מודל שפה גדול

באתר זה מה זה (זהמהזה) zemaze.co.il, מיזם שיתופי חברתי להעלאת סרטונים מכל העולם עם כתוביות בעברית תמצאו סרטונים תחת הערךמודל שפה גדול.

בינה מלאכותית, הטכנולוגיות השונות

פורסם בתאריך מרץ 3, 2025 ע"י

בינה מלאכותית, הסבר!

בינה מלאכותית, הטכנולוגיות השונות. תרגום תוכן, סרטון מערוץ היוטיוב © IBM Technology. הערוץ מספק תוכן חינוכי בנושאים הגדולים ביותר בטכנולוגיה.כאן תמצאו מידע בכל הקשור ל- AI, אוטומציה, אבטחת סייבר, מדעי נתונים, DevOps ומחשב קוונטי. המומחים של IBM יעזרו לכם לללמוד על מגמות חדשות, לקבל תובנות ולרכוש מיומנויות. הערוץ פועל בהתאם להנחיות המחשוב החברתי של IBM.

הסרטון הפעם על בינה מלאכותית, למידת מכונה, למידה עמוקה ובינה מלאכותית יוצרת. המנחה, ג'ף קרום (Jeff Crume) מסביר את ההבחנות בין הטכנולוגיות וכיצד הן התפתחו. ג'ף קרום הוא מהנדס בחברת יבמ, ממציא, מחבר, פרופסור משנה ואדריכל אבטחת סייבר.

ציר הזמן של בינה מלאכותית

ג'ף בוחן את ההתקדמות העדכנית ביותר ב-Generative AI. מודלים של שפות גדולות, צ'טבוטים וזיופים עמוקים. הסרטון מבהיר תפיסות שגויות נפוצות, מפשט מושגים מורכבים ודן בהשפעה של הטכנולוגיות על תחומים שונים.

ג'ף נותן סקירה כללית על בינה מלאכותית (AI), למידת מכונה (ML), למידה עמוקה (DL) ובינה מלאכותית יוצרת (Generative AI).

  • בינה מלאכותית (AI)

תחום רחב במדעי המחשב המתמקד בפיתוח מערכות שיכולות לבצע משימות הדורשות אינטליגנציה אנושית, כמו זיהוי דיבור, קבלת החלטות ופתרון בעיות.

  • למידת מכונה  (Machine Learning)

תת-תחום של AI, שבו מערכות לומדות ומשתפרות באופן אוטומטי באמצעות נתונים, ללא תכנות מפורש.

  • למידה עמוקה (Deep Learning)

תת-תחום של למידת מכונה, המשתמש ברשתות נוירונים עם שכבות רבות (רב-שכבתיות) כדי ללמוד ייצוגים מורכבים של נתונים, מה שמאפשר למערכות לבצע משימות כמו זיהוי תמונות ודיבור.

  • בינה מלאכותית יוצרת (Generative AI)

סוג של AI המשתמש במודלים גנרטיביים כדי ליצור תוכן חדש, כמו טקסט, תמונות או מוזיקה, על בסיס דוגמאות קיימות.

בתחילת הסרטון ג'ף מסביר את ההבדל בין בינה מלאכותית ללמידת מכונה. בינה מלאכותית היא תחום רחב יותר הכולל כל טכנולוגיה המחקה אינטליגנציה אנושית. שלמידת מכונה היא סוג של בינה מלאכותית שמשתמשת באלגוריתמים כדי ללמוד מנתונים ולשפר את ביצועיה.

בהמשך ג'ף מסביר את ההבדל בין למידת מכונה ללמידה עמוקה. למידה עמוקה היא סוג של למידת מכונה שמשתמשת ברשתות עצביות עמוקות כדי ללמוד מנתונים. רשתות עצביות עמוקות הן מודלים מתמטיים המורכבים משכבות רבות של נוירונים. כל שכבה לומדת תכונות שונות מהנתונים ויחד השכבות לומדות לייצג את הנתונים בצורה משמעותית.

הסרטון מסביר מהי בינה מלאכותית יוצרת שיכולה ליצור תוכן חדש כמו טקסט, תמונות ומוזיקה. הסרטון מדגיש את ההתקדמות הטכנולוגית בכל אחד מהתחומים הללו ואת השפעתם על חיינו. ג'ף נותן דוגמאות לשימושים של בינה מלאכותית בקטגוריות השונות. לדוגמה, בינה מלאכותית משמשת לזיהוי דיבור, תרגום שפות, נהיגה אוטונומית וניתוח תמונות.

תרגום הסרטון

בימים אלה כולם מדברים על בינה מלאכותית, או בקיצור AI. למידת מכונה היא נושא חם נוסף. האם אלה אותו דבר או שהם שונים? ואם כן, מהם ההבדלים ביניהם? ויש גם את תחום הלמידה העמוקה שנכנס לתמונה. למעשה, עשיתי סרטון על שלושת התחומים האלה: בינה מלאכותית, למידת מכונה ולמידה עמוקה והסברתי כיצד הם משתלבים זה בזה. היו הרבה תגובות על הסרטון הזה ואני רוצה להתייחס לכמה מהשאלות הנפוצות ביותר כדי שנוכל להפריך כמה מיתוסים ולפזר אי-הבנות בנושא.

מאז הסרטון ההוא קרה משהו נוסף – פרץ עצום של תחום הבינה המלאכותית היוצרת (Generative AI. נראה כאילו מודלים כמו מודלי שפה גדולים (Large Language Models).

וצ'אטבוטים כובשים את העולם, רואים אותם בכל מקום. מדובר בטכנולוגיה מרתקת.
ואז יש גם דברים כמו זיוף עמוק (Deepfakes). כל אלה נכללים בתוך תחום הבינה המלאכותית.

איך הן משתלבות זו בזו? כיצד הן קשורות?

בסרטון הזה, ננסה להסביר כיצד כל הטכנולוגיות האלה קשורות ואיך אנחנו יכולים להשתמש בהן.

בינה מלאכותית  (AI)

קודם כל, הערה קטנה – אני הולך לפשט חלק מהקונספטים. לכן, סליחה מראש למומחים בתחום. אבל ננסה להסביר זאת בצורה פשוטה, וזה יכלול כמה הכללות. נתחיל עם בינה מלאכותית. בינה מלאכותית היא למעשה ניסיון לדמות באמצעות מחשב משהו שיתאים או יעלה על האינטליגנציה האנושית.

מהי אינטליגנציה?

זה יכול להיות הרבה דברים שונים, אבל בדרך כלל אנחנו חושבים עליה כעל יכולת ללמוד ולהסיק מסקנות. וזה מה שאנחנו מנסים לעשות בתחום הרחב של בינה מלאכותית. אם נסתכל על ציר הזמן של הבינה המלאכותית, נראה שהיא התחילה להתפתח בערך בתקופה הזו. בימים ההם, התחום היה מאוד ראשוני, רוב האנשים אפילו לא שמעו עליו, והוא היה בעיקר נושא למחקר. כסטודנט לתואר ראשון, כבר עסקתי בעבודות בתחום הבינה המלאכותית. שפות התכנות שהשתמשנו בהן היו Lisp  ו-Prolog שהיו מעין מבשרות של מערכות מומחה(Expert Systems). במהלך שנות ה-80 וה-90, מערכות מומחה התחילו לצבור פופולריות. אבל כל זה היה לפני שהגענו לנושא הבא – למידת מכונה.

למידת מכונה  (Machine Learning) 

למידת מכונה, כשמה כן היא – המכונה לומדת. אני לא צריך לתכנת אותה במפורש. אני מספק לה הרבה מידע והיא לומדת להבחין בדפוסים. לדוגמה, אם אני מראה לכם סדרה של מספרים ומבקש שתנבאו מה יבוא אחר כך, יהיה לכם קשה לחזות כי יש לכם מעט מידע.
אבל אם אוסיף עוד נתונים, תוכלו להתחיל לזהות את התבנית. למידת מכונה פועלת בדיוק כך – היא טובה מאוד בזיהוי דפוסים וגילוי חריגות.
למשל, בתחום הסייבר שבו אני עובד, אנחנו משתמשים בלמידת מכונה כדי לזהות פעילות חריגה של משתמשים, כגון שימוש לא רגיל במערכות או ניסיונות פריצה.

למידת מכונה הפכה לפופולרית בעיקר במהלך שנות ה-2010. כיום היא מהווה את הבסיס לטכנולוגיות רבות.

למידה עמוקה  (Deep Learning)

השלב הבא הוא למידה עמוקה שבה אנחנו משתמשים ב- רשתות נוירונים (רשת עצבית מלאכותית Networks (Neural.

הרשתות האלה מחקות את אופן הפעולה של המוח האנושי, לפחות עד כמה שאנחנו מבינים אותו.
הן נקראות "עמוקות" כי הן כוללות שכבות רבות של נוירונים מלאכותיים. למידה עמוקה מאפשרת לנו להגיע לרמות דיוק גבוהות מאוד במשימות כמו זיהוי תמונה ודיבור.

אבל יש כאן בעיה. לפעמים קשה להבין איך רשתות נוירונים מגיעות למסקנות שלהן.
בגלל המורכבות שלהן, לא תמיד אפשר לנתח בדיוק מדוע הרשת חזרה על תשובה מסוימת.
למרות זאת, מדובר באחת ההתפתחויות החשובות ביותר בתחום הבינה המלאכותית.

בינה מלאכותית יוצרת (Generative AI)

התחום החם ביותר היום הוא בינה מלאכותית יוצרת. מודלים גנרטיביים יוצרים תוכן חדש כמו טקסטים, תמונות ואפילו מוזיקה. דוגמה לכך היא מודלי שפה גדולים (Large Language Models), שמאפשרים למערכות לחזות מילים, משפטים ופסקאות שלמות.

יש כאלה שטוענים שבינה מלאכותית גנרטיבית לא באמת יוצרת תוכן חדש, אלא פשוט משכפלת מידע קיים. אבל אתן לכם אנלוגיה:
מוזיקה חדשה נוצרת מתווים שכבר קיימים. כך גם בינה מלאכותית יוצרת. היא מרכיבה צירופים חדשים של מידע קיים.

בנוסף, יש לנו מודלים של אודיו ווידאו, שמאפשרים יצירת Deepfakes – טכנולוגיה שיכולה לזייף קולות, פרצופים ווידאו כך שייראו אמיתיים לחלוטין.
למשל, אפשר לגרום למישהו להיראות כאילו אמר משהו שמעולם לא אמר. לטכנולוגיה הזו יש שימושים טובים כמו יצירת תוכן לאנשים עם מוגבלויות קוליות אבל גם סיכונים רבים כמו הפצת מידע כוזב.

לסיכום

בינה מלאכותית התחילה לאט ובמשך שנים זה היה משהו שנראה בעתיד בעוד 5, 10 שנים. אבל אז למידת מכונה ולמידה עמוקה התחילו לתפוס תאוצה. ולבסוף, מודלים גנרטיביים כמו ChatGPT הובילו להתפוצצות השימוש בבינה מלאכותית. היום אנחנו רואים את הבינה המלאכותית בכל מקום. הדבר החשוב הוא להבין איך להשתמש בה נכון, לנצל את היתרונות שלה ולהימנע מהסכנות.

לסרטוני 'הסבר פשוט' נוסםין עם כתוביות בעברית או תרגום תוכן לעברית לחצו על הקישור 

מה זה Deepseek V3

פורסם בתאריך ינואר 26, 2025 ע"י

מה זה Deepseek V3. תרגום תוכן, סרטון מערוץ היוטיוב © Mind Over Matter. הערוץ מפענח חידושים מורכבים במטרה לחשוף כיצד טכנולוגיות מתקדמות משנות את חיינו. מחשיפת מסתורי הבינה המלאכותית ועד לחקר מעמקי המחשוב הקוונטי, תכני הערוץ מקרבים את העתיד אליכם. למה לצפות?  תובנות פשוטות לגבי טכנולוגיות פורצות דרך,  עדכונים בלעדיים על AI, מחשוב קוונטי ומעבר לכך. סיפורים על חדשנות ממנהיגים כמו OpenAI, Google ו-NVIDIA.  אם אתם סקרנים לגבי הרעיונות שמעצבים את העתיד, הערוץ הזה הוא המקום שבו המסע שלכם מתחיל.

DeepSeek היא חברת בינה מלאכותית סינית המפתחת מודלים של שפות גדולות בקוד פתוח .החברה ממומנת אך ורק על ידי קרן הגידור הסינית High-Flyer  שהוקמה גם על ידי Liang Wenfeng ,

הבינה המלאכותית הפכה עם ה- Deepseek V3 לחכמה יותר. בסרטון הזה אנחנו צוללים לתוך התכונות פורצות הדרך של DeepSeek V3, מודל ה-AI האחרון בקוד פתוח. נראה כיצד הוא מסתדר עם GPT. החל במהירויות מדהימות ויכולות קידוד מתקדמות עם DeepSeek Coder, ועד ליכולת הרב-לשונית שלו.

Deepseek V3 היא לא עוד תוכנה של בינה מלאכותית. זאת מהפכה שכבר משנה את הדרך בה אנחנו חושבים, עובדים ומחדשים. ממהירות בוערת ללא תחרות ועד לאינטיליגנציה שאין כמותה, זאת  פריצת הדרך לה חיכיתם.

מה עומד מאחורי התוכנה

Deepseek V3 הוא מודל AI חדשני. עיבוד מהיר יותר, קבלת החלטות חכמה יותר ויעילות טובה יותר. זאת הליבה של המודל החדש. בואו נגלה את הקסם העומד מאחוריו.הדגם מתבסס על קודמיו אבל מביא שדרוגים מהפכניים.

תכונות המפתח של Deepseek V3

  • פי 3 מהיר יותר מ- Deepseek v2. מהירות מדהימה של כ-60 טוקנים בשנייה.
  • יכולות מושלמות של קידוד, הנמקה ואפילו משימות מתמטיקה מורכבות.
  • ממשק תאימות (1) API שעובד בצורה חלקה עם גרסאות ישנות יותר, מה שמאפשר שדרוגים ללא מאמץ.
  •  נגישות קוד פתוח מדגמים ועד עבודות מחקר, הכל בחינם ופתוח לכולם..

מענה לשאילתות בעולם האמיתי

הוא מצטיין במענה לשאילתות חינוכיות ואספקת תגובות עשירות ומדויקות בהקשר. פלטפורמות קידוד מהשורה הראשונה ביצועים על מדדי קידוד כמו LiveCodeBench, הוא אידיאלי עבור פלטפורמות תכנות תחרותיות וכלים להצעת קוד. מָתֵימָטִי יישומים. של הדוגמנית ביצועים עדכניים ב- Math 500 מדגיש את יכולתו להתמודד עם מתקדמים חשיבה מתמטית ומשימות פתרון בעיות. רב לשוני מערכות ידע. Deepseek v3 מפגין ביצועים מעולים ב אמות מידה רב לשוניות, מה שהופך אותה לכלי רב עוצמה לידע גלובלי ניהול ותרגום.

ביצועים מדהימים

הביצועים של Deepseek v3 מדהימים. לפי מפתח אמות מידה כמו MMLU (2) השיפורים הופכים אותה לבחירה אמינה ליישומים חדשניים ומשימות מגוונות.

האם זה מנצח את ChatGPT?

רבים מכם אולי תוהים איך להשוות את Deepseek  ל-ChatGPT? שני הדגמים מצטיינים בתחומים שלהם, Deepseek מביא יתרונות ייחודיים, כמו מהירויות עיבוד גבוהות פי שלושה ויתרון מיוחד בקידוד, משימות רב לשוניות, ומתמטיקה מתקדמת יישומים. יתרונות ה- GPT בהבנת שפה, בתוכן יצירתי ובפיתוח שיחות. אבל הדיוק של Deepseek הופך אותו למתמודד אדיר בנוף הבינה המלאכותית.

איזה מהם עדיף?

זה תלוי במה שאתם צריכים, אבל Deepseek ללא ספק מעלה את הרף. למה זה משנה? אחד ההיבטים מעוררי ההשראה של Deepseek v3 הוא פילוסופית קוד הפתוח שלו. על ידי שיתוף הדגמים שלה ומחקר בגלוי, הוא מזמין מפתחים וחוקרים מרחבי העולם  לתרום ולחדש. ביחד, אנחנו בונים עתיד שבו AI אינו רק עוצמתי, אבל גם שיתופי וכולל. זאת מעטפת ב-Deepseek V3. אִם אתם נרגשים מהעתיד של AI, אל תשכחו לעשות לייק, לשתף, ולהירשם ל- © Mind Over Matter. עד הפעם הבאה, הישארו סקרנים והמשיכו לחקור.

(1) API זה זה ראשי תיבות של Application Programming Interface. במונח הזה משתמשים בעולמות התכנות והטכנולוגיה על מנת לתאר דרך או גישה למידע של שירות חיצוני, בדרך כלל באמצעות קוד.

(2) מדד MMLU הוא בדיקה למדידת היקף הידע ויכולת פתרון הבעיות שמודלים גדולים של שפה צוברים במהלך אימון מקדים.

האם בינה מלאכותית באמת שימושית

פורסם בתאריך פברואר 27, 2024 ע"י

האם בינה מלאכותית באמת שימושית. סרטון מערוץ היוטיוב של פטריק בויל.

מחקר חדש של בית הספר לעסקים של הרווארד ניתח את ההשפעה של מתן כלים בינה מלאכותית, לעובדי צווארון לבן ב-Boston Consulting Group. במחקר, יועצי ניהול שנאמר להם להשתמש ב-Chat GPT בעת ביצוע מערך משימות ייעוץ היו פרודוקטיביים בהרבה מעמיתיהם שלא קיבלו גישה לכלי. לא רק שיועצים בסיוע בינה מלאכותית ביצעו משימות מהר יותר ב-25% והשלימו 12% יותר משימות בסך הכל, אלא שגם עבודתם הוערכה כאיכותית ב-40% מאשר עמיתיהם ללא סיוע.

פטריק בויל הוא מנהל קרן גידור, פרופסור באוניברסיטה ובנקאי השקעות לשעבר. בערוץ היוטיוב שלו © Patrick Boyle סרטונים עדכניים על מה שקורה בשווקים בעולם. בין היתר תמצאו בערוץ מידע על מסחר בכלים כמותיים ומימון תאגידי. בערוץ גם ראיונות עם האנשים המעניינים ביותר בתעשייה הפיננסית.

קרדיט תמונה © Ahasanara Akter

לסרטונים נוספים של פטריק בויל עם כתוביות בעברית או תרגום תוכן לעברית לחצו על הקישור

אילון מאסק על בינה מלאכותית

פורסם בתאריך יולי 10, 2023 ע"י

אילון מאסק על בינה מלאכותית. בריאיון לטאקר קרלסון שנערך בחודש אפריל 2023 מאסק מעלה את חששותיו לגבי בינה מלאכותית (AI). תרגום תוכן, סרטון מערוץ היוטיוב © Fox News

מאסק מדגיש את הצורך הדחוף ברגולציה ומדבר על הסכנות הפוטנציאליות הנשקפות מבינה מלאכותית. הסכנות עולות על אלו של ייצור מטוסים או רכבים המנוהלים בצורה לא נכונה מכיוון שיש לה יכולת "הרס תרבותי". מאסק מספר על מעורבותו ב-OpenAI (מעבדת מחקר של בינה מלאכותית המורכבת מהתאגיד ללא מטרות רווח) ומביע הסתייגות מהמסלול הנוכחי של הארגון. 

חשבתי על בינה מלאכותית מאז שהייתי בקולג'

מאסק אומר שבינה מלאכותית הייתה בין הדברים שהעסיקו אותו כבר כשהיה בקולג' וישפיעו דרמטית על העתיד. היצורים החכמים ביותר על פני כדור הארץ הם בני האדם. אנחנו חלשים יותר וזריזים פחות משימפנזות אבל חכמים יותר. אז מה יקרה כשהיצור החכם ביותר יגיע בצורת סיליקון? זה נקרא סינגולריות (או ייחודיות) טכנולוגית. זה כמו חור שחור מכיוון שאתה לא יכול לחזות מה יקרה אחרי זה. אז אני חושב שאנחנו צריכים להיות זהירים עם זה. צריך להיות פיקוח ממשלתי כלשהו מכיוון שזה יכול להוות סכנה לציבור. אפשר להשוות את זה למזון ולסמים. זאת הסיבה שיש לנו את מינהל המזון והתרופות ומינהל התעופה.הפדרלי. יש לנו את הסוכנויות האלו לפקח במקומות בהם יכולה להישקף סכנה לציבור. אתה לא רוצה שחברות יחתכו פינות בנושאים בטיחותיים ושאנשים יסבלו כתוצאה מכך.

הצורך ברגולציה ברור

זאת הסיבה שכבר זמן רב אני תומך ברגולציה בעניין הבינה המלאכותית. זה לא כיף להיות תחת רגולציה אבל נראה לי שאוכל להיות מוסדר. יש לי ניסיון רב עם תעשיות רגילות, ברור שתחום הרכב מוסדר מאוד. ניתן למלא את החדר הזה בכל התקנות הנדרשות לייצור רכב. התקנות הן לא רק לגבי ארצות הברית ומתייחסות לאירופה, סין ושאר העולם. אותו הדבר לגבי טילים, כדי לשגר טיל אתה צריך אישורים מחצי תריסר סוכנויות פדרליות ומדיניות. עברתי כל כך הרבה סיטואציות רגולטוריות כך שזה מטורף. לפעמים אנשים רואים בי מתריס רגולציה על בסיס קבוע אבל זה לא נכון. לעיתים נדירות אני לא אסכים עם הרגולטורים, ברוב המכריע של הפעמים החברות שלי מסכימות עם התקנות ועומדות בהן. אני חושב שאנחנו צריכים לקחת את העניין ברצינות וצריך שתיהיה לנו רגולציה.

אני חושב שאנחנו צריכם גוף רגולטורי. צריך להתחיל עם קבוצה שתחפש תובנות לגבי הבינה המלאכותית ותבקש את חוות הדעת של התעשייה ולאחר מכן תציע כללים. קרוב לוודאי שזה יתקבל בחוסר רצון על השחקנים העיקריים. אני חושב שיש לנו סיכוי טוב יותר שבינה מלאכותית מתקדמת תהיה מועילה לאנושות תחת התנאים האלה.

מהן הסכנות הצפויות

בינה מלאכותית מסוכנת אולי יותר מתכנון או ייצור מטוסים ותחזוקה או ייצור מכוניות גרועות. זה לא טריוויאלי, יש לה פוטנציאל, קטן אומנם, של הרס תרבותי. כמו בסרטי שליחות קטלנית (טרמינטור)… אבל זה לא יהי כמו בסרט כי האינטיליגנציה תיהיה במרכזי הנתונים. הרובוט הוא רק הגורם בקצה. תקנות נכנסות לתוקף רק אחרי שמשהו נורא קרה. אם התקנות ייכנסו לתוקף בדיעבד, ייתכן שזה יהיה מאוחר מדי, הבינה המלאכותית כבר תיהיה בשליטה עצמית. זו בהחלט הדרך שבה הדברים מתפתחים.  דברים כמו למשל, ChatGPT שמבוסס על GPT-4, שפיתחה Open AI.  שיחקתי תפקיד קריטי ביצירת החברה, לצערי.

כשקרלסון מציין שמדובר ב-Open AI בראשית דרכה, כשהחברה עוד תפקדה כעמותה ורצתה להציג לעולם כלי AI לשימוש חופשי ולטובת הציבור. מאסק עונה שהסיבה ש- Open AI בכלל קיימת היא בגלל  שלארי פייג'  והוא היו חברים מאוד קרובים.

מאסק ופייג'

היינו  בבית שלו בפאלו אלטו ודיברתי איתו על בטיחות בינה מלאכותית. התפיסה שלי הייתה שלארי לא מתייחס לבטיחות מספיק ברצינות. היה נראה שלארי באמת רצה ליצור סוג של אינטליגנציית-על דיגיטלית, בעצם אל דיגיטלי ובהקדם האפשרי". במהלך השנים לארי יצא בהצהרות רבות , זאת בעצם המטרה של גוגל, AGI בינה כללית מלאכותית או בינה סופר מלאכותית (בעברית 'בינה מלאכותית חזקה').

אני מסכים איתו שיש לזה פוטנציאל טוב גדול אבל יש גם פוטנציאל לרע. אם יש לך טכנולוגיה חדשה קיצונית ואתה רוצה לנסות לבצע סדרה של פעולות איתה, עליך למקסם את ההסתברות שזה יעשה טוב ולמזער סיכוי שזה יעשה דברים רעים. זה גם לא יכול להיות מועיל פשוט להתקדם ולקוות לטוב. ואז בשלב מסוים אמרתי טוב, אנחנו צריכים לוודא שהאנושות בסדר כאן. בתגובה לארי קרא לי 'סוגן' (המתעדף את המין האנושי על פני מינים ביולוגיים אחרים) בשל היותי בעל תודעה אנושית במקום תודעת מכונה. אני כאילו, ובכן, כן, אני מניח שאני אני, אני סוגן.

הקש האחרון ביחסים עם פייג'

הסיטואציה הזו חיסלה את החברות בין לארי וביני. זה היה הקש האחרון מצידו. באותם ימים גוגל רכשה את DeepMind ולגוגל ול-DeepMind יחד היו כשלושה רבעים מכלל כישרונות הבינה המלאכותית בעולם. ברור שהיה להם הרבה כסף ויותר מחשבים מכל אחד אחר. אנחנו כאן בעולם חד-קוטבי שבו יש חברה אחת שיש לה קרוב למונופול על כל הטאלנטים בתחום ה-AI והמחשבים, ולאדם האחראי נראה שלא אכפת מהבטיחות. זה לא טוב. אז חשבתי שהדבר הכי רחוק מגוגל יהיה להקים מלכ"ר פתוח לגמרי. מכיוון שגוגל הייתה סגורה ולמטרת רווח. אז זו הסיבה שה'פתוח' ב-Open AI מתייחס לקוד פתוח. אתה יודע, שקיפות כדי שאנשים ידעו מה קורה. אני בדרך כלל בעד מטרות רווח, אבל אנחנו לא רוצים שזה יהיה סוג של שד ממקסם רווחים מהגיהנום שפשוט לא מפסיק".

לשאלת טאקר קרלסון אם הוא יכול לדייק יותר לגבי מה שעלול להיות מסוכן ומפחיד בבינה המלאכותית מאסק עונה שמובן מאליו שהעט חזקה יותר מהחרב. בינה מלאכותית יכולה לאורך זמן לגלות מה משכנע אנשים, התוכן שייכנס לרשתות החברתיות, טוויטר ופייסבוק ואחרות עלול לעשות מניפולציות על דעת הקהל. ואיך נדע בכלל שזה מה שקרה?

קרדיט תמונה: © Moose Photos

איך בינה מלאכותית תשנה את העולם

פורסם בתאריך יוני 20, 2023 ע"י

איך בינה מלאכותית תשנה את העולם. סרטון מערוץ היוטיוב של © Ted-Ed, הפלטפורמה של © TED. 

ערוץ טד Ted (Technology, Entertainment, Design טכנולוגיה, בידור, עיצוב) מעלה סרטוני הרצאות של מרצים מכל העולם בכל הנושאים. טד קוראים לנו ליהנות, לגלות ולעשות שימוש בתוכן תחת הכותרת "Ideas Worth Spreading" ("רעיונות ששווה להפיץ").

© Ted-Ed, הפלטפורמה של © TED מאפשרת למשתמשים לקחת סרטוני וידאו של TED וליצור סביבם שיעור מותאם אישית באמצעות שאלות, תכנים להעמקה, קבוצות דיון ועוד. את השיעור ניתן להפיץ באופן פומבי או פרטי ולעקוב אחר השימוש שנעשה בו. כל משתמש יכול ליהנות גם מספריית תכנים מספריית תכנים שהועלו על ידי צוות האתר או משתמשים אחרים. הסרטון הפעם – איינה אליזבת ג'ונסון וג'ניפר ג'קט: האם יום אחד לא יהיו יותר דגים באוקיינוס?

הסרטון הפעם – איך בינה מלאכותית תשנה את העולם. בשנים הקרובות בינה מלאכותית כנראה תשנה את חייכם ואת העולם כולו. אבל אנשים מתקשים להסכים איך בדיוק ה- AI תשפיע על החברה שלנו. האם נוכל לבנות מערכות שיעזרו לנו לתקן את העולם או שאנחנו נידונים להשתלטות רובוטית? תחקיר על המגבלות ועל האפשרות ליצור טכנולוגיה חדשנית תואמת אדם. הסרטון מבוסס על קטעי ראיונות מהפודקאסט של רדיו דאבוס. ("ההבטחות והסכנות של בינה מלאכותית – סטיוארט ראסל ברדיו דאבוס").

תרגום לעברית: zeeva livshitz עריכה: Ido Dekkers