אביב תמר

שייכות בעת הענקת הפרס:

טכניון – מכון טכנולוגי לישראל

הפקולטה להנדסת חשמל ומחשבים ע"ש ויטרבי

נימוק למתן הפרס:

"על פיתוח אלגוריתמים ללמידה רובוטית אוטומטית באמצעות חיזוקים".

 
רובוט השוטף עבורכם את הכלים בכיור, מקפל את הכביסה ומוציא את הכלב לטיול, אינו בגדר חלום – במעבדה ללמידה רובוטית, חוקר ד"ר אביב תמר כיצד מכונות יכולות ללמוד לבצע מטלות בצורה אוטומטית על ידי "למידה באמצעות חיזוקים". למחקר שלו עשויה להיות השפעה אדירה על חיינו בעשור הקרוב.

מחקרו של ד"ר תמר עוסק בלימוד רובוטים איך ללמוד ולפעול בסביבות טבעיות של בני אדם, כלומר כיצד רובוטים יכולים ללמוד משימות חדשות במהירות ובאמצעות מידע קודם, וכיצד הם יכולים ללמוד על העולם הפיזי דרך משחק עם הסביבה שלהם.

כדי להשיג את המטרות הללו, קבוצת המחקר של ד"ר תמר מפתחת אלגוריתמי למידה יסודיים המשתמשים בטכניקה הנקראת למידת חיזוק (Reinforcement learning). במעבדה מיישמים את האלגוריתמים האלו במגוון משימות רובוטיות, כולל תכנון תנועה, מניפולציה של חפצים והרכבה.
אחת התרומות המרכזיות של ד"ר תמר היא בפיתוח אלגוריתמים המאפשרים לרובוטים לחקור את הסביבה שלהם באופן אוטומטי, מה שהופך את הלמידה שלהם במשימות חדשות לפשוטה ומהירה יותר. באמצעות שיתופי פעולה מחקריים, צוות המעבדה של ד"ר תמר פועל לגלות כיצד להשתמש בלמידת חיזוק לפתרון בעיות בעולם האמיתי מחוץ לרובוטיקה, כולל שיפור בביצועי האינטרנט וחיזוק האבטחה של בלוקצ'יין.

תומר קורן

שייכות בעת הענקת הפרס:

אוניברסיטת תל אביב

הפקולטה למדעים מדויקים ע"ש סאקלר,

בית הספר למדעי המחשב ע"ש בלווטניק

נימוק למתן הפרס:

"על תרומות ייחודיות בתחום הלמידה הממוחשבת, הבנת אלגוריתמים ושיפורם".

 
המחקר של ד״ר תומר קורן עוסק בתיאוריה ואלגוריתמים לאופטימיזציה מתמטית ובתכונותיהם ושימושיהם בלמידה ממוחשבת ובלמידה עם חיזוקים. שיטות אופטימיזציה נמצאות כיום בלב העשייה בתחום הבינה המלאכותית (Artificial intelligence – AI) ומשמשות לאימון של כמעט כל מערכת מבוססת למידה במגוון רחב של תחומים ויישומים.
ולמרות זאת עדיין רב הנסתר על הגלוי בכל הקשור לתכונות ההכללה של אלגוריתמים אלה, ובמיוחד היכולת המפתיעה שלהם לספק תובנות ותחזיות לגבי פרטי מידע שהם לא ראו מעולם קודם לכן. אחת ממטרות המחקר המרכזיות של ד״ר קורן היא חיזוק היסודות התיאורטיים מאחורי ההצלחות פורצות הדרך של למידה ממוחשבת בשנים האחרונות. החיזוק הזה חיוני כדי להבין טוב יותר מדוע שיטות למידה שבהן אנו משתמשים כיום מצליחות מעל ומעבר לציפיות (כלומר מעבר למה שהתיאוריה הקלאסית מבטיחה), ואיך ניתן לשפר ולייעל אותן.

שי מורן

שייכות בעת הענקת הפרס:

טכניון – מכון טכנולוגי לישראל

הפקולטה למתמטיקה

נימוק למתן הפרס:

"על תרומות ייחודיות בחקר למידת מכונה ותורת ההכללה".

למידת מכונה, המוכרת יותר לרובנו בשם בינה מלאכותית (Artificial intelligence-AI) מיושמת במגוון רחב של תחומים – החל באתגרים הנדסיים כמו רכיבים אוטונומיים וכלה בתחומים פוליטיים חברתיים הכוללים נתונים אישיים רגישים כמו ניהול והנגשת המידע ברשתות חברתיות כגון פייסבוק או טוויטר.
המחקר של ד"ר מורן מתרכז באחד הענפים החשובים של למידת מכונה, שנקרא תורת ההכללה ומטרתו להבין באופן כמותי כיצד למידת מכונה מכלילה מהפרט אל הכלל. ענף זה תרם תרומה משמעותית לפריצות הדרך הטכנולוגיות המהפכניות שהתחום חווה בשנים האחרונות.
פריצות הדרך האחרונות בתורת ההכללה מדגימות תופעות שלא ניתן להסביר באמצעות טכניקות קודמות ושלעתים אף סותרות עקרונות קלאסיים בלמידה וסטטיסטיקה. אחת הסיבות המרכזיות לכך היא שתורת ההכללה הקלאסית מבוססת על הגדרות שמתמקדות במקרה הגרוע ביותר, ועל כן היא פסימית מדי. המשמעות היא שבבעיות של למידת מכונה מעשיות בדרך כלל הקלט אינו מתאים למקרה הגרוע ביותר, וניסויים מראים שלעתים קרובות אפשר ללמוד בהצלחה על בסיס אימון על הרבה פחות דוגמאות מהמספר הנדרש על פי התחזיות של התורה הקלאסית. המחקר של ד"ר מורן שואף לפתח תיאוריות הכללה שמשלימות את התיאוריה הקלאסית ומאפשרות למדל באופן מדויק יותר משימות למידה מודרניות, כולל משימות שמערבות נתונים רגישים.

יותם דרייאר

שייכות בעת הענקת הפרס:

האוניברסיטה העברית בירושלים

הפקולטה לרפואה, המחלקה לאימונולוגיה וחקר הסרטן

נימוק למתן הפרס:

"על תרומות מקוריות בתחום חקר הסרטן ושילובן עם פיתוח אלגוריתמים חדשים לאנליזה של נתונים, פיתוח שיטות ניסוייות חדשות וחיזוי שינויים רלוונטיים".

תאים צריכים לבקר במדויק את רמות הביטוי של כל גן, ושיבוש בבקרה זו עלול לגרום למחלות. שיבוש כזה עשוי להיגרם על ידי שינויים גנטיים, שינויים אפיגנטיים (כלומר בסימונים כימיים על גבי הדנ״א) או שינוי באופן קיפול הכרומוזומים. הכרומוזומים הם מולקולות דנ״א ארוכות מאוד שמקופלות בקפידה בתוך גרעין התא, ומבנה זה חשוב גם לבקרת ביטוי גנים. בעוד שאנו מבינים היטב כיצד שינויים גנטיים בגנים גורמים למחלות, הרבה פחות ידוע על התפקיד של שינויים אפיגנטיים ושינויים בקיפול הכרומוזומים.
במעבדה של ד"ר דרייאר חוקרים הימצאות של שינויים אלו במגוון סוגי סרטן ומספר מחלות גנטיות. מחקרו מבוסס על שילוב של שיטות ניסוייות לאפיון של קיפול כרומוזומים ושינויים אפיגנטיים; פיתוח אלגוריתמים להיתוך המידע ולחיזוי השינויים הגורמים למחלות; ואימות ניסויי של תחזיות אלו.

יובל הרט

שייכות בעת הענקת הפרס:

האוניברסיטה העברית בירושלים

הפקולטה למדעי החברה, המחלקה לפסיכולוגיה

נימוק למתן הפרס:

"על תרומות ייחודיות להבנת העקרונות החישוביים של תהליכים קוגניטיביים בבריאות ובחולי".

 
ד"ר הרט חוקר את העקרונות והמנגנונים החישוביים העומדים בבסיס התבונה והמוח האנושיים. הבנת עקרונות אלו מאפשרת תיאור מכניסטי של תהליכים קוגניטיביים בבריאות ובחולי.

מחקריו של ד"ר הרט בתחום היצירתיות עוסקים בהבנת השאלות: איך אנשים מוצאים פתרונות חדשניים ובעלי ערך בתוך מרחבי חיפוש מחשבתיים ענקיים? כיצד מתפתחת יצירתיות בילדים, נוער ומבוגרים? מהו המנגנון המוחי של חיפוש יצירתי? ומה המשותף והשונה בין תהליכים יצירתיים באנשים שונים?
בתחום חקר האוטיזם מציע מחקרו של ד"ר הרט כי שקלול תמורות (טרייד-אוף) בין קידוד מדויק של סיגנל לבין תגובה מהירה לשינויים בסביבה עומד בבסיס רבים מההבדלים ההתנהגותיים והמוחיים הנצפים בין אנשים המאובחנים על הספקטרום האוטיסטי ונוירוטיפיקליים.
תחום נוסף הנחקר במעבדתו הוא שקלול תמורות חישוביות בבריאות ובחולי – במעבדה מחפש ד"ר הרט דרכים למיפוי מחדש של פעילות רשתות מוחיות ואת ההקשרים ביניהן למשימות חישוביות. מיפוי זה עשוי לאפשר בעתיד לאתר סמנים מוקדמים למחלות נוירונליות.
עבודתו מיישמת שיטות ניתוח מתקדמות (מבוססות נתונים ומודלים מתמטיים) על מאגרי נתונים גדולים הכוללים נבדקים רבים ו/או רזולוציה זמנית או מרחבית גבוהה מאוד.

אינגריד דובשי

שייכות בעת הענקת הפרס:

אוניברסיטת דיוק, ארה"ב

נימוק למתן הפרס:

"על עבודתה בתיאוריית wavelet ואנליזה של הרמוניה יישומית".

שותפים לפרס:

ללא שותפים

פרופסור אינגריד דובשי היא מתמטיקאית ופיזיקאית בלגית מאוניברסיטת דיוק בדורהם, צפון קרוליינה. דובשי למדה את התואר הראשון שלה בפיזיקה באוניברסיטה החופשית של בריסל (1975). לאחר מכן המשיכה את מחקריה באותה אוניברסיטה וקיבלה את הדוקטורט שלה בפיזיקה עם תזה בנושא של: הצגה של אופרטורים קוונטיים על ידי גרעינים במרחבי הילברט של פונקציות אנליטיות.

אהבתה של אינגריד דובשי למתמטיקה ומדעים החלה בגיל צעיר. אביה טיפח את סקרנותה והתעניינותה בנושאים אלה בזמן שלמדה בבית הספר. כילדה, היא הוקסמה מהמנגנונים מאחורי פעולת המכונות ומהאמת שמאחורי מושגים מתמטיים. כשלא יכלה לישון, הייתה מחשבת חזקות בראשה, נשבית בקסמי המספרים הגדלים במהירות.

דובשי תרמה תרומה משמעותית לתחום תיאוריית ה- Wavelet (המכונים בעברית אדוות או גלונים). המחקר שלה חולל מהפכה בדרך שבה מעובדות תמונות ואותות באופן מספרי, ומספקות אלגוריתמים סטנדרטיים וגמישים לדחיסת נתונים. עבודתה הובילה למגוון רחב של חידושים בטכנולוגיות שונות, כולל הדמיה רפואית, תקשורת אלחוטית ואפילו קולנוע דיגיטלי.
תורת ה- Wavelet, אותה ביססה, הפכה לכלי מכריע בתחומים רבים של עיבוד אותות ותמונה. כגון: לשיפור ושחזור תמונות מימיו הראשונים של טלסקופ האבל, לזיהוי מסמכים מזויפים וטביעות אצבעות. בנוסף, Wavelets מהווים מרכיב חיוני בתקשורת אלחוטית ומשמשים לדחיסת רצפי סאונד לקובצי MP3.
מעבר לתרומתה המדעית, פרופסור דובשי דוגלת ופעילה נמרצות למען שוויון הזדמנויות בחינוך מדעי ומתמטי, במיוחד במדינות מתפתחות. כנשיאת האיגוד הבינלאומי למתמטיקה, היא פעלה רבות לקידום מטרה זו. היא מודעת לחסמים שעומדות בפני נשים בתחומים אלה ופועלת להדרכת מדעניות צעירות ולהגברת הייצוג וההזדמנויות עבורן.

התרומה החשובה ביותר של דובשי היא ההצגה, בשנת 1988, של בסיסי Waveles אורתונורמליים חלקים בעלי תומך קומפקטי. בסיסים אלה חוללו מהפכה בעיבוד האותות, והובילו לשיטות יעילות ביותר לדיגיטציה, אחסון, דחיסה וניתוח נתונים, כגון אותות אודיו ווידאו, טומוגרפיה ממוחשבת והדמיית תהודה מגנטית. התומך הקומפקטי של Waveles אלו אפשר לבצע עיבוד ספרתי של אות באופן התלוי לינארית באורכו. זה היה מרכיב קריטי עבור חוקרים ומהנדסים בתחום עיבוד האותות, שאפשר לפרק במהירות אות לתרומות בקני מידה שונים.
בעבודה משותפת מאוחרת יותר, עם A. Cohen ו- J.C. Feauveau , הציגה דובשי בסיסי wavelets ביו-אורתוגונליים סימטריים, המוותרים על האורתונורמליות לטובת סימטריה. בסיסים שכאלה מתאימים הרבה יותר לטיפול באי-רציפויות הנובעות מקצותיהם של אותות באורך סופי מה שמביא לשיפור איכות התמונה. ה- wavelets הביו-אורתוגונליים שפיתחה הפכו לבסיס למערכת JPEG 2000 המשמשת לדחיסה וקידוד של תמונות.
באופן עצמאי, ובשיתוף פעולה עם א. גרוסמן וי. מאייר, פיתחה דובשי בהרחבה את התיאוריה והיישום של מסגרות. מסגרות הן הכללה של בסיסים המאפשרת יתירות מבוקרת בייצוג האותות. יתירות כזו פרושה גמישות רבה לאין ערוך בייצוג האותות כמו גם הסרה יעילה של רעשים.

פרס וולף מוענק לאינגריד דובשי על עבודתה ביצירה ובפיתוח של תיאוריית ה- Wavelet וניתוח מודרני של מרחב תדר-זמן. תגליתה של Waveles חלקים, בעלי תומך קומפקטי, ופיתוח של Waveles דו-אורתוגונליים שינו את שיטות העיבוד והסינון של תמונות ואותות. לעבודתה חשיבות עצומה בדחיסת תמונה, הדמיה רפואית, חישה מרחוק וצילום דיגיטלי. דובשי תרמה תרומות שאין להן מקבילות לפיתוח יישומים ולניתוח הרמוני בעולם האמיתי, תוך הצגת טכניקות מתוחכמות של עיבוד תמונה המשרתות מגוון רחב של תחומים החל מאמנות ועד ביולוגיה אבולוציונית ומעבר לכך.