“אנו צריכים לקחת את המחשב ולהעצים את האדם, לא להחליף אותו.”

כך אומר עופר לביא, מנהל קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה, במפגש מועדון השבבים הישראלי שהתקיים  בת”א ועסק בהתפתחויות בתחום התבונה המלאכותית.

“אנו צריכים לקחת את המחשב ולהעצים את האדם, לא להחליף אותו.” כך אומר עופר לביא, מנהל קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה, במפגש מועדון השבבים הישראלי שעסק בהתפתחויות בתחום התבונה המלאכותית.

“האם אנו עלולים להפגע ממהפכת הרובוטיקה?” שאל לביא את הקהל שהיה מורכב ברובו מבכירים בענף השבבים. “אנחנו לא טבחים של מזון מהיר, לא חקלאים, לא דוורים, לא טכנאי אלקטרוניקה. איננו מוכרים פרחים וגם לא כרטיסי טיסה לאנשים המעטים שעדיין לא עושים זאת בעצמם. למדנו הרבה ואנו חייבים להיות יצירתיים כדי להצליח. התבונה המלאכותית לא מחליפה בינתיים מקצועות כגון עורכי דין אבל היא בהחלט משנה את המקצועות הללו.”
“כמות הנתונים בעולם כיום היא עצומה, עד 2020 אנחנו צופים שכל אחד מאיתנו ייצור 1.7 מגהביטט של נתונים כל דקה. למשל בתחום הבריאות יש המון נתונים, שעון כמו אייווץ’ אבל רוב הנתונים הם נתונים לא מובנים. לא כל אקס שניות יש לי מדידה של הלב אלא דברים מופשטים תמונות של CT או סרטים. כל אחד מאיתנו ייצר מידע שווה ערך ל-300 מיליון ספרים.”

“היום יש קוד תוכנה בכל הרמות – החל מהענן וכלה ב-FIREMEWARE שיושב ליד השבב. בכל מכונית שיוצאת מהמפעל יש 100 מיליון שורות קוד, רובן בזכות תבונה מלאכותית. גם הטלוויזיות היום חכמות. כל הדברים החכמים הללו מכילים יכולות לימוד מכונה ברקע.”

“בקוד רגיל מתכנתים נותנים את התסריט או את ההוראות למחשב בצורה מאוד מובנית ולכן צריכים לתת למחשב הוראות מראש מה לעשות בכל מקרה גם במקרי קצה. לימוד מכונה פועל בשיטה שונה, לדוגמה נותנים לו דגימות דם של אנשים בריאים ושל אנשים חולים, בפעם הבאה הוא יידע לחהליט בעצמו האם האדם בריא או חולה. אנחנו נמצאים עכשיו בעידן של מעבר מתבונה מלאכותית צרה לתבונה מלאכותית רחבה יותר. השלב הבא – תבונה מלאכותית כללית בסגנון סרטי המדע הבדיוני עדיין רחוק.”

“תבונה מלאכותית צרה – מערכת שעושה סיווגים לפי משימה מוגדרת מראש אך המערכת לא תדע להחליט יותר מאשר בשאלה הצרה – אם ניקח את הדוגמה הקודמת האם האדם בריא או לא. כשמדברים על תבונה מלאכותית רחבה יותר, המערכת תוכל לעבור ממתחם אחד למתחם אחר, לזהות סוגים שונים של מצבים מורכבים. דוגמה לכך היא הרמקול של אפל. המיקרופון קולט את מה שמדברים בחדר ושולח לענן לעיבוד שפה טבעית, ומבצע את הפעולה שהתבקש לעשות על ידי הנוכחים בחדר. יהיה צורך בלימוד מכונה בקנה מידה גדול כדי להציב מערכת כזו בחדר ישיבות שתתמלל את השיחות, אך חברות מהססות להביא מערכת שתשמע כל מה שיאמרו לה לתוך מתקניהן.”

“IBM כחברה המפתחת עבור עסקים נאלצת להשתמש בנפח קטן בהרבה של נתונים. איננו אוספים נתונים מטלפונים סלולארים או מכוניות אוטונומיות. גם הלקוחות מטילים מגבלות על שימוש בנתונים שלהם. אנו צריכים להתבסס על פחות דוגמאות, וכן דואגים להעברה מלקוח ללקוח בלי לחשוף שום דבר מהלקוח הראשון. בתחום הבריאות זה בעייתי בגלל תקן הGDPR והצורך באבטחת מידע ופרטיות. בכל זאת יש לרובוטים תפקיד בבתי חולים, להחליף את האחיות בשאלות פשוטות כגון מתי שעות הביקור או בבקשות כגון הדלקה או כיבוי אור. ביפן פיתחו רובוט המדמה אח או אחות המסוגל גם לשאת את החולה ממקום למקום.”

“פרופ’ מרווין מינסקי מאבות תחום הבינה המלאכותית אמר שאם מחשב עושה משהו שלא היינו מצפים ממנו – זו בינה מלאכותית . היום אנשים מצפים לכך – וזה המעבר מבינה מלאכותית צרה לבינה מלאכותית רחבה. ווייז למשל הוא יודע שאני נוסע בבוקר לעבודה, כי הוא למד את תבנית הנסיעות שלי ואינני צריך לומר לו זאת.” הסביר לביא.

בהמשך תיאר לביא את המחשבים החזקים שיבמ פיתחה ביחד עם NVIDIA כדי להאיץ חישובי תבונה מלאכותית, וכן התייחס לדור המיחשוב הבא שיוכלו לבצע זאת הרבה יותר מהר – המחשבים הקוונטים. במקום AND ו-OR אפשר לבנות מספר רב של שערים לוגיים העובדים על ביטים קוונטים או קיוביטים. יבמ בנתה מחשב קוונטי בן 5 קיוביט וכל אחד יכול להריץ עליו תוכנות בשפה המיועדת למיחשוב קוונטי.