בינה מלאכותית עדיין ב'חיתולים'
מאת:
אייל שפין, 11.12.18, 07:00
כדי להישאר תחרותיים בשוק, לא מספיק לארגונים לתכנן אסטרטגיית AI שאפתנית, שתשתלב בטכנולוגיה של החברה.
חוק מור קובע, שמספר הטרנזיסטורים על שבב מוכפל מדי שנתיים. זו דוגמא מעולה ל"גידול אקספוננציאלי", או "צמיחה מעריכית". באופן אינטואיטיבי ניתן להמחיש את העיקרון הזה על התקדמות ביכולות של סמארטפונים בשנים האחרונות. הביצועים והטכנולוגיה משתנים ללא הרף עד שבהפרש של שנים בודדות, ניתן לראות פער טכנולוגי גדול יותר בין טלפונים כיום, מאשר לפני כ-10 שנים. כלומר, ככל שנתקדם - השינוי יהיה גדול יותר.
חוק מור "מכסה" רק חלק קטן מההתפתחות הטכנולוגית, שמתקדמת בצורה אקספוננציאלית, אך בתחילה התקדמה לאט וכיום במהירות שיא. בעבר, תמורות כאלו התרחשו לעתים נדירות מאוד עד שהתקבעו. אולם, היום זה עניין של שנים. ניתן להניח בבטחה, שקצב צמיחה זה יישמר, ולא רק ב"ממלכת ה-
IT" על גזרותיה, אלא גם בתחומים מדעיים אחרים כגון ביולוגיה ופיזיקה.
לבינה מלאכותית (
AI) יש תפקיד משמעותי בהתפתחות זו, וזו הסיבה לכך, שאין "סוג אחד" של בינה מלאכותית. כיום קיימת עדיין הבחנה בין בינה מלאכותית "חלשה" לבין בינה מלאכותית "חזקה", שנראה רק בעוד כמה שנים, ותבוא לידי ביטוי בהחלפת פעולות אנושיות באותה רמה.
יש הטוענים, שסופר-בינה מלאכותית (
artificial superintelligence) תהיה המהפכה הטכנולוגית הבאה. סינגולריות טכנולוגית תגיע בשלהי מהפכה זו, ובנקודה, שבה אנשים כבר לא יוכלו להצביע על ההתפתחות הבאה, אפילו לא בקירוב.
חוקרים בהרווארד אף מעלים את האפשרות של "מגה-מוח" מלאכותי עם
IQ של כ-34,597 (
IQ אנושי ממוצע עומד על 100).
המסקנה המתבקשת היא, שקרוב לוודאי, במחצית השנייה של המאה הנוכחית, כבר לא נוכל להבחין בין הבינה המלאכותית לזו האנושית. טכנולוגית
AI, או לפחות הפוטנציאל המלא שלה, עדיין בחיתולים. לכן, עוד לא הגענו לנקודה הזו אבל אנו קרובים מאי פעם.
מצד שני, הגענו לשלב בו צריך ליישם חוקים המתייחסים לסיכונים הטכנולוגיים הפוטנציאליים, להתייחס לבעיות אתיות שיש לפתור וכן עדיין אין תקינה מספקת, למרות שיש התקדמות בנושא, למשל בסין.
קיים מחסור של מומחי
AI בשוק ומיליוני מפתחים של בינה מלאכותית וארגונים ברחבי העולם
מתמודדים עם תשתיות IT לא מתאימות, שלא עומדות בדרישות הפיתוח של AI.
רוחב הפס הנוכחי עדיין רחוק מלהספיק, אין מספיק זיכרון ויש מספר קטן של פתרונות
AI מותאמים. יישומי בינה מלאכותית צורכים כמויות אדירות של נתונים ולרוב צריך לשלוט בהם בזמן אמת, אחרת כל היתרון הגלום ב-
AI יורד לטמיון. הפתרונות הקיימים נוטים להיות פחות טובים מהרצוי.
פתרונות חומרה ותוכנה מותאמים נדרשים, לא רק כדי לעבד במהירות נתונים, אלא גם כדי לפתח ולהטמיע במהירות יישומי
AI חדשים. בזירה התחרותית הגלובלית, זמני היציאה לשוק הם חיוניים מאוד, במיוחד בתחום הבינה המלאכותית.
מסקר של חברת המחקר
ESG עולה, ש-80% מהחברות מאמינות, שהפיתוחים החדשים שלהן בתחום ה-
AI וה-
ML, יספקו להן יתרונות עסקיים משמעותיים תוך פחות משנתיים.
הקמת תשתית מבוססת
AI מצריכה בחירה טכנולוגית מושכלת של שרתים, מעבדים (לרבות מעבדים גרפיים), פתרונות אחסון ורשתות עם רוחב פס רחב וסקלאבילי. צריך להבין, שאפילו הפיתוח המינימלי ביותר בתחום ה-
AI בקושי ימריא ללא התשתית המתאימה.
מדעני נתונים נכנסים לתמונה כבר בשלב בחירת הטכנולוגיות ולאחר מכן, בבנייה של התשתית ובדיקה שלה עד אישור המערכת כולה ורק אז ניתן להתחיל לפתח את המודלים הראשונים. אם רוצים לקצר תהליכים, עבודה בענן אינה מהווה בהכרח מסלול מהיר יותר, כאשר מדובר בפרויקט מסוג זה. למרות שספקי ענן ציבוריים מציעים כוח מחשוב וספריות
AI, אין ביכולתם לספק התאמה ספציפית לארגון זה או אחר.
זו סוגיה חשובה, שכן ההתאמה הארגונית היא הכרחית, קל וחומר כאשר מדובר באסטרטגית
AI מלאה. בנוסף, יש התמודדות עם בעיות ביצועים, שנגרמות, למשל, מהעברת נתונים, כאשר ברוב המקרים הפתרון הטוב ביותר יהיה הקמת תשתית פנימית.
בשורה התחתונה, כדי להישאר תחרותיים בשוק, לא מספיק לתכנן אסטרטגיית
AI שאפתנית, שתשתלב בטכנולוגיה של החברה.
צריך להקים תשתית, שתתמוך בכך ולא - המשאבים הרבים, שיושקעו בנושא, הן של זמן וכמובן של הון,
ירדו לטמיון.
קרדיט צילום תמונה עליונה: מיכל יהב דביר
מאת:
אייל שפין, דצמבר 2018.
סגן נשיא להנדסה ופיתוח,
Dell-EMC
