I. כיצד עלינו להגדיר בינה מלאכותית (AI)?

בפרק הראשון שלנו, נכיר את המושג בינה מלאכותית (AI) דרך הגדרות ומספר דוגמאות.

כפי שבוודאי שמתם לב, בינה מלאכותית היא כיום “הנושא החם” – קשה להימנע מסיקור תקשורתי ודיונים ציבוריים בנושא. יחד עם זאת, ייתכן ששמתם לב גם לכך שלמושג AI יש משמעויות שונות עבור אנשים שונים.עבור חלקם, בינה מלאכותית היא יצורים מלאכותיים שיכולים לעלות על האינטליגנציה האנושית, ואילו אחרים מתייחסים כמעט לכל טכנולוגיית עיבוד נתונים כאל בינה מלאכותית.

כדי להניח את התשתית להמשך, נדון במהי בינה מלאכותית, איך אפשר להגדיר אותה, ואילו תחומים או טכנולוגיות קשורים אליה. אך לפני כן, נציג שלוש דוגמאות ליישומים של בינה מלאכותית, שכל אחת מהן מדגישה היבט שונה של התחום. נחזור אל הדוגמאות האלה לאורך הקורס כדי להעמיק בהבנתנו.

יישום 1: רכבים אוטונומיים

רכבים אוטונומיים דורשים שילוב של טכניקות בינה מלאכותית מסוגים שונים: חיפוש ותכנון לצורך מציאת המסלול הנוח ביותר מנקודה A לנקודה B, ראייה ממוחשבת לזיהוי מכשולים וקבלת החלטות תחת אי-ודאות כדי להתמודד עם סביבה מורכבת ודינמית. כל אחד מהרכיבים האלו חייב לפעול בדיוק כמעט מושלם כדי למנוע תאונות.

הטכנולוגיות האלו נמצאות גם בשימוש במערכות אוטונומיות אחרות, כמו רובוטים למשלוחים, רחפנים, ואוניות אוטונומיות.

השלכות: בטיחות בדרכים צפויה להשתפר עם הזמן ככל שהאמינות של המערכות תעלה על זו של בני אדם. גם היעילות של שרשראות לוגיסטיות בהובלת סחורות צפויה לגדול. בני האדם ייכנסו לתפקיד מפקח – משגיחים על מה שקורה בזמן שהמכונות מבצעות את הנהיגה בפועל. מאחר שתחבורה היא חלק כל כך מרכזי בחיינו, סביר להניח שיהיו לכך גם השלכות נוספות שעדיין לא חשבנו עליהן.

יישום 2: המלצות תוכן

חלק גדול מהמידע שאנחנו נחשפים אליו במהלך יום רגיל מותאם אישית עבורנו.

דוגמאות לכך כוללות תוכן ברשתות חברתיות כמו Facebook, X, Instagram ו-TikTok; פרסומות מקוונות; המלצות למוזיקה ב-Spotify; והמלצות לסרטים ב-Netflix ושירותי סטרימינג אחרים. גם אתרים של כלי תקשורת, כמו עיתונים וחברות שידור, וכן מנועי חיפוש כמו Google, מציגים תוכן מותאם אישית.

בעוד שעמוד השער בעיתון המודפס של ידיעות אחרונות או מעריב נראה אותו הדבר לכל הקוראים, עמוד השער של הגרסה המקוונת שונה עבור כל משתמש. האלגוריתמים שקובעים איזה תוכן תראו – מבוססים על בינה מלאכותית.

השלכות: למרות שרוב החברות לא חושפות את פרטי האלגוריתמים שלהן, הכרה של העקרונות הבסיסיים עוזרת להבין את ההשפעות האפשריות: מדובר בתופעות כמו “בועות סינון”, חדרי הדהוד, “מפעלים לטרולים”, חדשות כזב (fake news), וצורות חדשות של תעמולה.

יישום 3: עיבוד תמונה ווידאו

זיהוי פנים הוא כבר דבר שבשגרה, ונמצא בשימוש של לקוחות פרטיים, עסקים וממשלות.

ארגון תמונות לפי אנשים, תיוג אוטומטי ברשתות חברתיות, ובקרת דרכונים. טכניקות דומות משמשות גם לזיהוי מכוניות אחרות ומכשולים סביב רכב אוטונומי, או להערכת אוכלוסיות בעלי חיים – ואלו רק כמה דוגמאות.

בינה מלאכותית יכול לשמש גם ליצירה או שינוי של תוכן ויזואלי. דוגמאות שקיימות כבר היום כוללות שינוי סטייל – כלומר התאמת תמונות אישיות כך שייראו כאילו צוירו על ידי וינסנט ואן גוך, וכן דמויות שנוצרו במחשב בסרטים כמו Avatar, שר הטבעות, והסרטים של Pixar, שבהם האנימציה מחקה תנועות של שחקנים אמיתיים.

השלכות: ככל שהטכניקות האלו מתקדמות והופכות נגישות יותר, יהיה קל מאוד ליצור סרטונים מזויפים שנראים לגמרי אמיתיים, ושקשה מאוד לזהות אותם ככאלה. זה מאתגר את האמרה הידועה "לראות ולהאמין".

מה נחשב לבינה מלאכותית ומה לא? שאלה לא פשוטה!

הפופולריות של הבינה המלאכותית בתקשורת נובעת, בין השאר, מהעובדה שאנשים התחילו להשתמש במושג הזה גם כדי לתאר דברים שבעבר נקראו בשמות אחרים. כיום אפשר לשמוע כמעט כל דבר – מסטטיסטיקה וניתוח עסקי ועד חוקים ידניים בסגנון if-then – מתויג כבינה מלאכותית. למה זה קורה? למה התפיסה הציבורית של AI כל כך מעורפלת? הנה כמה סיבות.

סיבה 1: אין הגדרה מוסכמת ורשמית

אפילו חוקרי בינה מלאכותית לא מצליחים להסכים על הגדרה מדויקת. התחום הזה נמצא בתנועה מתמדת, כשנושאים מסוימים “נגרעים” ממנו ונושאים חדשים מתווספים.

יש בדיחה ישנה (וגיקית) שאומרת שבינה מלאכותית מוגדרת כ”דברים מגניבים שמחשבים עדיין לא יודעים לעשות.” האירוניה היא שלפי ההגדרה הזאת, הבינה המלאכותית לעולם לא תתקדם – ברגע שמחשב מצליח לבצע משהו מגניב, זה כבר לא נחשב לבעיה של בינה מלאכותית.

אבל יש גרעין של אמת כאן. למשל, לפני חמישים שנה שיטות אוטומטיות לחיפוש ותכנון נחשבו לבינה מלאכותית. היום מלמדים אותן לכל סטודנט למדעי המחשב. באופן דומה, גם שיטות לעיבוד מידע לא ודאי נעשות כל כך ברורות ומובנות, שסביר להניח שיעברו בקרוב מהתחום של בינה מלאכותית לתחום של סטטיסטיקה או תורת ההסתברות.

סיבה 2: המורשת של המדע הבדיוני

הבלבול סביב משמעות המושג בינה מלאכותית מחריף בגלל הייצוגים שלו בספרות ובקולנוע בז’אנר המדע הבדיוני.

בסיפורים כאלה אנחנו פוגשים לעיתים קרובות עוזרים אנושיים-למחצה שמפגינים שליטה בפרטי מידע אינסופיים או משיבים בשנינות, אבל לפעמים גם שואלים את עצמם – ממש כמו פינוקיו – אם יוכלו להפוך לבני אדם.

מצד שני, יש גם דמויות רובוטיות בעלות כוונות אפלות, שמורדות ביוצריהן, בסגנון סיפורים קלאסיים על שוליית הקוסם – החל מהגולם מפראג ועד היום.

במקרים רבים, ה”רובוטיות” של אותן דמויות היא רק קליפה חיצונית, ומתחתיה מסתתר סוכן שמאוד מזכיר בן אדם – וזה הגיוני, כי גם מדע בדיוני צריך להיות נגיש וקרוב לקהל הקוראים. רוב המדע הבדיוני עובד יותר כמטאפורה למצב האנושי העכשווי – והרובוטים יכולים לייצג קבוצות מודרות בחברה, או את החיפוש האנושי אחר משמעות.

סיבה 3: מה שנראה קל – בעצם קשה…

סיבה נוספת לכך שקשה להבין מה זה בדיוק בינה מלאכותית, היא שאנחנו לא תמיד יודעים להבחין אילו משימות הן קלות ואילו קשות.

נסו להרים חפץ בידכם ותחשבו על כל מה שקרה: הסתכלת סביב עם העיניים, איתרת חפצים מתאימים, בחרת אחד מהם, תכננת את מסלול היד שלך, הפעלת את השרירים בסדר הנכון ולבסוף לחצת בדיוק בעוצמה הנדרשת כדי להחזיק את החפץ בלי שייפול.

זה נשמע פשוט, אבל האינטואיציה הזאת מסתירה מאחוריה מיליוני שנות אבולוציה וכמה שנות ילדות של תרגול. רק כשמשהו משתבש – למשל כשהחפץ כבד או קל מהצפוי, או כשמישהו פותח דלת בדיוק כשאתה בא לתפוס את הידית – אנחנו קולטים כמה זה מורכב.

בשביל רובוט, כל הדבר הזה – תנועה פיזית מדויקת כמו אחיזת חפצים – הוא אתגר אדיר, ונושא למחקר פעיל. דוגמה עכשווית לכך הם הרובוטים של Boston Dynamics.

…ומה שנראה קשה – בעצם קל

לעומת זאת, משימות כמו משחק שחמט או פתרון תרגילים מתמטיים נראות לנו מורכבות מאוד ודורשות שנים של תרגול, מחשבה מודעת ויכולת “גבוהה”.

לא מפתיע שחלק גדול מהמחקר הראשוני בבינה מלאכותית התמקד דווקא במשימות כאלה – היה נדמה שהן מגלמות את מהות האינטליגנציה.

אבל עם הזמן התברר שהשחמט דווקא מתאים מאוד למחשבים: הכללים פשוטים יחסית, והמחשב יכול לחשב מיליארדי אפשרויות בשנייה.

המחשב ניצח את אלוף העולם בשחמט (קספרוב) כבר בשנת 1997 במשחקים המפורסמים מול Deep Blue.

והאירוניה? הבעיה הקשה באמת הייתה להרים את הכלים ולמקם אותם על הלוח בלי להפיל אותו.

בפרק הבא נלמד את הטכניקות שמאפשרות למחשב לשחק משחקים כמו שחמט או איקס-עיגול.

ובאופן דומה, בעוד שליטה מעמיקה במתמטיקה מצריכה (מה שנראה כמו) אינטואיציה אנושים וכושר המצאה, הרבה (אבל לא כל) מן התרגילים הניתנים לתלמידי תיכון ניתנים לפתרון באמצעות שימוש במחשבון וסט כללי פשוט.

אז מה כן יכולה להיות הגדרה מועילה לבינה מלאכותית?

במקום להתבסס על הבדיחה שבינה מלאכותית זה “מה שמחשבים עדיין לא יודעים לעשות”, אפשר להציע הגדרה פרקטית יותר שמתמקדת בשתי תכונות עיקריות שמאפיינות מערכות בינה מלאכותית: אוטונומיה ו-יכולת הסתגלות.

מונחי מפתח

אוטונומיה

היכולת לבצע משימות בסביבות מורכבות מבלי להזדקק להכוונה מתמדת מצד המשתמש.

יכולת הסתגלות

היכולת לשפר את הביצועים על סמך למידה מהתנסות קודמת.

 

מילים עלולות להטעות

כשאנחנו מדברים על בינה מלאכותית או מנסים להגדיר אותה, צריך להיזהר – כי הרבה מהמילים שאנחנו רגילים להשתמש בהן יכולות להטעות.

מילים כמו למידה, הבנה, ואינטליגנציה הן דוגמאות קלאסיות.

למשל, ייתכן שנגיד שמערכת מסוימת היא “אינטליגנטית”, אולי בגלל שהיא נותנת הוראות ניווט מדויקות או מצליחה לזהות סימני מלנומה בתמונות של נגעים עוריים. אבל ברגע שאנחנו שומעים “אינטליגנטית”, קל מאוד לחשוב שהמערכת מסוגלת לבצע כל משימה שאדם אינטליגנטי יכול לבצע: ללכת לסופר, לבשל ארוחת ערב, לכבס ולתלות כביסה…

אם ניקח מקרה אחר: אולי נגיד שמערכת ראייה ממוחשבת “מבינה” תמונות, כי היא מסוגלת לחלק תמונה לאובייקטים שונים – מכוניות אחרות, הולכי רגל, בניינים, כביש, וכו’. אבל אז המילה “מבינה” עלולה לגרום לנו לחשוב שהיא גם מבינה שזה שמישהו לובש חולצה עם תמונה של כביש – לא אומר שמותר לנסוע עליו (ולדרוס אותו).

בשני המקרים האלה – מדובר בטעות.

? שימו לב למושג “מזוודת מילים”

מרווין מינסקי, מדען קוגניציה ואחד מחלוצי תחום הבינה המלאכותית, טבע את המונח “מזוודת מילים” (suitcase word) – כינוי למילים שנושאות איתן הרבה משמעויות שונות, גם כשאנחנו מתכוונים רק לאחת מהן.

שימוש במילים כאלה מעלה את הסיכון לאי-הבנות – בדיוק כמו שראינו בדוגמאות למעלה.

חשוב להבין שאינטליגנציה אינה משתנה מדוד כמו טמפרטורה. אפשר להשוות בין טמפרטורה של היום לאתמול, או בין הלסינקי לרומא, ולהגיד איזו גבוהה יותר. באופן דומה, אנחנו גם רגילים לחשוב שאפשר לדרג אנשים לפי האינטליגנציה שלהם – זה מה שמדד IQ מנסה לעשות.

אבל בעולם הבינה המלאכותית אי אפשר להשוות מערכות שונות על סקאלה אחת של “אינטליגנציה”. האם אלגוריתם שמשחק שחמט יותר אינטליגנטי ממערכת לסינון דואר זבל? האם מערכת שממליצה על מוזיקה יותר אינטליגנטית ממכונית אוטונומית?

שאלות כאלה פשוט לא רלוונטיות, כי בינה מלאכותית היא צרה (narrow AI) – מערכת אחת יכולה להיות טובה מאוד בבעיה מסוימת, אבל זה לא אומר כלום על היכולת שלה להתמודד עם בעיה אחרת.

(נחזור למושג של בינה מלאכותית צרה בהמשך הפרק.)