המרוץ העולמי בבינה מלאכותית ובטכנולוגיות עמוקות מגדיל את הביקוש לעומק מדעי, אך חוקרים רבים מסיימים את הכשרתם בלי ניסיון בפיתוח מוצר ובלי רשת הקשרים שממנה נהנים בוגרי היחידות הטכנולוגיות. חיבור שיטתי בין האקדמיה לתעשייה עשוי להפוך את הפער הזה ליתרון ישראלי
המרוץ העולמי בתחום הבינה המלאכותית שינה את סוג העובדים שחברות הטכנולוגיה מחפשות. לצד מהנדסי תוכנה מנוסים, גדל הביקוש לחוקרים שמביאים עמם ידע מתקדם במתמטיקה, במדעי המחשב, בפיזיקה, בביולוגיה ובתחומי ההנדסה — ויודעים לתרגם אותו למערכות שעובדות מחוץ למעבדה.
הקמת מעבדות מחקר גדולות בחברות הטכנולוגיה והמאבק על חוקרי בינה מלאכותית ממחישים את השינוי. מערכות בינה מלאכותית, שבבים מתקדמים, מחשוב קוונטי, ביולוגיה חישובית וטכנולוגיות עמוקות אחרות אינן נשענות רק על כתיבת קוד. הן דורשות הבנה מדעית, ניסוח שאלות מחקר, ניתוח נתונים מורכבים ובחינה ביקורתית של תוצאות.
אין פירוש הדבר שהנדסת תוכנה רגילה איבדה מחשיבותה. להפך: מחקר ללא הנדסה אינו הופך למוצר, והנדסה ללא בסיס מדעי מתקשה לעיתים לפרוץ את גבולות הקיים. החברות המתקדמות זקוקות לשילוב בין שתי היכולות.
נכס מדעי שאינו ממומש במלואו
בישראל פועלים אלפי דוקטורנטים, חוקרים ובעלי תואר שלישי בתחומי המדע, הטכנולוגיה, ההנדסה והמתמטיקה. שנות המחקר מקנות להם יכולת להתמודד עם בעיות שאין להן פתרון ידוע מראש, לקרוא ספרות מקצועית באופן ביקורתי, לתכנן ניסויים ולהפיק מסקנות מנתונים חלקיים.
אלא שהמסלול האקדמי נבנה בראש ובראשונה להכשרת חוקרים. הוא מתגמל מאמרים, הוראה והישגים מדעיים, ואינו מחייב היכרות עם תהליכי פיתוח מוצר, עבודה עם מערכות תוכנה בקנה מידה גדול, צורכי לקוחות או מגבלות של תקציב ולוח זמנים.
כאשר חוקרים מבקשים לעבור לתעשייה, הם מגלים לעיתים שהעומק המדעי שלהם אינו מתורגם אוטומטית לניסיון שהמעסיקים מחפשים.
מנגד, בוגרי היחידות הטכנולוגיות בצה״ל מגיעים לשוק העבודה עם ניסיון מעשי, היכרות עם עבודת צוות ורשת קשרים מקצועית. הם כבר פיתחו מערכות בתנאי אמת, ולעיתים קרובות זוכים לחיבור מהיר למשקיעים, ליזמים ולחברות.
היתרון הזה אינו נובע בהכרח מעומק מדעי רב יותר, אלא מן המעטפת היישומית שנבנתה סביבם.
חוקר שסיים דוקטורט בשנות השלושים לחייו עשוי להגיע עם מומחיות נדירה ועם יכולת אנליטית גבוהה, אך בלי ניסיון בעבודה בסביבת ייצור, בפיתוח מוצר או בהטמעת מודלים אצל משתמשים.
זהו פער שניתן לסגור. הבעיה אינה איכות החוקרים, אלא חוסר ההתאמה בין אופן הכשרתם לבין דרישות הכניסה לתעשייה.
לא לפרק את מגדל השן — לבנות אליו גשר
הפתרון אינו להפוך את האוניברסיטאות לבתי ספר מקצועיים. למחקר בסיסי יש ערך בפני עצמו, והוא זקוק לחופש, לזמן ולמרחק מלחצים מסחריים. גם חברות מסחור הידע ממלאות תפקיד חשוב בהגנה על קניין רוחני ובהעברת המצאות מן האקדמיה לתעשייה.
עם זאת, אפשר ליצור מסלולים נוספים עבור חוקרים שמעוניינים להשתלב בפיתוח יישומי. מסלולים כאלה יכולים לכלול הכשרה בלמידת מכונה ובלמידה עמוקה בסביבת ייצור, עבודה עם תשתיות נתונים וענן, התמחות בצוותי מחקר ופיתוח בחברות וליווי של אנשי תעשייה.
כדאי גם להרחיב מלגות והתמחויות משותפות לאוניברסיטאות ולחברות, להבהיר מראש את כללי הקניין הרוחני ולאפשר לחוקרים להתנסות בעבודה תעשייתית בלי לנתק מיד את הקשר עם האקדמיה.
החיבור צריך להיות דו־כיווני: לא רק העברת חוקרים לחברות, אלא גם הכנסת בעיות אמיתיות, נתונים וניסיון הנדסי אל תוך סביבת המחקר.
רשות החדשנות כבר מפעילה ותומכת בתוכניות שנועדו להתמודד עם המחסור במומחי בינה מלאכותית ולחבר בין הכשרה מתקדמת לצורכי התעשייה.
כדי להשפיע בקנה מידה לאומי, נדרש רצף רחב יותר של מסלולים — מהדוקטורט, דרך הכשרה יישומית, ועד להשתלבות בצוותי מחקר ופיתוח.
עומק מדעי כיתרון תחרותי
בעולם הבינה המלאכותית והטכנולוגיה העמוקה, היתרון אינו נמדד רק במהירות כתיבת הקוד. הוא תלוי ביכולת לזהות בעיה חשובה, להבין את הידע הקיים, להציע דרך חדשה ולבדוק אם היא אכן עובדת.
אלה בדיוק הכישורים שחוקרים רוכשים במשך שנות עבודתם באקדמיה.
ישראל כבר השקיעה משאבים רבים בהכשרת החוקרים האלה. אם תספק להם גם כלים יישומיים, ניסיון תעשייתי ורשת קשרים, היא תוכל להפיק יותר מן ההשקעה — ולחזק הן את המחקר והן את התעשייה.
לא צריך לבחור בין האקדמיה להייטק. צריך לבנות ביניהם מסלול מעבר טוב יותר.
חיים גרון הוא מייסד ומנכ״ל משותף של Infinity Labs R&D, המפעילה תוכנית להכשרת חוקרים לתפקידי בינה מלאכותית בשיתוף רשות החדשנות. המאמר מבטא את עמדתו.
