בינה מלאכותית מתפתחת בקצב מהיר. עד לפני כמה שנים בינה מלאכותית התמקדה בעיקר במשימות חיזוי, כמו סיווג או המלצה. אך ב-2017 הופיע נייר המחקר Attention Is All You Need של קבוצת חוקרים מגוגל והציג לראשונה את מודל הטרנספורמר. ארכיטקטורת מודל פורצת דרך זו הציתה עידן חדש של בינה מלאכותית גנרטיבית (Gen AI), שמסוגלת ליצור תוכן חדש, לפתור משימות ובעיות מורכבות ולבצע הסקה.
מאז הקמת אינסייט פרטנרס, לפני כמעט 30 שנה, השקענו כמעט ארבעה מיליארד דולר ביותר מ-75 חברות בינה מלאכותית או למידת מכונה — גם הרבה לפני עידן הבינה המלאכותית הגנרטיבית והשקת ChatGPT. ההיסטוריה הזו, של השקעות ושותפויות עם חברות בינה מלאכותית, מעניקה לנו תובנות לגבי האתגרים הנשקפים וההזדמנויות בתחום.
האבולוציה של ה-AI
פריצות דרך טכנולוגיות ומחקריות, לצד ירידה בעלויות האימון הודות לטכנולוגיות השבבים החדשות, איפשרו להיקף ולמגוון היכולות של בינה מלאכותית להתרחב באופן דרסטי. ניתן לחלק את האבולוציה של AI על פני ארבעה שלבים עיקריים:
1. הבינה המלאכותית האנליטית המוקדמת (לפני 2017): למערכות בינה מלאכותית מוקדמות היו גישה מוגבלת לנתונים ועלויות חישוביות גבוהות — דבר שהפך אותן לנגישות רק לקומץ ארגונים ומוסדות אקדמיים.
2. עידן של נגישות משופרת (2022-2017): ארכיטקטורת הטרנספורמר הובילה לדמוקרטיזציה של בינה מלאכותית, תוך הפיכת הטכנולוגיה למהירה יותר, זולה יותר ונגישה יותר לאימון והטמעה בסקייל.
3. ה"בום" של הבינה המלאכותית הגנרטיבית (2023-2022): ההשקה של ChatGPT ב-30 בנובמבר 2022 (לפני קצת יותר משנתיים!) הראתה לציבור מה מאפשרת בינה מלאכותית גנרטיבית לעשות. עד מהרה התעוררו יזמים רבים שהחלו לבנות יישומים חדשים ופלטפורמות. צרכנים פרטיים וארגונים גדולים כאחד נהרו בהתרגשות להתנסות בכלי AI חדשים.
4. העידן הנוכחי (2023 - היום): יישומי בינה מלאכותית מתמודדים עם אתגרים מצד צרכני קצה וארגונים — מיצירת תוכן ועד לאוטומציה מורכבת של תהליכי עבודה ארגונית. אתגרים אלו מניעים גל חדש של יישומים יצירתיים ומשפרי פרודוקטיביות. ארגונים מזהים שינויים מסיביים בפרודוקטיביות ובצורת העבודה, בשל יישומי AI כלליים ובשל יישומים ספציפיים למשימות.
השקעות בחברות AI
האימוץ הגובר של בינה מלאכותית גנרטיבית מוביל ארגונים רבים לחשוב מחדש על ארכיטקטורת היישומים שלהם. מסדי נתונים (databases) מסורתיים הופכים למסדי נתונים וקטוריים וגרפיים, וכך מאפשרים למערכות בינה מלאכותית לשלוף ולעבד מידע בצורה יעילה יותר. מערכות וארכיטקטורות עכשוויות, כמו RAG (Retrieval Augmented Generation, ובעברית: יצירה בעזרת שליפה) משלבות מודלים מחוללים עם ידע מובנה והופכות את מערכות הבינה המלאכותית למודעות יותר להקשר וכאלה שמסוגלות גם לבצע הסקה (Reasoning), כלומר, היכולת להסיק מסקנות הגיוניות מתוך המידע הקיים, בדומה לדרך שבה בני אדם מחברים בין עובדות כדי להגיע לתובנות חדשות.
אינסייט השקיעה לאורך השנים בחברות שמפתחות יישומי בינה מלאכותית גנרטיבית, או תשתית וכלים שיאפשרו אימוץ והטמעה של יכולות בינה מלאכותית בארגונים. למשל, בחברות כמו Weights & Biases, Atlan, Fiddler ו-CrewAI שעוזרות למפתחים, חוקרים וארגונים לפתח, להטמיע ולהרחיב יישומי AI; או חברות כמו Writer, Relevance, Swimm ו-HourOne, שבונות מוצרים שיכולות AI נמצאות בליבה שלהם והם עוזרים לשפר ביצועים ופרודוקטיביות.
אינסייט היא גם אחת המשקיעות והשותפות המוקדמות בחברות בינה מלאכותית ישראליות מצליחות כמו Deci AI ו-Run:AI, שנרכשו על ידי אנבידיה השנה (2024). ישראל היא מקור מדהים לחדשנות, והיא ממשיכה להוות מרכז טכנולוגי מוביל בתקופה מאתגרת כל כך, עם מייסדי חברות ויזמים שמפגינים תושייה ורצון לפתח מוצרים, להוכיח התאמה של מוצר לשוק ולפתור את צורכי הלקוחות שלהם.
האתגרים שבדרך
לצד ההבטחות, הבינה המלאכותית הגנרטיבית מתמודדות עם שורת מגבלות פוטנציאליות. המודלים הגנרטיביים מתמודדים, למשל, עם הזיות (הלוצינציות, כלומר מתן מידע שגוי), יכולת מוגבלת להבין הקשר, עלויות חישוב גבוהות ומגבלות פוטנציאליות להטמעה ופעילות בקנה מידה גדול. חידושים שמתפתחים ומתעוררים כיום, כגון מודלי שפה קטנים (SLMs - בשונה מ-LLMs, מודלי שפה גדולים) וארכיטקטורות כמו MoE (ראשי תיבות של Mixture of Experts) שואפות לטפל במגבלות הללו ולהפוך מערכות AI ליעילות ומדויקות יותר. ארכיטקטורות MoE מחלקות את המשימה בין מספר מודלים מתמחים — בדומה לצוות מומחים שכל אחד מהם מתמקד בתחום הידע שלו. גישה זו מאפשרת למערכת לספק תשובות מדויקות יותר.
כמו כן, הטמעת מערכות AI מתקדמות דורשת בסיס חזק בפרקטיקות של אחריות. מסגרות כמו AI Risk Management Framework של המכון הלאומי לתקנים וטכנולוגיה בארה"ב, וה-AI Act של האיחוד האירופי, מדגישות את החשיבות של שקיפות, הוגנות ובטיחות. עקרונות אלו חיוניים כדי להרחיב מערכות AI בצורה אחראית, תוך הפחתת סיכונים כמו הטיות בלתי מודעות או הפצת מידע כוזב.
אז מה השלב הבא?
אנו נמצאים בתחילת מהפכת הבינה המלאכותית, ומרגש לראות את הגל הבא של חברות יישומי הבינה המלאכותית מתעורר. חברות אלו כבר מטמיעות בינה מלאכותית בליבה שלהן, משלבות בצורה חלקה יכולות הסקה מתקדמות בתהליכי העבודה הארגוניים ומשתמשות בדאטה כדי לשפר ללא הרף את הביצועים והאמינות של מערכות ה-AI שלהן.
בינה מלאכותית ובינה מלאכותית גנרטיבית מהוות זרז לחדשנות, יעילות, יצירתיות ומעל לכל, אפשרויות חדשות מהיסוד. אמנם יש עוד אתגרים בדרך, אך ההזדמנויות גדולות ובינה מלאכותית מוכנה לעצב מחדש תעשיות ולהגדיר מחדש את מה שאפשרי בשנים הקרובות. ארגונים שיאמצו פרקטיקות אחראיות בבינה מלאכותיות, לצד ארכיטקטורות מהדור הבא, ימקמו את עצמם בנקודה הטובה ביותר לממש את מלוא הפוטנציאל של ה-AI.
הכותב הוא שותף בקרן אינסייט פרטנרס
