מי מפחד מרובוטים: האם אתם צריכים לחשוש שהם יחליפו אתכם בעבודה? - גלובל - TheMarker
 

אתם מחוברים לאתר דרך IP ארגוני, להתחברות דרך המינוי האישי

טרם ביצעת אימות לכתובת הדוא"ל שלך. לאימות כתובת הדואל שלך  לחצו כאן

תיק מניות

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

לרשימת הקריאה המלאה לחצו כאן

מי מפחד מרובוטים: האם אתם צריכים לחשוש שהם יחליפו אתכם בעבודה?

גוגל, פייסבוק, אמזון ובאידו, מקימות מעבדות בתחום הבינה המלאכותית ומגייסות אנשי מקצוע בתקווה לבנות את העתיד ■ מנגד, יש מי שעדיין חוששים כי יצירי כפיהם יתעלו על בני האדם - וישתלטו על העולם

18תגובות

כיזם סדרתי שעשה את הונו ההתחלתי בימים הראשונים של האינטרנט, אילון מאסק מעסיק עצמו בבניית עתידם של אנשים אחרים. מאז הוא היה שותף להקמה של חברת אנרגיה סולארית המייצרת אנרגיה ירוקה, של יצרנית מכוניות חשמליות שמשחררת נהגים ממנועי בעירה פנימית, ושל ספייס–X, בתקווה להגשים את החלום שלו ליישב בני אדם על המאדים. אפשר היה לחשוב שכל אלה הופכים אותו לטכנולוג מהסוג שמסתכל על העתיד באופטימיות חסרת רסן.

אבל לא כל הטכנולוגיה העתידנית קיבלה את אישורו של מאסק. בנאום שנשא באוקטובר במכון הטכנולוגי של מסצ'וסטס (MIT) אמר מאסק כי פיתוח בינה מלאכותית (AI) הוא "להעיר את השדים", וכי יצירת תחרות לבינה מלאכותית היא כנראה האיום הגדול ביותר שניצב בפני העולם. והוא אינו היחיד. אנשי אקדמיה מאוקספורד וקיימברידג' מזהירים כמוהו מפני הסכנות שבבינה מלאכותית.

החששות האלה מנוגדים לאופטימיות בתחום הבינה המלאכותית עצמו, שנהנה מהתקדמות מהירה בשנים האחרונות. חברות כמו גוגל, פייסבוק, אמזון ובאידו נכנסו למירוץ ה–AI, גייסו מדענים, הקימו מעבדות ורכשו סטארט־אפים. אנשי התעשייה ברובם לא חוששים מכך שיצירי כפיהם יתעלו עליהם. המטרה שלהם אינה ליצור סוגים חדשים של מוחות אלא לבטל חלק מהצורך בסוג הישן. בעצם נטילת משימות שבעבר רק בני אדם יכולים היו לעשות והעברתן למכונות.

בלומברג

הודות לשפע המידע שמעלים המחשבים, הטאבלטים והסמארטפונים המחוברים לאינטרנט, ולכמויות האדירות של כוח מחשוב שנחוץ כיום לעיבוד המידע הזה, האלגוריתמים משפרים את היכולת שלהם להבין שפות, לזהות תמונות ועוד. התאגידים שמו לב למגמה הזאת, וגם מי שמודאגים מכך שהטכנולוגיה גוזלת מבני אדם משרות. הרבה עבודה תלויה בזיהוי דפוסים ותרגום סמלים. אם מחשבים יחליפו חלק מהאנשים שעושים זאת כיום, יהיו יותר עובדי צווארון לבן בתור בלשכת התעסוקה.

הסימנים לתנופת הצמיחה בתחום הבינה המלאכותית נמצאים בכל מקום. בשנה שעברה שילמה גוגל לפי דיווחים 400 מיליון דולר עבור דיפמיינד (DeepMind), סטארט־אפ מלונדון. היא חטפה את החברה מתחת לאפה של פייסבוק, שמתגאה במעבדה משלה לחקר בינה מלאכותית. חברות כמו נראטיב סיינס משיקגו, שהופכת כתיבה של דיווחים לאוטומטית (ומשמשת כבר את מגזין העסקים "פורבס" לדיווחים פיננסיים בסיסיים), וקנשו מקיימברידג' מסצ'וסטס, שמתכננת להפוך חלק מהעבודה שמבצעים אנליסטים מתמטיים במגזר הפיננסי לאוטומטית, קיבלה הרבה כסף ממשקיעים. ב-13 באפריל הודיעה יבמ על תוכניתה להשתמש במחשב ווטסון - שניצח ב–2011 שני אלופים בשעשועון "ג'פרדי" - לניתוח נתוני בריאות כדי להוציא מהם תובנות רפואיות.

המחשבים עוברים ללמידה עמוקה

מחקרים בתחום הבינה המלאכותית קיימים זמן רב, כמעט כמו המחשבים עצמם. רוב ההתרגשות כיום נוגעת לתת תחום שנקרא "למידה עמוקה", צורה מודרנית של "למידה חישובית", שבה המחשבים מלמדים את עצמם לבצע משימות באמצעות שורה ארוכה של נתונים. אלגוריתמים שנוצרו בצורה זו אמורים לגשר על פער שמתסכל את כל חוקרי הבינה המלאכותית: משימות שבני האדם מתקשים לבצע - המחשבים מבצעים בקלות וההיפך.

אחת הדרכים להבין זאת היא שכדי שבני אדם יבצעו משימות שנחשבות בעיניהם לקשות, כמו פתרון משוואות דיפרנציאליות, הם צריכים לכתוב שורה של כללים פורמליים. הפיכת הכללים האלה לתוכנה היא פשוטה למדי. אבל בכל הנוגע לדברים שנראים לבני האדם פשוטים, אין צורך בכללים מפורשים - וקשה גם ליצור אותם. כך למשל, אנשים מבוגרים יודעים להבדיל בין תכנים פורנוגרפיים לתכנים שאינם פורנוגרפיים. אבל כמעט בלתי אפשרי לתאר כיצד עושים זאת, כפי שפוטר סטיוארט, שופט בית המשפט העליון בארה"ב, גילה ב–1964. מתוסכל מהקושי למצוא הגדרה מוחלטת, הוא כתב כי אף שהוא אינו יכול להגדיר פורנו באופן מדויק, "אני יודע לזהות אותו כשאני רואה אותו".

בלומברג

למידה חישובית היא דרך לגרום למחשבים לזהות דברים כשהם רואים אותם בכך שהם מייצרים בעצמם את הכללים שהמתכנתים שלהם לא יודעים להגדיר. המכונות עושות זאת באמצעות ניתוח סטטיסטי רציני של נתונים על גבי נתונים.

מערכות רבות משתמשות בטכנולוגיית בינה מלאכותית ישנה, רשתות נוירונים, לפיתוח הנתונים הסטטיסטיים שלהם הן זקוקות. רשתות נוירונים מלאכותיות הומצאו בשנות ה–50 על ידי חוקרים שחשבו כי אף שאינם יודעים אינטיליגנציה מהי, הם ידעו כי היא נמצאת במוח. והמוח מעבד את המידע בעזרת נוירונים. אם אפשר לגרות את הנוירונים האלה - תאים קטנים קשורים זה לזה שמעבירים אותות אלקטרוכימיים בינם לבין עצמם - אז אולי תתפתח סוג כלשהו של התנהגות אינטיליגנטית.

נוירונים הם דבר מורכב מאוד. אפילו כיום, הסימולציות המשמשות בינה מלאכותית הן רק חיקוי חיוור לדבר האמיתי. ואולם, תוצאות מוקדמות הראו כי אפילו הרשתות הגסות ביותר יכולות להועיל למשימות מסוימות. כריס בישופ, חוקר בינה מלאכותית במיקרוסופט, אומר כי חברות הטלפונים השתמשו מאז שנות ה–60 באלגוריתמים מבטלי הד שהתגלו על ידי רשתות נוירונים. עם זאת אחרי הצלחות מוקדמות כאלה הרעיון איבד מהמשיכה שלו. כוח המחשוב שהיה זמין אז הגביל את גודל הרשתות בסימולציות, מה שהגביל את הטכנולוגיה.

בשנים האחרונות, כוחם האדיר של מעבדים שפותחו כדי לעמוד במשימה הכבדה של גרפיקת משחקי וידאו, עוררו את העניין ברשתות הנוירונים מחדש. רשתות הנוירונים המוקדמות היו מוגבלות לעשרות או מאות נוירונים, לרוב מאורגנים כשכבה יחידה. הרשתות כיום יכולות לבצע סימולציות של מיליארדים. עם כמות כזאת של נוירונים, החוקרים יכולים שוב להשתמש בידע שלנו על המוח, ולארגן אותם בשכבות נפרדות והיררכיות, ושימוש זה בשכבות מקושרות מעניק ללמידה העמוקה את ה"עומק".

כל שכבה של הרשת מתמודדת עם רמת הפשטה אחרת. כדי לעבד תמונה, למשל, מזינים לשכבה הראשונה תמונות גולמיות. שכבה זו מציינת דברים כמו בהירות וצבעים של פיקסלים נפרדים, וכיצד מאפיינים אלה מתפזרים בתמונה. השכבה הבאה משלבת נתונים אלה ומוסיפה קטגוריות מופשטות יותר - זיהוי קצוות, צללים ועוד. שכבה נוספת תנתח את הקצוות והצללים ותחפש שילובים המעידים על צורות כמו עיניים, שפתיים ואוזניים. את כל אלה אפשר לשלב לייצוג של פנים - ולא רק כל פנים, אלא אפילו תמונה חדשה של פנים מסוימות שהרשת נתקלה בהן בעבר.

כדי להפוך את הרשתות לשימושיות, יש להכשירן. למשל, כדי שהתוכנה תלמד לזהות פנים, יהיה צריך להציג בפניה "מערך הכשרה" הכולל אלפי תמונות. בחלקן יהיו פנים ובחלקן לא. כל אחת מהן תתויג על ידי בן אדם. התמונות הן הקלט, ואילו התגיות (כמו: "פנים" ו"לא פנים") הפלט. המשימה של המחשב היא למצוא כלל סטטיסטי המתאים בין הקלט לפלט הנכון. כדי לעשות זאת, היא תבחן כל רמת הפשטה כדי להבין אילו מאפיינים משותפים לתמונות בהן רואים פנים. כשהיא תמצא התאמות טובות מספיק, התוכנה תהיה מסוגלת להבדיל באופן מהימן בין פנים למה שאינו פנים בתמונות במערך ההכשרה. הצעד הבא הוא לתת לה לעבור על מערך תמונות נוסף, כדי לראות אם היא מסוגלת להתמודד עם העולם האמיתי.

באופן זה, אלגוריתמים של למידה חישובית לומדים לזהות מאפיינים, רעיונות וקטגוריות שבני אדם מבינים אך מתקשים להגדיר ולהפוך לקוד תוכנה. במשך זמן רב, אלגוריתמים אלה היו בעלי התמחות צרה מאוד. תוכנות לרוב נזקקו לרמזים ספיציפיים מצד כותביהן כדי לעמוד במשימה. לרשתות הנוירונים המוקדמות היה תיאבון מוגבל לנתונים. מעבר לנקודה מסוימת, הזנת מידע נוסף כבר לא שיפרה את ביצועיהם.

אי־פי

מכונות לא מפחדות מהררי נתונים

המערכות המודרניות זקוקות לפחות התערבות ידנית ומסוגלות לנצל כמה שיותר מידע. הודות לאינטרנט, יש די הרבה מידע שניתן להזין להן. לחברות ענק כמו באידו, גוגל ופייסבוק, יש כמויות מידע אדירות שמייצרים משתמשיהן. דואר אלקטרוני, נתוני חיפוש, היסטוריית קניות, תמונות, מכוניות, חתולים וכמעט כל דבר אחר מצטבר בשרתים שלהן. מי שמנהלים את החברות הללו יודעים כי בהררי הנתונים יש דפוסים שימושיים, אך כמות המידע האדירה מרתיעה. מכונות, לעומת זאת, לא נרתעות. בעיית עומס המידע היא פתרון בפני עצמו עבורן, בייחוד מכיוון שהרבה מהמידע מגיע כבר מתויג על ידי המשתמשים, והן יכולות להשתמש בו כדי ללמוד לזהות דפוסים, כללים וקטגוריות.

התוצאות מרשימות. ב–2014 חשפה פייסבוק אלגוריתם בשם DeepFace ("פנים עמוקות") המסוגל לזהות פנים אנושיות בכ–97% מהפעמים, גם כשהפנים מוסתרות חלקית או אינן מוארות היטב. זוהי רמת זיהוי דומה לזו שאנשים מסוגלים לה. מיקרוסופט מתגאה בכך שתוכנת זיהוי העצמים שהיא מפתחת עבור קורטאנה, הסייעת הדיגיטלית האישית שלה, יודעת להבדיל בין כלב פמברוק ולש קורגי לקרדיגן ולש קורגי, שני גזעים הנראים כמעט זהים. במדינות כמו בריטניה משתמשים בטכנולוגיות זיהוי פנים במעברי גבול - מערכת זיהוי אנשים בווידאו כמובן קוסמת לכל רשויות האכיפה. דו"ח מ–5 במאי הראה כי סוכנויות הביון האמריקאיות משתמשות בתוכנת זיהוי קול כדי לתמלל שיחות טלפון ולהקל על החיפוש בתוכן השיחות.

אך אף שהאינטרנט הוא מקור מידע אדיר, גם לו יש גבולות. סוג המידע המתויג על ידי בני אדם שאלגוריתמי הלמידה החישובית זקוקים לו הוא משאב מוגבל. לכן, כולם מנסים כיום לפתח אלגוריתמים ללמידה ללא פיקוח - כלומר, ללא עזרת יד אדם.

יש כבר די הרבה התקדמות בנושא. ב–2012 צוות בגוגל הראה לאלגוריתם שכזה מיליוני תמונות מסרטוני יוטיוב. התוכנה למדה לחלק דברים שונים לקטגוריות, בהן פנים, ולמרבה שעשועם של גולשי האינטרנט - חתולים.

הצעד הבא הוא זיהוי הרבה סוגים של דברים. מאמר שפירסמו אנדריי קרפתי ולי פיי־פיי מאוניברסיטת סטנפורד תיאר מערכת "ראייה ממוחשבת" שמסוגלת לתייג חלקים שונים של תמונה. למשל, אם מראים לה שולחן ארוחת בוקר, היא תדע לזהות מזלג, בננה חתוכה, כוס קפה, פרחים על השולחן ואת השולחן עצמו.

הסיבה שחברות כמו גוגל מתעניינות בטכנולוגיות כאלה היא שהן עשויות להשפיע ישירות על שורת הרווח שלהן. הן יסייעו למנועי החיפוש למצוא את מה שהמשתמשים מחפשים. בטווח הארוך, ייתכן כי לטכנולוגיה יהיו שימושים מהפכניים יותר. למשל, היכולת לנתח תמונה תהיה יעילה בתחום הרובוטיקה, ותאפשר לרובוטים אישיים ולמכוניות ללא נהג לנווט בעולם האמיתי.

למידה עמוקה אינה מוגבלת לתמונות. זוהי שיטה לזיהוי דפוסים, שפירושה שכל פעילות הבאה לידי ביטוי בכמויות מידע אדירות - מניהול עסקי ביטוח ועד למחקרים גנטיים - עשויה להיעזר בה. בתחרות שנערכה באחרונה במעבדת החלקיקים הגדולה בעולם - CERN - אלגוריתם למידה עמוקה הצליח טוב יותר מתוכנה שנכתבה על ידי פיסיקאים לזהות חתימות של חלקיקים תת־אטומיים, אף שכותביו לא ידעו פיסיקה.

גם יכולות תרגום עשויות ליהנות מלמידה עמוקה. כבר כיום תוכנות תרגום משתמשות ברשתות נוירונים ומנצלות כמות טקסט גדולה במגוון שפות. תוכנות זיהוי דיבור בסמארטפונים עשויות לסייע לאנשים רבים בסין שאינם יודעים קרוא וכתוב להשתמש במחשבים.

את כל סוגי הבינה המלאכותית ניתן יהיה לחבר וליצור מערכת מתוחכמת עוד יותר. מיקרוסופט הדגימה ב–2014 תוכנה המסוגלת לתרגם דיבור בזמן אמת. החברה מקווה לשלב יום אחד את הטכנולוגיה הזו בסקייפ, שירות השיחות באינטרנט שלה.

אנשי הצאוורון הלבן בדרך ללשכה

סמארטפונים טובים יותר, רובוטים מתוחכמים יותר והבאת האינטרנט למי שאינם יודעים קרוא וכתוב נשמעים כולם כמו דברים טובים. האם יש הצדקה לחששות של מאסק ואחרים? האם טכנולוגיות אלה עשויות להוביל יום אחד למכונות חכמות יותר מבני אדם?

לרואי השחורות עובדה התומכת בעמדתם: אין שום ראיה לכך שהמוח אינו אלא מכונה, המיוצרת מאטומים רגילים ופועלת בהתאם לחוקי הטבע. אם אין "ניצוץ חיוני" המפעיל אותו, אפשר להניח שניתן גם ליצור מוח מלאכותי.

אך לדברי רודני ברוקס, אחד מחלוצי הבינה המלאכותית, העובד כיום בחברת Rethink Robotics, קיים בלבול לגבי המילה "בינה". מחשבים יכולים כיום לבצע כמה משימות המוגדרות בצורה צרה מאוד, שבעבר רק מוח אדם מסוגל היה להתמודד עמן. אך לתוכנה המסווגת תמונות אין מטרות, מוטיבציה, והיא אינה מודעת לקיומה יותר מגיליון אלקטרוני רגיל. בינה מלאכותית כיום משתמשת בכוח בריוני כדי להשיג תגובות שנדמות אינטיליגנטיות ממערכות שאינן דומות יותר למוח מבעבר, אלא רק גדולות וחזקות יותר.

אך אין פירוש הדבר שלהתפתחות הבינה המלאכותית לא יהיו השלכות לא נעימות. טכנולוגיות כמו התרגום בזמן אמת של מיקרוסופט אולי רחוקות מלהיות מושלמות, אך הן הולכות ומשתפרות, והן זולות בהרבה ממתרגמים סימולטניים, כך שניתן יהיה לספק אותן בקלות לכל משתמשי סקייפ. אלה אולי חדשות גרועות למתרגמים, אך יתרון אדיר לכל היתר. לכן, יש לקחת ברצינות את החשש כי הבינה המלאכותית עשויה לעשות לעבודות צווארון לבן את מה שמנוע הקיטור עשה לעבודות צווארון כחול במהפכה התעשייתית. תוכנות כמו אלו של נראטיב סיינס וקנשו עשויות להחליף אנליסטים בחלק מתפקידיהם. כבר כיום תוכנות מחליפות אנשים במשרות מסוימות - במענה לטלפון למשל. חיזוי מספר המשרות המושפעות קשה, אך מאמר שפורסם באוניברסיטת אוקספורד ב–2013 הבהיל די הרבה אנשים כשהסיק כי מחצית מקטגוריות התעסוקה בארה"ב עשויות להיות פגיעות.

כך שמחשבים חכמים יותר עשויים אכן להיות טכנולוגיה מהפכנית, אם כי בינתיים לפחות, לא מהסיבות שמאסק חושש מהן. ייתכן כי יום אחד ייצרו בינה מלאכותית המדמה את המוח האנושי, אך בינתיים, העצה הטובה ביותר היא להתעלם מהאיום של מכונות המשתלטות על העולם, ולבדוק שהן לא משתלטות לכם על המשרה.



תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר TheMarker

סדר את התגובות

כתבות ראשיות באתר

כתבות שאולי פיספסתם

*#