מאלגוריתם לחיים: איך מחקר ביצועים ו-AI משנים את תחומי הרפואה, החינוך וחקלאות
בהרצאת קיליאן אשר פורסמה לאחרונה, פרופ׳ דימיטריס ברטסימס הציג כיצד אופטימיזציה עמידה (רובסטית) ובינה מלאכותית משפרות לוגיסטיקה, מקצרות אשפוזים ומרחיבות למידה מקוונת, עם יעד להגיע למיליארד לומדים ברחבי העולם.
פרופ׳ דימיטריס ברטסימס (Dimitris Bertsimas) מ-MIT סיכם בהרצאת פרס קיליאן השנתית כיצד תחום חקר הביצועים, ובשנים האחרונות גם בינה מלאכותית, הפכו עבורו לכלי מעשי לשיפור מערכות שמעצבות את חיי היומיום, מהובלה עולמית ועד זרימת מטופלים בבתי חולים ולמידה מקוונת.
אלגוריתמים כמנוע לשינוי בעולם האמיתי
ברטסימס, המשמש ב-MIT גם כסגן הרקטור ללמידה פתוחה (Vice Provost for Open Learning) וכפרופסור לחקר ביצועים בבית הספר לניהול Sloan, הדגיש נקודה שמאפיינת את הקריירה שלו לאורך ארבעה עשורים במכון: האלגוריתם אינו רק רעיון מתמטי, אלא תשתית לקבלת החלטות תחת אילוצים, אי ודאות ומשאבים מוגבלים. בכך, הוא מציג מודל לחשיבה שמבקשת לא רק לנבא את העתיד, אלא לתכנן אותו באופן אחראי.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
אחת מאבני היסוד בעבודתו היא "אופטימיזציה רובסטית" (Robust Optimization), גישה שפיתח יחד עם עמיתים בתחילת שנות ה-2000. הרעיון הוא לא לחפש את הפתרון המבריק ביותר בתנאים אידיאליים, אלא את הפתרון שממשיך לעבוד גם כשדברים משתבשים, נתונים משתנים או הנחות נשברות. ברטסימס נתן דוגמה מעולם הספנות דרך תעלת פנמה: אופטימיזציות ששאפו למקסם מעבר יומי של כלי שיט עד כ-48 ספינות עלולות להיכשל בזמנים מסוימים. הגישה הרובסטית, לעומת זאת, הצביעה על תכנון של כ-45 ספינות ביום כבחירה מעט פחות "שאפתנית" אך כזו ש"תמיד אפשרית". בעולם שבו שיבושים בשרשראות אספקה הפכו לנורמה, המסר ברור: אמינות תפעולית יכולה להיות חשובה לא פחות מקיבולת שיא.
בתי חולים: כשהתכנון משפיע על כמות מיטות בפועל
החיבור בין מתמטיקה לבריאות קיבל בהרצאה עומק אישי: ברטסימס סיפר כי מות הוריו ב-2009 דחף אותו לבחון באופן אינטנסיבי כיצד חקר ביצועים יכול לתרום למערכת הבריאות. במסגרת עבודה עם Hartford HealthCare בקונטיקט, הוא ושותפיו משלבים יותר ויותר גם כלי AI בפיתוח פתרונות, לרבות תחום האבחון.
בממד האופטימיזציה, הצוות הצביע על דרך להפחית את משך האשפוז הממוצע של מטופל מ-5.38 ימים ל-4.93 ימים. אף שמדובר בהבדל שנשמע קטן, בבית החולים המרכזי שנחקר, תחת מספר מיטות נתון, קיצור כזה מתורגם ליותר מ-5,000 אשפוזים נוספים בשנה. זהו נתון שממחיש כיצד שיפור תהליכי יכול להוות "הרחבת קיבולת" בלי לבנות אגף חדש, נקודה בעלת משמעות כלכלית וחברתית במיוחד בעידן של עומסים כרוניים ותוחלת חיים עולה.
למידה פתוחה ויעד שאפתני: מיליארד לומדים
בחלק האחרון של ההרצאה, ברטסימס עבר מהמרחב הקליני למרחב החינוכי. במסגרת תפקידו ב-Open Learning, הוא הציג את שאיפתו להגיע למיליארד לומדים באמצעות קורסים מקוונים, כחלק ממאמץ "לדמוקרטיזציה של הגישה להשכלה". הוא הזכיר גם קורס מקוון שפיתח על בסיס חומריו "The Analytics Edge" והדגים כלים מבוססי AI שנבנים כדי לשפר למידה מקוונת, כולל דחיסת חומרי לימוד ותרגום תכנים לשפות נוספות.
למה זה חשוב עכשיו
ההרצאה של ברטסימס מצביעה על מגמה רחבה: שילוב בין אופטימיזציה קלאסית לבין AI אינו רק שדרוג טכני, אלא שינוי באופן שבו ארגונים מגדירים הצלחה. במקום למדוד רק מהירות או תפוקה, מתווספים מדדים כמו יציבות תחת אי-ודאות, שקיפות החלטות והיכולת להטמיע ידע בקנה מידה עולמי. כפי שניסח זאת ברטסימס עצמו, מטרתו היא "לשפר את מצב האדם", דרך הבנה טובה יותר של איך העולם עובד, והנדסה של מערכות שפועלות טוב יותר בתוכו.