מהי הבינה אותה רוצים למכן?

"בינה מלאכותית היתה החלום של עולם מדעי המחשב עוד בתקופתו של אלן טיורינג שניסח את מבחן טיורינג המפורסם (תבונה מלאכותית שמטעה את המשתמש במחשב לחשוב שבצד השני יש אדם, מבחן שאף מחשב לא עבר עדיין – א.ב.) לאחר מלחמת העולם השניה. טיורינג ראה מכונות חישוביות ממלאות פונקציות שבאותה תקופה מילאו אותם בני אדם", כך אמר פרופ' כרמל דומשלק, חוקר מערכות תומכות החלטה מהפקולטה להנדסת תעשייה וניהול בטכניון.

לדבריו, "ב-1956 התכנסה קבוצה של חוקרים אמריקנים ובהם חתן פרס נובל לימים, הרברט סיימון, וקלוד שנון, מייסד תורת האינפורמציה. ההשערה שלהם היתה שכל פעילות שמצריכה אינטליגנציה של בני אדם ניתנת לתיאור למכונה, ואם כן הבה נשיג את זה".

"השאלות שעלו הן 'מה זו פעילות שמצריכה אינטליגנציה? מה זו בינה בכלל? לאיזו פעילות שאנחנו עושים אנחנו צריכים בינה ולאיזה פעילות אנחנו לא צריכים בינה?' ולעולם לא הגיעו להגדרה מדויקת מהי הבינה שאנחנו רוצים למכן".

"פיסת ידע עם עוד פיסת ידע – השגתי ידע חדש"

אם חושבים על גולם, אמר דומשלק, "מה אותו גולם מסוגל לעשות? הוא צריך איכשהו לייצג ידע. ברגע שמישהו אמר לי שאבי הוא כתב באנשים ומחשבים, עכשיו יש לי ידע והוא מאוחסן אצלי בראש. שנית,  אותו גולם צריך להיות מסוגל להסיק מסקנות חדשות על בסיס הידע שיש לו. לדוגמה אם אמרו לי שאבי הוא כתב באנשים ומחשבים ואמרו לי שאנשים ומחשבים זה כלי תקשורת, אני יודע שאבי הוא כתב בעיתון. אף אחד לא נתן לי את הידע בצורה ישירה. גם לא קראתי בשום מקום שאבי הוא כתב בעיתון. לקחתי פיסת ידע שהיתה לי עם עוד פיסת ידע שהיתה לי והשגתי ידע חדש".

לדבריו, "הידע הבסיסי לא יבוא יש מאין, צריך איכשהו לרכוש אותו. רכישת הידע הבסיסי היא בעצם למידה. כבני אדם אנו רוכשים ידע באמצעות קריאה, הסתכלות, ניסיון. ברגע שילד נתקע בפינה של השולחן פעם, פעמיים, שלוש, הוא לומד בלי שמישהו יגיד לו שכדאי להיזהר. יש הרבה מאוד דרכים ללמוד. יש הרבה דרכים לבצע חישה. ויש גם מורים שמלמדים אותנו ואנחנו לוקחים את הידע ומאחסנים אותו".

בנוסף, אמר, "אותו גולם צריך לקבל החלטות. אותו גולם צריך לנסח לעצמו/ להשיג/ לקבל מבחוץ מטרות אליהם הוא צריך לשאוף, לסדר אותם בין מטרות לטווח קצר ולמטרות לטווח ארוך, להחליט על החשיבות היחסית של המטרות האלה ובסופו של דבר להחליט על פעולות שהוא הולך לבצע כדי להשיג את אותן מטרות שהוא מחליט להשיג".

לנהוג עם מכוניות שרוצות להרוג אותך

"ולבסוף, עליו לדעת להסתדר בעולם. מכיוון שהגולם שלנו לא חי בוואקום, אותו גולם צריך לקבל את ההחלטות שלו לא רק לאורך המטרות שלו אלא גם לאורך המטרות וההתנהגות של מה שהוא חושב על מטרות של גלמים אחרים וגם בני אדם. הוא צריך להתנהל בחברה מה שמביא את הבעיה להרבה יותר מסובכת. יש הבדל בין לנהוג בכביש ריק ובין לנהוג בכביש עם מכוניות אחרות, ובמיוחד עם מכוניות שרוצות להרוג אותך".

לשם כך, הסביר פרופ' דומשלק, "מערכת בינה מלאכותית דורשת אמצעי חישה מעולם השמע, הטקסט ולתקשר עם בני אדם. אלו מנגנונים שכל אחד בפני עצמו מהווה תחום שלם כגון עיבוד שפה טבעית, ראיה חישובית, זיהוי המלל וזיהוי צלילים. כדאי שאותו גולם יזהה את הצליל של צופר כי יש מצב שהולכים לדרוס אותו. מהצד השני יש את כל עולם הרובוטיקה – העולם הפיזי המערב הנדסת מכונות והנסת חשמל. צריכה להיות לו מקבילה להנעת איברי הגוף אצל בני אדם".

עד סוף שנות ה-80, אמר הפרופ', "החוקרים לקחו בעיה כגון משחק דמקה או זיהוי פירות בתמונה, ופתרו אותה באמצעות פיתוח אלגוריתם לבעיה הזו וכתיבת תוכנה שמממשת את האלגוריתם הזה. את הידע על הבעיה – מה זה תפוח, איך הוא נראה, או איך עדיף לשחק דמקה – הזינו לתוכנה הזו".

"הרבה דברים טובים יצאו מהעבודות האלה, אבל די בעקיפין, כי הבעיה עם האסטרטגיה הזו היתה שמחקר כזה לעולם לא נכשל. הוא לא יכול להיכשל. התוצאה היא או שזה עובד או לא עובד. אם זה עובד – נפלא. אם לא עובד – המסקנה שחסר ידע. וזה בור ללא תחתית. ברגע שהתחילו להזין יותר ידע, אותן מערכות שפותחו לא התאימו. אם מפסיקים להוסיף ידע המערכת לא פותרת את הבעיה, וכמובן אם התוצר הוא תוכנה שמשחקת דמקה – היא לא טובה לשום דבר חוץ ממשחק דמקה".

האמת היא תמיד באמצע

"קשה להאמין שבראש שלנו אנחנו מחזיקים תוכנה נפרדת לכל דבר שאנחנו עושים בחיים", אמר דומשלק. "איך אתה עושה טרנספר ממה שלמדת בבעיה א' לבעיה ב' היה בעייתי. ובשנות ה-80 המאוחרות ההפנמה גרמה להרבה ביקורת פנימה, עד שלבסוף פנו החוקרים לפיתוח של אלגוריתמים ותוכנה לא לבעיות ספציפיות – אלא למודלים, משפחות של בעיות, כמו משחקי אסטרטגיה."

"אם אנחנו חושבים על לפתח מערכת שגם משחקת דמקה גם משחקת שחמט, גם משחקת גו, ועוד משחקים דומים, אבל ברגע שמדברים על משחק כמו פוקר, שזה משחק הרבה יותר מסובך כי אתה לא רואה את הקלפים של היריבים, יש חישה חלקית, אי-ודאות שנובעת מחלוקת קלפים. זה מצריך פיתוח טכנולוגי הרבה יותר גנרי".

"כך לדוגמה, מערכות שפותחו עבור ראיה מלאכותית, יכולות בהחלט לשמש גם לזיהוי דיבור, ובאופן כללי לתרגום, כי מהו בעצם זיהוי תמונה אם לא תרגום? המחשב לוקח תמונה ומתאר אותה במילים, וזה בדיוק כמו לקחת קבוצה של מילים בשפה אחת ולתרגם לקבוצה של מילים בשפה אחרת".

לסיכום אמר פרופ' דומלשק, כי "מפריע לי בשנים האחרונות התפיסה המוטעית של עולם הבינה המלאכותית שמתגבש אצל הציבור. זה נע בין יהרוג אותי עוד מעט, ישתלט עלי עוד מעט, לבין – הכל פשוט, יש מערכת למידה עמוקה וזה יפתור את כל הבעיות בחיים. האמת היא תמיד באמצע".