מילון מונחי AI של מאיץ מסביר בעברית פשוטה 60 מושגים בבינה מלאכותית שחוזרים בחדשות, במדריכים ובסקירות: מ־LLM וטוקן ועד סוכן AI, ‏RAG ו־MCP. לכל מונח יש הגדרה קצרה שנבדקה מול התיעוד הרשמי או המחקר המקורי, וקישור לכתבה באתר שמרחיבה עליו. המונחים מסודרים לפי א״ב ולפי נושא.

כל המונחים במילון מונחי AI לפי א״ב

יסודות

בינה מלאכותית (Artificial intelligence (AI))

בינה מלאכותית (AI) היא תחום במדעי המחשב שעוסק בבניית מערכות שמבצעות משימות שבדרך כלל דורשות אינטליגנציה אנושית: הבנת שפה, זיהוי תמונות, קבלת החלטות וחיזוי. רוב מערכות ה־AI של היום לומדות מדוגמאות במקום שיתכנתו להן כל כלל. צ׳אטבוטים כמו ChatGPT הם רק סוג אחד של AI.

להמשך קריאה: כלי AI

בינה מלאכותית יוצרת (Generative AI)

בינה מלאכותית יוצרת (Generative AI) היא AI שמייצרת תוכן חדש, כמו טקסט, תמונות, קוד, מוזיקה או וידאו, לפי בקשה בשפה רגילה. המודלים לומדים דפוסים מכמויות גדולות של נתונים ומשתמשים בהם כדי ליצור תוצרים שלא היו קיימים קודם. ChatGPT, ‏Gemini ומחוללי תמונות הם דוגמאות מוכרות.

להמשך קריאה: איך יוצרים תמונה עם טקסט בעברית ומתקנים אותיות שגויות

בינה מלאכותית כללית (AGI) (Artificial general intelligence (AGI))

בינה מלאכותית כללית (AGI) היא מערכת AI שתוכל לבצע את רוב המשימות האינטלקטואליות ברמה של בני אדם או מעליה. אין לה הגדרה אחת מוסכמת. OpenAI מגדירה אותה במגילת היסוד שלה כ״מערכות אוטונומיות מאוד שעולות על בני אדם ברוב העבודה בעלת ערך כלכלי״, וחוקרי Google DeepMind הציעו לדרג אותה ברמות.

להמשך קריאה: OpenAI חושפת 722 כתבי יד מתמטיים שהפיק מודל פנימי, עם הוכחות ב־Lean

למידה עמוקה (Deep learning)

למידה עמוקה היא ענף של למידת מכונה שמשתמש ברשתות נוירונים עם שכבות רבות. כל שכבה לומדת ייצוג מופשט יותר של הנתונים, כך שהמודל מגלה בעצמו אילו מאפיינים חשובים. זו הטכנולוגיה שמאחורי זיהוי דיבור, זיהוי תמונות ומודלי השפה של היום.

להמשך קריאה: גוגל: מודל AI במקום הראשון בחיזוי אשפוזי שפעת ב־CDC

למידת מכונה (Machine learning)

למידת מכונה היא שיטה לבניית מערכות AI שבה המחשב לומד דפוסים מתוך נתונים, במקום שמתכנת יכתוב לו כל כלל. מאמנים מודל על דוגמאות, ואז הוא חוזה או מחליט לגבי נתונים חדשים, למשל מזהה דואר זבל או ממליץ על סרט.

להמשך קריאה: גוגל: למידה מבוזרת עם TEE, פרטיות שאפשר לאמת מבחוץ

מודל בסיס (Foundation model)

מודל בסיס (Foundation model) הוא מודל גדול שאומן על כמות עצומה ומגוונת של נתונים, ואפשר להתאים אותו למשימות רבות ושונות. את המונח טבעו חוקרים מאוניברסיטת סטנפורד ב־2021. מודלים כמו GPT, ‏Claude ו־Gemini הם מודלי בסיס שעליהם בנויים צ׳אטבוטים, כלים ואפליקציות.

להמשך קריאה: Gemini: המדריך המלא למסלולים, למחירים בשקלים ולכל הכתבות שלנו

מודל שפה גדול (LLM) (Large language model (LLM))

מודל שפה גדול (LLM) הוא מודל בינה מלאכותית עם מספר עצום של פרמטרים, שאומן על כמויות גדולות מאוד של טקסט. הוא מחשב איזה טוקן צפוי להופיע בהמשך הרצף, וכך יכול לכתוב, לסכם, לתרגם ולענות על שאלות. ChatGPT, ‏Claude ו־Gemini מבוססים על מודלים כאלה, שעברו אימון נוסף כדי לשמש עוזרים.

להמשך קריאה: ChatGPT: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

רשת נוירונים (Neural network)

רשת נוירונים היא מודל של למידת מכונה שבנוי משכבות של יחידות חישוב פשוטות, ״נוירונים״, שמחוברות זו לזו. לכל חיבור יש משקל, ובזמן האימון המשקלים מתכווננים כך שהרשת תיתן תשובות מדויקות יותר. מודלי השפה הגדולים הם רשתות נוירונים עצומות.

להמשך קריאה: ChatGPT: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

חזרה לאינדקס

מודלים ואיך הם עובדים

אימון מוקדם (Pretraining)

אימון מוקדם הוא השלב הראשון והגדול באימון מודל שפה: המודל קורא כמויות עצומות של טקסט ולומד לחזות את הטוקן הבא. בשלב הזה הוא רוכש ידע כללי על השפה ועל העולם. אחריו מגיעים שלבים כמו כוונון עדין ו־RLHF, שהופכים אותו לעוזר שממלא הוראות.

להמשך קריאה: איך מונעים מ־ChatGPT, Claude ו־Gemini להתאמן על השיחות שלכם

הסקה (Inference)

הסקה (Inference) היא השלב שבו מודל שכבר אומן מקבל קלט חדש ומפיק תשובה, למשל כששולחים שאלה לצ׳אטבוט. בניגוד לאימון, שנעשה פעם אחת ועולה הרבה, הסקה קורית בכל בקשה. מחירי ה־API ומהירות התגובה תלויים בעיקר בעלות ההסקה.

להמשך קריאה: DeepSeek בעברית: סקירה, מחיר, פרטיות ולמי הוא מתאים

זיקוק מודלים (Distillation) (Model distillation)

זיקוק מודלים (Distillation) הוא אימון של מודל קטן, ״תלמיד״, לחקות את התשובות של מודל גדול, ״מורה״. כך מקבלים מודל מהיר וזול יותר ששומר על חלק גדול מהיכולות. הרעיון תואר ב־2015 במאמר של ג׳פרי הינטון ועמיתיו מ־Google. חברות AI אוסרות בדרך כלל בתנאי השימוש לזקק מהמודלים שלהן מודלים מתחרים.

להמשך קריאה: OpenAI שיבשה קמפיין מתואם לזיקוק יכולות ממודלים (distillation)

חלון הקשר (Context window)

חלון ההקשר הוא כמות הטקסט, בטוקנים, שמודל יכול להחזיק ולהתייחס אליה בבת אחת: ההוראות, השיחה, הקבצים והתשובה עצמה. Anthropic מתארת אותו כ״זיכרון עבודה״ של המודל, בנפרד מהידע שלמד באימון. חלון גדול מאפשר לעבוד עם מסמכים ארוכים, אבל לפי Anthropic, ככל שההקשר גדל הדיוק עלול לרדת.

להמשך קריאה: איך לסכם PDF בעברית עם ChatGPT ולבדוק שהסיכום נכון

טוקן (Token)

טוקן הוא יחידת הטקסט הקטנה שמודל שפה קורא וכותב: מילה, חלק ממילה, תו או אפילו בייט. המודל סופר קלט ופלט בטוקנים, ולכן גם מחירי API, מגבלות שימוש וגודל חלון ההקשר נמדדים בטוקנים. לפי OpenAI, בטקסט באנגלית טוקן הוא בערך ארבעה תווים, ובשפות אחרות היחס שונה.

להמשך קריאה: Anthropic משיקה את Claude Sonnet 5.5: מהיר יותר וזול יותר למשימות יומיום

טרנספורמר (Transformer)

טרנספורמר הוא ארכיטקטורה של רשת נוירונים שהציגו חוקרים מ־Google ב־2017 במאמר ״Attention Is All You Need״. הרעיון המרכזי הוא מנגנון קשב (Attention), שמאפשר למודל לשקלל בבת אחת את הקשרים בין כל המילים ברצף. רוב מודלי השפה הגדולים של היום מבוססים עליה, וה־T בשם GPT היא Transformer.

להמשך קריאה: ChatGPT: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

כוונון עדין (Fine-tuning)

כוונון עדין (Fine-tuning) הוא אימון נוסף של מודל שכבר אומן, על אוסף דוגמאות משלכם, כדי שיתחיל לחקות את הדפוסים שלהן: סגנון, פורמט או סוג משימה. OpenAI מציעה כוונון כזה למפתחים דרך ה־API. זה שונה מהוראות מותאמות, Gems או סקילים, שמשנים את ההנחיה שהמודל מקבל ולא את המודל עצמו.

להמשך קריאה: איך עוברים מ־Gems לסקילים ב־Gemini לפני נובמבר: מדריך צעד אחר צעד

למידת חיזוק ממשוב אנושי (RLHF) (Reinforcement learning from human feedback (RLHF))

למידת חיזוק ממשוב אנושי (RLHF) היא שיטת אימון שבה אנשים מדרגים תשובות של המודל, מהדירוגים בונים מודל תגמול, ואז מאמנים את המודל להעדיף תשובות שבני אדם דירגו גבוה. OpenAI תיארה אותה ב־2022 במחקר על InstructGPT. השיטה עזרה להפוך מודלי שפה לעוזרים שממלאים הוראות בצורה מועילה יותר.

להמשך קריאה: איך מונעים מ־ChatGPT, Claude ו־Gemini להתאמן על השיחות שלכם

מדד ביצועים (Benchmark)

מדד ביצועים (Benchmark) הוא אוסף קבוע של שאלות או משימות שבעזרתו משווים בין מודלים, למשל MMLU, שבודק ידע ב־57 תחומים. ציון גבוה מעיד על יכולת במשימות של המדד, אבל לא בהכרח בעבודה שלכם, וחלק מהשאלות עלולות לדלוף לנתוני האימון. לכן כדאי לבדוק מודל גם על משימות אמיתיות.

להמשך קריאה: OpenAI משיקה GPT-6.1 Sol: כמעט רמת Astra בחמישית מהמחיר

מודל חשיבה (Reasoning model)

מודל חשיבה הוא מודל שפה שמייצר שלבי חשיבה פנימיים לפני התשובה הסופית. לפי OpenAI, הטוקנים הפנימיים האלה עוזרים לו לתכנן, להשתמש בכלים, לבחון חלופות ולפתור משימות מורכבות של כמה שלבים, כמו קוד, מתמטיקה ומדע. התשובה מגיעה לאט יותר, וב־API טוקני החשיבה מחויבים כמו טוקני פלט.

להמשך קריאה: ChatGPT: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

מודל עם משקולות פתוחים (Open-weight model)

מודל עם משקולות פתוחים הוא מודל שהחברה מפרסמת את המשקלים (הפרמטרים) שלו להורדה, כך שאפשר להריץ אותו על שרת או מחשב משלכם ולהתאים אותו. דוגמאות: gpt-oss של OpenAI, ‏Gemma של Google ו־Llama של Meta. משקולות פתוחים אינם תמיד קוד פתוח מלא: נתוני האימון לרוב לא מתפרסמים, והרישיון קובע מה מותר.

להמשך קריאה: Mistral Large 4 נפתח לתצוגה מקדימה ציבורית, והמשקולות צפויות בסוף החודש

מולטימודלי (Multimodal)

מודל מולטימודלי הוא מודל שמבין, ולפעמים גם מייצר, כמה סוגי מידע: טקסט, תמונות, אודיו ווידאו. Google תיארה את משפחת Gemini, כשהציגה אותה ב־2023, כמודלים עם יכולות הבנה של תמונה, אודיו, וידאו וטקסט. בפועל זה מאפשר לצלם מסמך, לשאול שאלה על גרף או לדבר עם הצ׳אטבוט דרך המצלמה.

להמשך קריאה: גוגל משיקה Guided Vision: תיאורים קוליים דרך המצלמה ב־Gemini Live

פרמטרים (Parameters)

פרמטרים הם הערכים המספריים בתוך המודל, בעיקר המשקלים של רשת הנוירונים, שנקבעים במהלך האימון. הם מה שהמודל ״למד״. את הגודל של מודל מתארים לרוב לפי מספר הפרמטרים, למשל 7 מיליארד או מאות מיליארדים. יותר פרמטרים לא מבטיחים מודל טוב יותר, אבל בדרך כלל מייקרים את ההרצה.

להמשך קריאה: DeepSeek בעברית: סקירה, מחיר, פרטיות ולמי הוא מתאים

תאריך עדכון הידע (Knowledge cutoff)

תאריך עדכון הידע הוא התאריך שאחריו אין למודל מידע מנתוני האימון שלו. על אירועים, מחירים או גרסאות מאוחרים יותר הוא לא יודע, אלא אם הוא מחובר לחיפוש באינטרנט או שמסרתם לו את המידע. החברות מפרסמות את התאריך הזה בתיעוד המודלים.

להמשך קריאה: איך בודקים טענה ויראלית עם Grok ומגיעים למקור הראשוני

חזרה לאינדקס

עבודה עם צ׳אטבוטים ופרומפטים

הוראות מותאמות אישית (Custom instructions)

הוראות מותאמות אישית הן העדפות קבועות שכותבים פעם אחת בהגדרות הצ׳אטבוט, והוא מתחשב בהן בכל שיחה חדשה: מי אתם, באיזה טון לענות, באיזה אורך ובאיזו שפה. ב־ChatGPT התכונה נקראת Custom instructions, ובצ׳אטבוטים אחרים יש הגדרות דומות. כך לא צריך לחזור על אותן הנחיות בכל פעם.

להמשך קריאה: איך עוברים מ־Gems לסקילים ב־Gemini לפני נובמבר: מדריך צעד אחר צעד

הזיה (Hallucination)

הזיה היא תשובה של מודל שפה שנשמעת סבירה ובטוחה, אבל שגויה: עובדה, ציטוט, מספר או מקור שלא קיימים. לפי OpenAI, חלק מהסיבה הוא ששיטות האימון וההערכה מתגמלות ניחוש יותר מהודאה בחוסר ודאות. הזיות פחתו במודלים חדשים אבל לא נעלמו, ולכן כל פרט חשוב בודקים מול מקור.

להמשך קריאה: איך בודקים טענה ויראלית עם Grok ומגיעים למקור הראשוני

הנחיית מערכת (System prompt)

הנחיית מערכת (System prompt) היא הוראות רקע שהמודל מקבל לפני השיחה ומלוות את כולה: תפקיד, טון, כללים ומגבלות. בדרך כלל כותבים אותה המפתחים של האפליקציה, והמשתמש לא רואה אותה. Anthropic ממליצה להשתמש בה כדי לתת למודל תפקיד, למשל ״אתה עורך משפטי זהיר״.

להמשך קריאה: הבוט הראשון שלכם בגרוק בוט: שם, תפקיד ומשימה ב-15 דקות

זיכרון בצ׳אטבוט (Chatbot memory)

זיכרון בצ׳אטבוט הוא יכולת לשמור פרטים מהשיחות שלכם, כמו שם, העדפות או פרויקטים, ולהשתמש בהם בשיחות הבאות. ב־ChatGPT, למשל, אפשר לראות מה נשמר, למחוק פריטים או לכבות את הזיכרון בהגדרות. הזיכרון נוח, אבל עדיף לא לשתף בו מידע רגיש.

להמשך קריאה: ChatGPT: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

טמפרטורה (Temperature)

טמפרטורה היא הגדרה שקובעת כמה אקראיות יש בבחירת הטוקן הבא. טמפרטורה נמוכה נותנת תשובות עקביות וצפויות יותר, שמתאימות למשימות עובדתיות, וטמפרטורה גבוהה נותנת תשובות מגוונות ויצירתיות יותר. בדרך כלל משנים אותה ב־API או בכלי מפתחים, ולא באפליקציות הצ׳אט הרגילות.

להמשך קריאה: DeepSeek בעברית: סקירה, מחיר, פרטיות ולמי הוא מתאים

מגבלת שימוש (Usage limit)

מגבלת שימוש היא תקרה לכמות ההודעות או העבודה שאפשר לבצע עם צ׳אטבוט בפרק זמן מסוים, למשל בכמה שעות או בשבוע. המגבלה תלויה במסלול, במודל ובאורך השיחה: הודעות ארוכות וקבצים גדולים צורכים יותר. כשמגיעים לתקרה, מחכים לאיפוס, עוברים למודל קל יותר או משדרגים מסלול.

להמשך קריאה: Claude: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

מחקר מעמיק (Deep Research)

מחקר מעמיק (Deep Research) הוא מצב בצ׳אטבוטים כמו Gemini ו־ChatGPT שבו הסוכן מתכנן מחקר, קורא עשרות מקורות באינטרנט במשך כמה דקות וכותב דוח מסודר עם הפניות למקורות. זה מתאים לשאלות רחבות, כמו סקירת שוק, אבל גם בדוח כזה כדאי לבדוק את הטענות החשובות מול המקורות.

להמשך קריאה: סקירת Gemini: מה מקבלים בחינם, כמה עולה בישראל ומה עם הפרטיות

עיגון במקורות (Grounding)

עיגון במקורות (Grounding) הוא חיבור התשובה של המודל למקור מידע שאפשר לבדוק, כמו תוצאות חיפוש עדכניות או מסמכים שלכם. כך המודל עונה לפי המקור ולא רק לפי מה שלמד באימון, ולרוב גם מציין מאיפה לקח כל פרט. Google, למשל, מציעה עיגון בחיפוש Google בפלטפורמת Vertex AI.

להמשך קריאה: איך לסכם PDF בעברית עם ChatGPT ולבדוק שהסיכום נכון

פרומפט (Prompt)

פרומפט הוא ההוראה או השאלה שכותבים למודל AI: הטקסט, הקבצים וההקשר שמגדירים מה רוצים לקבל. פרומפט טוב מציין מטרה, קהל, פורמט ומגבלות, ולפעמים גם דוגמה לתוצאה הרצויה. Anthropic ממליצה להגדיר קודם מה נחשב תשובה טובה, ולשפר את הפרומפט לפי בדיקה של התוצאות בפועל.

להמשך קריאה: 20 פרומפטים בעברית לגרוק בוט להעתקה: עבודה, בית ותוכן

פרומפט עם דוגמאות (Few-shot) (Few-shot prompting)

פרומפט עם דוגמאות (Few-shot) הוא פרומפט שכולל כמה דוגמאות של קלט ופלט רצויים לפני המשימה עצמה, כדי שהמודל יבין את הפורמט והסגנון. מחקר של OpenAI על GPT-3 מ־2020 הראה שמודלים גדולים לומדים משימה חדשה מכמה דוגמאות כאלה, בלי אימון נוסף. פרומפט בלי דוגמאות נקרא Zero-shot.

להמשך קריאה: קלוד בעברית לכתיבה טבעית ולעבודה עם מסמכים

צ׳אט זמני (Temporary chat)

צ׳אט זמני הוא מצב שיחה ב־ChatGPT שלא נשמר בהיסטוריה ולא יוצר זיכרונות חדשים, ולפי OpenAI גם לא משמש לאימון המודלים. OpenAI עשויה לשמור עותק עד 30 יום לצורכי בטיחות. זה מתאים לשאלה חד־פעמית שלא רוצים שתישאר בחשבון.

להמשך קריאה: איך מונעים מ־ChatGPT, Claude ו־Gemini להתאמן על השיחות שלכם

שרשרת מחשבה (Chain of thought) (Chain-of-thought prompting)

שרשרת מחשבה (Chain of thought) היא טכניקה שבה מבקשים מהמודל לפרט את שלבי הפתרון לפני התשובה הסופית. מחקר של Google מ־2022 הראה שזה משפר תוצאות בבעיות חשבון והיגיון. במודלי חשיבה התהליך הזה מובנה בתוך המודל, ולכן פחות צריך לבקש אותו במפורש.

להמשך קריאה: Claude: המדריך המלא למסלולים, למחירים ולכל הכתבות שלנו

חזרה לאינדקס

סוכנים, כלים ואוטומציה

API (ממשק תכנות)

API (ממשק תכנות יישומים) הוא דרך מוגדרת שבה תוכנה אחת מבקשת שירות מתוכנה אחרת. ב־AI, ה־API מאפשר למפתחים לשלוח פרומפט למודל מתוך הקוד שלהם ולקבל תשובה, בלי לפתוח את אפליקציית הצ׳אט. התשלום על API בדרך כלל נפרד מהמנוי לצ׳אט ונמדד לפי טוקנים.

להמשך קריאה: OpenAI משיקה את Decisions API: החלטות מהירות מטקסט ותמונות

אוטומציה בלי קוד (No-code automation)

אוטומציה בלי קוד היא בניית תהליכים אוטומטיים בין אפליקציות דרך ממשק גרפי, בלי לכתוב קוד. בכלים כמו Make או Zapier מחברים טריגר, למשל טופס חדש, לפעולות כמו הוספת שורה לגיליון ושליחת מייל. ב־Make תהליך כזה נקרא ״תרחיש״ (Scenario), ואפשר לשלב בו גם מודלי AI.

להמשך קריאה: סקירת Make לעסקים קטנים ומה נדרש לתחזוקה

וובהוק (Webhook)

וובהוק (Webhook) הוא כתובת אינטרנט שמערכת אחת שולחת אליה הודעה אוטומטית ברגע שקורה אירוע, כמו טופס שנשלח או תשלום שהתקבל. במקום לבדוק שוב ושוב אם יש משהו חדש, המערכת המקבלת מקבלת את הנתונים מיד ומפעילה תהליך. בכלי אוטומציה כמו Make, וובהוק משמש לעתים קרובות כטריגר לתרחיש.

להמשך קריאה: חיבור טופס אל Google Sheets באמצעות Make ו־Webhook

וייב קודינג (Vibe coding)

וייב קודינג הוא כתיבת תוכנה בעזרת AI, שבה מתארים בשפה רגילה מה רוצים, מקבלים קוד מהמודל ומריצים אותו, כמעט בלי לקרוא את הקוד עצמו. את המונח טבע אנדריי קרפתי בפברואר 2025, בפוסט שבו כתב שאפשר ״לשכוח שהקוד בכלל קיים״. זה מהיר לאב טיפוס, אבל מסוכן לקוד שעולה לאוויר בלי בדיקה.

להמשך קריאה: Claude Code למתחילים: התקנה ומשימת ניסיון שאפשר לבדוק

סוכן AI (AI agent)

סוכן AI הוא מערכת שבה מודל שפה מחליט בעצמו על הצעדים הבאים ועל הכלים שבהם ישתמש כדי להשלים משימה, במקום לענות על הודעה אחת. Anthropic מבחינה בין תהליך עבודה, שבו המסלול מוגדר מראש בקוד, לבין סוכן, שמנהל את הדרך בעצמו. בגלל העצמאות הזו, חשוב להגדיר לו הרשאות ונקודות אישור.

להמשך קריאה: מה זה גרוק בוט (Grok Bot)? המדריך המלא למתחילים בעברית

פרוטוקול MCP (Model Context Protocol (MCP))

MCP (Model Context Protocol) הוא תקן פתוח לחיבור אפליקציות AI למערכות חיצוניות: קבצים, מסדי נתונים, כלים ותהליכי עבודה. Anthropic הציגה אותו בנובמבר 2024, והתיעוד הרשמי משווה אותו לשקע USB-C: דרך אחת קבועה לחבר עוזרים כמו Claude או ChatGPT ליומן, ל־Notion או לכלי פנימי, במקום חיבור מיוחד לכל כלי.

להמשך קריאה: Higgsfield סקירה מעשית עם תוצאות ועלויות מהבדיקה שלנו

שימוש בכלים (Tool use)

שימוש בכלים (Tool use או Function calling) הוא יכולת של מודל לבקש להפעיל פונקציה חיצונית, כמו חיפוש, מחשבון, יומן או מסד נתונים, במקום לנחש. המפתח מגדיר אילו כלים זמינים, המודל מחליט מתי לקרוא להם ועם אילו נתונים, והאפליקציה מריצה את הכלי ומחזירה לו את התוצאה. זה הבסיס לסוכני AI.

להמשך קריאה: חיבור Gmail, יומן Google ו-Drive לגרוק בוט, צעד אחר צעד

שליטה במחשב (Computer use)

שליטה במחשב (Computer use) היא יכולת של מודל AI להפעיל מחשב כמו אדם: לראות צילומי מסך, להזיז את העכבר, ללחוץ ולהקליד. Anthropic הציגה יכולת כזו ב־2024, ו־OpenAI הציגה סוכן דומה ב־2025. כך אפשר לבצע משימות באתרים שאין להם API, אבל צריך לפקח, כי הסוכן עלול לטעות או ללחוץ על דבר לא נכון.

להמשך קריאה: גרוק בוט מול ChatGPT: מה ההבדל ובמה כל אחד מהם חזק יותר

חזרה לאינדקס

חיפוש ונתונים

RAG (אחזור והשלמה) (Retrieval-augmented generation (RAG))

RAG (אחזור והשלמה, Retrieval-Augmented Generation) היא שיטה שבה המערכת שולפת קודם קטעים רלוונטיים ממאגר מסמכים, מכניסה אותם לחלון ההקשר, ורק אז המודל מנסח תשובה. כך התשובה נשענת על מידע עדכני או פנימי שלא היה בנתוני האימון, ואפשר לבדוק אותה מול המקור. השיטה הוצגה במאמר מחקר של לואיס ועמיתיו ב־2020.

להמשך קריאה: איך בונים סוכן Claude לוואטסאפ עסקי

הטמעות (Embeddings)

הטמעה (Embedding) היא ייצוג של טקסט, ובמודלים חדשים גם של תמונה, אודיו או וידאו, כרשימת מספרים שנקראת וקטור. לפי OpenAI, המרחק בין שני וקטורים מבטא עד כמה התכנים קשורים. כך מחשב יכול למצוא תוכן לפי משמעות ולא רק לפי מילים זהות. זה הבסיס לחיפוש סמנטי, לסיווג ול־RAG.

להמשך קריאה: גוגל משיקה EmbeddingGemma 2: מודל הטמעה פתוח לטקסט, תמונה, אודיו ווידאו שרץ על המכשיר

חיפוש סמנטי הוא חיפוש לפי משמעות וכוונה, ולא רק לפי התאמה של מילים. המערכת ממירה את השאילתה ואת המסמכים להטמעות ומחזירה את התוצאות הקרובות במשמעות, גם אם אין בהן אף מילה זהה לשאלה. למשל, חיפוש ״החזר כספי״ ימצא גם ״ביטול עסקה וזיכוי״.

להמשך קריאה: כלי AI

מסד נתונים וקטורי (Vector database)

מסד נתונים וקטורי הוא מסד נתונים שמאחסן הטמעות (וקטורים) ויודע למצוא במהירות את הווקטורים הקרובים ביותר לשאילתה. כך אפשר לחפש לפי משמעות בין מיליוני מסמכים, תמונות או מוצרים. זה רכיב נפוץ במערכות RAG ובחיפוש סמנטי.

להמשך קריאה: גוגל משיקה EmbeddingGemma 2: מודל הטמעה פתוח לטקסט, תמונה, אודיו ווידאו שרץ על המכשיר

חזרה לאינדקס

תמונה, וידאו וקול

הקראת טקסט (TTS) (Text-to-speech (TTS))

הקראת טקסט (TTS, Text-to-speech) היא המרה של טקסט כתוב לדיבור. מודלים חדשים מפיקים קול טבעי עם הטעמה ורגש, בשפות רבות. משתמשים בזה לקריינות, לספרי שמע, לנגישות ולסוכנים קוליים. שירותים כמו ElevenLabs מציעים מגוון קולות ושפות.

להמשך קריאה: Suno Speech בבטא: קריינות ומוזיקת רקע באותו קטע

זיהוי תווים (OCR) (Optical character recognition (OCR))

זיהוי תווים (OCR) הוא טכנולוגיה שמזהה טקסט בתוך תמונה או מסמך סרוק והופכת אותו לטקסט שאפשר להעתיק, לחפש ולערוך. שירותים כמו Google Cloud Vision מזהים טקסט בשפות רבות. צ׳אטבוטים מולטימודליים קוראים היום טקסט מתמונה גם בלי כלי OCR נפרד, אבל בטבלאות ובכתב יד כדאי לבדוק את התוצאה.

להמשך קריאה: איך לסכם PDF בעברית עם ChatGPT ולבדוק שהסיכום נכון

טקסט לתמונה (Text-to-image)

טקסט לתמונה (Text-to-image) הוא יצירת תמונה חדשה מתיאור כתוב. מתארים מה רוצים לראות, כמו נושא, סגנון, תאורה וקומפוזיציה, והמודל מייצר תמונה מתאימה. ChatGPT Images, ‏Gemini ו־Midjourney הם כלים מוכרים. טקסט בעברית בתוך התמונה עדיין עלול לצאת משובש בחלק מהמודלים.

להמשך קריאה: איך יוצרים תמונה עם טקסט בעברית ומתקנים אותיות שגויות

מודל דיפוזיה (Diffusion model)

מודל דיפוזיה הוא סוג של מודל יוצר שלומד להפוך רעש אקראי לתמונה בהדרגה. באימון מוסיפים רעש לתמונות אמיתיות, והמודל לומד להסיר אותו שלב אחרי שלב. ביצירה הוא מתחיל מרעש ומנקה אותו לפי הפרומפט. רבים ממחוללי התמונות והווידאו מבוססים על השיטה, שקיבלה תנופה במאמר DDPM מ־2020.

להמשך קריאה: איך יוצרים תמונה עם טקסט בעברית ומתקנים אותיות שגויות

עריכת תמונה ב־AI (AI image editing)

עריכת תמונה ב־AI היא שינוי של תמונה קיימת באמצעות הוראה בשפה רגילה, כמו ״החלף את הרקע לחוף״ או ״הסר את האדם משמאל״, בלי כלי עריכה ידניים. מודלים כמו Gemini ו־ChatGPT Images מקבלים תמונה ופרומפט ומחזירים גרסה ערוכה. כדאי לבדוק שפרטים כמו פנים, טקסט ולוגו לא השתנו בלי כוונה.

להמשך קריאה: איך לשמור על אותה דמות AI בחמש סצנות: רפרנס, בדיקה ותיקון

שיבוט קול (Voice cloning)

שיבוט קול הוא יצירת קול סינתטי שנשמע כמו אדם מסוים, על בסיס הקלטות של הקול שלו. שירותים כמו ElevenLabs מאפשרים לשבט קול מדגימה קצרה, או מהקלטות ארוכות יותר לאיכות גבוהה. שירותים מסודרים דורשים לאשר שיש לכם זכות להשתמש בקול, וקול משובט משמש גם להונאות, ולכן כדאי לאמת שיחות חשודות.

להמשך קריאה: Suno Speech בבטא: קריינות ומוזיקת רקע באותו קטע

תמונה לווידאו (Image-to-video)

תמונה לווידאו (Image-to-video) היא יצירת סרטון קצר מתמונת פתיחה, לפי הוראה שמתארת תנועה, מצלמה ואווירה. המודל שומר על התמונה המקורית כנקודת מוצא ומנפיש אותה. מודלים כמו Veo של Google וכלים כמו Higgsfield מציעים את האפשרות הזו, ואורך הסרטון מוגבל בדרך כלל לשניות ספורות.

להמשך קריאה: מדריך Higgsfield בעברית ליצירת סרטון מתמונה

תמלול (Speech-to-text)

תמלול (Speech-to-text) הוא המרה של דיבור מוקלט לטקסט כתוב. מודלים כמו Whisper של OpenAI, שהוצג ב־2022, אומנו על כמויות גדולות של אודיו בשפות רבות. משתמשים בזה לכתוביות, לסיכומי פגישות ולהכתבה. בשמות, במונחים מקצועיים וברעשי רקע עדיין יש טעויות, ולכן בודקים את התמלול.

להמשך קריאה: כתוביות אוטומטיות בעברית: מ־SRT לסרטון בלי עברית הפוכה

חזרה לאינדקס

בטיחות, פרטיות ואמינות

אימון על השיחות שלכם (Training on user data)

אימון על השיחות שלכם הוא שימוש של חברת AI בתוכן שאתם שולחים לצ׳אטבוט כדי לשפר מודלים עתידיים. בשירותים לצרכנים זה מופעל לרוב כברירת מחדל ואפשר לכבות אותו בהגדרות, ואילו בחשבונות עסקיים וב־API החברות בדרך כלל לא מאמנות על הנתונים כברירת מחדל. כדאי לבדוק את ההגדרה בכל שירות.

להמשך קריאה: איך מונעים מ־ChatGPT, Claude ו־Gemini להתאמן על השיחות שלכם

אישורי תוכן (C2PA) (Content Credentials (C2PA))

אישורי תוכן (Content Credentials) הם מידע חתום דיגיטלית שמצורף לקובץ ומתעד את מקורו: באיזה כלי נוצר, ואם ומתי נערך. התקן פותח על ידי C2PA, קואליציה שחברות כמו Adobe, ‏Microsoft ו־Google חברות בה. OpenAI, למשל, מוסיפה מידע כזה לתמונות שנוצרות ב־ChatGPT. המידע עלול להימחק בצילום מסך או בהעלאה לחלק מהרשתות.

להמשך קריאה: גוגל פותחת את SynthID Detector לכולם: בודקים אם תמונה, וידאו או אודיו נוצרו ב־AI

דיפפייק (Deepfake)

דיפפייק הוא תמונה, אודיו או וידאו שנוצרו או שונו ב־AI, שדומים לאנשים, לחפצים, למקומות או לאירועים אמיתיים ועלולים להיראות אמיתיים. כך מגדיר אותו חוק ה־AI של האיחוד האירופי, שמחייב ככלל לגלות שתוכן כזה נוצר או שונה באופן מלאכותי. דיפפייק משמש גם להונאות ולהתחזות, ולכן בודקים מקור לפני ששולחים הלאה.

להמשך קריאה: גוגל פותחת את SynthID Detector לכולם: בודקים אם תמונה, וידאו או אודיו נוצרו ב־AI

הזרקת פרומפט (Prompt injection)

הזרקת פרומפט היא התקפה שבה מסתירים הוראות זדוניות בתוכן שהמודל קורא, כמו אתר, מייל או מסמך, כדי לגרום לו לפעול נגד המשתמש: לחשוף מידע, לשנות תשובה או לבצע פעולה. הסיכון גדל בסוכנים שגולשים באינטרנט ומפעילים כלים. OpenAI ממליצה להגביל הרשאות ולאשר בעצמכם פעולות רגישות.

להמשך קריאה: פרטיות ואבטחה בגרוק בוט: מה הבוטים רואים ואיך לשמור על עצמכם

סימן מים לתוכן AI (AI watermarking)

סימן מים לתוכן AI הוא סימון שמוטמע בתוכן שנוצר ב־AI כדי שאפשר יהיה לזהות אותו אחר כך. SynthID של Google DeepMind, למשל, מטמיע סימן בלתי נראה בתמונות, באודיו, בווידאו ובטקסט, שנועד לשרוד שינויים נפוצים כמו חיתוך או דחיסה. סימן כזה עוזר לזהות, אבל לא כל הכלים מסמנים, ולכן היעדר סימן לא מוכיח שהתוכן אמיתי.

להמשך קריאה: OpenAI תוסיף סימן מים בלתי נראה לטקסט של ChatGPT באיחוד האירופי

פריצת מגבלות (Jailbreak)

פריצת מגבלות (Jailbreak) היא ניסיון לגרום למודל לעקוף את כללי הבטיחות שלו, למשל בעזרת משחק תפקידים, ניסוח עקיף או רצף הוראות מתוחכם, כדי שייתן תוכן שהוא אמור לסרב לו. בהזרקת פרומפט ההוראות מוסתרות בתוכן חיצוני, ואילו כאן המשתמש עצמו מנסה לעקוף את המגבלות. החברות מגיבות במסננים ובאימון נוסף.

להמשך קריאה: פרטיות ואבטחה בגרוק בוט: מה הבוטים רואים ואיך לשמור על עצמכם

חזרה לאינדקס

איך נבנה מילון מונחי AI

כל הגדרה נכתבה במאיץ ונבדקה ב־11 באוקטובר 2026 מול התיעוד הרשמי של החברה שמפתחת את הטכנולוגיה, או מול המאמר המקורי שבו המונח הוצג. נעדכן את המילון כשמונחים משתנים או כשנוספים חדשים. על שיטת העבודה שלנו אפשר לקרוא בעמוד איך אנחנו בודקים, ומצאתם טעות? פרטים במדיניות העריכה והתיקונים.

מקורות

  • Google Cloud: What is artificial intelligence (AI)?
  • Google Cloud: What is generative AI?
  • OpenAI Charter
  • Morris et al. (Google DeepMind): Levels of AGI (2023)
  • LeCun, Bengio, Hinton: Deep learning (Nature, 2015)
  • Google for Developers: Introduction to Machine Learning, What is ML?
  • Bommasani et al.: On the Opportunities and Risks of Foundation Models (Stanford CRFM, 2021)
  • Google Machine Learning Crash Course: Introduction to Large Language Models
  • Anthropic docs: Glossary
  • Google Machine Learning Crash Course: Neural networks
  • Radford et al. (OpenAI): Improving Language Understanding by Generative Pre-Training (2018)
  • Google Machine Learning Glossary: inference
  • Hinton, Vinyals, Dean (Google): Distilling the Knowledge in a Neural Network (2015)
  • Anthropic docs (Claude): Context windows
  • OpenAI Help Center: What are tokens and how to count them?
  • Vaswani et al. (Google): Attention Is All You Need (2017)
  • OpenAI API docs: Model optimization (fine-tuning)
  • Anthropic docs (Claude): Glossary
  • Ouyang et al. (OpenAI): Training language models to follow instructions with human feedback (2022)
  • Hendrycks et al.: Measuring Massive Multitask Language Understanding (MMLU, 2020)
  • OpenAI API docs: Reasoning models
  • OpenAI: Learning to reason with LLMs (2024)
  • OpenAI: Introducing gpt-oss (2025)
  • Google AI for Developers: Gemma docs
  • Gemini Team (Google): Gemini, A Family of Highly Capable Multimodal Models (2023)
  • Google Machine Learning Glossary: parameter
  • Anthropic docs (Claude): Models overview (training data cutoff column)
  • OpenAI Help Center: ChatGPT Custom Instructions
  • OpenAI: Why language models hallucinate (2025)
  • Anthropic docs: Reduce hallucinations
  • Anthropic docs (Claude): Giving Claude a role with a system prompt
  • OpenAI Help Center: Memory FAQ
  • Anthropic docs (Claude): Glossary (temperature)
  • Claude Help Center: Usage limit best practices
  • OpenAI Help Center: ChatGPT Free Tier FAQ
  • Gemini Apps Help: Use Deep Research in Gemini Apps
  • OpenAI Help Center: Deep research FAQ
  • Google Cloud Vertex AI docs: Grounding overview
  • Anthropic docs (Claude): Prompt engineering overview
  • OpenAI API docs: Prompt engineering
  • Brown et al. (OpenAI): Language Models are Few-Shot Learners (2020)
  • OpenAI Help Center: Temporary Chat FAQ
  • Wei et al. (Google): Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (2022)
  • Anthropic docs (Claude): API overview
  • Make Help Center: Scenarios
  • Make Help Center: Webhooks
  • Andrej Karpathy, post on X that coined the term (February 2, 2025)
  • Anthropic Engineering: Building effective agents (2024)
  • Model Context Protocol docs: Introduction
  • Anthropic: Introducing the Model Context Protocol (2024)
  • Anthropic docs (Claude): Tool use overview
  • Anthropic docs (Claude): Computer use tool
  • OpenAI: Computer-Using Agent (2025)
  • Lewis et al. (Meta AI): Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020)
  • Gemini API docs: Embeddings
  • OpenAI API docs: Vector embeddings
  • Google Cloud: What is semantic search?
  • Google Cloud: What is a vector database?
  • ElevenLabs docs: Text to Speech
  • Google Cloud Vision docs: Detect text in images (OCR)
  • OpenAI Help Center: ChatGPT Images
  • Gemini API docs: Image generation
  • Ho, Jain, Abbeel: Denoising Diffusion Probabilistic Models (2020)
  • Gemini API docs: Image generation and editing
  • ElevenLabs docs: Voices (voice cloning)
  • Gemini API docs: Generate videos with Veo
  • Radford et al. (OpenAI): Robust Speech Recognition via Large-Scale Weak Supervision (Whisper, 2022)
  • OpenAI Help Center: How your data is used to improve model performance
  • C2PA: Coalition for Content Provenance and Authenticity
  • OpenAI Help Center: C2PA in ChatGPT Images
  • EU AI Act, Regulation (EU) 2024/1689, Article 3(60) and Article 50
  • OpenAI: Understanding prompt injections (2025)
  • Google DeepMind: SynthID
  • Anthropic docs (Claude): Mitigate jailbreaks and prompt injections