שיעור 0.1 - מבוא לבינה מלאכותית: סוגים, יכולות ומגבלות

שלום וברוכים הבאים לקורס AI Engineer. הקורס הזה שונה מקורסים אחרים שאולי ראיתם. כאן לא רק נדבר על בינה מלאכותית, אלא נבנה דברים אמיתיים. אוטומציות עסקיות, סוכני AI, אפליקציות, מערכות שיווק, הכל hands-on. אבל לפני שמתחילים לבנות, צריך להבין את הבסיס. אז היום נשים את היסודות.

בשיעור הזה נבין מהי בינה מלאכותית ומה ההבדל בין הסוגים השונים שלה. נראה מה Generative AI מסוגל לעשות ב-2026. נכיר את השימושים העסקיים המרכזיים, נדבר על המגבלות והאתגרים, ונכיר את הכלים שנעבוד איתם לאורך הקורס.

[מעבר שקף]

מה נלמד היום? השיעור מחולק לחמישה חלקים. בחלק הראשון נכיר את הקורס ואת מבנה הלימודים. בחלק השני נבין מהי בינה מלאכותית, מאיפה היא הגיעה ולמה היא מתפוצצת דווקא עכשיו. בחלק השלישי נראה מה אפשר לעשות היום עם AI בעולם העסקי. בחלק הרביעי נכיר את הכלים המרכזיים ואת תפקיד ה-AI Engineer. ובחלק החמישי נסכם ונסתכל קדימה.

[מעבר שקף]

בואו נתחיל מהתמונה הגדולה. הקורס מחולק לשמונה מודולים. אנחנו עכשיו במודול אפס, שזה הבסיס. אחריו נצלול לאוטומציות עסקיות עם כלים כמו Make ו-n8n, שזה עשרים וארבע שעות. אחר כך נבנה צ'אטבוטים וסוכני AI, עשרים ושמונה שעות. נלמד Vibe Coding עם Claude Code, עוד עשרים ושמונה שעות. נעבוד עם כלי תמונה ווידאו, שש עשרה שעות. נלמד API ואינטגרציות, עשרים שעות. נשלב AI בשיווק ומכירות, שתים עשרה שעות. ונסיים עם פרויקט גמר של עשרים שעות.

כל מודול מסתיים בפרויקט אמיתי. בסוף הקורס יהיה לכם פורטפוליו של פרויקטים שאפשר להציג ללקוחות או למעסיקים. סה"כ מאה חמישים ושש שעות לימוד.

[מעבר שקף]

אז מהי בינה מלאכותית? ההגדרה הפשוטה אומרת: בינה מלאכותית, או AI, ראשי תיבות של Artificial Intelligence באנגלית, היא ענף במדעי המחשב העוסק ביצירת מערכות שמבצעות משימות שבדרך כלל דורשות אינטליגנציה אנושית. למידה, הסקת מסקנות, הבנת שפה, זיהוי דפוסים.

אבל חשוב להבין נקודה קריטית. AI לא באמת חושב כמונו. אין לו מודעות, אין לו רגשות, אין לו כוונות. הוא מעבד מידע ומפיק תוצאות על בסיס דפוסים סטטיסטיים. כשאנחנו אומרים שמכונה לומדת, הכוונה לתהליך מתמטי של אופטימיזציה, לא ללמידה במובן האנושי של המילה.

את המונח בינה מלאכותית טבע איש מדעי המחשב ג'ון מקארתי בשנת 1956, בכנס בקולג' דרטמות' בארצות הברית. זה נחשב לרגע הולדתו של התחום. מאז עברו כמעט שבעים שנה של עליות ומורדות. אבל מה ששינה את הכל היה 2017, כאשר חוקרים בגוגל פרסמו מאמר שהציג ארכיטקטורה חדשה שנקראת Transformer. הארכיטקטורה הזו היא הבסיס לכל מודלי השפה הגדולים שנכיר בקורס, GPT, Claude, Gemini. ואז בנובמבר 2022, OpenAI שחררה את ChatGPT והעולם הבין שמשהו גדול קורה.

[מעבר שקף]

למה AI מתפוצץ דווקא עכשיו? שלושה דברים התחברו יחד.

הגורם הראשון הוא נתונים. כל יום נוצרים כשניים וחצי אקסה-בייט של נתונים חדשים. כל לייק, כל חיפוש, כל תמונה, כל הודעת וואטסאפ, הכל נתונים. ו-AI צריך נתונים כמו שאנחנו צריכים אוכל. ככל שיש יותר נתונים, AI יכול ללמוד דפוסים מדויקים יותר.

הגורם השני הוא כוח חישוב. כרטיסים גרפיים, GPUs, שנוצרו במקור למשחקי מחשב, התגלו כמושלמים לאימון מודלי AI. הם מאפשרים לעבד מיליוני חישובים במקביל. חברת NVIDIA, שהייתה חברת כרטיסים גרפיים למשחקים, הפכה לאחת החברות היקרות ביותר בעולם בזכות הביקוש העצום לשבבי AI.

הגורם השלישי הוא אלגוריתמים. פריצות דרך מדעיות משמעותיות, במיוחד ארכיטקטורת ה-Transformer מ-2017, שעליה מבוססים כל מודלי השפה הגדולים כמו GPT של OpenAI, Claude של Anthropic, ו-Gemini של גוגל. שלושת הגורמים האלה יחד יצרו את הסערה המושלמת.

שאלה שכדאי לחשוב עליה: מתי הייתה הפעם הראשונה שהשתמשתם ב-ChatGPT או בכלי AI אחר? מה הייתה התחושה?

[מעבר שקף]

בואו נדבר מספרים, כי המספרים מדברים בעד עצמם. שוק ה-AI הגלובלי עבר שלוש מאות מיליארד דולר בשנת 2026, והוא צפוי להגיע לטריליון דולר עד 2030. למעלה משמונים אחוז מהחברות בעולם כבר משתמשות ב-AI או חוקרות שימוש בו. זה לא עתיד, זה הווה.

ולגבי שוק העבודה. הפורום הכלכלי העולמי צופה שעד 2030 ייווצרו תשעים ושבעה מיליון משרות חדשות בזכות AI. התפקיד שאתם לומדים, AI Engineer, הוא אחת המשרות המבוקשות ביותר.

[מעבר שקף]

עכשיו נבין את הסוגים השונים של בינה מלאכותית. יש שלושה סוגים, וחשוב להבין את ההבדלים ביניהם.

הסוג הראשון הוא AI צר, או Narrow AI. וזה מה שקיים היום. מערכת שמתמחה במשימה ספציפית ועושה אותה טוב, לפעמים אפילו יותר טוב מבן אדם. ChatGPT מצוין בטקסט אבל לא יכול לנהוג ברכב. Midjourney מצוין בתמונות אבל לא יודע לכתוב קוד. כל כלי AI שנעבוד איתו בקורס הוא AI צר.

הסוג השני הוא AI כללי, AGI, ראשי תיבות של Artificial General Intelligence. זו מערכת שתוכל לעשות כל דבר שבן אדם יכול לעשות. ללמוד, להסתגל, להבין הקשרים. זה עדיין לא קיים, למרות שחברות כמו OpenAI ו-Google DeepMind מצהירות שזו המטרה שלהן.

הסוג השלישי הוא AI על-אנושי, ASI, מערכת שתהיה חכמה יותר מכל בני האדם יחד. זה תיאורטי לגמרי, שייך יותר לפילוסופיה ולמדע בדיוני.

אנחנו נתמקד ב-AI צר. כי זה מה שקיים, זה מה שמשלמים עליו, וזה מה שתדעו לבנות.

[מעבר שקף]

עכשיו בואו נדבר על הכוכב של השנים האחרונות, Generative AI, בינה מלאכותית יוצרת. מה שמיוחד בה הוא שהיא לא רק מנתחת מידע קיים, אלא יוצרת תוכן חדש שלא היה קיים.

בואו נראה מה אפשר לעשות היום, ב-2026.

בטקסט וקוד, מודלים כמו GPT-5.4, Claude Opus 4.6 ו-Sonnet 4.6 ו-Gemini 3.1 Pro יכולים לכתוב מאמרים, לסכם מסמכים, לתרגם, לכתוב ולתקן קוד, ואפילו לבנות אפליקציות שלמות. חלון ההקשר של המודלים המובילים הגיע למיליון טוקנים, מה שאומר שאפשר להזין ספר שלם ולנתח אותו.

בתמונות, כלים כמו Midjourney, Nano Banana ומודל התמונות של ChatGPT יוצרים תמונות ברמה מקצועית מתיאור טקסטואלי. לוגואים, תמונות מוצר, עיצובים, הכל.

בוידאו, כלים כמו Kling, Sora ו-Veo מייצרים סרטונים מטקסט או מתמונה. הנפשת תמונות, אווטארים מדברים, ליפסינק. דברים שלפני שנתיים היו מדע בדיוני.

ובקוד ואפליקציות, וזה מה שהכי רלוונטי לנו, עם Vibe Coding, שזה שימוש ב-AI לבניית תוכנה, אנשים בלי רקע בתכנות בונים אפליקציות מלאות. Claude Code הוא הכלי המוביל בתחום הזה, ונקדיש לו מודול שלם בקורס.

[מעבר שקף]

עכשיו בואו נראה איך AI משנה את עולם העסקים, כי זה בדיוק השטח שבו תפעלו.

אוטומציות: עסקים משתמשים בכלים כמו Make ו-n8n כדי לחבר מערכות ולייעל תהליכים. לקוח שולח הודעה בוואטסאפ, אוטומטית נפתח כרטיס ב-CRM, נשלח מייל אישור, ומוגדרת תזכורת. דברים שלקחו שעה ביום, קורים לבד.

צ'אטבוטים וסוכני AI: עסקים בונים בוטים שעונים ללקוחות עשרים וארבע שעות ביממה, שבעה ימים בשבוע, אוספים מידע, קובעים פגישות, ואפילו סוגרים עסקאות. בנקים בישראל כבר מטפלים בעד שבעים אחוז מפניות הלקוחות דרך בוטים.

שיווק: AI מאפשר פרסונליזציה ברמה שלא הייתה אפשרית. ייצור לידים אוטומטי, כתיבת תוכן, ניתוח קמפיינים, הכל עם AI.

בניית מוצרים: אנשים בונים אפליקציות SaaS, דפי נחיתה, כלים פנימיים, בלי לדעת לתכנת. זה ה-Vibe Coding שדיברנו עליו.

[מעבר שקף]

אבל AI הוא לא קסם. יש מגבלות חשובות שחייבים להכיר, במיוחד כ-AI Engineers.

הבעיה הכי גדולה היא הזיות, או באנגלית Hallucinations. AI יכול לספר לכם משהו בביטחון מלא, עם ציטוטים ומקורות, וזה יהיה שקר גמור. הוא ממציא מידע. זה קורה כי המודל לא באמת יודע, הוא מייצר טקסט שנראה סביר סטטיסטית. ככל שתעבדו יותר עם AI, תלמדו לזהות מתי הוא ממציא.

הבעיה השנייה היא הטיות, Bias. AI לומד מנתונים, ואם הנתונים מוטים, גם התוצאות יהיו מוטות. מערכת סינון קורות חיים שאומנה בעיקר על גברים עלולה להפלות נשים. חברת אמזון גילתה את זה בדרך הקשה.

הבעיה השלישית היא פרטיות ואבטחה. כשעובד מזין מידע סודי של החברה לתוך ChatGPT, לאן המידע הולך? מי רואה אותו? חלק ממודלי ה-AI משתמשים בנתונים שמוזנים אליהם לאימון עתידי. זו אחת הסיבות שנלמד גם על AI מקומי, מודלים שרצים על המחשב שלכם בלי שהמידע יוצא החוצה.

הבעיה הרביעית היא עלויות. שימוש ב-API של מודלים גדולים עולה כסף. פרויקט שמשתמש הרבה ב-AI יכול לצבור עלויות משמעותיות. חלק חשוב מהעבודה שלכם יהיה לדעת לחשב ROI, כלומר מתי AI חוסך יותר ממה שהוא עולה.

והבעיה החמישית היא תלות. מה קורה כשהשירות נופל? מה קורה כשהחברה משנה מחירים? תמיד צריך Plan B.

[מעבר שקף]

עכשיו בואו נעשה סקירה מהירה של הכלים שנעבוד איתם בקורס. נתחיל ממודלי השפה הגדולים.

GPT-5.4 של OpenAI הוא המודל הפופולרי ביותר, מצוין למשימות כלליות.

Claude Opus 4.6 ו-Sonnet 4.6 של Anthropic הוא מצוין לקוד, לכתיבה ולמשימות מורכבות, עם חלון הקשר של מיליון טוקנים.

Gemini 3.1 Pro של Google הוא מצוין למולטימודליות ולאינטגרציה עם שירותי גוגל.

ו-DeepSeek הוא אלטרנטיבה חזקה בקוד פתוח שאפשר גם להריץ מקומית.

בשיעור הבא נעשה השוואה מעמיקה בין שלושת המודלים הגדולים ונבין מתי משתמשים בכל אחד.

[מעבר שקף]

ובנוסף למודלי שפה, יש לנו עוד קטגוריות של כלים.

בתחום האוטומציות, נעבוד עם Make.com שזה הכלי הפופולרי ביותר לבניית אוטומציות ויזואליות, ועם n8n שזו אלטרנטיבה חזקה שאפשר גם להריץ על שרת פרטי.

בתחום הבוטים והסוכנים, נעבוד עם ManyChat לוואטסאפ, ועם הסוכנים של n8n ו-Make לבניית סוכני AI חכמים.

ובתחום ה-Vibe Coding, נעבוד עם Claude Code, שהוא הכלי המוביל לבניית אפליקציות מלאות עם AI. לא צריך לדעת לתכנת, מתארים מה רוצים בשפה טבעית, ו-AI כותב את הקוד.

אל תדאגו אם הראש מסתחרר. נלמד כל אחד מהכלים האלה לעומק, שלב אחרי שלב.

[מעבר שקף]

ומה בדיוק זה AI Engineer? בואו נגדיר את התפקיד.

AI Engineer הוא לא מתכנת קלאסי ולא מדען נתונים. הוא האדם שיודע לקחת את כלי ה-AI הקיימים ולבנות איתם פתרונות אמיתיים לעסקים ולאנשים.

AI Engineer יודע לזהות הזדמנויות, להסתכל על תהליך בעסק ולהגיד: פה AI יכול לחסוך שמונים אחוז מהזמן. הוא יודע לבנות, אוטומציות, בוטים, אפליקציות, אינטגרציות. הוא יודע לחבר מערכות, API, webhooks, CRM, וואטסאפ. והוא יודע למדוד, ROI, עלויות, ביצועים.

בשוק הישראלי, הביקוש ל-AI Engineers גדל בצורה מטורפת. עסקים מחפשים אנשים שיבנו להם בוטים, אוטומציות, ומערכות AI. יש פרילנסרים שמרוויחים אלפי שקלים מפרויקט בודד של בניית אוטומציה או סוכן AI לעסק.

[מעבר שקף]

לפני שנסיים, בואו נוודא שכולם מכירים את מושגי המפתח שישמשו אותנו בכל הקורס.

LLM, ראשי תיבות של Large Language Model, מודל שפה גדול. זה הלב של ChatGPT, Claude ו-Gemini. מודל שלמד מטקסט עצום ויודע לייצר טקסט.

Prompt, הנחיה, זו השאלה או הבקשה שכותבים ל-AI. איכות הפרומפט שווה לאיכות התוצאה. בשיעור 0.3 נלמד את זה לעומק.

API, ראשי תיבות של Application Programming Interface, ממשק תכנותי. הדרך שבה מערכות מדברות אחת עם השנייה. זה מה שמאפשר לחבר Make ל-ChatGPT לוואטסאפ.

Token, יחידת העיבוד של מודל שפה. בערך ארבע אותיות באנגלית, פחות בעברית. זה מה שעליו משלמים כשמשתמשים ב-API.

AI Agent, סוכן AI, תוכנה שמקבלת מטרה ועובדת עצמאית להשיג אותה, כולל קבלת החלטות ושימוש בכלים.

RAG, ראשי תיבות של Retrieval-Augmented Generation, שיטה שבה AI מחפש מידע ממאגר ידע לפני שעונה. זה מה שמאפשר לבנות בוט שעונה על שאלות על העסק שלכם.

Vibe Coding, בניית תוכנה על ידי תיאור מה שרוצים בשפה טבעית, ו-AI כותב את הקוד.

[מעבר שקף]

בואו נסכם את מה שלמדנו היום.

אנחנו מבינים מהי בינה מלאכותית, מערכת שלומדת מנתונים ומבצעת משימות שדורשות אינטליגנציה אנושית. הכרנו את שלושת הסוגים, AI צר, AI כללי ו-AI על-אנושי, וראינו שכיום רק AI צר קיים.

ראינו מה Generative AI מסוגל לעשות ב-2026. טקסט, קוד, תמונות, וידאו, ואפילו אפליקציות שלמות.

הכרנו את השימושים העסקיים, אוטומציות, צ'אטבוטים, סוכני AI, Vibe Coding, ושיווק עם AI.

למדנו על המגבלות, הזיות, הטיות, פרטיות, עלויות ותלות.

הכרנו את הכלים המרכזיים ואת תפקיד ה-AI Engineer.

ורכשנו אוצר מילים בסיסי, LLM, Prompt, API, Token, Agent, RAG ו-Vibe Coding.

בשיעור הבא נעשה סקירה מעשית של הכלים המובילים, ChatGPT, Claude ו-Gemini. נשווה ביניהם, נראה מתי משתמשים בכל אחד, ונתחיל לעבוד איתם. ובשיעור 0.3 נצלול ל-Prompt Engineering, האומנות של לכתוב הנחיות שמוציאות את המקסימום מ-AI. זה הבסיס שעליו הכל נשען.

תודה רבה ונתראה בשיעור הבא!