לפני יותר מחמישים שנה טבע גורדון מור את "חוק מור", שתיאר את קצב ההתקדמות של שבבים אלקטרוניים. בשבוע האחרון נעשה ניסיון לנסח חוק חדש – אפשר לקרוא לו "חוק מטר", על שם יוזמיו – המתאר את קצב ההתפתחות של הבינה המלאכותית. לפי החוק הזה, הבינה המלאכותית מכפילה את יכולותיה מדי שבעה חודשים, וצפויה להגיע לרמת "בינה מלאכותית כללית" עד שנת 2029 – כלומר, רמה שמאפשרת לה להתחרות בהצלחה עם מומחים אנושיים.
עמותת מטר (METR), גוף ללא מטרת רווח מקליפורניה, ניסתה לאחרונה לבחון אם ניתן לחזות את ההתקדמות של בינה מלאכותית על סמך חוקיות ברורה. מדוע זה חשוב? כי אם נוכל לצפות את עתיד היכולות של מערכות כאלה, נוכל גם להיערך אליו – הן ברמה העסקית והן ברמה החברתית. כיום, חברות עשויות להשקיע מיליארדים בטכנולוגיות אלו מתוך הערכה שהתשואה תגיע מהר מאוד, והבנה של הקצב תאפשר החלטות מושכלות יותר.
מטר בחרה להתמקד ביכולת של מערכות בינה מלאכותית לתכנת בעצמן – תחום שבו כבר כיום נרשמות הצלחות, אם כי ברמות משתנות של ביצועים, בהתאם למורכבות המשימה. כדי להעריך את ההתקדמות, החוקרים הגדירו את "רמת הקושי" כזמן שלוקח למתכנת אנושי להשלים את אותה משימה. הם בנו מערך של 169 משימות בתחומי תכנות, למידת מכונה והגנת סייבר, והשוו את ביצועי האדם לאלו של מערכות בינה מלאכותית.
במסגרת הבדיקה נותחו ביצועיהן של 13 מערכות בינה מלאכותית מובילות בזמנן. נמצא דפוס עקבי: מערכות מוקדמות כמו GPT-2 מ־2019 הצליחו במשימות שנמשכות עד שלוש שניות בלבד. GPT-3, שהושק באמצע 2020, הצליח בביצוע משימות באורך של שמונה שניות. תחילת 2022 כבר הביאה עמה מערכות שהתמודדו עם משימות של חצי דקה, וקלוד 3.7-סונט, מתחילת 2025, כבר מסוגל להתמודד לבדו עם משימות של שעה.
המסקנה: בכל דור, המופיע מדי שבעה חודשים, מכפילה הבינה המלאכותית את יכולתה לבצע משימות ארוכות ומורכבות יותר. אם היום מערכת מתקדמת מסוגלת לבצע משימת תכנות שאורכת שעה, הרי שעד סוף 2025 היא תוכל להתמודד עם משימות של שעתיים, ובמהלך 2027 – לבצע עבודה שדורשת מתכנת אנושי יום שלם, בלחיצת כפתור.
אלא שיש הסתייגויות. הנתונים הללו מתייחסים להצלחה של 50% בלבד – כלומר, רק במחצית מהמקרים הבינה המלאכותית אכן משלימה את המשימה בהצלחה. המשמעות היא שעדיין נדרשת בקרה אנושית: מתכנתים ומומחים יצטרכו לפקח על המערכת, לבדוק תוצרים, לתקן שגיאות ולוודא תקינות.
מה קורה אם מציבים רף גבוה יותר, של 80% הצלחה? גם אז נשמרת אותה חוקיות: בכל שבעה חודשים היכולות מוכפלות. כיום, בינה מלאכותית מצליחה לעמוד במשימות באורך של 15 דקות בדיוק הזה. לפי הקצב הזה, עד 2028 או 2029 היא תוכל לבצע באמינות גבוהה משימות תכנות שאורכות יום שלם.
בשלב הזה, מי שינהל את מערכות הבינה המלאכותית לא יהיה בהכרח מתכנת, אלא מי שיבין את המוצר הכולל: "מנהל מוצר" שיפקח על מערכות תכנות, גרפיקה, אבטחת מידע ועוד – כולן מונעות על ידי בינה מלאכותית. תפקידו יהיה לתכנן, לוודא איכות ולבצע התאמות – הביצוע עצמו ייעשה כמעט כולו בידי המכונה.
ומה יקרה כשנגיע לבינה מלאכותית שמצליחה באחוזים גבוהים במיוחד – קרוב למאה אחוז – במשימות של יום עבודה שלם? זה כנראה עניין של שנים בודדות. צריך לזכור שחוק מטר נבחן רק בתחום התכנות ולמידת מכונה. לא ברור עדיין אם חוק דומה חל גם על תחומים כמו רפואה, משפטים או כלכלה – אך ייתכן שכן.
אם החוק הזה אכן משקף מגמה כללית, הרי שכבר בתוך שלוש שנים רבות ממשרות הצווארון הלבן יעברו שינוי דרמטי. המומחיות תידרש פחות לביצוע ויותר להכוונה, פיקוח וניהול. מדענים, מהנדסים, רופאים ועורכי דין – כולם יצטרכו ללמוד לעבוד עם הבינה המלאכותית, להפעיל אותה, ולדעת למנף אותה.
ולבסוף – שאלת הבינה המלאכותית הכללית. לפי חוקרי מטר, מערכת כזו תוכל לבצע בעצמה משימות מורכבות של חודש עבודה – בדומה לזמן הנדרש להכשרת עובד חדש. כלומר, מערכות כאלה יוכלו להיכנס לארגון, ללמוד את דפוסי העבודה ולהשתלב בו במהירות – ואפילו לנהל אותו.
החוקרים מעריכים שנגיע לרמה הזו עד סוף 2029, עם טווח טעות של שנתיים. כלומר, לכל המאוחר – עד 2031. כשזה יקרה, לא נצטרך רק לשאול מה תוכל המכונה לעשות, אלא מה נרצה שהיא תעשה – ומה לא. בתקווה, הבחירה תישאר בידיים שלנו.
המאמר פורסם במקור במדריך לעתיד – הבלוג של ד"ר רועי צזנה, חוקר ועתידן באוניברסיטת תל-אביב
