למרות התחזיות הקודרות לבואה של מלחמת הרובוטים הגדולה, הבינה המלאכותית תשרת את האנושות, לא תשלוט בה

בקיצור

  • יש שמחשיבים את המרדף אחר בינה מלאכותית לחלק בלתי נפרד מהאבולוציה של המין האנושי. השלב הבא באוטומציה ידרוש ליצור מעין אלגוריתם-אב, שישלב את חמש הדרכים העיקריות שבהן מכונות לומדות כיום ויעשה מהן פרדיגמה אחת מאוחדת.
  • טכנולוגיה היא פשוט הרחבה של יכולות אנושיות. למכונות אין רצון חופשי, אלא רק מטרות שאנחנו נותנים להן. צריך לחשוש מפני שימוש וניצול לא נכון שיעשו בני האדם בטכנולוגיה הזאת, לא מפני השתלטות של רובוטים על המין האנושי.
  • תרחיש סביר יותר בטווח הקצר של הבינה המלאכותית יהיה  התרבות ה"כפילים הדיגיטליים" – דגמים וירטואליים שלנו שיתקשרו זה עם זה בסימולציות רבות כדי לעזור לנו לקבל החלטות מהירות ומושכלוות יותר בחיי היומיום שלנו.

בני האדם הם בעלי החיים היחידים שבונים מכונות. באמצעותן אנו מרחיבים את יכולותינו מעבר למגבלותינו הביולוגיות. כלים מעניקים לידינו יכולות מגוונות יותר. מכוניות מאפשרות לנו לנוע מהר יותר ומטוסים נותנים לנו כנפיים. מחשבים מספקים לנו זיכרון ומוח גדולים יותר, וטלפונים חכמים מנהלים את חיינו. כעת אנו יוצרים טכנולוגיה שיודעת להתפתח בכוחות עצמה על ידי כך שאנו מתכנתים בה יכולת ללמוד מתוך נתונים וניסיון. האם הטכנולוגיה הזאת תדחוק בסופו של דבר את רגלינו? ואולי היא תרחיב את כישורינו ואת אנושיותנו באופן חסר תקדים?

למידת מכונה (Machine learning) נולדה בשנות ה-50 בעבודתם של מדענים פורצי דרך כגון פרנק רוזנבלט, שבנה תא עצב אלקטרוני שלמד לזהות ספרות, וארתור סמואל, שתוכנת הדמקה שלו שיחקה מול עצמה ולמדה עד לשלב שבו הצליחה לנצח חלק מבני האדם ששיחקו מולה. אבל התחום המריא באמת רק בעשור האחרון, עם המצאתם של מכוניות ללא נהג, עוזרים וירטואליים שמבינים את פקודותינו המילוליות (עד גבול מסוים) ושלל יישומים נוספים.

כל שנה אנו ממציאים אלפי אלגוריתמים חדשים, שמורכבים מרצפי הוראות אשר מורות למחשב מה לעשות. אך ייחודן של מכונות לומדות הוא שבמקום לתכנת אותן לפרטי פרטים אנו מגדירים להן יעדים כלליים כמו "ללמוד לשחק דמקה". בעקבות זאת, כמו בני אדם, הן משתפרות עם הניסיון.

האלגוריתמים הלומדים הללו מתחלקים לרוב לחמש קטגוריות עיקריות, שכל אחת מהן מושפעת מתחום מדעי אחר. באופן לא מפתיע, אחת הדרכים שבהן מכונות לומדות היא על ידי חיקוי תהליך הברירה הטבעית, באמצעות אלגוריתמים אבולוציוניים. במעבדת המכונות היצירתיות באוניברסיטת קולומביה, רובוטים פרימיטיביים מנסים לזחול או לעוף, והקוד של הרובוטים שממלאים את משימתם באופן הטוב ביותר עובר מפעם לפעם מוטציות במטרה ליצור את הרובוטים של הדור הבא. התהליך מתחיל עם רובוטים שהורכבו באופן אקראי ובקושי יכולים לזוז, ובסופו של דבר, אחרי מאות או אלפי דורות, נוצרים יצורים דוגמת רובוטי-עכביש ורובוטי-שפירית.

אך האבולוציה איטית. למידה עמוקה (Deep learning), שהיא פרדיגמת למידת המכונה הפופולרית ביותר כיום, מקבלת את השראתה מהמוח. מתחילים במודל פשטני מאוד של דרך הפעולה של תא עצב וממנו בונים רשת של אלפי יחידות או אפילו מיליונים. הרשת לומדת לאורך זמן על ידי חיזוק הדרגתי של הקשרים בין תאי העצב שפועלים ביחד כשמסתכלים על נתונים. רשתות העצבים הללו יכולות לזהות פרצופים, להבין דיבור ולתרגם שפות ברמת דיוק משובחת.

למידת מכונה שואבת השראה גם מהפסיכולוגיה. בדומה לבני אדם, אלגוריתמים מבוססי אנלוגיה פותרים בעיות חדשות על ידי מציאת דמיון לבעיות שקיימות כבר בזיכרון. היכולת הזאת מאפשרת למשל אוטומציה של שירות לקוחות ואתרי מסחר באינטרנט, אשר מתאימים את המוצרים שהם מציעים לטעמו האישי של הלקוח.

מכונות יכולות ללמוד גם על ידי אוטומציה של השיטה המדעית. כדי להעלות השערה חדשה,  מכונות שעושות למידה סימבולית (Symbolic learners) הופכות את תהליך ההיסק הלוגי: אם אני יודע שסוקרטס הוא בן אדם, מה עוד אני צריך כדי להסיק שהוא בן תמותה? יספיק לדעת שבני האדם הם בני תמותה, ואפשר לבדוק את ההשערה הזאת כשבוחנים אם שאר בני האדם במאגר הנתונים גם הם בני תמותה.

איב, רובוטית ביולוגית מאוניברסיטת מנצ'סטר באנגליה, נעזרה בגישה הזאת כדי למצוא תרופה פוטנציאלית חדשה למלריה. על בסיס נתונים על אודות המחלה וידע בסיסי בביולוגיה מולקולרית, איב העלתה השערה לגבי סוג החומר שיוכל לפעול נגד המלריה, תכננה ניסויים לבחינת החומרים הפוטנציאליים, ביצעה את הניסויים במעבדה רובוטית, עדכנה או הפריכה את השערותיה וחזרה על הניסוי עד לשלב שבו הייתה מרוצה מהתוצאה.

ולבסוף, למידה יכולה להתבסס אך ורק על עקרונות מתמטיים, שהחשוב ביניהם הוא משפט בייס. המשפט קובע שעלינו להקצות הסתברויות התחלתיות להשערותינו על סמך הידע הקודם שלנו, ואז להגדיל את ההסתברויות של ההשערות שתואמות את הנתונים ולהקטין את ההסתברויות של אלה שלא. לאחר מכן התחזיות נעשות באמצעות הצבעה שמבצעות על ההשערות, כשאלה שהסתברותן גבוהה יותר מקבלות משקל רב יותר. מכונות למידה בייסיאניות יכולות לפעמים לבצע אבחונים רפואיים מדויקים יותר מרופאים. הן נמצאות גם בלב מערכות לסינון דואר זבל ובמערכת שבה גוגל משתמשת כדי לבחור אילו מודעות להציג לנו.

צילום: Franck V, אנספלאש

לכל אחד מחמשת הסוגים הללו של מכונות למידה יש יתרונות וחסרונות משלו. למידה עמוקה מתאימה למשל לבעיות של תפיסה חושית כמו ראייה וזיהוי דיבור, אך לא לבעיות מחשבתיות כמו רכישת שכל ישר ויכולות הסקה. ההיפך הוא הנכון עבור למידה סימבולית. אלגוריתמים אבולוציוניים מסוגלים לפתור בעיות קשות יותר מרשתות עצבים, אך הפתרון עלול לדרוש זמן רב. שיטות אנלוגיות יכולות ללמוד מקבוצת דוגמאות קטנה אך נוטות להתבלבל כשיש להן יותר מדי מידע לכל דוגמה. למידה בייסיאנית היא הכלי השימושי ביותר בכמויות נתונים קטנות אך עלולה לעלות יותר מדי כשמתעסקים במאגרי נתונים גדולים.

נקודת החוזק והחולשה המטרידות הללו של כל אלגוריתם הן הסיבה לכך שאנו, חוקרי למידת מכונה, פועלים כיום לשלב את המרכיבים הטובים ביותר של כל שיטה לכדי שיטה אחת מרכזית. כמי שמפתח-אב פותח את כל המנעולים, המטרה שלנו היא ליצור "אלגוריתם-אב, שיוכל ללמוד כל מה שאפשר להסיק ממאגר נתונים כלשהו, ולהסיק ממנו את כל הידע האפשרי.

האתגר שלנו זהה לזה שבפניו ניצבים הפיזיקאים: מכניקת הקוונטים מסבירה ביעילות את היקום בסדרי הגודל הקטנים ביותר, בשעה שתורת היחסות הכללית מסבירה אותו היטב בסדרי הגודל הגדולים ביותר, אך השתיים אינן תואמות זו לזו וצריך לשלב ביניהן. וכפי שג'יימס קלרק מקסוול איחד את הידע על אור, חשמל ומגנטיות לפני שפותח המודל הסטנדרטי לפיזיקת חלקיקים, כך קבוצות מחקר שונות, כולל הקבוצה שלי באוניברסיטת וושינגטון, הציעו דרכים לאחד שתיים או יותר משיטות למידת המכונה. היות שהקידמה המדעית אינה מתקדמת בקו ישר, אלא בקפיצות פתאומיות, קשה לנבא מתי יהיה בידינו שילוב מלא של אלגוריתם-האב. עם זאת, הגשמת היעד לא תוביל להיווצרות זן חדש ודומיננטי של מכונות, אלא תאיץ את הקידמה האנושית.

השתלטות המכונות?

ברגע שיהיה בידינו אלגוריתם-האב, ונוכל להזין לתוכו את כמויות הנתונים האדירות שכל אחד מאיתנו מייצר, מערכות בינה מלאכותית יוכלו לכאורה ללמוד מודלים מדויקים מאוד ומפורטים של בני האדם: מה אנחנו אוהבים, מהם המנהגים שלנו, נקודות החוזק והחולשה, הזיכרונות והשאיפות, האמונות והאישיות, האנשים והדברים שחשובים לנו ואיך נגיב בכל מצב. האפשרות שמודלים שלנו ינבאו את הבחירות שנעשה מרגשת ומטרידה בעת ובעונה אחת.

רבים חוששים שמא מכונות בעלות יכולות כאלה ישתמשו בידע החדש שלהן כדי לגזול מאיתנו את עבודותינו, לשעבד אותנו ואפילו להשמיד את האנושות. אך לא סביר שזה יקרה, היות שאין להן רצון משל עצמן. בסופו של דבר כל אלגוריתמי הבינה המלאכותית פועלים להגשים יעדים שאנחנו תכנתנו, כמו "מצא את הדרך הקצרה ביותר מהמלון לשדה התעופה".

מה שמבדיל את האלגוריתמים האלו מאלגוריתמים רגילים הוא שיש להם גמישות רבה בבחירה איך לממש את היעד שהצבנו להם, במקום לפעול לפי רצף צעדים מוגדר מראש. גם אם הם רוכשים ניסיון שמאפשר להם לבצע את המשימה טוב יותר, היעדים נשארים אלה שהגדרנו מראש. פתרונות שלא מקדמים את הדרך אל היעד נזרקים הצידה באופן אוטומטי. בנוסף, אנו אלה שבודקים שמה שהמכונות עושות באמת מקדם את מטרותינו. אנחנו יכולים גם לוודא שהמכונות לא מפירות אף אחד מהסייגים שהגדרנו להן, כמו "ציית לחוקי התנועה".

כשאנחנו מדמיינים בינה מלאכותית, אנחנו נוטים להשליך עליה תכונות אנושיות כמו רצון ותודעה. רובנו גם מודעים יותר למכונות בינה מלאכותית שמזכירות בני אדם, כמו רובוטים ביתיים, מאשר לשלל הסוגים האחרים שעובדים מאחורי הקלעים. הוליווד מקבעת את התפיסה הזאת כשהיא מציגה רובוטים ובינות מלאכותיות כבני אדם במסווה – שיטה מובנת שמאפשרת לספר סיפור קולנועי מעניין יותר.

רובוט פסנתרן | צילום: Franck V, אנספלאש

בינה מלאכותית היא פשוט היכולת לפתור בעיות קשות – משימה שאינה דורשת רצון חופשי. הסבירות שבינה מלאכותית תצא נגדנו אינה עולה על זאת שהיד שלך תיתן לך סטירה. בדומה לכל טכנולוגיה אחרת, בינה מלאכותית תהיה תמיד אך ורק שלוחה שלנו. ככל שנעשה אותה חזקה יותר, כן ייטב לנו.

אם כן, איך ייראה עתידנו כשתשולב בו בינה מלאכותית? מכונות חכמות בהחלט יחליפו מקצועות רבים, אך ההשפעות החברתיות יהיו  כנראה דומות לתהליכים שכבר קרו בעבר בעקבות כניסת מכונות. לפני מאתיים שנה רוב האמריקאים היו חקלאים, אך כיום מכונות החליפו כמעט את כולם בלי ליצור משבר אבטלה עצום. רואי השחורות טוענים שהפעם המצב שונה מפני שהמכונות מחליפות את המוח שלנו, ולא רק את כוח השרירים שלנו, ואינן משאירות לבני האדם שום עבודה. אך היום שבו בינה מלאכותית תצליח לעשות את כל מה שאנחנו יודעים ומצליחים לעשות עדיין רחוק מאוד, וספק אם יגיע אי פעם.

בעתיד הנראה לעין, בינה מלאכותית ובני אדם יצטיינו בתחומים  שונים. ההשפעה העיקרית של למידת מכונה תהיה בכך שהיא תוריד באופן משמעותי את מחיר האינטליגנציה. התהליך הזה ירחיב את מגוון הדברים שאפשר לעשות עם האינטליגנציה הזו, ייצור עבודות חדשות וישנה עבודות ישנות כך שיוכלו להשיג יותר באותו היקף של עבודה אנושית.

מנגד עומד תרחיש ה"ייחודיות" (Singularity), שהפיץ בציבור ריי קורצווייל. מדובר בתרחיש של התקדמות טכנולוגית אינסופית: מכונות לומדות לייצר מכונות טובות יותר, שמייצרות בתורן מכונות טובות יותר וכן הלאה. אך אנחנו יודעים שזה לא באמת יכול להמשיך כך לעד מפני שחוקי הפיזיקה קובעים גבולות ברורים לעוצמתו של מחשב קוונטי, ובמובנים מסוים איננו רחוקים כל כך משם. התקדמות הבינה המלאכותית, כמו ההתקדמות של כל דבר אחר, תגיע בסופו של דבר לרוויה.

חזון נוסף שעתידנים אוהבים להפיץ הוא מצב שבו מודלים ממוחשבים של בני אדם ישתכללו עד כדי כך שלא נוכל להבדיל בינם לבין בני אדם אמיתיים. במצב הזה אנחנו "נעלה" את עצמנו לענן ונחיה לנצח כחלקי תוכנה, בלי המגבלות המעיקות של העולם החומרי.

בעיה אחת עם חזון זה היא שלא בטוח שהוא אפשרי מבחינה ביולוגית. כדי להעלות את עצמך תצטרך מודל מדויק של כל אחד ואחד מתאי העצב שלך, יחד עם הזיכרונות השמורים בהם. ניאלץ לשחזר את מצבך בצורה מהימנה  עד כדי כך שהתחזיות של המודל לא יסטו באופן חד מההתנהגות של תאי העצב האמיתיים – דרישה מחמירה מאוד.

אבל אפילו אם זו הייתה אפשרות ריאלית, האם באמת הייתם מעלים את עצמכם לענן אילו רק יכולתם? איך תוכלו לדעת בוודאות שלא חסר למודל חלק חיוני שלכם – או שבאמת יש לו תודעה? ומה יהיה אם גנב יגנוב את הזהות שלך במובן הכי מוחלט של המילה? אני מאמין שאנשים יעדיפו לשמור על ישויות הפחמן שלהם - ה"חומרה הרטובה" (Wetware), כפי שמדעני מחשב נוהגים לכנות את המוח – כמה שרק יוכלו, ואז לפרוש מהחיים.

חפש את האדם

בינה מלאכותית – ובמיוחד למידת מכונה – היא רק ההמשך של האבולוציה האנושית. בספרו "הפנוטיפ המורחב" הראה ריצ'רד דוקינס (Dawkins) כמה נפוץ שהגנים של חיה ינהלו את הסביבה החיצונית לה, מעבר לגופה הפיזי, כפי שאפשר לראות החל מביצי הקוקייה וכלה בסכרי בונים (דוקינס נמצא בחבר היועצים של סיינטיפיק אמריקן). טכנולוגיה היא הפנוטיפ המורחב של בני האדם, כלומר ההתגלמות המעשית של הגנים שלנו, ומה שאנחנו בונים כיום הוא עוד שכבה של השלד החיצוני הטכנולוגי שלנו. אני חושב שהתרחיש הסביר ביותר לאופן שבו בני אדם ישתמשו בבינה מלאכותית מרתק הרבה יותר מההשערות הנפוצות.

תוך עשור לכל אחד מאיתנו יהיה כנראה "כפיל דיגיטלי", יציר בינה מלאכותית שיהיה חיוני עבורנו אפילו יותר מהטלפונים החכמים של ימינו. הכפיל הדיגיטלי של אדם לא יצטרך לנוע איתו פיזית אלא יחיה אי שם בענן, כמו חלק ניכר מהנתונים שלו כבר כיום. את ראשיתם של תהליכים כאלה אפשר לזהות בעוזרים וירטואליים כמו סירי (Siri) של חברת אפל, אלקסה (Alexa) של אמזון והסייען של גוגל (Google assistant). בלבו של הכפיל הדיגיטלי יהיה מודל של האדם, שנלמד מכל הנתונים שאי פעם יצר באינטראקציה שלו עם העולם הדיגיטלי, החל במחשב האישי ואתרי אינטרנט וכלה במכשירים לבישים וחיישנים בסביבה כמו רמקולים חכמים, מדי חום, מגדלי טלפונים סלולריים ומצלמות וידאו.

בוט חכם שמשתמש באלגוריתמים אבולוציוניים | צילום: ויקטור זיקוב וג'וס בונגרד

ככל שאלגוריתמי הלמידה ישתפרו וככל שנזין אותם ביותר נתונים אישיים, כך ישתפר הדיוק של הכפיל הדיגיטלי שלנו. ברגע שאלגוריתם-האב יהיה ברשותנו ונזין אותו בזרם בלתי פוסק של המידע החושי שאנו קולטים, באמצעות אוזניות מציאות רבודה וחיישנים אישיים אחרים, כך ילמד הכפיל הדיגיטלי להכיר אותנו טוב יותר אפילו מחברינו הקרובים ביותר.

המודל והנתונים יישמרו ב"בנק נתונים", בדומה לבנקים של היום שמחזיקים את כספנו ומשקיעים אותו. חברות רבות ירצו לספק לנו את השירות הזה. סרגיי ברין (Brin), מייסד שותף בגוגל, אמר שגוגל שואפת להיות "החצי השלישי של המוח שלך", אבל כנראה לא היינו רוצים שחלק מהמוח שלנו יתקיים על פרסומות. ייתכן שיתאים לנו יותר סוג חדש של חברה, עם פחות ניגודי עניינים, או אפילו קואופרטיב-נתונים שניצור בעצמנו עם אנשים שחושבים כמונו.

אחרי הכול, החשש העיקרית מבינה מלאכותית אינה שהיא תהפוך מעצמה להיות רעה, אלא שבני האדם שישלטו בה ינצלו אותה לרעה (cherchez l'humain, כפי שעשויים לקרוא לזה בצרפתית: חפש את האדם). אם כן, התפקיד הראשון של בנק הנתונים שלנו יהיה להבטיח שהמודל שלנו לעולם לא ינוצל נגד האינטרסים שלנו. אתה והבנק שלך צריכים לעמוד על המשמר מפני פשעי בינה מלאכותית, כי הטכנולוגיה הזאת תיתן כוח גם לשחקנים רעים. נצטרך משטרת בינה מלאכותית (משטרת טיורינג, כפי שכינה אותה ויליאם גיבסון בספרו "נוירומנסר" ב-1984) כדי לתפוס פושעי בינה מלאכותית.

אם אתרע מזלכם לחיות במשטר רודני, המצב הזה עלול להעמיד אתכם בפני סכנה חסרת תקדים, כי הוא יאפשר לממשלה לפקח עליכם ולרסן אתכם בעוצמה שלא הייתה כדוגמתה עד כה. בהתחשב בקצב ההתקדמות בתחומי למידת המכונה ובמערכות השיטור החיזויי שנמצאות כבר בשימוש, התרחיש של הסרט "דו"ח מיוחד" – שבו עוצרים אנשים לפני שהם עומדים לבצע פשע – כבר לא נראה עד כדי כך מופרך. ויש גם השלכות של חוסר השוויון שייווצר כשהעולם יתרגל לקצב החיים עם בני לוויה דיגיטליים לפני שכולנו נוכל להרשות לעצמנו להחזיק אותם.

טום קרוז בדו"ח מיוחד. מערכות שיטור חיזויי

תפקידנו הראשון, כפרטים, יהיה לא להיות שאננים ולא לבטוח יתר על המידה בכפילים הדיגיטליים שלנו. קל לשכוח שמכונות בינה מלאכותית שקולות לאוטיסטים מלומדים, ויישארו כאלה בעתיד הנראה לעין. כלפי חוץ אולי נדמה לנו שהבינה המלאכותית אובייקטיבית, אפילו מושלמת, אבל כלפי פנים הם פגומים ממש כמותנו, אם לא למעלה מכך, אבל בדרכים אחרות. למשל לבינה מלאכותית אין שכל ישר והיא עלולה לטעות בקלות בדברים שאדם לא ישגה בהם לעולם, כמו לבלבל בין אדם שחוצה את הרחוב לבין שקית פלסטיק שעפה ברוח. המכונות גם עלולות לקבל הוראות באופן מילולי מדי ולתת לנו בדיוק את מה שביקשנו מהן במקום את מה שבאמת רצינו. (אז תחשבו פעמיים לפני שאתם אומרים למכונית ללא נהג שלכם להביא אתכם בזמן לשדה התעופה "בכל מחיר").

מבחינה מעשית, כפיל דיגיטלי יהיה מספיק דומה לנו כדי למלא את מקומנו בכל מיני אינטראקציות וירטואליות. תפקידו לא יהיה לחיות את חיינו במקומנו אלא לעשות במקומנו את הבחירות שאין לנו די זמן, סבלנות או ידע לעשות. הוא יקרא את כל הספרים באמזון וימליץ לנו על אלה שהכי סביר שנרצה לקרוא בעצמנו. אם נצטרך מכונית, הוא יסקור את האפשרויות ויתמקח עם הרובוטים של סוכנות הרכב. אם נחפש עבודה הוא יתראיין לכל המשרות שמתאימות לצרכינו ולאחר מכן יקבע לנו ראיונות למשרות המבטיחות ביותר. אם יאבחנו אצלנו סרטן, הוא ינסה את כל הטיפולים האפשריים וימליץ על היעילים ביותר. (חובתנו המוסרית תהיה להשתמש בכפיל הדיגיטלי שלנו לטובת הכלל ולאשר את השתתפותו גם במחקר רפואי). ואם נחפש בן זוג או בת  זוג, הכפיל שלנו ייצא למיליוני דייטים וירטואליים עם כל הכפילים המתאימים. הזוגות הכי מתאימים בסייבר-ספייס יוכלו להיפגש גם בחיים האמיתיים.

הכפילים שלנו יחיה אינספור חיים אפשריים בסייבר-ספייס כדי לאפשר לחיים היחידים שלנו בעולם הממשי להיות הגרסה הטובה ביותר האפשרית. האם החיים המדומים הם "אמיתיים" במובן כלשהו ולכפיל שלך יש תודעה זו או אחרת (כפי שהוצג למשל בחלק מפרקי הסדרה "מראה שחורה")? אלו שאלות פילוסופיות מעניינות.

יש אנשים שחוששים שהמשמעות של כל זה היא שאנחנו מוסרים את המושכות של חיינו לידי המחשבים. אבל למעשה הצעד הזה נותן לנו יותר שליטה, לא פחות, כי הוא מאפשר לנו לקבל החלטות שלא יכולנו לעשות לפני כן. המודל שלך גם ילמד מהתוצאות של כל חוויה וירטואלית (האם נהנית מהדייט? האם את אוהבת את העבודה החדשה שלך?) כך שלאורך זמן הוא ישתפר בהצעת דברים שהיינו בוחרים עבור עצמנו.

למעשה, התרגלנו כבר שרוב ההחלטות שלנו נעשות ללא התערבות מודעת, כי זה מה שהמוח שלנו עושה כיום. כפיל דיגיטלי יהיה כמו תת-מודע מורחב ביותר, עם הבדל אחד משמעותי: בעוד התת-מודע חי לבד בתוך הגולגולת שלנו, הכפיל הדיגיטלי יקיים אינטראקציה מתמדת עם כפילים של אנשים וארגונים אחרים. הכפילים של כולם ימשיכו לנסות ללמוד זה את המודלים של זה וליצור חברה של מודלים שיחיו במהירות של מחשבים ויסתעפו לכל הכיוונים בהחלטותיהם ובמעשיהם, כדי להבין מה היינו עושים אנחנו אילו היינו במצבים אלה ואחרים. המכונות שלנו יהיו הגששים שלנו, ויסללו לנו שביל אל העתיד כפרטים וכמין. לאן הם יובילו אותנו? ולאן נחליט אנחנו ללכת?

תרגמה: דניאלה אפלבלט

פורסם במקור בגיליון ספטמבר 2018 של Scientific American

לקריאה נוספת

  • The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Pedro Domingos. Basic Books, 2015.
  • The Digital Mind: How Science Is Redefning Humanity. Arlindo Oliveira. MIT Press, 2017.

מארכיון סיינטיפיק אמריקן

  • רובוטים שלומדים בכוחות עצמם. דיאנה קוון (Kwon), מרץ 2018.

 

 

0 תגובות