(ניקולאוס סקנה)
לפעמים מתחשק לכם יין לבן.
לפעמים יין אדום.
ואחרי ספורט, גם בירה היא דבר נפלא.
איש לא היה חושב להזמין בדיוק באותו רגע את הכול בו-זמנית.
שום סומלייה בעולם לא היה אומר: „אין בעיה, אביא לכם יין לבן, יין אדום, בירה, סטייק, מגבת, עיסוי, שיחת טלפון עם אמכם, וליתר ביטחון גם חופשת סקי.“
המוח שלנו יעיל בהרבה בהקשר הזה.
הוא מחליט באופן הקשרי. מצבי. תוך חיסכון באנרגיה.
הוא מפעיל רק את האזורים שרלוונטיים באותו רגע. השאר נשאר „שקט“.
וכאן בדיוק טמון הבדל שלעתים קרובות מתעלמים ממנו בין האינטליגנציה האנושית לבין הבינה המלאכותית של ימינו.
וכאן ChatGPT נכנס לתמונה.
ChatGPT פועל בבסיסו באופן שונה.
לא משנה למה מתחשק לכם כרגע – הוא שואל על הכול תמיד.
לא רק על הבירה שאחרי הספורט, אלא בו-זמנית על הבירה, היין הלבן, היין האדום, הסטייק, המתכון, שרשרת האספקה, מאזן ה-CO₂, אזור היין, סוג הספורט והמשמעות הפילוסופית של הצמא.
הסיבה לכך שאיננו מבחינים בזה:
זה קורה במהירות קיצונית.
ה„אזורים“ חסרי המשמעות מסוננים בתוך אלפיות שנייה, ובסוף מתקבלת תשובה סבירה למדי. אבל המאמץ החישובי שמאחורי זה עצום.
המוח האנושי היה קורס לחלוטין בצורה הזו.
ובדיוק משום כך צריכת החשמל של מערכות הבינה המלאכותית של ימינו היא נקודת ביקורת רצינית.
DeepSeek כבר הולך כאן צעד אחד קדימה.
הוא מנסה „להפעיל“ חלקים שונים של המודל באופן ממוקד יותר, בהתאם למה שסביר שרלוונטי באותו רגע. לא הכול, תמיד, בו-זמנית. אלא באופן סלקטיבי יותר. רגיש יותר להקשר.
ואז מגיע HuggingGPT.
HuggingGPT אינו מודל חדש.
זהו רעיון ארכיטקטוני.
הרעיון המרכזי:
מודל שפה גדול כמו ChatGPT כבר אינו משמש כגאון-כל-יכול, אלא כ בקר. כמנצח. כמתכנן.
הוא מקשיב למשתמש, מבין את הכוונה – ואז מפרק אותה ל משימות משנה קונקרטיות.
משימות המשנה הללו אינן נפתרות על ידי אותו מודל, אלא מועברות באופן ממוקד ל מומחים מודלי תמונה, מודלי שמע, מסווגים, מערכות טקסט-לדיבור, זיהוי אובייקטים, סגמנטציה. כל אלה מודלים שכבר קיימים, למשל באקוסיסטם של Hugging Face.
הדבר המכריע אינו רק מה נעשה, אלא באיזה סדר.
HuggingGPT מתכנן תלויות.
יש משימות שצריך לבצע באופן סדרתי, ואחרות יכולות לפעול במקביל. תוצאות ממודל אחד משמשות כקלט למודל הבא. רק בסוף הבקר אוסף הכול מחדש ומנסח תשובה.
בקשה פשוטה כמו „תאר את התמונה הזו בפירוט“ מפורקת אוטומטית לסיווג תמונה, זיהוי אובייקטים, סגמנטציה, יצירת כיתוב ומודלים של שאלות-תשובות חזותיות – ורק אז מאוחדת לתשובה אחת.
זו אינה אינטליגנציה חדשה.
אבל זו דרך אחרת לעבוד באופן אינטליגנטי.
וכאן HuggingGPT נעשה באמת מעניין:
המערכת אינה מתרחבת באמצעות מודלים גדולים יותר ויותר, אלא באמצעות תיאום. באמצעות בחירה. באמצעות חלוקת עבודה. באמצעות הקשר.
פתאום הבינה המלאכותית כבר אינה נראית כמו סטודנט אוניברסלי מותש, שחייב לדעת לעשות הכול בו-זמנית, אלא כמו צוות מאורגן היטב.
עדיין יש „חריקות“ פה ושם: שיהוי גבוה יותר, תלות ביכולת התכנון של הבקר, מגבלות טוקנים, חוסר יציבות. HuggingGPT אינו מוצר מוגמר. זהו מודל מחשבתי.
אבל כזה שמצביע על כיוון חשוב:
להתרחק מ„גדול יותר, מהיר יותר, הכול בו-זמנית“.
לעבר „נכון יותר, סלקטיבי יותר, יעיל יותר“.
ובכך חזרה לצריכת החשמל. אחת הביקורות המרכזיות והמוצדקות על הבינה המלאכותית של ימינו היא תיאבון האנרגיה שלה. אם אינטליגנציה כבר אינה נוצרת ממקביליות מרבית, אלא מתזמור ממוקד, ייתכן שאנו מתקרבים לצורת חשיבה מכונתית יעילה יותר.
מה המשמעות של הדבר בטווח הארוך – גם עבור העבודה האנושית, האינטליגנציה האנושית והרלוונטיות האנושית – זו כבר שיחה אחרת.
לשבת אחרת.
להיום מספיקה תצפית אחת:
צריך שוב יותר חיבוקים.
לא הכול בבת אחת.
אלא את הדבר הנכון, ברגע הנכון.
(ניקולאוס סקנה חי ועובד בסן פרנסיסקו, מייעץ לחברות בענייני בינה מלאכותית ומארגן זה כמה שנים סיורים בעמק הסיליקון ובמוקדים חמים אחרים של ההתפתחות הטכנולוגית