קופסה קטנה ומופלאה

מכל עבר אנחנו שומעים על הבינה המלאכותית, והיא אכן כבר כאן, מעוררת תימהון, ספקות, תקווה וגם פחד. האם שכחנו את הפלא שהתפתח בנו? האם שכחנו מה כוחו?
X זמן קריאה משוער: 9 דקות

כמו חשמל הזורם במכשירים המשרתים אותנו, הבינה המלאכותית הפכה להיות מנוע העומד מאחורי פעולות רבות בחיי היומיום. אלגוריתמים מבוססי רשתות נוירונים כבר מחליטים בשבילנו מה נאכל, במה נשקיע את כספנו ובאילו תכנים נצפה באינטרנט. בעתיד הקרוב כבר לא ננהג במכוניות, לא ננהל את משק הבית שלנו ואולי אפילו לא את החיים הרומנטיים. אלגוריתמים חכמים מקיפים אותנו כמו אוויר, יהיה קשה להתחמק מהם גם אם ננסה. זה זמן טוב, דווקא, לנשום עמוק ולהסתכל על נפלאות התבונה שלנו, זו שאינה מלאכותית, ולתהות על היכולות האנושיות שידידינו המחשבים מתקשים לחקות, וספק אם אי פעם יצליחו.

ב-11 במאי 1997 ניצחה התוכנה Deep Blue את אלוף העולם בשחמט דאז גארי קספרוב. מאז 2005 אף שחקן שחמט לא ניצח תוכנת מחשב במשחק שחמט פורמלי כלשהו. ב-6 בדצמבר 2017 התמודדה התוכנה AlphaZero מול אלופת העולם בשחמט דאז, התוכנה Stockfish. ההבדל בטכנולוגיה שהפעילה את שתי התוכנות היה עצום. Stockfish היא תוכנת שחמט קלאסית שדומה יותר לתוכנה המיתולוגית Deep Blue, ויש לה יכולת חישוב מדהימה, אבל היא נעדרת יכולות ניתוח אסטרטגיות. ואילו AlphaZero מבוססת על טכנולוגיה הנקראת רשת נוירונים. היא מחשבת פחות צעדים מראש, אבל מנתחת בצורה מדויקת יותר עמדה נתונה. בדו הקרב הזה, שנמשך לאורך מאה משחקים, הביסה AlphaZero את Stockfish בתוצאה מדהימה של 28 ניצחונות ואף לא הפסד אחד.

עד לא מזמן חיינו בשלום עם שכנינו המחשבים. אנחנו נהגנו להתפאר בשירים שאנחנו מלחינים, בתסריטים שאנחנו כותבים ובהחלטות שאנחנו מקבלים, והמחשבים – במהירות ובדיוק שלהם

רשתות נוירונים הן מרכיב מרכזי בתחום העסיסי הנקרא למידה עמוקה (Deep Learning). המונח הרחב בינה מלאכותית מתייחס באופן מסורתי למגוון של יכולות ממוחשבות פוטנציאליות, אך בעת האחרונה נהוג לדבר בהקשר זה בעיקר על רשתות נוירונים בגלל ההתקדמות העצומה בתחום, וכך ננהג גם כאן. רשתות נוירונים, כפי שהשם מרמז, מחקות את אופן פעולת המוח האנושי, בעיקר בכל הנוגע לעיבוד בשכבות.

שחמט

כברנו על עצמנו ואולי לא ברור לנו איך. תצלום: תומס הלביג.

לדוגמא, כשאנחנו רואים אובייקט שאנחנו מזהים כחתול, נדרשות שכבות של עיבוד כדי להגיע למסקנה היוצאת מן הכלל הזו. השכבה הראשונה יכולה להפריד בין אובייקטים שאנחנו מזהים כקווים ישרים לבין קווים מעוגלים, פינות וכולי. השכבה השנייה, בהסתמך על השכבה הראשונה, יכולה כבר להבחין בין עיגולים, משולשים, ריבועים וכן הלאה. השכבה השלישית, באמצעות השכבה השנייה, תוכל להבחין בין עיניים לאוזניים, אף, פה, שפם, גוף, רגליים וזנב. לאחר מספר שכבות עיבוד מתקבלת המסקנה "זהו חתול". על קצה מזלג שהוא בעצמו קצה של מזלג אחר, זה מה שרשתות נוירונים עושות. בהקשר האלגוריתמי החידוש כאן, הלקוח מהמוח שלנו, הוא שבמקום לנסות לייצר חלק משכבות העיבוד בעצמנו, כלומר להגדיר לאלגוריתם מהו עיגול או ריבוע, האלגוריתם עושה את כל העבודה בעצמו. כדי ליצור רשת נוירונים שיודעת לשחק שחמט, למשל, ניתן להגדיר למחשב את החוקים, ואת המטרה (ניצחון), וגם את מספר השכבות שבהן עליו להשתמש ואת טיב הקשרים ביניהן, אבל לא את תוכן השכבות. את זה רק האלגוריתם ממלא. ההבדל המהותי בין Stockfish ו-AlphaZero הוא שהראשונה משתמשת בכללים שבני אדם ניסחו, ולכן הם עלולים להיות לא נכונים או לא מדויקים, בעוד שהתוכנה השנייה למדה כל מה שהיא יודעת בעצמה, ללא עזרה מבחוץ. מסתבר שהחיקוי הזה של אופן פעולת המוח עובד, משום שאלגוריתמים היום מסוגלים לבצע פעולות שנחשבו פעם ליותר אנושיות.

עד לפני שנים ספורות הייתה הפרדה ברורה בין משימות שיועדו למחשבים לבין משימות שיועדו לבני אדם. היתרונות הגדולים של המחשב, כלומר עוצמה ודיוק בעיבוד ובזיכרון, אפשרו למחשבים אחסון וגישה למאגרי מידע עצומים ועיבוד מהיר ומדויק של קול, תמונה ווידאו. לעומת זאת, למרות זיכרוננו הבוגדני ונטייתנו לטעויות, שני יתרונות ברורים היו לנו בני האדם – יצירתיות וניתוח מורכבות מהיר, ליכולת האחרונה אפשר גם לקרוא אינטואיציה. וכך חיינו בשלום עם שכנינו המחשבים. אנחנו נהגנו להתפאר בשירים שאנחנו מלחינים, בתסריטים שאנחנו כותבים ובהחלטות שאנחנו מקבלים, והמחשבים – במהירות ובדיוק שלהם.

"אני ממליץ לפתוח באופן מידי מחלקת אסטרטגיה טכנולוגית שתהיה כפופה למנכ"לית, כדי למנוע הישנות מקרים דומים בעתיד", היה מקליד עובד פלוני בהודעת דואר אלקטרוני חדשה, ובכך, היה הוא מנצל את יתרונותיו, ואילו המחשב, שהיה מעביר את המסר בצורה מהירה ומדויקת, היה מנצל את שלו. אבל היום אנחנו עומדים בפני עולם שבו התחזיות מדברות על מחשבים שלא רק יעבירו את המסר, אלא גם ינסחו אותו. הבינה המלאכותית מוסיפה לארסנל של המחשבים יכולת חשובה – אינטואיציה. זו אותה היכולת שבעזרתה ניצחה תוכנת השחמט AlphaZero את Stockfish. ניתוח של המשחקים מראה שהיא הבינה טוב יותר את מהלך המשחק, גם אם חזתה פחות מהלכים קדימה. לא פעם AlphaZero הדגימה נכונות להקריב כלים (חומר), כדי להשיג יתרון אסטרטגי (איכות). ואם זה לא מספיק, חשוב להדגיש ש-Stockfish היא תוכנה הנמצאת בפיתוח כבר יותר מעשור, ואילו AlphaZero למדה את כל מה שהיא ידעה באותו בוקר, באמצעות ארבע שעות של משחקים עם עצמה בלבד. מאז, תוכנות שחמט המבוססות על בינה מלאכותית מדגימות הבנת משחק גבוהה יותר מתוכנות מסורתיות. נראה שהמחשבים היום לא רק חושבים מהר יותר וזוכרים טוב יותר, הם גם מקבלים החלטות מורכבות טובות יותר במהירות גדולה יותר.

המוח האנושי גם הוא מבחינה מסוימת מכונת בינה מלאכותית משוכללת, ששוכללה במהלכם של עשרות מיליוני דורות ובמשך מאות מליוני שנות אבולוציה

כל זה נשמע מבהיל למדי. אבל חשוב לזכור, שהמוח האנושי גם הוא מבחינה מסוימת מכונת בינה מלאכותית משוכללת, ששוכללה במהלכם של עשרות מיליוני דורות ובמשך מאות מליוני שנות אבולוציה. למעשה, מבחינה חישובית, המוח האנושי, או אפילו מוחו של כל יונק אחר, מסוגל לבצע פעולות מורכבות עד כדי כך שקשה מאוד לשחזר אותן אפילו בעזרת הידע והטכנולוגיה הקיימים כיום. מאחר שרובוטים נבנו כדי לשרת בני אדם, כדי להבין את הפער הזה אפשר לחשוב על העובדה הבאה: בתחומים רבים אין כיום מחשב המסוגל לשרת בני אדם היטב כמו שיכולים לעשות בני אדם אחרים.

גיטרה חשמלית, מפרט, פריטה

מסובך, אולי בלתי אפשרי לתאר עד כמה. תצלום: דרו פטריק מילר.

פעולות שגרתיות שאנחנו מבצעים בצורה אוטומטית ובלי מאמץ יכולות להיות רחוקות מאוד מהישג ידם של מחשבים. הסקת משמעותה של מילה מתוך מספר מצומצם של משפטים, זיהוי אובייקטים ויזואליים מופשטים ואפילו הרמת כוס קפה, כולן פעולות שבני אדם עדיין מבצעים בצורה טובה הרבה יותר מרובוטים. המורכבות המוטורית של הרמת כוס קפה נראית לנו אולי טריוויאלית, אבל רק בגלל שזה כל כך קל לנו. אם נחשוב כמה זוויות המפרקים שלנו מחליפים תוך כדי תנועת הכוס במרחב ובאיזה תזמון, ונבין שאין דרך קלה לחשב כל זאת מראש כי הבעיה כרוכה במשקל הכוס, הגיאומטריה שלה, משקל הידיים שלנו עצמנו ועוד, נוכל להבין ששתיית קפה היא בעצם מלאכה מורכבת מאוד. מה שאפילו מרשים יותר מביצוען של כל אחת מהפעולות הללו בנפרד, הוא, שבניגוד לאלגוריתמים הנפוצים היום, המוח שלנו מסוגל לבצע את כולן בלי אימון מקדים ספציפי לביצוע כל פעולה בנפרד. אם למדתי להרים ספל קפה או כדורסל, אז בניגוד למחשב, אין פירוש הדבר שעליי להתאמן לפני שאוכל להרים בננה. ואני יכול גם לקרוא ספר תוך כדי כך. היתרון הבולט של המוח שלנו על המכונות הוא גמישות.

AlphaZero לא תדע ליישם את הידע שרכשה בעולם השחמט בשום מקום אחר. לא בעולם העסקים, ואפילו לא בעולם משחקי האסטרטגיה שאינם שחמט. מחשבים יודעים לבצע פעולות חכמות רק כשמאמנים אותם למטרות שלשמן הם נוצרו

אם נבקש מ-AlphaZero להרים ספל קפה, גם אם הייתה מבינה מה אנחנו מבקשים, והיא לא, היא עדיין לא הייתה מסוגלת לעשות זאת, כי איש לא לימד אותה איך. וחמוּר מכך, AlphaZero לא תדע ליישם את הידע שרכשה בעולם השחמט בשום מקום אחר. לא בעולם העסקים, ואפילו לא בעולם משחקי האסטרטגיה שאינם שחמט. מחשבים יודעים לבצע פעולות חכמות רק כשמאמנים אותם למטרות שלשמן הם נוצרו. היופי של המוח האנושי הוא היכולת להשתמש באותה ארכיטקטורה – כלומר בנוירונים ובסינפסות –  כדי להשיג מטרות מגוונות. אנחנו משתמשים באותה הארכיטקטורה בכל אחד מחמשת חושינו, וכמובן בשאר יכולות השפה והחשיבה. אנשים עיוורים שומעים טוב יותר, כי המוח שלהם משתמש באותם אזורים שהיו מיועדים לראייה – כדי לשמוע.

גמישות היא יכולת שאין סיבה להקל בה ראש. בסרטים עתידניים נראים רובוטים המשרתים בני אדם בצורות שונות, למשל, C-3PO במלחמת הכוכבים או ג'ארוויס באיירון מן. בסרטים כאלה הבינה המלאכותית שמפגין הרובוט היא גמישה ביותר. לא רק בגלל הבקיאות בשפה והיצירתיות –  אלו עדיין יכולות הרחוקות מאוד מפתרונות ממוחשבים –  אלא בזכות היכולת של מכונה אחת לבצע משימות מרובות, ובעיקר לעמוד במשימות חדשות, כאלו שלא אומנה מראש לבצע. C-3PO וג'ארוויס תומכים בלוק ובאיירון מן לא רק במלאכות טכניות פשוטות. ג'ארוויס מחפש נקודות תורפה אצל האויב או מכין תכניות ניווט גם בלי שאיירון מן מבקש ממנו, ו-C-3PO עוזר בקבלת מידע מודיעיני ובשיבוש מהלכי אויב. אפשר לומר שהבינה המלאכותית בסרטים מזכירה אדם מוכשר יותר מאשר רובוט משוכלל.

פורשה, מכונית אדומה

קטן עלינו, בני האדם. תצלום: ג'וש רינרד.

מבחינה אבולוציונית אין סיבה שנהיה טובים בנהיגה או בשחמט, כי המוח האנושי לא התפתח בסביבה שיכולות כאלו התאימו לה, אבל למרות זאת הוא מתמודד בצורה מרשימה גם עם משימות אלו, כשם שהוא מתמודד עם משימות כמו לימודי פיסול או כדורסל או פיזיקה

מיטב המוחות משתמשים כבר שנים בידע העדכני ביותר ובמכשור המתקדם ביותר כדי לייצר בינה מלאכותית בתחומים כמו נהיגה אוטומטית. לעומת זאת, עשרות שיעורים בלבד מספיקים לאדם הממוצע כדי להפוך לנהג. ונכון, איננו נהגים טובים, וטוב שבעתיד יחליפו אותנו מכונות שיהיו טובות מאתנו, כי הן לא מסמסות, מחליפות תחנות ברדיו או נוהגות בפראות או בשכרות. אבל כשאיננו שיכורים או עסוקים בדברים אחרים, אנחנו נהגים מצוינים, טובים מהנהגים הממוחשבים של היום. מבחינה מוטורית אנחנו שולטים במכונית בצורה מרשימה מאוד, אנחנו מזהים גם כבישים שאינם מסומנים היטב ואנחנו מתמודדים היטב, בזמן תגובה קטן יחסית עם מצבים קיצוניים שלא התכוננו להם מראש.

גם העובדה שאנחנו בכלל מבינים שחמט ברמה שמסוגלת לנתח משחקי שחמט של מפלצות כמו AlphaZero היא מפתיעה. באותה מידה האלגוריתם AlphaZero, שלמד שחמט בעצמו, עשוי היה לפתח גישה חייזרית לחלוטין למשחק, כזו שפשוט לא היינו מסוגלים לפענח. אמנם AlphaZero מבצע לעתים מהלכים שקשה להבין במבט ראשון או עשירי. אבל העובדה שהמוח האנושי הצליח לפתח בינה המסוגלת להתעלות על המוח האנושי, ואפילו אינו מופתע ממהלכיה של בינה זו, היא מפתיעה מאוד כשלעצמה.

על פניו, מבחינה אבולוציונית אין סיבה שנהיה טובים בנהיגה או בשחמט, כי המוח האנושי לא התפתח בסביבה שיכולות כאלו התאימו לה, אבל למרות זאת הוא מתמודד בצורה מרשימה גם עם משימות אלו, כשם שהוא מתמודד עם משימות כמו לימודי פיסול או כדורסל או פיזיקה, ואפילו עם ניסוח כללי הפיזיקה. אנחנו פשוט מצליחים לגדול לתוך כל זה. המגוון הוא עצום, התוצאות מדהימות, והכל קורה בתוך מוח קטן שלא התאמן מראש להרבה מהפעולות שהוא עושה, אלא הן נלמדות בו תוך כדי הווייתו, תוך כדי החיים.

 

אליצור בר יהודה הוא בעל תואר שני במתמטיקה מאוניברסיטת בן גוריון. הוא כותב סיפורים סוריאליסטים קצרים בבלוג מעצב העפיפונים.

תמונה ראשית: ילד. יש לו הכול בין האוזניים. תצלום: קלמנט צ'יי, unsplash.com

Photo by Clement Chai on Unsplash

מחשבה זו התפרסמה באלכסון ב על־ידי אליצור בר יהודה.

תגובות פייסבוק

2 תגובות על קופסה קטנה ומופלאה