרכים ולרווחתם הנפשית של בני האדם[13]
  • זכויות אדם - וידוא שהטכנולוגיות לא פוגעות בזכויות אדם[13]
  • אוטונומיה - שמירה על שליטה אנושית על מערכות בינה מלאכותית כמו רכבים אוטונומיים

השפעות חברתיות וסביבתיות

[עריכת קוד מקור | עריכה]
  • קיימות - העדפת יישומים המספקים תובנות ארוכות טווח[13]

עקרונות לשימוש מוסרי

[עריכת קוד מקור | עריכה]

חברת IBM ניסחה עקרונות כלליים לשימוש מוסרי בכלי AI בארגון או חברה.[11]

  1. מטרת כלי ה־AI אינה להחליף את האדם, אלא להגביר את יכולותיו
  2. נתונים והתובנות המופקות מהם שייכים באופן בלעדי ליוצריהם
  3. מערכות AI צריכות לשמור על שקיפות והסברתיות

מכיוון שהאתגרים המוסריים אינם רק טכנולוגיים, אלא סוציוטכנולוגיים, יש להתייחס באופן הוליסטי ולשים לב לכמה עקרונות נוספים:

  1. צוות העבודה של כלי ה AI צריך להיות מגוון ולהכיל אנשים מקבוצות שונות של מגדר ומיעוטים, זאת כדי לשפר את חוכמת ההמונים
  2. על תהליך העבודה להיות מושתת על עקרונות מוסריים כמו שקיפות והסברתיות
  3. יש להשתמש בכלי עבודה שיאפשרו את יישום העקרונות המוסריים

ידע תומך

[עריכת קוד מקור | עריכה]

ידע תומך מתייחס למיומנויות ותחומי ידע המסייעים לעבודה עם בינה מלאכותית. לדוגמה, תכנות וסטטיסטיקה.[9]

רמות חשיבה

[עריכת קוד מקור | עריכה]

ניתן גם לחלק את הפעולות להגברת אוריינות AI לשש רמות, לפי הרמה בטקסונומיה של בלום אותה הם מדגישים:[16]

  1. לזכור - להעתיק, לשחזר ולזכור מושגים מתחום הבינה המלאכותית
  2. להבין - להסביר רעיונות או מושגים. לתאר, להסביר, לפרש ולהדגים את המשמעות של בינה מלאכותית
  3. ליישם - להשתמש במידע במצבים חדשים. ליישם, להפעיל והשתמש ביישומי בינה מלאכותית בהקשרים שונים
  4. לנתח - לקשר בין רעיונות. לארגן, להשוות, לפרק ולפשט בעיות בנושא בינה מלאכותית
  5. להעריך - לנמק עמדה או החלטה. להעריך, לנבא, לזהות ולנמק החלטות בעזרת יישומי בינה מלאכותית
  6. ליצור - לעצב, להרכיב, לבנות ולפתח יישומי בינה מלאכותית

רוב המחקרים בתחום עוסקים ברמות החשיבה הנמוכות יותר של זיכרון, הבנה ויישום.[17]

מדידה

[עריכת קוד מקור | עריכה]

הגישות המוקדמות למדידה של אוריינות AI פעלו בעיקר דרך מבחני ידע בתחום צר. גישות מתקדמות יותר בוחנות לא רק את הידע, אלא גם את המיומנויות והערכים הקשורים לאוריינות AI.[18] קנות' וחב' מציעים לבנות מטריצת הערכה בת שני מימדים. המימד האופקי בוחן את סוגי האוריינות: אוריינות AI כללית, אוריינות AI תלויות תחום תוכן, ואתיקה. המימד האנכי כולל את היכולת: ידע, מיומנות וערכים. בכל משבצת ניתן לחבר אמירות המצליבות בין סוג האוריינות לבין היכולת. על הנשאל לדרג בסולם ליקרט עד כמה הוא מסכים עם כל אחת מהאמירות. למשל, בהצלבה של אוריינות AI כללית וידע אפשר להציג אמירה כמו "אני מסוגל לתאר איך מאמנים ונבדקים מודלים של למידת מכונה". בהצלבה של אוריינות AI תלויות תחום תוכן (למשל רפואה) ומיומנויות אפשר לרשום "אני מסוגל להשתמש לפחות באפליקציה אחת של AI בתפקידי המקצועי כרופא". בהצלבה של ערכים ואתיקה אפשר לרשום "זה מוסרי שמערכות AI יקבלו החלטות משמעותיות ללא פיקוח אנושי".[19]

קידום אוריינות AI

[עריכת קוד מקור | עריכה]

מספר ממשלות הכירו בצורך לקדם אוריינות AI, גם בקרב מבוגרים. תוכניות שכאלה פורסמו בארצות הברית, סין, גרמניה ופינלנד.[5] תוכניות המיועדות לקהל הרחב מורכבות בדרך־כלל מיחידות לימוד מקוונות, קצרות ונוחות להבנה. תוכניות המיועדות לילדים בנויות בדרך־כלל כפרויקטים יישומים. תוכניות לסטודנטים במכללות ואוניברסיטאות מתייחסות לעיתים קרובות לצרכים המקצועיים הספציפיים של הסטודנט, בהתאם לתחום הלימוד שלו.[5] מעבר למערכת החינוך, ניתן לפתח אוריינות AI גם בקהילה, לדוגמה במוזיאונים.[20]

בתי ספר

[עריכת קוד מקור | עריכה]

בבתי הספר משתמשים במספר פדגוגיות להקניית אוריינות AI .[21] אלה כוללים בין השאר:

תוכניות לימוד בנושא בינה מלאכותית משפרות את הבנת התלמידים ביחס לנושאים כמו למידת מכונה, רשתות עצביות ולמידה עמוקה.[22]

תיאור מקרה: תוכנית DAILy

[עריכת קוד מקור | עריכה]

תוכנית DAILy (Developing AI Literacy)[23] פותחה על־ידי MIT ואוניברסיטת בוסטון במטרה להגביר אוריינות AI בקרב תלמידי חטיבת הביניים. התכנית בנויה כסדנא של 30 שעות הכוללת את הנושאים: מבוא לבינה מלאכותית, מערכות לוגיות (עצי החלטות), למידה מונחית, רשתות עצביות, למידה חישובית, דיפ-פייק, ומחוללי שפה טבעית (אנ'). התלמידים בוחנים את ההשלכות המוסריות והחברתיות של כל נושא, וכן את המשמעויות התעסוקתיות שלו.[24]

השכלה גבוהה

[עריכת קוד מקור | עריכה]

לפני העשור השני של המאה ה־21, בינה מלאכותית נלמדה בעיקר במקצועות ה־STEM (אנ') (מדעים, טכנולוגיה, הנדסה ומתמטיקה).[6][2] בעשור השני של המאה, החלו להופיע יוזמות להרחבת ההשכלה בתחום הבינה המלאכותית, ובפרט להקניית אוריינות AI.[2] קורסים לקידום אוריינות AI משלבים למידה יישומית עם הקניית ידע, כאשר מרביתם עושים זאת בסביבת תכנות. רוב הקורסים מתחילים ביחידת לימוד אחת או יותר העוסקת בשאלות בסיסיות כמו מהי בינה מלאכותית, מה מקורה, מה היא יודעת לעשות ומה לא. רוב הקורסים מתייחסים גם ללמידת מכונה וללמידה עמוקה. חלק מהקורסים עוסק בסוגיות מוסריות בבינה מלאכותית.[25]

תיאור מקרה: אוניברסיטת פלורידה

[עריכת קוד מקור | עריכה]

באוניברסיטת פלורידה נעשה מהלך רחב של החדרת בינה מלאכותית לתוכנית הלימודים בכל הדיסציפלינות. מטרת המהלך הייתה להקנות לסטודנטים באוניברסיטה את המיומנויות הנדרשות לשוק העבודה של המאה ה־21.[26] במסגרת היוזמה גויסו כ־100 אנשי סגל חדשים. כל סטודנט חויב ללמוד קורס בסיסי בבינה מלאכותית וקורס על אתיקה, מידע וטכנולוגיה. כל סטודנט בחר קורס נוסף מתוך כמה תחומי תוכן כגון רפואה, או עסקים. סטודנטים שסיימו בהצלחה את שלושת הקורסים זכו בתעודה רשמית.

המהלך לווה בהגברת הלמידה היישומית באוניברסיטה. בין השאר, נערכו קורסים בשיתוף התעשייה, כאשר סטודנטים ואנשי תעשייה ניסו לפתור יחד בעיות מהעולם האמיתי, בעזרת כלי AI.[25]

כדי לנהל את היוזמה, הוקמה ועדה שבחנה קורסים קיימים וקורסים חדשים ומיפתה את תחומי האוריינות הנלמדים בהם. כל קורס אופיין בתחומי האוריינות אליהם הוא מתייחס, כך שהסטודנטים יכלו לבחור את הקורסים המתאימים להם, וההנהלה יכלה לזהות פערים או חסרים בתחומים מסוימים.

משאבי הוראה

[עריכת קוד מקור | עריכה]

מכיוון שאוריינות AI נדרשת לקהל הרחב ומספר המומחים בתחום הוא מצומצם, ניתן להשתמש במשאבים מקוונים כדי להקנות את המיומנות.

אנגלית

[עריכת קוד מקור | עריכה]

מספר גופים כמו MIT[27][23] ואוניברסיטת סטנפורד[28] הקימו אתרים הכוללים מערכי שיעור ופעילויות להגברת אוריינות AI לטובת הציבור הרחב. מערכי שיעור חינמיים נמצאים גם באקדמיית קהאן[29] ובאתרים נוספים.[30][31]

קיימים מספר קורסים מקוונים חינמיים באנגלית שמטרתם ללמד מבוגרים את הבסיס של בינה מלאכותית. קורסים אלה נוצרו על-ידי חברת IBM,[32] גוגל,[33] ו־DeepLearning.AI.[34] יחידות לימוד ברמה בסיסית יותר קיימות באקדמיית קהאן[35]

קיימות גם הדרכות ייעודיות עבור מרצים ומורים, למשל מסלול למידה בן 3 שעות של מיקרוסופט.[36]

עברית

[עריכת קוד מקור | עריכה]

בעברית קיים קורס מקוון חינמי של אוניברסיטת בן-גוריון באתר קמפוס IL, אך הוא אינו מתאים לקהל הרחב, אלא רק לבעלי יכולות תכנות בסיסיות.[37] קיימות גם הצעות לפעילויות חינוכיות בנושאים של סוגיות אתיות ב־AI.[38][39]

אוניברסיטת פנסילבניה יצרה קורס מזורז בן שעה הכולל חמישה סרטוני הדרכה.[40] הסרטונים מתייחסים לידע תאורטי הנושאים של מודלי שפה גדולים והנדסת פרומפטים, לסוגיות אתיות, ולשימוש פרקטי למרצים ולסטודנטים. אפשר להפעיל כתוביות בעברית לסרטונים, אבל המידע הכתוב לא יתורגם. קיימים גם סרטונים נוספים באנגלית המתמקדים בבינה מלאכותית יוצרת.[41]

אפשר לשלב הרצאות TED עם כתוביות בעברית של מומחים בתוך שיעורים הנלמדים באופן פרונטלי או באופן אסינכרוני (אנ'). למשל סרטונים העוסקים בנושאים של אחריותיות (accountability),[42] אמון,[43] דיפ פייק,[44] ותכנות בעזרת AI.[45]

ראו גם

[עריכת קוד מקור | עריכה]

קישורים חיצוניים

[עריכת קוד מקור | עריכה]

הערות שוליים

[עריכת קוד מקור | עריכה]
  1. ^ 1 2 3 4 5 Matthias Carl Laupichler et al, Artificial intelligence literacy in higher and adult education: A scoping literature review, Computers and Education: Artificial Intelligence 3, 2022, עמ' 1 doi: 10.1016/j.caeai.2022.100101
  2. ^ 1 2 3 Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 3 doi: https://doi.org/10.1016/j.caeai.2023.100127
  3. ^ Stefan Buijsman, Michael Klenk & Jeroen van den Hoven, Nathalie A. Smuha (ע), Ethics of AI, Cambridge Handbook on the Law, Ethics and Policy of AI, Cambridge University Press, עמ' 1
  4. ^ Rosemary Luckin et al, Empowering educators to be AI-ready, Computers and Education: Artificial Intelligence 3, 2022, עמ' 100076 doi: 10.1016/j.caeai.2022.100076
  5. ^ 1 2 3 Matthias Carl Laupichler et al, Artificial intelligence literacy in higher and adult education: A scoping literature review, Computers and Education: Artificial Intelligence 3, 2022, עמ' 2 doi: 10.1016/j.caeai.2022.100101
  6. ^ 1 2 3 4 5 6 7 Duri Long, Brian Magerko, What is AI Literacy? Competencies and Design Considerations, Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, CHI '20, Association for Computing Machinery, 2020-04-23, עמ' 1–16 doi: 10.1145/3313831.3376727
  7. ^ Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 5 doi: https://doi.org/10.1016/j.caeai.2023.100127
  8. ^ Pati Ruiz et al, AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology, 2024-06 doi: 10.51388/20.500.12265/218
  9. ^ 1 2 3 4 5 Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 6 doi: 10.1016/j.caeai.2023.100127
  10. ^ Astrid Carolus, Yannik Augustin, André Markus, Carolin Wienrich, Digital interaction literacy model – Conceptualizing competencies for literate interactions with voice-based AI systems, Computers and Education: Artificial Intelligence 4, 2023, עמ' 100114 doi: 10.1016/j.caeai.2022.100114
  11. ^ 1 2 3 4 5 6 7 8 What is AI Ethics? | IBM, www.ibm.com, ‏2021-09-17 (באנגלית אמריקאית)
  12. ^ Stefan Buijsman, Michael Klenk & Jeroen van den Hoven, Nathalie A. Smuha (ע), Ethics of AI, Cambridge Handbook on the Law, Ethics and Policy of AI, Cambridge University Press
  13. ^ 1 2 3 4 5 6 7 8 9 10 11 Cecilia Ka Yuk Chan, A comprehensive AI policy education framework for university teaching and learning, International Journal of Educational Technology in Higher Education 20, 2023-07-07, עמ' 5 doi: 10.1186/s41239-023-00408-3
  14. ^ Tess Posner, Li Fei-Fei, AI will change the world, so it’s time to change AI, Nature 588, 2020-12-09, עמ' S118–S118 doi: 10.1038/d41586-020-03412-z
  15. ^ 1 2 Ethics guidelines for trustworthy AI | Shaping Europe’s digital future, digital-strategy.ec.europa.eu, ‏2019-04-08 (באנגלית)
  16. ^ Davy Tsz Kit Ng et al, Conceptualizing AI literacy: An exploratory review, Computers and Education: Artificial Intelligence 2, 2021, עמ' 5 doi: 10.1016/j.caeai.2021.100041
  17. ^ Davy Tsz Kit Ng et al, Conceptualizing AI literacy: An exploratory review, Computers and Education: Artificial Intelligence 2, 2021, עמ' 4 doi: 10.1016/j.caeai.2021.100041
  18. ^ Nils Knoth, Marie Decker, Matthias Carl Laupichler, Marc Pinski, Nils Buchholtz, Katharina Bata, Ben Schultz, Developing a holistic AI literacy assessment matrix – Bridging generic, domain-specific, and ethical competencies, Computers and Education Open 6, 2024-06, עמ' 1 doi: 10.1016/j.caeo.2024.100177
  19. ^ Nils Knoth, Marie Decker, Matthias Carl Laupichler, Marc Pinski, Nils Buchholtz, Katharina Bata, Ben Schultz, Developing a holistic AI literacy assessment matrix – Bridging generic, domain-specific, and ethical competencies, Computers and Education Open 6, 2024-06, עמ' 7 doi: 10.1016/j.caeo.2024.100177
  20. ^ Duri Long et al, Co-Designing AI Literacy Exhibits for Informal Learning Spaces, Proceedings of the ACM on Human-Computer Interaction 5, 2021-10-13, עמ' 1–35 doi: 10.1145/3476034
  21. ^ Davy Tsz Kit Ng et al, Conceptualizing AI literacy: An exploratory review, Computers and Education: Artificial Intelligence 2, 2021, עמ' 6 doi: 10.1016/j.caeai.2021.100041
  22. ^ Jiahong Su, Yuchun Zhong, Davy Tsz Kit Ng, A meta-review of literature on educational approaches for teaching AI at the K-12 levels in the Asia-Pacific region, Computers and Education: Artificial Intelligence 3, 2022, עמ' 1 doi: 10.1016/j.caeai.2022.100065
  23. ^ 1 2 Daily – RAISE, MIT (באנגלית אמריקאית)
  24. ^ Irene Lee et al, Developing Middle School Students' AI Literacy, Proceedings of the 52nd ACM Technical Symposium on Computer Science Education, ACM, 2021-03-03 doi: 10.1145/3408877.3432513
  25. ^ 1 2 Matthias Carl Laupichler et al, Artificial intelligence literacy in higher and adult education: A scoping literature review, Computers and Education: Artificial Intelligence 3, 2022, עמ' 12 doi: 10.1016/j.caeai.2022.100101
  26. ^ Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 1 doi: https://doi.org/10.1016/j.caeai.2023.100127
  27. ^ Day of AI (באנגלית)
  28. ^ Resources, CRAFT: AI Literacy Resources (באנגלית אמריקאית)
  29. ^ Lesson Plans: AI Literacy | Common Sense Education, Khan Academy (באנגלית)
  30. ^ Open Learning Curriculum, AI4ALL (באנגלית אמריקאית)
  31. ^ Teach AI, aiEDU (באנגלית אמריקאית)
  32. ^ Introduction to Artificial Intelligence (AI), Coursera (באנגלית)
  33. ^ Google AI for Anyone, edX (באנגלית)
  34. ^ AI For Everyone, Coursera (באנגלית)
  35. ^ Code.org, Unit 2: How AI works, Khan Academy
  36. ^ AI for educators - Training, learn.microsoft.com (באנגלית אמריקאית)
  37. ^ מבוא לבינה מלאכותית: מתאוריה לפרקטיקה | קמפוס IL, באתר campus.gov.il
  38. ^ סוגיות אתיות בראי יישומי הבינה המלאכותית, באתר פורטל עובדי הוראה | מרחב פדגוגי
  39. ^ עינבל אריאלי, דילמות אתיות בשימוש בבינה מלאכותית באקדמיה, באתר Genially
  40. ^ Wharton Interactive Crash Course: Practical AI for Instructors and Students - YouTube, www.youtube.com
  41. ^ Henrik Kniberg (2024-01-20), Generative AI in a Nutshell - how to survive and thrive in the age of AI, נבדק ב-2024-07-30
  42. ^ Why AI Needs a “Nutrition Label” | Kasia Chmielinski | TED, סרטון בערוץ "TED", באתר יוטיוב (אורך: 14:08)
  43. ^ Your Right to Repair AI Systems | Rumman Chowdhury | TED, סרטון בערוץ "TED", באתר יוטיוב (אורך: 09:49)
  44. ^ When AI Can Fake Reality, Who Can You Trust? | Sam Gregory | TED, סרטון בערוץ "TED", באתר יוטיוב (אורך: 12:05)
  45. ^ With AI, Anyone Can Be a Coder Now | Thomas Dohmke | TED, סרטון בערוץ "TED", באתר יוטיוב (אורך: 14:30)


בינה מלאכותית
כללי מבחן טיורינג • היסטוריה של הבינה המלאכותית • ציר הזמן של בינה מלאכותית • התקדמות הבינה המלאכותית • אוריינות AI • סוכן תבוני • AI-שלמות מערכת מומחה • אסדרת בינה מלאכותית (בישראל) • בינה מלאכותית צרה • בינה חישובית • הסברתיות בינה מלאכותית • הפרדוקס של מורבק • סוכן תבוני • אתיקה של בינה מלאכותית
תחומים עיבוד שפה טבעית • ראייה ממוחשבת • בינה מלאכותית יוצרת • אומנות בינה מלאכותית
סוגי למידת מכונה מערכת לומדת • למידה מונחית • למידה בלתי מונחית • למידה עמוקה • למידת חיזוק • סיווג בייסיאני נאיבי • רשת בייסיאנית
אלגוריתמי למידת מכונה קלאסית פרספטרון • עץ החלטה • מכונת וקטורים תומכים • Bag of words • אלגוריתם k-מרכזים • אלגוריתם מיקסום התוחלת • הורדת ממד • אלגוריתם שכן קרוב • יער אקראי • Q-learning •‏ T-SNE •‏ Tf–idf • חיזוק גרדיאנט
למידה עמוקה רשת עצבית מלאכותית • רשת זרימה קדימה • רשת עצבית רקורסיבית • פונקציית אקטיבציה • טרנספורמר • Attention •‏ GAN
עיבוד שפה טבעית מודל שפה • שיכון מילים (אנ') • בלשנות חישובית • תרגום מכונה • חילוץ מידע (אנ') • ניתוח סנטימנט • זיהוי חלקי דיבר (אנ') • מערכת זיהוי דיבור • זיהוי ישויות • כריית טקסט • תיוג תפקידים סמנטי • Word2vec • מודל שפה גדול • GPT •‏ BERT (אנ') • מודל Bag-of-words (אנ') • יצירת טקסט בשפה טבעית (אנ') • מילת עצירה • ניתוח מחרוזות • Stemming (אנ') • למטיזציה (אנ')
יישומים לבינה מלאכותית (אנ') צ'אטבוט • זיהוי דובר • זיהוי עצמים • זיהוי תבניות • עוזר וירטואלי • זיהוי תווים אופטי • מחולל תמונות • הזיות
מערכות בינה מלאכותית אלייזה • ChatGPT •‏ DALL-E •‏ Midjourney •‏ Gemini • קלוד •‏ Perplexity •‏ GitHub Copilot • דיפ־פייק • סירי • Google Assistant • אמזון אלכסה
סוגיות בטיחות בינה מלאכותית (אנ') סכנה קיומית מבינה מלאכותית כללית • בינה מלאכותית חזקה • יישור בינה מלאכותית (אנ') • בקרת יכולות בינה מלאכותית (אנ') • השתלטות בינה מלאכותית (אנ') • בינה מלאכותית ידידותית (אנ') • התכנסות אינסטרומנטלית (אנ') • סינגולריות טכנולוגית
ספריות בשימוש נרחב TensorFlow •‏ PyTorch •‏ Torch •‏ Hugging Face •‏ Keras •‏ spaCy (אנ') •‏ Caffe
לקטגוריית הבינה המלאכותית
אוחזר מתוך "https://he.wikipedia.org/w/index.php?title=אוריינות_AI&oldid=39148679"