PodParley PodParley
PodParley
[151] עקבות של רעשי תיוג עם ד״ר שמואל חיון episode artwork

EPISODE · Mar 30, 2026 · 36 MIN

[151] עקבות של רעשי תיוג עם ד״ר שמואל חיון

from ExplAInable · host Tamir Nave, Mike Erlihson, Uri Goren, Hila Paz Herszfang

השבוע באקספליינבל אנחנו עוברים למתכונת רימוט ומארחים את ד״ר שמואל חיון, חוקר AI בכיר בהירונדו, שיספר לנו על העקבות שתיוג לא נכון משאיר לנו בזמן אימון המודל. הבנו איך טעות סיווג בהקלטה עם קשר טמפורלי קשורה לקלסיפיקציה של חתולים, ומתי סטטיסטיקות על פיצ׳רים כבר לא יכולות לעזור לנו במציאת טעויות סיווג (רמז: תמונות). העמקנו בהשפעה של דוגמא עם סיווג לא-נכון על loss של דוגמא אחרת, ואיך מודאליות שונה תשתמש אחרת באותה ליבה אלגוריתמית למציאת הרעשים.המאמרים שהוזכרו בפרק:שערוך יעיל של data influence למציאת שגיאות תיוגסקירת מגוון שיטות לחישוב מקורב של data influence00:00 היי שמואל, חוקר AI בכיר בהירונדו02:40 חשיבות איכות הדאטה וכלב שמסווג כחתון07:35 מבדיקה ידנית ועד קרבה סמנטית: איך להתמודד עם רעשי סיווג13:33 מודאליות ותיוגים: איפה אנחנו הכי פגיעים18:45 שגיאות תיוג נפוצות22:44 איך לומדים ביחד ולחוד עבור מודאליות שונה32:29 תוצאות בשטח35:48 איך ללמוד עוד

What this episode covers

השבוע באקספליינבל אנחנו עוברים למתכונת רימוט ומארחים את ד״ר שמואל חיון, חוקר AI בכיר בהירונדו, שיספר לנו על העקבות שתיוג לא נכון משאיר לנו בזמן אימון המודל. הבנו איך טעות סיווג בהקלטה עם קשר טמפורלי קשורה לקלסיפיקציה של חתולים, ומתי סטטיסטיקות על פיצ׳רים כבר לא יכולות לעזור לנו במציאת טעויות סיווג (רמז: תמונות). העמקנו בהשפעה של דוגמא עם סיווג לא-נכון על loss של דוגמא אחרת, ואיך מודאליות שונה תשתמש אחרת באותה ליבה אלגוריתמית למציאת הרעשים.המאמרים שהוזכרו בפרק:שערוך יעיל של data influence למציאת שגיאות תיוגסקירת מגוון שיטות לחישוב מקורב של data influence00:00 היי שמואל, חוקר AI בכיר בהירונדו02:40 חשיבות איכות הדאטה וכלב שמסווג כחתון07:35 מבדיקה ידנית ועד קרבה סמנטית: איך להתמודד עם רעשי סיווג13:33 מודאליות ותיוגים: איפה אנחנו הכי פגיעים18:45 שגיאות תיוג נפוצות22:44 איך לומדים ביחד ולחוד עבור מודאליות שונה32:29 תוצאות בשטח35:48 איך ללמוד עוד

NOW PLAYING

[151] עקבות של רעשי תיוג עם ד״ר שמואל חיון

0:00 36:56

No transcript for this episode yet

We transcribe on demand. Request one and we'll notify you when it's ready — usually under 10 minutes.

Share this episode

Similar Episodes

Jak naprawdę zarabiać na AI?

Jun 21, 2026 ·106m

macOS Cię okłamuje

Jun 21, 2026 ·23m

Czy Mythos już na zawsze zmieni świat?

Jun 21, 2026 ·27m

To już nie są halucynacje. Dlaczego AI tak naprawdę KONFABULUJE i jak to wyłączyć? | Piotr Brzyski Jak zmusić AI, żeby przestała zmyślać? Neurosymbolika, dowody logiczne i koniec halucynacji | Piot...

Jun 21, 2026 ·90m

The Climb You Have to Make to Conquer AI

Jun 21, 2026 ·17m

The Geometry of Human Sovereignty

Jun 19, 2026 ·20m

Similar Podcasts

Spatial Web AI Podcast Denise Holt Active Inference AI & the Spatial Web The Future of AI is shared, distributed, and multi-scale.AI that is knowable, explainable, and capable of human governance.Based on the same mechanics as biological intelligence, it operates in a naturally efficient way, with no big data requirement.This is Active Inference AI & the Spatial Web. Trustworthy AI : De-risk business adoption of AI Pamela Gupta Description:  Creating AI Trust is a very complex and hard problem. It is not clear what it is and how it can be operationalized.  We will demystify what is Trustworthy AI, efficient adoption and leveraging it for reducing risks in AI programs.McKinsey reports indicates companies seeing the biggest bottom-line returns from AI—those that attribute at least 20 percent of EBIT or profitability to their use of AI—are more likely than others to follow Trustworthy AI best practices, including explainability. Further, organizations that establish digital trust among consumers through responsible practices such as making AI explainable are more likely to see their annual revenue and profitability grow at rates of 10 percent or more. Evidence → Cognition → Discernment™️ - Your Pathway to AI Leadership Greg Twemlow XperientialAI — Pathway to AI Leadership explores how people can collaborate with AI without outsourcing judgment. The spine is a three-step method: Evidence → Cognition → Discernment — a bridge from what’s scattered to what’s chosen. Through essays, reflections, and practical examples, I show how the Context & Critique Rule™ keeps thinking visible, decisions explainable, and responsibility human. Known Unknowns Known Unknowns Known Unknowns podcast explores unexplainable mysteries. We discuss the things that lie on the fringes of reality. Things that we know that are unknown.Ghosts, Folklore, Conspiracies, and everything else that lies outside the realm of the explainable...Because it's weird out there.

Frequently Asked Questions

How long is this episode of ExplAInable?

This episode is 36 minutes long.

When was this ExplAInable episode published?

This episode was published on March 30, 2026.

What is this episode about?

השבוע באקספליינבל אנחנו עוברים למתכונת רימוט ומארחים את ד״ר שמואל חיון, חוקר AI בכיר בהירונדו, שיספר לנו על העקבות שתיוג לא נכון משאיר לנו בזמן אימון המודל. הבנו איך טעות סיווג בהקלטה עם קשר טמפורלי קשורה לקלסיפיקציה של חתולים, ומתי סטטיסטיקות על...

Can I download this ExplAInable episode?

Yes, you can download this episode by clicking the download button on the episode player, or subscribe to the podcast in your preferred podcast app for automatic downloads.
URL copied to clipboard!