מערכות חכמות מוכוונות אדם
מערכות בינה מלאכותית שעובדות לצד בני אדם ומתאימות את עצמן אליהם: שותף-משחק שמלמד ילדים לשתף פעולה, רובוט שמלווה מבוגרים בהליכה, ובוחן שבודק מה סטודנטים באמת מבינים.
חבר סגל: פרופ' דוד סרנה
על הקבוצה
הקבוצה חוקרת ובונה מערכות חכמות שנועדו לעבוד עם בני אדם, ולא במקומם. מערכת כזו מבינה את האדם שמולה, מתאימה את עצמה אליו, יודעת מתי להציע עזרה ומתי לבקש אותה, ומסבירה את החלטותיה. ההצלחה שלה נמדדת בהשפעה על האנשים שמשתמשים בה, ולא רק בביצועים הטכניים.
המחקר נשען על שנים של עבודה בכמה תחומים: מערכות מרובות סוכנים ותכנון מנגנונים, אינטראקציה בין אדם לסוכן ובין אדם לרובוט, בינה מלאכותית מוסברת (XAI), מתן מידע ועצות לאנשים, ובקשות עזרה של מערכות אוטונומיות. כל פרויקט משלב מודל תיאורטי, מערכת עובדת וניסויים עם משתמשים אמיתיים.
הפרויקטים הנוכחיים פונים לאוכלוסיות שעבורן שיתוף פעולה טוב בין אדם למערכת משנה את חיי היום-יום:
- COOP World: שותף AI שמאפשר לילדים לתרגל מיומנויות חברתיות.
- רובוטים שהולכים לצידנו: רובוט שמלווה אנשים מבוגרים בהליכה ומשמש להם מאמן שיקום.
- ATC: בוחן AI שבודק מה סטודנטים באמת מבינים בעבודות שהגישו.
העבודה בין-תחומית מהיסוד. הקבוצה עובדת עם חוקרים מחינוך, פסיכולוגיה, משפטים, עבודה סוציאלית, מדעי המידע ומנהל עסקים בבר-אילן, ועם שותפים בארה"ב ובאירופה. גם הפרויקטים נשענים זה על זה: השלב הבא ב-COOP World מעביר את השותף הווירטואלי מהמסך אל רובוט פיזי.
COOP World: לומדים לשתף פעולה עם שותף AI
תרגול מיומנויות חברתיות אצל ילדים בעזרת בינה מלאכותית
COOP World היא פלטפורמה מבוססת AI למדידה ולתרגול של שיתוף פעולה והדדיות אצל ילדים. היא נמצאת בשימוש בישראל, בארה"ב ובצפון מקדוניה: מילדי גן ועד סטודנטים, בכיתות שלמות ובקליניקות.

תמונה 01: לוגו COOP World ודמויות המשחק
הצורך
הדדיות, כלומר היכולת לתת ולקבל ולהגיב להתנהגות האחר, היא בסיס לקשרים חברתיים, לאמון ולתחושת שייכות. ילד שלא מפגין הדדיות עלול להיתפס כנצלן ולהידחק מהקבוצה.
היום לילדים יש פחות הזדמנויות לתרגל הדדיות פנים מול פנים, בין השאר בגלל המעבר לתקשורת דיגיטלית והדגש על הישגים אישיים. אצל ילדים על הרצף האוטיסטי, עם הפרעת קשב או עם חרשות המצב קשה עוד יותר, כי חסמי תקשורת מצמצמים אצלם את התרגול.
גם לאנשי המקצוע חסר כלי. מטפל שרוצה לעבוד על מצב חברתי יכול לצפות בו ולדבר עליו בדיעבד, או להשתתף בו ולהפוך בעצמו לצד בקונפליקט. COOP World מאפשרת לו ליצור את המצב החברתי בדיוק כפי שהוא רוצה, ולדון בו עם הילד מבחוץ.
המערכת
הילד משחק עם שותף וירטואלי, ושניהם אוספים מטבעות. חלק מהמטבעות נעולים, ורק השחקן השני יכול לפתוח אותם. עזרה לשחקן השני עולה משהו, וכל שחקן רשאי גם לסרב. כך נוצרים שוב ושוב מצבים של בקשת עזרה, נתינה, סירוב ותיקון.
[סרטון 02: בקשת עזרה. הילד מבקש עזרה מהשותף, ואחר כך השותף מבקש עזרה מהילד]
- שותף מבוסס AI: משחק "כמו ילד", ולעיתים קרובות קשה להבחין בינו לבין שחקן אנושי. החוקר או המטפל קובעים את האסטרטגיה שלו: מידה כנגד מידה, אלטרואיזם מלא, ניצול או הדדיות חלקית.
- דמויות שמדברות: מודל שפה גדול (LLM) מפעיל דמויות עם אופי (עליזה, חרדתית, תחרותית), שמסבירות את מעשיהן בדיבור. כך אפשר לתרגל גם מצבים קשים, כמו הצקה.
- מגוון מצבים חברתיים: שיתוף פעולה, התמודדות עם סירוב, בחירה בין שותף הוגן לשותף לא הוגן, ותחרות.
- גרסאות מותאמות: גרסה עם סרטוני שפת סימנים לילדים חרשים, גרסה מותאמת חושית לילדים על הרצף האוטיסטי, וגרסאות בכמה שפות.
תפיסת המערכת: המשחק הוא רק המנוע
מעל המשחק פועלות שלוש שכבות, שהופכות אותו לכלי עבודה עבור המבוגרים שסביב הילד:
- תכנון מצבים חברתיים: קובעים מראש מה יקרה במשחק: אסטרטגיית השותף, האופי שלו והמצבים שהילד יפגוש.
- כלי ניתוח: השוואה בין תת-קבוצות לפי גיל, מגדר, אבחנה ועוד, אשכול אוטומטי, זיהוי חריגות וצפייה חוזרת במשחק.
- לוחות בקרה: נתונים בזמן אמת, תיאוריים ומשווים, לכל ילד ולכל קבוצה.
המערכת פועלת במחשב, בטאבלט ובטלפון, על תשתית ענן של כ-46 שירותים. לכל מחקר יש גרסה משלו, וקל להתאים את המערכת לשותפים חדשים.

תמונה 02: תפיסת המערכת. מנוע המשחק, השכבות שמעליו, והמחנכים, המטפלים וההורים
למי המערכת מיועדת
- מטפלים: יוצרים את המצב החברתי שעליו רוצים לעבוד, ודנים בו עם הילד בלי להיות צד בקונפליקט. המערכת נוסתה בהצלחה בקליניקות טיפוליות.
- מחנכים: משחק של כיתה שלמה כדי לשפר את האקלים הכיתתי. מדידת דפוסי ההדדיות יכולה לשמש סימן ראשון לצורך באבחון נוסף.
- הורים: לוח בקרה שמציג את דפוסי ההדדיות של הילד.
חוקרים: תכנון ניסויים, איסוף נתונים מפורט על כל החלטה במשחק, והשוואה בין אוכלוסיות.

תמונה 03: לוח בקרה, ניתוח בקשות עזרה לפי אסטרטגיה

תמונה 04: ציר זמן של החלטות הילד והשותף בכל שלב
היקף השימוש
המערכת שימשה עד כה במחקרים רבים, באוכלוסיות מגוונות:
- גילים: גן ילדים, כיתות ד'–ו' וסטודנטים.
- אוכלוסיות: ילדים בעלי התפתחות תקינה, עם הפרעת קשב, על הרצף האוטיסטי, חרשים וכבדי שמיעה, ילדים בטיפול בקליניקות, וכיתות שלמות.
- מגזרים ומדינות: ילדים יהודים וערבים בישראל, וילדים בצפון מקדוניה ובארה"ב.
כמה מהמחקרים האחרונים:
| מחקר | משתתפים | ממצא מרכזי |
|---|---|---|
| בחירת שותף הוגן, ארה"ב (פיילוט, 2026) | 47 ילדים | הילדים בחרו בשותף ההוגן ב-67.8% מהסבבים. |
| הדדיות בילדות ובבגרות | 91 ילדים ו-60 מבוגרים, 5,438 החלטות עזרה | ילדים ומבוגרים מגיבים להתנהגות השותף באותה מידה. ההבדל הוא במה שקורה אחרי סירוב: מבוגרים ממשיכים לעזור ומתקנים את הקשר מהר יותר. |
| ילדים חרשים וכבדי שמיעה, במימון קרן שלם | 109 ילדים בגילאי 9–13 | בהשוואה לקבוצת ביקורת, חמישה מפגשים שבועיים של כ-30 דקות שיפרו את שיתוף הפעולה ואת היכולת להבין את נקודת המבט של האחר (ToM). |
השלב הבא: מהמסך אל החדר
השותף הווירטואלי ייצא מהמסך ויקבל גוף של רובוט חברתי, עם אותה אסטרטגיה, אותה אישיות ואותו קול. בהמשך גם המשחק עצמו יעבור לחדר אמיתי, עם חפצים ומשימות שאף צד לא יכול לבצע לבד. המטרה היא מעבר הדרגתי של המיומנויות: משותף על המסך, לרובוט, ומשם לבני אדם.

תמונה 05: הדמיה של ילדה ורובוט בחדר משחק
שותפים מרכזיים
שותף | מוסד |
|---|---|
פרופ' סיגל עדן | הפקולטה לחינוך, אוניברסיטת בר-אילן |
ד"ר שרית אלקלעי | החוג לפסיכולוגיה חינוכית, המכללה האקדמית עמק יזרעאל |
פרופ' פליקס וורנקן | פסיכולוגיה, אוניברסיטת מישיגן, ארה"ב |
קסיה מישלינסקה-שארק | אוניברסיטת SWPS, פולין |
אנה פריצ'נד | פסיכולוגיה, אוניברסיטת קיריל ומתודיוס, סקופיה, צפון מקדוניה |
לצדם שותפים נוספים באיטליה, ברומניה ובסלובקיה.
לאתר הפרויקט: coopworld.net
רובוטים שהולכים לצידנו
מאמן הליכה רובוטי למבוגרים, מהקליניקה ועד דלת הבית
רובוט דמוי כלב הולך לצד אנשים מבוגרים במסלולי הליכה בחוץ, מחובר אליהם ברצועה רפויה. המטרה היא להפוך הליכה רגילה למפגש שיקום מובנה, שהמטפל קובע את גבולותיו ורואה את תוצאותיו. הפרויקט זכה במימון ממשרד החדשנות, המדע והטכנולוגיה (2026).

תמונה 06: מתנדב הולך עם הרובוט בשיל, צילום, מאחור
החזון
שיקום מסתיים בדרך כלל בדלת הקליניקה. המטפל ממליץ "לצאת ללכת קצת כל יום", אבל מרגע שהמטופל יוצא אין מי שילך לצידו, ואיש לא יודע אם ההליכה בכלל התקיימה.
החזון שלנו הוא להוציא את השיקום מהקליניקה אל השכונה: רובוט שמגיע עד הדלת, הולך לצד האדם בקצב שלו, מעודד אותו להתקדם כשהוא מוכן, ומחזיר למטפל תמונה מלאה של כל הליכה. כך אנשים מבוגרים ממשיכים לצאת מהבית, שומרים על עצמאותם, ומזדקנים בביתם ובקהילתם.
מעבר לפרויקט הזה, המטרה רחבה יותר: רובוטים שאנשים רוצים לידם. רובוט כזה צריך לדעת ללכת לצד אדם בלי להפריע לו, להבין הוראות במילים פשוטות, לראות ולזהות מה שסביבו, לבקש עזרה כשצריך, ולהודות בטעות בצורה נכונה. את היכולות האלה אנחנו חוקרים במעבדה, חלקן בניסויים עם מאות משתתפים.
הצורך
מספר המבוגרים בעולם צפוי להכפיל את עצמו עד 2050, וכשליש מבני 65 ומעלה נופלים מדי שנה. גם נפילה בלי פציעה משאירה פחד, ורבים שעדיין הולכים לבד, בלי מקל ובלי הליכון, מפסיקים לצאת מהבית. השרירים נחלשים, העולם מצטמצם, והבדידות גוברת.
הפתרונות הקיימים לא סוגרים את הפער הזה. מקל והליכון נותנים תמיכה פסיבית בלבד. שעון חכם מודד את ההליכה, אבל לא יוצא איתך מהבית ולא הולך לצידך. את קבוצות ההליכה והמלווים האנושיים קשה לתאם ולהרחיב.
החדשנות
- מבן לוויה למאמן: הרובוט לא רק מלווה. בתוך הגבולות שקבע המטפל, הוא עובר בין ליווי בקצב של האדם לבין אתגר שיקומי מדורג, ונסוג כשהאדם מתעייף.
- לולאה קלינית סגורה: המטפל קובע מרשם, הרובוט מוביל את ההליכה, חיישנים על הגוף ושעון חכם מודדים דפוס הליכה ומאמץ, והנתונים חוזרים ללוח בקרה. משם נקבע המרשם הבא, כך שכל הליכה מזינה את הבאה.
- רצועה כעוגן נפשי: הרצועה רפויה ומוגבלת בכוח, ואינה נושאת משקל. במחקר עם 97 משתתפים היא לא שינתה את מהירות ההליכה, אבל הגבירה את תחושת השליטה. עם הרצועה, פי 2.5 יותר משתתפים כינו את הרובוט "שותף" ולא "מכשיר". הרצועה תרמה במיוחד למשתתפים שביטחונם בהליכה נמוך.
- מונחה במילים, לא מתוכנת: מודל שפה מרכיב משימות מתוך ספריית מיומנויות שנבדקו מראש, כך שמטפל, ולא מתכנת, יכול להגדיר את המפגש. בזמן ההליכה עצמה הרובוט פועל לפי כללים קבועים וצפויים, ומודל השפה אינו מעורב בהחלטות הבטיחות.
- במרחב הציבורי: השיקום מתקיים ברחוב ובפארק, שם התועלת הגופנית, הקוגניטיבית והחברתית של הליכה היא הגדולה ביותר.
- חומרה זמינה: המערכת בנויה על רובוט מסחרי במחיר נמוך יחסית (Unitree Go2), ולכן היא יכולה להגיע לקופות חולים, למרכזי שיקום ולדיור מוגן.
הבטיחות קודמת לכל: הרובוט לעולם לא נושא משקל, לא גורר ולא מחליף מקל או הליכון. איש צוות מיומן נמצא תמיד במקום ויכול לעצור אותו מיד.
מה כבר הראינו?
מתנדבים בני 74 עד 87 הלכו עם הרובוט בחוץ 5 עד 15 דקות, בלי נפילה, בלי כמעט-נפילה ובלי תקלה ברצועה. כולם ביקשו ללכת שוב. עוברים ושבים עצרו כדי לשאול שאלות, מתוך סקרנות ולא מתוך רחמים.
שותפים
שותף | תפקיד |
|---|---|
פרופ' ליאת אילון, בית הספר לעבודה סוציאלית, בר-אילן | חוקרת ראשית שותפה: גרונטולוגיה ומחקר עם מבוגרים |
ד"ר נועית ענבר, פיזיותרפיסטית | הובלת הצד הקליני: יותר מ-20 שנה בשיקום הליכה ומניעת נפילות |
סחלב | שירותי קהילה לכ-3,000 מבוגרים: גיוס ואתר מחקר |
בית בן יהודה, חיפה | דיור מוגן עם כ-80 דיירים עצמאיים: אתר מחקר שני |
ATC: "תסביר לי את הקוד"
בוחן AI שבודק מה הסטודנט באמת מבין, בהיקף של קורס שלם
ATC (מרכז הבחינות האוטונומי) הוא בוחן מבוסס AI שמשוחח עם כל סטודנט על העבודה שהוא עצמו הגיש. המערכת הופעלה לראשונה בהצלחה רבה בקורס מערכות הפעלה, בעלות מזערית לבחינה. כיום היא מתרחבת לקורסים נוספים בבר-אילן, גם מחוץ למחלקה.
הצורך
רוב הסטודנטים משתמשים היום בבינה מלאכותית כדי להכין עבודות. בסקרים בבריטניה דיווחו על כך 88% מהסטודנטים ב-2025 ו-94% ב-2026. בתכנות, מודל שפה מפיק פתרון עובד בתוך שניות, וקוד שעובר את הבדיקות כבר לא מוכיח שמי שהגיש אותו מבין אותו.
הפתרון המסורתי הוא בחינה בעל פה, שבה הסטודנט מסביר את עבודתו ומגן עליה. אבל בקורס עם מאות סטודנטים בחינה כזו יקרה ואיטית, והציונים שלה משתנים מבוחן לבוחן.
איך זה עובד, מצד הסטודנט?
1. הסטודנט כותב את התרגיל, ומותר לו להיעזר ב-AI.
2. מגיש אותו ומזמין מועד בחינה. הקוד נשלף מהמאגר שלו רק ברגע הבחינה.
3. עונה בכתב על שלוש שאלות של בוחן ה-AI על הקוד שלו, במשך 16 דקות, בחדר בחינה מצולם וללא משגיח.
4. מקבל ציון ומשוב בכתב במייל, למחרת.

תמונה 07: ארבעת שלבי הבחינה מצד הסטודנט
החדשנות
- שאלות על העבודה שלך: השאלות נגזרות מהקוד שהסטודנט עצמו הגיש, מעוגנות לשורות מסוימות, ורמת הקושי משתנה לפי התשובות. אי אפשר לשנן תשובות מראש.
- בדיקת הקוד ובדיקת ההבנה מופרדות: סוכן אחד בודק את איכות הקוד ולא רואה את הבחינה. סוכן שני מנקד את תמליל הבחינה בלי גישה ישירה לקוד. הציון הסופי מחושב בנוסחה קבועה, בלי מודל שפה.
- הבנה ומחברות בנפרד: ההערכה אם הסטודנט כתב את הקוד בעצמו מועברת לסגל בלבד, ואינה נכנסת לציון. כך סטודנט שכתב בעצמו ונלחץ בבחינה לא נחשד בהעתקה.
- הוגנות ובטיחות: הבוחן ערוך לזהות מצוקה ולהתמודד עם ניסיונות לתמרן את המודל. הוא פועל לפי כללים נגד קטנוניות, והסטודנט יכול לערער.
- המרצה במרכז: המערכת מרחיבה את יכולות ההערכה של המרצה ולא מחליפה אותו. הוא בוחר את התרגיל, מאשר את השאלות ואת משקל הבחינה, עובר על מדגם תוצאות ומטפל בערעורים.

תמונה 07: מבנה המערכת. הבוחן, תמליל הבחינה, ושני הקלטים המופרדים של הבדיקה
מה מצאנו
בקורס מערכות הפעלה נקבעו מראש ארבעה קריטריוני הצלחה, וכולם התקיימו. הממצאים העיקריים:
- הבחינה מודדת משהו שהקוד לא מראה: ציון הבחינה לא היה קשור לאיכות הקוד של אותה הגשה, אבל היה קשור לממוצע של הסטודנט בתואר.
- הבדיקות האוטומטיות לא מבחינות בין סטודנטים: כמעט כולם קיבלו ציון מקסימלי (חציון 100).
- הסטודנטים שינו את דעתם: אחרי ההתנסות הם העריכו את בחינת ה-AI באופן חיובי יותר מאשר לפניה, ויותר מהם תמכו בשימור רכיב AI בציון.
השלב הבא הוא השוואה שיטתית של ציוני המערכת לציונים של בוחנים אנושיים, בכמה תחומי דעת.
התרחבות
המטרה היא להכניס את המערכת לתחומי דעת רבים, ולמקם את בר-אילן כמובילה בארץ ובעולם בהערכה מבוססת AI. כל תחום חדש מעלה שאלות מחקר חדשות: בהוכחות מתמטיות יש כמה דרכים נכונות להוכיח טענה, ובעבודה סמינריונית נדרשות שאלות שמביאות חומר חיצוני.
Researchers
-
פרופ' סרנה דוד
03-5318052