התרומה של אינטל לתעשיית הטכנולוגיה הישראלית לא זקוקה להמלצות נוספות. אפילו "מומחי הרווחה" מטעם עצמם, אלה שתמיד יודעים להסביר איך הם היו מנצלים את המשאבים הלאומיים טוב יותר - אם רק תיפול בחלקם ההזדמנות לנהל את הקרנות השופעות ולמשוך בחוטי התקציב הממשלתי - כבר הבינו שהפעילות התעשייתית של יצרן השבבים הגדול פשוט עושה טוב למשק הישראלי. ולא מדובר רק על כ-7,000 העובדים השכירים ועוד מספר כפול לפחות של מועסקים בעקיפין. גם אלפי העובדים לשעבר - אלה שלמדו במרכזי הפיתוח והיצור של אינטל את האספקטים המעשיים של תעשייה עתירת טכנולוגיה, החל בניהול צוותי פיתוח טכני להשגת יעדים בעלי ערך עסקי מובהק בשוק העולמי וכלה במנהלי עבודה שלמדו איך מקימים "חדר נקי" בזמן שיא - אינטל ישראל ממלאת בתעשייה האזרחית את התפקיד שלפני 40 שנה עשתה התעשייה הביטחונית: מרכז השתלמות ורכישת ניסיון לאלפי מהנדסים צעירים, שיפיצו את התורה לכל מקום בו ילכו בתעשייה הישראלית.
בית הספר למאבקים הרואיים
מבחינה זו אינטל, שהתחילה את פעילותה בישראל לפני 40 שנה כאשר דב פרוהמן חזר מארה"ב עם מנדט להקמת מעבדת פיתוח צנועה בחיפה, ממלאת חלל סטרוקטורלי במשק הישראלי. האוניברסיטאות והטכניון מכינים אומנם כל שנה דור חדש של מהנדסים טובים, אך מטבע הדברים מוקד המחקר האקדמי מנותק מההוויה היומיומית של תעשיה תחרותית, אינו נתון לחצים כלכליים שמגבילים את האופק ליעדים המבטיחים תועלת מידית ואינו מחויב לסנכרן פעילות שוטפת מול ממסד עולמי, שמאויש בבעלי תפקידים שאינם מדברים בשפה הטכנולוגית. בוגרי מרכז המו"פ בחיפה, כמו דדי פרלמוטר, מולי אדן ורוני פרידמן, יכולים לספר על המאבקים ההרואיים שקדמו להכרה ביכולתם של הצוותים הישראליים לנווט את אסטרטגית המעבדים הגלובלית, להתוות את מפת הדרכים לניידות ולקבל אחריות על עיצוב ליבת הסיליקון של מעבדי Core לדורותיהם. אין כנראה בית ספר טוב יותר להיי-טק תעשייתי בישראל.
אבל אסור לשכוח שאינטל נמצאת כאן כדי להרוויח - וכחברה תעשייתית קלאסית סולם הקדימויות שלה הפוך מזה של בעלי החזון והאידיאליסטים. מנקודת השקפתה, "חשיבה נכונה" עוקבת אחרי הצעדים הבאים, במתודת Top-Down:
- רווחים הם פועל יוצא של מכירות ומכירות מובטחות רק למי שמקשיב טוב ללקוחות ועונה למשאלותיהם טוב יותר מהמתחרים.
- הדרישה הראשונה בחשיבותה של לקוחות השבבים היא אספקה סדירה, מתוכננת מראש, של כמויות יצור סדרתי. כדי למכור שבבים צריך לייצר אותם, ולכן "החדר הנקי" הוא מנוע יצירת הערך האמיתי, בו תכנון מבריק הופך לסחורה לוהטת.
- כדי לרוץ בחזית הטכנולוגיה, מפלצת היצור דורשת זרם קבוע של תכנונים חדשים, עבור מוצרים חדשים שייבנו בטכנולוגיות חדשות וישאירו את המתחרים מאחור. זו הסיבה מדוע חייבים להשקיע מאות מיליונים במעבדות פיתוח - שההצדקה העסקית שלהן מגולמת בסיסמה: תכנן פעם, יצר במיליונים.
- אנשי הפיתוח צריכים להבין את סדר הקדימויות הנ"ל במלואו: השבב שהם מתכננים נועד לנצל את יכולות היצור במלואן, לאפשר יצור סדרתי בכמויות ענק ומחירים תחרותיים, ולהתקבל על ידי הלקוחות הסופיים (יצרני המחשבים) כמוצר התואם את התוכניות העסקיות שלהם. לדוגמה, ליצרני המחשבים חשוב לבדל את המוצרים שלהם מהמתחרים ולכן הם לא ששים לאינטגרציה מוגזמת. הם דורשים הפרדה בין המעבד ל"ערכת השבבים" גם אם המחיר מבחינתם הוא פשרה ברמת הביצועים, או תוספת קטנה למחיר חומרי הגלם.
גשר למחקר המדעי הטהור
בסכמה הנ"ל השמטתי רובד אחד, זה שמגשר בין עבודת אנשי הפיתוח לעולם המחקרי הטהור, שרובו עדיין מבוצע במסגרות אקדמיות. בתפיסה של אינטל, התפקיד שלה ברובד זה הוא לסמן מטרות ארוכות טווח, לממן מחקרים שעשויים ליצור פריצות דרך ליעדים האלה, למסד מנגנון הזנה הדדית בין המחקר החיצוני לפיתוח הפנימי ולספק כתובת לבעלי רעיונות מחוץ לזרם המרכזי. רובד זה לא היה מיוצג עד לאחרונה בישראל, ורק במאי השנה יצאה ההכרזה על הקמת מכון מחקר משותף, לאינטל ול-5 אוניברסיטאות מחקר בישראל, בנושא "אינטליגנציה חישובית" Computational Intelligence. (הטכניון והאוניברסיטה העברית מובילים בשותפות, אך גם לאוניברסיטת ת"א, אוניברסיטת בן גוריון ומכון ויצמן יש נציגות סימלית.)
לרגל ההכרזה הגיע למקומותינו ג'סטין רטנר (Justin Rattner), "המדען הראשי" של אינטל, סגן נשיא שאחראי על רשת מעבדות בשם Intel Labs, אליהן מצטרף המכון הישראלי. כמו שאר המעבדות ברשת, מדובר על "מכון וירטואלי", לא בניינים חדשים וכמעט ללא תקורה מנהלית נוספת. המעבדות כבר מהוות יחידות מחקר פעילות והן מנוהלות על ידי אנשי סגל בכירים, שתחום העניין האקדמי שלהם חופף לפחות חלק מהחזון של ג'סטין רטנר. התמיכה של אינטל תאפשר להם להרחיב ולהעמיק את המחקר בכיוונים שאינטל מסמנת כיעדים חשובים - בלי להתנתק מהבסיס האקדמי שלהם והחופש האינטלקטואלי שהוא מבטיח.
מכונה אינטליגנטית מסוגלת לפעולה אוטונומית
כפי שאפשר להבין משם המכון, הקו המנחה הוא ללמוד מהמוח הביולוגי איך לשפר את ארכיטקטורת "המוחות האלקטרוניים". בולט בין צרור הרעיונות העולים בהקשר זה הוא הנושא של "לימוד מכונה", כלומר יצירת מכונות אינטליגנטיות, שלומדות את מאפייני הסביבה, את התנהגות/מאוויי המשתמשים ואת האילוצים האופרטיביים שמגבילים את מעטפת הפתרונות הקבילים, ומשתמשות בתובנות היסטוריות כדי לקבל החלטות ללא צורך בהדרכה אנושית. כמו המוח הביולוגי, תוכנה כזאת אמורה לצפות את האירועים העתידיים על פי ניסיון מוקדם ובהסתמך על עקרונות לוגיים של סיבה ומסובב, לנסח אוטומטית אלגוריתם תגובה "סגור" ולהוציא אותו לפועל "אוטונומית", בבחינת "להקדים תרופה למכה", כל זאת ללא צורך במעורבות "מורה".
למרות הטרמינולוגיה המשותפת, לפעמים, ההבדלים בין המוח הביולוגי למעבד דיגיטלי הם מהותיים הרבה יותר מההבדלים בין DNA למסכת ליתוגרפיה. למוח יש "ארכיטקטורה" שונה לחלוטין מזו שמיושמת במחשבים ב-67 השנים שעברו מאז פרסם המתמטיקאי ג'והן פון נוימן את עקרונות הארכיטקטורה הנושאת את שמו. (ספרו, "המחשב והמוח" עדיין יכול לשמש מקור השראה לעוסקים ב"בינה מלאכותית") אלפי שכלולים ושיפורים נעשו מאז בפרטים של הארכיטקטורה אך ברמת הקונספציה זו עדיין תוכנית האם של כל המעבדים הדיגיטליים. בכולם תמצאו את ליבת השערים הלוגיים, שמחווטים במעגל חשמלי קבוע ומתפקדים בצורות שונות על פי "מילות פקודה", שהן סדרות של "אפס" ו"אחד" השמורות בזיכרון (במחשבים מוקדמים יותר, התכנות נעשה על ידי שינויים פיזיים במעגל, באמצעות מתגים שתצורתם נקבעה ידנית לפני כול ריצת תוכנית).
ארכיטקטורת פון נוימן מול עיבוד אסוציאטיבי
פריצת הדרך שהתרחשה ב-1945 היא בשיטה המאפשרת לייצג את הפקודות ואת הנתונים בצורה זהה: מילים דיגיטליות באורך ידוע, שנשמרות בזיכרון משותף (ההפרדה לגושי כתובות משמשת רק להגנה על התוכנית מ"רמיסה" על ידי הנתונים המשתנים), מוגשות למנוע הלוגי על פי התפתחות העיבוד, ויוצרות תוצאה שגם היא מילה דיגיטלית שתירשם באותו זיכרון כנתון חדש. לכך אין משהו דומה במוח הביולוגי. ככל שאנו יודעים על המודל הלוגי שבבסיס הפעולה המוחית, "הפקודה" היא בדרך כלל תבנית ייצוגית של קלט חושים שעבר קידוד לפולסים חשמליים (עירור אלקטרו-כימי של העצבים היוצאים מהעיניים, האוזניים, תאי החישה בעור, בלשון ובאף. שימו לב, לאחר שקלט מסוים עבר קידוד אי אפשר לדעת מהפולסים החשמליים שמגיעים למוח האם הם מציגים תמונה, צליל, ריח או מגע מכני. כמו המחשב, המוח שלנו לא רואה ולא שומע, אלא מפענח קודים אבסטרקטיים שמוזנים אליו בשפה אחידה.) ובניגוד לתפיסת "המעבד המרכזי", ה-CPU, העיבוד הביולוגי נעשה באופן מבוזר, בכל אזור במוח בו נשמרות תבניות דומות כזיכרונות.
התבנית מזהה איזה נוירונים היו פעילים בצורה מסונכרנת ובאיזו עוצמה יחסית והיא נרשמת במקביל במספר אזורים במוח, האחראיים על סוגים שונים של זיכרונות, בשקלול שונה של תרומת כל נוירון. למשל, תמונה נשמרת במוח באזורים מתמחים כאוסף צורות, צבעים, פרספקטיבה וכדומה, ובנוסף נשמר עם התמונה - גם הוא במקום נפרד - המידע הנלווה, ה-Metadata, כמו נסיבות האירוע, רגשות רלוונטיים - פחד, תענוג, אשמה - ו"לינקים" לתמונות דומות שעלו אצלנו באסוציאציה בזמן שנקלטה התמונה הזאת. בזמן שהעיניים שולחות תמונה חדשה למוח, ולאחר שהתמונה עברה את תהליך "עיבוד התמונה" האוטומטי והפכה ל"קובץ קודים" הניתן להשוואה, מתחיל העיבוד המודע: "מאיפה אני זוכר את הפרצוף הזה?" "איך מתנהגים כאשר האור מתחלף?" וכדומה. המידע המייצג את מאפייני התמונה נשלח מהחלק העורפי של המוח, אליו מגיעים עצבי הראיה לצורך עיבוד ראשוני, לאזורי הזיכרון "ארוך הטווח" ("הדיסק" הביולוגי) המפוזרים בעיקר במרכז המוח, בין הרקות, כדי לברר מי זוכר משהו דומה? ומה יש לזיכרון הזה להגיד על התגובה הראויה? כמובן שהרבה אזורים מגיבים, בעוצמות שונות ותוך תחרות על תשומת הלב של "המנהלת", הלא היא התודעה השוכנת באונה המצחית שלנו, ושל "המגיבה האוטומטית", שקרויה "המערכת הלימבית" ומקומה בחלקים הפרימיטיביים/קדומים יותר במעמקי המוח. הבחירה בתשובה "הנכונה" מתוך התגובות הרבות שנוצרו לפקודה היא תוצאה של שקלול ההתאמה בין הדוגמה לזיכרון, שקלול שמבוסס על החוזק של קשרים אסוציאטיביים בין פיסות השמורות בנוירונים שונים. אין שום דבר דומה במחשב הדיגיטלי. ובוודאי שלא ראוי כי תתרחש בו תחרות על תפקיד המנהיגות, כפי שקורה לעיתים קרובות במוח, כאשר המערכת הריגשית לא מסכימה לפקודות שמנסחת המערכת הרציונלית.
כאשר כמות לא הופכת לאיכות
ההבדלים המהותיים בין המוח למחשב יוצרים שתי צורות חשיבה שונות לחלוטין, בעלות מאפיינים כמותיים שונים מאוד - אך גם הבדלים עמוקים ברובד ה"פילוסופי" של החישוב. במוח האנושי יש, בממוצע, פי 64 יותר נוירונים מאשר טרנזיסטורים על שבב מעבד חדיש מהדור השלישי של Core. 89 מיליארד בין האוזניים בהשוואה ל-1.4 על השבב. המהירות של המעבד האלקטרוני גבוהה לפחות פי 100 מיליון, כך שבפעולות אריתמטיות פשוטות יש לו יתרון עצום על המוח הביולוגי. נוירון ממוצע שומר על קשר סנאפטי (ממשק העברת נתונים) עם כ-1000 נוירונים אחרים, בעוד הטרנזיסטור האופייני "דוחף" פחות מחצי תריסר אחרים, הלוקחים איתו חלק ב"מודול לוגי" נתון. כל הממשקים הביולוגיים הרלוונטיים לזיכרון ספציפי מתעוררים במקביל בתהודה לתבנית השאילתה, כך שבחישובים "אסוציאטיביים" היתרון עובר לביולוגיה. "טבלת האמת" שמייצגת לוגית את הטרנזיסטור כוללת 4 אלמנטים (2x2) בעוד טבלה שתייצג נאמנה את המורכבות הלוגית של נוירון תכלול לפחות 10,000 ערכים.
אנו לא יודעים איך תא עיצבי אחד שומר כל כך הרבה מידע, ואיך נשמר המבנה "המטריציוני" של טבלת האמת. לשם כך עלינו "לחטט" בתוך התא בזמן שהוא חי ולמדוד כל תהליך אלקטרו-כימי במסלול שבין הקלט לפלט ברמה המולקולארית. בקיצור, קשה להשוות בין הפוטנציאל החישובי של שני המעבדים האלה, הדיגיטלי והביולוגי, אך לפחות מדען אחד, הנרי מרקרם (Markram), טוען שאנו במרחק 10 שנים בלבד מסגירת הפער הכמותי ובניית מחשב-על המסוגל לדמות מוח על כל פרטיו המולקולריים. האם מחשב-על כזה, בהנחה שמרקרם ידע לתכנת אותו, יוכל לבצע את כל מה שהמוח עושה בלי להתאמץ? לא בטוח. ככל שמעמיקים לבדוק את המוח כן מתברר שההבדלים האיכותיים גדולים אף יותר מהכמותיים.
התיאוריה של המוח האוטונומי
המוח לא חושב באלגוריתמים והוא לומד "בעצמו" בלי שיתכנתו אותו. לדוגמה, תינוקות לומדים לדבר עם מעט מאוד הכוונה מההורים ואפילו לא צריך להסביר להם שהקולות שאנו עושים הם אמצעי להעברת רעיונות או מידע ממוח למוח. הם לומדים את ההבדל בין שם עצם לפועל ואיך לבנות משפט בעל משמעות מהצירוף שלהם, גם אם הוריהם לא מסוגלים להסביר את החוקים הבסיסיים ביותר של תחביר. ולא רק תינוקות אדם לומדים ללא מורים. גם גורי חיות, לפחות כל החולייתנים, קולטים אינסטינקטיבית את התובנה הלא פשוטה, שליצורים חיים יש רצונות, שאין לדוממים, ויכולת להפוך את הרצונות לפעולות. ומה שמדהים יותר, ללא כול הדרכה פסיכולוגית הם מפתחים בהדרגה "תיאוריה של המוח האוטונומי", באמצעותה הם מבינים כוונות, מסרים ורגשות של אחרים - ואפילו לנחש מצבים נפשיים שלא ניתן להם ביטוי מפורש!
כדי ללמד מחשב יכולת דומה, אתם זקוקים לעשרות שנות-אדם ומיליוני שורות קוד, כפי ש-IBM השקיעה בפרויקט Watson. האבולוציה נזקקה אומנם למאות מיליוני שנים ואינספור ניסיונות שהסתיימו בכישלון, אבל בסופו של התהליך היא הצליחה לבנות מוח לומד שיכול להסתפק בגרמים ספורים של חומר ביולוגי כמעט חסר צורה וצריכת אנרגיה של טלפון סלולרי במצב המתנה. את Watson מריצים על מחשב-על, עשרות ארונות גדושים בעשרות אלפי מעבדי סיליקון ומיליוני שבבי זיכרון, שצורכים עשרות קילוואט חשמל וטיפול מסור של תריסרי טכנאי אחזקה. ברור שהטבע יכול ללמד אותנו משהו אודות יעילות! אבל הפער הגדול ביותר הוא באספקט היצירתי של המחשבה. המוח האנושי מסוגל להגות רעיון שאף אחד לא חשב עליו קודם לכן ולמרות שרוב ההגיגים אינם ראויים להנצחה, מפעם לפעם מתחולל נס אינטלקטואלי, כמו תורת היחסות הכללית, "המלט" של שיקספיר, או "טוקטה ופוגה ברה מינור" של באך.
מעבר למגבלות הלוגיקה הפורמלית
המתמטיקאי הבריטי רוג'ר פנרוז, הולך אפילו צעד קדימה וטוען שהמוח האנושי אינו מוגבל לתבניות הפורמליות של לוגיקה מתמטית ולכן הוא מסוגל לראות את האמת (או השקריות) של "משפטים שאינם ניתנים להכרעה". משפט גדל (Gödel) כידוע, טוען (ומוכיח) כי בכל מערכת לוגית פורמלית ברמת מורכבות מספקת (כדי לאפשר התייחסות עצמית, לדוגמה אריתמטיקה) קיימים בהכרה משפטים שאינם ניתנים להכרעה באמצעות החוקים הלוגיים המקובלים על אותה מערכת. על פי פנרוז, מאחר וחלק מהמשפטים האלה מובנים לנו אינטואיטיבית וביכולתנו להחליט האם הם אמת או שקר ללא הזדקקות לחוקים פורמליים, ההיגיון שלנו עובד בצורה שלא ניתנת לחיקוי על ידי מכונה. מחשב לא מסוגל "להבין", כי הוא לא יכול "להסתכל מבחוץ" על בעיה ולהתייחס אליה שלא מתוך מעטפת הפורמליות הפנימית שלה. פנרוז אף משליך מכך על התחושה האנושית המובהקת של "רצון חופשי", מצב שלא יכול להתקיים במערכת דטרמיניסטית דוגמת מחשב. יצירתיות היא ללא ספק תולדה של משהו די דומה לרצון חופשי ולכן אל תצפו ממחשבים להגות מחשבות מקוריות.
האם רצון חופשי הוא אשליה, כפי שטוענים הרדוקציוניסטים המושבעים, או שהוא נדחק למוחנו דרך התחום האפור של "אי-וודאות" שתורת הקוואנטים כופה על כל אירוע פיזי? האם המורכבות של המוח יוצרת מערכת "על גבול הכאוטיות" שדי בדילוג קוואנטי אקראי כדי להכריע לאיזה מבין שני מצבים "תקרוס פונקצית הגל"? והאם תוצאה אקראית כזאת יכולה להתפרש על ידי ההכרה כבחירה חופשית בין שתי חלופות בעלות ערכים מוסריים שונים? אותי פנרוז לא מצליח לשכנע, אבל הטיעונים שלו (למשל בספרו The Emperor's New Mind) מהווים מזון משובח למוח בעל נטיות פילוסופיות. תיאורטיקנים מוערכים טוענים כי ניתן לבנות "מחשב קוואנטי" בו תנוצל התכונה המדהימה של מערכות קוואנטיות להיות בו-זמנית בכמה מצבים שונים, שמתפרקים רק אחרי שמבוצעת מדידה של מצב "מקרוסקופי". אם מצבים האלה מייצגים רשומות שונות במסד הנתונים, למשל, והשאילתה נועדה לברור המצב המתאים לתנאי מסוים (לאפס את פונקצית הגל בכל מקום, למעט ברשומה המבוקשת. שימו לב לשימוש בתכונה הקוואנטית "הכול או לא כלום" כמסננת דיגיטלית), השגנו למעשה הכפלה של עוצמת המחשב במספר המצבים שביכולתו לקיים בו זמנית! ג'סטין רטנר מסרב להיגרר לספקולציות אודות מחשוב קוואנטי, בטענה שעד כה אף אחד לא הצליח להחזיק יותר ממספר קטן של מולקולות במצב "קוהרנטי", וגם זאת רק לחלקיק שנייה. המכון לאינטליגנציה חישובית יעסוק בנושאים מעשיים יותר.
מהמעבדה לפס היצור בזמן הקצר ביותר
את המכון מובילים פרופסור אורי וויזר מהטכניון, פרופסור נפתלי תשבי מהאוניברסיטה העברית, ורוני רונן, מהנדס ראשי בכיר במעבדות אינטל. האוניברסיטאות נבחרו בזכות המומחיות בארכיטקטורת מחשב ובלמידת מכונה שקיימת בשתי האוניברסיטאות. "מנקודת המבט העסקית, היום כבר קיימת עוצמת מחשוב המאפשרת לומר שמחשבים הם כמעט אנושיים", אמר מולי אדן, נשיא אינטל ישראל. "תוך חמש שנים כל החושים האנושיים יוטמעו במחשבים, ותוך עשר שנים יהיו יותר טרנזיסטורים על השבב מאשר נוירונים במוח האדם. הציפייה מהמכון לאינטליגנציה חישובית היא שהוא יספק קפיצת דרך במחקר וברעיונות אשר ניתן לתרגם אותם למוצרים ויישומים."
שלוש דוגמאות ליישומים טכנולוגיים הנמצאים על הכוונת של אינטל מלמדות אותנו שג'סטין רטנר מעדיף לצעוד על קרקע מוצקה גם כשמדובר בחזון ארוך טווח:
- 1. "מערכות ראיה/שמע לומדות"
אירועים פליליים הולכים ומתרבים כוחות הביטחון והמשטרה עושים ניסיונות לאתר את החשודים באמצעות צילומי וידיאו ממצלמות אבטחה. הקושי הוא למצוא את המחט בערמת השחת, משום שהמצלמות מיצרות כמויות עצומות של מידע. יתר על כן, החיפוש מתחיל רק לאחר שהמעשה בוצע והפושעים הסתלקו מהשטח. אבטחה "פרו-אקטיבית", המבוססת על אינטליגנציה חישובית, כך הם מקווים, תוכל לזהות במהירות רבה וללא מעורבות אדם התרחשות אירועים חריגים, להתריע עליהם - ואף לזהות חשודים על פי תמונות ארכיון, אוטומטית ובזמן אמת.
- 2. "הסוכן האישי החכם"
דמיינו את עצמכם מגיעים לעיר זרה, השעה מאוחרת ואתם לא דוברים את השפה המקומית. אתם לא נבהלים מהסיטואציה המלחיצה, אלא שולפים את "הסוכן החכם", אפליקציה שלוקחת את הפיקוד כמו מדריך תיירים מיומן ומעודכן. בנמל התעופה היא תכוון אתכם לתחנת המוניות הקרובה. כשתגיעו למלון, שהיא מציעה על פי הכרת התקציב שלכם, היא תדאג להסביר לפקיד הקבלה למה אין Booking ולשאול את הקונסיירג' איפה תמצא מסעדה איטלקית טובה בסביבה, כי זה סוג המסעדות האהוב עליכם. לא נמשיך כי בוודאי קלטתם כבר את הרעיון. האפליקציה תלמד את המשתמש באופן מתמשך, וכל פעם תיישם את התובנות שנלמדו בסיטואציה חדשה, גם אם לא נחוותה באותה צורה בדיוק קודם לכן.
- 3. התוכנה שתזכיר לנו כל מה ששכחנו
לכולנו זה קורה. אנחנו מאחרים לצאת לעבודה. לבסוף יוצאים בחופזה, נועלים את הדלת, ניגשים למכונית - ומגלים ששכחנו את המפתחות. המזכיר הדיגיטלי האינטיליגנטי שלנו יצלם ללא הרף את כל מה שאנו עושים ולכן, כשנשאל אותו ליד המכונית היכן לכול הרוחות השארנו את המפתח? הוא יוכל ענות בביטחון, שהשארנו אותו על השידה ליד הכניסה אתמול בערב. ולאחר שילמד אותנו וראה את התופעה חוזרת על עצמה בפעם אחר פעם, הוא יעבור למוד פרו-אקטיבי ויזכיר לנו לקחת את המפתחות עוד לפני שהפעלנו את האזעקה.
ללמוד איך לעזור
למידת מכונה בצורתה הפרימיטיבית כבר מיושמת במספר גדול של יישומים פשוטים. למשל, מעבד תמלילים שלמד לנחש מילים שאתם מרבים להשתמש בהן, דפדפן שמוליך אתכם לאתרים מהסוג שאתם אוהבים או תוכנה אנליטית שלמדה לנחש איזה טבלאות צריך להצליב כדי להכין תחזית מכירות, כולם "תלמידים" במידה זו או אחרת. האתגר הוא לקחת את הנושא ממצבו העכשווי רחוק ככל שהדמיון האנושי מרשה לנו. אני הייתי רוצה לראות את הלימוד העצמי מיושם באחד התחומים המוזנחים ביותר בעולם הטכנולוגיה: עזרים ביוניים לאנשים בעלי מוגבלות פיזית.
נכון להיום קיים פער טכנולוגי מחריד בין מה שאפשר לעשות כאשר קיימים תנאי שוק מתאימים לפיתוח מושקע וייצור המוני, לבין מה שנעשה לטובת אנשים הזקוקים לעזרה פשוט כדי להתקיים בכבוד. קחו לדוגמה את הצורך הזועק בעזרי נחייה לעיוורים. במקרי מסוימים, לא רבים, ניתן להחזיר למי שהתעוור כתוצאה מניוון הרשתית חלק קטן מהיכולת להבחין בפרטים גסים, באמצעות השתלת שבב מצלמה בתוך העין. השבב קולט את התמונה הנוצרת על ידי הקרנית באבחנה נמוכה (נכון להיום, 1,500 פיקסלים), בשחור-לבן, ובקצב תמונות נמוך. השבב יוצר גירוי חשמלי של עצב הראייה (בהנחה שזה לא ניזוק), אליו הוא מתחבר באמצעות רשת אלקטרודות (זו הסיבה לאבחנה הנמוכה). למרות שהסיגנל החשמלי שונה מזה שנוצר ברישתית טבעית, מרכז הראייה במוח מסוגל ללמוד את המשמעות הוויזואלית של הגירוי במידה מספקת כדי שהעיוור יוכל ללכת בביטחון ללא מקל וללא כלב נחייה.
לשבור את מחסום המחיר
ברור שהשבב אינו מתקרב אפילו לכושר ההפרדה של רשתית טבעית, אבל לעיוור שנעשה עצמאי זה שיפור עצום באיכות החיים. מחיר השבב, שכיום מיוצר למטרות מחקר בלבד ולא קיבל אישור ה-FDA או הרשויות האירופיות, כולל המערכות הנלוות ועלויות הניתוח, מגיע ל-100,000 אירו. המחיר הגבוה מבטא עלויות של יצור יחידני במעבדה אוניברסיטאית, כי ביצור המוני השבב לא צריך לעלות יותר מ-10 דולר (הוא לא יותר מורכב משבב מצלמה בטלפון סלולרי). אבל אף חברה מסחרית לא מוכנה להיכנס ל"גומחה" הזאת.
בכמה מעבדות בעולם עובדים סטודנטים על פיתוח "כלב נחיה דיגיטלי". מדובר במערכת שהעיוור "לובש" כתרמיל והיא כוללת זוג מצלמות, מקלט GPS, מסנטז דיבור, אוזניות ומיקרופון. העיוור בוחר את יעד הטיול בדיבור והמחשב מוצא את המסלול המועדף מתוך הבחירות של העיוור בעבר. מכאן והלאה המחשב מנחה את העיוור בדיבור צעד אחר צעד, כולל התראות סטטיות (מדרגות, עמוד חשמל וכו') ודינמיות (רמזור אדום, ילד עם אופניים וכו'). אם לא מתחילים את הפרויקט בצורה שאפתנית מדי (זיהוי אנשים, חציית רחוב במקום שאין רמזור, הליכה במסלולים שלא נלמדו מראש) הפתרון לא צריך להיות מסובך במיוחד. מבחינת חומרה בוודאי שאין בעיה להוסיף את האלמנט "הביוני" של מצלמה מושתלת. הקושי הוא בתיכנות. אם נניח שצריך ללמד את המערכת באופן פרטני את כל המידע הרלוונטי לכל עיוור לחוד, אין סיכוי להוריד את העלויות הכוללות. לימוד עצמי במקרים אלה יכול להיות ההבדל בין חלום למימוש. אני מאמין שאנו, כחברה הומאנית, לא יכולים להתעלם מהצורך הזה רק משום שיש יותר כסף במשחקים ובידור להמונים.
להרים רגל ולצעוד בביטחון
תחום העזרים הרפואיים (פרוטזות למיניהן) מלא וגדוש בדוגמאות דומות. חלק גדול מהאנשים שמרותקים היום לכיסאות גלגלים יכולים לקום וללכת בסיוע פרוטזות מכניות די פשוטות, שעקרונית ניתן להתאימן בתוכנה לצרכים משתנים. הבעיה היא בשליטה האוטונומית בתנועה, כך שהפרוטזה תתפקד באופן שלא דורש מהנכה לתכנן בזהירות כל צעד ולשלוט בביצוע ללא הסחת דעת. לא כל כך קשה לבנות מכונה שיודעת להרים רגל, לפשוט שוק, להניח עקב על הרצפה ולהעביר את מרכז הכובד לכיוון הבוהנים. מה שקשה זה, לעשות את כל האיזונים, תיקונים וקיזוזים בזמן שהגוף מאוזן דינמית על הרגל השנייה, הרצפה לא בהכרח ישרה ומרכז הכובד מתנדנד מצד לצד בגובה 90 ס"מ מעל לקרקע. עבור נכה הנזקק לפרוטזות על שתי רגליו והוא מנסה לעלות או לרדת במדרגות ללא אחיזה במעקה, אלגוריתם שיווי המשקל נעשה מסובך נורא. אבל המוח של תינוק בן שנתיים למד לעשות זאת בלי תכנות, בלי לימודי אנטומיה, פשוט על ידי לימוד עצמי. האם בעתיד הקרוב נראה פרוטזות הליכה שלומדות בעצמן את הדינמיקה של הנכה הספציפי שהן משרתות? לא פשוט, אבל גם לא דימיוני! קשה לי להבין איך יכולת כזאת עדיין מחכה לסטארט-אפיסט הנאיבי שמאמין באדם - ולא קיבלה תשובה בטריליונים של דולרים ממשלתיים המוצאים כל שנה על רפואה ובריאות!
לימוד עצמי יכול לאפשר מכונות החייאה אוטומטיות, שמשלבות הנשמה, דחיקה של הלב בקצב אחיד - אפילו מתן שוק חשמלי במידת הצורך. כלי רכב "אוטונומיים למחצה", שמסתפקים בהוראות בדיבור כאשר יש צורך בשיפוט אנושי - אבל ללא מנופי הפעלה מכניים (הגה, דוושות, כפתורים וכו'), יכולים להחזיר את התנועה למיליוני משותקים שמסוגלים לראות, להבין ולדבר. וכמובן יש מקום לצעד ענק קדימה בתחום של "הפעלה מחשבתית". לא מדובר ב"קריאת מחשבות" אלא בזיהוי תבניות מוגדרות היטב של גלי מוח הקשורות בהוראות המוטוריות שיוצאות לשרירים. כשהשרירים לא מסוגלים להגיב, המערכות המכניות יגיבו, אבל יש צורך באינטליגנציה לומדת כדי לתרגם את שפת המוח לפקודות חשמליות. אני משוכנע שמחקרים בכיוונים אלה ימשכו את מיטב המוחות בין הסטודנטים ומתוכם יבשילו פתרונות מעשיים לאנשים שאנו חייבים לעזור להם ביותר ממס שפתיים.