בשבוע שעבר התקיים האקספו הטכנולוגי השנתי של מיקרוסופט ישראל מחקר בפיתוח. באירוע, שהיה סגור לעובדי החברה, הציגו 2,700 מפתחי ומפתחות החברה את הטכנולוגיות החדשות עליהם הם עובדים. "מרגש אותנו לראות מדי שנה אילו פיתוחים פורצי דרך הובלו השנה על ידי מהנדסות ומהנדסים ישראלים, אשר מסייעים למאות מיליונים בעולם", מספר ד"ר תומר סיימון, המדען הראשי של מיקרוסופט ישראל מחקר ופיתוח, ל-mako.
"זאת גם הזדמנות מיוחדת עבור עובדי מיקרוסופט ישראל מחקר ופיתוח להיחשף באופן חוויתי לטכנולוגיות שמפותחות על ידי הקבוצות המגוונות במרכז, ולייצר חיבורים חדשים. אנו מעודדים כל אחת ואחד מהם ליזום שיתופי פעולה חוצי קבוצות, ולפתח פתרונות חדשניים שיצרו אימפקט חיובי משמעותי".
אז אילו קבוצות הציגו טכנולוגיות באקספו?
לרכוש את הבגד שנמצא על המסך
קבוצת Media AI הציגה מוצר מעניין במיוחד - Azure Video Indexer, המאפשר למצוא "מחט" בערמה של סרטוני וידאו, למשל פריטים, אנשים, מילות מפתח, מקומות בעולם, סצנות, תמלול, תרגום, נושאי שיחה ועוד תובנות מסרטי וידאו ומקובצי קול.
המוצר מציע יכולת אוטומטית לזהות קלאפר ותבניות דיגיטליות, כולל בר צבעים. בינה מלאכותית מסייעת לחלץ אוטומטית את המידע ובכך לאפשר לעורכי סרטים אוטומטית לעבוד עם חומרי הצילום הנכונים.
בנוסף, הקבוצה הישראלית הובילה פיתוח מעניין במיוחד – Featured Clothing, יישום שמזהה פרטי לבוש ספציפיים שמוצגים בווידאו. הפיצ'ר אף מדרג אותם לפי רלוונטיות וחשיבות ומספק את הזמן המדויק (timecode) שבו פרטי הלבוש הללו מופיעים על המסך. הפיצ'ר מאפשר למשתמשים למצוא בגדים דומים שהם מעוניינים בהם. כך, בזמן צפייה בסרט או סדרה, יוכלו הצופים לרכוש בגדים דומים לדמויות האהובות עליהם, במקום לנסות לאתר אותם על ידי חיפוש ברשת, כשבמקרים מסוימים, הפיצ'ר מאפשר רכישה של מוצרים זהים לאלו שנראים על המסך. בנוסף, הפיצ'ר מאפשר למפרסמים להצמיד פרסומות רלוונטיות של פרטי לבוש דומים בדיוק באותו זמן.
לדעת איך כל תלמיד בכיתה מרגיש
בתי ספר רבים בישראל ובכל העולם משתמשים בפלטפורמת Teams for Education של מיקרוסופט, כאשר פיצ'רים רבים מפותחים במיקרוסופט ישראל מחקר ופיתוח, ומשפיעים על עשרות מיליוני תלמידים וצוותי הוראה בעולם. יש לציין כי הפלטפורמה חינמית, והטכנולוגיה נגישה ומותאמת לכל מכשיר ובשפות רבות – כולל עברית. בקורונה, הפך הכלי לרלוונטי אי פעם ולמעשה מאפשר לטפל בשלוש בעיות מרכזיות: משבר מיומנות, מחסור במורים וכן קשיים חברתיים.
אחד הפיצ'רים המרשימים של הפלטפורמה היא מפלצת הרגשות. מדובר בפיצ'ר המאפשר לתלמידים לבצע "צ'ק אין" של הרגשתם בתחילתו או בסופו של כל שיעור. השאלה "איך אתה מרגיש היום/סביב חומר שלמדנו בשיעור?", מוצגת לכל תלמיד והתלמיד עונה באמצעות בחירת אימוג'י. המורה רואה חדר של כל 'המפלצות' (האימוג'ים שהתלמידים בחרו) ביחד. מצד אחד, הפיצ'ר מאפשר לתלמידים סביבה בה הם מרגישים בנוח להביע רגש; ומצד שני, מאפשר למורה להבין מה מצב הכיתה או מצב תלמיד מסוים, האם לתת מענה כולל לכיתה ולהתאים את מערך השיעור או השבוע (למשל עקב מבצע צבאי) למצב הרגשי של הכיתה, או לתת מענה פרטני לתלמיד.
מה אפשר לגלות במידע הרפואי שלכם?
קבוצת הבריאות במיקרוסופט ישראל מחקר ופיתוח הציגה את Text Analytics - טכנולוגיה ישראלית, שלראשונה תציג מידע רפואי בעברית בכדי להפיק תובנות ממידע רפואי, לייצר טכנולוגיות רפואיות ולתמוך במחקרים.
הצעד הראשון בכל פריצת דרך רפואית הוא זהה – ראשית על חוקרים ורופאים לאסוף מידע, לנתח אותו ולהפיק תובנות על המצב הקיים. המידע הרפואי שלנו, שפרוס על פני אלפי תיאורים טקסטואליים של מסמכי אשפוז, סיכומי ביקור אצל הרופאים, פירוט ממצאי דימות ועוד, נוצר בתוכו תובנות משמעותיות שרלוונטיות הן לחיי היומיום שלנו ולבריאות שלנו באופן אישי והן על מנת להגיע לפריצות דרך רפואיות. אחד האתגרים המרכזים של תעשיית הבריאות הוא זיקוק תובנות מאוקיינוס המידע הקיים, ויצירת סדר בכאוס. האתגר עולה כאשר מדובר במידע שנכתב בעברית.
הכלי של מיקרוסופט מחיל מודלים של הבנת שפה על סוגים שונים של טקסטים רפואיים - ובכך מאפשר לארגוני בריאות, ארגוני טכנולוגיה בתחום הבריאות, חוקרים ועוד - לחלץ מידע ותובנות אשר "מוחבאים" בטקסטים רפואיים ועל ידי כך לייעל מערכות בריאות וטיפול בחולים. בין היתר ניתן לעשות שימוש בכלי בכדי לנתח גורמי סיכון, להפיק תובנות רפואיות ברמת האוכלוסייה, לפתח מערכות תומכות החלטה עבור רופאים, לחזות עומסים על המערכת, למצוא התוויות נוספות לתרופות, התאמת מטופלים לניסויים קליניים ועוד.
איך נלחמים בתופעת ההברזה מהרופא?
קבוצת Industry AI הציגה פתרון לבעיה מוכרת במערכות בריאות בכל העולם – שרק בארה"ב עולה כ-150 מיליארד דולר – החמצת תורים. תורים מוחמצים מובילים לבריאות ירודה בקרב מטופלים, לפגיעה ברצף הטיפולי של חולים כרוניים ולהמתנה זמן ארוך לתור מיוחל. בנוסף - לאי הגעת מטופל השפעה על תפעול המרפאה, יצירת איוש יתר וזמני בטלה בלתי מתוכננים, שמגדילים עלויות ומותירים את אנשי מערכת הבריאות בהתמודדות יומיומית עם תפעול תורים.
בתקופה שבה יש דרישה גוברת לשירותי רפואה, ולצד זאת קיים קושי במימונם, השימוש בבינה מלאכותית ולמידת מכונה מבטיח יעילות שנדרשת מאוד בתחום הבריאות, תוך שימור ואף שיפור של איכות הטיפול. צוות Industry AI פיתח פתרון בינה מלאכותית לחיזוי החמצת תורים. המודל, שזמין ב-Microsoft Cloud for Healthcare, לומד את הדאטה בתוך שעות, מה שמאפשר לנותני השירות הרפואי יכולת להשתמש בפתרון בתוך יום, באופן יומיומי ופשוט למשתמש.
באמצעות ממשק ידידותי למשתמש, חיזוי התורים המוחמצים מאפשר לאנשי המשרד והמטפלים לחזות את מספר מקרי אי ההגעה, ללא צורך בהכשרה או בידע טכני. סוגים שונים של נתונים נמצאו משמעותיים בעת חיזוי תורים מוחמצים בתחום הבריאות. תבניות היסטוריות, סוג התור והשעה ביום, הם דוגמאות לנתונים שצוותי הטיפול יכולים להשתמש בהם כדי לאמן את המודל.