מחקר חדש שפורסם ב־Scientific Reports בוחן באופן שיטתי את ביצועי מודלי שפה גדולים (LLMs) במשימות יצירתיות בהשוואה לבני אדם, תוך התמקדות במבחני חשיבה מסתעפת — כלי פסיכולוגי מקובל למדידת יכולת יצירתית. הממצאים מעלים שאלות מהוביות לגבי התפקיד שמודלים אלה ממלאים בתהליכים יצירתיים: האם הם משפרים את היצירתיות האנושית או מחליפים אותה.

חשיבה מסתעפת כמדד ליצירתיות

יצירתיות, למרות היותה מושג חמקמק, נמדדת בפסיכולוגיה באמצעות מבחנים סטנדרטיים. אחד המושגים המרכזיים הוא חשיבה מסתעפת (divergent thinking) — היכולת להציע מגוון רחב של רעיונות שונים לבעיה פתוחה, תוך יצירת פתרונות שאינם רק וריאציות של אותו רעיון בסיסי.

מבחנים אופייניים כוללים משימות כגון "כמה שימושים שונים ניתן להציע לחפץ פשוט" או "כמה פתרונות אפשריים קיימים לסיטואציה נתונה". מדידת הביצועים במבחנים אלה מתבצעת בדרך כלל לפי שלושה ממדים עיקריים: שטף (מספר הרעיונות שנוצרו), גמישות (מספר הקטגוריות השונות של רעיונות), ומקוריות (עד כמה הרעיון נדיר ביחס למאגר התשובות).

האתגר המתודולוגי: מדידה ללא הטיה

עם הופעת מודלי שפה גדולים, נוצר מתח מחקרי מעניין. מצד אחד, מודלים אלה מצטיינים ביצירת רשימות ורעיונות במהירות רבה. מצד שני, קיימת טענה שהם נוטים לממוצע סטטיסטי, לקלישאות ולדפוסים שהופיעו בנתוני האימון שלהם.

האתגר המרכזי במחקר הוא למנוע מצב שבו המדידה תשקף בעיקר "מהירות הקלדה" ולא יצירתיות אמיתית. מודלים יכולים לנצח בקלות במדד השטף פשוט בשל יכולתם לייצר טקסט במהירות. לכן, לפי הודעת המחקר ב־EurekAlert!, חיוני להעמיד את המודלים מול מדדים שמענישים חזרתיות ושמבקשים מהם להימנע מתשובות צפויות.

מקוריות סטטיסטית אינה זהה לערך יצירתי

גם במקרה שבו מודל שפה משיג ציונים גבוהים במקוריות לפי אלגוריתמים סטטיסטיים, אין זה בהכרח מעיד על יצירתיות בעלת ערך אנושי. רעיון יכול להיות נדיר מבחינה סטטיסטית, אך חסר תועלת או רלוונטיות מעשית.

בנוסף, נתגלו מספר סוגיות מתודולוגיות חשובות:

תלות בניסוח ההנחיה (prompt): שינוי קטן בניסוח עשוי לגרום לשינוי דרמטי בתוצאה, מה שמעלה את השאלה האם המדד משקף את יכולת המודל או את כישורי מנסח ההנחיה.

אפקט העיגון: מודלים נוטים לעיתים ליצור רצפים המושפעים מהדוגמאות הראשונות שהפיקו, בדומה לבני אדם שנתקעים על כיוון מחשבתי אחד. השאלה המעניינת היא האם המודלים מייצרים מרחב רעיונות רחב באמת, או רק וריאציות סביב תבנית מרכזית אחת.

משמעות מעשית: כלי משלים או תחליף

הגישה הפרודוקטיבית למחקר זה אינה "אדם נגד מכונה", אלא הבנת התנאים שבהם מודלי שפה תורמים ליצירתיות אנושית. אם מודל מצטיין בשטף רעיונות, הוא יכול לשמש כ"מנוע סקיצה" — מפיק מגוון ראשוני רחב שממנו בני אדם בוחרים, משלבים ומסננים.

עם זאת, אם מודל נכשל בגמישות אמיתית, הוא עלול ליצור אשליה של יצירתיות: כמות גדולה של טקסט עם מעט פריצות דרך אמיתיות. התועלת המעשית טמונה בהבנה של סוגי המשימות הפתוחות שבהן המודל תורם הכי הרבה, לעומת אלו שבהן הוא גורם להתכנסות מוקדמת לרעיונות דומים.

מגבלות המחקר ודיון רחב יותר

יש להתייחס לממצאים בהקשר המתודולוגי המתאים. המחקר מוגבל על ידי מספר גורמים: אופי האוכלוסייה הנבדקת, השפה שבה נערכו המבחנים, והמודל הספציפי שנבדק. יתרה מכך, "מודל שפה" הוא קטגוריה רחבה — מודלים שונים מתנהגים באופן שונה, וגם אותו מודל עשוי להשתנות עם עדכונים טכנולוגיים.

לפיכך, נכון להתייחס לתוצאות אלה כהדגמה מתודולוגית ולא כהכרעה סופית בשאלת יכולתם היצירתית של מודלי שפה. המחקר מהווה נדבך בדיון רחב יותר על האופן שבו טכנולוגיות בינה מלאכותית משפיעות על תהליכים יצירתיים בחינוך, בעבודה ובתחומים נוספים.

עוד בנושא באתר הידען:

הפוסט מי יצירתי יותר במבחני “חשיבה מסתעפת” — בני אדם או מודלי שפה גדולים? הופיע לראשונה ב-Chiportal.

ב-6 בינואר 2025 התקיים מפגש פורום הסיליקון קלאב בבית IBM בפתח תקווה, ביוזמת חברת ASG בניהולו של שלמה גרדמן. האירוע אירח פאנל מרתק שעסק בשאלה האם בינה מלאכותית תוכל אי פעם להשתוות ליכולות המוח האנושי או אף לעקוף אותן. בפאנל השתתפו פרופ' אילון ועדיה מהאוניברסיטה העברית, פרופ' גלית יובל מאוניברסיטת ת"א, אייל פרקש, סמנכ"ל טכנולוגיות בחברת אקסנצ'ר, ופרופ' אורן שריקי מאוניברסיטת בן גוריון. הפאנל סיפק הצצה מרתקת לעתיד שבו בינה מלאכותית ומוח אנושי יפעלו יחד. חברי הפאנל הציגו תובנות מעמיקות על האתגרים, היתרונות והמגבלות של שתי המערכות, תוך דגש על הצורך בשיתוף פעולה בין אדם למכונה.

המנחה שלמה גרדמן: "האם בעידן הבינה המלאכותית יש עדיין יתרון למוח האנושי?"

פרופ' אילון ועדיה: "המוח האנושי הוא מערכת גמישה להפליא, המסוגלת ללמוד ולהסתגל במהירות למצבים חדשים ולזהות דפוסים מורכבים. תהליכים אלו קשים מאוד לחיקוי על ידי מערכות חישוביות, למרות ההתקדמות המדהימה בתחום הבינה המלאכותית. יתר על כן, היכולת האנושית לחשוב באופן יצירתי ולשלב רגש בתהליך קבלת ההחלטות היא משהו ייחודי למוח שלנו."

פרופ' גלית יובל: "בעוד שבינה מלאכותית מצטיינת בביצוע משימות מוגדרות היטב ובזיהוי דפוסים, המוח האנושי מתעלה בתחומים הדורשים שיקול דעת, חשיבה יצירתית ויכולת להתמודד עם מצבים מורכבים ואמביוולנטיים. בעיות שאין להן תשובה אחת נכונה הן המקום שבו אנחנו, כבני אדם, ממשיכים להוביל."

אייל פרקש: "הבינה המלאכותית יכולה לבצע חישובים במהירות ובדיוק רב בהרבה מהמוח האנושי, אבל היא עדיין חסרה את ההבנה והאינטואיציה האנושית. השילוב בין המוח האנושי למערכות בינה מלאכותית עשוי ליצור שותפות אפקטיבית מאוד, שבה כל צד מביא לידי ביטוי את החוזקות שלו."

פרופ' אורן שריקי: "המוח האנושי הוא פלא אבולוציוני. יש לו יכולת לא רק לחשוב ולנתח, אלא גם לחוות רגשות, להרגיש אמפתיה וליצור קשרים אנושיים. אלו תכונות שהבינה המלאכותית לא מסוגלת לשכפל בצורה אמיתית, לפחות לא בעתיד הנראה לעין."

בהמשך נשאלו המשתתפים שאלות פרטניות.

פרופ' אילון ועדיה: יכולות הלמידה המופלאות של המוח האנושי

שאלה: כיצד המוח יודע ללמד את עצמו ולהפנים מציאויות חדשות שלא הכיר?

פרופ' ועדיה התייחס למחקריו בנושא זה והדגיש את יכולתו המופלאה של המוח האנושי לבצע למידה מופשטת והפנמת מציאויות חדשות. הוא שיתף כיצד גילה, במסגרת ניסויים, שמערכות למידה מבוססות רשתות עמוקות מצליחות ללמוד מושגים באופן מופשט, בדומה לאופן שבו המוח האנושי פועל.

"המוח יודע לזהות דפוסים חדשים במהירות מדהימה, גם במצבים של חוסר מידע," ציין ועדיה. לדבריו, יכולת זו של המוח יכולה להוביל לפיתוחים טכנולוגיים שיסייעו לאנושות בתחומים כמו רפואה, חינוך ואף תחומים יצירתיים.

שאלה: האם בעתיד נוכל להשתיל מוח אלקטרוני מבוסס בינה מלאכותית?

"הרעיון של השתלת מוח מלאכותי עדיין רחוק מאוד, אך הוא כבר אינו מדע בדיוני לגמרי," השיב ועדיה. הוא תיאר כיצד נעשים כיום ניסיונות ראשוניים לשלב אלמנטים ביולוגיים עם טכנולוגיות חישוביות, במטרה להבין טוב יותר את פוטנציאל השילוב בין מוח אנושי לבינה מלאכותית. יחד עם זאת, הוא הדגיש את הקשיים האתיים והטכניים שמלווים ניסיונות אלו.

פרופ' גלית יובל: זיהוי פנים ומגבלות המוח

שאלה: כיצד פועל המוח בזיהוי פנים, ומדוע אנו מזהים פנים אך שוכחים שמות?

פרופ' יובל הסבירה שזיהוי פנים הוא תהליך מוחי מורכב המערב אזורים מיוחדים במוח המוקדשים למשימה זו. "מדובר ביכולת נרכשת המתפתחת לאורך השנים, באמצעות אינטראקציה עם אנשים שונים," היא אמרה. לדבריה, אחת הסיבות המרכזיות לכך שאנו מזהים פנים אך מתקשים לזכור שמות קשורה לאופי הזיכרון הסמנטי: "שמות הם מידע חסר הקשר סמנטי ברור, ולכן קל לשכוח אותם."

שאלה: את מי קשה יותר לרמות בזיהוי פנים – את המוח האנושי או את הבינה המלאכותית?

"בינה מלאכותית כבר עוקפת את המוח האנושי בזיהוי פנים," הצהירה יובל. היא תיארה כיצד אלגוריתמים של זיהוי פנים מצליחים כיום להבחין בין פרצופים בצורה מדויקת ומהירה יותר מבני אדם. "העובדה שהאלגוריתמים הללו פועלים ללא הטיות רגשיות או עייפות היא יתרון משמעותי," הוסיפה. עם זאת, היא הדגישה את הצורך במעורבות אנושית בהחלטות קריטיות המבוססות על זיהוי פנים.

אייל פרקש: חיבורים בין מוח למחשב

שאלה: האם אנו קרובים ליצירת ממשק ישיר בין מוח האדם למחשב בינה מלאכותית?

פרקש הביע אופטימיות באשר לפיתוחים בתחום זה, אך הדגיש שמדובר בתהליך רב-שלבי ומורכב. "אנו רואים כבר היום יישומים ראשוניים של ממשקי מוח-מחשב המאפשרים לאנשים עם מוגבלויות לשלוט על מכשירים בעזרת מחשבותיהם בלבד," הוא אמר. לדבריו, השלב הבא יהיה יצירת ממשקים שיכולים לחבר בין עולמות החישוביות ועולמות הרגש.

שאלה: האם מכונות בינה מלאכותית יכולות להיות יצירתיות כמו בני אדם?

"מכונות יכולות לייצר פתרונות יצירתיים בתחומים מסוימים, אך הן עדיין רחוקות מלהשתוות ליצירתיות האנושית," השיב פרקש. הוא הסביר שהיצירתיות האנושית נובעת לעיתים קרובות ממאפיינים רגשיים ומחוויה אישית – מרכיבים שקשה מאוד לדמות באמצעות אלגוריתמים.

פרופ' אורן שריקי: ממשקי מוח-מכונה ככלי טיפולי

שאלה: האם ממשקי מוח-מכונה יכולים להוביל להישגים רפואיים חדשים?

פרופ' שריקי הדגיש את הפוטנציאל העצום של ממשקי מוח-מכונה בתחום הרפואי. "אנו רואים כבר היום טכנולוגיות שמאפשרות לנטר פעילות מוחית בזמן אמת ולעזור בטיפול במצבים כמו אפילפסיה או פרקינסון," הוא אמר. הוא תיאר כיצד ניתן לחזות התקפים אפילפטיים ולעצור אותם בזמן אמת באמצעות טכנולוגיות מתקדמות.

שאלה: האם יש גבול ליכולות הקוגניטיביות של המוח האנושי?

שריקי השיב שהמוח האנושי הוא מערכת גמישה להפליא, המסוגלת ללמוד ולהסתגל לאינספור מצבים. "אנו יכולים אפילו להוסיף חושים חדשים, כמו קליטת אותות אינפרה-אדום או אולטרסאונד, ולשלב אותם בתוך תהליך החישה הטבעי שלנו," עם זאת, הדגיש פרופ' שריקי את החשיבות של איזון בין הרחבת היכולות לבין שמירה על האנושיות שלנו.

לשאלת הסיום, "האם בינה מלאכותית תוכל לחקות את המוח האנושי בתחומים רגשיים ואסתטיים?", הסכימו חברי הפאנל כי מדובר באתגר משמעותי. בעוד שבינה מלאכותית מתקדמת יכולה לזהות דפוסים ולחקות תהליכי חשיבה, המורכבות הרגשית של המוח האנושי היא עדיין מחוץ להישג ידה. התשובה, אם כן, טמונה לא בהחלפה אלא בשיתוף פעולה שיאפשר לאנושות לנצל את היתרונות של שתי המערכות.

פרופ' אילון ועדיה: "לבינה המלאכותית אין 'אגו' ואין רגש אמיתי. יכולתה לחקות רגשות היא חיצונית בלבד, ולא משקפת חוויה פנימית אמיתית כמו זו של בני אדם. גם אם תצליח לחקות התנהגויות, היא לא תוכל לשכפל את המשמעות הרגשית והאישית שהן נושאות עבורנו."

פרופ' גלית יובל: "תחומים כמו אסתטיקה ורגשות דורשים הבנה של הקשר אישי ותרבותי, ולא רק זיהוי דפוסים. הבינה המלאכותית יכולה אולי לזהות אלמנטים מסוימים באמנות או במוזיקה, אבל היא לא יכולה לחוות את היופי או המשמעות כפי שבני אדם חווים אותם."

אייל פרקש: "הבינה המלאכותית עשויה ללמוד לנתח יצירות אמנות או לזהות יין כמו מבקר מנוסה, אך תמיד יישאר חסר לה אותו מגע אישי ואנושי שהופך את החוויה למשמעותית. היכולת האנושית להתרגש, להעריך יופי ולפתח טעם אישי היא מעבר לחישובים מתמטיים."

פרופ' אורן שריקי: "המורכבות של רגשות אנושיים ושל הבנת אסתטיקה קשורה לא רק לתפקוד מוחי אלא גם לחוויה האנושית הכוללת. ייתכן שנראה מערכות בינה מלאכותית שמחקות רגשות או נותנות הערכה אסתטית, אבל החוויה הסובייקטיבית שהמוח האנושי מביא היא דבר שלא ניתן לחיקוי."

הפוסט "בינה מלאכותית יכולה ללמוד, אבל לעולם לא תרגיש": תובנות ממפגש הסיליקון קלאב על יחסי אדם ומכונה הופיע לראשונה ב-Chiportal.