יש רגעים טכנולוגיים שמרגישים כמו סדק ראשון בקיר, כזה שמרמז על שינוי עמוק לפני שהוא נראה לעין. ולמרות שהסדקים האלה מופיעים מהטכנולוגיה עצמה, נדירים הרגעים שבהם התהליך קורה במהירות ולא בהדרגתיות. אך כזו הוא מהפכת הבינה המלאכותית שאנו נמצאים בה, תקופה בה פיתוחים מושקים בתדירות ובמהירות שמותירים את התעשייה במרוץ תמידי אחר המחקר ובניסיון לבנות מוצרים שייתכן שיהפכו ללא רלוונטיים תוך חודשים בודדים. בתוך המציאות הזו הולך ומתבהר שהמרדף אחר החדשנות אינו יכול להתקיים בלי המקור שמזין אותה מלכתחילה.
התובנה שמדובר במהפכה של ממש, ולא בתהליך הדרגתי, התבהרה לי כבר ברגע הראשון שבו התנסיתי ב- Dall-E2, מודל גנרטיבי של OpenAI ליצירת תמונות מטקסט, באביב 2022. במהלך ההתנסות הבנתי שאני צופה בדרך חדשה לחלוטין לייצור פיקסלים, כזו שהופכת חלק מהקורסים שלמדתי ותרגלתי באוניברסיטה לכמעט לא רלוונטיים. אך פריצת הדרך שאני ושאר העולם נחשפנו אליה לא היית רק "התקדמות טכנולוגית" של חברת מוצר, אלא תוצאה ישירה של אימוץ מחקרים והטמעתם בתעשייה, דוגמת מאמר הטרנספורמרים משנת 2017, וההבנה שניתן להשתמש באותה ארכיטקטורה אקדמית ישנה יחסית לטובת מודלי הדיפיוזיה שמניעים כיום את התעשייה. וכאשר מנוע השינוי הוא מחקר, גם המפתח להצלחה העסקית נמצא שם - בין כותלי האקדמיה.
המרחק הצטמצם כמעט לאפס
קל להתפתות לחשוב שהחדשנות מגיעה מהשוק: מהסטארט-אפים, מהיוזמות הנועזות, מהחברות שמצליחות לזהות צורך ולספק פתרון. כולם מכירים את ChatGPT, אבל מבט מעמיק יותר על השוק מזכיר לנו שחברת IBM פיתחה מידול שפה כבר בשנות ה-90 של המאה הקודמת, כמו גם את המחקרים פורצי הדרך בתחום שיצאו באותה התקופה. הדוגמה הזו מייצגת אמת גדולה יותר: מודלי השפה הגדולים שנכנסו לחיינו לא נולדו מרעיונות עסקיים, אלא ממאמרים שנכתבו באוניברסיטאות שנים רבות לפני שמישהו חשב על מוצר. גם מודלי הדיפיוזיה ששינו את העולם החזותי הבשילו מתוך מחקר עמוק בפיזיקה ובסטטיסטיקה, תחומים שעמדו מחוץ לאור הזרקורים עד שהתעשייה גילתה פתאום שהם מסוגלים לבנות עולמות.
זהו המעגל המרתק של עידן ה-AI: רעיון שנבחן על לוח מחיק במשרד של חוקר הופך בתוך חודשים לכלים שמשנים את אופן עבודתם של יוצרים, מהנדסים ומערכות שלמות. בעבר היה מרחק רב בין מאמר אקדמי לבין מוצר, והיום המרחק הזה הצטמצם כמעט לאפס. לפעמים כל מה שמפריד בין השניים הוא החלטה אמיצה של צוות קטן לקחת רעיון מחקרי ולבדוק מה קורה כשהוא פוגש משתמשים אמיתיים.
כשהפער מתקצר כך, ברור ששני הצדדים, האקדמיה והתעשייה, אינם יכולים להמשיך להתנהל כמו שני עולמות נפרדים. האקדמיה מחזיקה ביכולת לראות רחוק, לזהות מגמות עוד לפני שהן זוכות למסגור או הכרה רשמית; התעשייה מחזיקה ביכולת להפוך רעיון לכוח משנה מציאות. רק שילוב בין שתי היכולות הללו מאפשר הבנה אמיתית של מה הבינה המלאכותית מסוגלת לעשות - ובעיקר של מה היא תוכל לעשות בטווח הזמן הקרוב.
לחזות פריצות דרך
הדיאלוג הזה חשוב במיוחד משום שבינה מלאכותית איננה "עוד טכנולוגיה" אלא פרדיגמה חדשה לחלוטין. כדי לבנות יכולות AI חדשות, לא מספיק לכתוב קוד או לבצע אופטימיזציה: צריך להבין מה המודל יודע, מה הוא לא יודע, ואילו מגבלות נובעות מעקרונות יסוד ולא מחוסר כוח עיבוד. צריך להבין מהי הפשטה טובה, איך מייצגים מידע, איך מודדים יכולת. זו שפה מחקרית. ובמקביל, כדי להפוך את השפה הזו לכלי נגיש, צריך מוכוונות משתמש, אינטואיציה מוצרית והבנה עמוקה של מציאות עסקית. זו שפה תעשייתית. מה שמרתק הוא שהפער בין שתי השפות הולך ומצטמצם.
חברות שמצליחות לנצל את המפגש הזה מגלות שהן נהנות מיתרון משמעותי: הן אינן רודפות אחרי מגמות, אלא מבינות אותן מבפנים; הן מסוגלות לחזות אילו פריצות דרך צפויות ולהיערך אליהן, ומזהות מהר יותר אילו רעיונות ישימים ואילו יישארו בגדר ניסוי מחשבתי. גם כאשר ההתלהבות סביב AI עולה ויורדת, חברות שמחוברות לעומק המדעי אינן מתבלבלות מהגלים. הן מבינות שהמנוע המרכזי של התחום הוא מתמטי, לא תדמיתי, ולכן הן יודעות להבחין בין רעש להתקדמות אמיתית.
ההיסטוריה מוכיחה זאת היטב - האינטרנט, מנועי החיפוש, הגרפיקה הממוחשבת, אלגוריתמים מודרניים של למידה עמוקה - כולם נולדו במחקר בסיסי, אך רק בשנים האחרונות הפך המחקר עצמו למוצר או לשירות בתוך זמן קצר כל כך. זהו שינוי בקצב, לא רק במהות, ולכן גם נקודת המפגש בין העולמות חייבת להתעדכן בהתאם: לא די בשיתופי פעולה טקסיים או בהסכמים כלליים ויש צורך בשפה משותפת, בתנועה הדדית, בשותפות מתמשכת.
התעשייה והאקדמיה זקוקות זו לזו
העולם נכנס לעידן שבו כוח המשיכה של הידע המדעי גדל מדי חודש. מודלים הופכים מורכבים יותר, התלות בתשתיות נתונים עולה, והמהפכות העתידיות - כמו מודלים רב-אמצעיים, סוכנים אוטונומיים ומערכות הסתברותיות דינמיות - כבר נמצאות על שולחן העבודה של חוקרים. כדי להבין מה מתרחש שם, ולתעל זאת למוצרים שישפיעו על מיליוני אנשים, התעשייה זקוקה לאקדמיה בדיוק כמו שהאקדמיה זקוקה לתעשייה. החיכוך בין שני עולמות התוכן הללו מייצר אנרגיה, ומשם החדשנות של העתיד תגיח לעולם.
הכותב הוא מייסד-שותף ומנכ"ל בחברת לייטריקס, המפתחת אפליקציות מובילות ואינטואיטיביות לעריכת תמונות, וידיאו ותוכן יצירתי, המשתמשות בטכנולוגיות AI כדי להעצים יוצרים ברחבי העולם
