מי הם האנשים שעומדים מאחורי עתיד הסטטיסטיקה
ומדע הנתונים?
מה משותף בין מחקר על מחלת אלצהיימר, אימון רשתות נוירונים על נתונים פגומים, שחזור צורות גיאומטריות ומיסודות מתמטיים של בינה מלאכותית? עצרנו לשיחה עם ארבעה סטודנטים מהחוג לסטטיסטיקה באוניברסיטת חיפה, שכל אחד מהם הגיע מנקודת פתיחה אחרת – וכולם מוצאים את עצמם בחזית של שאלות שטרם נענו.
דרור ארביב: ללמד מכונה להתמודד עם הטעויות שלנו
דרור ארביב היא סטודנטית לתואר שני בסטטיסטיקה במסלול הבינלאומי, בוגרת החוג, ובמקביל ללימודיה עובדת כחוקרת בחברת “נגה – ניהול מערכת החשמל”. המחקר שלה שואל שאלה פרקטית ביותר: מה קורה כשמאמנים מודל בינה מלאכותית על נתונים עם שגיאות?
“המודלים הענקיים שמשנים היום את העולם, כמו ChatGPT, מתבססים על כמויות אדירות של דאטה שלעולם לא יהיה נקי ב-100%”, היא מסבירה. לכן דרור מנסה לאתר את חלון הזמן שבו המודל קולט מידע אמיתי – לפני שמתחיל לשנן את הרעש. התופעה נקראת “למידה מוקדמת”, והיא עשויה להיות המפתח לאימון מודלים מדויקים יותר, גם ללא תקציב בלתי מוגבל לייצור נתונים נקיים.
“חיפשתי תחום שמשלב בין התיאוריה הסטטיסטית הקלאסית לבין חזית הטכנולוגיה של הבינה המלאכותית”, היא אומרת. “כדי להבין באמת למה המודלים האלה עובדים כמו שהם עובדים”.
יונלונג פנג: מרפואה ועד הבסיס המתמטי של בינה מלאכותית
יונלונג פנג הגיע לסטטיסטיקה בדרך שאינה מובנת מאליה – ללא רקע מוקדם במתמטיקה או סטטיסטיקה. כיום הוא מסיים תואר שני, עובד כעוזר הוראה בקורסים מתקדמים, ומתכנן להמשיך לדוקטורט בחוג.
בינתיים הוא עמוס: שני פרויקטי מחקר עם שירותי בריאות כללית עוסקים במחלת אלצהיימר ובסכיזופרניה, ומנסים לבחון כיצד אסטרטגיות טיפול שונות משפיעות על מהלך המחלה – בעזרת שיטות למידת מכונה. אך הדוקטורט שלו ייקח אותו לכיוון אחר לגמרי: הבסיס המתמטי של רשתות נוירונים ומודלי שפה גדולים.
“סטטיסטיקה היא עבורי לימוד מנתונים כדי לגלות את האמת, או לפחות להתקרב אליה”, הוא אומר. “אפילו אם תרומתי למדע הנתונים תישאר קטנה – מאחורי התהליך המחקרי היומיומי עומד רדיפה אחרי האמת ודאגה אמיתית לגורל האנושי”.
אנטוניו סורצ’ל: כשהנתונים “מזוהמים” – גם המסקנות מתקלקלות
אנטוניו סורצ’ל סיים תואר ראשון בסטטיסטיקה ועכשיו בתואר שני עם התמחות ב-Data Science, בהנחיית ד”ר בלה וקולנקו-לגון. התיזה שלו עוסקת בשאלה שנמצאת בלב האמינות של כל מחקר רפואי: כיצד מנתחים נתונים שמגיעים מרשומות רפואיות של מערכת הבריאות שלא נוצרו למחקר מלחתחילה ולכן הם חלקיים ומלאים בחוסרים?
מעבר לתיזה, הוא לוקח חלק במחקר בינלאומי עם אוניברסיטאות מובילות בארה”ב ובריטניה, שמחפש טיפול יעיל למחלת אלצהיימר דרך “הסבת תרופות קיימות”. המטרה: לאפשר לחוקרים קליניים לנהל, בדיעבד, ניסויים קליניים מבלי לפגוש מטופל אחד – רק דרך ניתוח נתוני עתק.
“כולנו יודעים כמה AI מתפוצץ עכשיו בעולם”, הוא אומר, “אבל אם נזין נתונים מוטים למודלים, נקבל מסקנות שגויות. לכן תחום שיפור איכות הנתונים רק ילך ויגדל”.
עמית דונר: גיאומטריה, רעש, ואמידה מדויקת
עמית דונר הוא דוקטורנט ומרצה בחוג, עושה דוקטורט בהנחיית פרופ’ אלכסנדר גולדנשלוגר. הוא עשה את כל דרכו בחוג – תואר ראשון, שני, ועכשיו שנה שלישית בדוקטורט. המחקר שלו הוא המשך ישיר מתיזה: שחזור צורות גיאומטריות מתצפיות רועשות, תחת שגיאות מדידה.
זה נשמע תיאורטי – ויש בו מתמטיקה רבה – אבל ההשלכות מגיעות לראייה ממוחשבת, פיזיקה, ותחומים נוספים שבהם הנתונים אף פעם אינם מדויקים לחלוטין.
“התחום הזה דורש לשלוט בנושאים רבים: תיאוריה הסתברותית, סטטיסטית, מתמטית, וגם יכולות יישומיות באופטימיזציה ואנליזה נומרית”, הוא מסביר. “ההבנה ההולכת וגוברת שנתונים אינם תמיד מדויקים – וזה לא רעש מקרי סטנדרטי – היא שהופכת את הנושא לרלוונטי היום”.
לגבי העתיד, עמית אופטימי: “ריבוי הנתונים והצורך לייצר מהם תובנות רק יגביר את הצורך בסטטיסטיקה. זהו הכלי העיקרי לאמת תוצאות אמפיריות – וזה לא הולך להשתנות בקרוב”.
ארבעה חוקרים צעירים, ארבעה תחומים שונים – ומכנה משותף אחד: כולם מאמינים שהדרך להבין את העולם עוברת דרך הנתונים שהוא משאיר אחריו. גם כשהם רועשים, חסרים, או מלאי שגיאות. רוצה להיות החוקר הבא שמוצא סדר בתוך הכאוס? החוג לסטטיסטיקה באוניברסיטת חיפה מחכה לך. לפרטים נוספים לחצו כאן.