קשה להרים טלפון או מחשב נייד היום מבלי לראות סוג כלשהו של תכונת בינה מלאכותית, אבל זה רק בגלל עבודה של כמעט מאה שנים אחורה.
קרדיט: תמונה: Lifehacker/רנה ראמוס
פוסט זה הוא חלק מסדרת "לחיות עם בינה מלאכותית" של Lifehacker: אנו חוקרים את המצב הנוכחי של בינה מלאכותית, עוברים על איך זה יכול להיות שימושי (ואיך זה לא יכול), ומעריכים לאן הולך הטכנולוגיה המהפכנית הזו.קרא עוד כאן.
לא יאשימו אותך לחשוב ש-AI באמת התחיל בשנתיים האחרונות. אבל בינה מלאכותית הייתה הרבה זמן בהתהוות, כולל רוב המאה ה-20. קשה להרים טלפון או מחשב נייד היום מבלי לראות סוג כלשהו של תכונת בינה מלאכותית, אבל זה רק בגלל עבודה של כמעט מאה שנים אחורה.
ההתחלות הרעיוניות של AI
כמובן, אנשים תהו אם נוכל ליצור מכונות שחושבות כל עוד יש לנו מכונות. הרעיון המודרני הגיע מאלן טיורינג, מתמטיקאי ידוע הידוע בעבודתו בפענוח הקוד ה"בלתי שביר" של גרמניה הנאצית שהופק על ידי מכונת האניגמה שלהם במהלך מלחמת העולם השנייה.כפי שהניו יורק טיימס מדגיש, טיורינג בעצם חזה מה המחשב יכול - ויהיה - להפוך, ודמיין אותו כ"מכונה אחת לכל המשימות האפשריות".
אבל מה שכתב טיורינג ב"מכונות מחשוב ואינטליגנציה" הוא ששינה דברים לנצח: מדען המחשבים הציג את השאלה "האם מכונות יכולות לחשוב?" אבל גם טען שהמסגור הזה הוא הגישה השגויה לנקוט. במקום זאת, הוא הציע ניסוי מחשבתי בשם "משחק החיקוי." תאר לעצמך שיש לך שלושה אנשים: גבר (A), אישה (B) וחוקר, מופרדים לשלושה חדרים. המטרה של החוקר היא לקבוע איזה שחקן הוא הגבר ומי האישה באמצעות תקשורת מבוססת טקסט בלבד. אם שני השחקנים היו כנים בתשובותיהם, זו לא משימה כל כך קשה. אבל אם אחד או שניהם מחליטים לשקר, זה הופך להיות הרבה יותר מאתגר.
אבל הפואנטה של משחק החיקוי היא לא לבדוק את יכולת הניכוי של האדם. במקום זאת, טיורינג מבקש ממך לדמיין מכונה תופסת את מקומו של שחקן A או B. האם המכונה יכולה להערים ביעילות על החוקר לחשוב שהיא אנושית?
מניע את הרעיון של רשתות עצביות
טיורינג היה הניצוץ המשפיע ביותר על הרעיון של AI, אבל זה היה פרנק רוזנבלט שבעצםהניע את התרגול של הטכנולוגיה, גם אם הוא מעולם לא ראה את זה בא לידי מימוש. רוזנבלט יצר את ה"פרספטרון", מחשב שעוצב על פי אופן פעולת הנוירונים במוח, עם יכולת ללמד את עצמו מיומנויות חדשות. למחשב יש רשת עצבית בשכבה אחת, והיא פועלת כך: אתה מבקש מהמכונה לבצע חיזוי לגבי משהו - נניח אם כרטיס ניקוב מסומן משמאל או מימין. אם המחשב לא בסדר, הוא מתכוונן כדי להיות מדויק יותר. במשך אלפי או אפילו מיליוני ניסיונות, הוא "לומד" את התשובות הנכונות במקום לחזות אותן.
עיצוב זה מבוסס על נוירונים: יש לך קלט, כגון פיסת מידע שאתה רוצה שהמחשב יזהה. הנוירון לוקח את הנתונים, ועל סמך הידע הקודם שלו, מייצר פלט מתאים. אם הפלט הזה שגוי, אתה אומר למחשב ומתאים את ה"משקל" של הנוירון כדי לייצר תוצאה שאתה מקווה שהיא קרובה יותר לפלט הרצוי. עם הזמן, אתה מוצא את המשקל הנכון והמחשב "ילמד" בהצלחה.
למרבה הצער, למרות כמה ניסיונות מבטיחים, הפרספטרון פשוט לא הצליח להמשיך את התיאוריות והטענות של רוזנבלט, והעניין בו וגם בפרקטיקה של בינה מלאכותית התייבש. אולם כפי שאנו יודעים היום, רוזנבלט לא טעה: המכונה שלו הייתה פשוט מדי. לרשת העצבית של הפרצפטרון הייתה רק שכבה אחת, מה שלא מספיק כדי לאפשר למידת מכונה בכל רמה משמעותית.
שכבות רבות גורמות למידת מכונה לעבוד
זה מה שג'פרי הינטון גילה בשנות ה-80: במקום שבו טיורינג הציב את הרעיון, ורוזנבלט יצר את המכונות הראשונות, הינטון דחף את הבינה המלאכותית לאיטרציה הנוכחית שלה על ידי תיאוריה שהטבע פיצח בינה מלאכותית מבוססת רשתות עצבים כבר במוח האנושי. הוא וחוקרים אחרים, כמו יאן לקון ויושוע בנג'יו, הוכיחו שרשתות עצביות בנויות על שכבות מרובותעָצוּםמספר חיבורים יכול לאפשר למידת מכונה.
במהלך שנות ה-90 וה-2000, החוקרים יוכיחו לאט לאט את הפוטנציאל של רשתות עצביות. לקון, למשל,יצר רשת עצבית שיכולה לזהות דמויות בכתב יד. אבל זה עדיין הלך לאט: בעוד שהתיאוריות היו נכונות על הכסף, המחשבים לא היו חזקים מספיק כדי להתמודד עם כמות הנתונים הדרושה כדי לראות את מלוא הפוטנציאל של AI. חוק מור מוצא דרך, כמובן,ובסביבות 2012, הן החומרה והן מערכי הנתונים התקדמו עד לנקודה שבה למידת מכונה נדרשהכבוי: לפתע, חוקרים יכלו לאמן רשתות עצביות לעשות דברים שהם מעולם לא יכלו קודם לכן, והתחלנו לראות בינה מלאכותית בפעולה בכל דבר, מעוזרים חכמות ועד מכוניות בנהיגה עצמית.
ואז, בסוף 2022, ChatGPT התפוצץלְמַעלָה, מראה גם לאנשי מקצוע, לחובבים וגם לקהל הרחב מה בינה מלאכותית באמת יכולה לעשות, ומאז אנחנו בנסיעה פראית. אנחנו לא יודעים מה באמת מצפה לעתיד של AI: כל מה שאנחנו יכולים לעשות זה להסתכל עד כמה הטכנולוגיה הגיעה, מה אנחנו יכולים לעשות איתו עכשיו, ולדמיין לאן אנחנו הולכים מכאן.
חיים עם AI
לשם כך, תסתכל דרך שלנואוסף מאמרים על חיים עם AI. אָנוּלהגדיר מונחי AI שאתה צריך לדעת, להוביל אותךבניית כלי בינה מלאכותית ללא צורך לדעת כיצד לקודד, לדבר עלכיצד להשתמש ב-AI בצורה אחראית לעבודה, ולדון באתיקה של יצירת אמנות בינה מלאכותית.
ג'ייק פיטרסון
עורך טכנולוגי בכיר
ג'ייק פיטרסון הוא העורך הטכנולוגי הבכיר של Lifehacker. יש לו תואר BFA בקולנוע וטלוויזיה מ-NYU, שם התמחה בכתיבה. ג'ייק עוזר לאנשים עם הטכנולוגיה שלהם באופן מקצועי מאז 2016, החל כמומחה טכני בחנות אפל בשדרה 5 של ניו יורק, ולאחר מכן ככותב באתר Gadget Hacks. באותה תקופה, הוא כתב וערך אלפי חדשות ומאמרי הדרכה על מכשירי אייפון ואנדרואיד, כולל דיווח על הדגמות חיות מהשקות מוצרים של סמסונג וגוגל. בשנת 2021, הוא עבר ל-Lifehacker ומסקר הכל מה-השימושים הטובים ביותר של AI בחיי היומיום שלךאֶלאיזה MacBook לקנות. הצוות שלו מכסה את כל הדברים הטכנולוגיים, כולל סמארטפונים, מחשבים, קונסולות משחקים ומנויים. הוא גר בקונטיקט.
קרא את הביוגרפיה המלאה של ג'ייק