תעשיית השבבים משקיעה משאבים עצומים בהגדלת כוח החישוב הזמין לבינה מלאכותית: מאיצים חזקים יותר, זיכרונות מהירים, רשתות תקשורת למרכזי נתונים, מערכות קירור וארכיטקטורות המאפשרות לחבר עשרות אלפי מעבדים למודל אחד.

אולם מדען המחשבים פיטר ג'יי דנינג טוען כי הגדלת התשתית החומרתית והיקף המודלים לא תוביל בהכרח לבינה מלאכותית כללית ברמה אנושית.

בספר חדש הוא מציג טענה שלפיה המחקר בתחום פועל במשך יותר מ־75 שנה על בסיס פרשנות מוטעית של הצעת אלן טיורינג. טיורינג הציע בשנת 1950 לבחון אם מכונה יכולה להציג בשיחה התנהגות שאינה ניתנת להבחנה מזו של אדם. מבחן זה, שנודע לימים כמבחן טיורינג, הפך לאחת מנקודות הייחוס המרכזיות בדיון על מכונות חושבות.

לדברי דנינג, יכולתה של מערכת לחקות שיחה אנושית אינה מוכיחה שהיא מבינה את המילים שבהן היא משתמשת. הוא טוען כי אינטליגנציה אנושית אינה תוכנה בלבד, אלא תוצר של גוף ביולוגי, ניסיון מצטבר, קשרים חברתיים, רגשות, הקשר ותרבות.

מדובר בתזה המוצגת בספר ולא בממצא ניסויי שעבר ביקורת עמיתים. חוקרים וחברות בתעשיית הבינה המלאכותית עשויים לחלוק עליה, במיוחד לנוכח השיפור המהיר ביכולותיהם של מודלים גדולים. עם זאת, הטיעון מציב שאלה מהותית בפני תעשיית החומרה: האם הבעיה בדרך ל־AGI היא בעיקר מחסור בכוח חישוב, או שמדובר במחסום מסוג אחר לחלוטין?

הגדלת המודל אינה בהכרח הגדלת ההבנה

בלב טיעונו של דנינג נמצא "ידע סמוי" – ידע שבני אדם משתמשים בו, אך אינם מסוגלים להפוך לסדרה מלאה של מילים, סמלים או הוראות.

הידע הזה כולל שכל ישר, מיומנויות גופניות, אינטואיציה, הבנת התנהגות של אחרים, נורמות חברתיות, תרבות והיסטוריה משותפת. אנשים יודעים לזהות מתי אמירה היא סרקסטית, מתי נדרש טקט ומתי אפשר להתבדח, אף שבדרך כלל אינם מחשבים במודע את כל הכללים שהובילו אותם למסקנה.

מערכת מחשב, לעומת זאת, יכולה לעבד רק מידע שיוצג לה בצורה הניתנת לקידוד. דנינג מכנה זאת "בעיית הייצוג": כל נתון והוראה חייבים להיות מיוצגים בצורה פיזית שהמעבד מסוגל לזהות, לאחסן ולשנות.

ידע סמוי אינו בהכרח קיים בצורה כזו. אפשר לתעד את התוצאה של מיומנות, אך לא תמיד את הידע הגופני והתחושתי המאפשר לבצע אותה. כנר, למשל, יכול להדגים נגינה מעולה, אך אינו מסוגל להעביר לתלמיד את מלוא המיומנות באמצעות רשימת הוראות.

מנקודת המבט של תעשיית השבבים, משמעות הטענה היא כי יותר טרנזיסטורים, יותר זיכרון ורוחב פס גדול יותר יכולים לשפר את מהירות המודל, את גודלו ואת מספר המשימות שהוא מבצע – אך אינם מבטיחים מעבר מחיקוי מוצלח להבנה אנושית.

גם רובוט אינו בהכרח פותר את בעיית הגוף

חלק מחוקרי הבינה המלאכותית מנסים להתמודד עם מגבלת הטקסט באמצעות בינה מלאכותית מגולמת: רובוטים ומערכות אוטונומיות הלומדים באמצעות מצלמות, חיישני מגע, מיקרופונים ותנועה בעולם הפיזי.

מגמה זו צפויה להגדיל את הביקוש לשבבי קצה, מעבדי ראייה, חיישנים, מערכות זמן אמת ומאיצים חסכוניים באנרגיה. היא עשויה לאפשר למכונות ללמוד קשרים בין פעולה לתוצאה ולא רק לנתח מאגרי טקסט.

אולם דנינג טוען כי גם גוף רובוטי אינו זהה לגוף ביולוגי. רובוט יכול לצפות בביצוע, לאסוף נתוני חיישנים ולחקות תנועה, אך אין פירוש הדבר שהוא חווה את התחושות, הרגשות והמשמעויות שבני אדם מייחסים לפעולה.

הפער הזה חשוב במיוחד במערכות הפועלות לצד בני אדם. מכונית אוטונומית, רובוט תעשייתי, מערכת רפואית או סוכן תוכנה עשויים להצליח ברוב המצבים שנכללו באימון – ועדיין להיכשל במצב חריג שבו נדרש ידע הקשרי שלא הוגדר מראש.

הסכנה המעשית אינה מחייבת מחשב־על תבוני

דנינג אינו טוען כי כישלון אפשרי בהשגת AGI מבטל את הסיכונים של הבינה המלאכותית. לדבריו, מערכות שאינן מבינות את העולם כמו בני אדם עדיין יכולות להיות מהירות, אוטונומיות ובעלות השפעה רחבה.

רשתות של סוכני בינה מלאכותית עשויות לבצע משימות, לקבל החלטות ולתקשר זו עם זו ללא פיקוח רציף. הן אינן חייבות להיות בעלות תודעה או תבונה כללית כדי לגרום לשיבושים פיננסיים, להפיץ מידע שגוי, להפעיל מערכות באופן בלתי צפוי או לקבל החלטות שאינן מתיישבות עם מטרות המשתמשים.

לדברי דנינג, יישור מערכות בינה מלאכותית עם ערכים אנושיים נותר קשה משום שחלק מן הכוונות, הנורמות וההקשרים האנושיים כלל אינם מנוסחים. מערכת יכולה לציית להוראה המילולית ועדיין להחמיץ את מטרתה האמיתית.

לתעשיית השבבים אין מכאן מסקנה שלפיה הביקוש לחומרת AI עומד להיעלם. גם ללא AGI, מודלים ייעודיים, מערכות סוכניות, רובוטיקה, עיבוד שפה, תכנון שבבים, רפואה ומערכות אוטונומיות צפויים לדרוש כוח חישוב משמעותי.

אולם הטענה של דנינג מערערת על ההנחה שכמות החישוב היא המדד המרכזי להתקדמות לעבר אינטליגנציה אנושית. ייתכן שתעשיית החומרה תמשיך לשפר במהירות את ביצועי המכונות – בלי שהמכונות יתקרבו באותה מידה להבנה, משמעות או שיקול דעת אנושי.

הפוסט האם עוד שבבים וכוח חישוב יספיקו לבינה מלאכותית כללית? מדען מחשבים טוען שלא הופיע לראשונה ב-Chiportal.

סטארטאפ הבינה המלאכותית AAI (דאבל A.I), שהקים פרופ' אמנון שעשוע לפני כשנתיים, הפך רשמית לאחד מגיוסי העומק המרשימים ביותר בזירת ה-AI הישראלית: החברה גייסה 200 מיליון דולר בסבב השקעה חדש, שבו הצטרפה גם ענקית השבבים אנבידיה. סך הגיוסים של החברה מגיע כעת ל־221 מיליון דולר, לפי שווי של כ-מיליארד דולר – סטטוס יוניקורן, עוד לפני השקה של מוצר מסחרי. (גלובס)

סבב הגיוס הובל על ידי קרן ההון־סיכון האמריקאית Lightspeed, מהשמות החזקים בהייטק העולמי ובזירת הסטארטאפים הישראלית. לצידה השתתפו בסבב ענקיות השקעה נוספות: זרוע ההשקעות של מייקל דל (DTC), בסמר, פיטנגו פירסט, גרינפילד, BRM – וכעת גם אנבידיה, שהפכה לשחקנית מפתח בכל מה שקשור לתשתיות AI עתירות חישוב.

AAI הוקמה באוגוסט 2023 ונרשמה תחילה בירושלים, וכיום היא פועלת ממשרדים ברמת גן. לצדו של שעשוע, שמכהן כמנכ"ל, נמנים על צוות המייסדים פרופ' שי שלו-שוורץ, ה-CTO של מובילאיי ושותפו של שעשוע גם ב-Mentee Robotics, וכן קבוצת חוקרים שהיו תלמידי וחוקרי עבר בקבוצות המחקר של שעשוע: פרופ' יואב לוין, פרופ' אור שריר, ד"ר נעם וייס וד"ר גל בנימיני. מדובר בצוות שמגיע מצומת של מדעי המחשב, מתמטיקה, פיזיקה ומדעי החיים – ומכוון לבעיות העמוקות ביותר של בינה מלאכותית. (AAI)

למרות היקף הגיוס, AAI עדיין פועלת "מתחת לרדאר": אין מוצר מסחרי, והקוד הפתוח העיקרי שיצא ממנה עד כה הוא מאמרים ומסגרות מחקר – למשל FormulaOne, דאטה־סט לבחינת יכולות הסקה אלגוריתמית של מודלים גדולים, שמנסה למדוד עומק חשיבה מעבר לשאלות קלאסיות של תכנות תחרותי.

הלב הטכנולוגי של דאבל A.I הוא לא עוד מודל שפה כללי, אלא מה שהחברה מכנה "בינה מלאכותית מומחית" (AEI – Expert AI): מערכות שמחקות את דרך החשיבה של מומחים אנושיים – מדענים, מהנדסים, מתמטיקאים – ומתמקדות בפתרון בעיות ספציפיות ומורכבות, תוך למידה מתמשכת מניסויים ומידע חדש. הרעיון הוא ליצור "סוכני AI" (AI Agents) שמסוגלים לא רק לענות על שאלות, אלא לפרק בעיות, להריץ ניסויים חישוביים, לעדכן את ההשערות שלהם – ולקבל החלטות בסגנון של חוקר מנוסה.

הגישה הזו מציבה את AAI באמצע הדרך בין שחקני ה-AGI (בינה מלאכותית כללית) שמנסים לדמות "מוח אנושי כללי", לבין חברות שמסתפקות במודלים גנרטיביים שמייצרים טקסט ותמונות. דאבל A.I מכוונת ל-AI שמתמחה בתחומים מוגדרים, אך מסוגל לבצע בהם שרשרת הסקות עמוקה, ולהציע פתרונות הנראים כמו עבודה של צוות מומחים אנושי – רק בקצב של מחשב־על.

מעבר למשקיעים, עצם הצטרפות אנבידיה לסיבוב הנוכחי מסמנת גם זווית תשתיתית: AEI וסוכני AI עתירי חישוב זקוקים לכוח GPU, לזיכרון מסיבי ולמערכות בקנה מידה גדול, ואנבידיה הופכת בשנים האחרונות לספקית ברירת המחדל של תשתיות כאלה. מבחינתה, השקעה ב-AAI משתלבת היטב באסטרטגיה של בניית אקו־סיסטם סביב שבבי ה-AI והפלטפורמות התוכנתיות שלה. (גלובס)

עבור שעשוע, זהו חוליה נוספת בשרשרת מיזמי ה-deep tech שהוביל בעשורים האחרונים: Mobileye בתחום הרכב האוטונומי, OrCam בטכנולוגיות ראייה מסייעת, AI21 Labs במודלי שפה גנרטיביים, Mentee Robotics ברובוטיקה הומנואידית ו-One Zero בבנקאות דיגיטלית. AAI מציבה אותו כעת בחזית המירוץ העולמי לדור הבא של מודלי הסקה וסוכני AI – מירוץ שבו ישראל הופכת, שוב, לשחקנית מרכזית. (וויקיפדיה)

בשלב זה, בחברה שומרים על איפוק תקשורתי ולא מפרטים על מוצרים קונקרטיים או על לוחות זמנים מסחריים. אבל שילוב של משקיעים מהשורה הראשונה, ענקית חומרה כמו אנבידיה וצוות מחקר מהחוד של ה-AI האקדמי והיישומי – מציבים את דאבל A.I כאחת החברות המסקרנות ביותר בגל הנוכחי של בינה מלאכותית מתקדמת.

הפוסט אנבידיה מצטרפת לגיוס הענק בסטארטאפ ה-AI החדש של אמנון שעשוע AAI הופיע לראשונה ב-Chiportal.

מספיק היה להביט סביב ולראות את בכירי המגזר העסקי, ראשי האקדמיה ומובילי תעשיית ההייטק כדי להבין שמדובר בארוע מיוחד. כולם עזבו הכל ובאו לפגוש את "איש השעה" סם אלטמן, מנכ"ל חברת OpenAI שהגיע לאונב' ת"א ביחד עם  ד"ר איליה סוצקובר, המדען הראשי של החברה כדי לקיים ראיון פתוח עם פרופ' נדב כהן וגם לענות לשאלות הקהל.

סם, לבוש חולצת בד חומה נטולת צווארון, נראה מתרגש הרבה פחות מהקהל שישב באולם והאזין בקשב רב לכל מילה שיצאה מפיו. למרות מראהו הנערי נראה שלא התבלבל מאף שאלה וענה בקור רוח למטר השאלות שנורו לעברו גם ע"י מנחה המפגש וגם מהקהל הרב שמילא את אולם סמולארש עד אפס מקום.

כשנשאל לגבי הסכנות הטמונות ב- ChatGPT  הכוללים איבוד מקומות עבודה, ניצול הטכנולוגיה כדי לפרוץ למאגרי מידע או איבוד שליטה כולל על מערכת הבינה המלאכותית הוא לא נראה מודאג. בנושא מקומות עבודה הבהיר כי בטווח הקרוב עוד נראה מתכנתים בסביבה "רק שהם יהיו הרבה יותר יעילים" ולגבי הטווח הארוך הסביר ש" כנראה שחלק מהאנשים יצטרכו להחליף מקצוע". לעומת זאת, הוסיף "במקצועות מסוימים יצטרכו אפילו יותר אנשים מבעבר".   

להמחשה סיפר כי כשמחשב יבמ המכונה Big Blue ניצח את גארי קספרוב, כולם חשבו שזה יהרוג את משחק השח אבל בפועל שח הפך להיות משחק פופולארי עוד יותר ואנשים הפכו להיות טובים יותר בכישורי המשחק שלהם.

כשנשאל כיצד הוא מדמיין את עתיד הבינה המלאכותית הג'נרטיבית ענה: "אני מאמין שיש למערכת הרבה יתרונות כלכלים ואחרים. לדוגמא אני חושב שנצליח למצא פתרונות למחלות וגם נצליח להבין טוב יותר את מסתורי היקום". זו היתה אולי הנקודה היחידה בכל הראיון בה הפגין סם קצת התרגשות כשאמר: "מה שמרגש אותי זה שנצליח לרפא מחלות ונוכל לחיות בעולם טוב יותר ו.. אנחנו לא רחוקים משם".

אחת התשובות המעניינות שסיפק סם היתה בתגובה לשאלה של מישהו מהקהל ששאל איך תוכל מערכת ה ChatGPT לעזור לאנשים ולארגונים. תשובתו של סם לא איחרה לבא: "חלק מהסיבה שיצאתי לסבב הנסיעות הזה היא לשאול אנשים מה היו רוצים לקבל מ- ChatGPT וכן ללמוד מה השימושים של אותם אנשים שנעזרים ב- API של ChatGPT  ". ומיד אחר כך הוסיף. "אני מאמין ש- ChatGPT  ישפיע על כל תחום. זה הדבר המשפיע ביותר על העולם מאז המצאת הטלפון הנייד" .

אלטמן נולד למשפחה יהודית בעיר סנט לואיס, לואיזיאנה אך גם כשנשאל מה לדעתו אפשר לעשות בתחום הבינה המלאכותית בישראל לא הביע התייחסות מיוחדת למדינת היהודים. בתשובה לשאלה ענה: "אני מוצא בישראל שני יתרונות. הראשון, כמות הכישרונות כאן גדולה מאד ושנית, הנחישות של היזמים כאן היא גדולה. שתי העובדות הללו יכולות לסייע לשגשוג כלכלי".

השאלה הבאה עסקה בתחומי הענין האישי של אלטמן כשנשאל מה הם השימושים שהיה עושה באופן פרטי עם ChatGPT . בראיון שהתקיים עימו לא מכבר סיפר אלטמן כי אחרי שמכר את הסטרטאפ הראשון שלו קרא הרבה ספרים בנושאים שעניינו אותו כולל אנרגיה גרעינית, ביולוגיה סינטטית, השקעות וכמובן בינה מלאכותית. היום תשובתו היתה כללית יותר. "בעבר השקעתי שעות בלימוד נושאים שעניינו אותי בויקיפדיה. עכשיו בכל נושא שמענין אותי אני יכול להשתמש ב-   ChatGPT ולבקש ממנו להכין לי סיכום  קצר.

תלמיד שמתלבט האם ללמוד תכנות מחשבים בימים אלו שאל את אלטמן: האם יש מקום ללמוד כיום תכנות מחשבים? אלטמן השיב: "בעבר למדתי תכנות מחשבים וזה מאד עזר לדרך החשיבה שלי אז גם אם לא תעבוד בתכנות אני ממליץ לך ללמוד את זה".

לסיום נשאל אלטמן: האם עם כל הטכנולוגיות והיכולות הגלומות ב- ChatGPT אתה ממליץ להקים כעת סטרטאפים? תשובת אלטמן: "זה הזמן הכי טוב להקים סטארטאפ. יותר טוב מהתקופה בה הומצא הסמארטפון. זהו עיתוי סופר מגניב (super cool time) והאפשריות הקיימות כיום הן אין סופיות".

מעניין יהיה לשוב לכתבה הזו בעוד שנה ובעוד עשור כדי לבחון מה מתוך כל התחזיות הללו התממש וכיצד!

הפוסט <strong>מנכ"ל החברה שפיתחה את ChatGPT בישראל: זה הזמן הכי טוב להקים סטארטאפ</strong> הופיע לראשונה ב-Chiportal.