האם AI באמת חכם פחות מחתול? הערכה מפוכחת של טכנולוגיה עכשווית מצד חלוץ AI
האם AI חכם יותר מחתול? עבור רבים, זו שאלה שאינה ראויה לחשיבה – ברור ש-AI חכם יותר. AI יכול לזכות באליפות שחמט, ליצור תמונות מרהיבות באופן אוטומטי ולכתוב מאמרים מורכבים באמצעות ממשקים כמו GPT. ומה חתול יכול לעשות? לשכב על הספה? אך המדען הראשי של Meta בתחום ה-AI, יאן לקון, אינו סבור כך. עמדתו אינה רק מאתגרת את תפיסת הציבור לגבי AI, אלא גם שופכת מים קרים על תעשיית ה-AI כולה.
האם היכולות הטכנולוגיות מוגזמות?
לקון הצהיר בראיון עדכני כי למרות ההצלחות המרשימות של AI בתחומים ספציפיים, הוא עדיין רחוק מהשגת אינטליגנציה כללית אמיתית. לדבריו, AI מצטיין במשימות מובנות כגון תרגום, סיווג וחיזוי. עם זאת, יכולות אלו אינן מייצגות את המורכבות התפיסתית של יצורים חיים כמו חתולים. חתולים יכולים לנוע בחופשיות בסביבות מורכבות, ויכולת הלמידה וההתאמה שלהם עולה בהרבה על זו של AI.
הדברים שאמר לקון אינם בגדר ביקורת פשוטה אלא הרהור מפוכח על מהות הטכנולוגיה. לקון הדגיש כי למרות שהצלחת המודלים הלשוניים הגדולים (LLMs) כמו GPT זוכה לתשומת לב רבה, מערכות אלו מתבססות בעיקר על "מתאמים סטטיסטיים" ולא על הבנה אמיתית. יכולת זו, במידה מסוימת, היא סוג של "אשליה" – המערכות יכולות להשלים משימות בצורה יצירתית, אך אינן מסוגלות להתמודד באופן גמיש עם מצבים חדשים כמו אינטליגנציה ביולוגית.
הדרך להשגת בינה מלאכותית כללית
דבריו של יאן לקון משקפים תופעה חשובה בתחום ה-AI: אנו נמצאים בעידן של פריצות דרך נקודתיות, אך הדבר אינו מעיד כי הבינה המלאכותית הכללית (AGI) קרובה. AGI מחייבת אינטליגנציה הדומה לזו של בני אדם או יצורים חיים מבחינת תפיסה, הסקה ולמידת הקשרים, ולא רק ביצוע משימות מוגדרות.
לקון טוען שכדי לפרוץ את המגבלה הזו, יש צורך לשנות את גישת הלמידה הקיימת מהיסוד. לדוגמה, למרות שלמידה מפוקחת ולמידת חיזוקים הן שיטות יעילות, הן אינן כוללות מנגנון הדומה ללמידה באמצעות ניסוי וטעייה, תצפית ומשוב כמו ביצורים חיים. במילים אחרות, AI צריך ללמוד "כמו חתול" לחוש ולהתאים עצמו, ולא רק להסתמך על כמויות אדירות של נתונים.
המציאות והפוטנציאל של GPT API
כיום, ממשקים כמו GPT API מציגים פוטנציאל מדהים בתחומים רבים. החל מיצירת טקסטים ועד כתיבת קוד, מאבחון רפואי ועד חינוך שפות – השימושים הם מגוונים ובעלי ערך רב. עם זאת, טכנולוגיות אלו ממוקדות בעיקר ב"תוצאה", ולא בבינה כללית.
משתמשים צריכים להבין ש-GPT API, על אף עוצמתו, מוגבל להקשרים מסוימים מאוד. פירוש הדבר הוא שבשימוש יומיומי יש להתמקד בעיקר בתכונותיו ככלי ולא לראות בו גרסה מוקדמת של אינטליגנציה כללית. תובנה זו אינה רק מנהלת ציפיות בצורה נכונה, אלא גם מסייעת לכוון את המחקר והיישום לגישה פרקטית יותר.
נקודת האיזון העתידית
דבריו של לקון מדגישים נקודת איזון חשובה: בדרכנו אל הבינה המלאכותית הכללית, עלינו לשמור על אופטימיות כלפי פריצות דרך טכנולוגיות, אך גם להיות מודעים למגבלותיהן. טכנולוגיית ה-AI הנוכחית כבר חוללה שינוי אדיר בחברה, והשפעתה הולכת וגדלה בתחומים כמו מסחר, חינוך ורפואה. עם זאת, העתיד האמיתי של בינה מלאכותית דורש חדשנות תיאורטית ופריצות דרך טכנולוגיות נוספות.
במובן זה, אולי עלינו להודות לחתולים – יצורים שהפכו לאבן מידה בעיני מדעני AI. הם מזכירים לנו שהגדרת אינטליגנציה אינה מסתכמת בעיבוד נתונים ויצירת תוכן, אלא קשורה קשר עמוק לתפיסה, הסתגלות ויצירתיות.