יום שישי, 19 בדצמבר 2025

507 Catburetor 39 Google and AI

נתי, אורי ורן מדברים על עלייתה, נפילתה ועליתה המחודשת של גוגל, השפעת אופן איי על התחום, וההיסטוריה של הבינה המלאכותית. הפרק מתמקד בהיסטוריה של התחום ובפיתוחים המרכזיים שהתרחשו בו. בפרק זה נדונה ההיסטוריה של OpenAI, האתגרים וההזדמנויות שלה, והכניסה של גוגל לשוק ה-AI. נדונו גם המודלים העסקיים של OpenAI, ההשפעה של טכנולוגיות חדשות על השוק, והעתיד של OpenAI מול המתחרים.



נקודות מרכזיות:

גוגל מתמודדת עם אתגרים חדשים בעקבות עליית אופן-איי.
המהפכה של אופן-איי משנה את פני התחום.
המאבק בין גוגל לאופן איי משפיע על עתיד הבינה המלאכותית.
ההבנה של מידע היא קריטית לפיתוחים טכנולוגיים.
המהלך של גוגל לרכוש חברות טכנולוגיה היה משמעותי.
המודלים של טרנספורמרים שינו את פני התחום.
ההיסטוריה של הבינה המלאכותית כוללת תקופות של שגשוג ודעיכה.
החיבור בין OpenAI למייקרסופט היה קריטי להצלחתם.
העתיד של OpenAI תלוי ביכולתה להתחרות עם גוגל.
המודלים החדשים מצריכים שינוי בגישה העסקית של OpenAI.
ההצלחה של OpenAI תלויה בשיתוף פעולה עם חברות נוספות.
הטכנולוגיות החדשות מצריכות השקעה רבה.
המתחרים בשוק ה-AI מתפתחים במהירות.



לפי זמנים:
00:00 הקדמה ושיחה על חנוכה
02:02 עלייתו ונפילתו של גוגל
06:11 המהפכה של אופן איי וגוגל
11:47 היסטוריה של הבינה המלאכותית
18:04 המאבק בין גוגל לאופן איי
23:51 העתיד של הבינה המלאכותית
25:50 ההיסטוריה של OpenAI והמודלים העסקיים
30:22 האתגרים וההזדמנויות של OpenAI
35:48 המהפכה של גוגל והכניסה לשוק ה-AI
40:51 העתיד של OpenAI מול המתחרים
45:53 ההשפעה של טכנולוגיות חדשות על שוק ה-AI


 האזנה נעימה!

יום חמישי, 18 בדצמבר 2025

507 Catburetor 39 Google and AI

נתי, אורי ורן מדברים על עלייתה, נפילתה ועליתה המחודשת של גוגל, השפעת אופן איי על התחום, וההיסטוריה של הבינה המלאכותית. הפרק מתמקד בהיסטוריה של התחום ובפיתוחים המרכזיים שהתרחשו בו. בפרק זה נדונה ההיסטוריה של OpenAI, האתגרים וההזדמנויות שלה, והכניסה של גוגל לשוק ה-AI. נדונו גם המודלים העסקיים של OpenAI, ההשפעה של טכנולוגיות חדשות על השוק, והעתיד של OpenAI מול המתחרים.



נקודות מרכזיות:

גוגל מתמודדת עם אתגרים חדשים בעקבות עליית אופן-איי.
המהפכה של אופן-איי משנה את פני התחום.
המאבק בין גוגל לאופן איי משפיע על עתיד הבינה המלאכותית.
ההבנה של מידע היא קריטית לפיתוחים טכנולוגיים.
המהלך של גוגל לרכוש חברות טכנולוגיה היה משמעותי.
המודלים של טרנספורמרים שינו את פני התחום.
ההיסטוריה של הבינה המלאכותית כוללת תקופות של שגשוג ודעיכה.
החיבור בין OpenAI למייקרסופט היה קריטי להצלחתם.
העתיד של OpenAI תלוי ביכולתה להתחרות עם גוגל.
המודלים החדשים מצריכים שינוי בגישה העסקית של OpenAI.
ההצלחה של OpenAI תלויה בשיתוף פעולה עם חברות נוספות.
הטכנולוגיות החדשות מצריכות השקעה רבה.
המתחרים בשוק ה-AI מתפתחים במהירות.



לפי זמנים:
00:00 הקדמה ושיחה על חנוכה
02:02 עלייתו ונפילתו של גוגל
06:11 המהפכה של אופן איי וגוגל
11:47 היסטוריה של הבינה המלאכותית
18:04 המאבק בין גוגל לאופן איי
23:51 העתיד של הבינה המלאכותית
25:50 ההיסטוריה של OpenAI והמודלים העסקיים
30:22 האתגרים וההזדמנויות של OpenAI
35:48 המהפכה של גוגל והכניסה לשוק ה-AI
40:51 העתיד של OpenAI מול המתחרים
45:53 ההשפעה של טכנולוגיות חדשות על שוק ה-AI


 האזנה נעימה!

יום חמישי, 11 בדצמבר 2025

506 ML Infra with Itai from MIND

רן ואיתי מדברים על DLP (Data Loss Prevention) וכיצד ניתן לשלב טכנולוגיות AI ו-Machine Learning כדי לשפר את ההגנה על מידע רגיש בארגונים. איתי משתף את ניסיונו בחברת Mind, מסביר על האתגרים וההזדמנויות בתחום הסייבר סקיוריטי, ומדבר על תהליך הפיתוח והאימון של מודלים שונים. בפרק זה נדונה השפעת ה-AI על תהליכי פרודקשן, היתרונות של NVIDIA Triton בניהול מודלים שונים, שיפור ביצועים עם מודלים שונים, תהליכי סריקה ו-classification, ניהול תהליכים בזמן אמת, אתגרים בניהול משאבים, שימוש בטכנולוגיות לניהול תהליכים וזיהוי סוגי מסמכים שונים. כמו כן, הוצגה החברה Mind והזדמנויות הגיוס שלה.


נקודות מפתח:
  • DLP היא תוכנית קריטית במניעת דליפת מידע רגיש.
  • AI יכול לשפר את יכולות ה-DLP בצורה משמעותית.
  • האתגרים בתחום הסייבר סקיוריטי הולכים ומתרבים עם הזמן.
  • החלטות טכנולוגיות צריכות להתבסס על צרכי הלקוח והסביבה.
  • אימון מודלים הוא תהליך מתמשך שדורש פידבק מתמיד.
  • שימוש בכלים קיימים יכול לחסוך זמן ומשאבים.
  • הבנת סוגי המידע הרגיש היא קריטית לפיתוח פתרונות DLP.
  • הבחירה בין AI in-house לבין צד שלישי היא קריטית.
  • הכנת דאטה איכותי היא שלב חשוב בפיתוח מודלים.
  • היכולת של מודלים קטנים לזהות מידע רגיש יכולה להיות גבוהה. עשינו מחקר גדול על איך עושים AI בפרודקשן.
  • בחרנו להריץ את המודלים מעל NVIDIA Triton.
  • Triton יודע להריץ סוגים שונים של מודלים.
  • היתרון של Triton הוא ניהול מודלים שונים בסביבת פרודקשן.
  • הוספנו שכבה של מודל RNN לשיפור הביצועים.
  • יש לנו תהליכים של סריקה בריל טיים.
  • האתגרים שלנו כוללים ניהול משאבים בצורה יעילה.
  • השתמשנו בטכנולוגיות לניהול תהליכים כמו Temporal.
  • השתמשנו בוקטור סימילריטי לזיהוי סוגי מסמכים.
זמנים:
00:00 היכרות עם איתי ו-Mind
02:00 מה זה DLP ולמה זה חשוב?
04:43 אתגרים והזדמנויות ב-DLP עם AI
07:18 החלטות טכנולוגיות: AI in-house מול צד שלישי
10:18 מודלים של AI: איך לבחור ולפרוס?
12:13 תהליך הפיתוח והאימון של מודלים
19:05 סקל ויעילות: איך זה עובד בפועל?
19:24 הבנת עולם ה-AI בפרודקשן
21:28 היתרונות של NVIDIA Triton
23:02 שיפור ביצועים עם מודלים שונים
25:54 תהליכי סריקה ו-classification
28:29 ניהול תהליכים בזמן אמת
30:39 אתגרים בניהול משאבים
31:59 שימוש בטכנולוגיות לניהול תהליכים
35:08 זיהוי סוגי מסמכים שונים
36:54 הזדמנויות גיוס בחברת Mind


 האזנה נעימה!