Published on:
מעקב אחר עלייתה של הבינה המלאכותית: מסקרנות אנושית למהפכה קוגניטיבית
"כעיתונאית, תמיד הייתי סקרנית עמוקות לגבי העולם." עם מילים אלו, דמות התקשורת הסינית יאנג לאן (Yang Lan) פותחת את הסרט התיעודי Exploring Artificial Intelligence, וממסגרת מסע המונע על ידי שאלות שמגדירות יותר ויותר את העידן שלנו: האם מכונות הופכות לחכמות יותר מבני אדם? האם בינה מלאכותית תחליף אותנו ביום מן הימים? ועד כמה הטכנולוגיה יכולה להרחיב את גבולות האינטליגנציה האנושית?
שאלות אלו קיבלו דחיפות עולמית בשנת 2016, שנה שנחשבת רבות כרגע הפריצה של הבינה המלאכותית. מביג דאטה ומחשוב ענן ועד למידה עמוקה ומערכות אוטונומיות, הבינה המלאכותית עברה במהירות מהמעבדות אל המודעות הציבורית.
אירוע מכונן אחד היה המשחק ההיסטורי שבו AlphaGo הביסה את אלוף העולם לי סדול (Lee Sedol), המסמל שינוי באופן שבו בני אדם תופסים את האינטליגנציה המכונית.
שפה, קוגניציה והמוח המכוני
האינטליגנציה האנושית התפתחה דרך השפה. לפני כ-70,000 שנה, פיתוח מערכות דיבור מורכבות אפשר לבני אדם לתאר את סביבתם, להחליף רעיונות מופשטים ולבנות חברות. ה"מהפכה הקוגניטיבית" הזו עיצבה מחדש את הציוויליזציה מהיסוד.
הסרט התיעודי שואל שאלה מקבילה: כיצד מכונות מבינות שפה?
הניסיונות המוקדמים היו צנועים. בשנת 1952, מדענים במעבדות בל (Bell Labs) לימדו מכונות לזהות עשר ספרות באנגלית מדוברת, וקראו למערכת "Audrey". למרות שהייתה פורצת דרך, היא נותרה רחוקה מהבנה אמיתית של שפה טבעית. ההתקדמות הייתה הדרגתית ולעיתים קרובות מוגבלת על ידי נתונים וכוח מחשוב מוגבלים.
ההתקדמות הייתה הדרגתית ולעיתים קרובות מוגבלת על ידי נתונים וכוח מחשוב מוגבלים.
נקודת מפנה משמעותית הגיעה בשנות ה-80, כאשר קאי-פו לי (Kai-Fu Lee) החל במחקר זיהוי דיבור באוניברסיטת קרנגי מלון (Carnegie Mellon University). עבודתו הציגה מערכות המסוגלות להבין דיבור רציף ממספר דוברים — שלב חיוני לקראת אינטראקציה טבעית בין אדם למחשב. לראשונה, מכונות יכלו לעבד שפה מדוברת באופן הדומה לדיאלוג אמיתי ולא לפקודות מבודדות.
ממערכות מבוססות חוקים ללמידה עמוקה
למרות התקדמות זו, מערכות הדיבור והשפה נאבקו במשך עשורים. פריצת הדרך הגיעה באמצע שנות ה-2000, מונעת על ידי פרדיגמה חדשה: למידה עמוקה.
בשנת 2006, ג'פרי הינטון (Geoffrey Hinton) פרסם מחקר משפיע על רשתות עצביות עמוקות, תוך שאיבת השראה ממבנה המוח האנושי. עבודתו הדגישה קנה מידה — מודלים גדולים יותר, שכבות רבות יותר והרבה יותר נתונים. גישה זו הדהדה אצל חוקרים כמו דנג לי (Deng Li), שהדגים שכאשר הם משולבים עם מערכי נתונים גדולים וכוח מחשוב מודרני, שיעורי השגיאה בזיהוי דיבור יכולים לרדת באופן דרמטי, לפעמים ביותר מ-20 אחוזים בניסויים מוקדמים.
מה שעצר את הרשתות העצביות בשנות ה-90 לא היה תיאוריה פגומה, אלא נתונים ומשאבי מחשוב לא מספיקים. ככל שהאינטרנט יצר מאגרי נתונים עצומים וכוח העיבוד גדל, הלמידה העמוקה פרחה פתאום. בעיות שפעם נראו בלתי פתירות החלו להיעלם.
מכונות נכנסות לעולם הפיזי
הסרט התיעודי חוקר גם כיצד הבינה המלאכותית עוברת מעבר לתוכנה אל הסביבה הפיזית. במעבדת הבינה המלאכותית של אוניברסיטת סטנפורד (Stanford University), הרובוט דמוי האדם PR2 מבצע משימות כגון ניווט במסדרונות, שימוש במעליות וקניית קפה לחוקרים.
העיצוב שלו לא נועד לחקות בני אדם, אלא לקיים אינטראקציה יעילה עם עולם ממוקד-אדם — לראות, לתפוס ולהפעיל כוח מבוקר.
זה משקף שינוי רחב יותר ברובוטיקה: מכונות כבר אינן מוגבלות למפעלים. הן לומדות להתקיים לצד אנשים, תוך הסתגלות לסביבות מורכבות ולא מובנות.
האצת האינטליגנציה האנושית
לאחר ביקור ביותר מ-30 מעבדות בינה מלאכותית בחמש מדינות וראיונות עם למעלה מ-80 דמויות מובילות, יאנג לאן (Yang Lan) מסכמת שבינה מלאכותית אינה עוסקת רק בהחלפת האינטליגנציה האנושית. במקום זאת, היא מאיצה אותה.
מזיהוי דיבור והבנת שפה ועד רובוטיקה ולמידה עמוקה, הבינה המלאכותית הפכה לכלי המרחיב את היכולות האנושיות. השאלה המרכזית אינה עוד האם הבינה המלאכותית תשנה את החברה, אלא כיצד האנושות תבחר לעצב את השינוי הזה.
