בינה מלאכותית כללית (AGI) - מערכת בעלת אינטליגנציה דומה או גבוהה מזו של בני אדם בכל התחומים - ממשיכה להיחשב לגביע הקדוש של הטכנולוגיה. עם זאת, בשנת 2025, נתיב חלופי מתבהר: איננו משיגים AGI כמערכת מאוחדת, אלא באמצעות אשליה משכנעת יותר ויותר שנוצרת על ידי שילוב של מספר מערכות בינה מלאכותית צרות ומתמחות.

‍

הפסיפס של בינה מלאכותית

הבינה המלאכותית של ימינו מצטיינת במשימות ספציפיות: מודלים של שפה גדולה (LLM) מטפלים בטקסט, מודלים כמו Midjourney או DALL-E יוצרים תמונות, AlphaFold מנתחת חלבונים. למרות שהן מוגבלות באופן אינדיבידואלי, כאשר הן משולבות במערכת אקולוגית מתואמת, בינה מלאכותית צרה זו יוצרת מראה של אינטליגנציה כללית - "מינוי" של בינה מלאכותית כללית.

‍

על פי דו"ח מדד הבינה המלאכותית לשנת 2025 של אוניברסיטת סטנפורד, למרות התקדמות משמעותית, הבינה המלאכותית ממשיכה להתמודד עם אתגרים בתחום החשיבה המורכבת.

המודלים המתקדמים ביותר פותרים בעיות מובנות מאוד, אך מראים מגבלות ניכרות בכל הנוגע לחשיבה לוגית מורכבת, תכנון סדרתי וחשיבה מופשטת.

‍

גישת "חברת המוחות" ומערכות מרובות סוכנים

בשנת 2025, בינה מלאכותית מתפתחת במהירות, והופכת מטכנולוגיית נישה למרכיב אסטרטגי בנוף הטכנולוגי והחברתי, בעל השלכות תרבותיות ואתיות עמוקות.

זה הוביל להופעתן של מערכות בינה מלאכותית סוכניות שמקרבות אותנו לאופק של בינה מלאכותית כללית.

‍

במערכות מרובות סוכנים, כל סוכן פועל באופן עצמאי, משתמש בנתונים מקומיים ומקבל החלטות באופן אוטונומי ללא תלות בבקר מרכזי.

‍

לכל סוכן יש תצוגה מקומית, אך לאף אחד אין תצוגה גלובלית של המערכת כולה. ביזור זה מאפשר לסוכנים לנהל משימות באופן אינדיבידואלי תוך תרומה למטרות הכוללות באמצעות אינטראקציה.

‍

עד שנת 2025, מערכות מרובות סוכנים - בהן סוכני בינה מלאכותית מרובים משתפים פעולה כדי להשיג מטרות מורכבות - הופכות נפוצות יותר ויותר. מערכות אלו יכולות לייעל זרימות עבודה, לייצר תובנות ולסייע בקבלת החלטות בתעשיות שונות.

‍

לדוגמה, בשירות לקוחות, סוכני בינה מלאכותית מטפלים בבקשות מורכבות; בייצור, הם מפקחים על קווי ייצור בזמן אמת; ובלוגיסטיקה, הם מתאמים באופן דינמי את שרשראות האספקה.

‍

הרמה החישובית והמחסומים הפיזיים

למרות התקדמות מרשימה, אנו מתחילים להגיע לרמה בפיתוח החישובי המסורתי. בין השנים 1959 ל-2012, כמות האנרגיה הנדרשת לאימון מודלים של בינה מלאכותית הוכפלה כל שנתיים, בהתאם לחוק מור. עם זאת, נתונים עדכניים יותר מראים שלאחר 2012, קצב ההכפלה הפך מהיר משמעותית - כל 3.4 חודשים - מה שהופך את הקצב הנוכחי למהיר פי שבעה מהקצב הקודם.

‍

עלייה דרמטית זו בכוח החישוב הנדרש מדגישה עד כמה קשה מבחינה כלכלית להשיג התקדמות משמעותית בבינה מלאכותית.

‍

ההבטחה של מחשוב קוונטי

מחשוב קוונטי יכול להתגבר על מכשול זה, ולהציע שינוי פרדיגמה בכוח החישוב הנדרש עבור מודלים מתוחכמים אף יותר. בשנת 2025, מחשוב קוונטי מתגלה ככלי מכריע להתמודדות עם אתגרים אלה, שכן חברות טכנולוגיה מאמצות מקורות אנרגיה חלופיים כדי לעמוד בקצב צריכת האנרגיה הגוברת של הבינה המלאכותית.

על פי תחזיתו של ארווינד קרישנה, מנכ"ל IBM, הודות להתקדמות המהירה בתחום המחשוב הקוונטי, צריכת האנרגיה והמים של בינה מלאכותית עשויה להיות מופחתת עד 99% בחמש השנים הקרובות.

‍

טכנולוגיה זו מבטיחה לשחרר יכולות מחשוב שלא ניתן היה לדמיין קודם לכן ולפתוח גבולות חדשים במחקר מדעי.

‍

במרץ 2025 הוכרזה התקדמות משמעותית על ידי D-Wave Quantum, שפרסמה מאמר שעבר ביקורת עמיתים תחת הכותרת "מעבר לחישוב קלאסי בסימולציה קוונטית", והדגימה כי מחשב הקוונטים שלהם בעל ביצועים גבוהים יותר מאחד ממחשבי העל הקלאסיים החזקים בעולם בפתרון בעיות סימולציה מורכבות של חומרים מגנטיים .

‍

שנת 2025 ראתה התקדמות טרנספורמטיבית במחשוב הקוונטי, עם התקדמות משמעותית בחומרה, תיקון שגיאות, שילוב בינה מלאכותית ורשתות קוונטיות. התקדמות זו מגדירה מחדש את התפקיד הפוטנציאלי של מחשוב קוונטי במגזרים כמו שירותי בריאות, פיננסים ולוגיסטיקה .

‍

עם זאת, על פי פורסטר, מחשוב קוונטי נותר ניסיוני למרות ההתקדמות שנעשתה בשנת 2025 ועדיין לא הוכיח יתרון מעשי על פני מחשבים קלאסיים עבור רוב היישומים.

‍

מרוץ הקוונטים: מיקרוסופט נגד גוגל?

מיקרוסופט טוענת כי התקדמה משמעותית בתחום המחשוב הקוונטי עם שבב Majorana 1 שלה, שהוצג בתחילת 2025. מעבד זה כולל ארכיטקטורת Topological Core חדשה, הבנויה משמונה קיוביטים טופולוגיים אשר מטפלים בחלקיקי Majorana, קוואזי-חלקיקים הפועלים כמו "חצי אלקטרונים" הידועים בעמידותם החזקה לשגיאות.

‍

גוגל, לעומת זאת, פיתחה גישה שונה עם שבב הקוונטים המהפכני שלה בשם Willow, אשר פותר את הבעיה המסורתית של עלייה בשיעורי השגיאה ככל שמספר הקיוביטים גדל - Willow למעשה הופכת מדויקת יותר ככל שנוספים יותר קיוביטים.

‍

שתי אסטרטגיות שונות אלו מייצגות גישות שונות באופן מהותי לחישוב קוונטי, כאשר מיקרוסופט מתמקדת בטופולוגיה וגוגל באופטימיזציה של שגיאות.

‍

מחסומים קוגניטיביים שמתמשכים

‍

בנוסף למגבלות חומרה, בינה מלאכותית מורכבת מתמודדת עם מכשולים מהותיים נוספים:

‍

הבנה סיבתית : מערכות מקשרות משתנים אך אינן מבודדות קשרי סיבה ותוצאה אמיתיים. בינה מלאכותית עשתה התקדמות משמעותית בתחומים רבים, אך היא ממשיכה להתמודד עם מגבלות בהבנה ובתגובה לרגשות אנושיים, קבלת החלטות במצבי משבר והערכת שיקולים אתיים ומוסריים.

‍

למידה מתמשכת : רשתות נוירונים מאבדות דיוק כאשר הן מאומנות ברצף על משימות שונות, ומפגינות סוג של "אמנזיה קטסטרופלית".

‍

מטא-קוגניציה : לבינה מלאכותית חסר מודל פנימי של הקוגניציה שלה, דבר המגביל את השיפור העצמי האמיתי.

‍

‍

‍

‍

‍

‍

לקראת AGI "על ידי ייפוי כוח"

נראה כי הקהילה המדעית חלוקה למדי לגבי הטכנולוגיות ומסגרות הזמן הנדרשות להשגת מטרת הבינה הכללית המלאכותית (AGI), אך הדיון מעלה לאור כמה רעיונות חדשים ומעניינים, שכבר מוצאים יישום מעשי במחקר של מערכות בינה מלאכותית חדשות.

‍

2025 עשויה להיות השנה שבה מערכות הסוכנים הראשונות ייכנסו לייצור בארגונים.

‍

בעוד ש-AGI מייצג את המטרה השאפתנית ביותר – מערכות בעלות יכולות קוגניטיביות דומות לבני אדם או עולות עליהן, המסוגלות להבין, ללמוד וליישם ידע בתחומים מרובים.

‍

במקום לחכות ל-AGI מונוליטי, העתיד הסביר ביותר יראה את הופעתה של מה שאנו יכולים לכנות "AGI חזיתי" - מערכות שנראות כבעלות אינטליגנציה כללית באמצעות:

‍

1. תזמור מיקרו-שירותי בינה מלאכותית : מספר מערכות בינה מלאכותית ייעודיות המתואמות באמצעות שכבת הפשטה משותפת.
2. ממשקי שיחה מאוחדים : ממשק יחיד שמסתיר את המורכבות של מערכות בסיסיות מרובות.
3. למידה חוצת-תחומים מוגבלת : שיתוף סלקטיבי של ידע על פני תחומים ספציפיים.

תודעה: מציאות או אשליה משותפת?

בוויכוח על תודעה אנושית (AGI), אנו נוטים להניח שלבני אדם יש "תודעה" שמכונות אינן יכולות לשכפל. אבל אולי עלינו לשאול שאלה רדיקלית יותר: האם התודעה האנושית עצמה אמיתית, או שמא היא גם אשליה?

‍

כמה מדעני מוח ופילוסופים של הנפש, כמו דניאל דנט, הציעו שמה שאנו מכנים "תודעה" עשוי להיות בעצמו נרטיב פוסט-הוק - פרשנות שהמוח בונה כדי להבין את פעולותיו שלו .

‍

אם נחשוב על התודעה לא כתכונה מסתורית ויחידה, אלא כמערכת של תהליכים עצביים המחוברים זה לזה, היוצרים אשליה משכנעת של "עצמי" מאוחד, אזי הגבול בין בני אדם למכונות מטשטש.

‍

מנקודת מבט זו, נוכל להתייחס להבדלים בין בינה מלאכותית מתפתחת לבין אינטליגנציה אנושית כהבדלים של דרגה ולא של טבע. אשליית ההבנה שאנו רואים במודלים לשוניים מתקדמים עשויה לא להיות שונה כל כך מאשליית ההבנה שאנו חווים בעצמנו - שניהם נובעים מרשתות מורכבות של תהליכים, אם כי מאורגנים בדרכים שונות מהותיות.

‍

נקודת מבט זו מעלה שאלה פרובוקטיבית: אם התודעה האנושית היא עצמה סימולציה הנובעת מתהליכים קוגניטיביים מרובים המחוברים זה לזה, אזי ה-AGI ה"פרוקסי" שאנו בונים - פסיפס של מערכות ייעודיות המשתפות פעולה כדי לדמות הבנה כללית - עשוי להיות דומה באופן מפתיע לארכיטקטורה המנטלית שלנו.

לא ננסה לשכפל איזושהי איכות קסומה, שלא ניתן לתאר, אלא לשחזר את האשליה המרתקת שאנו עצמנו חווים כתודעה.

‍

הרהור זה אינו מפחית מעומק החוויה האנושית, אך הוא מזמין אותנו לשקול מחדש למה אנו מתכוונים באמת כשאנו מדברים על "תודעה" והאם מושג זה הוא באמת מכשול בלתי עביר בפני בינה מלאכותית, או פשוט תהליך נוסף שאולי נוכל לדמות יום אחד.

‍

‍

סיכום: חשיבה מחדש על קו הסיום

אולי עלינו לשקול מחדש באופן קיצוני את הגדרתנו לבינה מלאכותית (AGI). אם התודעה האנושית עצמה יכולה להיות אשליה מתהווה - נרטיב שהמוח בונה כדי להבין את פעולותיו - אזי ההבחנה הברורה בין בינה אנושית לבינה מלאכותית מיטשטשת.

‍

מומחים צופים כי 2027 עשויה לסמן נקודת מפנה עבור הבינה המלאכותית. בקצב הנוכחי, מודלים יוכלו להגיע לכלליות קוגניטיבית - היכולת להתמודד עם כל משימה אנושית - תוך מספר שנים.

‍

אין לראות בתרחיש זה רק שכפול של האינטליגנציה האנושית, אלא כהופעתה של סוג חדש של אינטליגנציה - לא אנושית לחלוטין ולא מלאכותית לחלוטין, אלא משהו שונה ועשוי להיות משלים.

‍

גישה זו משחררת אותנו מניסיון לשכפל משהו שאולי איננו מבינים במלואו - התודעה האנושית - ובמקום זאת מאפשרת לנו להתמקד במה שבינה מלאכותית יכולה לעשות בתנאים שלה. לכן, הבינה המלאכותית הגלובלית המתפתחת לא תהיה מערכת אחת ש"מעמידה פנים" שהיא אנושית, אלא מערכת אקולוגית טכנולוגית משולבת עם מאפיינים מתפתחים משלה - אינטליגנציה מבוזרת שבאופן פרדוקסלי, עשויה לשקף את האופי המקוטע והמקושר של הקוגניציה שלנו יותר ממה שחשבנו בתחילה.

‍

במובן זה, המרדף אחר AGI הופך לא כל כך לניסיון לחקות את האנושי, אלא למסע של גילוי אל טבען של האינטליגנציה והתודעה, אנושיות ומלאכותיות כאחד.

‍

מקורות

1. https://www.justthink.ai/artificial-general-intelligence/understanding-agi-vs-narrow-ai-explaining-the-differences-and-implications
2. https://www.rand.org/pubs/commentary/2024/02/why-artificial-general-intelligence-lies-beyond-deep.html
3. https://futurism.com/glimmers-agi-illusion
4. https://ai.stackexchange.com/questions/26007/are-there-any-approaches-to-agi-that-will-definitely-not-work
5. https://qubic.org/blog-detail/the-path-to-agi-overcoming-the-computational-challenge
6. https://www.linkedin.com/pulse/amplification-intelligence-recursive-self-improvement-gary-ramah-0wjpc
7. https://www.investopedia.com/artificial-general-intelligence-7563858

‍