Skip to main content
Automaziot AI logo
  • Home
  • Blog
  • About
  • Contact
(646) 760-4854Book a Free Consultation
Automaziot AI - AI Automation and Intelligent Agents for Business

AI Automation Experts. We help businesses streamline operations and scale faster with intelligent agents and workflow automation.

USA(646) 760-4854Israel HQ+972-3-7630715info@automaziot.ai
Israel HQ: Ahad Ha'Am 9, Tel Aviv

Quick Links

  • Home
  • About
  • Contact
  • Case Studies
  • Glossary

Our Solutions

  • Lead Management
  • WhatsApp AI Agent
  • Business Automation
  • Smart CRM
  • Automated Scheduling
  • Sales & Support
  • WhatsApp Commerce
  • AI Agents
  • Tech Consulting

Stay Updated

Get the latest insights on AI automation delivered to your inbox.

FacebookInstagramLinkedIn

This site uses Google Analytics and Vercel Analytics to improve your experience. For full details, see our Privacy Policy

© 2026 Automaziot AI. All rights reserved.

Privacy PolicyTerms of ServiceAccessibilityEditorial Policy
Perch 2.0: AI לזיהוי קולות לווייתנים מציפורים
Perch 2.0: AI מציפורים חושף תעלומות תת-ימיות
ביתחדשותPerch 2.0: AI מציפורים חושף תעלומות תת-ימיות
מחקר

Perch 2.0: AI מציפורים חושף תעלומות תת-ימיות

מודל הביואקוסטיקה של גוגל דיפמיינד, מאומן על קולות ציפורים, מצטיין בזיהוי צלילי לווייתנים – תוצאות מפתיעות ממחקר חדש

צוות אוטומציות AIצוות אוטומציות AI
9 בפברואר 2026
4 דקות קריאה

תגיות

Google DeepMindPerch 2.0Google ResearchNOAANeurIPS 2025

נושאים קשורים

#ביואקוסטיקה#למידת מכונה#אקוסטיקה ימית#מודלים פתוחים#למידת העברה#שימור סביבה
מבוסס על כתבה שלGoogle Research ↗·תרגום, סיכום והקשר עסקי על-ידי המערכתאיך אנחנו עובדים

✨תקציר מנהלים

Key Takeaways

  • Perch 2.0 מאומן על ציפורים ומצטיין במשימות תת-ימיות ללא אימון ימי.

  • ביצועים מובילים ב-NOAA PIPAN, ReefSet ו-DCLDE עם few-shot learning.

  • קוד פתוח ו-Colab demo זמינים ליצירת מסווגים מותאמים.

  • רלוונטי למעקב סביבתי ולעסקים ישראליים בתיירות ימית.

  • למידת העברה חוסכת משאבים ומאיצה תובנות מדעיות.

Perch 2.0: AI מציפורים חושף תעלומות תת-ימיות

  • Perch 2.0 מאומן על ציפורים ומצטיין במשימות תת-ימיות ללא אימון ימי.
  • ביצועים מובילים ב-NOAA PIPAN, ReefSet ו-DCLDE עם few-shot learning.
  • קוד פתוח ו-Colab demo זמינים ליצירת מסווגים מותאמים.
  • רלוונטי למעקב סביבתי ולעסקים ישראליים בתיירות ימית.
  • למידת העברה חוסכת משאבים ומאיצה תובנות מדעיות.

Perch 2.0: AI מבוסס ציפורים חושף תעלומות תת-ימיות

האם ידעתם שמודל AI שמאומן על ציוצי ציפורים יכול לפענח את שירת הלווייתנים בעומקי האוקיינוס? גוגל דיפמיינד משיקה את Perch 2.0, מודל יסוד לביואקוסטיקה שמאומן בעיקר על בעלי חיים יבשתיים ומפתיע בביצועים מרשימים במשימות תת-ימיות. לפי הדיווח, המודל משמש לזיהוי מינים חדשים ומסייע בהגנה על יונקי ים, מה שפותח אפשרויות חדשות למחקר סביבתי בקנה מידה גדול. זהו קפיצת מדרגה בלמידת העברה שחוסכת זמן ומשאבים.

מה זה Perch 2.0?

Perch 2.0 הוא מודל יסוד לביואקוסטיקה שפותח על ידי גוגל דיפמיינד, מאומן בעיקר על קולות ציפורים ובעלי חיים יבשתיים אחרים, ללא נתוני אודיו תת-ימיים באימון. המודל יוצר embeddings איכותיים שמאפשרים למידת העברה יעילה למשימות זיהוי צלילים תת-ימיים כמו שירת לווייתנים. לפי המחקר, הוא מציג ביצועים מובילים במשימות few-shot, ומאפשר יצירת מסווגים מותאמים אישית במהירות עם כמות נמוכה של דוגמאות מאומנות. המודל זמין כקוד פתוח עם הדגמה ב-Colab, ומשלב נתונים מ-NOAA.

Perch 2.0 בזיהוי קולות לווייתנים: תוצאות הבדיקה

במאמר חדש שהוצג ב-NeurIPS 2025, חוקרי גוגל ריסרץ' וגוגל דיפמיינד מדווחים על ביצועי Perch 2.0 במשימות תת-ימיות. המודל נבדק על מערכי נתונים כמו NOAA PIPAN, ReefSet ו-DCLDE, והציג AUC-ROC גבוה במיוחד בזיהוי מיני לווייתנים כגון minke, humpback ו-sei. בהשוואה למודלים אחרים כמו SurfPerch או AVES-bird, Perch 2.0 דורג ראשון או שני בכל המקרים. סוכני AI כאלה יכולים לשמש גם בעסקים לניתוח נתונים אקוסטיים.

ביצועים במשימות few-shot

בבדיקות few-shot עם 4-32 דוגמאות לכל מחלקה, Perch 2.0 התבלט במיוחד בזיהוי אקוטיפים של orcas (לווייתן קטלן). תרשימי t-SNE הראו הפרדה ברורה בין מחלקות, בניגוד למודלים אחרים. החוקרים מייחסים זאת לגודל המודל, נתוני אימון נרחבים וללמידת תכונות אקוסטיות דומות בין ציפורים ליונקי ים.

ההקשר והיתרונות של למידת העברה

למידת ההעברה בביואקוסטיקה מאפשרת שימוש במודל מאומן מראש לייצור embeddings, שמשמשים כקלט למסווג לוגיסטי פשוט. זה חוסך משאבי מחשוב ומאפשר לחוקרים ליצור מסווגים חדשים תוך שעות ספורות. גוגל שיתפה הדגמה מלאה ב-Colab עם נתוני NOAA בגוגל קלאוד, כולל Perch Hoplite לניהול embeddings. זה ממשיך מסורת שיתופי פעולה עם NOAA בזיהוי humpback whales.

ההשלכות לעסקים בישראל

בעידן שבו תעשיות כמו דיג, תיירות ימית ואנרגיה ימית צומחות בישראל, כלים כמו Perch 2.0 יכולים לסייע במעקב סביבתי אחר חיות ים בים התיכון ובים סוף. עסקים ישראליים בתחום האגרוטק והסביבה יכולים לאמץ אוטומציה עסקית מבוססת AI לניתוח צלילים, לזיהוי זיהומים או מעקב אחר דגים. זה רלוונטי במיוחד לחברות כמו EcoOcean שמשתמשות באקוסטיקה ימית, ומאפשר יתרון תחרותי בהגנה על משאבים טבעיים תוך ציות לתקנות סביבתיות אירופיות. מחקר זה מדגיש כיצד AI כללי יכול להתאים למשימות ספציפיות במהירות.

מה זה אומר לעסק שלך

בעתיד, מודלים כמו Perch 2.0 יאפשרו לעסקים לפרוס פתרונות AI מותאמים ללא אימון מאפס. בישראל, שבה חדשנות AI מובילה, זה פותח דלתות ליישומים במסחר אלקטרוני, ניהול לידים או שירות לקוחות באמצעות זיהוי קולות מתקדם. השקעה בייעוץ טכנולוגי יכולה להאיץ אימוץ טכנולוגיות כאלה.

האם עסקך מוכן לרתום את כוחה של ביואקוסטיקה AI? התחילו עם הדגמה חופשית והתאימו אותה לצרכיכם.

שאלות ותשובות

FAQ

הכתבה הוכנה על-ידי המערכת בליווי בינה מלאכותית: תרגום, סיכום והוספת הקשר עסקי ישראלי מתוך פרסום מקורי של Google Research. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

Your information will only be used to contact you and deliver our services. For details, see ourPrivacy Policy and Terms of Service

עוד מ־Google Research

כל הכתבות מ־Google Research
מודלי שפה רפואיים בקוד פתוח: גוגל פותחת את כלי המחקר לציבור הרחב
חדשות
לפני 4 ימים
5 דקות
·מ־Google Research

מודלי שפה רפואיים בקוד פתוח: גוגל פותחת את כלי המחקר לציבור הרחב

גוגל חושפת שורה של מודלי בינה מלאכותית ומאגרי נתונים בקוד פתוח, המיועדים לחוקרים, מפתחים וארגונים ברחבי העולם. בין הכלים הבולטים שהוצגו נמצא מודל MedGemma, שתוכנן במיוחד להבנת טקסט רפואי, לצד כלים לניתוח גנומיקה, מיפוי מוח ומאגרי חיזוי אקלים אדירים. הפרסום ממחיש את המעבר של תעשיית הטכנולוגיה למודלים בעלי משקולות פתוחות, המאפשרים לארגונים ולמרפאות לפתח כלים וסוכני AI חכמים הניתנים להפעלה על גבי שרתים מקומיים. מבחינת עסקים ישראלים בתחומי הבריאות והחקלאות, המשמעות היא יכולת לעבד נתונים רגישים תוך שמירה על חוק הגנת הפרטיות, ולקצר משמעותית את זמני הפיתוח של בוטים ומערכות אוטומציה מבוססות נתונים.

MedGemmaOpen Health StackAIIMS
קרא עוד
Empirical Research Assistance של גוגל: מה עסקים בישראל לומדים מזה
ניתוח
לפני 6 ימים
6 דקות
·מ־Google Research

Empirical Research Assistance של גוגל: מה עסקים בישראל לומדים מזה

**Empirical Research Assistance הוא מנגנון של Google Research שמסייע לבנות מודלים ותוכנה אמפירית ברמת מומחה, וכבר שימש ב-4 תחומים שונים — חיזוי אשפוזים, קוסמולוגיה, ניטור CO2 ומדעי המוח.** עבור עסקים בישראל, הסיפור החשוב אינו המחקר עצמו אלא הכיוון: AI שמייצר תהליך עבודה מדיד, לא רק טקסט. המשמעות המעשית היא מעבר לפתרונות שמחברים נתונים, בודקים תחזיות ומשפרים החלטות דרך CRM, WhatsApp ואוטומציה. בענפים כמו מרפאות, ביטוח, נדל"ן ואיקומרס, זה יכול להפוך תהליכים כמו דירוג לידים, מניעת no-show ושירות לקוחות למדויקים יותר, במיוחד כשמחברים AI Agents עם Zoho CRM, WhatsApp Business API ו-N8N.

Empirical Research AssistanceERACDC
קרא עוד
ReasoningBank לסוכני AI מתמשכים: איך זיכרון כישלונות משפר ביצועים
ניתוח
21 באפריל 2026
6 דקות
·מ־Google Research

ReasoningBank לסוכני AI מתמשכים: איך זיכרון כישלונות משפר ביצועים

**ReasoningBank הוא מסגרת זיכרון לסוכני AI שמאפשרת להם ללמוד גם מהצלחות וגם מכישלונות אחרי הפריסה.** לפי Google Cloud, הגישה שיפרה ב-8.3% את התוצאות ב-WebArena וב-4.6% ב-SWE-Bench-Verified לעומת סוכן ללא זיכרון. עבור עסקים בישראל, המשמעות היא שסוכן שפועל ב-WhatsApp, ב-CRM או במערכות תפעול יכול לצבור לקחים במקום לחזור על אותן שגיאות. זה רלוונטי במיוחד למרפאות, משרדי עורכי דין, נדל"ן וחנויות אונליין, שבהם כל טעות חוזרת עולה בזמן צוות ובהזדמנויות מכירה. המבחן המעשי אינו אם יש לכם מודל טוב, אלא אם יש לכם מנגנון ששומר נימוקים, כישלונות והחלטות שניתנות למחזור בתהליך הבא.

Google CloudReasoningBankICLR
קרא עוד
מדידת כישורי עתיד עם GenAI: מה Vantage אומר לארגונים
מחקר
13 באפריל 2026
6 דקות
·מ־Google Research

מדידת כישורי עתיד עם GenAI: מה Vantage אומר לארגונים

**מדידת כישורי עתיד באמצעות בינה מלאכותית גנרטיבית היא מעבר ממבחן סטטי לסימולציה דינמית שמודדת שיתוף פעולה, פתרון קונפליקטים וניהול משימות.** לפי Google Research, בניסוי Vantage רמת ההסכמה בין AI Evaluator לבין מעריכים אנושיים הייתה דומה להסכמה בין שני מומחים אנושיים, ובניסוי נוסף נרשם מתאם של 0.88 מול בודקים אנושיים. המשמעות לעסקים בישראל רחבה יותר מחינוך. ארגונים יכולים להשתמש בגישה דומה להכשרת עובדים, הערכת מועמדים, שיפור מוקדי שירות ותיעוד ביצועים. היישום המעשי ידרוש חיבור בין מודלי שפה, WhatsApp Business API, Zoho CRM ו-N8N, לצד הקפדה על עברית, פרטיות ורובריקות מדידה ברורות.

Google LabsVantageNew York University
קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
אבטחת מידע ברשתות סוכני AI: סכנות חדשות בעבודה אוטונומית
מחקר
לפני 5 ימים
5 דקות
·מ־Microsoft Research

אבטחת מידע ברשתות סוכני AI: סכנות חדשות בעבודה אוטונומית

מחקר מקיף של צוות האבטחה במיקרוסופט מצא כי כאשר סוכני בינה מלאכותית מתקשרים זה עם זה ברשתות משותפות, נוצרים סיכוני אבטחה חמורים שאינם קיימים בעבודה עם סוכן מבודד. בין היתר, הוכח בניסוי מבוקר כי הודעה זדונית בודדת יכולה ליצור התפשטות של "תולעת AI" המעתיקה נתונים אישיים מ-6 סוכנים שונים ללא מגע אדם, תוך ניצול של למעלה מ-100 קריאות API ולולאות תקשורת שחוסמות את פעילות המערכת. הדו"ח מזהיר חברות המסתמכות על אוטומציה ותשתיות סוכנים, במיוחד בניהול רשומות רפואיות ופיננסיות רגישות, להיערך לוקטורי תקיפה חדשים של הונאת סוכנים, הנדסה חברתית בין מודלי שפה, ומניפולציות מוניטין פנימיות שעלולות לעקוף את בקרות האבטחה האנושיות.

GPT-4ChatGPTCopilot
קרא עוד
הסייע הרפואי של Google DeepMind: מערכות בינה מלאכותית למרפאות פרטיות בישראל
מחקר
לפני 5 ימים
4 דקות
·מ־DeepMind

הסייע הרפואי של Google DeepMind: מערכות בינה מלאכותית למרפאות פרטיות בישראל

Google DeepMind חשפה את פרויקט "AI co-clinician", סוכן בינה מלאכותית מתקדם המיועד לעבוד בשיתוף פעולה לצד רופאים במרפאות ובסביבות טלמדיסין. בניגוד למערכות המבוססות על טקסט בלבד, המערכת החדשה פועלת על גבי מודלים מולטימודאליים המאפשרים לה לראות, לשמוע ולתקשר עם מטופלים בזמן אמת. במחקרי סימולציה מקיפים שכללו בדיקה של 140 מדדים קליניים, המערכת הציגה ביצועים ברמה המקבילה לרופאי משפחה ב-68 מהמדדים, ואף הצליחה להדריך מטופלים מרחוק בבדיקות פיזיות כמו שימוש נכון במשאף ואיתור פגיעות כתף. בעוד שהטכנולוגיה נמצאת עדיין בשלבי מחקר עולמי, היא מסמנת את הכיוון הברור אליו צועד ענף הרפואה: צמצום העומסים הקריטיים על הצוותים והכפלת יכולות הטיפול באמצעות סייעים דיגיטליים אמינים.

Google DeepMindWorld Health OrganizationMedPaLM
קרא עוד
ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק
מחקר
לפני 6 ימים
6 דקות
·מ־arXiv cs.AI

ספקולטיב דיקודינג במובייל: למה AHASD משנה את המשחק

**ספקולטיב דיקודינג במובייל הוא דרך להאיץ הרצת מודלי שפה גדולים על מכשירי קצה באמצעות מודל קטן שמכין טיוטה ומודל גדול שמאמת אותה.** במחקר AHASD שפורסם ב-arXiv החוקרים מדווחים על עד פי 4.2 בתפוקה ופי 5.6 ביעילות אנרגטית לעומת בסיס GPU בלבד, עם תקורת חומרה של פחות מ-3% משטח ה-DRAM. עבור עסקים בישראל, המשמעות היא אפשרות עתידית להעביר חלק ממשימות ה-AI למובייל — למשל סיכום שיחות, סיווג פניות והשלמת טפסים — תוך שילוב עם Zoho CRM, ‏WhatsApp Business API ו-N8N. זה עדיין לא מוצר מדף, אבל הכיוון חשוב מאוד לכל ארגון שבונה תהליכי AI מהירים, חסכוניים ורגישים לפרטיות.

Draft Language ModelTarget Language ModelNPU
קרא עוד
Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים
מחקר
לפני 6 ימים
5 דקות
·מ־arXiv cs.AI

Auto-ARGUE להערכת דוחות RAG: למה זה חשוב לעסקים

**Auto-ARGUE הוא כלי להערכת דוחות RAG עם ציטוטים, שנועד לבדוק אם מסמך שנוצר בידי מודל שפה אכן נשען על מקורות נכונים וניתנים לאימות.** לפי התקציר ב-arXiv, החוקרים בחנו אותו על משימות TREC 2024 ומצאו מתאם טוב ברמת המערכת מול שיפוט אנושי. עבור עסקים בישראל, המשמעות ברורה: אם אתם מייצרים סיכומי לידים, תקצירי תיקים, דוחות שירות או מסמכי הנהלה באמצעות מודלי שפה, אתם צריכים שכבת בקרה ולא רק שכבת יצירה. השילוב בין AI Agents,‏ WhatsApp Business API,‏ Zoho CRM ו-N8N יכול לספק תהליך עבודה חזק, אבל בלי מדידת איכות לדוחות עצמם, הסיכון לטעויות עסקיות נשאר גבוה.

TREC 2024NeuCLIRRAG
קרא עוד