מילון המושגים השלם לעולם ה AI

 המושגים הכי חשובים ונפוצים היום ב-AI

לו היה סבא שלי, עליו השלום, שומע שאנחנו עמלים כעת ללמד מכונות כיצד לחשוב, ודאי היה מקנח את מצחו בכובע הטמבל שלו, נשען על המעדר ומסנן שגם בני-האדם אינם חושבים מספיק בימינו, אז לשם מה להטריד את הכלים?

אצלנו בעמק, "אינטליגנציה" הייתה תכונה שיוחסה בזהירות למורים של בית הספר החקלאי, ולעיתים נדירות לפרדות שידעו למצוא את הדרך לאורווה בחושך מוחלט. ה"מלאכותיות" היחידה שהכרנו הייתה בדשן. אבל העולם, רבותיי, נוהג כדרכו להשתנות. הטרקטור הישן, זה שידע רק לגנוח ולחרוש תלם ישר, התחלף ברפת ממוחשבת שיודעת לחלוב ללא יד אדם, ואלגוריתמים נסתרים; רצים בקרביה והגולם, שלא רק קם על יוצרו אלא גם החליט לכתוב לו שירה ולצייר לו ציורים, בזמן שהגולם חורש קוצר חולב ומנטר את התנהגות העיזים, כבר כאן.

פתאום השפה התמלאה במילים זרות ומשונות, שנשמעות כמו לחשים של מכשפים מודרניים או כמו מחלות של עצי פרי. מדברים על "רשתות נוירונים" כאילו היו רשתות דייגים בכנרת, ועל "הזיות" של מחשבים כאילו שתו יותר מדי יין ביקבי ראשון לציון.

אז כדי שלא נלך לאיבוד בשדה החדש והזר הזה, וכדי שנדע להבדיל בין מוץ לתבן בתוך ערימות המידע, ליקטתי עבורכם את המושגים שחובה להכיר. לא כדי שנתחיל לאהוב את המכונה, חלילה, אלא כדי שלפחות נבין מה היא ממלמלת שם לעצמה בחושך.

בינה מלאכותית היא לא רק עוד גאדג'ט טכנולוגי, אלא שלב חדש באבולוציה של רשתות המידע שהמין האנושי יצר סביבו. במקום עוד מכשיר שנועד להאיץ את השרירים שלנו, מדובר במערכת שנועדה להאיץ – ואולי להחליף – חלקים מהאינטליגנציה שלנו. בינה מלאכותית היא שם כללי למשפחה של מערכות ממוחשבות היכולות לבצע משימות שבעבר היו שמורות כמעט בלעדית למוח האנושי: זיהוי תבניות, הבנת שפה, פתרון בעיות וקבלת החלטות במצבי אי־ודאות. אבל המשמעות ההיסטורית שלה עמוקה הרבה יותר מההגדרה הטכנית.

במשך אלפי שנים, הכוח הפוליטי והכלכלי זרם אל מי ששלט במידע: כוהנים, בירוקרטים, בנקאים, מהנדסי תוכנה. כעת אנחנו יוצרים ישויות לא־אורגניות שמסוגלות לעבד מידע, להסיק מסקנות ולהמציא רעיונות בקצב ובקנה מידה ששום מוח אנושי יחיד לא יכול להתקרב אליו. אם בעבר האדם תיכנת את המכונה שורה־אחר־שורה, היום הוא מוותר בהדרגה על הפירוט ומסתפק בהגדרת כוונה כללית – והמכונה משלימה את הדרך לבד. זהו שינוי עדין אך גורלי במערכת היחסים בין ההומו סאפיינס לבין הכלים שהוא יוצר.

המשמעות היא שבינה מלאכותית יכולה להפוך בתוך זמן קצר מתוכנה שמסייעת לנו לכתוב אימיילים, לתשתית שמסננת עבורנו חדשות, מייעצת למקבלי החלטות, מנהלת מערכות נשק ואפילו מתווכת את רוב האינטראקציות החברתיות שלנו. ברגע כזה, מי ששולט במודלים הללו – מי שמחליט על מה הם אומנו, אילו מטרות הם אופטימו, ואילו ערכים הוטמעו בהם – מקבל כוח חסר תקדים לעצב תודעה, התנהגות ושווקים. לכן השאלה החשובה איננה רק “מה בינה מלאכותית יודעת לעשות”, אלא “בשירות אילו סיפורים, אינטרסים וערכים היא תופעל” – והאם החברה האנושית תצליח להכתיב את התנאים, או שתמצא את עצמה מסתגלת למציאות שנוצרה עבורה על ידי קוד שאינה שולטת בו.

למידת מכונה היא הלב הפועם של הבינה המלאכותית המודרנית. במקום לשבת מול עורך הקוד ולנפות אינסוף תנאים מסוג “אם קרה X אז תעשה Y”, אנחנו מעבירים את מרכז הכובד מהתכנת הכללים ליד‑האנושית – ללמידה מהעולם האמיתי. נותנים למחשב דוגמאות: עסקאות כרטיס אשראי תקינות ומזויפות, תמונות של כלבים וחתולים, טקסטים של ספאם ודוא״ל רגיל. המחשב אינו “מבין” את המושגים האלה כמונו, אבל הוא מחפש דפוסים מתמטיים בנתונים, בונה מודל, ומתחיל לנבא: זו הונאה, זה חתול, זה ספאם.

המהפכה האמיתית בלמידת מכונה היא הפער בין הפשטות הרעיונית לבין העומק המעשׂי. לרוב, כשאדם מומחה מבצע משימה – רופא שמביט בצילום רנטגן או בוחן אשראי שמסתכל על לקוח – אפילו הוא עצמו לא יודע לנסח במדויק את כל הכללים שבהם השתמש. המוח האנושי מזהה אינספור רמזים קטנים, חלקם לא מודעים. תכנות “קלאסי” דורש רשימת הוראות ברורה; למידת מכונה עוקפת את המגבלה הזו: במקום לנסות לחלץ מהמומחה את כללי ההחלטה, היא לומדת אותם בעקיפין מתוך דוגמאות.

המשמעות החברתית‑כלכלית של זה עצומה. ברגע שמחשב יכול ללמוד מדוגמאות, כל תחום שבו יש הרבה נתונים – רפואה, פרסום, תחבורה, פיננסים, משפט – הופך למועמד לאוטומציה חלקית. אלגוריתם לומד עשוי לגלות קשרים עדינים שאף אנליסט לא היה מבחין בהם, אבל הוא גם עלול לשכפל ולהעצים הטיות חבויות בנתונים: אפליה היסטורית, חוסר ייצוג של קבוצות מסוימות, או דפוסים שגויים שנוצרו במקרה. לכן למידת מכונה איננה רק טכניקה חישובית; היא גם מראה שמוצבת מול החברה: מה לימדנו את המכונה, ואיזה עולם היא תשחזר – או תחדד – עבורנו.

מודל מתמטי הבנוי בהשראת המוח האנושי. הוא מורכב מ"נוירונים" מלאכותיים המחוברים זה לזה בשכבות, ומעבירים מידע ביניהם כדי לעבד נתונים מורכבים.

רשתות נוירונים הן אחד הרעיונות המשפיעים ביותר בבינה מלאכותית המודרנית. מדובר במודל מתמטי‑חישובי שנבנה בהשראת האופן שבו המוח האנושי מעבד מידע, אך בפועל זהו מנגנון הנדסי מדויק הרבה יותר מאשר חיקוי ביולוגי נאמן. הרשת מורכבת ממספר רב של “נוירונים” מלאכותיים – יחידות חישוב פשוטות יחסית – המחוברות זו לזו בשכבות. השכבה הראשונה מקבלת את הקלט הגולמי (פיקסלים של תמונה, מאפיינים מספריים, מלים בטקסט), שכבות הביניים מעבדות ומחלצות ייצוגים מופשטים יותר ויותר, והשכבה האחרונה מפיקה החלטה או תחזית: לאיזה מחלקה התמונה שייכת, מה סיכוי לאירוע מסוים, איזו מילה תבוא הבאה במשפט.

כל חיבור בין שני נוירונים נושא “משקל” מספרי, שמייצג כמה חזק הנוירון האחד משפיע על השני. בזמן האימון, הרשת “לומדת” על ידי התאמת המשקלים הללו כך שהפלט יתאים כמה שיותר לתשובות הנכונות בדוגמאות האימון. תהליך זה נעשה באמצעות אלגוריתם אופטימיזציה (למשל Gradient Descent) ושיטה בשם Backpropagation, שמפיצה לאחור את השגיאה מהפלט אל כל שכבות הרשת ועדכון המשקלים. כך, לא המתכנת מגדיר ידנית את כללי ההכרעה, אלא הרשת עצמה מגלה מבנים ודפוסים בנתונים.

העוצמה הגדולה של רשתות נוירונים נובעת משילוב של כמה תכונות: הן מבוזרות (רבות יחידות פשוטות במקום אלגוריתם אחד מורכב), הן בעלות יכולת אי‑ליניארית (באמצעות פונקציות אקטיבציה כמו ReLU או סיגמואיד), והן ניתנות להרחבה כמעט שרירותית על ידי הוספת שכבות ונוירונים. כאשר בונים רשת עמוקה – עם רבות שכבות חבויות – מקבלים “למידה עמוקה” (Deep Learning), שהובילה לפריצות הדרך הגדולות בעשור האחרון: זיהוי תמונה ברמת דיוק על‑אנושית, תרגום מכונה מתקדם, מודלי שפה גדולים (LLMs), רכב אוטונומי ועוד. במובן זה, רשתות נוירונים הן מעין “מכונת פונקציות כללית”: בהינתן מספיק נתונים, עומק ומשאבי חישוב, הן מסוגלות לקָרֵב כמעט כל קשר מסובך בין קלט לפלט – וזה מה שהפך אותן לליבה של מהפכת ה‑AI הנוכחית.

למידת מכונה (Machine Learning) ולמידה עמוקה (Deep Learning) הן שני מושגים קרובים אך שונים בתוך עולם הבינה המלאכותית, והן מייצגות רמות שונות של מורכבות והיקף אפשרויות.

למידת מכונה היא תת-תחום רחב של בינה מלאכותית, שבו אלגוריתמים “לומדים” מנתונים כדי לבצע תחזיות או לסווג מידע, מבלי שתכנתו אותם במפורש עם כל כלל ופקודה. בלמידת מכונה יש תהליכי בחירת מאפיינים (Feature Engineering) שבהם המפתח בוחר ומעצם את התכונות שהמודל ילמד מהן, ולכן היא דורשת מעורבות אנושית רבה יחסית. ניתן להשתמש בלמידת מכונה במגוון רחב של בעיות עם כמויות נתונים שונות, ולעיתים מכילה אלגוריתמים פשוטים יחסית כמו עצי החלטה, רגרסיות וכדומה.

לעומת זאת, למידה עמוקה היא תת-תחום מתקדם וממוקד של למידת מכונה, המבוסס על רשתות נוירונים עמוקות עם שכבות רבות (Deep Neural Networks). למידה עמוקה מתמודדת עם כמויות עצומות של נתונים, ומסוגלת ללמוד את מאפייני הקלט באופן אוטומטי וללא צורך במעורבות אינטנסיבית של מומחים לתכנת כללים. המודל מעבד את המידע בשכבות, כאשר כל שכבה מפיקה ייצוגים מופשטים יותר ויותר, ומאפשר פתרון יעיל של בעיות מורכבות כמו זיהוי תמונה, דיבור, וניתוח שפה טבעית.

בקצרה, אפשר לומר שלמידת מכונה היא גישה רחבה שמכילה כלים שמתמקדים בלמידה מנתונים בשיטות סטטיסטיות שונות, ולמידה עמוקה היא גישה מתקדמת ומורכבת יותר שמבוססת על רשתות עצביות עמוקות, דורשת יותר נתונים וחישוב, אך מאפשרת הישגים פורצי דרך במגוון תחומים.

איך מלמדים מכונה "לחשוב"? בניגוד לתכנות מסורתי שבו כותבים כל פקודה מראש, בבינה מלאכותית אנחנו לא נותנים למחשב הוראות, אלא דוגמאות. תהליך האימון משול לחינוך: מזינים את המודל בכמויות עצומות של מידע, והוא משנה את החיבורים הפנימיים שלו כדי לזהות תבניות מתמטיות.

ישנן שיטות שונות לכך: לעיתים כמו מורה שבודק מבחן ומתקן טעויות (למידה מונחית), לעיתים נותנים למחשב לחקור לבד ולמצוא סדר בבלגן (למידה בלתי מונחית), ולעיתים דרך ניסוי וטעייה בשיטת "המקל והגזר" (למידת חיזוק). המטרה בכולן זהה: להפוך נתונים גולמיים לידע

למידה מונחית היא שיטת אימון בה נותנים למודל דוגמאות עם התשובה הנכונה (למשל: תמונות של חתולים עם התווית "חתול"). המודל לומד למפות בין הקלט לפלט.

דמיינו לרגע את היקום לא כריק אינסופי וחשוך, אלא כאוסף עצום של חידות שמישהו כבר פתר. במרחב של הלמידה המונחית (Supervised Learning), המחשב אינו משוטט בחשיכה בתקווה להיתקל בתשובה. להפך – הוא כמו פיזיקאי צעיר ונלהב שמקבל לידיו את ספר החוקים של הטבע, ושעליו רק להבין את הנוסחה שמחברת בין הסיבה לתוצאה.

איך האלגוריתם עובד? (בקיצור)

העיקרון מזכיר את מה שאנחנו מנסים לעשות בפיזיקה: למצוא חוקיות בתוך הכאוס.
המחשב מקבל קלט (למשל, נתוני מזג אוויר של מאה שנים) ופלט רצוי (האם ירד גשם באותו יום). המטרה שלו היא למצוא את "הפונקציה" – אותה משוואה מתמטית נסתרת – שתדע לחבר ביניהם.

בתחילה, המחשב מנחש ניחוש פרוע. הוא טועה, כמובן. אבל אז אנחנו מודדים את "המרחק" בין הניחוש שלו לאמת (זה נקרא פונקציית הטעות). האלגוריתם מתקן את עצמו במעט, ושוב מנחש. הוא עושה זאת מיליוני פעמים, גולש במורד גבעת הטעויות עד שהוא מגיע לעמק האמת – הנקודה שבה הניחוש שלו קרוב ביותר למציאות.

לאילו תחומים זה מתאים?

כמו שכוח הכבידה פועל גם על תפוח וגם על גלקסיה, הלמידה המונחית יעילה בכל מקום שיש בו היסטוריה ברורה של נתונים:

1. חיזוי וצפי: מה יהיה מחיר הדירה בשנה הבאה? או מתי המנוע של החללית צפוי להתקלקל?
2. סיווג: האם האימייל הזה הוא "דואר זבל"? האם הכתם בצילום הרנטגן הוא גידול ממאיר או סתם צל?
3. זיהוי: זיהוי פנים בטלפון שלכם – המערכת למדה ממיליוני דוגמאות איך נראה "אף" ואיך נראית "עין".

היתרונות 

• דיוק כירורגי: כשיש למודל "מורה" שמחזיק בתשובות הנכונות, הוא יכול להגיע לרמות דיוק פנומנליות, לעיתים אף יותר מבני אדם.
• מטרה ברורה: המודל לא הולך לאיבוד. יש לו מדד הצלחה ברור ומוגדר מראש (למזער את הטעות).

החסרונות (החורים השחורים)

• התלות ב"דלק": המודל הזה רעב. הוא זקוק לאלפי, ולעיתים מיליוני דוגמאות מתויגות. מישהו – לרוב בן אדם – צריך לשבת ולסמן ידנית "זה חתול", "זה כלב". זה יקר ואיטי.
• קיבעון לעבר: המודל לומד רק מהנתונים שהוזנו לו. אם הנתונים היו מוטים או לא שלמים, המודל יחזור על אותן טעויות בדיוק מוחלט. הוא אינו יודע "להמציא" ידע חדש, אלא רק למפות את הידע הקיים.

בקיצור, הלמידה המונחית היא הכלי החזק ביותר שלנו למיפוי המציאות, כל עוד אנחנו זוכרים שהמפה – מדויקת ככל שתהיה – תלויה במי שצייר אותה לראשונה.

למידה בלתי מונחית היא גישה בלמידת מכונה שבה האלגוריתם מתמודד עם נתונים שאינם מתויגים, כלומר לא מוכרים לא מתויגים ללא תשובות נכונות מראש. במקום להנחות את המודל כיצד למפות קלט לפלט, הוא מתבקש לגלות דפוסים, מבנים וקשרים סמויים בתוך הנתונים בעצמו. תהליך זה דומה לאופן שבו מוח של תינוק לומד להבין את העולם דרך חישה וחיבור בין פריטים ללא תוויות מפורשות.

אחד האלגוריתמים הבולטים בלמידה בלתי מונחית הוא ניתוח אשכולות (Clustering), שמאגד פריטים לקבוצות על בסיס דמיון, וניתוח רכיבים עיקריים (PCA) שמפחית את המימדיות של הנתונים כדי להקל על העיבוד. יתרונות השיטה הם היכולת להתמודד עם כמויות עצומות של נתונים לא מסומנים, גילוי דפוסים מוסתרים ויכולת להפיק תובנות ללא תלות במידע מתויג, מה שמפשט את איסוף הנתונים ומרחיב את היכולות לניתוח במקרים שבהם תיוג הוא יקר או בלתי אפשרי.

עם זאת, חסרונות של למידה בלתי מונחית כוללים את הקושי בשקלול וביקורת של התוצאות, שכן אין “תווית אמת” להשוות אליה, ואת האתגר לפרש את המודלים והמסקנות באופן בהיר. כמו כן, לעיתים המודל יכול לזהות דפוסים שלא באמת משמעותיים או ליתר פרשנות, מה שמצריך מומחיות רבה להבנת התוצאה. למידה בלתי מונחית היא כלי רב־עוצמה בעולם שבו רוב הנתונים אינם מתויגים, ויש צורך לשילוב זהיר עם מומחיות אנושית לבניית תובנות אמינות ומדויקות.

למידת מכונה בלתי מונחית משמשת בזיהוי אנומליות במגוון תחומים, בעיקר כמו שדיברנו מקודם, כאשר אין נתונים מתויגים מראש. דוגמה מרכזית היא בתחום הסייבר, שבו אלגוריתמים חוקרים דפוסי תעבורה ברשת ומאתרים חריגות שעשויות להעיד על התקפות, ניסיונות פריצה או פעילויות זדוניות. מבלי לדעת מראש מה הן האנומליות המדויקות, המודל מסנן חריגים על בסיס פיזור הנתונים והקרבה ביניהם — דפוסים נדירים או שונים מאוד מהרגיל נסקרים כחשודים.

בתחום הפיננסי, למידה בלתי מונחית עוזרת לזיהוי הונאות בכרטיסי אשראי על ידי גילוי פעילויות חריגות כגון רכישות לא שגרתיות בכמויות או מיקומים שונים ממה שהלקוח הרגיל. כאן אלגוריתמים כמו Clustering או Isolation Forest בודקים קבוצות של עסקאות ומזהים את אלו שנמצאות הרחק ממרכזי הכבידה של הקבוצות הרגילות.

גם ברפואה נעשה שימוש לשם גילוי מוקדי סרטן או מחלות נדירות בבדיקות רפואיות, כאשר אלגוריתמים לומדים מתוך מאגרי נתונים לא מתויגים ומסמנים אזורים חריגים שעלולים להצביע על בעיות רפואיות שלא הודגשו מראש.

יתרון מרכזי של שיטת למידה זו הוא שהיא יכולה לטפל בנתונים גדולים ומגוונים ללא תלות בתוויות או בידע מוקדם, ומאפשרת גילוי תובנות חדשות שאינן בהכרח מוכרות. מצד שני, חסרון הוא הקושי באימות התוצאות, כיוון שאין “אמת” ברורה להשוואה, ודרוש לעיתים התערבות אנושית לפיענוח כדי להימנע מתקלות כמו זיהוי שגוי של אנומליות. מערכת המשלבת למידה בלתי מונחית עם מעקב ובקרה אנושית מאפשרת ניהול טוב יותר של אזהרות ותגובה מהירה לאירועים אמיתיים.

לימוד דרך ניסוי וטעייה. המודל (ה"סוכן") פועל בסביבה מסוימת ומקבל "פרס" על פעולה טובה או "עונש" על טעות, וכך לומד למקסם את ההצלחה (נפוץ במשחקי מחשב ורובוטיקה).

למידת חיזוק היא גישה בלמידת מכונה שבה “הסוכן” (מודל מחשב או רובוט) לומד לקבל החלטות דרך ניסוי וטעייה בתוך סביבה מסוימת. בכל צעד, הסוכן מבצע פעולה ומקבל משוב – אם הפעולה הייתה מוצלחת, הוא מקבל “פרס” במונחים של ציונים או ערך חיובי. אם הפעולה הייתה לא טובה, הוא מקבל “עונש” או משוב שלילי. כך, עם הזמן והניסויים, הסוכן לומד אילו פעולות כדאי לו לבצע כדי למקסם את סך הפרסים שיקבל בעתיד, כלומר להצליח במשימה שלו.

הדבר מזכיר מאוד איך יצורים חיים לומדים: ילד לומד שכשמנקה את החדר הוא זוכה לשבחים, וכשזורק דברים הוא מקבל נזיפות. באמצעות תהליך חזרתי של ניסיון, טעייה ולמידה מהמשוב, גם המודל מתפתח ומשפר את הביצועים שלו במערכת מורכבת ודינמית.

הייחוד של למידת חיזוק הוא ביכולתה להתמודד עם סביבות פתוחות ומורכבות שבהן פעולות אינן מובילות לתוצאה מיידית ברורה, אלא להשלכות בטווח ארוך. לדוגמה, רובוט שלומד לנוע בעולם אמיתי ידרש לקבל החלטות שמאזנות בין סכנות וסיעור מוחות לא רק בתגובה מיידית, אלא בתכנון עתידי. או סוכן AI שלומד לשחק שחמט שמעמיס אסטרטגיות מורכבות לאורך המשחק.

למידת חיזוק משמשת גם היום באפליקציות של רובוטיקה, משחקי מחשב ותחומים שבהם יש צורך ביכולת הסתגלות ברמה גבוהה. היא מדמה תהליך טבעי וצעד אבולוציוני בהתפתחות המחשוב לקראת קבלת החלטות חכמה ותגובה דינמית למציאות משתנה, ובכך מרחיבה את גבולות היכולת של מכונות ללמידה ולהתפתחות עצמונית.

Q-learning הוא כלי חזק לדוגמא ללמידה במצבים שבהם הסוכן לא יודע מראש איך הסביבה פועלת וללא צורך בבניית מודל מסובך שלה. עם זאת, מתמודד עם בעיות של גדילה מעריכית בגודל הטבלה במצבים עם הרבה אפשרויות, שם משתמשים בשיטות מורכבות יותר כמו Deep Q-Learning (שמשלבות רשתות נוירונים). באופן כללי, הטבלה הזו היא המפה שמשמשת את הסוכן לנווט את דרכו בצורה חכמה וחסכנית, ולהשיג את התוצאות הטובות ביותר.

Q-learning מאפשר למחשב ללמוד איך לקבל את ההחלטות הטובות ביותר בסביבה מסוימת, באמצעות ניסוי וטעייה. בלב של האלגוריתם הזה עומדת ה-Q-table – טבלה פשוטה שבה כל שורה מייצגת מצב אפשרי שבו הסוכן נמצא, וכל עמודה מייצגת פעולה אפשרית שהוא יכול לבצע במצב הזה. הערך שמול כל צירוף של מצב-פעולה הוא "ציון" שמייצג כמה משתלם לבצע את הפעולה הזו במצב הנתון, כלומר את התגמול הצפוי שהסוכן יקבל.

האלגוריתם עובד כך: בהתחלה טבלת ה-Q מאותחלת בערכים ראשוניים, בדרך כלל אפס. הסוכן בוחר פעולות באופן חינוכי – גם מנסה פעולות חדשות וגם מנצל את הידע מהטבלה. אחרי כל פעולה, הסוכן מקבל פרס או עונש (תגמול), והערכים בטבלה מתעדכנים כך שיתקרבו לתחזית הטובה ביותר של התגמול לאורך זמן. התהליך הזה, שמבוסס על חישוב ממוצע משוקלל של הערך הישן ושל הערך החדש באמצעות נוסחת בלמן, חוזר על עצמו שוב ושוב עד שהטבלה מייצגת מדיניות אופטימלית.

הנה דוגמה פשוטה ב‑Python ליישום אלגוריתם Q-learning על סביבה פשוטה כמו Gridworld, שבה הסוכן נע ברשת של תאים כדי להגיע למטרה ולהימנע מהמכשולים:

נראה אם תמצאו את הטעות שלי

import numpy as np

import random

# הגדרות רשת 4x4 (0=ריק, 1=משוכה, 2=מטרה)

grid_size = 4

goal = (3, 3)

obstacles = [(1, 1), (2, 1)]

# פעולות אפשריות: למעלה, למטה, שמאלה, ימינה

actions = ['up', 'down', 'left', 'right']

# טבלת Q: עבור כל מצב (x,y) ופעולה, נשמור ערך Q

Q = np.zeros((grid_size, grid_size, len(actions)))

# פרמטרים ללמידה

alpha = 0.1    # שיעור למידה

gamma = 0.9    # ניכוי עתידי של פרס

epsilon = 0.2  # סיכוי לבחירת פעולה אקראית (חקירה)

def is_valid(pos):

    x, y = pos

    if x < 0 or x >= grid_size or y < 0 or y >= grid_size:

        return False

    if pos in obstacles:

        return False

    return True

def step(state, action):

    x, y = state

    if action == 'up':

        next_state = (x-1, y)

    elif action == 'down':

        next_state = (x+1, y)

    elif action == 'left':

        next_state = (x, y-1)

    else:  # right

        next_state = (x, y+1)

    if not is_valid(next_state):

        next_state = state  # אין תזוזה אם לא חוקי

    reward = -1  # עונש קטן על כל צעד

    done = False

    if next_state == goal:

        reward = 10

        done = True

    return next_state, reward, done

episodes = 500

for episode in range(episodes):

    state = (0, 0)

    done = False

    while not done:

        x, y = state

        if random.uniform(0,1) < epsilon:  # חקירה אקראית

            action_idx = random.randint(0, len(actions)-1)

        else:

            action_idx = np.argmax(Q[x, y])

        action = actions[action_idx]

        next_state, reward, done = step(state, action)

        nx, ny = next_state

        # עדכון Q לפי נוסחת Q-learning

        Q[x, y, action_idx] = Q[x, y, action_idx] + alpha * (reward + gamma * np.max(Q[nx, ny]) - Q[x, y, action_idx])

        state = next_state

print("Q-table after training:")

print(Q)

כדי לדעת יותר על Generative AI עבור למאמר הבא " האם המחשב מגדל אישיות? "

• קורס סייבר ואבטחת מידע
• קורס Full Stack
• קורס בניית אתרים
• קורס למידת מכונה
• קורס דאטה סיינס
• קורס דאטה אנליסט
• קורס DEVOPS
• קורס IT
• קורס אוטומציה
• קורס Real Time Embedded