בינה מלאכותית: בין הבטחות אשליות לדיסטופיות אמיתיות

‍

בינה מלאכותית חוותה מחזורים רבים של התרגשות ואכזבה. כיום, אנו נמצאים בשלב של צמיחה, הודות לפיתוח מודלים של שפה בקנה מידה גדול (LLMs) המבוססים על ארכיטקטורת Transformer. ארכיטקטורה זו מתאימה במיוחד למעבדים גרפיים (GPUs), ומאפשרת שימוש בכמויות עצומות של נתונים וכוח מחשוב כדי לאמן מודלים עם מיליארדי פרמטרים. התוצאה המשמעותית ביותר היא יצירת ממשק משתמש חדש למחשבים: שפה אנושית.

כשם שממשקי משתמש גרפיים הפכו את המחשב האישי לנגיש למיליוני משתמשים בשנות ה-80, ממשקי שפה טבעית חדשים הפכו את הבינה המלאכותית לנגישה למאות מיליוני משתמשים ברחבי העולם בשנה האחרונה.

‍

המיתוס של דמוקרטיזציה אמיתית

‍

למרות הנגישות לכאורה הזו, ה"דמוקרטיזציה" המובטחת על ידי פתרונות SaaS נותרה חלקית ובלתי מושלמת, ויוצרת צורות חדשות של אי שוויון.

‍

בינה מלאכותית עדיין דורשת מיומנויות ספציפיות:

- אוריינות בינה מלאכותית והבנת מגבלות המערכת

- יכולת להעריך באופן ביקורתי את התוצרים

- מיומנויות שילוב תהליכים עסקיים

‍

אפקט הבינה המלאכותית ופרדוקס הגבול

ג'ון מקארתי טבע את המונח בינה מלאכותית בשנות ה-50, אך הוא עצמו התלונן, "ברגע שזה עובד, אף אחד כבר לא קורא לזה בינה מלאכותית." תופעה זו, המכונה "אפקט הבינה המלאכותית", ממשיכה להשפיע עלינו גם כיום.

‍

ההיסטוריה של הבינה המלאכותית זרועה בהצלחות, שברגע שהן הופכות לאמינות מספיק, אינן נחשבות עוד "חכמות" מספיק כדי להגיע לתווית שאפתנית.

‍

דוגמאות לטכנולוגיות שנחשבו בעבר לבינה מלאכותית פורצת דרך וכיום נתפסות כמובנות מאליהן:

‍

- ראייה ממוחשבת שכעת מובנית בכל סמארטפון

- זיהוי קולי, עכשיו פשוט "הכתבה"

- תרגום שפות וניתוח סנטימנטים, מערכות המלצה (נטפליקס, אמזון) ואופטימיזציה של מסלולים (גוגל מפות)

זהו חלק מתופעה רחבה יותר שאנו יכולים לכנות "פרדוקס הגבולות".

‍

מכיוון שאנו מייחסים לבני אדם את הגבול שמעבר לשליטתנו הטכנולוגית, גבול זה תמיד יהיה מוגדר בצורה לא ברורה. אינטליגנציה אינה משהו שאנו יכולים ללכוד, אלא אופק מתקרב ללא הרף שאנו הופכים לכלי שימושי.

‍

‍

בינה מלאכותית ועומס מידע

‍

התפשטות הבינה המלאכותית הגנרטיבית הפחיתה באופן דרמטי את עלויות הייצור וההעברת המידע, עם השפעות פרדוקסליות על יעדי ההשתתפות האזרחית.

‍

משבר התוכן הסינתטי

השילוב של בינה מלאכותית גנרטיבית ומדיה חברתית יצר:

- עומס קוגניטיבי והגברה של הטיות קיימות

- קיטוב חברתי גדול יותר

- קלות המניפולציה של דעת הקהל

- הפצת תוכן מזויף

‍

בעיית ה"קופסה השחורה"

‍

ממשקים פשוטים מסתירים את אופן פעולתה של הבינה המלאכותית: הבנה לקויה של תהליכי קבלת החלטות אוטומטיים, קושי בזיהוי הטיות אלגוריתמיות.

‍

התאמה אישית מוגבלת של מודלים בסיסיים. החשיבות של בינה אוטומטית מונעת על ידי אדם. בינה מלאכותית יכולה להביא אותנו רק 90% מהדרך לשם.

‍

מכונות מצטיינות בניתוח כמויות גדולות של נתונים, אך מתקשות להתמודד עם מקרי קצה. ניתן לאמן אלגוריתמים להתמודד עם יותר חריגים, אך מעבר לנקודה מסוימת, המשאבים הנדרשים עולים על היתרונות. בני אדם הם הוגים מדויקים המיישמים עקרונות על מקרי קצה, בעוד שמכונות הן קירוביות שמקבלות החלטות על סמך תקדימים.

‍

מהייפ לאכזבה: מחזור הבינה המלאכותית

כפי שגרטנר מתאר במחזורי הייפ טכנולוגיים, התלהבות פרועה מלווה בהכרח באכזבה - "עמק האכזבה".

‍

מייסדים מרוויחים בטווח הקצר משיווק קליט, אך זה כרוך במחיר. אלן קיי, חלוץ מדעי המחשב וחתן פרס טיורינג, אמר באמרו המפורסם: "טכנולוגיה היא טכנולוגיה רק עבור אלו שנולדו לפני שהומצאה". אנשי מקצוע בתחום למידת מכונה הם מדענים ומהנדסים, אך מאמציהם תמיד נראים כמו קסם - עד שיום אחד הם כבר לא.

‍

הומוגניזציה ואובדן יתרון תחרותי אימוץ נרחב של אותם פתרונות SaaS מוכנים מראש מוביל ל: התכנסות לעבר תהליכים עסקיים דומים קושי בבידול באמצעות בינה מלאכותית חדשנות מוגבלת על ידי יכולות הפלטפורמה התמדה בנתונים והסיכונים שלה

‍

עם הנגישות של פלטפורמות בינה מלאכותית גנרטיבית: נתונים נשמרים לאורך זמן בתשתיות דיגיטליות. ניתן לעשות שימוש חוזר בנקודות נתונים בהקשרים שונים.

מעגל מסוכן נוצר כאשר דורות עתידיים של בינה מלאכותית מאומנים על תוכן סינתטי.

‍

הפער הדיגיטלי החדש

‍

שוק הבינה המלאכותית מתחלק ל:

- בינה מלאכותית של סחורות: פתרונות סטנדרטיים הזמינים לרבים

- בינה מלאכותית מתקדמת קניינית: יכולות חדשניות שפותחו על ידי מספר קטן של ארגונים גדולים

‍

הצורך באוצר מילים מדויק יותר

חלק מהבעיה טמון בהגדרה של "בינה מלאכותית".

‍

אם נפרק את המונח באופן רקורסיבי, נגלה שכל ענף של ההגדרה מתייחס ל"בני אדם" או "אנשים". לפי הגדרה, אם כן, אנו חושבים על בינה מלאכותית כחיקוי של בני אדם, אך ברגע שיכולת נכנסת באופן מובהק לתחום המכונות, אנו מאבדים את נקודת ההתייחסות האנושית ומפסיקים להתייחס אליה כאל בינה מלאכותית.

‍

כדאי יותר להתמקד בטכנולוגיות ספציפיות שניתן ליישם, כגון טרנספורמטורים עבור מודלים של שפה או דיפוזיה ליצירת תמונות. זה הופך את היכולת שלנו להעריך מיזם להרבה יותר מפורשת, מוחשית וממשית.

‍

סיכום: מהחזית לטכנולוגיה

‍

פרדוקס הגבולות פירושו שבינה מלאכותית מאיצה כל כך מהר עד שבקרוב היא פשוט תהיה טכנולוגיה, וחזית חדשה תהפוך לבינה מלאכותית. הפיכה ל"טכנולוגיה" צריכה להיחשב כהכרה ברעיון שבעבר היה בחזית האפשרויות. מאמר זה קיבל השראה בחלקו מהרהוריה של Sequoia Capital על פרדוקס הבינה המלאכותית.

למידע נוסף: https://www.sequoiacap.com/article/ai-paradox-perspective/

‍

ההבטחה האמיתית של בינה מלאכותית נגישה אינה רק להפוך את הטכנולוגיה לזמינה, אלא יצירת מערכת אקולוגית שבה חדשנות, שליטה ויתרונות מופצים באמת.

עלינו להכיר במתח שבין גישה למידע לבין הסיכונים של עומס יתר ומניפולציה.

‍

רק על ידי שמירה על אלמנט אנושי חזק בבינה מלאכותית ואימוץ שפה מדויקת יותר נוכל לממש את הפוטנציאל שלה ככוח להכלה וחדשנות מבוזרות באמת.