האם בינה מלאכותית יכולה לחשוב כמו בני אדם?

בינה כללית מלאכותית, או AGI, מתייחסת למערכות בינה מלאכותית (AI) בעלות אינטליגנציה כללית דמוית אדם ויכולות להסתגל למגוון רחב של משימות קוגניטיביות. במילים אחרות, המטרה של AGI היא למעשה ליצור את הבינה המלאכותית הדומה ביותר לבני אדם. זוהי תהיה בינה מלאכותית שתוכל ללמד את עצמה לפעול באופן אוטונומי.

 

פול פרגוסון, יועץ בינה מלאכותית ומייסד Clearlead AI Consulting, אומר ש-AGI תהיה מסוגלת להבין, ללמוד וליישם ידע בתחומים מגוונים.

"היתרון המרכזי של AGI יהיה יכולתו להעביר למידה מתחום אחד לאחר, לפתור בעיות חדשות ולהפגין יצירתיות והיגיון דומים לאינטליגנציה אנושית", אומר פרגוסון.

במילים פשוטות יותר, גאזנפר מונסור, מייסד ומנכ"ל חברת Technology Rivers, אומר שבניגוד לבינה מלאכותית של ימינו, שהיא כל כך טובה בפונקציות מיוחדות כמו זיהוי פנים או תרגום קולי, AGI יכולה לעשות כמעט כל דבר שתבקשו ממנה.

החברה שלו מפתחת תוכנה בתחום הבריאות המשתמשת בבינה מלאכותית כדי לבצע משימות ספציפיות. היא יכולה לעזור לרופאים לאבחן מחלות על סמך נתונים רפואיים. "אבל [AGI] הולך מעבר לכך", אומר מונסור. "היא יכולה לספק טיפולים חדשים, לנתח מחקרים רבים ולחזות בעיות בריאותיות, בדרכים שמעולם לא דמיינו."

 

מצב הבינה המלאכותית

לפני שנוכל להבין את המושג AGI, עלינו תחילה להבין מהי אינטליגנציה, אומר סרטאק קרמן, פרופסור חבר לאווירונאוטיקה ואסטרונאוטיקה ב-MIT.

הוא אומר שאינטליגנציה היא מה שמבדיל אותנו, בני האדם, מכל מין אחר על פני כדור הארץ. יש לה כמה תכונות. אבל הכי חשוב, היא כרוכה ביכולת לחשוב, לשרשר מחשבות ולהגיע למסקנות שאינן ברורות מאליהן מלכתחילה.

הוא אומר שישנן הבזקים של "אינטליגנציה" כזו שהודגמו מאז ימי המחשוב הראשונים; כבר באמצע שנות ה-60. עם זאת, רובן הפגינו אינטליגנציה בקבוצה מצומצמת של תחומים ושיחות, ולא נראה שהן הכלילו לכל השיח האנושי.

"כעת, בינה מלאכותית כללית תהיה 'אינטליגנציה' שאינה מתפתחת באופן טבעי (ומכאן, מלאכותית) ומכסה את כל המאמצים והשיחות האנושיות (ומכאן, כללית)", מסביר קרמן. "מערכת בינה מלאכותית כללית תוכל לחשב ולשרשר מחשבות, בדומה לנו, בני האדם."

הוא אומר שהמשימות שאנחנו יכולים לעשות עם בינה מלאכותית כיום מוגבלות בדרך כלל למשימות לא אוטונומיות. בעוד שבינה מלאכותית כיום כבר מסוגלת מאוד, תפקידה העיקרי הוא לאסוף מידע ממערכי נתונים בגודל אסטרונומי ולהציג אותם בצורה טבעית ודומה יותר לאדם.

היא גם מסוגלת לקשר נתונים קיימים עם מידע מפתח אחר שאתם מספקים, אומר קרמן. לדוגמה, אתם אומרים לבינה מלאכותית מה יש לכם במקרר ואיזה אוכל אתם אוהבים, והיא יכולה לומר לכם כמה מתכונים. "בעיקרון, האופן שבו בינה מלאכותית כותבת קוד עם/עבור מהנדסי תוכנה אינו תהליך שונה בהרבה, אם כי מבחינה טכנית מורכב יותר", הוא אומר.

שרה הופמן, מבשרת בינה מלאכותית ב-AlphaSense, מסבירה שבעוד שבינה מלאכותית כיום יכולה להתעלות על בני אדם במשימות ספציפיות כמו משחק שחמט, היא חסרה את הרבגוניות להעביר את הידע שלה למשימות שאינן קשורות.

"קחו לדוגמה את AlphaGo של DeepMind, שבשנת 2016 עלה על אלופי אנושיים במשחק Go, אך לא יכל לשחק במשחקים אחרים, אפילו פשוטים יותר", אומר הופמן.

 

כיצד AGI מתעכבת על בינה מלאכותית?

קרמן אומר ש-AGI, לעומת זאת, יכלול הנמקה ושרשרת מחשבה. זה יאפשר יותר אוטונומיה וסוכנות. במקום להציג לנו מידע, AGI יוכל לבצע משימה מקצה לקצה. זה יהיה ההבדל העיקרי בין בינה מלאכותית ל-AGI, מציין קרמן.

גם פרגוסון מאמין שחשוב להבחין בין מודלים של שפה גדולה (AGI) אמיתית לבין המצב הנוכחי של הבינה המלאכותית. מערכות הבינה המלאכותית של ימינו, הוא אומר, כולל מודלים של שפה גדולה (LLMs), הן למעשה מערכות התאמת תבניות מתוחכמות המאומנות על כמויות עצומות של נתונים.

"בעוד שהם הפכו גמישים יותר ויותר וניתן ליישם אותם במגוון סביבות, הם עדיין רחוקים מלהפגין אינטליגנציה כללית אמיתית", אומר פרגוסון.

 

השפעת הבינה המלאכותית על AGI

קרמן מאמין ש-AGI אינו תחנת רכבת אחת, אלא יותר כמו יכולות חשיבה חדשות שמגיעות לרשת עם יכולות גוברות. הוא חושב שטכנולוגיות קשורות ימשיכו להגיע ולשנות את חיינו ואת הכלכלות שלנו בקצב חסר תקדים.

פרגוסון גם סבור שהחתירה למערכות בינה מלאכותית כלליות וגמישות יותר כבר מניבה יתרונות מסחריים משמעותיים. בעבודתו עם עסקים במגזרים שונים, פרגוסון ציין כי ההשפעה האמיתית של בינה מלאכותית טמונה בשילובה בתהליכי עבודה וקבלת החלטות קיימים.

"ההתקדמות שאנו רואים בבינה מלאכותית, במיוחד בהפיכת מערכות לגמישות יותר ו'כלליות', פותחת אפשרויות חדשות לעסקים", אומר פרגוסון. לדוגמה, הוא אומר, תואר ראשון במשפטים (LLM) נמצא בשימוש במגוון סביבות מעבר ליצירת תוכן בלבד.

הופמן מייחס את ההתקדמות הזו להשקעה ומחקר מוגברים בטכנולוגיית בינה מלאכותית. זה סולל את הדרך למערכות בינה מלאכותית חזקות ורב-תכליתיות יותר, אשר משנות תעשיות גם מבלי להיות מערכות בינה מלאכותית שיווקיות.

 

כמה רחוקים אנחנו מ-AGI אמיתי?

למרות ההייפ התקשורתי והטענות מצד כמה חברות טכנולוגיה גדולות על היותן על סף AGI, פרגוסון מאמין שאנחנו עדיין רחוקים מאוד מהשגת AGI אמיתי.

"לדעתי המקצועית, סביר להניח שאנחנו במרחק עשרות שנים מרמה זו של בינה מלאכותית", הוא אומר. "בעוד שעשינו צעדים משמעותיים ביישומי בינה מלאכותית צרים וראינו התקדמות מרשימה בגמישות של מערכות בינה מלאכותית, ובמיוחד תואר ראשון במשפטים, הקפיצה לבינה כללית מציבה אתגרים טכניים ורעיוניים רבים."

למרות שההערכות לגבי AGI משתנות מאוד בין מומחים, הופמן מאמין גם שאנחנו רחוקים מ-AGI אמיתי.

"בעוד שהכלים הגנרטיביים של ימינו משכנעים, מתוחכמים ושימושיים יותר מכלי בינה מלאכותית קודמים, הפער בין מה שאפילו הבינה המלאכותית המתקדמות ביותר שלנו יכולה לעשות לבין האינטליגנציה האנושית הוא עצום ויישאר כך בעתיד הנראה לעין", היא אומרת.

עם זאת, היא אומרת שההתקדמות שנעשתה על ידי מערכות הבינה המלאכותית של ימינו כבר מניעה חדשנות ויעילות בתעשיות כמו שירותי בריאות ופיננסים. עם זאת, ל-AGI יש פוטנציאל לפתח התקדמות גדולה אף יותר בתעשיות השונות.

פרגוסון מסביר שהדרך ל-AGI כרוכה בהתגברות על מכשולים מורכבים בתחומים כמו חשיבה מבוססת שכל ישר, למידה באמצעות העברה וסימולציית תודעה.

הוא מאמין שהמוקד עבור יישומים מסחריים בטווח הקרוב עד הבינוני צריך להיות חשיבה הגיונית יותר, שיפור אמינותם והשתלבות חלקה בזרימות עבודה אנושיות.

"כאן אני רואה את ההשפעה הגדולה ביותר של בינה מלאכותית בשנים הקרובות, ולא בצורה של תוכנית מחקר אסטרטגית (AGI) ממומשת במלואה", אומר פרגוסון. "כרגע, אני רואה ב-AGI בעיקר תרגיל אקדמי ומטרת מחקר ארוכת טווח ולא מציאות קרובה".