GAI ו־AGI. אותן אותיות, בסדר קצת אחר. קל לחשוב שמדובר בשני שמות לאותו הדבר, אבל כל אחד מהם עונה על שאלה אחרת. וכשמבינים מה השאלה, הרבה יותר קל לעקוב אחרי השיחה על הבינה המלאכותית של היום ועל העתיד שלה.
GAI מתייחס לבינה מלאכותית יוצרת, כזו שיכולה לייצר תוכן. AGI מתייחס לרעיון של בינה מלאכותית כללית, עם יכולת רחבה וגמישה להתמודד עם סוגים שונים של משימות. האחד מתאר מה המערכת עושה. השני שואל עד כמה רחוקות מגיעות היכולות שלה.
מה ה־G עושה בהתחלה?
ב־GAI האות G היא קיצור של Generative, כלומר יוצרת. אלה הכלים שאנחנו פוגשים כשאנחנו מבקשים לנסח מייל, להפיק תמונה, ליצור מוזיקה או לכתוב קוד. נותנים להם בקשה, והם מייצרים פלט שלא היה שם קודם.
נניח שאני עובד על מצגת ללקוח. אני יכול לבקש מהכלי להציע כותרות, לעזור לי לארגן את החומר ואפילו ליצור תמונה שתמחיש רעיון. בכל אחד מהמקרים נוצר משהו חדש. ועדיין, אני צריך לבדוק אם הוא מתאים למסר, לקהל ולעובדות שעליהן הוא נשען.
יצירת תוכן היא לא הדבר היחיד שהכלים האלה יודעים לעשות. חלקם יכולים גם לנתח מידע, לפתור בעיות או להשתמש בכלים נוספים. השם ״יוצרת״ מספר לנו על סוג של יכולת, אבל לא מגדיר לבדו את כל מה שהמערכת יכולה לעשות.
ומה קורה כשה־G עוברת לאמצע?
ב־AGI האות G היא General, כלומר כללית. כאן השאלה שונה: האם אפשר לבנות מערכת שתתמודד באופן גמיש עם מגוון רחב של משימות, גם כאלה שלא הוכנה אליהן באופן נקודתי? למשל, ללמוד תחום חדש, להתמודד עם בעיה לא מוכרת ולהשתמש במה שלמדה גם במצב אחר.
אבל אין הגדרה אחת שכולם מסכימים עליה לגבי הרגע שבו אפשר יהיה לומר שהגענו ל־AGI. כמה משימות מערכת צריכה לבצע? באיזו רמה? ועד כמה היא צריכה להצליח גם כשהתנאים משתנים? חוקרים וחברות משתמשים בהגדרות ובמדדים שונים, ולכן הכרזה על ״בינה כללית״ תמיד דורשת את השאלה: לפי איזה מבחן?

אותה מערכת, שתי שאלות
נחזור למצגת. אם מערכת מציעה לי תמונה או ניסוח, זו דוגמה ליצירה. אם אני רוצה להבין עד כמה היא מסוגלת להתמודד עם משימות חדשות ומגוונות, אני כבר שואל על רוחב היכולת שלה. אלו לא בהכרח שתי מערכות שונות או שני שלבים נפרדים. מערכת יכולה ליצור תוכן, ובמקביל להפגין יכולות רחבות בתחומים נוספים.
זו גם הסיבה שדוגמה מרשימה אחת לא מספיקה כדי להבין את התמונה כולה. אפשר להתרשם ממצגת מעולה ולבדוק מה קורה כשהבריף עמום, כשהנתונים סותרים או כשהבעיה חדשה. לא רק אם התקבלה תשובה, אלא אם היא מתאימה ואפשר לסמוך עליה.
כללית לא בהכרח אומרת עצמאית
עוד הבחנה שעוזרת לעשות סדר היא בין יכולת לבין עצמאות. מערכת יכולה להיות טובה במגוון משימות ועדיין לפעול רק כשאדם מבקש ממנה. לעומת זאת, אפשר לתת לסוכן הרשאה לבצע כמה פעולות ברצף גם בלי שהוא בעל בינה כללית. ותודעה היא שאלה נפרדת לגמרי, שלא נפתרת רק מפני שמערכת מציגה ביצועים מרשימים.
אז במה מתמקדים עכשיו?
אפשר להיות סקרנים מאוד לגבי העתיד של AGI, ובמקביל לשאול מה נכון לעשות עם הכלים שכבר נמצאים אצלנו. כשאני בוחן תהליך בארגון, אני רוצה להבין מה המשימה, מה נחשב לתוצאה טובה, איזה הקשר חסר למערכת ומי בודק את מה שהתקבל.
במצגת ללקוח, למשל, כלי יכול לעזור לי לגלות כיוונים שלא חשבתי עליהם. אבל ההחלטה מה נכון למותג ולאנשים שאליהם הוא פונה נשענת גם על היכרות עם העסק ועם המציאות שלו. שם נכנסים שיקול הדעת והניסיון שלנו.
אז בפעם הבאה שתראו את אותן אותיות בסדר אחר, תזכרו את שתי השאלות: האם המערכת יוצרת תוכן, ועד כמה היכולות שלה רחבות וגמישות. שתיהן מעניינות, וכל אחת פותחת שיחה אחרת.
מה ההבדל בין GAI ל־AGI?
GAI מתארת בינה מלאכותית יוצרת, שמפיקה תוכן כמו טקסט או תמונה. AGI מתייחס לרעיון של בינה בעלת יכולות רחבות וגמישות על פני משימות שונות. אלה שתי שאלות שונות, ואין כיום הגדרה אחת מוסכמת שקובעת בדיוק מה נחשב ל־AGI.


מרצה ומומחה לבינה מלאכותית, עם ניסיון של יותר משני עשורים באסטרטגיה, מיתוג ושיווק. בהרצאות, בסדנאות ובליווי ארגונים אני מחבר בין הבנת הטכנולוגיה לבין השימוש המעשי בה, כדי לעזור לאנשים ולעסקים לחשוב, ליצור ולעבוד טוב יותר.
קצת יותר עליי ←