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) 760-4854IL+972-3-7630715info@automaziot.ai
Ahad Ha'Am 9, Tel Aviv, Shalom Tower

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

אייל יעקבי מילראייל יעקבי מילר
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

✨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

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 our Privacy Policy and Terms of Service

עוד כתבות שיעניינו אותך

לכל הכתבות
TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק
מחקר
Feb 23, 2026
6 min

TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק

**TierMem הוא מנגנון זיכרון דו-שכבתי לסוכנים ארוכי טווח שמחליט בזמן המענה אם מספיק להסתמך על סיכום מהיר או שצריך להסלים ללוגים גולמיים כדי להביא ראיות מאומתות. לפי המאמר (arXiv:2602.17913v1), ב-LoCoMo השיטה הגיעה לדיוק 0.851 לעומת 0.873 ב-raw-only, תוך חיסכון של 54.1% בטוקנים ו-60.7% בהשהיה.** עבור עסקים בישראל שמפעילים שיחה רציפה ב-WhatsApp Business API ומנהלים לקוחות ב-Zoho CRM, המשמעות היא ניהול סיכונים: סיכומים לבד עלולים להשמיט “תנאי קריטי” (מחיר, הסכמה, רגישות רפואית), ולכן כדאי לבנות דרך N8N שכבת לוגים בלתי ניתנים לשינוי וכללי הסלמה לשאילתות רגישות. כך מצמצמים עלות ותורמים לעקיבות פנימית.

arXivTierMemLoCoMo
Read more
NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות
מחקר
Feb 23, 2026
6 min

NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות

**NL2LOGIC היא מסגרת שמתרגמת טקסט לשפה טבעית ללוגיקה מסדר ראשון (FOL) דרך עץ תחביר מופשט (AST), כך שהפלט עומד בכללי דקדוק וניתן להרצה בסולברים. לפי המאמר, היא מגיעה ל‑99% דיוק תחבירי ומשפרת נכונות סמנטית עד 30% בבנצ’מרקים כמו FOLIO ו‑ProofWriter.** לעסקים בישראל זה חשוב במיוחד בתהליכים שבהם “צריך להכריע” ולא רק “לנסח”: החזרים, חריגי שירות, תנאי חוזה, ניגוד עניינים במשרדי עורכי דין או סיווג פניות בביטוח ונדל"ן. שילוב עם WhatsApp Business API, N8N ו‑Zoho CRM מאפשר לקלוט פנייה, להפעיל כללים פורמליים, להחזיר החלטה מוסברת, ולתעד אותה ב‑CRM לצורכי בקרה וציות (כולל עקרונות חוק הגנת הפרטיות).

arXivNL2LOGICAST
Read more
Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM
מחקר
Feb 23, 2026
6 min

Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM

**Lang2Act הוא מנגנון VRAG שבו מודל ראייה-שפה (VLM) מייצר בעצמו “פעולות” כשרשראות לשוניות, ואז משתמש בהן ככלים כדי לשפר תפיסה חזותית והסקה. לפי המאמר arXiv:2602.13235v1, הגישה מצמצמת איבוד מידע שנוצר בזרימות עבודה שמפרידות בין תפיסה להיגיון (למשל אחרי crop), ומשיגה שיפור של יותר מ‑4% בתוצאות הניסויים.** לעסקים בישראל זה רלוונטי במיוחד בתהליכים שמבוססים על תמונות ב-WhatsApp: צילומי מסך של תקלות, מסמכים, ותמונות מוצר. במקום להסתמך על כלי חיתוך/OCR קשיחים שמאבדים הקשר, כדאי לבנות פיילוט שבו כל שלבי התפיסה מתועדים, מחוברים ל-Zoho CRM, ומופעלים דרך N8N — עם מדיניות פרטיות ברורה (למשל שמירת תמונות ל-30 יום).

arXivLang2ActNEUIR
Read more
מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני
מחקר
Feb 23, 2026
6 min

מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני

מענה לשאלות רפואיות תלוי-מצב הוא מצב שבו אותה שאלה מקבלת תשובה שונה לפי תנאי המטופל—קומורבידיות, אלרגיות או התוויות-נגד. במאמר arXiv:2602.17911v1 מוצגים CondMedQA (בנצ׳מרק חדש שמודד היסק מותנה) ו-Condition-Gated Reasoning (CGR), שמפעיל/גוזם מסלולי היסק בגרף ידע לפי תנאי השאלה כדי לבחור תשובה ישימה יותר. לעסקים בישראל שמפתחים כלי טריאז׳, טלה-רפואה או שירות במוקדי אחיות, המשמעות היא שינוי מדידה: לא “דיוק ממוצע”, אלא דיוק במקרי קצה. פרקטית, אפשר לשלב איסוף תנאים ב-WhatsApp Business API, לשמור שדות ב-Zoho CRM, ולהפעיל ב-N8N “שער תנאים” שמנתב מקרים מסוכנים לגורם אנושי ומייצר לוגים לאודיט.

arXivCondMedQACondition-Gated Reasoning
Read more