רבות מדובר בחודשים האחרונים על סכנת ה-AI, בינה מלאכותית בעברית. הופעת הטכנולוגיה העוצמתית הזאת, כפי שהיא משתקפת בפיתוחים טכנולוגיים כגון ChatGPT ודומיו, היוותה כר פורה להולדתם של שלל תרחישי אימה, מאובדן משרות נרחב וחוצה ענפים, ועד למחשבים מודעים שיום אחד יתקוממו על האנושות כולה. מבלי להביע דעה בנושא, חשבנו לעשות עבורכם סדר, ולענות על כמה שאלות בצורה ברורה ותמציתית, כך שתדעו גם אתם באמת מה זה בינה מלאכותית.
מה זה AI?
מה זה AI? באנגלית, זהו קיצור של Artificial Intelligence, ובעברית – אינטליגנציה מלאכותית, שמטרתה לדמות אינטליגנציה אנושית, אשר כוללת ביצוע של משימות חשיבה, למידה, תפיסה וקבלת החלטות. לצורך פיתוח מערכות המבוססות על Al, יש צורך להתמקצע בתחומים ותת-תחומים בעולמות הטכניים, החל ממתמטיקה וסטטיסטיקה ועד לשפות תכנות פופולאריות כמו פייתון. לפני שנתקדם הלאה לדוגמאות ספציפיות אודות מה זה AI, כדאי לדעת שישנן רמות שונות של אינטליגנציה מלאכותית:
- בינה מלאכותית בסיסית – בינה מלאכותית המותאמת למשימות ספציפיות, אשר מוגבלת ביכולותיה. תוכנות של זיהוי תמונות, אשר מסוגלות לסרוק תמונה ולאתר אותה במרחבי האינטרנט, הן דוגמה לתוכנות אשר מבוססות על AI ברמה בסיסית (הכל יחסי כמובן).
- בינה מלאכותית מתקדמת – בינה מלאכותית ברמה גבוהה מאוד, אשר מסוגלת להבין, ללמוד וליישם, ממש כמו אינטליגנציה של בן אנוש. ישנם מעט מאוד פרויקטים המבוססים על בינה מלאכותית מתקדמת, והיא עדיין נמצאת בפיתוח.
בואו נצלול פנימה – אז מה זה בינה מלאכותית?
כאשר אנו מדברים על בינה מלאכותית, לרוב אנו מתכוונים למצב שבו אנו גורמים למכונה, על ידי לימוד איטרטיבי (חזרתי), לבצע יכולת אנושית. המכונה לומדת מידע באחת מן הטכניקות ללימוד מידע המתאימות לבינה מלאכותית, ועל בסיס המידע הנלמד היא לומדת לעשות משהו שעד אז היה בגדר יכולת קוגניטיבית אנושית. הנושא של הלימוד של המכונה הוא חשוב לצורך הקביעה כי מדובר ב-AI: אם יש לנו "סתם" צ'אט אוטומטי שנותן לנו תשובות קבועות על בסיס שאלות קבועות, אז אין כאן ממש בינה מלאכותית, אלא יותר אלגוריתם רצף של מקרים ותגובות. לעומת זאת, אם התשובות של הצ'אט הזה משתנות בהתאם למידע שהוא אוסף, אזי מדובר בבינה מלאכותית.
כדי להבין יותר את הנקודה, ניקח טכניקה אחת ללימוד מידע המבצעת בינה מלאכותית, והיא קלסיפיקציה (סיווג). נניח יש לנו מכונה למיון ירקות ופירות, והמטרה שלנו היא ללמד את המכונה להבחין בין מלפפונים לבננות. איך עושים זאת? מראים לה המון-תמונות של מלפפונים, וכן המון-המון תמונות של בננות. לאחר שהיא יצרה לעצמה דפוס מסוים של מה זה כל אחד מהם, נותנים לה להתחיל לנסות ולסווג מלפפונים ובננות, ולראות אם היא מצליחה. העניין הוא שבכל פעם שהיא מסווגת בננה בטעות כמלפפון ולהיפך, יש פונקציה שגורמת לבינה ללמוד מהטעות הזאת, וכך המערכת ממשיכה להשתפר. דבר מעניין אגב בהקשר הזה, הוא שכאשר נחשוף את המערכת לתמונות של פרי נוסף, תפוחים למשל, אזי היא תלמד אפילו יותר טוב להבדיל בין תפוחים לבננות, שהרי בכך היא מצליחה לחדד את דפוסי הזיהוי שהיא מחפשת.
איך בינה מלאכותית עובדת?
לאחר שהבנו מה זה בינה מלאכותית, אפשר ללמוד מעט יותר על הדרך בה היא עובדת. בינה מלאכותית מתייחסת לפיתוח מערכות מחשב שיכולות לבצע משימות שדורשות בדרך כלל אינטליגנציה אנושית. מדובר בתחום רחב, ולכן ישנן גישות וטכניקות שונות. לפניכם סקירה כללית של אופן הפעולה של AI:
- איסוף נתונים – מערכות בינה מלאכותית דורשות כמויות גדולות של נתונים כדי ללמוד ולקבל החלטות מושכלות. נתונים אלה יכולים להיות מובנים או לא מובנים ועשויים לכלול טקסט, תמונות, אודיו, וידאו וכו'. בלמידת מכונה בסיסית יש צורך לסדר את הנתונים בפורמט אחיד ותקין, ואילו בלמידת מכונה עמוקה – המערכת יודעת לסדר לעצמה את הנתונים מתוך בליל של מידע לא מסודר
- עיבוד מוקדם של נתונים – הסרה של מידע לא רלוונטי ותיקון חוסר כדי לשפר את איכות הנתונים
- נתוני אימון ואימון מודלים – אימון המודל באמצעות הזרמת נתונים, ככל שישנם יותר נתונים ויותר שאילתות, כך המודל לומד להפיק תחזיות איכותיות יותר
- אלגוריתמים ומודלים – שימוש באלגוריתמים ומודלים שונים של AI בהתאם לסוג המשימה והמטרה לשמה אתם מפתחים את המודל
- בדיקה לפני שימוש – מודל הבינה המלאכותית המאומן שיצרתם נבדק על מערך נתונים נפרד כדי להעריך את הביצועים ויכולת ההכללה שלו. בניגוד לבדיקות שביצעתם לאורך כל הפיתוח, שלב זה עוזר להבטיח שהמודל יכול לבצע תחזיות מדויקות על נתונים חדשים
- פריסה והטמעה – ברגע שמודל הבינה המלאכותית עובד כנדרש, ניתן לפרוס אותו במסגרת יישומים שונים
עתיד הבינה המלאכותית
הבינה המלאכותית עומדת בחזית המהפכה הטכנולוגית, ומעצבת את העתיד של כולנו במגוון רחב של תחומים. ומה יותר מרשים ממערכות שיודעות לחשוב כמו בן אנוש? אחד מתתי-התחומים החזקים ביותר של בינה מלאכותית הוא למידת מכונה, ובמסגרת הזו נעשים פיתוחים חדשים ומרגשים כל הזמן, כדי לצמצם את המעורבות של בני האדם באימון המודל ולאפשר לו ללמוד לבד, לצד יכולת לעבד באופן עצמאי דפוסים מורכבים בנתונים.
יתרונות הבינה המלאכותית
היתרונות של בינה מלאכותית הם די מדהימים. הטכנולוגיה הזאת מאפשרת לקחת מלאכות אנושיות ולעשות אותן בצורה אוטומטית, ובכך היא מאפשרת לנו להגדיל משמעותית את התוצר האנושי. אגב, האמת היא שזה כבר שנים שבינה מלאכותית היא חלק מחיינו, אולי מבלי משים. למשל, כיצד הג'ימייל שלנו יודע האם מייל מסוים הוא ספאם או לאו? המערכת למדה המון-המון דפוסים ביחס למיילים, וכעת יודעת לזהות בסבירות מספיק גבוהה, איזה מייל הוא כנראה ספאם ולא מעניין (ולכן ייכנס לתיקיית הספאם אוטומטית), ואיזה מייל הוא "אמיתי". עם זאת, רובנו לא חושבים על המערכת הזאת בתור בינה מלאכותית, פשוט כי התרגלנו לנוכחות שלה. בינה מלאכותית נמצאת סביבנו שנים, אולם ברגע שאנחנו מתרגלים לטכנולוגיה מסוימת, אנחנו נוטים שלא לחשוב עליה בתור בינה מלאכותית.
הקפיצה התודעתית הגדולה ביחס לבינה מלאכותית הגיעה בשנה האחרונה, עם הולדתו של ה-AI הגנרטיבי, קרי בינה מלאכותית שהמלאכה האנושית שהיא עושה כרוכה ביצירה, כגון יצירה של תמונות גרפיות או כתיבת טקסטים. כאן יותר קל לנו לראות שאכן מדובר בקפיצה טכנולוגית נחשונית בתחום של בינה מלאכותית. זה כאילו שפתאום גילתה האנושות כי מכונה יכולה לחסוך צורך באנשי מקצוע, או שעות עבודה יקרות של אנשי מקצוע.
חסרונות הבינה המלאכותית
- החסרונות של הבינה המלאכותית הם עניין מורכב יותר. למשל, חסרונות מסוימים מיוחסים לבינה מלאכותית, הם למעשה חסרונות אנושיים. דוגמה אחת היא גזענות: בשנים האחרונות התפרסמו כל מיני ידיעות על כך שה-AI מוטה מבחינה גזעית. מערכות שונות שפותחו לאיתור פושעים (ולא נמצאות בשימוש מעשי), התמקדו יותר באנשים שצבע עורם שחור כפושעים. מדוע? משום שהמערכת נסמכת על המידע שהזינו אותה, ומה לעשות שהאנושות עצמה היא קצת… גזענית. מבלי משים, הגזענות הזאת עשויה להיות משוכפלת אל תוך מנגנוני AI, ולכן חשוב לפנות לשימוש בטכנולוגיה בצורה מדודה וזהירה.
- חיסרון אחר בשימוש בבינה מלאכותית, נובע מעצם היותה: אם בינה מלאכותית יכולה להחליף בני אדם בביצוע מלאכות אנושיות, עשויה להישאל השאלה, לשם מה בכלל נחוצים בני האדם? יתרה מכך, אם בעבר עוד התרגלנו שהטכנולוגיה מחליפה איוש משרות בעבר, לרוב היה מדובר במשרות טכניות בעיקרן, כגון עובדים בפסי ייצור ומפעילי ציוד למיניהם. היכולת של הבינה המלאכותית להחליף בני אדם כה גבוהה, עד כדי כך שהיא מאיימת גם על בעלי תפקידים המאיישים משרות מורכבות, לרבות עורכי דין ואפילו רופאים.
- צורך באמינות – במקרים מסוימים, אנחנו נבקש מהתוכנה או המכשיר לבצע פעולות שמצריכות מאיתנו אמון גבוה. הדבר הבולט ביותר הוא רכבים אוטונומיים שנוסעים ללא מעורבות אדם. במקרים אחרים, פשוטים יותר, נזדקק לחומר מקצועי המופק מתוך אתר או תוכנה, ונרצה לסמוך על כך שמדובר בתוכן עדכני ונכון. הצורך באמון גבוה אמנם מעמיד את הבינה המלאכותית בסטנדרט גבוה, אך עדיין דורש מאיתנו – בני האדם – להיות זהירים.
מה הן שפות הפיתוח המובילות בבינה מלאכותית?
אין שפת פיתוח אחת ויחידה עבור פיתוח מערכות בינה מלאכותית, מכיוון שלכל פרויקט יש את הצרכים וההתאמות שלו. עם זאת, ישנן מספר שפות פיתוח שנחשבות לאידיאליות עבור פיתוח מערכות בינה מלאכותית ותחום למידת מכונה.
- פייתון – שפת פייתון היא שפת פיתוח פופולרית ורב תכליתית, וניתן למצוא אותה במגוון רחב מאוד של פרויקטים ובתוך זה בתחום של למידת מכונה. בזכות הפשטות היחסית שלה וקהילת מפתחים גדולה היא נחשבת למומלצת מאוד
- R – שפת R משמשת בעיקר למטרת ניתוח נתונים ועיבודים סטטיסטיים, ולכן כל מי שעוסק בתחום הביג דאטה מכיר אותה הייטב. לשפת R יש מספר תכונות המשמשות לביצוע של הדמיית נתונים ופרויקטים הקשורים ללמידת מכונה
- Java – שפת פיתוח כללית שמאובזרת היטב בספריות ופריימוורקס כדוגמת Weka ו- MOAהמשמשים למשימות בינה מלאכותית
- CPP – שפת פיתוח עוצמתית מאוד המשמשת בעיקר בתחום של מציאות מדומה, פיתוח משחקים וכדומה, עם ספריות ופריימוורקים המשמשים בתחום של בינה מלאכותית ולמידת מכונה
מגבלות הבינה המלאכותית
לפני שאנחנו נכנסים להתקף חרדה, חשוב לזכור ולהבין שלבינה המלאכותית אין יכולת למידה עצמית בלתי מוגבלת, והיא תלויה בבני אדם שילמדו אותה. אנשי הדאטה בבינה מלאכותית, אלו שמסמנים את המידע למערכת, הם אלו שאחראים להזין את המערכת במידע. העלות של הזנת המידע היא גבוהה מאוד, ולכן נדרשים המון משאבים כדי לבנות מערכת בינה מלאכותית טובה ואיכותית. רוצה לומר, הגורם האנושי בהפעלתה של המערכת נחוץ מאוד, לפחות בעתיד הנראה לעין.
מעבר לכך, המערכת יכולה לעשות רק מה שלימדו אותה. נכון להיום, בינה מלאכותית נותרה בגדר מה שנקרא "בינה מלאכותית צרה", קרי מוגבלת רק לסוג אחד של מחשבה אנושית, ולא אינטליגנציה אנושית מלאה. בינה מלאכותית רחבה (מה שנקרא AGI או Artificial general intelligence), כזו שיכולה באמת לחקות חשיבה אנושית או אולי אפילו לעלות עליה, נותרה (נכון להיום) מושג תיאורטי לגמרי (ואולי טוב שכך).
דוגמאות ליישומים שעושים שימוש בבינה מלאכותית
אתרי אינטרנט ואפליקציות – עוזרים וירטואליים כמו Google Assistant ו-Siri משתמשים בבינה מלאכותית כדי להאזין לפקודות קוליות, להבין אותן ולבצע את הפעולה המבוקשת
- זיהוי תמונה ודיבור – יישומים של זיהוי תמונה ודיבור, יצירת טקסט מתוך קובץ קול ועוד. יישומים בולטים כמו Google ואפליקציות שונות עושים שימוש ביכולת הזו, אך לא רק – גם גופי ביטחון למיניהם שזקוקים למערכות לזיהוי פנים כדי לאתר אנשים ספציפיים בתוך המון סואן
- חוויית תוכן והמלצות – פלטפורות כדוגמת Youtube, נטפליקס וגם אפליקציית המוזיקה ספוטיפיי, ממליצות לנו על תכנים נוספים בהתאם להעדפות שלנו. העדפה יכולה להיות זמר מסוים, סגנון מוזיקה או סרט מסוים ואפילו זמן צפייה ממוצע
- צ'אטים – צ'אטים אוטומטיים הם דוגמה רווחת ל-AL, אך מדובר כמובן בבינה מלאכותית ברמה בסיסית למדי
- כלי רכב אוטונומיים – כלי רכב אוטונומיים (לא אוטומטיים, יש לשים לבד להבדל) הם כלי הרכב המתקדמים ביותר. למעשה, הרכב נוהג לבד ללא מעורבות אדם, ויודע לזהות את התנועה בכביש, לתפוס את הסביבה, לאמוד מרחקים וסכנות ולקבל החלטות בבטחה
- תחום הרובוטיקה – אם רציתם לדעת AI, אז כנראה שעולם הרובוטיקה יענה לכם את השאלה. אינטליגנציה מלאכותית משמשת ברובוטיקה כדי לאפשר לרובוטים לבצע משימות אנושיות בסביבה מגוונת. גם מל"טים נכנסים בתחום הזה
מה לומדים כדי לעסוק בבינה מלאכותית?
כדי לעסוק בבינה מלאכותית ניתן לבחור באחת משתי דרכים: תואר ראשון בהנדסת תוכנה, מדעי המחשב או מדעי הנתונים, שכולל בתוכו קורס בינה מלאכותית, או קורס נפרד ועצמאי בבינה מלאכותית, כפי שניתן לעשות אצלנו במכללת INT.
