ד"ר שרי מרכוס היא אישה מרשימה. את לימודי הדוקטורט שלה עשתה ב-MIT, היא ניהלה את מעבדת הבינה המלאכותית בלאקרוק שעסקה בפיתוח בינה מלאכותית לתחום העסקאות הפיננסיות ולפני כן ניהלה את מחקר מידע העתק של הבנק ההשקעות בינלאומי קרדיט סוויס, וניהלה פרויקטים בתחום המודיעין ללוחמה בטרור, המלחמה בסמים עבור משרד המשפטים האמריקאי, ולוחמה ימית עבור סוכנות הביון המרכזית והיא גם נושאת את מדליית השירות המצוין של ה-CIA מתקופת עבודתה שם, ואה, היא גם חברה בחבר המנהלים של שורה של אוניברסיטאות ומוסדות אקדמיים נחשבים בארצות הברית ומייסדת המועצה המדעית במרכז הלאומי ללוחמה בטרור של ארצות הברית.
כיום היא מובילה את צוותי מחקר הבינה המלאכותית המחוללת והנדסת מידע הבונים שני כלים חשובים בשירותי הענן של אמזון (AWS): Titan ו-Berock. הכלים האלה הם בעצם מודלים לבניית בינות מלאכותיות מחוללות (תחשבו על ChatGPT רק משלכם ותפור לצרכים שלכם), שכרגע מתמקדים בארבעה תחומים: בינה מחוללת לטקסטים, לחיפוש, לפעולה משולבת (מה שמכונה גם multi modal), ועוד אחד ליצירת תמונות מתוך תיאור טקסטואלי.
תשאלו בשביל מה זה טוב? מרכוס מסבירה שקודם כל, זה ליצירת תוכן, וזה לא מה שהתרגלתם לחשוב עליו מ-ChatGPT או בארד. "יש לך חברות שרוצות להיות מסוגלות לקחת כמות אדירה של מידע פיננסי, או למשל נתונים של ליגות ספורט, לסכם ולנתח אותם, זו דוגמא אחת. דוגמא אחרת היא שיש לך כמות אדירה של מסמכים בארגון (כמו ארכיון למשל - נ.ל.), ואתה מנסה לצמצם את כמות המסמכים ולנפות אותם. ראיתי הרבה מקרים כאלה בתחומי הבנקאות וניהול סיכונים. אפשר לתת אותם לבינה מלאכותית ולהגיד לה - האם את יכולה לסכם לי את כל המסמכים האלה?", אומרת הבכירה ב-AWS.
"הדוגמא השלישית היא בתחום הייצור והתמיכה הטכנית. אפשר מתוך שפע מידע, דרך סדרה של שאלות ותשובות לאפשר לבינה מלאכותית לאבחן בעיה או למצוא מה לא בסדר בשרשרת ייצור. והדוגמא הרביעית היא היא במוקדים טלפוניים, כאשר לקוחות יקבלו בעצם סיוע מבינה מלאכותית ואפילו לא יידעו שהם מדברים עם אחת.
והדוגמא האחרונה היא בתחום התוכנה, וזה לא רק לנתח גיליון אקסל. מדובר בתוכנות שכותבות קוד מהר יותר, אבל בעיקר, חברות מחפשות כלי בינה מלאכותית שיעזרו להן לעבור מודרניזציה יותר מהר, כמו לקחת בסיסי נתונים ישנים ולהתאים אותם לתוכנות עדכניות יותר".
מלמדים את הגולם
שאלתי את מרכוס איך כלי בינה מלאכותית יכול לפתח אינטואיציה אנושית. איך "אופים" את זה לתוך הקוד של הכלי. השאלה הזו הובילה לתשובה ארוכה ומפתיעה שמגלה לנו איך עושים נקניקיות כמו ChatGPT ואיך יוצרים בינה מלאכותית:
"הדבר הראשון שאתה עושה כשאתה בונה מודל, וזה נכון לכל בינה מלאכותית מחוללת, זה לגרום לו להבין אותך. השלב הזה נקרא טרום אימון. בשלב הזה המטרה היא לגרום לבינה המלאכותית להיות מסוגלת להשלים משימות פשוטות כמו להשלים את המילה הבאה, המשפט הבא ואת הפסקה הבאה. אחרי שאתה מסיים עם טרום אימון, יש שלב שנקרא כוונון מפוקח, ושם אתה מלמד את הבינה המלאכותית לפענח הנחיות ואת זה אתה עושה באמצעות הזנה של שאילתות ותגובות, או שאלות ותשובות. למשל, איך להגיב לאיחול "שיהיה לך יום נעים" - להגיב אליו ב-"תודה רבה". ויש לך מיליונים של דוגמאות כאלה, שאיתן אתה מאמן את המודל. אלה השלבים העיקריים. כמובן, אתה משתמש בהמון, המון, מידע כדי להביא את המודל לרמה שהוא מסוגל להשיב על מגוון התרחישים שאותם הזכרתי".
אנשי אמזון בתחום הבינה המלאכותית שאיתם שוחחתי בכנס AWS של החברה בלאס ווגאס ובתוכם מרכוס, סבורים שעל אף כל הרעש וההתלהבות סביב בינה מלאכותית מחוללת, התחום נמצא רק בחיתוליו, כאשר הגביע הקדוש האמיתי של התחום הוא יצירה של בינה מלאכותית כללית (ראו גם את הפרויקט המיוחד שלנו כאן). כלומר בינה מלאכותית שלא מוקדשת לתחום אחד או משימה אחת ספציפית, אלא כזו שפועלת ממש כמו מוח אנושי ומסוגלת לפרק משימות מורכבות, ואפילו לתשאל ולהפעיל בינות מלאכותיות אחרות כדי לבצע משימה מורכבת בדומה לבן אדם שצריך לבצע אותה, ובכלל זה - ביצוע של משימות שדורשות מומחיות מורכבת ותגובה מהירה כולל תחומים קריטיים כמו למשל הטסת מטוס נוסעים או ביצוע ניתוחים - ואת זה, הם לא רואים קורה בשנים הקרובות.
"אנחנו באמזון מאוד ממוקדים בלפתור בעיות של לקוחות כיום בעזרת טכנולוגיה, אבל אנחנו גם שמים עין על הבעיות של המחיר. ועדיין, אני לא רואה מחר בינה מלאכותית מטיסה מטוס סילון, או מאבחנת סרטן בחולים במקום רופא. אלה דברים שאנחנו עוד לא מוכנים אליהם, לא טכנולוגית ולא חברתית. האם זה יקרה בשנים הקרובות? אולי, אבל כרגע זה לא באופק".
בינה מלאכותית מצילה סוכני ביטוח
נגעתי גם בשאלה שיותר קרובה אלי אישית כעיתונאי וגם למקצועות יצירת תוכן אחרים - האם מחר בינה מלאכותית תחליף אותי בכתיבת הכתבה שאתם קוראים? גם כאן, מרכוס סבורה שעדיין יהיה צורך בעיתונאים בשר ודם.
"אני לא רואה את זה קורה", היא אומרת ומסבירה מדוע. "הרף כל הזמן עולה ביחס להיכן אתה יכול להשתמש בבינה מלאכותית. למשל, אתה ברגעים אלה משתמש בתוכנה שמתמללת את מה שאני אומרת. זו בינה מלאכותית. זה חוסך לך זמן בעבודה של תמלול, אבל לא מחליף כתיבה יצירתית...אנשים יהיו יותר ממוקדם במשימות שהם צריכים לבצע, אבל פחות זמן בלעבד מידע". וכאן היא נותנת דוגמא מעניינת דווקא מתחום המאוד אפור של ביטוח.
כך למשל, פוליסות ביטוח בריאות בארצות הברית הם מסמכים של מאות עמודים, כשמבוטחים רוצים לרוב לברר סוגיות פשוטות כמו למשל כיסוי לרכישת משקפיים. כאן בינה מלאכותית יכולה לעזור להם ולסוכני הביטוח לבצע משימות יותר ביעילות ולענות ישירות על השאלה, במקום להיאלץ לקרוא מסמך של מאות עמודים.
וכשמדברים על בינה מלאכותית מחוללת, אי אפשר להתעלם מסוגיות של אתיקה, כי אף אחד לא באמת רוצה לבנות סקיי-נט כמו ב-"שליחות קטלנית" (לא בטוח לגבי הסינים והרוסים). מרכוס מתארת שבתחום האתיקה יש להם ששה עקרונות או עמודי תווך שמנחים אותם: היעדר נטאי, הגינות, נאותות, אי-גרימת נזק, דיוק, ובטיחות מוצר. ומה זה אומר בפועל?
בהיעדר נטאי זה אומר שעל הבינה המלאכותית להציג תשובה או ליצור תמונה שאינה מתמקדת לכאן או לכאן בחתך דמוגרפי כזה או אחר. נאותות עוסקת בסוגיות של ניגוד עניינים משפטי אנושי כדי למנוע מצב שבו בינה מלאכותית תמליץ על מניה מסוימת לרכישה, הגינות היא למשל, לא להשתמש ביצירות המוגנות בזכויות יוצרים, אי גרימת נזק הם ללמד מישהו להכין פצצה ובטיחות מוצר היא הימנעות מתשובות בעייתיות.
ולבסוף, אני שואל אותה איזה עצה יש לה לתלמידים ולילדים של היום כדי להשתלב בעולם של מחר, בהנחה שכולו יהיה מוצף בבינות מלאכותיות. "אני עדיין חושבת שיהיה צורך בלימודי יסוד. תלמדו בעיקר את מקצועות המדע, הטכנולוגיה, ההנדסה והמתמטיקה. ודבר נוסף שהייתי מציעה - תתמקדו בכישורים תקשורתיים, כי זה גם יהיה נדרש וזה מה שיקבע האם לבינה מלאכותית מחוללת תהיה חוויית משתמש טובה", מסכמת מומחית הבינה המלאכותית.