תקציר:
את המושג בינה מלאכותית שומעים כמעט כל יום, לפעמים מספר פעמים, אם בחדשות, אם בפודקאסטים, אם במאמרים, ואם בשיחות חופשיות. יש הקוראים לה המהפכה הטכנולוגית הרביעית. לכולנו יש הבנה בסיסית במה מדובר, מחשבים בעלי בינה. אלא שבשנים האחרונות היו בתחום הזה התפתחויות כה מרשימות, עד שנוצרו מצד אחד תקוות גדולות לגבי היכולת של הטכנולוגיה הזאת לשפר את חיי האנושות, ומצד שני חרדות גדולות שהיא תביא סבל או אפילו לקיצו של המין האנושי. מה שמוסכם אבל באופן רחב למדי, הוא שזו טכנולוגיה שלא ניתן להתעלם ממנה, ושהשליטה בה, בטח ההובלה בה, היא משאב גיאופוליטי ברמת מדינות, למשל כדי להכריע במלחמה. ברמה העולמית, יש בבינה המלאכותית פוטנציאל ענק, אם בתחומי הבריאות ואם בתחומי הסביבה. הפרק היום עוסק בחלקו הראשון בהסבר מהי בינה מלאכותית גם עבור מי שאין לו כל רקע הנדסי, ובחלק השני בקשר של AI לגיאופוליטיקה.
תוכן הפרק:
פתיחה
היום אדבר על נושא בו רציתי לעסוק כבר הרבה זמן, כיוון שהוא משלב בין הנדסת היי-טק, שהיה העיסוק והתשוקה העיקריים שלי רוב חיי המקצועיים, לבין גיאופוליטיקה, שהיא התשוקה העיקרית שלי כיום. הנושא הזה הוא בינה מלאכותית. הפרק עוסק בחלקו הראשון בבינה מלאכותית באופן כללי, ואני אנסה להסביר בו מה זו בינה מלאכותית גם למי שאין כל רקע הנדסי, ובחלק השני על הקשר של בינה מלאכותית לגיאופוליטיקה.
בינה מלאכותית היא תרגום מאנגלית של המושג Artificial Intelligence, ובקיצור AI. כמו הרבה מלים ומושגים שאינם מיתרגמים באופן מדוייק משפה לשפה, גם פה, המילה Intelligence, שאנחנו נוהגים גם בעברית לתרגם כאינטליגנציה, היא לא בדיוק 'בינה'. אני אשתמש לחילופין במושגים 'בינה מלאכותית' ו- AI באותה משמעות.
בגדול הכוונה במושג AI היא ללימוד מחשבים לבצע דברים שכרגע מבוצעים טוב יותר על ידי בני אדם. הגדרה מדוייקת יותר היא שבינה מלאכותית הינה מימוש באמצעות תוכנת מחשב של היכולת האנושית להסיק מסקנות חדשות ולקבל החלטות מִתוך ניתוח של עובדוֹת קיימות. כך לדוגמה רכב אוטונומי, ש-AI זה חלק מהותי מהמרכיבים שלו, משתמש בתוכנה זו כדי לנתח את תנאי הדרך והנתונים העצמיים של מהירות וכיוון המכונית אותה הוא נוהג כדי להגיע למסקנה לאיזה כיוון ובאיזו מהירות להמשיך לנסוע, ומתי עליו לבלום.
דוגמאות להישגי בינה מלאכותית
לפני שנבין איך פועלת בינה מלאכותית, בואו נשמע כמה דוגמאות מרשימות על היכולות של הטכנולוגיה הזאת.
בתאריך הרביעי בדצמבר 2017 נערכה תחרות שחמט ראשונה מסוגה. היא לא היתה בין שני רבי-אומן אנושיים, וגם לא היתה בין אדם למחשב. היא נערכה בין שני מחשבים, האחד stockfish, תוכנת מחשב ותיקה שטרם הובסה על-ידי אף משַחֵק אנושי בהינתן תנאי משחק זהים, השני מחשב מבוסס בינה מלאכותית שפותח במעבדות AlphaZero של גוגל. מחשב ה-AI של גוגל הביס את stockfish – הוא ניצח אותו ב-28 משחקים, הגיע לתיקו ב-72, ולא הפסיד באף משחק.
ב-20 בפברואר שנת 2020, הודיעו חוקרים ב-MIT, המכון הטכנולוגי המפורסם של מסצ'וסטס, שהם פיתחו תרופה אנטיביוטית חדשה שיכולה להרוג זני חיידקים אשר היו עד אותו זמן חסינים לכל אנטיביוטיקה קיימת. הם סיפרו שלצורך כך הם נעזרו בתוכנת AI שפותחה אצלם, ושתהליך זיהוי המולקולה שבבסיס התרופה ארך פחות משלושה ימים, במקום שנים רבות שלוקח באופן רגיל לעבוד על מחקר כזה, וגם זה ללא הצלחה מובטחת. בעצם מזה עשרות שנים לא פותחה אנטיביוטיקה חדשה יעילה שאינה וריאציה על התרופות הקיימות. ב-MIT נתנו לתרופה את השם Halicin, אשר מורכב מהשם HAL, הטש, איי, אל, כשמו של המחשב בסרט הידוע '2001, אודיסאה בחלל' של סטנלי קובריק, וכולל את האותיות AI.
ב-28 במאי אותה שנה, 2020, הודיעה מעבדת המחקר OpenAI מסן-פרנסיסקו על סיום פיתוחה של תוכנת הבינה המלאכותית GPT-3. ראשי התיבות GPT מייצגים את המושג Generative Pre-trained Transformer, בתרגום חופשי – מתמר בעל יכולת יצירה שאומן מראש. יצירה של מה? – של טקסטים הנקראים או נשמעים כאילו חוללו ע"י בן-אדם. למה שלוש? כי היה זה הדור השלישי והמשופר של גירסאות קודמות של התוכנה. תוכנה זו מיועדת לחולל טקסטים ברמה המדמה שפה אנושית כהשלמה לטקסט ראשוני שמוזן אליה. כך למשל, אם מקלידים מושג כלשהו, היא יכולה לייצר מספר פסקאות שמתארות את אותו המושג. אם מקלידים שאלה, היא יכולה לספק תשובה אפשרית אחת או יותר. אם מקלידים נושא מסויים עם כמה משפטי רקע היא יכולה לחולל מאמר שלם. אבל זה לא מסתיים בהכרח בשני שלבים, ניתן לנהל איתה שיחה מתפתחת על אותו נושא. כך ניתן לשאול שאלה ראשונית ואחרי קבלת התשובה להרחיב את השאלה עוד וכן הלאה. כל התשובות מגיעות בתוך שניה עד מספר שניות.
על הלמידה
אז מהי אותה בינה מלאכותית עליה מתבססות התוכנות כדוגמת שלושת אלה – זו שלא ניתן לנצחה בשחמט, זו שמאתרת תרופה אנטיביוטית חדשה בתוך שעות עד מספר ימים וזו שמדברת איתנו כמעט כמו בן-אנוש?
מה שמאפיין את תוכנות הבינה המלאכותית כיום הן היכולת שלהן ללמוד באופן עצמאי בתהליך שנקרא בז'רגון המקצועי Machine Learning, למידת מכונה, במקום שיתכנתו לתוכן מראש אילו פעולות לבצע בכל סיטואציה.
כך למשל, תוכנת השחמט stockfish, שאיננה תוכנת AI, תוכנתה מראש על פי ניסיונם של שחקני ושחקניות שחמט בני אנוש. הוזנו לתוכה הידע, האסטרטגיה וההחלטות שהיו מבצעים אלופות ואלופי שחמט בהתאם למגוון גדול מאד של מצבים אפשריים, כולל היסטוריה של משחקים שבוצעו בפועל. החוזק של התוכנה הזאת הוא במהירות בה היא בוחנת עשרות אלפי מהלכים אפשריים ומבצעת חישוב סטטיסטי שמלמד אותה לאיזה מהלך יש הסיכוי הגבוה ביותר להוביל לנצחון. זה הישג מרשים, אך כאמור מתבסס על מאגר זכרון גדול, מעבר לגודל זכרון של בן-אנוש, גם אם אותו בן-אנוש הוא בעל זכרון פנומנלי, וכמו כן על יכולת מעבר מהירה על אלפי אפשרויות תוך חישוב סטטיסטי מדוייק. אין פה בינה, אין פה תבונה ואין פה אינטליגנציה. יש פה כוח חישוב.
לעומת זאת, מה שמיוחד במחשב שפותח במעבדות AlphaZero, זה המתבסס על AI, הוא שלא הזינו לתוכו כל היסטוריה של מהלכים. הדבר היחיד שלימדו את המחשב הזה היה את חוקי משחק השחמט. אז נתנו לו הנחייה לשחק עם עצמו תוך שהוא לומד בתהליך של ניסוי וטעייה אלו מהלכים ואלו אסטרטגיות הביאו את אחד הצדדים שהוא משחק לנצח את הצד השני. נתנו לו לשחק כך במשך ארבע שעות תוך שהוא שומר את המסקנות שלו בזכרון. כשהסתיים תהליך הלמידה הזה שינו מעט את התוכנה כך שתשחק רק צד אחד ותגיב למהלכים של מְשַחֵק חיצוני. כפי שסיפרתי קודם לכן, הצד השני היה מחשב שמריץ את תוכנת stockfish. כאמור ניצח המחשב של AlphaZero את stockfish באופן חד-משמעי, הודות לאותה למידה שביצע בעצמו. מה שעוד מדהים הוא, שכאשר נתנו לרבי-אמנים בשחמט לנתח את המהלכים של תוכנת ה-AI, הם גילו שהתוכנה ביצעה לפעמים אסטרטגיה מוזרה כל כך, עד שהם שהתקשו לקרוא לה אסטרטגיה. למשל, היא הקריבה כלים שמשַחֵק אנושי הגדיר חיוניים, כולל המלכה. היא ביצעה מהלכים אחרים שאף רב-אמן אנושי לא הביא אותם בכלל במגוון האפשרויות שלו. אחד מרבי האמנים שבחנו את מהלכי התוכנה היה גארי קספרוב, אלוף העולם בשחמט בין השנים 1985 ועד 2000. קספרוב אמר אז: "AlphaZero ניערה את משחק השחמט עד שורשיו".
באופן דומה, גם החוקרים ב-MIT נתנו לתוכנת הבינה המלאכותית שפיתחו לעבור תהליך למידה לפני שאיתרה את האנטיביוטיקה החדשה. במקום להגביל את התוכנה לַידע של המדע לגבי הקשר שבין המבנה המולקולרי של חומרים כימיים שונים לבין תכונות שונות שלהם כמו היכולת להפריע להתרבותם של חיידקים, נתנו לה לעבור תהליך של למידה עצמית. הזינו אותה בהרכב המולקולרי של 2,500 חומרים כימיים שונים, ביניהם 1,700 תרופות שאושרו ע"י רשות התרופות והמזון האמריקאית, ה-FDA, למחלות שונות, וכן 800 מוצרים טבעיים. לגבי כל חומר כזה הזינו את התכונות הבסיסיות שלו כמו המשקל האטומי של האטומים המרכיבים אותו ומבנה הקשרים ביניהם, ובנוסף את מגוון הפעולות הביולוגיות שמיוחסות לו, כולל אם יש לו יכולת אנטיביוטית. אז הורו לתוכנה ללמוד ממאגר הנתונים הזה ולהגיע בעצמה למסקנות לגבי מה מייחד את אותן מולקולות שמסוגלות למנוע התרבותם של חיידקים. כאשר הושלם תהליך הלמידה הזה הזינו לתוכנה את ההרכב המולקולרי של עוד 61,000 חומרים אחרים, והורו כעת לתוכנה לאתר על סמך מה שלימדה את עצמה את החומר בעל הפוטנציאל הגדול ביותר לשמש כאנטיביוטיקה, אבל שיהיה גם שונה מההרכב של כל אנטיביוטיקה אחרת ידועה, וגם שלא יהיה רעיל. התוכנה סרקה וניתחה את החומרים במשך מספר ימים ושלפה לבסוף מולקולה אחת ויחידה שעמדה בכל הקריטריונים. למולקולה הזאת אכן היה הרכב כימי שונה מזה של כל אנטיביוטיקה ידועה. הסיכוי לאתר אותה במחקר סטנדרטי על סמך המידע הידוע היה נמוך ביותר, קרוב לאפס. החוקרים של MIT אמרו שלהגיע לתרופה הזאת באמצעי המחקר הרגילים היה יכול להיות תהליך כה יקר שאף אחד לא היה מממן אותו. תוכנת ה-AI מצאה הקשרים חדשים בין מבנה מולקולרי לבין יכולת אנטיביוטית שחמקו מכל מחקר אנושי, ואשר היו לפעמים סותרים את הידע שנצבר לגבי הקשרים כאלה. בשונה מהמחקר האנושי, שמנסה להבין את המנגנונים על פיהם תהליכים מולקולריים מסויימים פוגעים בגדילה של חיידקים, תוכנת ה-AI איננה מבינה מדוע הרכבים מסויימים יעילים כנגד חיידקים, אבל היא כן יכולה לבדוק ביעילות מהי ההסתברות שתבנית מסויימת שזיהתה בהרכב של חומרים מסויימים, או צירוף של תבניות, יהיו בעלי תכונות אנטיביוטיות, כלומר מעכבות התפתחות של חיידקים. כך היא עומדת יפה במבחן התוצאה בזמן מהיר ביותר.
שוב הודות ללמידה עצמית הגיעה תוכנת ה-AI להישג כמעט בלתי אפשרי, אולי לגמרי בלתי אפשרי, לביצוע ע"י בני-אדם.
גם במקרה של GPT-3, היכולת לייצר טקסטים כמו-אנושיים כתגובה להזנה של קלט טקסטואלי אחר, התבססה על תהליך למידה מקדים. GPT-3 הוא מה שנקרא מודל של עיבוד שפה טבעית, Natural language processing והוא כולל שתי יכולות מרשימות, גם הבנה של טקסט, וגם היכולת לייצר טקסט חדש. תהליך הלימוד שלו כלל הזנה של כמות עצומה של טקסטים באנגלית שנלקחו מהאינטרנט כולל וויקיפדיה, ומספָרים. מתוכם למדה תוכנת ה-AI הזאת מגוון אפשרויות בסיסיות של השפה, מה שנקרא בלשון המקצועית tokens, כאשר token בודד יכול להיות למשל מילה, ביטוי, משפט, או פסקה. התוכנה הוזנה כך בקרוב ל-500 מיליארד של טוקנים. מתוך בסיס המידע הענק הזה למדה התוכנה בעצמה את מבנה השפה האנגלית, את יכולות הביטוי באמצעותה, ובעקיפין רכשה את כל הידע העצום שהיה גלום בבסיס הזה. לאחר שלב הלימוד תיכנתו את GPT-3 לקבל טקסט כלשהו, לפרק אותו ל-tokens המרכיבים אותו על פי מה שהיא למדה, ופה העוקץ – לחזות מהו הטוקן הבא שישלים את אותו טקסט. כך, אם שואלים את התוכנה שאלה מסויימת שהיא יכולה לפרשה, היא תחזיר תשובה, כי ל"הבנתה" במירכאות היא משלימה את הטקסט שהוזן לה. אם מזינים מושג, היא תשלים אותו באמצעות ההסבר של אותו מושג. אבל GPT-3 בשונה מסתם מנוע חיפוש איננה מביאה טקסט שמישהו אחר כתב, אלא מייצרת את התשובה בעצמה על בסיס הטקסטים שסרקה בזמן האימון שעברה. כך קורה הרבה פעמים שאין לדעת אם התוכנה מחזירה טקסט אמיתי או מומצא, נכון או שגוי. ברוב המקרים ניתן לאמר שתביא טקסט נכון, אבל אין בטחון שזה נכון. לפעמים היא תכתוב מאמר שלם מדוייק למדי על ההיסטוריה של היריבוּת הכלכלית בין סין לארה"ב, אבל כאשר ביקשתי ממנה לצורך הניסוי לנקוב בשמם של ספרים שעוסקים בַּהשלכות של AI על גיאופוליטיקה, קיבלתי שמות של ספרים שהיא המציאה ושייכה להם מחברים אמיתיים, אבל של ספרים אחרים. כשראיתי את התוצאות וגיליתי באמצעות גוגל שהן לא אמיתיות נפלתי מהכסא מצחוק, אבל אתן מבינות ומבינים את הסכנה הגלומה פה ליצירת fake news, החל למשל ממתן הוראות שגויות להכנת עוגה, ועד שיוך אמירות לא נכונות לאנשים מסויימים.
וכאן אנחנו מגיעים לבעייה הגדולה ביותר והמשותפת לכל מערכות ה-AI הלומדות – אין אף אדם, תהיה היא החוקרת המתקדמת ביותר במדעי המחשב או אחר, אשר מבינים כיצד עובדת תוכנת הבינה המלאכותית. זוהי מעין קופסה שחורה. לכן, לא ניתן לחזות איך תגיב, כמה זמן ייקח לה לתת תשובה, ואם יש ערך כלשהו לתשובה שלה. עכשיו, זה לא אומר שאין להשתמש בטכנולוגיה הזאת, אבל צריך להבין את חולשותיה. מכאן נובע החשש המוצדק מכל הנושא הגדול הזה שנקרא בינה מלאכותית. אחזור לזה בהמשך.
אגב, מי שרוצֶה או רוצָה להתנסות בעצמה בחוויית השימוש ב-GPT, יכולים לעשות זאת דרך ממשק פתוח לַכל של בוט שיחה, chatbot, המתממשק עם GPT-3.5 ואשר קיים ברשת מאז נובמבר בשנה שעברה, זהו אותו ChatGPT מפורסם שאולי שמעתם עליו.
רקע כללי וההתקדמות בשנים האחרונות
אז דיברנו על שלוש דוגמאות מצויינות של תוכנות AI ועל כך שמה שמאפיין אותן זה למידה. אם נדמה לכם שבשנים האחרונות שומעים הרבה יותר על AI אז זה אכן כך ולא בכדי. היתה קפיצת מדרגה בתחום הזה לפני כעשר, חמש עשרה שנים, שקשורה באותה למידה, בעקבותיה תוכנות בינה מלאכותית החלו להופיע באינספור תחומים.
אבל המושג בינה מלאכותית אינו חדש וקיים למעשה כבר למעלה מ-80 שנה. הוא מתאר באופן כללי כל מחשב שתוּכנת לפתור בעיות שבעבר נדרשת היתה אינטליגנציה אנושית לפותרן. מה שהביא להתקדמות משמעותית בתחום הזה היה מדע שהתפתח במקביל, חקר המוח האנושי. בתחילת המאה הקודמת כבר ידעו שבמוחנו יש כ-100 מיליארד תאי עָצָב, נוירונים, אשר מופעלים ע"י אותות חשמליים, ואשר בהתקיים תנאים מסויימים מעבירים הלאה אותות חשמליים אל נוירונים אחרים. כל נוירון מחובר ל-10,000 עד 100,000 נוירונים אחרים בממוצע באמצעות חיבורים הנקראים סינפסות, וכך נוצרות רשתות נוירונים מורכבות ביותר. רשתות הנוירונים אחראיות ליכולות האנושיות המורכבות כגון עיבוד החיוויים המתקבלים מחושינו למשל חוש הראייה, על החשיבה, על קבלת ההחלטות, ועל התודעה, כלומר המודעות לעצמנו. הקשרים בין הנוירונים אינם קבועים, הם יכולים להשתנות, מה שמאפשר את הלמידה ואת שמירת תוצאותיה בזכרון. היום גם יודעים שלא רק הקשרים בין הנוירונים הינם דינמיים, אלא גם הנוירונים עצמם יכולים לקטון ולהסתעף ואף יכולים להופיע נוירונים חדשים במהלך החיים, אם כי עיקר הדינמיות היא בקשרים בין הנוירונים. עוד עובדה מדעית חשובה היא שלמוח שלנו יש את היכולת לבצע הרבה מאד תהליכי עיבוד מידע במקביל. המקביליות הזאת היא שמחפה על כך שכל אחד מהתהליכים האלה הוא איטי יחסית למהירותם של מחשבים. נוסף על כך מחולקים תהליכי עיבוד המידע שבמוחנו לשכבות, כאשר כל שכבה מבצעת אספקט מסויים של עיבוד מידע, למשל כאשר מדובר בעיבוד במוח של תמונה הנוצרת על רשתית העין שלנו, יכולה שכבה אחת לפענח את הצבעים בתמונה ושכבה אחרת את קוי המתאר שלה. הודות לארגון הרב-שכבתי הזה ולמקביליות החישוב בכל שכבה, טוב יותר מוחה של ילדה בת 5 מכל מערכת AI קיימת בביצוע משימות מסויימות, למשל לזהות אם עצם הניצב מולה הוא חתול חי, או להבין משפט מורכב בשפה ולהסיק ממנו מסקנות מדוייקות. נראה בהמשך איך התקדמות הבינה המלאכותית מסתמכת על ההבנה הזאת של צורת הפעולה של המוח. כל מה שציינתי לגבי מוח האדם לא בא לטעון שישנה היום הבנה מדוייקת של הדרך בה מושגת אינטליגנציה אנושית באמצעות פעילות רשתות הנוירונים. ממש לא, אנחנו רחוקים מאד מהבנה כזאת. אבל כן מבינים בצורה טובה למדי חלק מהתהליכים המתרחשים במוח, ויש לנו הבנה חלקית של הקשר בינם לבין יכולות מוחיות מסויימות.
עוד עובדה ביולוגית שכדאי לציין היא שמלבד התודעה, Conciousness, כלומר מודעותנו לעצם קיומנו וההכרה בכך שאנחנו חושבים על עצמנו, שנחשבת תכונה אנושית, היכולות המוחיות האחרות קיימות אצל רוב בעלי החיים ועובדות באופן כמעט זהה, אם כי בהיקף קטן יותר.
נחזור לעולם המלאכותי. פריצת הדרך המשמעותית ביותר לעולם הבינה המלאכותית היתה בשנת 1943, במאמר שהיה תוצאה של שיתוף פעולה בין שני חוקרים משני תחומים שונים. האחד היה וורן מֵק'קוּלוֹח, חוקר מתחום הפיזיולוגיה של המוח מאוניברסיטת אילינוי, השני וולטר פּיטס, אוטו-דידאקט שעסק בלוגיקה ופסיכולוגיה קוגניטיבית. המאמר שלהם הציג לראשונה מודל מתמטי של נוירון במוח האנושי. המאמר הזה הניח את היסוד לבנייה של מודל של נוירון ולרשת נוירונים מלאכותית וכך סלל את הדרך להתפתחות למידה עצמית של מחשבים כמרכיב חשוב בבינה המלאכותית, מה שכבר אמרנו שנקרא למידת מכונה.
עד לשנות השמונים של המאה העשרים היה תחום ה-AI די רדום, אולם אז החלה התעניינות רבה בו מכיוונם של תחומים שונים – פסיכולוגיה, ביולוגיה, סטטיסטיקה, מדעי המחשב כמובן ועוד. החל בשנות התשעים החלו להופיע יישומים מוצלחים ראשונים שאף זכו לפרסום, כמו המחשב 'כחול עמוק' שניצח לראשונה רב-אמן בשר ודם, את גארי קספרוב, או רובוטים שנשלחו לחקור את פני השטח של כוכב מאדים בתחילת שנות האלפיים ואשר היו מסוגלים לנווט באופן אוטונומי בַּשטח ההררי שמאפיין את המאדים. אלא שמה שאיפיין דוגמאות אלה היה שהן דרשו תהליך אימון מבוקר ע"י בני אדם שהיה ארוך ויקר ולא תמיד מספיק מדוייק. גם כוח החישוב שנדרש היה עדיין יקר למדי. הפריצה המשמעותית ביותר התחילה כאשר גודלם של של מעבדים חזקים ירד באופן דרמטי וכן מחירם, מה שאיפשר הכנסת מעבדים רבים לתוך שבב אלקטרוני אחד תוך יכולת חישוביות מקבילית, וכל זה בעוד המהירות של המעבדים השתפרה עוד ועוד. ההתקדמות הזאת הפכה למעשי את אחד הנושאים התיאורטיים והחשובים בתחום של למידת מכונה, שעד אותו זמן היה יקר מאד למימוש. הנושא החשוב הזה נקרא למידה עמוקה, Deep Learning.
למידה עמוקה היא טכנולוגיית לימוד מכונה של מערכות AI הבנויה על ריבוי מעבדי מחשבים המאורגנים בריבוי שכבות של רשתות נוירונים מלאכותיות, בדומה למוחנו, ואשר מסוגלות לעבד כמות עצומה של מידע במקביל ומהר. למה 'עמוקה'? כי זו רשת נוירונים מלאכותית עמוקה, כלומר מרובת שכבות. השכבות מבצעות עיבוד של מידע אחת אחרי השניה, כשכל שכבה תורמת להתקדמות "ההבנה" במרכאות של המידע בדרך אל המטרה. לדוגמה,כאשר נותנים למערכת AI תמונה המורכבת מפיקסלים ומבקשים לדעת האם מופיע בה חתול, שכבה אחת תזהה תבניות של פיקסלים הקרובים בגוון ובכהות, השניה תזהה את הגוונים בתבניות האלה, השכבה הבאה את קוי המתאר, השכבה הבאה יחסים גיאומטריים ביניהם וכן הלאה עד להחלטה באם יש בתמונה אובייקט העונה לפרמטרים של חתול. כדי להגיע למצב שבו המערכת תזהה נכון תמונת חתול באחוז גבוה מהמקרים וגם לא תטעה ותזהה חתול כאשר מראים לה כלב, יש לאפשר לה לעבור תהליך למידה. לשם כך מראים לה בשלב הלימוד תמונות, כמה שיותר, נותנים לה לעבד אותן באמצעות שכבות הנוירונים המלאכותיים שלה, ובסוף כל תמונה היא נדרשת להחליט אם זיהתה חתול, ואז מציינים לה אם צדקה או טעתה. כך היא לומדת על בסיס ניסוי וטעייה. כמובן שהתהליך הזה יכול להיות אוטומטי, ואין צורך שבן אדם ייקח בו חלק, רק בתהליך המקדים של סימון כל תמונה לגבי השאלה האם יש בה חתול. כך, אם נותנים למערכת Deep Learning כזאת בסיס נתונים מספיק גדול של תמונות היא לומדת בעצמה את המאפיינים הויזואליים של חתול. אחרי תהליך הלמידה, כאשר ייתנו לה תמונה חדשה מבלי לציין אם יש בה חתול, היא תזהה אם יש בה חתול בשיעור הצלחה גבוה. לשיטת לימוד כזאת קוראים למידה באמצעות חיזוקים, Reinforcement Learning. היא אחת הנפוצות אך לא היחידה. לא במקרה היא מזכירה שיטות לימוד וחינוך פסיכולוגיות של ילדים. ככל שייתנו למערכת למידה עמוקה יותר נתונים ללמוד על פיהם כך סיכויי ההצלחה שלה להשיג את מטרתה בעתיד ייגדלו. זו הסיבה שהתפתחות הלמידה העמוקה עודדה את הנושא של ביג-דאטה בו אוספים נתונים בכמות גדולה מאד כדי שיאפשרו למידה עמוקה. זוכרים את הסיפור בתחילת הפרק על תוכנת alpahZero שלימדה את עצמה שחמט ע"י שהיא משחקת עם עצמה? זוהי דוגמה טובה. החיזוקים שקיבלה המערכת היא מהתוצאה הסופית של איזה צד ניצח בכל משחק. את ריבוי הנתונים היא קיבלה הודות למשחקים הרבים שהיא ביצעה עם עצמה.
רוב רובן של מערכות הבינה המלאכותית של ימינו מסתמכות על למידת מכונה מסוג למידה עמוקה, לכן כאשר אומרים היום תוכנת AI מתכוונים לתוכנה שמתבססת על למידה עמוקה בלי צורך לציין זאת במפורש.
על בינה מלאכותית צרה וכללית
מאז שהחלו לעסוק בבינה מלאכותית עלתה השאלה עד כמה אינטליגנטית יכולה להיות מכונה?
ספוילר: AI לא עומד לעלות על האדם מבחינת אינטליגנציה וגם לא החליף בני אדם בכל שדרות החיים, לפחות עוד הרבה שנים. זהו עוד כלי לשיפור תהליכי עבודה וחיים של בני אדם. משום כך נהוג לכנות את מערכות הבינה המלאכותית הקיימות היום, גם המשוכללות ביותר – AI צר. אלו תוכנות ויישומים המוכוונים לפתור בעיה ספציפית, או אוסף של בעיות ספציפיות.
לעומת ה-AI הצר ישנו תחום מחקר בנושא המכונה בינה מלאכותית כללית, Artificial General Intelligence, (בקיצור) AGI, אשר מכַוון ליצור מחשב המסוגל ללמוד כל נושא שהוא, בדומה לאדם. AGI נמצא שנות דור מהיכולת להיות שקול לאדם מבחינה מנטלית. כאשר ידעו ליצור מכונה שיש לה תכונות כמו חברות, חמלה, הומור, אמפתיה, סקרנות, ספק, פחד ומודעות עצמית נדבר שוב.
ישנו מבחן מפורסם שהפך כבר פולקלור, שהגה אותו אלן טיורינג, מחלוצי ה-AI, כדי לקבוע באם למכונה יש אינטליגנציה שקולה לזו האנושית. אלן טיורינג היה מתמטיקאי בריטי ומחלוצי מדעי המחשב והבינה המלאכותית. למהנדסי מחשבים הוא ידוע בזכות מה שנקרא 'מכונת טיורינג' שהגדירה מודל מתמטי שמסביר את פעולת המחשב בצורה גאונית בפשטותה. לאחרים הוא זכור אולי מהסיפור ההיסטורי על תרומתו לפיצוח 'אניגמה', הקוד ששימש להצפנת ההודעות האלחוטיות של צבא גרמניה הנאצית בימי מלחמת העולם השניה. אחרים אולי זוכרים את הסרט הבריטי שנוצר על חייו – "משחק החיקוי". טיורינג הגדיר את המבחן הבא לבדיקת מידת האינטילגנציה של מחשב או מכונה: מישהי, נקרא לה אליס, יושבת מול שני מסופי מחשב זהים בחדר סגור. אחד המסופים מחובר למחשב, מאחורי השני יושב בוב, אדם ללא כוונות זדון. אליס איננה רואה את בוב ואיננה יודעת איזה מסוף מחובר למחשב ודרך איזה עונה בוב. לאליס יש 5 דקות להקליד שאלות שונות דרך שני המסופים. אם אליס איננה מצליחה לקבוע ובאופן נכון מאחורי איזה מסוף מחובר מחשב ומאחורי איזה נמצא בוב, אזי ניתן לאמר שהמחשב הוא אינטילגנטי. נכתבו אינסוף מאמרים פילוסופיים לגבי תקפותו של המבחן הזה.
על סכנות ובעיות אתיות
אז האם הבינה המלאכותית טובה לאנושות או רעה לו. הדעות לגבי AI משתנות במנעד רחב בין מי שחושבות וחושבים שהבינה המלאכותית היא כלי ענק וחשוב שיצעיד את העולם אל עתיד טוב יותר, לבין אלה הסוברות וסוברים שהיא תחריב את העולם, בעיקר בהקשר של שימושה בכלי הנשק של העתיד.
כמו שציינתי קודם, אחת הבעיות עם מערכות בינה מלאכותית היא שאין שום שליטה והבנה שלנו בני האדם של התהליכים שמתרחשים בשכבות הנוירונים המלאכותיים שמרכיבות את מערכת ה-AI . אנחנו נותנים למערכת בינה מלאכותית קלט, למשל אוסף מצבים, ורואים את התוצאה, למשל החלטה. היא מתנהגת כקופסה שחורה. אין לנו דרך לדעת אם ההחלטה המתקבלת במערכת AI היא דטרמיניסטית, נכונה, וכמה זמן יידרש כדי להגיע אליה. מכאן נובע החשש, ובמידה רבה של צדק, מהמערכות האלה. הבאתי בתור דוגמה את ChatGPT שיודע להבין שאלה בשפה האנגלית ונותן תשובה, או כותב מאמר בתגובה. אין שום דרך לדעת אם התשובה שתתקבל היא נכונה, מעוגנת בעובדות, או שהמערכת הזו המציאה את התשובה ואין כל קשר בין התשובה הזאת לבין המציאות. הפתרון היחיד לבעיה הזאת הוא הצלבת התשובה עם מקור מהימן. לכן, כל עוד איננו מבינים את דרך הפעולה שלהן, ננהג עם מערכות AI שעוסקות בנושאים קריטיים, כמו בטחון ובריאות בחשד. כאשר לדוגמה תוכנת AI מפענחת צילומי רנטגן של פציינטים ומזהה ביניהם כאלה המעידים על חשש לקיומו של סרטן ריאה, תמיד יהיה צורך בהצלבה או הצלבות נוספות בהתאם למקרה, למשל ביצוע בדיקות דם לחולה, או שיקוף מעמיק יותר וכמובן הערכה של רופא אנושי.
אז מה ההישג הגדול בשימוש ב-AI ברפואה תשאלו, מה הביג דיל? במקרה של הדוגמה הזאת היתרון הוא שמערכת הבינה המלאכותית עשויה לאתר חולים בשלב מוקדם של סרטן שהיו חומקים מעיניו של רנטגנאי אנושי, וגם מסוגלת לעבד את הצילומים הרבה יותר מהר. עוד דוגמה שדיברנו עליה היא המערכת שאיתרה תרופה אנטיביוטית חדשה יעילה כנגד חיידקים עמידים. גם במקרה הזה נדרשו בדיקות מעבדה רבות כדי לאמת את הממצא של מערכת ה-AI וכדי לוודא שאין בתרופה החדשה סכנות לאדם. אבל ללא הבינה המלאכותית לא היו מגלים כלל את התרופה החדשה. כך גם אותם סטודנטים וסטודנטיות שכבר פינטזו ש-ChatGPT יכתוב להם את שיעורי הבית או את עבודת המחקר הבא, או שכבר השתמשו בו, יצטרכו תמיד לחיות בחשש שמא העבודה שתוכנת הבינה המלאכותית כתבה עבורם הוא בולשיט אמיתי ושמהר מאד יעלו על זה.
בעייה נוספת עם תוכנות AI, אם כי בעלת השפעה פחות מסוכנת, היא שאלו מהן שעוסקות בטקסטים או תמונות, כיוון שהן לומדות מתוך מאגר המידע האנושי, נוטות לשקף בתשובות שלהם כל מה שמצוי באותו מאגר, כולל נושאים שליליים מבחינה ערכית. כך התשובות של תוכנת AI עלולות לכלול שפה רעילה, כגון הטיות גזעניות, מיגדריות ואחרות, וגם משפטים שנלקחו מתוך תיאורי זוועות כמו אונס, התעללות בילדים ובחיות, התאבדות ורצח. בחברת OpenAI שפיתחה את GPT מודעים היטב לבעיה. על פי תחקיר של מגזין הטיים, השתמשה OpenAI בחברה שהעסיקה עובדים קנייתיים כדי לעבור על מאגר הנתונים של ChatGPT ולנקות ממנו טקסטים כאלה. התחקיר של הטיים אמנם התרכז בשכר הנמוך של אותם עובדים מקניה, אך זה שייך לנושא אחר. הצדק הפואטי, או העוול הפוואטי, תלוי בנקודת המבט, הוא שאותה תוכנת ChatGPT, למרות החשד לגבי תוצאותיה, סביר שתגזול את פרנסתם של אותם עובדים קנייתיים או אחרים. מסתבר שיש בקניה כוח עבודה של כ-20,000 פרילנסרים שכותבים עבודות באנגלית עבור סטודנטים בארצות דוברות אנגלית שמעדיפים לרמות ולא לכתוב את העבודות שלהם בעצמם. המשרה במרכאות הזו תהיה בין הג'ובים הראשונים שיוחלפו ע"י מערכות AI ככל שיתקדמו תוכנות כמו ChatGPT.
וזה מביא אותי בדיוק לחשש נוסף שקיים לגבי הבינה המלאכותית, החשש מאובדן משרות בהיקפים גדולים. נכון שהחשש הזה ליוה את בואה של כל מהפכה טכנולוגית בהיסטוריה האנושית ותמיד התגלה כפחד שווא, אלא שאין העבר מעיד על העתיד והפעם אנו ניצבים בפני טכנולוגיה שיכולה להחליף הרבה משרות והרבה יותר מהר מכל מהפכה טכנולוגית קודמת. ניצנים למשרות הראשונות להיפגע רואים כבר היום, אם אלה רובוטים תעשייתיים המחליפים עובדי ייצור ביפן ובדרום קוריאה, אם אלה נהגי התחבורה הציבורית שמוחלפים ע"י כלי רכב אוטונומיים, ואם אלה עובדי שירות לקוחות שמוחלפים ע"י בוטים. אלא שבמהפיכה הזאת לא יוחלפו רק עובדים ועובדות במשרות שאינן דורשות השכלה גבוהה או הכשרה ארוכה.
מי שלא בא מתחום פיתוח התוכנה קרוב לוודאי שלא מודע לתחום נוסף בו חזקה תוכנת ChatGPT, תחום כתיבת קוד תוכנתי. מסתבר שמהנדסי ומהנדסות OpenAI אימנו את מודל GPT-3.5 לא רק על טקסטים בשפה טבעית, אלא גם על קטעי טקסט רבים המייצגים קוד תוכנה יחד עם ציון הבעיה שאותה תוכנה באה לפתור. קבוצות הדיון העולמיות של אנשי ונשות פיתוח התוכנה מלאים בסיפורי הצלחה של כתיבת משימות תוכנה בעזרת ChatGPT, כולל לצרכי עבודה, ו-ChatGPT איננו הכלי היחיד בתחום הזה. וזוהי כבר מהפיכה של ממש! סף הכניסה לעבודה בתחום פיתוח התוכנה הוא גבוה. העובדות והעובדים בתחום הזה נדרשים ללמוד הרבה מאד כדי לעסוק בו, לרוב במוסד אקדמי. גם אחר כך נדרשות להם שנים של עבודה שכלית מייגעת כדי להגיע לרמה טובה של פיתוח תוכנה. לכן, להחלפה של חלק גדול מכוח העבודה בתחום פיתוח התוכנה ע"י מערכות בינה מלאכותית עשויה להיות משמעות מאקרו-כלכלית גדולה. סקטור שלם שעלותו גבוהה יתכווץ וכך ישפר את פריון העבודה של הפיתוח הטכנולוגי עליו נסמך העולם המפותח והמתפתח, מצד שני הדבר עשוי להוריד את רמת הצריכה בעולם וכך את צמיחתו. תוכנה עוטפת אותנו היום מכל עבר, אם זה בצורת אתרים שמספקים לנו מידע או שירות, אם זה ברכיבים האלקטרוניים שבמעלית שלנו, בטלויזיה ובסלולר שלנו, ואם זה בכלי הרכב שלנו. כל הייצור התעשייתי היום מנוהל באמצעות תוכנה, גם לפני שנכנסו רובוטים. כל אמצעי ייצור האנרגיה. וכמובן שתוכנה מצויה בכל כלי הנשק המתוחכמים של ימינו. כל הצעידה קדימה של האנושות מבוססת על יכולות פיתוח תוכנה. לכן המשמעות של אוטומציה והאצה, גם אם חלקית בתחילה, ואחר כך כמעט מלאה, של פיתוח תוכנה היא אדירה. אין לי מספיק מילים כדי לבטא את המשמעות שאני נותן לתרומה העתידית של התחום הספציפי הזה של החלפת מפתחי תוכנה אנושיים במערכות AI.
בינה מלאכותית וגיאופוליטיקה
הוג היה להחשיב בעבר נכסים גיאופוליטיים של מדינה ככאלה הקשורים רק בגיאוגרפיה שלה, כמו שרשרת הרים גבוהה על גבול המדינה שמגינה עליה מפני שכנתה, או גישה לים וממנו לנתיבי הסחר העולמיים. כיום נכנסים תחת הקטגוריה של נכסים גיאופוליטיים עוד הרבה תחומים. אלה יכולים להיות עוצמה צבאית, נשק גרעיני, אוצרות טבע, תעשייה ייחודית, תמ"ג לנפש גבוה, ובעצם כל משאב שתורם לעוצמתה ומעמדה של מדינה בקרב שכנותיה הקרובות ובעולם כולו. כך ארה"ב היא ללא ספק עשירה בנכסים גיאופוליטיים – כל מה שהזכרתי קודם לכן מתקיים אצלה. לטאייוואן יש נכס גיאופוליטי חשוב שנקרא תעשיית ייצור השבבים, למעשה זהו בעיקר חברה אחת, TSMC, אשר לה מספר מפעלים לייצור מגוון רחב של רכיבים אלקטרוניים כולל המתקדמים ביותר בעולם, יותר מתקדמים מאשר אלה המיוצרים על אדמת ארה"ב. אם חשבתם שארה"ב מגינה על האינטרסים של טאיוואן כנגד סין רק בגלל הגנה על ערכי הדמוקרטיה אז יש לי חדשות בשבילכן – לא זו הסיבה העיקרית. TSMC היא הסיבה העיקרית.
עוד דוגמה מהעולם הזה היא הולנד. עד לאחרונה לא שמענו עליה מעבר לנושאים הקשורים לעישון גראס. ובכן להולנד יש את המפעל המתקדם ביותר בעולם לייצור המכונות שמשמשות את תעשיית השבבים האלקטרוניים, כולל אלה המשמשות את TSMC הטאיוואנית.
ואילו נכסים גיאופוליטיים יש לישראל? יש לנו גישה לים התיכון וממנו לנתיבי הסחר החשובים, תעשיית היי-טק עם מספר חברות הסטארט-אפ השני בגודלו בעולם אחרי ארה"ב, ויש הטוענים שגם נשק גרעיני.
גם ההובלה או לפחות השליטה בתחום של בינה מלאכותית זוהתה ע"י מדינות רבות כמשאב גיאופוליטי שיכול להשפיע על כוחן ומעמדן בעתיד הקרוב והרחוק. ארצות הברית מובילה את התחום הזה עם פעילות ענפה באקדמיה, בתעשייה, בהשקעות ובתמיכות ממשלתיות. בסין, הכריזו גורמים רשמיים כבר בשנת 2017 על מטרתה להיות מרכז חדשנות עיקרי בבינה מלאכותית עד שנת 2030. ואכן בסין יש את מאגר המהנדסים והקנין הרוחני בתחום הזה שהוא שני רק לארה"ב. ברוסיה, ידועה הכרזתו של פוטין בשנת 2017 שמדינה שתוביל בתחום ה-AI תשלוט בעולם כולו. בגלל הנחיתות המדעית והטכנולוגית של רוסיה היא אינה נחשבת כאחת המובילות בתחום הזה. עוד מובילות, לפחות במחקר בתחום הבינה המלאכותית, הן קנדה ובריטניה. גם הודו זיהתה את הבינה המלאכותית כנכס אסטרטגי. ביולי 2022 ערך משרד ההגנה ההודי כנס גדול בניו-דלהי בנושא "AI בתחום ההגנה" בו הוצגו 75 מוצרים וטכנולוגיות משלבי בינה מלאכותית ופורסם מסמך רשמי בן 118 עמודים בנושא אסטרטגיית המוכנות ל-AI של משרד ההגנה ההודי.
לגבי מקומה של ישראל בתחום הזה אגע בסוף הפרק.
באופן טבעי, הביטוי המשמעותי ביותר לתרומתו של AI לעוצמתה של מדינה הוא בתחום הצבאי. הדוגמה הבולטת ביותר של השנה האחרונה היו כלי הטייס הבלתי מאויישים, הכתב"מים הצבאיים, שחלקם מפוקדים מהקרקע וחלקם בעלי יכולת ניווט והפצצה אוטונומיות, תכונות שמתאפשרות הודות לבינה מלאכותית. מדברים היום הרבה על נחילים של עשרות ומאות רחפנים צבאיים שיישלחו להתקפה על אותו יעד, כאשר התיאום בין כתב"מים כה רבים הנעים באויר יחדיו נעשה באמצעות תוכנות AI. המדינות שזכו השנה לפרסום כמפתחות מרכיב זה, בגלל תרומתן במרכאות למלחמת רוסיה באוקראינה היו נוסף על ארה"ב טורקיה ואירן. ידוע שגם לישראל יש תעשייה מפותחת של כתב"מים לצרכים אזרחיים וצבאיים. הפוטנציאל הקיים ברובוטים יבשתיים, ימיים ואויריים אוטונומיים שיכולים לבצע תקיפה צבאית ללא אבידות לבני אדם הוא גדול.
אחד התחומים החשובים הנוספים שקושרים AI לַמערכות הצבאיות העתידיות הוא רתימת יכולת עיבוד המידע המהיר וקבלת החלטות בזמן אמת. כך למשל מערכת נ"מ מבוססת AI עשויה לאתר באופן מדוייק יותר מאשר היום תקיפה אוירית כתוצאה מניתוח מהיר בזמן אמיתי של נתוני מכ"מ ואחרים, ולקבל החלטות מהירות ואופטימליות יותר ממפעילים אנושיים לגבי איזו תגובה להפעיל ומתי – האם להקפיץ מטוסי קרב, האם לירות טילים לטווח ארוך, בינוני, קצר, שילוב של כמה אמצעים? כמה טילים לירות על מטוסי הקרב ומתי בדיוק? אלא שמערכת החלטות אוטומטית שכזאת, בגלל המהירות בה היא מגיעה להחלטות, ובמיוחד אם לא תהיה מבוקרת ע"י אדם, עלולה לגרום להסלמה צבאית מיותרת. אולם לשילוב בין אדם ל-AI יהיה בהחלט יתרון. בשנת 2018 פורסם מאמר תחת חסות נאט"ו שעוסק כולו בנושא של שיתוף פעולה בין אדם ל-AI כדי לשפר את תהליכי קבלת ההחלטות.
באופן דומה מדברים היום על הנושא הרגיש ביותר והמסוכן ביותר שקיים בתחום הצבאי – קבלת החלטה להפעלת נשק גרעיני. כפי שתיארתי בפרק 13 מאוקטובר בשנה שעברה, כל המדינות שאוחזות בנשק גרעיני בונות על מה שנקרא מאזן אימה לצורך הרתעה. האיום האסטרטגי שלהן נבנה על היכולת לשכנע את המדינה הגרעינית היריבה שלהן, שיש להן את היכולת להשיב במכה גרעינית חזקה בכל מקרה בו הן תותקפנה, מה שנקרא אסטרטגיית המכה השניה. הבעייה היא שזה לא פשוט לזהות שטילים גרעיניים עושים את הדרך אליך ולכן יש להכין ואולי מיד לשגר את מכת הנגד. מערכות בינה מלאכותית יכולות לעזור פה, למשל ע"י ניתוח נתונים המגיעים מנקודות רבות על פני הגלובוס לגבי קרינה מייננת, קרינת רדיו, שינויים תרמיים, זעזועים, תמונות לוויין, תמונות מכ"מ, שינויי מזג אויר, שינויים סייסמולוגיים, הכרזות מנהיגים, תזוזת כוחות ועוד ועוד, כדי לנתחן ולהגיע למסקנה באם נורו עלינו טילים בכלל, וטילים נושאי ראש נפץ גרעיני בפרט. מערכת כזאת יכולה אף להחליט אוטומטית לגבי שיגור תגובה, בכדי לחסוך זמן ולעשות את התגובה ליעילה, אולי בכדי להגיב לפני שנשק התגובה ייפגע. אלא שמה אם מערכת ה-AI תטעה? אין מערכת חסינה מטעויות. ותוסיפו על כך את הנושא שדיברתי עליו בתחילת הפרק והוא שאף אחד לא באמת יודע כיצד מגיעה תוכנת בינה מלאכותית למסקנות שלה.
זו הסיבה שכל המעצמות הגרעיניות, בראשן ארה"ב וסין, זיהו את הצורך בהסכמים בינלאומיים לצורך מחקרים משותפים כדי להבין טוב יותר איך עובדות מערכות AI, כדי להגדיר נורמות בינלאומיות להקטנת הסיכונים הגלומים ב- AI, כמו מניעת הסתמכות על זיהוי של מטרות צבאיות שעלול לגרום לאבידות כבדות לאזרחים, אי הפעלת נשק מבוקר AI ללא פיקוח אנושי, ומניעת הפצה של נשק מבוסס AI כדי למנוע הגעתו לגופי טרור ועוד.
אז הסכמים לחוד ומעשים לחוד, ברור הדבר שכל מדינה גם פועלת לביתה אם בגלוי ואם בסתר כדי למצות את הפוטנציאל הגלום ב-AI להוות מכפיל כוח צבאי. מעבר למה שתיארתי אין גבול לדמיון לגבי האפשרויות הנוספות בתחום הצבאי. למשל פיתוח חומרים חדשים שיהפכו כל טנק ורכב קרבי משוריין בלתי פגיע, פיתוח חיסון ותרופה לכל נשק ביולוגי שהוא שעלול להימצא בידי יריביך, שיפור היכולות המודיעיניות ועוד.
אבל כוחה של מדינה לא נמדד כאמור רק על פי עוצמתה הצבאית. ויש בבינה המלאכותית פוטנציאל רב לגבי חוזקתה של מדינה גם בהיבטים אחרים. למשל הכלכלי.
ארה"ב זיהתה את הפוטנציאל שיש לבינה המלאכותית אצל יריבתה התורנית, סין. כמובן בתחום של פיתוח נשק, אבל גם בהיבט הכלכלי. רק סין היא מעצמה שיש בה יזמוּת והשקעות פיננסיות בטכנולוגיה המתחרות לאלה הקיימות בארה"ב. כמו כן רק לסין יש שוק מקומי מספיק גדול עליו אפשר להתגלח על טכנלוגיות חדשות כגון AI. ואכן חברות סיניות מתחרות כבר היום יפה מאד עם חברות אמריקאיות ואחרות בתחומים שמשלבים AI – מכוניות חשמליות אוטונומיות, ניתוח מגמות צרכניות בתחום המסחר האלקטרוני, עיבוד תמונה, רובוטיקה ועוד. לדעתי המוטיבציה העיקרית מאחורי המגבלות שהטיל ממשלו של ביידן בחודש אוקטובר של השנה שעברה על ייצוא טכנולוגיות AI וייצור שבבים, היא לחסום את סין מפני צמיחה כלכלית מבוססת טכנולוגיות מתקדמות. הסיבה הצבאית היא כמובן גם כן מניע, אבל המשני. ההיבט הצבאי סיפק לביידן את גיבוי הקונגרס למהלכיו. ביידן הדמוקרט מוליך את ארה"ב לתחרות גיאופוליטית עם סין על ההתקדמות הטכנולוגית בשורה של נושאים, אחד הראשיים בהם הוא הבינה המלאכותית.
עוד בתחום החוזק הכלכלי יש אינספור דוגמאות היכן ה-AI יכול לעזור לשיפור מצבה הכלכלי של מדינה, למשל פיתוחם של חומרים חדשים לגמרי שיאפשרו ייצורן של סוללות בעלות קיבול גדול פי 100 לאותה יחידת נפח ומשקל ואשר יהפכו אותך למדינה מובילה בתחום של אנרגיה ירוקה, איתור מדוייק של קיומו של כל מחצב שהוא על פני האדמה, פיתוח איזוטופ מלאכותי וזול שיאפשר פיתוח אנרגיה גרעינית בזמינות ובמחיר זול, בעלות על קניין רוחני גדול יותר בתחום ה-AI, היכולת להגדיל משמעותית את פריון העבודה ואיתו את התמ"ג באמצעות רובוטיקה ועוד.
מעבר לתחרות בין מדינות ולהיבט הצבאי ישנם סיכונים גיאופוליטיים נוספים שעלולים להתעורר בעקבות מגמות חדשות שתגרום הבינה המלאכותית. אובדן המשרות שהזכרתי עלול לשנות מגמות של פערי הכנסה בתוך מדינות, להגדיל או להקטין את עושרן היחסי של מדינות, להגדיל פערי עושר בין מדינות, ולגרום לאי-שקט ולסכסוכים.
אך כמובן שבמישור העולמי העל-מדינתי ישנם גם הרבה הזדמנויות לשיפור רווחת האנושות.
בתחום הרפואי – אבחון רפואי מוצלח ומוקדם יותר של מחלות, פיתוח תרופות וחיסונים למחלות חשוכות מרפא, התאמת תרופות מדוייקת יותר המבוססת על הדי אנ איי האישי של המטופל. בתחומי הסביבה והמזון – היכולת לחזות בדיוק רב התפרצות של כל הר געש כולל עוצמתו, היכולת לחזות הופעתן של סופות, אופטימיזציה של ייצור אנרגיה, פיתוחים בתחום של גידול מזון.
בתחום התרבותי פסיכולוגי – צורך לעבוד פחות ופחות שעות מדי שבוע ועדיין להשתכר מספיק, צריכה גדולה יותר של אמנות ותרבות, זמן להתפתחות אישית.
הבטחתי שאדבר על בינה מלאכותית בישראל לקראת סוף הפרק והנה הגענו לנקודה הזאת. מתוך הדוח "בינה מלאכותית וביטחון לאומי בישראל" שנכתב בשיתוף INSS (המכון למחקרי ביטחון לאומי) ואוניברסיטת ת"א בספטמבר 2020 ליקטתי את הציטוט הבא: "ההבנה כי ישראל חייבת לפצות על היעדר משאבים טבעיים ועל משאבי אנוש מצומצמים ביחס לאויביה באמצעות איכות כוח האדם ואיכות טכנולוגית שררה כבר בימי הקמתה, ונחרטה בתפיסת הביטחון של ראש הממשלה הראשון דוד בן־גוריון."
יתרון האיכות הטכנולוגית צריך לכלול גם את הבינה המלאכותית. ואכן זוהה הצורך לבחון באם יש לתמוך ולעודד את התחום ע"י הממשלה. בשנת 2018 הקים ראש הממשלה דאז בנימין נתניהו ועדה בראשות הפרופסורים איציק בן ישראל ואביתר מתניה שזכתה לשם "המיזם הלאומי למערכות נבונות." היא הגישה את מסקנותיה שכללו המלצה להשקעה של בין אחד לשני מיליארד שקל בתשתיות מיחשוב, פיתוח הון אנושי בתחום ה-AI והקמת פרוייקטים לאומיים של בינה מלאכותית בבריאות, תחבורה, ביטחון ועוד. ההמלצות נתקלו בהתנגדות עזה של רשות החדשנות, המועצה להשכלה גבוהה ובעיקר משרד האוצר בממשלתו של נתניהו שטען ש"לא ברור מדוע צריך התערבות ממשלתית מהסוג המוצע".
ועדה נוספת הוקמה בפברואר 2020 בראשות אורנה ברי, מי שהיתה המדענית הראשית במשרד התעשייה בעבר. הועדה הוקמה ע"י פורום תל"מ, פורום תשתיות לאומיות למחקר ופיתוח כולל מספר משרדי ממשלה, את רשות החדשנות והאקדמיה הלאומית למדעים. הועדה המליצה להשקיע כחמישה ורבע מיליארד שקל במשך חמש שנים, אך גם המלצותיה נתקעו יחד עם תקציב המדינה כולו בתקופה בה שימש התקציב כלי פוליטי בידיו של בנימין נתניהו.
הממשלה הקודמת, זו של בנט ולפיד, הרימה את הכפפה. שרת החדשנות המדע והטכנולוגיה באותה ממשלה, אורית פרקש הכהן, הכריזה ביולי 2022 על "התוכנית הלאומית לבינה מלאכותית" עם השקעה של שני מיליארד שקל, המתבססת על עבודתן של שתי הועדות שהזכרתי. הנה ציטוט לא ארוך מדבריו של מנכ"ל רשות החדשנות, דרור בין, שאמר בעת ההכרזה על התוכנית הזאת: "המשך ההובלה העולמית וצמיחת תעשיית ההיי-טק הישראלית אינו מובטח. קצב פיתוח הטכנולוגיות החדישות מואץ וכל מדינה חפצת חיים חורטת על דגלה את נושא החדשנות הטכנולוגית… השקעה בתשתיות בינה מלאכותית היא תנאי לשימור מעמדה המוביל של ישראל בתחרות הבינלאומית."
כעת לא ברור מה יהיה גורלה של התוכנית הזאת במסגרת הממשלה החדשה שנראה שעיקר מטרתה נוסף על הרס הדמוקרטיה הליברלית בישראל היא להפוך על פניו כל מה שהממשלה הקודמת הספיקה לעשות.
בלי קשר ליוזמות ממשלתיות יש בישראל פעילות ענפה למדי בתחום ה-AI. יש הרבה פיתוח בתחום הזה בתעשיות הצבאיות. יש להניח שגם ביחידות הפיתוח של צה"ל ישנה פעילות ענפה בתחום רחוק מעיני הציבור. יש היום לישראל יתרון יחסי בפיתוח מערכות לא מאויישות אוטונומיות, כגון כתב"מים, רכבי סיור אוטונומיים, מערכות רובוטים וחימושים משוטטים ומערכות מעקב לא מאויישות. בתחום האזרחי, כחלק מכך שלישראל תעשיית היי-טק מובילה, ישנן לא מעט חברות סטארט-אפ גם בתחום ה-AI. גם במרכזי הפיתוח הישראליים של החברות הגדולות כגון מייקרוסופט עוסקים בתחום. האקזיט הגדול ביותר במשק הישראלי בכלל ובענף ההייטק בפרט היה מכירתה של חברת מובילאיי הישראלית העוסקת בתחום הנהיגה האוטונומית באמצעות AI לאינטל העולמית תמורת 15.3 מיליארד דולר בשנת 2017.
סיכום
אוקיי, סיכום קצר. מערכת בינה מלאכותית, AI, היא כל תוכנה שמבצעת משימות שבעבר רק בני אדם יכלו לבצעם. התחום הזה צעד שני צעדים משמעותיים – האחד עם הופעת מערכות AI שלומדות בעצמן בתהליך שנקרא למידת מכונה, Machine Learning, השני כאשר למידת המכונה התפתחה לשלב הלמידה העמוקה, Deep Learning. לטכנולוגיה הזאת פוטנציאל אדיר, אך גם לא מעט חולשות, וכרוכות בה גם סיכונים. כמעט כל מדינה בעולם זיהתה את נושא הבינה המלאכותית כמשאב גיאופוליטי שיש לטפחו, וידועים המאמצים שעושות בתחום ארה"ב וסין, וגם היריבות המעצימה ביניהן גם על רקע השליטה ב-AI. בינה מלאכותית משולבת יותר ויותר בכלי נשק ויש חששות גדולים משילובה במערכת קבלת החלטות של נשק גרעיני. נוסף על כך יהיו לבינה המלאכותית השלכות מרחיקות לכת על העולם הכלכלי והאזרחי, אם בשיפורים דרמטיים בתחום הרפואה ואם בהיבט של אובדן משרות גדול שעשוי להתרחש בעולם כבר בעתיד הלא-רחוק. מה שבטוח, בעולם היריבויות הבלתי מסתיימות בין מדינות, מדינה חפצת חיים ושגשוג חייבת להצטיין בתחום הזה של בינה מלאכותית.
2023 כל הזכויות שמורות לרוני ויסמן