הספר Generative AI in Practice: 100+ Amazing Ways Generative Artificial Intelligence is Changing Business and Society נכתב בשנת 2023 ע״י Bernard Marr, מומחה וכותב ספרים בתחום הבינה המלאכותית ומגמות טכנולוגיות ועסקיות חדשניות (ראו גם ספרים קשורים שפרסמנו סיכומים שלהם כאן באתר: Future Skills, Artificial Intelligence in Practice, Business Trends In Practice).
נכון שכולנו כנראה כבר התנסינו ברמה מסוימת בשימוש בבינה יוצרת Generative AI, בין לצרכים אישיים ובין לצרכים עסקיים, וחלקנו אפילו מבין את היכולות העמוקות הטמונות בכלים אלו- ובכל זאת, קוראי הספר יישארו פעורי פה. בספר זה, פורש Marr גם את ההסבר המתודי, ואיך ליישם, אך בנוסף, בין לבין, הוא פורש את דרכי היישום המעשיים ב- 12 מגזרים שונים, לרבות דוגמאות אמת. השורה התחתונה- אכן יש כאן מהפכה.
הספר פותח בהסבר רעיון הבינה היוצרת והפוטנציאל הגלום, מסביר את האתגרים והסיכונים, ומכאן ממשיך לעיקר- יישומי בינה יוצרת במגזרים השונים. בסופו הוא כולל הכוונה למחר בבוקר- איך להתחיל להיערך למימוש בארגונים.
וMarr מסתכן בכתיבת ספר שחיי המדף שלו לכאורה מוגבלים, היות והתחום כל כך מתפתח, כל יום מחדש. ועם זאת- שווה קריאה עכשיו. Generative AI מוגדר ע״י Marr כאחת הטכנולוגיות העוצמתיות ביותר שהועמדו לידי בן אנוש אי פעם. כל אחד יכול ללמוד ולקחת את העיסוק שלו קדימה. היום.
להבין בינה יוצרת
כדי להבין מהי בינה יוצרת, יש להקדים ולהגדיר בינה מלאכותית. בינה מלאכותית מתייחסת לאלגוריתמים מחשוביים שביכולתם לחקות באופן אפקטיבי תהליכים מחשבתיים אנושיים, דוגמת למיידה, קבלת החלטות ופתרון בעיות.
בינה מלאכותית יוצרת (Generative AI), ובקיצור בינה יוצרת, היא טכנולוגיית משנה של בינה מלאכותית, המסוגלת לייצר תוכן חדש בהתבסס על דפוסים ומבנים שלמדה מתכנים קיימים.
המשמעות: בינה יוצרת עוסקת בחיקוי היצירתיות שלנו כבני אנוש.
התכנים יכולים להיות מגוונים: טקסט, תמונה, וידאו, אודיו, נתונים, קוד תוכנה, משחקים ועוד.
בניגוד לבינה מלאכותית כללית המתמקדת בזיהוי דפוסים, הרי שבינה יוצרת מתמקדת ביצירתם. המודלים עליהם היא מתבססת הם רשתות ניווניות ספציפיות הנקראות Generative Models.
אבני דרך מרכזיות שאפשרו את התפתחות הבינה היוצרת:
שנות ה- 50 של המאה ה- 20: פיתוח הבינה המלאכותית הראשוני
תחילת המאה ה-21: נתוני עתק; למידה עמוקה; רשתות נוירונים; מודלים משולבים
שנות ה 20 של המאה ה-21: מחשוב בענן; מחשוב קצה (מבוזר); IoT; מחשבי קוונטים.
לבינה היוצרת פוטנציאל להשפיע על חיינו ברמת הפרט כאדם (למשל בתרגום מידע או החלטה על בישול ארוחה); ברמת העבודה המקצועית (למשל בסיכום פגישות או כתיבת קוד), ברמת המודלים העסקיים (בבחירת מודלים אופטימליים למצב), השירותים והמוצרים המוצעים (למשל מראות מייעצות); וברמת החברה העולמית הכוללת (למשל בשימור שפות נכחדות).
הבינה היוצרת תשפיע על מקומות העבודה. ייווצרו תפקידים חדשים (למשל כותבי פרומפטים ומדריכי בינה), יש מקצועות שבהם מספר העובדים יתמעט או יבוטל (למשל נציגי שירות לקוחות), אך עיקרם של המקצועות ישתנה במהותו ובאיזון אדם-מכונה בדרכי ביצוע התפקידים (למשל רואי חשבון ומפתחי תוכנה).
הערה: בספר כלולה רשימה מפורטת של מקצועות ברמות סיכון שונות עם הסבר מלווה.
אתגרים וסיכונים
אין ספק שלא הכול ורוד וישנם סיכונים ואתגרים שיש לתת עליהם את הדעת ולהתמודד עימם.
בעיות אתיות
הסיכונים האתיים מרובים. עיקרם
מידע שגוי
מידע כוזב
שימוש לא ראוי (שימוש לרעה)
זיוף זהויות (deepfake)
האם זה אמור למנוע מאיתנו להתקדם? לא. צריך להכיר ולהתמודד, וגם לדעת ש:
חלק לא מבוטל מהמתפרסם מקצין משמעותית את תיאור המצב.
מתחילים כבר עכשיו לפתח פתרונות טכנולוגיים שיתמודדו עם חלק מהבעיות.
אובדן מיומנויות אנוש
אובדן מיומנויות אנוש הינה סיכון כפול:
הקושי בהתמחות ויצירת המיומנויות. היות והבינה היוצרת תשמש כעוזר וירטואלי למשימות רבות, משימות שבעבר בוצעו על ידי שוליות ומתמחים תבוצענה על ידי המכונה.
הקושי בשימור מיומנויות קיימות, שכן הבינה מבצעת אותן במקומנו (כמו עם מחשבונים או תוכנות ניווט).
כחברה, נדרש לגבש פתרונות, לצרכים אלו, ובמקרים מסוימים להשלים עם אובדן המיומנויות או החלשתן.
הטיות ויכולת הסבר
בעיית ההטיה (bias) אינה מאפיינת מכונות, אם כי בני אנוש, אך היות והמכונה מעצימה את ההטיות האנושיות בתכנים עליהם היא מתבססת, הן הופכות להיות משמעותיות יותר ויכולות להוות סיכון.
כאשר הבינה היוצרת מתבססת על כלל המידע הפתוח באינטרנט, היא מאזנת את עצמה ברוב המקרים, כך שהסיכון למעשה קטן, אל מול המוכר במאגרים תחומים.
בעיית ההסבר נובעת מהתנהגותן של הבינה כ ״קופסה שחורה״.
וMarr מתייחס לפתרונות טכנולוגיים המתפתחים בהקשר זה. כמו כן (מ.ל.) מומלץ לבקש מהמכונה הסברים והצדקות להמלצות, כמו גם לבקש מהבינה שתפעיל חשיבה ביקורתית על שהציעה, ובמקרה הצורך להצליב את התוצרים עם מקורות מידע אחרים.
סוגיות משפטיות
סודיות משפטיות מרכזיות נוגעות לזכויות יוצרים, הגנה על מידע בהתאם לחוק (דוגמת GDPR) והצורך בחקיקה חדשה.
לגבי זכויות יוצרים ישנה שאלה כפולה: א) האם ניתן להתבסס על המידע ללא הפרת זכויות יוצרים? ו- ב) של מי זכויות יוצרים של מידע שנוצר עם הבינה היוצרת.
ישנן גישות שונות, החל מאיסור גורף לשימוש בחברות שונות, ועד הכחשת זכויות יוצרים בגלל דרך העבודה של המכונה של האינטגרציה והסינתזה המבוססת על נתוני עתק, ובין לבין פתרונות שונים, דוגמת המגמה החדשה של Open AI לאפשר לאמנים להחליט שעבודתם לא תיכלל כקלט למודלים.
מאמצי חקיקה הולכים ומתפתחים אם בארה״ב, סין או באירופה, ובעיקר ניתן להגיד בשנת 2024, שהחקיקה עדיין בתהליך.
השפעות סביבתיות
הבינה היוצרת, כמו טכנולוגיות בינה מלאכותית רבות צורכת משאבי מחשוב עצומים, וככזו משפיעה לרעה על בעיות האקלים והסביבה.
התקווה היא שלטווח הרחוק יימצא פתרון, ועד אז, שנשכיל גם להשתמש לחיוב במענה לבעיות האקלים בזכות הבינה היוצרת, תוך איזון, לפחות חלקי, של המחיר הכבד.
יישום בינה יוצרת במגזרים השונים
וMarr מציע פירוט נרחב לרשימת מגזרים מייצגת של אופי התרומה האפשרית של הבינה היוצרת, לרבות דוגמאות רבות של חברות ומוצרים שכבר מיושמים הלכה למעשה.
להלן דוגמאות מייצגות (חלקיות!!) לגבי כל אחד ממגזרים אלו:
מדיה ובידור
יישומים טיפוסיים
עיתונות: כתיבת כתבות, ניתוח תגובות קהל, הכנת סרטי וידאו.
שידורי ספורט: הדגמת מהלכים מזוויות שונות, התאמה אישית של צילומים.
ספרים וסרטים: יצירת רעיונות, כתיבת סיפורת, תרגום.
מוזיקה: יצירת קולות רקע, כלים מלווים, יצירת קול.
אמנות: הדמיית יצירות אמנות במתבססת על סגנונות רצויים.
דוגמאות ארגונים שמיישמים
וAssociated Sport: סיכום אירועי ספורט.
וFormula One: סימולציות הממדלות מליארדי פרמטרים לכל מרוץ, תובנות על בסיס הצילום ועוד.
דוגמאות מוצרי תוכנה תומכים
וMidJourney
וElf Tech (יצירת מוזיקה אישית עם קול הזמרת הרלוונטית)
פרסום ושיווק
יישומים טיפוסיים
תוכן מותאם אישית
רעיונאות, יצירת פרסומות, ניסוחי תוכן שיווקיים, הכנת תמונות ומוסיקת ליווי.
ניתוח סנטימנטים ברשתות חברתיות.
דוגמאות ארגונים שמיישמים
וHeinz: סדרת תמונות מצחיקות ברשתות החברתיות על הקטשופ בחלל.
וFOX TV: יצירת סרטי וידאו מבוססי GenAI.
דוגמאות מוצרי תוכנה תומכים
וAdobe Firefly GenAI package
וSalesforce Einstein GPT
שירות לקוחות
יישומים טיפוסיים
ניהול השיח עם הלקוח במנועי החיפוש.
ניתוח נתונים והצפת תובנות על בסיס הנתונים.
תמיכה בנציגי השירות בעת השיחה.
חווית משתמש מותאמת אישית; המלצות והתערבויות מותאמות אישית.
יצירת מתווי הנחיות של פתרון בעיות לקוח, שלב אחרי שלב.
חיזוי בעיות והמלצות מקדימות על החלפה או תחזוקה של רכיבים.
יש לא מעט משימות בעולם שירות לקוחות שניתן להעביר באופן מלא למכונה, ורבות אחרות שנכון לפרק ולעשות בשילוב המכונה.
דוגמאות ארגונים שמיישמים
וOctopus Energy: מדווחים על בוט שמבצע כיום עבודה של 250 עובדים (44% מהעבודה).
וJetBlue: סיוע לנציגים וצמצום ממוצע של 280 שניות לשיחה, מה שהסתכם ב- 73,000 שעות חיסכון לרבעון.
דוגמאות מוצרי תוכנה תומכים
וZendesk Expanding Agents
וTwilio Customer AI
וSprinklr Note Automation.
מסחר וקמעונאות
יישומים טיפוסיים
שיפור חוויית משתמש באתר.
חנויות וירטואליות ב Metaverse: עזרי מכירה, הצגת בגדים על לקוח במידה וצבע מתאימים.
מראות מייעצות,
תכנון מסע קניות כולל.
עיצוב בגדים אישי (לא על ידי מומחה).
תוכניות נאמנות, קידום מכירות והנחות מבוססות GenAI.
הכנת תיאורי מוצר אוטומטית לקטלוג.
משא ומתן ממוכן עם ספקים.
דוגמאות ארגונים שמיישמים
וCarrefour: הכנסת רובוט מייעץ Hopla לחנויות.
וeBay: סייען קניות רובוטי ShopBot המשתלב ב Facebook Messenger.
וWalmart: סייען קניות המשפר את חוויית הקניה.
למידה וחינוך
יישומים טיפוסיים
למידה מותאמת אישית.
סיוע בהכנת ספרי לימוד, מערכי למידה, תרגולים, חידונים ומבחנים.
סיוע במשובים למורים לגבי נקודות חולשה של תלמידים.
יצירה אוטומטית של שאלות המשך והעמקה במקומות בהם תלמידים מתקשים.
מענה לתלמידים בזמן אמת על שאלות וקשיים בעת הלמידה.
המלצות לצוות ההוראה כיצד להתמודד עם אתגרי התנהגות.
הכנת סיכומים ללומד.
סיוע בלמידה ופיתוח מיומנויות רכות.
דוגמאות ארגונים שמיישמים
וKhan Academy: למידה מותאמת אישית המשנה את השאלות בהתאם להבנת הלומד; מסייעת גם לניהול הכיתה כולה.
וUdacity: ליווי למידה אישית, הכנת סיכומים ותרגום חומרי למידה לשפה רצויה.
דוגמאות מוצרי תוכנה תומכים
וQuizlet GenAI: הדרכה לומידה מותאמת אישית.
בריאות
יישומים טיפוסיים
ייעוץ מותאם אישית למטופלים.
זיהוי מחלות; זיהוי מוקדם של מחלות; זיהוי תסמינים בצילומי רנטגן, MRI, CT.
טיפול תרופתי מותאם אישית; טיפול מונע.
מחקר רפואי ופיתוח תרופות חדשות.
שיפור וייעול ההתנהלות התפעולית.
סיכום פגישות אצל רופא.
המענה מאד משמעותי, במיוחד על רקע המחסור החמור בכוח אדם רפואי בעולם.
דוגמאות ארגונים שמיישמים
בתי הספר לרפואה של Harvard ו- Oxford עושים שימושים לצרכי מחקר, כדי לבחון התפתחות של נגיפים.
דוגמאות מוצרי תוכנה תומכים
וAda: המלצות רפואיות בשפות שונות, בהתאם לתסמינים (עד היום טיפל כבר ב 13 מיליון מטופלים!!)
וNextGen: ניהול מרפאות.
משחקי וידאו
יישומים טיפוסיים
עיצוב משחקים: דמויות, תפאורה, סיפורים ועוד.
פיתוח תוכנת המשחקים; פיתוח הסביבה בה מורצים המשחקים; מידול אוטומטי; יצירת וסינתזה של קולות ואפקטי קול; יצירת חידונים.
מיכון שלב הבדיקות של משחקי מחשב.
מתחיל להסתמן: כלים ויעולות לפיתוח עצמי של משחקים על ידי המשתמשים.
דוגמאות ארגונים שמיישמים
ןNinja Theory
וUbisoft
דוגמאות מוצרי תוכנה תומכים
וAnimate Anything: אנימציה של דמויות תלת ממד.
וNVIDIA: סביבת ענן למשחקים.
משפטים
יישומים טיפוסיים
כתיבת טיוטות מסמכים
מחקר משפטי
גילוי וסקירת מידע
ניתוח חוזים (סיכומים, מילות מפתח, סוגיות לבחינה)
הערכת תוצאות בירור משפטי
צ׳אט בוטים משפטיים מייעצים
דוגמאות ארגונים שמיישמים
וThomson Reuters: תשובות לשאלות עורכי הדין.
וMacfarlanes.
דוגמאות מוצרי תוכנה תומכים
וLexis+: מחקר משפטי
וLegal Robot: פישוט מסמכים ושפה משפטית לאנשים מן השורה.
עיצוב ופיתוח
יישומים טיפוסיים
זירוז תהליכי פיתוח תרופות: המלצות על מחלות או מצבים לפיתוח סביבם; הצעת כימיקלים או פרוטאינים שיכולים להיות פוטנציאל טיפולי לצורך מוגדר; בחינת התאמת כימיקל ויכולתו לתת מענה טוב לצורך.
תרופות מותאמות אישית לבן אדם מסוים בהתאם למאפייניו.
עיצוב מוצרים; עיצוב משולב תלת ממד.
זיהוי ומניעת כשלים במכונות; חיזוי סיכוני בטיחות ברכבים.
סיוע למחקר אקדמי.
יצירת העתק Digital Twin למפעל או קבוצת מחשבים.
דוגמאות ארגונים שמיישמים
וMerk: סיוע לפיתוח תרופות.
וTiffany & Company: עיצוב אבי טיפוס לתכשיטים.
דוגמאות מוצרי תוכנה תומכים
וDell: פלטפורמה לאבחוני מחלת הסרטן ומחקר חיזוי.
וGoogle DeepMind: מאגר מוטציות גנטיות ויכולת תחקורו.
וConsensus: תשובה של כן או לא, האם עניין מסוים הינה בקונצנזוס של הקהילה האקדמית.
העולם הפיננסי
יישומים טיפוסיים
שירות לקוחות (ראו לעיל).
בנקאות מותאמת אישית.
מיכון תהליכים בנקאיים: החלטה על אשראי, הסברים ידידותיים לסירוב; זיהוי וחיזוי הונאה; מידול פיננסי; מערכות תשלומים; אסטרטגיות מסחר בורסאי; ניהול נכסים; ציות; הכרת הלקוח.
מיכון תהליכים חשבונאיים: דוחות, חיזוי; ניתוח נתונים; טיפול בסיכונים; המלצות; סימולציות.
דוגמאות ארגונים שמיישמים
וBank of China
וAntGroup
וHSBC
וMorgan Stanley
וMoody’s
דוגמאות מוצרי תוכנה תומכים
וIntuit: סיוע לניהול אישי של טיפול במיסים.
פיתוח תוכנה
יישומים טיפוסיים
איסוף צרכים
כתיבת קוד
השלמות אוטומטיות בכתיבת קוד
ביצוע בדיקות תוכנה
דוגמאות ארגונים שמיישמים
וFreshworks: כתיבת קוד.
וAugmend: השלמת קוד.
דוגמאות מוצרי תוכנה תומכים
וGitHub Copilot.
וCodacy: מיכון כתיבת תוכנה.
נתונים ובינה עסקית
יישומים טיפוסיים
כבר מעל 20 שנה שארגונים עוסקים בבינה עסקית והרבה מעבר לכך בניתוח נתונים, אך בהצלחה חלקית, וזו אחת הסיבות המרכזיות לכך שקבלת ההחלטות מבוססת נתונים נמוכה בהיקפה. בינה יוצרת מסייעת ב:
הבנת נתונים
זיהוי דפוסים
סיכום נתונים
חיזוי על בסיס נתונים
בחינת רעיונות ותרחישים מבוסס נתונים
טיוב נתונים
ויזואליזציה של נתונים
דוגמאות ארגונים שמיישמים
וTELUS
וJetBlue
דוגמאות מוצרי תוכנה תומכים
וMS Power BI
וMicroStrategy AI
מימוש
מימוש אינו טריוויאלי. הוא מתחיל בטיפוח הלך רוח ותרבות מתאימים:
הלך רוח המתייחס לרצון לתהליך משולב אדם-מכונה, לתהליך לשיתופיות בין אנשים, להתאמות וגמישות, סקרנות ולמידה, וכן חשיבה ביקורתית.
תרבות המתחילה במנהיגות, ובמבנה ארגוני תומך (שטוח) והבנה שהקריירה של אנשים היא משתנה ומפתחת.
נדרש לפתח מיומנויות של ביזור סמכויות (למכונה כמובן), לפתח כישורים חדשים לעובדים בהתאם לעיסוק הספציפי, להסתמך על שותפויות, ולהמשיך להיאבק על הכשרונות והאנשים הטובים שיישארו בארגון.
וMarr ממליץ למנות חבר הנהלה ייעודי לנושא הובלת הבינה המלאכותית (ולא להטיל את האחריות על סמנכ״ל המחשוב או סמנכ״ל הדיגיטל).
נתונים הם גם גורם מפתח להצלחת המהלך: התייחסות לנתונים כמשאב ונכס ארגוני; דאגה לנתונים חדשים ומתעדכנים; שמירה על הנתונים הארגוניים; ובחינה מתמדת של נתונים ומידע חיצוניים שחשוב להתייחס אליהם גם.
כמובן נדרשת היערכות טכנולוגית: רשתות תקשורת, ארכיטקטורת נתונים, תשתית אבטחת מידע וכלי בינה יוצרת המתאימים לצרכי הארגון.
מומלץ לפתח אסטרטגיית בינה יוצרת, וממנה לגזור את המהלכים.
תהליך אימוץ בינה יוצרת יהיה איטרטיבי, וידרוש למידה, התנסויות, נפילות, הפקת לקחים, וחוזר חלילה.
היערכות שכזו היא תנאי מפתח להצלחת היישום.
האם בכך תמה הדרך? בהחלט לא. בינה יוצרת מתפתחת כל העת, ועוד נכונו הפתעות רבות. אם בשילוב סוכני בינה שיעבדו יחד לקבלת בינה כוללת (ולא רק משימות עצמאיות), אם לשילוב עם רובוטים (פתרונות ראשוניים נצפים כבר כיום) ואם בממשקים ישירים למוח שלא דרך מקלדת.
לסיכום, בינה יוצרת היא מענה מרשים ביותר, אך בסוף היום היא רק כלי. מתי להשתמש, לטובת מה להשתמש ואיך להשתמש, כדי למצות את הפוטנציאל באופן החיובי ביותר ולהועיל לנו ולחברה כולה; הכל תלוי בנו.
コメント