מירוץ העוצמה הטכנולוגית

עידן המכונות החכמות בפתח

בינה מלאכותית צפויה לשמש כליבת הטכנולוגיה של המאה ה-21. האם ישראל, שהייתה בין המובילות בגלי הטכנולוגיה הקודמים, תשכיל לסלול את דרכה להובלה גם בטכנולוגיה זו?

בינה מלאכותית צפויה לשמש כליבת הטכנולוגיה של המאה ה-21. לאחר מספר עשורים המכונים "החורף של הבינה המלאכותית", הגיעה בתחילת העשור הנוכחי פריצת הדרך המיוחלת בתחום, כאשר השילוב בין מעבדים חזקים, כמויות עצומות של מידע, ונגישותם לאוכלוסיית משתמשים רחבה - יצרו מסה קריטית אשר הזניקה אותנו לפתחו של גל טכנולוגיה חדש. זהו גל נוסף במהפכה הדיגיטלית, המבוסס על הגלים הקודמים: חישוביות, חיבוריות וניידות. בדומה לגלים הקודמים, גם בינה מלאכותית צפויה להפוך לטכנולוגיה מאפשרת כללית (General Purpose Technology - GPT) אשר תעמוד בבסיס יישומים טכנולוגיים מתקדמים רבים שישנו ללא הכר את כל תחומי חיינו. מכוניות חשמליות, רפואה מותאמת אישית, חקלאות מדייקת רובוטים שינועו במרחב, ומחשבים שידברו ויבינו שפה טבעית – אלה ועוד פיתוחים רבים שאיננו יכולים לחזות כעת, יתבססו כולם על יכולות של בינה מלאכותית.

בהתאם, חדשנות מבוססת בינה מלאכותית צפויה להיות המפתח לצמיחה כלכלית במדינות, בענפים ובחברות אשר יהיו בחזית טכנולוגיה זו. אין זה מפתיע, לכן, שמדינות רבות כבר הכריזו על אסטרטגיית בינה מלאכותית לאומית ופועלות לפיתוח תשתיות מחקר, הון אנושי מתאים ורגולציה תומכת. האם ישראל, שהייתה בין המובילות בגלי הטכנולוגיה הקודמים, תשכיל לסלול את דרכה להובלה גם בטכנולוגיה זו?

 

גלי הטכנולוגיה של המהפכה הדיגיטלית

המהפכה הדיגיטלית, שאפשרה בהדרגה לייצג כמעט כל דבר בעולם כמידע דיגיטלי שזמין לכל, היא המהפכה החשובה של סוף המאה ה-20, וככל הנראה, גם של המאה ה-21. אך מהפכה זו איננה עשויה מקשה אחת, אלא בנויה על גלים של טכנולוגיות ליבה מאפשרות שונות. ניתוח מושכל של גלים אלה מאפשר לנו להבין מתי גל טכנולוגי דועך – כלומר קצב החדשנות בו יורד – ומתי גל אחר מתחיל וקצב החדשנות בו נוסק. כיוון שגלים טכנולוגיים מתואמים באופן הדוק עם הצמיחה הכלכלית בענפים הרלוונטיים, לתובנה זו חשיבות רבה במדיניות חדשנות. בפרק זה נציע חלוקה של המהפכה הדיגיטלית לשלושה גלים: גל החישוביות שבמרכזו המחשב, גל החיבוריות שבמרכזו רשת האינטרנט וגל הניידות שבמרכזו הטלפון הנייד החכם. כמובן, כטבעם של מודלים, גם כאן הנסיון לפשט את המציאות לחלקים מובחנים עשוי להיות שנוי במחלוקת, אולם אנו סבורים שחלוקה זו מסייעת להבין את חשיבות העידן הנוכחי כצומת דרכים במדיניות החדשנות בישראל.​

המשותף והחשוב בכל הגלים האלה הוא היותם טכנולוגיות כלליות מאפשרות - GPT. למעשה, מדובר בפלטפורמות טכנולוגיות המהוות בסיס למגוון מוצרים ושירותים טכנולוגיים. כך, גל החישוביות היה הבסיס לפיתוח חומרה תומכת ותוכנות רבות שהגבירו את פריון העבודה בכל העולם, החל ממערכת ההפעלה – בעצמה פלטפורמה מאפשרת לפיתוחים רבים אחרים – ועד תוכנות למשתמש קצה כמו מעבד תמלילים וגיליון נתונים אלקטרוני; גל החיבוריות הביא עימו את הדפדפנים, מנועי החיפוש והרשתות החברתיות שעזרו לנווט בים המידע האינסופי של הרשת ולחבר בין אנשים בקצוות שונים של העולם; וגל הניידות – שהועצם על ידי טכנולוגיות מפתח כמו ה-GPS ומחשוב ענן – סלל את הדרך לכל האפליקציות למכשירים הניידים המלווים אותנו בכל רגע נתון, ואגב כך מאפשרים לייצר את כמויות המידע האדירות העומדות לרשותנו כיום. גלים אלו נבנו אחד על גבי השני, והתוצאה היא שרוב תושבי כדור הארץ, ובפרט במדינות המתועשות, מסתובבים בכל רגע נתון (ניידות) עם מכשיר חישוב (חישוביות) המחובר לרוב האנשים בעולם ועם גישה לרוב הידע האנושי (חיבוריות).

עם זאת, קצב החדשנות סביב גלים אלה מאט וסביר כי פריצות דרך משמעותיות בתחומים אלו תהיינה נדירות יותר. הצמיחה ביכולות המחשוב והחיבוריות מגיעות לרוויה, בעיקר עקב צרכי משתמשי הקצה, שהצמא שלהם ליכולות גבוהות יותר, במחיר גבוה יותר, הולך ופוחת. גם החדשנות סביב גל הניידות, והפלטפורמה המרכזית שלו - הטלפון החכם הנייד – מאטה בשנים האחרונות. כיום כבר לשני שליש מאוכלוסיית העולם יש טלפון נייד ובמדינות כמו ארה״ב, בריטניה וישראל כמות המנויים הסלולריים כבר גבוהה ממספר התושבים – עם 122, 120 ו-127 מנויים ל-100 איש, בהתאמה. אף שבמדינות מתפתחות יש עוד מקום לכניסה של מכשירים חכמים, נראה כי גל זה מתקרב לרוויה.

אך לחיבור בין הגלים האלה הייתה תוצאה נוספת. כל אחד מאיתנו, שמסתובב כל העת עם מכשיר חישוב נייד המחובר לרשת, יוצר כמות גדולה של מידע, וביחד אנו יוצרים כמות אדירה של מידע. למעשה, בכל יום אנחנו יוצרים 2.5 קווינטליון בייטים של מידע (25x1018) וכמות זו גדלה בקצב מהיר. ה"ביג דאטה" (Big Data) שנוצר מתהליכים אלה חבר לעלייה האקספוננציאלית ביכולת החישוב וביחד הם העלו מהאוב טכנולוגיה שכבר הוספדה כלא רלוונטית: למידת מכונה (Machine Learning). טכנולוגיה זו היא הבסיס לגל הבא במהפכה הטכנולוגית, הבינה המלאכותית.

 

בינה מלאכותית תופסת את קדמת הבמה

בינה מלאכותית היא מושג שנהגה לראשונה בסמינר בדארטמות' קולג' ב-1956, המתייחס ליכולת של מכונות לחקות התנהגות אינטילגנטית של בני אדם.1 לאחר שנים בהן היה נראה כי רשתות נוירונים (neural networks) – גרסה פשוטה מאוד של המוח האנושי – לא יוכלו לקדם את הבינה המלאכותית,  התרחשה פריצה דרך. בתחילת העשור הנוכחי, חוקרים הריצו אלגוריתמים וותיקים בתחום על מעבדים חזקים שלא היו בנמצא לפני כן, וגילו שהשילוב בין יכולת החישוב לכמות גדולה של מידע שהפכה נגישה, מובילה פתאום לתוצאות מרשימות. לראשונה, אלגוריתמים של למידה ממוחשבת (ובפרט אלה המבוססים על שיטה הנקראת backpropagation) הצליחו במשימה "אינטליגנטית" כמו זיהוי עצמים בתמונה, ועקפו במהירות את כל השיטות האחרות. ההתלהבות גדלה עם הישגים מתוקשרים כמו הניצחון של תוכנת AlphaGo ב-2016 על השחקן הטוב בעולם במשחק הגו - משחק שגם המחשב החזק ביותר לא מסוגל לעבור באופן שיטתי על כל עץ ההחלטות הגלומות בו.

התפתחויות אלו סימנו את תחילת מהפיכת הבינה המלאכותית שסוחפת את העולם. אכן, נראה שאין עוד טכנולוגיה שמפחידה ומלהיבה את האנושות בו זמנית. בעוד שמהפכות טכנולוגיות אחרות עזרו לנו להתגבר על מגבלות בתחומים הדורשים כוח פיזי, מהירות ותקשורת למרחקים ארוכים, בינה מלאכותית נוגעת בתכונה הבסיסית שאפשרה למין האנושי לשלוט בכדור הארץ - האינטליגנציה. כך ההישגים של השנים האחרונות בתחום זה יצרו את התחושה שלא רחוק היום בו יהפכו לחכמים יותר מאתנו. במקביל, נפתח דיון רחב לגבי השאלה האם מדובר בהתפתחות חיובית או לא.

ה"מחנה האופטימי" של דיון זה רואה את הבינה המלאכותית כטכנולוגיה שתתגבר על המגבלות האנושיות ותביא לשגשוג חסר תקדים. בעיני רוחם של אלה, כל מערכות החיים – חקלאות, בריאות, תחבורה, ייצור ומסחר – ינוהלו אוטונומית על ידי מכונות חכמות שיספקו את כל מבוקשנו. מכונות חכמות ידעו ללמוד אותנו ולהתאים לנו את המוצר או השירות הספציפי שנחוץ לנו באותו רגע. כל עבודה "משעממת" תיעשה על ידי מכונות באופן שישאיר לבני האדם את המשימות שדורשות יצירתיות, אמפתיה וחיבור אנושי.

"המחנה הפסימי", הכולל אישים בולטים כמו אלון מאסק וסטיבן הוקינג ז"ל, מתריע שאינטליגנציה מלאכותית עלולה להביא לסופה של האנושות. לפי תרחיש זה, הקניית יכולת למידה לרשת מכונות בעלת יכולות חישוב ואחסון מידע כמעט בלתי מוגבלות, תהפוך מחשבים לחכמים הרבה מעבר לאינטליגנציה האנושית. ומכאן אפשר להפליג בדמיון למספר תרחישי אימה – החל משימוש של מדינה מסוימת במחשבים חכמים להשתלטות על העולם, וכלה בהשתלטות של מכונות על האנושות "הנחותה" כולה. תסריטים פחות אפוקליפטיים מתייחסים ליכולת של מחשבים חכמים להחליף אותנו במגוון רחב של עבודות ולהביא לאבטלה רחבה. בנוסף, הם מזהירים מהביטול הכמעט מוחלט של הפרטיות שלנו: ככל שיותר תחומים בחיינו יחוברו למכונות חכמות, חברות הענק או הממשלות השולטות בהן, ידעו כל פעולה, ואולי אפילו כל מחשבה שלנו.

לצד התרחישים הדמיוניים – בין אם הם פסימיים או אופטימיים - עומדים רבים, ובראשם חוקרי בינה מלאכותית, המבקשים לצנן את ההתלהבות. הם מצביעים על הקשיים האדירים בתחום, ההתקדמות הסיזיפית ובעיקר על הבלבול הקיים בציבור הרחב לגבי היכולות של בינה מלאכותית. חוקר כזה הוא Rodney Brooks, מהחוקרים הותיקים והחשובים בתחום. במאמר מ-2017 הוא מסביר מדוע רוב התחזיות לטווח הקצר בנוגע ל-AI מופרכות.2 כדוגמה, הוא מביא יכולת של אלגוריתם למידה עמוקה (deep learning) לזהות שבתמונה ספציפית ישנם ילדים המשחקים בצלחת מעופפת - תוצאה  מרשימה לכל הדעות בהתחשב בכך שהמחשב “למד” לזהות עצמים אלה לבדו. אך אם תשאלו את אותה תוכנה מספר שאלות פשוטות על הסיטואציה שבתמונה – איך זורקים צלחת מעופפת? מאיזה גיל ילדים יכולים לשחק? או, למה ילדים מלכתחילה עוסקים בפעילות כזו? – לא תקבלו מענה שייחשב לאינטליגנטי. במילים אחרות, התוכנה יודעת לקרוא בשמות של העצמים בתמונה אך אין לה כל הבנה “אנושית” של הסיטואציה המתוארת. 

חוק Amara: אנו נוטים להערכת יתר של השפעתה של טכנולוגיה חדשה בטווח הקצר ולהערכת חסר של השפעתה בטווח הארוך

אם כן, מה המסקנה אליה ניתן להגיע לגבי השפעתה של בינה מלאכותית על חיינו? נראה שגם פה, כמו בטכנולוגיות GPT אחרות הכלל המתאר את העתיד בצורה הטובה ביותר הוא “חוק אמארה” (Amara). חוק זה גורס שאנו נוטים להערכת יתר של השפעתה של טכנולוגיה חדשה בטווח הקצר, ומנגד להערכת חסר של השפעתה בטווח הארוך. כך, השיח הציבורי עוסק באיום שמטילה בינה מלאכותית על עיסוקים רבים בשוק העבודה כבר בשנים הקרובות, אך מתקשים לדמיין כיצד בינה מלאכותית תשנה לחלוטין את הדרך בה אנו חיים בעוד כמה עשורים.

ברוח חוק אמארה, אנו סבורים כי העולם הטכנולוגי אכן נמצא בתחילתו של גל חדשנות חדש, שיחבר מספר מגמות טכנולוגיות כגון ביג דאטה, למידת מכונה, והאינטרנט של הדברים (IoT) ויוליד מכונות חכמות יותר. אם גלי הטכנולוגיה הקודמים של המהפכה הדיגטלית חיברו בני אדם, הגל הבא יחבר את המכונות זו לזו ויאפשר להן אוטונומיה וקבלת החלטות הולכת וגדלה.

התפתחויות אלה יובילו ליצירת ערך כלכלי אדיר, אשר כבר כיום ניתן לראות את קצה הקרחון שלו. כל תהליך עסקי שעובר אוטומציה והופך לחכם יותר, אפילו במעט, צפוי לשפר את רווחיות הפירמה. לדוגמה, הבנה טובה יותר של הלקוח על בסיס זיהוי תבניות ברכישות שלו, או של צרכנים הדומים לו, מייעלת את היכולת למכור לו מוצרים המתאימים לו; שימוש באלגוריתמים לזיהוי תמונה בשילוב עם תמונות מלוויין או מרחפנים מסייעים בחיזוי תפוקה חלקאית ובזיהוי מחלות ומזיקים ביבולים; יכולות של ראייה ממוחשבת מביאים לדיאגנוסטיקה טובה יותר של בדיקות רפואיות שבעבר דרשו מעבדה. תהליכים אלה ואחרים, אשר כבר מוטמעים באלפי חברות בעולם כולו, צפויים להציב אותן בעמדה תחרותית מובילה. תובנה זו הובילה את מנכ"לית IBM, ג'יני רומטי, להכריז ב-2016 כי תוך חמש שנים בינה מלאכותית תשפיע על כל החלטה עסקית.3

 

התחרות העולמית בעיצומה

אם אכן יתממש התרחיש הסביר לפיו בינה מלאכותית תפרוץ כטכנולוגיה המאפשרת הבאה, המדינות והחברות שיובילו גל חדשנות זה יזכו בחלק הארי של הרווחים הנובעים ממנו בעוד שהמאחרים יסתפקו בשאריות. ואכן בשנים האחרונות אנחנו רואים יותר ויותר מדינות המפתחות אסטרטגיית בינה מלאכותית לאומית.​ נכון לסוף 2018, 17 מדינות כבר הכריזו על אסטרטגיה כזו,4 חלקן בהשקעות של מיליארדי דולרים. זהו סימן נוסף לכך שהמרוץ להובלה טכנולוגית בתחום זה כבר בעיצומו.

אך מדוע ממשלות בכלל נכנסות לתחרות הטכנולוגית, שבסופו של דבר מובלת על ידי חברות עסקיות? התשובה המרכזית היא שהשלבים הראשונים של גלי חדשנות מלווים בהשקעות גדולות וארוכות טווח בתשתיות המאפשרות פיתוח של טכנולוגיות הליבה. תשתיות אלה יקרות מדי והשימוש בהן רחב מדי עבור חברות בודדות (למעט חברות הענק הטכנולוגיות), ולכן כל מדינה שמבקשת לקחת חלק בתחרות על ההובלה הטכנולוגית הגלובלית שואפת להיות בין הראשונות בהשקעה בתשתיות אלה. כך היה גם בגלי הטכנולוגיה הקודמים שתוארו בפרק זה והתחילו בהשקעות עתק בתשתיות.​

 
סיבה נוספת לכך שממשלות הן שחקן מפתח בתחרות על הובלה בתחום הבינה המלאכותית נוגעת לשני חסמים מרכזיים המעכבים כרגע את התפתחות התחום: רגולציה והון אנושי.

רגולציה, עליה מופקדות ממשלות, היא תנאי מפתח להתפתחות התחום. ראשית, אנחנו רגילים שהחלטות הנוגעות לחיינו מתקבלות על ידי בני אדם, ולכן המעבר לקבלת החלטות על ידי אלגוריתמים, בוודאי בתחומים חשובים, מחייב רגולציה מלווה. בבינה מלאכותית ההחלטות מתקבלות על ידי גורמים לא-אנושיים, ועל כן מושג האחריות משתנה, ואיתו סכמות משפטיות שלמות. דוגמה טובה לכך היא תאונות בתחבורה אוטונומית. אף שמכוניות אוטונומיות צפויות להפחית את תדירות תאונות הדרכים ב-90% ויותר, קשה לנו לקבל תאונה קטלנית שנגרמה על ידי אלגוריתם. על כן, הרגולטורים נדרשים לסוגיית האחריות, ועומדים בפני דילמה קשה: האם, כדי להגן על הציבור, יש לדרוש סף מחמיר הכרוך ביכולת הסבר בדיעבד של תהליך קבלת ההחלטות של האלגוריתם, או שעדיף להוריד את רף האחריות כדי לסייע באימוץ ופיתוח חדשנות מבוססת בינה מלאכותית, על כל התועלות הנלוות אליה?

נושא אחר, גם הוא בתחום הרגולציה, נוגע לפרטיות. כאמור, תהליכי למידה ממוחשבת מניבים תוצאות כאשר הם פועלים על היקפים אדירים של מידע רלוונטי. ברוב האפליקציות המסחריות המשתמשות בתהליכים כאלה, המידע "מיוצר" על ידינו, המשתמשים. בעידן המחוברות והניידות, מידע כזה יכול לצייר תמונה מדויקת למדי של הפעולות, תחומי העניין ואפילו המחשבות שלנו. בהתאם, כל ממשלה צריכה לקבוע את המגבלות לאיסוף מידע כזה. נקודת ציון חשובה ביותר בנושא זה הייתה במאי 2018 עם החלת תקנות ה-GDPR של האיחוד האירופי.

נושא נוסף שנמצא לפתחן של ממשלות נוגע לשוק העבודה ולהון האנושי הדרוש כדי לפרוח בעידן המכונות החכמות. שוק העבודה בעידן זה צפוי להשתנות ללא היכר - שימוש הולך וגובר בבינה מלאכותית צפוי להפוך מיומנויות אנושיות מסורתיות למיותרות, וליצור ביקוש גבוה למיומנויות חדשות. בפרט, חשיבותן של מיומנויות בתחומי ה-STEM (מדעים, טכנולוגיה, הנדסה ומתמטיקה) תגבר, ולצדן כישורים רכים כגון פתרון בעיות, יצירתיות ואינטליגנציה רגשית יקנו יתרון משמעותי למחזיקים בהם.5 בעוד שקשה לחזות את השינויים העתידיים ברמת דיוק גבוהה, אין ספק כי עובדי העתיד יצטרכו להחזיק באוריינות טכנולוגית גבוהה יותר ולהיות ערוכים לשינויים תכופים.

במדינות המפותחות כמו גם בישראל, מושם כיום דגש במערכות החינוך על לימודי STEM, ובפרט על לימודי תכנות וחשיבה מחשובית. באירופה, לדוגמה, 15 ממדינות האיחוד כבר משלבות תכנות בתכנית הלימודים בבתי הספר.6 התפישה מאחורי מדיניות זו היא שיש להקנות את מיומנות התכנות כבר מגיל צעיר כדי לחזק את החשיבה הלוגית והאלגוריתמית הנדרשת העומדת בבסיסו, אשר תידרש  בעתיד בתחומי עיסוק רבים. כבר כיום, תכנות הופך מפרקטיקה המוגבלת לעיסוקים טכנולוגיים – לשפה אשר תלך ותהפוך רווחת יותר בשוק העבודה כולו.

 

אסטרטגיית בינה מלאכותית ישראלית

בגלי הטכנולוגיה הקודמים של המהפכה הדיגיטלית ישראל הייתה בין המדינות המובילות. טכנולוגיות ויכולות בתחומי התקשורת שפותחו במערכת הבטחון בשילוב עם מצוינות אקדמית בתחומי התוכנה הביאו לכך שישראל ניצבה בעמדה טובה לנצל את התפתחות האינטרנט. ואכן, חברות ישראליות רבות ומובילות שצמחו בשנות ה-90, וביניהם צ'קפוינט, אמדוקס, נייס ומלאנוקס, ביססו את ישראל כמעצמה בתחום התקשורת, האבטחה, אחסון המידע והמוליכים למחצה. לכך התווסף רכיב נוסף של מצוינות באקוסיסטם הישראלי - התרבות היזמית. אלפי חברות הזנק שקמו בישראל ב-20 השנה האחרונות על בסיס הפלטפורמות של האינטרנט והטלפונים החכמים הפכו את ישראל לכר פורה לחברות חדשניות המגיבות במהירות להתפתחויות בשווקים הטכנולוגיים.

הצלחות העבר עלולות להביא למסקנה כי אקוסיסטם החדשנות הישראלי בהכרח יוביל בבטחה גם בגל החדשנות של הבינה המלאכותית, גם ללא פעילות מיוחדת מצד קובעי המדיניות. אנו סבורים כי עמדה פסיבית כזו הינה הימור מסוכן על ההובלה הטכנולוגית הישראלית.

ראשית, ההיסטוריה מלמדת אותנו שלעיתים קרובות מדינות מובילות טכנולוגית לפרקי זמן קצרים יחסית. יפן היא דוגמה בולטת לכך. המדינה, שהייתה מעצמת טכנולוגיה בשנות ה-70 וה-80 והובילה בתחום המוצרים האלקטרוניים, לא עלתה על גל החיבוריות בשנת ה-90 ולא הצטרפה לחזית התוכנה.

שנית, חשוב לזכור שהעמדה התחרותית המובילה של האקוסיסטם הישראלי התבססה בין השאר בזכות מדיניות נכונה, שזיהתה והגיבה בזמן אמת לאתגרים והתפתחויות בעולמות הטכנולוגיים. ישראל הייתה בין המדינות הראשונות לזהות את הפוטנציאל של עידוד תעשייה מוטת חדשנות. לשכת המדען הראשי – הגוף שקדם לרשות החדשנות – התחילה לפעול ולעודד פעילות מו"פ בתעשייה עוד בשנות ה-70, שנים רבות לפני שהעולם גילה את פוטנציאל בצמיחה מבוססת חדשנות. בשנות ה-90 פעלה הממשלה באופן ממוקד לקדם את הפוטנציאל הישראלי דרך תכניות פורצות דרך כמו יוזמה, חממות טכנולוגיות ומאגדי מגנ"ט. לאורך עשורים אלו, הייתה לשכת המדען הראשי אחד הגופים הממשלתיים היחידים בעולם שמשימתם הייתה תמיכה בחדשנות טכנולוגית. אולם, המפה העולמית בתחום מדיניות החדשנות השתנתה ללא היכר בשני העשורים האחרונים, וכיום, כמעט כל המדינות המפותחות, וקבוצה מובילה של מדינות מתפתחות, מבצעות השקעות עתק בחדשנות טכנולוגית.

בפרט, עלינו להכיר בעובדה שבמירוץ להובלה טכנולוגית מבוססת בינה מלאכותית אנחנו כבר בפיגור. ההשקעות האדירות המתוכננות של ממשלות בתשתיות בינה מלאכותית שנזכרו בפרק זה חייבות להיות תמרור אזהרה בפני כולנו. אם לא יוקצו המקורות המתאימים, ואם לא נשכיל לפתח את הכלים המתאימים לקידום ההובלה הישראלית בטכנולוגיות מבוססות בינה מלאכותית, אנו עלולים להשתרך מאחור. בהתאם, אנו קוראים להתלכדות של כל המגזרים – ממשלה, אקדמיה ותעשייה – סביב חזון ואסטרטגיית בינה מלאכותית למשק הישראלי.

לקוראים הבקיאים בהיסטוריה של מדיניות החדשנות בישראל, ובפרט במדיניות של לשכת המדען הראשי (הגוף שקדם לרשות החדשנות), גישה זו תיראה כשינוי כיוון. מדיניות לשכת המדען הראשי הייתה נייטרלית מבחינה טכנולוגית, כאשר השקעה בפרויקטי מו"פ התבססה על איכות הפרויקטים בלבד, ללא תיעדוף בין תחומים טכנולוגיים שונים. נדגיש כי מדיניות זו תקפה גם כיום ברשות החדשנות, בהפעלת כלי מדיניות המוכוונים לעידוד פיתוחים טכנולוגיים "קרובים לשוק", כלומר פיתוחים המונעים על ידי תחרות בשווקים. לעומת זאת, תחילתם של גלי טכנולוגיה חדשים כמו בינה מלאכותית מלווה, כאמור, בהשקעה נרחבת בתשתיות טכנולוגיות ובפיתוחים גנריים "רחוקים מהשוק". בשלב זה, כוחות השוק אינם פועלים באופן אופטימלי, ונדרשת התערבות ממשלתית ייעודית. לפיכך, יש צורך באסטרטגיה אקטיבית לפיתוח תשתיות ייעודיות שיאפשרו לתעשייה לפתח מוצרים ושירותים מבוססי בינה מלאכותית בהתאם לביקוש בשווקים.

אסטרטגיה כזו צריכה לתת מענה למספר אתגרים מרכזיים. האתגר הראשון הוא​ חיזוק תשתיות המחקר בתחומי הבינה המלאכותית באקדמיה, והפיכת אוניברסיטאות המחקר בישראל למרכזי מצוינות בתחום זה. כיום, אלגוריתמי הבינה המלאכותית המתקדמים ביותר מפותחים באקדמיה, ועל בסיסם מפותחים יישומים פורצי דרך בתעשייה.

האתגר השני הוא טיפוח כלל פירמידת ההון האנושי הנדרשת בתחום. בקצה העליון של הפירמידה נמצאים החוקרים הבכירים המתמחים באלגוריתמים. חוקרים אלו נדרשים הן באקדמיה, לקידום המחקר וטיפוח הדור הבא של המומחים, והן בתעשייה. בפרט, ענקיות הטכנולוגיה מציעות להם משכורות עתק, ובארה"ב, לדוגמה, תופעה זו כבר מאיימת על מוסדות המחקר. לפיכך, יש להגדיל את היצע החוקרים הללו ולהציע להם תמריצים מתאימים. אחרי החוקרים הבכירים, נמצאים מומחי בינה מלאכותית בעלי תארים מחקריים. הביקוש לעובדים כאלו, המחזיקים בבסיס מדעי רחב, הוא גבוה כבר כיום, וגם הם משמשים כערוץ העברת ידע חשוב בין האקדמיה לתעשייה. נוסף עליהם, ישנו ביקוש גבוה לעובדים בעלי הבנה בבינה מלאכותית ובלמידת מכונה, לתפקידי פיתוח יישומיים, וכן לעובדים בעלי הכשרה במדעי הנתונים – תופעה אותה תיארנו בהרחבה בפרק "הייטק בישראל 2018" בדוח זה. חשוב לציין כי מדעי הנתונים7  המשמשים כבסיס חשוב לבינה מלאכותית, נפרטים אף הם לפירמידה שלמה של מיומנויות. אף שהאקדמיה היא ערוץ הכשרה מרכזי גם לתפקידים  היישומיים שבבסיס הפירמידה, ערוצים נוספים שמתפתחים בהובלת גופי תעשייה ומוסדות חוץ-אקדמיים צפויים לשחק תפקיד חשוב בפיתוח היצע ההון האנושי בתחום.​

האתגר השלישי הוא פיתוח תשתיות מו"פ שישרתו הן את האקדמיה והן את התעשייה, ובפרט תשתיות כוח מחשוב ותשתיות מידע. שני מקורות בולטים למידע הם הממשלה וענקיות הטכנולוגיה.8 לכן, יש להבטיח כי המידע הממשלתי יונגש לחוקרים, יזמים וחברות, תוך התייחסות לסוגיות של פרטיות  ושקיפות, ולייצר את התמריצים הנכונים לעידוד חדשנות פתוחה בקרב חברות הטכנולוגיה הרב-לאומיות המפעילות בישראל מרכזי מו"פ, אשר מנהלות מאגרי ביג דאטה פרטיים. תחום בו הממשלה כבר החלה לפעול ליצירת תשתיות מידע מתקדמות הוא תחום הבריאות, כפי שנתאר בפירוט בפרק הבא.

אתגר נוסף וחשוב הטמעה של טכנולוגיות בינה מלאכותית בכל ענפי הכלכלה. הערך הכלכלי האדיר הטמון בבינה מלאכותית אינו מסתכם רק בפוטנציאל לתעשיות ההייטק המובילות של העתיד – אלא גם, או אפילו אנחנו בעיקר, בגידול ביעילות וברווחה שהיא יכולה להביא עמה בכל תחומי החיים. כפי שציינו, יש ללוות את עידוד הטמעת הטכנולוגיה ברגולציה מתאימה ובהכשרת הון אנושי שיהיה ערוך להתמודדות עם אתגרי שוק העבודה העתידי.

על אף האיום הממשי שמציבה התחרות העולמית הגוברת, אנו סבורים שסיכוייה של ישראל להיות מובילה טכנולוגית גם בעידן הבינה המלאכותית הם מצוינים. מערכת החדשנות הישראלית היא מפותחת ומשוכללת: האקדמיה בישראל ממוקמת בפסגת הידע העולמית בתחומי החישוביות, מערכת הביטחון המייצרת טכנולוגיות מתקדמות והון אנושי מיומן, היזמים הישראלים בולטים בתעוזה ובחדשנות שלהם, ותעשיית ההייטק בישראל משגשגת ומתבגרת. אף שמדינה קטנה כישראל אינה יכולה להתחרות בהשקעות הענק בסין או בגוגל ובאמזון, חברות ישראליות הצליחו לאורך השנים לייצר הובלה טכנולוגית בתחומים ייחודיים ולהתחרות בארגונים עתירי משאבים. כל אלו הם נכסים חשובים שיסייעו לישראל לעלות על גל הטכנולוגיה הבא – גל הבינה המלאכותית – אם נשכיל לסלול עבור התעשייה את הדרך.

 


 

הערות שוליים:

1 אלן טיורינג, מחלוצי מדע החישוביות, הוא ככל הנראה המדען הראשון שניסח את השאלה "האם מכונות יכולות לחשוב" במאמר קלאסי מ-1950. אך מיד טען שהשאלה הזו במשמעותה הרגילה חסרת מושמעת, ולכן החליף אותה בשאלה האם מחשב יכול להתנהג באופן כזה שצופה מהצד לא יוכל להבחין האם מדובר בבן אדם או מכונה

2 Brooks, R. (2017, October 6). The Seven Deadly Sins of AI Predictions. MIT Technology Review

3 Recode. (2016, June 8). Full video: IBM CEO Ginni Rometty at Code 2016

4 Dutton, T. (2018). An Overview of National AI Strategies

5 Deloitte. (2016). Talent for survival – Essential skills for humans working in the machine age

 Euroactiv. (2015, October 16). Coding at school: How do EU countries compare? 6

7 מוסד שמואל נאמן. (אוגוסט 2018). בינה מלאכותית, מדעי הנתונים ורובוטיקה חכמה

8 שם