AI מציג: אם יורד גשם לא נרטבים
AI מציג: אם יורד גשם לא נרטבים
רחפן שלומד להתמודד עם תנאי אקלים קשוחים בכלל בלי לצאת מהבית; הפיכת טקסט למצגת פאוור פוינט; הנדסה לאחור של קוד נוזקה; אלה הם כמה מהפיתוחים שהוצגו בתערוכת מיקרוסופט בקמפוס ברדמונד; ומה לגבי החשש מהחלפת עובדים אנושיים ואיבוד משרות? "המטרה היא רק לצמצם למינימום את הדברים שאנשים לא רוצים לעשות"
לרחפן האוטונומי הזה יש משימה ברורה: לבדוק את תקינות טורבינת רוח באזור מרוחק בדקוטה הצפונית.
זה יום אביבי, אבל תנאי השטח מאתגרים: קליטה סלולרית לא רציפה, גשם לפרקים ואור שמש שמשתקף מהמתקן הנבדק. רגע אחר כך, חורף: שלג כבד יורד ומכסה את האנטנה. כעת הרחפן בודק טורבינת רוח בלב ים בעיצומו של מטח גשם. והופ, הוא כבר משייט בעמק המוות בקליפורניה בחום יוקד של יותר מ־50 מעלות. ואיך המעברים הקיצוניים הללו מתאפשרים? כי הכל וירטואלי בתערוכת הבינה המלאכותית של מיקוסופט ברדמונד, וושינגטון, שבה הוצגה בין היתר היכולת של הרחפן בכל תנאי שניתן להעלות על הדעת.
"לחברות אנרגיה יש תשתית קריטית, לפעמים באמצע הים", אמר גאנש ראו, מנהל קבוצת המערכות האוטונומיות במיקרוסופט. "אלו תנאים קשים לביקורת, אבל יש צורך לבצע בקרה של המתקנים כמה פעמים בשנה. אנשים מסכנים את החיים שלהם, נתלים מסולמות עם רתמות, כדי לבדוק שהכל עובד כמו שצריך. אבל מה אם במקום לסכן אנשים אפשר היה להעיף רחפן קרוב למה שאני רוצה לבדוק? רוב החברות כבר עושות חלק מזה, אבל יש אתגרים – מה אם יורד גשם, מה אם אי אפשר להתקרב מספיק כדי לצלם את התמונות שצריך?
"אבל מה אם אני יכול ליצור תאום דיגיטלי, סביבה וירטואלית של המתקן. ליצור רחפן וירטואלי, להטיס אותו קרוב ככל שאני רוצה בכל תנאי מזג אוויר. זה רלוונטי לאסדות נפט, קווי מתח, טורבינות רוח, מגדלי סלולר, אפילו משימות חילוץ והצלה, או חברת איירטקסי שרוצה לבחון תרחישים שונים. מה אם אפשר היה לטוס מיליוני פעמים תחת מקרי מבחן שונים וליצור כמויות אדירות של מידע?"
בעבר יצירת עולמות וירטואליים כאלה דרשה שבועות או חודשים, אבל פרויקט Airsim של מיקרוסופט מסוגל ליצור זאת בתוך שעות, בזכות בינה מלאכותית גנרטיבית. "אם מאמנים מודל בסתיו, אבל רוצים להריץ אותו בחורף כשהתנאים שונים, איך אני משנה את המקומות האלו? מודלים כמו Dall-E מאפשרים לי להוסיף משתנים כמו שלג, או שאני יכול להיעזר במודלי שפה (דוגמת ChatPGT - ע"כ) כדי להגיד לו להתאים את הסביבה לאביב או להוסיף מידע. זה מאפשר לאנשים שלא מבינים בתכנות להשתמש בטכנולוגיה כזו".
מיקרוסופט השקיעה מיליארד דולר ב־OpenAI ב־2019 ו־10 מיליארד דולר נוספים השנה. החברה גם שילבה את המודל המתקדם ביותר של החברה, GPT-4, במגוון מוצרים – החל ממנוע החיפוש בינג, עבור במוצרי האבטחה וכלי המפתחים שלה ועד לחבילת התוכנות המשרדיות אופיס. בחבילת התוכנות והשירותים המשרדים והעסקיים השילוב של המודלים של OpenAI במוצר שמכונה "מיקרוסופט 365 קופיילוט" מספק יכולת כמו סיכום אימיילים, שבמענה לבקשת המשתמש מבצעת חיפוש בכל חשבון האימייל הארגוני, ובתוך שניות מציגה סיכום בדמות נקודות קצרות של האימיילים. יכולות אחרות כוללות סיכום והצגת הנחיות לפעולה של פגישה בווידאו צ'ט; הצגת רשימת סיכונים של פרויקט מסוים על סמך תכתובות וחומרים כתובים שקשורים אליו, עם אפשרות לנסח אימייל שמציג את הסיכונים והדרכים למתן אותם; או הפיכת טקסט למצגת פאוור פוינט וביצוע שינויים במצגת באמצעות פקודות בכתב.
בחזית הגנת הסייבר, מוצר בשם "סקיוריטי קופיילוט" מסוגל לנתח תקריות סייבר על בסיס לוגים ולהציג סיכום שלהן, עם דוחות המשך שמכסים סוגיות כמו השפעה אפשרית של נוזקות, הנדסה לאחור של קוד תקיפה, הסבר איך למתן את התקיפה ומידע אפשרי על מקורה – ולבסוף לעבד את הכל למצגת סייבר בעבור ההנהלה.
יישומים עסקיים נוספים של מודלי בינה מלאכותית גנרטיבית שמיקרוסופט מפתחת כוללים תמיכה במערכות מכירות וניהול לקוחות. "מוכרים משקיעים כיום 66% מהזמן שלהם בקריאה ומענה לאימיילים", אמר ד"ר וולטר סאן, סגן נשיא של קבוצת ה־AI, יישומים עסקיים ופלטפורמות. "במערכת שפיתחנו כשיש אימייל נכנס מלקוח, המודל מנתח את התוכן שלו ומציע כמה מענים אפשריים (למשל להציע הנחה, לענות לתלונה). המודל יכול לאסוף מידע מהמערכות הפנימיות (למשל אם הוא מציע הנחה, אז הנחה על מה ובאיזה גובה), ויכול להציג הצעה לתגובה עם מידע רלוונטי".
תחום אחר שבו צפויה לבינה מלאכותית השפעה ניכרת הוא משחקי מחשב. "בגיימינג אנחנו עושים שימוש ב־AI כבר יותר מעשור", אמרה מנהלת תחום AI בגיימינג, הָאיְיֵן גָ'אנְג. "המודלים החדשים יכולים להעצים מפתחי משחקים ולהרחיב את היכולות שלהם לדמיין משחקים, ללמוד טכניקות חדשות לפיתוח משחקים ולהאיץ יצירה של משחקים".
היכולות והפוטנציאל מסקרנים, אך הבינה המלאכותית מעוררת גם לא מעט חששות. אחד החששות הוא שהבינה המלאכותית תחליף את העובדים בענפי פעילות רבים. צָ'אנְג קָאוָאגוּצְ'ה, סגן נשיא וראש אבטחת המידע של מיקרוסופט 365, מנסה להרגיע: "המטרה שלנו היא לא להגדיל תפוקה, אלא לאפשר לאנשים לפתור בעיות גדולות יותר, לנצל את הזמן טוב יותר. המשתמשים בקופיילוט לא רוצים להפסיק להשתמש בו. המטרה היא לא לעשות דברים מהר יותר, אלא לעשות טוב יותר את מה שהם רוצים לעשות. לאפשר להם לצמצם למינימום את הדברים שהם לא רוצים לעשות".
ג'ון פרידמן, סגן נשיא לעיצוב ולמחקר במיקרוסופט, העריך שגם אם יהיה שינוי בשוק התעסוקה בעקבות הכניסה של בינה מלאכותית גנרטיבית, בטווח הארוך זה לא יביא לצמצום במספר המשרות אלא רק לשינוי בסוגן. אותו עיקרון נכון למוצר חדש שניואנס (Nuance), חברה־בת של מיקרוסופט, תשיק בצורה מוגבלת בארה"ב בקיץ הקרוב, אשר מיועד לשוק הרפואה: DAX Express, שנועד לייעל את המפגש בין רופא למטופל, ומאפשר לרופא להקליט את המפגש ולקבל בתומו סיכום מלא של הביקור הרפואי. "הפיתוח מבוסס על מיליוני מפגשים בין רופאים למטופלים", הסביר ג'ונתן דרייר, סגן נשיא בניואנס. "כך זה עובד: הרופא פותח את האפליקציה במובייל שמציגה את לו"ז הפגישות. הוא יכול להיכנס לעמוד המטופל, ולהתחיל להקליט את השיחה. השיחה בין הרופא למטופל מתנהלת כרגיל. בסיום הביקור הבינה המלאכותית מייצרת תצוגת טקסט של השיחה המלאה בין שני הצדדים, וסיכום רפואי של המפגש, אותו אפשר לערוך. המערכת מציגה ממצאים קליניים, מסננת שיחות חולין, ומסכמת את הדיאגנוזה ואת הטיפול הרפואי המוצע".
שילפא ראנגאנאטן, סגנית נשיא בכירה לווינדוס: "אי אפשר להחליף יצירתיות של מוח אנושי. האתגר הוא לעשות אוטומטית את מה שלא אוהבים".
מלבד זאת בינה מלאכותית גנרטיבית מעוררת לא מעט סוגיות בנושאי אתיקה וחששות כגון פגיעה בשוויון הזדמנויות (בגלל נגישות מוגבלת של אוכלוסיות מוחלשות לכלים ולמודלים אלו) או החרפת אפליה לרעה על בסיס גזעני. "אנחנו לא מתעלמים מהחששות הללו, ויש לנו תוכניות לפרוס את הטכנולוגיות האלו בצורה אחראית", אמר דניאל קלוץ, מנהל שימושים רגישים במשרד לבינה מלאכותית אחראית במיקרוסופט. "אנחנו מגבשים תקן לבינה מלאכותית אחראית. כדי לתמוך בצוותים שעובדים בתחום פיתחנו כלים, אימונים ושיטות לניטור ודיווח על בסיס תשתית ניהול הסיכונים שלנו שתאפשר לנו לעשות את זה בצורה שיטתית. בנוסף אין צוות אחד שעוסק בבינה מלאכותית אחראית. זו תרבות בכל שדרות החברה שמתחילה מלמעלה".
בעיה אחרת שכבר מוכרת היטב היא הנטייה של הצ'טבוטים החדשים להמציא מידע יש מאין, ולהציג אותו בצורה משכנעת מאוד. ד"ר אצ'ה קאמר, מנהלת מחקר במיקרוסופט, עומדת בראש צוות שמתמודד עם הבעיה הזו: "התחלנו לחשוב על אמצעי הערכה חדשים וכלי מיתון. אנחנו יכולים לחשוב על ההוראות שאנחנו נותנים למודלים, ולבקש שאם הוא מציג עובדה יציג את המקור שלה. זה גם מקדם ערכי שקיפות ומשפר את הדיוק על התשובה".
אתגר משמעותי נוסף של מודלי בינה מלאכותית גנרטיבית הוא צריכת משאבים גדולה, שפוגעת בסביבה. סמנכ"לית הקיימות של מיקרוסופט, מלני נאקאגאווה, הציגה דרכי התמודדות: "אנחנו משקיעים בתשתיות אנרגיה מתחדשת שיתחילו לפעול בעוד שלוש או ארבע שנים; שנית, אנחנו משלבים יכולות חסכוניות באנרגיה בהליך הלימוד ובניית המודלים; ושלישית, אנחנו לומדים ומבינים מה האימפקט של בינה מלאכותית בפועל.
"תשתיות הענן שלנו מטויבות לעומס העבודה של AI. אנחנו רוצים את התשתיות היעילות ביותר שעושות שימוש במעבדים היעילים ביותר".
הכתב היה אורח מיקרוסופט ברדמונד, וושינגטון
