לא על המודל - לבדו
לא על המודל - לבדו
זה לא סוד שטכנולוגית הבינה המלאכותית הפכה לכלי רב ערך בשוק העבודה. כל ארגון יודע כי יישום נכון של טכנולוגיות אלו יוביל לשיפור משמעותי בתהליכי העבודה, ייעול המשאבים והגדלת התפוקה. מעבר לכך, השוק מבין כי טכנולוגית AI לא רק משפרת את הביצועים הקיימים, אלא גם יוצרת הזדמנויות חדשות להובלת חדשנות והגברת היתרון התחרותי. בשנתיים האחרונות אף גדלה ההכרה בקרב הארגונים - מי שלא אימץ בינה מלאכותית אתמול יהיה בפער כבר מחר, וככל הנראה יתקל בקשיים תחרותיים משמעותיים בשוק.
אחרי ההייפ הראשוני, אנחנו נוכחים לדעת כי מודלי שפה לבדם אינם מצליחים לשרת את הארגונים, לנוכח העובדה שהם לא מספיק מדויקים ואמינים, במיוחד כשמדובר במידע מקצועי או רגיש. המודלים מתקשים בהבנת הקשר רחב, מוגבלים בידע שלהם ולא יציבים (כי הם מודלים סטטיסטיים ביסודם). כמו כן, הטכנולוגיה לא תמיד מעודכנת במידע הארגוני בזמן אמת, ויכולה להיתקל בקשיים במשימות מורכבות. יש להדגיש כי הציפיות מהמודלים הן לעיתים לא מציאותיות - חשוב לזכור שאנחנו עוד בתחילתה של המהפכה. גם הטכנולוגיה המשוכללת ביותר לא בהכרח יכולה לכתוב מאמר ארוך או קוד מושלם בניסיון הראשון ללא עזרה מבחוץ או אחרי מספר טיוטות.
הבשורה החדשה היא שבשנים הקרובות נראה את עלייתן של מערכות AI מורכבות (Compound AI Systems)- מערכות המשתמשות בכמה רכיבים שונים יחד כדי לפתור משימות, בניגוד לגישה שבה מבצעים פעולה אחת בלבד על סמך קריאה למודל שפה יחיד. מערכות אלה כוללות שימוש במודלי שפה מרובים כאשר כל מודל מתמחה באספקט אחר של המשימה. כלים חיצוניים – כמו מנועי חיפוש, מסדי נתונים, או פונקציות ייעודיות שמודלי השפה מפעילים בהתאם לצורך ולוגיקה מערכתית – רכיבים שמפקחים על רצף הביצוע, מבצעים ולידציה או בוחרים את האסטרטגיה המתאימה ביותר להשלמת המשימה.
מה שמניע את ההתקדמות הנוכחית בשוק הוא לא בהכרח טכנולוגיה פורצת דרך או קפיצה גדולה באיכות המודלים, אלא שינוי תפיסתי משמעותי – התפכחות מהמחשבה שקריאה אחת למודל שפה יכולה לפתור את כל הבעיות. ההבנה שמודל שפה אינו מספיק לבדו סללה את הדרך לפיתוח מערכות מרובות רכיבים - שמחברות בין מודלים, כלים, ותהליכים מהוות את הליבה של עתיד ה-AI.
דוגמא לאחת הטכניקות בהן מערכות כאלה משתמשות היא RAG-Retrieval Augmented Generation, שבעזרת מודלי השפה, היא משלבת אחזור מידע רלוונטי מבסיסי הנתונים ומפיקה תשובות מבוססות יותר. במקרה כזה, המערכת לא רק עונה על שאלות אלא גם מסתמכת על מקורות מידע ממוקדים (ולא האינטרנט הרחב), מה שהופך את התשובות לאמינות יותר.
מערכות מורכבות הן לא בהכרח 'חכמות' יותר ממודלי שפה בודדים, אך הן אפקטיביות יותר בזכות היכולות שלהן לשלב מספר רכיבים ולהתמודד עם בעיות רב שלביות, תוך שהן מעניקות לארגונים שליטה מקסימלית ואמינות גבוהה יותר בתוצאות.
מערכות מורכבות הן, ובכן, מורכבות
פיתוח והטמעה של מערכות מורכבות מציבים אתגרים כמו הצורך לתאם בין רכיבים שונים, להבטיח איכות וביצועים מיטביים, ולמנוע פגיעה בתפקוד הכולל של המערכת. חסמים ייחודיים למערכות AI כוללים סוגית פרטיות הדאטא, יציבות מודלים, והתאמות לשינויים ארגוניים נדרשים. בנוסף, מדובר בטכנולוגיה חדשה הדורשת שינוי מחשבתי, מעבר מושכל לאוטומציה, ופיקוח נכון על השימוש במודלים. האתגר מתעצם בשל מחסור בכוח אדם מיומן להטמעת המערכות בצורה יעילה
מערכות מורכבות אלו מספקות יציבות, שליטה ואמינות - מרכיבים הכרחיים לפעילותן של הארגונים גדולים, ב- AI הוא תנאי להישרדות תחרותית, ומערכות אלו יפתרו אתגרים ארגוניים ויביאו לתוצאות עסקיות משופרות.
סביר להניח שבעוד שנה או שנתיים אף אחד לא ידבר על מודלי שפה כשלעצמם אלא על מערכות מורכבות (שעד אז כבר יהפכו ליותר ויותר מתוחכמות), ויהיו חברות בודדות שלא יטעימו מערכת כזו או אחרת.
שוק הבינה המלאכותית פוגש מהמורות ומתעדכן חדשות לבקרים, זו טבעה של טכנולוגיה כל כך עוצמתית. אולם המגמה היא ברורה והעולם ובתוכו המגזר העסקי לא יעצרו.
אורי גושן הוא מייסד-שותף ומנכ"ל שותף ב-AI21
