עוד לא פיצחנו אינטליגנציה. אז למה ענקיות הטכנולוגיה משקיעות מאות מיליארדים?

עונת הדוחות הנוכחית בוול סטריט מספקת מספרים שקשה לעכל. חברות הטכנולוגיה הגדולות בעולם משקיעות מאות מיליארדי דולרים במרכזי נתונים, שבבים, רשתות תקשורת וחשמל. בכל רבעון תחזיות ההשקעה עולות והמרוץ אחר כוח מחשוב מתגבר. התגובה הטבעית של משקיע היא לשאול: על מה בדיוק מוציאים את כל הכסף הזה, והאם ההשקעות האלה יוכלו להצדיק את עצמן?

כדי לענות צריך לחזור ל-2017, למאמר של חוקרים מגוגל בשם Attention Is All You Need. המאמר הציג ארכיטקטורה חדשה לעיבוד מידע בשם Transformer ה-T שנמצא היום בשם GPT   והניח את הבסיס למודלי השפה שאנחנו מכירים.

עד אז, מודלים לעיבוד שפה התבססו במידה רבה על קריאה סדרתית, מילה אחר מילה. ה-Transformer הציע מנגנון בשם “Attention” קשב, שמאפשר למודל לבחון קשרים בין חלקים שונים בטקסט ולהחליט לאילו מהם לתת משקל. במשפט "דני נכנס למסעדה כי הוא היה רעב", למשל, המערכת לומדת לקשר את "הוא" ל"דני". אלא שהחידוש המשמעותי לא היה רק בהבנת הקשרים: חלק גדול מהחישובים יכול היה להתבצע במקביל.

הארכיטקטורה הזאת התאימה כמעט באופן מושלם למעבדים גרפיים (GPUs) כמו אלה שמפתחת NVIDIA שמסוגלים לבצע מספר עצום של חישובים במקביל. מכאן נוצר חיבור ששינה את התעשייה: אלגוריתם שמסוגל לנצל עוד ועוד כוח מחשוב ותעשיית שבבים שמסוגלת לספק אותו. בהמשך התברר שכאשר מגדילים בצורה נכונה את כמות הנתונים, גודל המודל וכוח המחשוב - תהליך המכונה Scaling  הביצועים ממשיכים להשתפר. לא בטוח שפיצחנו אינטליגנציה, אבל גילינו דרך להפוך כוח מחשוב ליותר יכולת.

חשוב להבין גם מה לא קרה. בבסיסם, מודלי השפה הגדולים שעליהם מבוססים ChatGPT ומוצרים דומים לומדים מתוך כמויות עצומות של מידע לחזות את ההמשך הסביר של רצף. כשעושים זאת בקנה מידה עצום נוצרות יכולות מרשימות של כתיבה, תכנות, תרגום, ניתוח ופתרון בעיות. אבל היכולת לייצר תשובה שנראית אינטליגנטית אינה בהכרח זהה לאופן שבו אדם מבין את העולם.

ובוודאי שעדיין לא פיצחנו את הגביע הקדוש של התחום - AGI אינטליגנציה מלאכותית כללית שמסוגלת ללמוד, להבין, לתכנן ולהתמודד עם מגוון רחב של בעיות חדשות בדומה לאדם. המודלים הנוכחיים עדיין מתקשים באמינות לאורך משימות מורכבות ובתכנון ארוך טווח, ובהחלט ייתכן שכדי להגיע ל AGI-  תידרש פריצת דרך נוספת ולא רק עוד כוח מחשוב.

אלא שמבחינת משקיע, אולי אנחנו מייחסים לשאלה הזאת חשיבות גדולה מדי. כדי להצדיק את מאות המיליארדים שמושקעים היום ב -AI לא צריך להגיע ל-AGI, צריך שהמודלים הקיימים יהיו טובים מספיק כדי לשנות את הדרך שבה עסקים עובדים.

וכאן עונת הדוחות הופכת למעניינת במיוחד. מי שמאשר את השקעות הענק האלה הן Microsoft, Amazon, Alphabet ו- Meta מהחברות הגדולות והרווחיות בעולם. הן מחזיקות במידע בזמן אמת על הביקוש לשירותי ענן ולכוח מחשוב, ובכל זאת ממשיכות להעלות את ההשקעות. המסר של ההנהלות אינו של היסוס, אלא של ביטחון מלא בתמורות העתידיות ושל צורך להוסיף קיבולת מחשוב. Meta למשל, השקיעה יותר מ-31 מיליארד דולר רק ברבעון האחרון, בזמן שהכנסותיה צמחו ב-28%, וכבר מצביעה על AI כגורם שמשפר משמעותית את מערכות ההמלצה והפרסום שלה.

החברות האלה יכולות לטעות. ההיסטוריה מלאה במחזורי השקעות יתר. אבל כשכמה ממקצות ההון הגדולות בעולם, שמחזיקות במידע הטוב ביותר על הביקוש, מגיעות לאותה מסקנה, קשה להתעלם מהאיתות.

הסיבה היא שכוח מחשוב מתחיל להפוך מאמצעי טכנולוגי לאמצעי ייצור. בכל פעם שמודל מנתח מסמך, כותב קוד או מנהל שיחה הוא צורך כוח מחשוב. ככל שהשימושים מתרחבים, וככל שעוברים מצ'אט פשוט לסוכני AI  שמסוגלים לבצע סדרת פעולות באופן עצמאי, הדרישה למחשוב גדלה. המרוץ אינו רק לאמן את המודל הבא, אלא להפעיל מיליארדי שימושים במודלים שכבר קיימים.

וכאן הסיפור יוצא מסקטור הטכנולוגיה. בנק לא צריך AGI הוא צריך שנציג שירות יטפל ביותר לקוחות, שאנליסט אשראי יעבור על מסמכים מהר יותר ושמערכות ציות יבצעו אוטומטית חלק מהעבודה. חברת ביטוח צריכה מערכת שקוראת תביעה ומשווה אותה לפוליסה. חברת תוכנה צריכה שכל מתכנת ייצר יותר קוד. מחקרים על הטמעת AI כבר מצאו שיפור משמעותי בפרודוקטיביות, במיוחד אצל עובדים פחות מנוסים. ה-AI לא חייב להחליף את העובד כדי לייצר ערך, מספיק שהוא יהפוך אותו ליעיל יותר.

וזה מתחבר ישירות לשולי הרווח. יהיה מוקדם לייחס את שיאי הרווחיות שאנחנו רואים בחלק מהסקטורים רק ל-AI אבל המשוואה ברורה: אם בנק מגדיל פעילות ב-10% ואת כוח האדם רק ב-3%, המרווח משתפר. אם חברת ביטוח מטפלת ביותר תביעות עם אותה מצבת עובדים, אותו עיקרון פועל.

אולי AI אינו מהפכה נפרדת אלא השלב הבא במהפכה הדיגיטלית. הפכנו מידע לדיגיטלי, האינטרנט חיבר אותו, הענן ריכז את כוח המחשוב והסמארטפון שם אותו בכיס שלנו. עכשיו המחשב מתחיל לבצע חלק מהעבודה על המידע בעצמו.

אנחנו עדיין לא יודעים מהם כל השימושים המדהימים שייוולדו בעתיד. אבל כדי לגלות אותם צריך לבנות את התשתית. יותר כוח מחשוב מאפשר יותר יכולת, יותר יכולת יוצרת שימושים חדשים, והשימושים מייצרים ביקוש לעוד כוח מחשוב. זה המעגל שעליו נשען היום שוק ההון והכלכלה העולמית.

ייתכן שבעוד עשור נגלה שה Transformer  היה רק שלב ביניים בדרך ל AGI אבל מבחינת המשקיע, כבר קרה משהו חשוב מספיק: לא פיצחנו את המוח האנושי. פיצחנו דרך להפוך כוח מחשוב ליכולת, ואת היכולת הזאת לפרודוקטיביות, וזאת רק ההתחלה.