technofeelit 
כשפגשתי לראשונה את ד"ר חן שגיב בקורס עיבוד תמונה מתקדם בהנחייתה, התרשמתי עמוקות. לא רק בגלל רשימת התארים המפוארת שגולת הכותרת שלה היא פוסט דוקטורט במתמטיקה, אלה גם ובעיקר בגלל האישיות הקורנת והאהבה האמיתית לתחום. כשהצעתי לשגיב להתראיין לבלוג 'טכנופילית', גיליתי שבקורס נחשפתי רק לקצה הקרחון, ושיש לאישה המעניינת הזו עוד הרבה מאוד מה להציע כטכנולוגית, יזמית, מובילה בתחום הראייה הממוחשבת, ואדם מרתק בכל מובן.
איך הכל התחיל? איך הגעת ללימודי מתמטיקה ופיזיקה?
"זה מאוד פשוט. החלום שלי מגיל חמש עשרה היה לעשות דוקטורט בפיזיקה באוקספורד. פיזיקה נראתה לי הדבר הכי מדהים בעולם, תחום שמעניין מאוד להבין אותו, ואוקספורד בגלל שמאוד אהבתי את להקת Madness, כל הגינונים הבריטיים מאוד מצאו חן בעיני.. בסוף הגעתי ללמוד באוניברסיטת תל-אביב, אך הבחירה בפיזיקה היתה בגלל חלום שרציתי להגשים."
מעורר השראה.
"את יודעת, כל אחת עם החלומות שלה.."
כיום את הבעלים של חברת SagivTech. מה היתה הדרך המקצועית שעשית עד שהגעת לפתוח חברה משלך, ומה הוביל אותך ליוזמה של הקמת חברה עצמאית?
"עשיתי תואר ראשון בפיזיקה ראשי ומתמטיקה משני, ובסוף התואר הלכתי להתראיין לפיתוח אלגוריתמים. כששאלו אותי מה אני יודעת לעשות, הבנתי שהתשובה היא שאני בעיקר יודעת ללכסן מטריצות (מיומנות מרכזית באלגברה לינארית, technofeelit), כי לא למדתי משהו עם מדעי המחשב. אז אמרתי לעצמי 'טוב אני לא יודעת לעשות כלום' והלכתי ללימודי תואר שני. במקביל גרנו אני ובעלי בהולנד לשם החוויה, ועשיתי את התואר השני אצל פרופ' Solange Akselrod ז"ל באוניברסיטת תל-אביב, שהיתה מאוד טולרנטית לכל הנושא של תואר שני בשלט רחוק. Akselrod הובילה הרבה שנים את המחלקה לפיזיקה רפואית באוניברסיטת תל-אביב. במקביל מאוד משך אותי עיבוד תמונה בתחום הרפואי, לכן עבדתי בהולנד בתור מהנדסת אפליקציה של חברת Medivision שעסקה באופתלמולוגיה דיגיטלית."
אחרי התואר חזרה שגיב לארץ והתלבטה לגבי ההמשך. מכיוון שרצתה להתחזק בתחום התוכנה עבדה שלוש שנים בחברת DSP group והבינה שאימפלמנטציה היא פחות בשבילה, והחלקים האלגוריתמיים הם מה שמושך אותה. כשלבנותיה התאומות מלאה שנה, היא פנתה למסלול דוקטורט במוטיבציה לחזק את החלק המתמטי-אלגוריתמי שהרגישה שלא היה חזק מספיק. בסיום הדוקטורט קיבלה הזדמנות פז לעשות פוסט-דוקטורט בתנאים מעולים באוניברסיטה של ברמן בגרמניה, במהלכו כתבה מספר מאמרים. "כיום אני כנראה לא אהיה מסוגלת להבין אותם" אומרת שגיב בחיוך. בהמשך עבדה קצת יותר משנה בחברת דיבלר בפיתוח אלגוריתמים ומאוד אהבה את המקצוע, אך יחד עם זאת רצתה לקחת חלק בקבלת ההחלטות. "כל זה יחד עם גיל ארבעים גרם לי להחליט שהגיע הזמן למשהו עצמאי, ואז התחלתי להעביר קורסים בתחום של עיבוד תמונה וראייה ממוחשבת" מסכמת שגיב.
ההדרכות היו במסגרת חברת SagivTech?
"ההדרכות היו עוד לפני ממש שהקמנו חברה. בשלב מסוים התחילו להגיע בקשות מלקוחות שהיו גם מעבר להספק שלי וגם מעבר ליכולות הטכניות של אופטימיזציה וכו'. באותו זמן החלטתי להקים יחד עם ניצן בעלי, שהגיע מהתחום העסקי מסחרי בהייטק, מיזם עצמאי. הקמנו את החברה יחד כאשר אני הובלתי את הצד הטכנולוגי והוא הוביל את הצד העסקי לפני עשר שנים, וכך זה עובד מצוין מאז."
ולמעשה כיום החברה עוסקת יותר בפיתוח ופחות בהדרכות?
"לגמרי. בהתחלה ניסינו ליצור שם ולקדם באמצעות הדרכות, שהביאו לקוחות לפרוייקטים, והלכנו בתהליך טבעי יותר לכיוון הזה. תפנית טבעית נוספת שקרתה, היא שעם הזמן הפיתוח הלך לתחום של למידה עמוקה. בחברת פיתוח אנחנו תמיד עם היד על הדופק, הצרכים משתנים וצריך ללמוד כל הזמן. עם השנים אופטימיזציות של GPU או CUDA הפכו להיות פחות נדרשות, ומצד שני עלה התחום של למידה עמוקה ועברנו לעסוק בעיקר בזה."
בשנים האחרונות התחום של למידה עמוקה ובינה מלאכותית הפך לתחום החם הבא, ונראה שלא ניתן להפנות את הראש בעולם הטכנולוגי מבלי להתקל במושגים האלו. מהי בעצם בינה מלאכותית, ומהם העקרונות שעומדים בבסיסה?
"אני אענה מנקודת המבט של ראייה ממוחשבת, מפני שזה בעיקר התחום בו אני עוסקת. בעיבוד תמונה מסורתי, כשרוצים לעשות ניתוח או עיבוד של תמונה, צריך למצוא פיצ'רים מרכזיים שיאפיינו את התופעות אותן רוצים למצוא: שפות, אובייקטים, ועוד. מציאת הפיצ'רים הנכונים היא האתגר המרכזי, והחוקרים צריכים למצוא לכל בעיה את סט הפיצ'רים המתאים לה ביותר.
לתחום של למידת מכונה היתה פריחה בשנות השמונים. למשל (Support Vision Machine (SVM וכלים דומים, עם יכולת די מוגבלת. בערך ב-2012 קרו שלושה דברים משמעותיים:
- כוח מחשוב אדיר שבעבר היה רק במוסדות מחקר ענקיים, הפך להיות זמין בתוך מחשב שולחני, בצורה של GPU או בגישה ל Amazon cloud.
- כמויות הדאטה שנוצרות בעולם וזמינות הפכו להיות עצומות. יש את האימרה הקלישאתית שדאטה הפכה להיות הנפט החדש, שזה פשוט נכון.
- ב-2012 היתה תחרות בשם Image net, ובפעם הראשונה היה הפתרון הזוכה מבוסס רשתות עמוקות.
זה היה מהפך אדיר, כי מאותה שנה רוב הפתרונות הפכו להיות מבוססי למידה עמוקה. נופצה תקרת זכוכית כי התחילו להשתמש בטכנולוגיה של רשתות נוירונים שקיימות כבר סדר גודל של עשרים וחמש שנים. המשמעות של ה"עמוקה" או ה"deep" היא שמדובר ברשתות נוירונים מרובות שכבות, עם הרבה שלבים שצריך לעבור בדרך ולא רק מספר מועט של שכבות. כלומר אלו רשתות עם מיליוני פרמטרים, ועל-מנת לאמן אותן צריך צריך המון דאטה. אז כוח מחשוב אדיר וכמויות גדולות של דאטה, הפכו את השימוש ברשתות האלו למשהו שהוא אפשרי.
"מערכות בינה מלאכותית כמערכות שעוזרות לבני-אדם, שעוזרות לאנשים לקבל החלטות, זה דבר נפלא. האם זה אומר שזה מייתר אותנו כמקבלי החלטות? אני מקווה שלא. חשוב לי שעדיין משהו באינטיליגנציה האנושית יהיה מעורב"
הגדולה של התחום היא שבמקום ללכת ולחפש את הפיצ'רים הנכונים כדי לפתור את הבעיה, מחפשים סט דאטה שהוא מספיק מייצג וגדול בשביל לתפוס מספיק מקרים של הבעיה שרוצים לפתור ולמצוא את ארכיטקטורת רשת הנוירונים הנכונה על מנת לפתור אותה בעיה. התחום הוא כל-כך אקספוננציאלי (צמיחה מהירה, כמו גרף של אקספוננט, technofeelit) שבעצם יש כל הזמן רשתות ושיטות חדשות, שעושות קלסיפיקציה, סגמנטציה, detection ,localization. לפני כמה שנים אמרו לי מומחים בתחום של ראייה ממוחשבת, שמי שלא יכנס כעת לעולם של למידה עמוקה יהפוך להיות לא רלוונטי. זה עכשיו הייפי לגמרי, יש פה כלי אדיר ורב עוצמה שניתן לפתור איתו מגוון רחב של בעיות, לא את כולן. יש להבין מתי כדאי להשתמש בשיטות למידה עמוקה, ומתי דווקא שיטות שהן יותר מסורתיות עובדות יותר טוב. החוכמה היא לתפור פתרון שמשלב גם וגם."
יש מתח בתעשייה והאקדמיה בין הקולות האופטימיים שצופים הרים וגבעות לתחום של למידה עמוקה, לאלו היותר פסימיים שטוענים שהדרך עוד ארוכה. מה עמדתך בנושא, באילו תחומים הערך של למידה עמוקה הוא גדול, ובאילו תחומים הדרך עוד ארוכה לקבלת תוצאות מעשיות?
"למידה עמוקה היא כלי שאי אפשר להתעלם ממנו, שווה להשתמש בו, והוא יכול לפתור בעיות קשות. לדוגמא פרוייקט שעשינו לפני כמה שנים ולאחרונה עשינו לו re-visiting בשיטות של למידה עמוקה ונפלה לנו הלסת.. סט הדאטה היה מאוד מורכב, וניסינו בעבר לאפיין את המקרים כולל מקרי קצה. במקרה של שימוש ברשת נוירונים, מקרי הקצה היו מספיק מיוצגים בסט של הדאטה, ורשת הנוירונים פתרה את הבעיה! זה עשה מהפכה בפתרון שבנינו פעם, וזה היה מדהים. רשת מאומנת היטב נותנת תוצאות טובות מאוד, גם בתחומים רפואיים. אנחנו מתעסקים עכשיו בפרוייקט משמעותי בתחום הפתולוגיה הדיגיטלית, והשאלה הראשונה ששואלים אותנו היא: 'אז מה, בסוף לא יצטרכו רופאים?' התשובה היא שאני חושבת שכן צריך רופאים. קצת דומה למה שקורה היום בעולם של הרכבים האוטונומיים. מערכת תומכת נהג זה דבר מעולה, שיכול להציל חיים וזה ממש עוזר."
במהלך טיול בנורבגיה נסעו שגיב וניצן בעלה בוולוו חכמה. בעוד ניצן נוהג, הוולוו הסיטה לו את ההגה מפני שהוא התקרב מדי לקצה של הכביש כך שהוא הרגיש שמישהו משתלט לו על ההגה. הרכב עזר גם בבלימה כשהתקרבו מדי לרכב שלפניהם. "לא מספיק שאני מבלבלת לו את המוח לאן לנסוע, אז גם עכשיו הרכב אומר לו איך לנסוע.. אני חושבת שברגע בו תהיה מערכת לחלוטין עצמאית שאנשים יהיו טולרנטים גם לטעויות שהיא תעשה, יהיו גם בעיות מוסריות, של רגולציה. למשל תמיד כשאני עוברת במעבר חציה אני מחפשת את העיניים של הנהג לראות שלא ידרוס אותי.. במכונית אוטונומית לאן אני אסתכל..? לכן אני חושבת שמערכות בינה מלאכותית כמערכות שעוזרות לבני-אדם, שעוזרות לאנשים לקבל החלטות, זה דבר נפלא. האם זה אומר שזה מייתר אותנו כמקבלי החלטות? אני מקווה שלא. חשוב לי שעדיין משהו באינטיליגנציה האנושית יהיה מעורב. אני רוצה שמערכת תהיה מסוגלת לעזור, להתריע. אם אני למשל פציינטית שעושים לה ביופסיה, אז זה מעולה שתהיה מערכת חכמה שתדע לעשות אנליזה. כן הייתי רוצה שבסוף יהיה בנוסף מומחה אנושי שיסתכל ויראה, מאמינה שהאדם צריך להיות איפשהו בלופ לפני שמחליטים החלטות הרות גורל".
את מאמינה ברוח האנושית עדיין מאחורי הבינה המלאכותית
"כן, לגמרי. בסופו של דבר יש רוח הדברים, הבנה של דברים. יש בנו משהו מעבר לעשות החלטות דטרמיניסטיות. לא רק שקשה לחקות את הרוח הזאת, גם לא תמיד הייתי רוצה שיחקו את הרוח הזאת. למידה עמוקה היא טכנולוגיה מדהימה, אבל בסופו של דבר היא צריכה לסייע לאנשים, ולא להחליף אותם."
שגיב מובילה בעשר בשנים האחרונות את הכנס IMVC יחד עם ד"ר קובי כהן, כנס שמתרכז בנושאים של ראייה ממוחשבת ולאחרונה גם למידה עמוקה. כהן עבד בעבר באפלייד מטיריאלס, והוא זה שהביא את שגיב לעשות שם הדרכות. באחת השיחות הם דיברו על כך שבניו זילנד יש כנס תעשייתי גדול של שלושה ימים, למרות שהיא לא נחשבת מעצמה גדולה של עיבוד תמונה, ושבישראל מלבד כנס של IDC, לא היה כנס גדול ומשמעותי. כאן נולדה אצלם המחשבה ליזום כנס משלהם. הם פנו לחברת "טכנולוגיות" שעסקה בארגון כנסים, ובהמשך החליפו אותה בחברת ארטרא. "המטרה היתה להביא את הקולות המשמעותיים, גם מהאקדמיה וגם מהתעשייה, בישראל ובעולם, שמי שמגיע לכנס יצא משם עם ידע לגבי מה עכשיו ה-latest and greatest. זה הבייבי שלנו. הכנס הבא של ה-IMVC הוא ב-18.3.19, האג'נדה עדיין לא מוגדרת, אנחנו רוצים שזה יהיה כנס קצת שונה ומיוחד. מה שנחמד בכנס זה שהוא הפך להיות מקום מפגש לתעשייה, שהיא מאוד מגוונת. כל הזמן מצטרפים אליה אנשים שמסיימים את הלימודים ונכנסים לתחום. יש חוקרים מובילים בארץ בתחום הזה: פרופ' אמנון שעשוע, מיכל אירני, רון קימל, אלכס ומיכאל ברונשטיין, שי אבידן, ניר סוכן, ליהי זליג-מנור, שמואל פלג, אוהד בן-שחר, חוקרים נוספים ממכון וייצמן, ועוד.
"חשוב לשלב בין יסודות תיאורטיים לבין יכולות פרקטיות. ללמוד פייתון למשל. אני רואה שאנשים מובילים אצלנו בחברה הם גם בעלי יכולת להבין את התיאוריה, וגם יכולת פיתוח תוכנה מאוד גבוהה. מדובר בשילוב אדיר שאם הוא קיים זה מעולה, ורודפים אחרי בעלי יכולות כאלו"
זהו תחום שיש בו בארץ מובילים בתחום האקדמי שמייצרים ומספקים אנשים עם ידע, ואלו נכנסים לחברות ומקימים סטארט-אפים. תחום הלמידה העמוקה הקפיץ קדימה גם אנשים יותר צעירים. נוצרה קהילה בארץ של למידה עמוקה שהכנס הפך להיות מקום המפגש שלה. יש תחרות סטודנטים בה מציגים פוסטרים, ובשנתיים האחרונות עשינו פרוייקט עם הפנים לקהילה, הצגת מיזמים לטובת התנדבות בחינוך מתמטי לנוער".
תוכלי לספר על איזשהו חידוש שמדליק אותך בתחום למידה עמוקה, שקורה בארץ ובעולם ונראה לך מעניין, מבטיח, פורץ דרך?
"מה שמדליק אותי בשנה האחרונה זה כל הקטע של שימוש בראייה ממוחשבת ולמידה עמוקה ברפואה. בשנה וחצי האחרונות אנחנו משתפים פעולה בתחום של אנליזה לתמונות פתולוגיות, עם חברת Roche, אחת מחברות התרופות הגדולות בעולם. היינו באקסלרטור של חברת Roche וראינו שיש פה שילוב מצויין של טכנולוגיה עם בעיה, ובהמשך הקמנו חברה שנקראת Deepatology. זה מקסים אותי לראות את האפשרות לסייע לרופאים לקבל החלטות יותר טובות ויותר מהר לטובת רווחת החולים, לעשות משהו שהוא באמת בעל משמעות.
כשגרנו בהולנד לפני עשרים וחמש שנים, עבדתי בתחום של אופתלמולוגיה דיגיטלית, עם מצלמות שמסתכלות על הקרקעית של העין. הרעיון היה שבמקום שהתמונות יהיו על פילם הן ירכשו על-ידי מצלמה דיגיטלית וזה ישמר במחשב. אז זה היה רעיון סופר מהפכני. העובדה שיש עדיין תחומים ברפואה שעוד לא עברו את המהפכה של הדיגיטיזציה, זה כמעט מטורף. והעובדה שהמהפכה הזו עדיין מתרחשת ואנחנו חלק ממנה, זה דבר מדהים. הכי מקסים זה להביא את הטכנולוגיה למקום שהיא יכולה לתת ערך אמיתי לצורך אמיתי. אפשר לקחת את זה להרבה כיוונים, למשל מניעת תאונות דרכים, בטחון אישי ברחובות, או רפואה. החיבור שהקסים אותי בעיבוד תמונה כשלמדתי תואר שני בפיזיקה, הוא חיבור בין בעיות מתמטיות סבוכות, לבין הפעלה על תמונה, והתוצאה היא מאוד ויזואלית. יש אפליקציה מאוד נחמדה שמצלמת אותך ואת יכולה לבחור ריסים מצחיקים וזה כיף, בדומה לפרצוף של הכלב שמולבש על הפנים. הבנות שלי עשו את זה בגילאי העשרה בלי הפסקה. זה ראייה ממוחשבת ולמידה עמוקה. אבל, אותי מרגש באמת לעשות דברים שמצילים ועוזרים."
במסגרת עיסוקיה הרבים, מוצאת שגיב גם את הזמן להתנדב בלימוד מתמטיקה. בזמן שבנותיה היו בתיכון, הרגישה שגיב שהרוטינה של בית ועבודה היתה מספקת. עם גיוסן לצבא "חפשתי מישהו אחר להציק לו שיעשה שיעורים במתמטיקה.." נוצרה לה פניות גם מעשית וגם רגשית, והיא הגיעה להתנדבות די במקרה. בפורום בפייסבוק נחשפה למודעה של מדריך באחת מפנימיות הנוער שחיפש תרומת כיבוד לאירוע. שגיב תרמה בשמחה, וגם ציינה שבמקרה היא גם ד"ר למתמטיקה, ואולי צריך. לשמחתה של שגיב היוזמה התגלתה כמוצלחת מאוד.
"לפני כמה שנים אמרו לי מומחים בתחום של ראייה ממוחשבת, שמי שלא יכנס כעת לעולם של למידה עמוקה יהפוך להיות לא רלוונטי. זה עכשיו הייפי לגמרי, יש פה כלי אדיר ורב עוצמה שניתן לפתור איתו מגוון רחב של בעיות"
"ההתנדבות היא משהו שבאופן אישי מאוד יקר לי, אם יש מבין קוראות וקוראי הבלוג מעוניינים להתנדב בכפר-סבא, אשמח שיצרו איתי קשר. זו שנה שלישית שאני מתנדבת בהוראת מתמטיקה בפנימייה לנוער בסיכון בכפר-סבא, וגם בוועדה המייעצת של פנימייה אחרת בכפר-סבא. אלו בני נוער שתנאי החיים שלהם לא אידיאלים בגלל שאין להם משפחה חזקה שתומכת בהם. אין סיבה שהילדים לא יהיו מאוד טובים בתחום המתמטיקה, או שיעשו שלוש יחידות כמו שצריך. יש תחושה שאי אפשר לתקן ולשנות את כל העולם, אבל אפשר לתקן קצת. אז הקצת הזה הוא מאוד משמעותי בשבילי."
יש לך עצה, טיפ או אמירה רוחנית למי שנמצאת בתחילת דרכה ועומדת בפני שאלות של השכלה וקריירה?
"מי שרוצה לעסוק בתחום של ראייה ממוחשבת ולמידה עמוקה חשוב מאוד לעשות תואר ראשון רלוונטי טוב, ולחשוב כבר על תואר שני. חשוב ללכת לאנשים שמתעסקים בתחום, שיגרמו לך לעבוד קשה אבל זה שווה את ההשקעה. חשוב לשלב בין יסודות תיאורטיים לבין יכולות פרקטיות. ללמוד פייתון למשל. אני רואה שאנשים מובילים אצלנו בחברה הם גם בעלי יכולת להבין את התיאוריה, וגם יכולת פיתוח תוכנה מאוד גבוהה. מדובר בשילוב אדיר שאם הוא קיים זה מעולה, ורודפים אחרי בעלי יכולות כאלו."
מה את אוהבת לעשות כשאת לא פותרת בעיות של למידה עמוקה?
"זה מאוד פשוט. אני מאוד אוהבת לטייל עם בעלי והבנות. יש לי שריטה מאוד חזקה בלמצוא טיסות זולות לחו"ל ויש לי אפילו דף פייסבוק שנקרא 'ציידת הדילים'."
רשמתי לפני.
"אוהבת לרוץ, מאוד מאוד אוהבת להיות דודה לאחיינים שלי, ויש לנו כלב שקוראים לו בובי שאני אוהבת אותו אהבת נפש. לטייל איתו, אם חפשת משהו רוחני, זה להתנתק מהכל וזה כיף חיים. אין מצב לרוץ איתו, הוא שוקל 51 קילו.. הגיע בתור גור וצמח להיות מפלצת מדהימה. הכי אוהבת להיות עם המשפחה שלי, וכשכולם בבית לא צריכה יותר מזה."
אז אחרי כל האלגוריתמיקה והבעיות הסבוכות, חוזרים למשהו מאוד פשוט.
"כן הבית זה הבסיס, ואם הבסיס הוא כיפי אז יש גם את התשוקה לדברים המעניינים שהם מעבר."
אהבתן את הפוסט? עקבו אחרי בפייסבוק או הרשמו כאן ומבטיחה לעדכן אתכן בפוסטים חדשים:
