פרופ' גל צ'צ'יק

למידת מכונה והכללה ממעט דוגמאות

בינה מלאכותית מבוססת על טכנולוגיית למידת מכונה – אך מכונות לומדות באופן שונה מאוד מאשר בני אדם: למשל, אנשים יכולים ללמוד לזהות חפץ מתוך מבט בודד גם אם יראו אותו מזווית חדשה בתנוחה ובתאורה שונה. מערכת AI זקוקה לראות דוגמאות רבות כדי להגיע לאותה. פרופ' גל צ'צ'יק שואל: איך ללמד מכונות להכליל ממעט דוגמאות – כמו המוח האנושי?

המעבדה של פרופ' צ'צ'יק מפתחת אלגוריתמי למידת מכונה בקנה מידה גדול לניתוח מערכות מורכבות – ביולוגיות ומלאכותיות כאחד. המעבדה מתמקדת בהכללה ממעט דוגמאות למצבים חדשים, ובהרחבת גבולות למידת המכונה להבנה ויצירה של סצנות מורכבות.

תחומי מחקר מרכזיים:

•  למידה ממעט דוגמאות  (Few-Shot Learning)

•  למידה עמוקה  (Deep Learning)

• תפיסה חזותית (Computer Vision & Representation Learning)

• מודלים גנרטיביים  (Generative Models)

• למידה במערכות ביולוגיות ומלאכותיות  (Learning in Brains and Machines)

 אופי המחקר:

תיאורטי–יישומי: אלגוריתמים ומודלים מתקדמים לצד מערכות פועלות בעולם האמיתי, בשיתוף NVIDIA ישראל.

אופק תעסוקתי:

בוגרות ובוגרי המעבדה משתלבים במגוון תפקידים:

• תעשייה: מדעני נתונים, חוקרי AI ומובילי צוותי מחקר בחברות טכנולוגיה מובילות בארץ ובעולם

• אקדמיה: חוקרים עצמאיים ומרצים באוניברסיטאות בארץ ובחו"ל

• יזמות: מייסדי חברות טכנולוגיה ומובילי צוותי R&D בתחומי ראייה ממוחשבת, עיבוד שפה טבעית ומודלים גנרטיביים