האם המכונות ישתלטו על שוק העבודה?
האם הפיתוחים האחרונים בתחום הבינה המלאכותית מאיימים על משרות של עובדות ועובדים אנושיים? האם באמת נשקפת סכנה לאובדן מקומות עבודה, או במילים אחרות – האם יש מצב שרובוט יחליף אותי?
מאת אביתר אדרי, בוגר שגרירי רוטשילד ומנהל חברת Fuzz New Media
האם המכונות ישתלטו על שוק העבודה?
כלים המבוססים על בינה מלאכותית משולבים בתחומי עיסוק רבים: ייעוץ השקעות, כוח אדם, שירות לקוחות, מקצועות העיצוב, תכנות וכתיבה. טכנולוגיה זו נכנסה לעולם הכלכלי באופן הדרגתי, למשל, בסחר אלקטרוני במוצרים פיננסיים, בשירות לקוחות וירטואלי ובאתרים המוקדשים לשירותי תיירות. אולם ההשקה המשווקת היטב של מחולל הטקסט ChatGPT, בנובמבר 2022, העבירה את הבינה המלאכותית לקדמת הבמה ברגע אחד. לפתע נראה שפיתוחי AI המחוללים טקסטים או תמונות נמצאים בכל מקום כאילו תמיד היו פה, אבל מה שבאמת מרגש (או מפחיד… תלוי את מי שואלים) הוא שקצב השיפור וההתפתחות שלהם אקספוננציאלי.
כאן עולה השאלה: האם כל הפיתוחים הללו נוגסים במשרות של עובדות ועובדים אנושיים? האם באמת נשקפת סכנה לאובדן מקומות עבודה, או במילים אחרות – האם יש מצב שרובוט יחליף אותי?
בעולם הפרסום, הבינה המלאכותית פולשת לתחומי הליבה של הפרסום – כתיבת הפרסומות (copy) ועיצובן הגרפי, וגם לתחומים חשובים נוספים כגון ניתוח הצלחה של קמפיין פרסומי. מחוללי שפה יכולים לכתוב בריף לפיצוח קמפיין או לאפיין לקוח. הם יכולים לבנות אסטרטגיה שיווקית בהתאם לצרכים, למטרות ולקהלי המטרה. הם יודעים לתת השראה, להציע הצעות ואף לפתור בעיות נקודתיות.
מחוללי תמונה (כמו דאלי, מידג'רני ואחרים) יכולים בלחיצת כפתור לייצר גרפיקות שיכולים לייתר את הצורך לעבוד עם מעצב. בעולם הכתיבה, כאמור, בינה מלאכותית מסוגלת לשלוף נתונים מהיקף רחב של מקורות, ולהציגם באלגנטיות ורהיטות (אם כי לא תמיד יהיו אלה נתוני אמת). בכך היא יכולה להחליף כותבי תוכן פרסומי וטכני. בתחום של ייעוץ השקעות – בינה מלאכותית יכולה לעקוב אחרי מוצרים רבים בשווקים רבים בו זמנית ולזהות הזדמנויות לרווח מהיר. לפיכך, הביצועים שלה טובים מאלו של יועץ השקעות אנושי.
בעולם המסחר האלקטרוני משתמשים בטכנולוגיות האלה כבר שנים כדי לבצע אינספור פעולות קנייה ומכירה (הרבה מעבר מה שבן אנוש מסוגל לעשות), על בסיס אלגוריתמים מורכבים של חישוב. גם עולם המחקר והרפואה לא נותר בחוץ: רובוטים מבוססי בינה מלאכותית יכולים לערוך בדיקות רפואיות ומשולבים גם בהליכים פולשניים. חברות משתמשות בבינה מלאכותית כדי לפתח תרופות למלחמה בסרטן. למשל, חברה ישראלית אף פצחה בניסוי בבני אדם עם תרופה שפותחה בין השאר ע"י בינה מלאכותית.
איך בכלל זה עובד? איך נראה המוח של המכונה?
הבינה המלאכותית יוצרת הזדמנויות אדירות, וכדי להבין את מהות האיום שבה, צריך קודם כל להבין מה ביכולתה לעשות ומה המגבלות שלה.
רבים חושבים שהבינה המלאכותית לא מייצרת מידע חדש אלא מסכמת אותו, מסתמכת עליו או מנגישה אותו לפי מודל סטטיסטי של תכיפות של נתונים. הם רואים בהליך זה מעין יצירת קולאז' או סינטזה של נתונים. עם זאת, המציאות מורכבת יותר. מודלי החישוב של אותם מחוללים אמנם מסתמכים על דאטה קיים שהוזן אליהם לאורך דורות על דורות של שלבי אימון, אבל הליך יצירת התוכן או כפי שהמומחים אוהבים לומר – ג'ינרוט התוכן – דומה לאופן בו המוח האנושי חושב. קוראים לזה "רשתות ג'נרטיביות", שכן הן יכולות "לג'נרט" יש מאין. הפלט (Output) שלהן, ז"א התוצר הסופי, יהיה יצירה חדשה, ייחודית וחד פעמית.
מחוללי תמונות יג'נרטו את הגרפיקות שלהם מתוך "רעש". נסו לחשוב על אותו רעש כמו רעש סטטי של טלוויזיה שמדור לדור הופל לפחות ופחות "מלוכלך" ויותר ויותר "ברור". ממש כמו שאפשר להסיר רעש (Noise) מתמונה מפוקסלת ולחדד אותה, כך אפשר לעשות תהליך הפוך – לקחת רק רעש ומתוכו ליצור תמונה.
אם נרצה לדמיין איך נראה המוח של אותם מחוללי תמונות, נאלץ ללמוד מונחים מורכבים כמו "חלל לטנטי" (Latent Space) או "פיעפוע" (Diffusion). בקצרה, החלל לטנטי (לטנטי = חבוי / סמוי)מתפקד כמעין "מפה". אותה מפה מייצגת שכבה חבויה של המיוצגים במימדים/רמות נמוכים יותר. כלומר, בתוך אותה "מפה" או אותו "חלל לטנטי" יש מספר אסטרונומי של נתונים ופרמטרים שלוכדים מאפיינים חשובים כמו תבניות ודפוסים. הם "מלמדים" את המכונה על המציאות שמבוססת על הדאטה שהוזן לה בתהליך האימון. החלק היפה בדוגמה הזו הוא שבהתאם למפה דו מימדית שאנחנו מכירים מהעולם האמיתי, כל נקודה בחלל הלטנטי הרב-מימדי הזה יכולה להיות ה"מתכון" לתמונה חדשה. וכל פרומפט (הנחיית טקסט) שנרשום למחולל כדי להנחות אותו מה אנחנו רוצים לראות, הוא בעצם הדרך שלנו לנווט לאותו מיקום בחלל המורכב הזה).
אותו "רעש" יהיה נקודת הפתיחה של ג'ינרוט התמונה, ונקודה זו תמיד תהיה שונה מג'ינרוט לג'ינרוט. לכן כל תמונה שתיווצר לנו תהיה ייחודית, שכן נקודת ההתחלה שלה (הרעש ממנה נוצרה), גם היא הייתה ייחודית. אפילו אם שני אנשים יזינו את אותו פרומפט בדיוק (יכתבו את אותו קלט – את אותה הנחיית טקסט), הם יקבלו תוצאות שונות, שכן נקודות הפתיחה שלהם הייתה שונה.
כדי להבין זאת, נחזור שוב לאלגוריית המפה. יוסי ושלמה קיבלו את אותן הנחיות בדיוק: לנסוע עם רכבם 10 ק"מ צפונה ו-10 ק"מ מזרחה. אם שניהם יצאו מאותו מקום (נניח תחנה מרכזית ת"א), הם גם יגיעו לאותו מקום. אבל אם יוסי יצא מתחנה מרכזית ת"א ושלמה יצא מתחנה מרכזית י"ם, שניהם יגיעו ליעדים שונים לגמרי, למרות ששניהם קיבלו את אותן הנחיות בדיוק: לנסוע 10 ק"מ צפונה ו-10 ק"מ מזרחה.
כך יקרה גם אם יוסי ושלמה יכתבו את אותו פרומפט (אותן הוראות) בדיוק – נניח "חתול עף בשמיים". שניהם יקבלו חתולים שונים לגמרי כי ה"רעש" שממנו נוצר כל חתול שונה, מפני שנקודת הפתיחה שלהם שונה וכך גם נקודת הסיום.
תרגום נקודה בחלל המתמטי לתמונה ב"עולם הפיקסלים" מצריך טכנולוגיה ג'נרטיבית המכונה דִּיפוּזְיָה (Diffusion) או "פיעפוע". זהו תהליך יצירת התוכן בפועל ובו מתרחש מעבר משכבות של נתונים לשכבות של מידע שהעין והמוח האנושיים ידעו לזהות (סידור הפיקסלים בקומפוזיציה שתהיה הגיונית ומובנת לבני אדם).
כל התהליך המורכב הזה קצת מזכיר באיזשהו מקום כישוף: אם נאמר בדיוק את המילים הנכונות בסדר הנכון (הפרומפט שלנו), יקרה קסם!
ומה לגבי מחוללי שפה?
מי לא שמע על CHAT GPT? אותו כלי שמטריף את העולם מבוסס על טכנולוגיה לא כל כך חדשה – קוראים לזה "מודל שפה גדול" – LLM או (Large Language Model). גם פה מדובר בתהליך מאוד מורכב שבמסגרתו מודל השפה עבר אימון נרחב, לאורך מספר דורות, על טקסטים שונים. אם נרצה לפשט את הפעילות שלו, ניתן לומר (בהכללה גסה ביותר) שהוא מאוד טוב בלנחש מה המילה הבאה. וקצת יותר בהרחבה: בדומה למחוללי התמונות, גם מחוללי השפה מושתתים על טכנולוגיה של "למידה עמוקה" (Deep Learning), במסגרתה הם משתמשים בשכבות של רשתות נוירונים כדי לייצר טקסט שיהיה קוהרנטי וברור. מודל השפה נשען על הנתונים הרבים שהוזנו אליו בתהליך האימון ובעזרתם הוא מנסה ללמוד את התפקוד הסטטיסטי של המילים והמשפטים ע"י הליך של חיזוי המילים הבאות או הקודמות בטקסט.
הבעיה של ההטייה
משום שהמודל הסטטיסטי של הבינה המלאכותית מושתת על מידע שהוזן לתוכו (טקסטים, תמונות ותיאורים מהרשת), כך הוא עשוי להיות מושפע מהם ומוטה. הוא נשען על דימויים (חזותיים או מילוליים) רווחים יותר באופן תכוף יותר. כך הבינה המלאכותית יכולה לייצר תוצרים שאינם תקינים פוליטית ובמקרים קיצוניים אף גזעניים או מפלים. למשל, ברוב מחוללי התמונות, אם נבקש לייצר תמונה של DOCTOR נקבל רופא גבר לבן. אם נבקש תמונה של NURSE, נקבל לרוב תמונה של אחות אישה. דימויים אחרים יכולים להפלות קבוצות מיעוטים.
אותה תופעה יכולה לקרות גם במחוללי השפה כמו CHAT GPT שבמקרה הטוב פולטים טקסטים לא נכונים ובמקרה הרע פולטים טקסטים פוגעניים. אחת הדרכים לפתור את התופעה הזו היא לשתף את המשתמשים בדירוג התוצרים שלהם, וכך אפשר לאמן את אותם מודלים מה "נכון" ומה "לא נכון", מה מקובל במסגרת הנורמות החברתיות שלנו ומה פחות. שיטת אימון זו מכונה "למידת חיזוק", שכן המשתמשים בה נותנים למחולל חיזוקים חיוביים ושליליים.
האם העבודה שלנו בסכנה?
יש שיאמרו שבינה מלאכותית יכולה לשמש בין השאר לסיכום של נתונים ורעיונות והנגשתם, להצבעה על מגמות, ולכתיבה של קטעי קוד בשפת תכנות. הם טוענים שהיא איננה מתאימה להחליף משרות שמבוססות על יצירתיות כמו משרות מחקר ופיתוח, יצירת תוכנות חדשות, עיצוב או כתיבה יצירתית. אותם אנשים רוצים להאמין שמעסיקים יעדיפו לשמור על היבט בסיסי זה של העשייה האנושית ולא יחליפו את העובדות והעובדים במחשבים.
גישה אחרת גורסת שאמנם מחוללים אלו יכולים להחליף פעולות מסוימות (עיצוב, כתיבה וכדומה), אך הם עדיין זקוקים ליד אנושית מכוונת. לכן יש להסתכל עליהם יותר ככלי עזר – עוד אחד מהכלים בארגז הכלים של העובד במאה ה-21. ובהתאם, מי שירצה להשתלב בשוק התעסוקה של המאה ה-21 יצטרך לסגל לעצמו אוריינות טכנולוגית, להכיר את כלי הבינה המלאכותית ולשלוט באופן בו הם עובדים ובדרך בה ניתן להפיק מהם יתרון יחסי על פני המתחרים.
בכל מקרה חשוב לדעת – שוק העבודה כן יכול להשתנות באמצעות השימוש בבינה מלאכותית וכמעט סביר לחלוטין שזה יקרה הרבה יותר מהר ממה שרבים חושבים. במשרות רבות ניתן להשתמש בבינה מלאכותית ליצור מודלים, לבחון בפועל רעיונות, או לשחק בפרמטרים של דגם מסוים או נושא כתיבה מסוים כדי לייצר השראה. מעבר לכך, אנחנו יודעים מה היה אתמול ומה יש עכשיו, אבל אין לנו יכולת לחזור מה יהיה מחר. קצב הפיתוח של הכלים הללו הוא מעריכי – אותה התפתחות אקספוננציאלית משמעה שכמעט בלתי אפשרי לחזות את השימושים העתידיים של הטכנולוגיות שעדיין לא הומצאו. דברים שרק לפני שנה נראו כמדע בדיוני הפכו לשכיחים במציאות העכשווית. מי שישכילו וילמדו להשתמש בבינה מלאכותית לצרכים המקצועיים שלהם, ככל הנראה לא יאבדו את מקור פרנסתם בעתיד הנראה לעין.
מתי מכונה הופכת למכונה חושבת, חיה? – בכתבה הזו
נכון לא נכון – דבר בביטחון
אחת הבעיות הגדולות של מחוללי השפה היא ה"צורך" שלהם לתת תשובה בכל מחיר. כיוון שמחוללי טקסטים נדרשים לענות על שאלות מבלי שיהיה להם מידע מספק להפיק תשובה מהימנה, הם עלולים לייצר מידע כוזב (ויש שיאמרו שהם אף מתוכנתים לעשות זאת בהיעדר מידע מהימן). במילים אחרות, הם פשוט ממציאים עובדות ונתונים ומנגישים אותם בשפה קוהרנטית ומשכנעת. הם אפילו ימציאו את המקורות לאותם נתונים ועובדות ויציגו ציטוטים לתיקוף טענותיהם. לכן חברות המבקשות לעשות שימוש בבינה מלאכותית למשימות של איסוף מידע או ניתוח נתונים צריכות להכיר את מגבלות הכלי ולקחת בעירבון מוגבל את המידע שיווצר בתום התהליך.
ואיפה בני האדם משתלבים?
מכל הטעמים הללו, יש הטוענים שככל שהבינה המלאכותית תהפוך לכלי רווח במקומות עבודה, היא לא תחליף את מי שמשתמשות ומשתמשים בה, אלא תהווה עבורם כלי עזר.
כמו כן, יכול להיות שהתפקיד של אותם עובדים יושתת פחות על ביצוע פעולות טכניות או פיזיות ויותר על פיקוח והכוונה של כלים שיבצעו פעולות אלו במקומם. כלומר, במקום שהמומחיות והמומחים יהיו אלו שיעצבו, יכתבו, או יערכו בדיקות בעצמם, הם יהיו אלה שידעו אילו הוראות להזין לבינה המלאכותית על מנת שתיצור מוצר טוב, או אילו שאלות לשאול לצורך מחקר טוב. ובנוסף לכך, הם יהיו אלו שיבדקו את הנכונות והדיוק של התוצרים שחוללה הבינה המלאכותית.
המתנגדים ל"עליית המכונות" מצביעים על הכרסום המתמיד במשימות העובדים ככזה שפוגע בהם: למשל, אם מאפשרים לתוכנות בינה מלאכותית לראיין מועמדים בטלפון, לתת שירותי ייעוץ, לעצב, או לכתוב קוד, כפי שקורה כבר בפועל, עבודתם של עובדים זוטרים מתבטלת. מנגד, חשוב לזכור שכל פיתוח טכנולוגי לווה בהרס של מקומות עבודה וביצירה של מקומות עבודה חדשים. הדבר בולט אף יותר כאשר מדובר ב"טכנולוגיה משבשת". אך למרות זאת, חשוב לזכור שכאשר בוחנים את המצב מנקודת מבט היסטורית ומכמתים את כמות המשרות שנוצרו אל מול כמות המשרות שנהרסו, ב-90% מהמקרים השיפור היה לטובה ולווה בגידול במקומות עבודה ופרנסה. כך קרה במהפכה התעשייתית וגם במהפכת המיחשוב והאינטרנט. למרות הפיתוחים הטכנולוגיים שייתרו פעולות שבעבר בוצעו ע"י בני אנוש, חל גידול אדיר במשרות חדשות ובהיווצרותם של מקצועות חדשים. כמו כן, חל גידול בהתאם גם ברמת ההשתכרות של העובדים, ובמבט מאקרו חלה עלייה עקבית ברווחתם ושיפור ניכר באורח חייהם.
אגב, אם אתם לא מסכימים עם טענה זו, פשוט הביטו איך נראו חייו של אדם לפני המהפכה התעשייתית ואיך נראים חייכם כיום. או לכל הפחות, איך נראו חייהם של ההורים שלכם לעומת החיים שלכם.
בהתייחס למידה בה הבינה המלאכותית תחליף עובדות ועובדים, כדאי לשים לב גם לשלושה גורמים שאין להם קשר ישיר להתפתחות הטכנולוגית:
- מידת הידע והמומחיות של העובדים.
- הלחצים הכלכליים על חברות לצמצם כוח אדם, למשל כתוצאה מירידה במתח רווחים, או קושי לגייס אשראי.
- האיכות המצופה מהמוצר.
המבנה הכלכלי במדינות המערב מכונה "כלכלת ידע", כלומר כלכלה המבוססת על איסוף נתונים ושימוש בהם, שנעשה על ידי עובדות ועובדים בעלי הון אנושי רב. אולם בפועל רבים מהעיסוקים נשענים על התמחות בממשק עם טכנולוגיה (למשל ממשק עם תוכנות מקצועיות, ניהול מאגרי מידע או בדיקות ממוחשבות) מצד אחד, ועל היכרות עמוקה של רגולציה מצד שני. במילים אחרות, הרגלנו את עצמנו לעבוד עם כללים ועם מחשבים, באופן שמותאם למחשבים. לכן מידת המומחיות האנושית במשרות רבות פוחתת ולא עולה (שכן הם נשענים על טכנולוגיה שתבצע עבורם משימות מורכבות שבעבר דרשו רמת מומחיות גבוהה).
בהקשר זה יש לציין כי הדרישה לכישורים טכנולוגיים ובייחוד לכישורים הדיגיטליים, עולה בקצב מהיר על קצב הדרישה למיומנויות רכות. במילים אחרות, יותר ויותר מעסיקים מחפשים עובדות ועובדים שיודעים להתאים עצמם לתוכנות, מאשר לבני אדם (לקוחות או קולגות). במצב זה, קל יותר להעביר את המשימה מעובד לבינה מלאכותית. משמעות הדבר שאחת מהכשירויות החשובות ביותר עבור עובדים שרוצים להשתלב בשוק עבודה משתנה היא גמישות ויצירתיות (תכונות שלעיתים חשובות אף יכולת משליטה בתוכנה כזו או אחרת).
בשנת 2022 הוכרז על "שוק של עובדים", כלומר מצב בכלכלה בו מעסיקים צריכים להיענות לדרישות של מועמדים למשרות. אולם השילוב של אינפלציה ועלייה חדה בריבית שנועדה לעצור אותה, הוביל עד לתחילת 2023 לחזרה לדפוסים המוכרים, בהם הכוח נמצא בידי המעסיקים. כוח זה אינו כולל רק את יכולת המשא ומתן שלמעסיקים על שכר ותנאי עבודה, אלא גם את ההעדפות שלהם להשתמש בטכנולוגיה על חשבון העסקת עובדים. כלומר, בעוד שהטכנולוגיה נמצאת פה כבר זמן מה, עולה הצורך הכלכלי להעביר משימות לבינה מלאכותית שנתפסת כחסכונית יותר למעסיקים.
אז מה יהיה?
אפילו אם ניתן לבינה מלאכותית לנבא מגמות, ברור שאין דרך לנבא את העתיד. בסופו של דבר, מה שיקבע אם ניפלט משוק התעסוקה או נצליח לשמור על מעמדנו בו תלוי לא רק ביכולת שלנו להתאים את עצמנו לטכנולוגיה המשתנה, אלא ליכולת של כלכלת המידע להתמודד עם הטכנולוגיה ולבחון מה רווחי יותר ומה רצוי יותר – משרות אנושיות או ממוחשבות. למרות שכרגע נראה שהבינה המלאכותית דוחקת חלק מהעובדות והעובדים המיומנים מחוץ למעגל העבודה, מי שיחליט אם מדובר במצב רצוי וראוי הם המעסיקים עצמם. מעבר לכך, על העובדים חלה החובה להתפתח. זו כבר לא שאלה של "האם לעלות על הרכבת" שכן הרכבת כבר מזמן יצאה מהתחנה והיא לא מחכה לאף אחד. יש כלל מפתח בתעשייה: Adapt or die והוא נכון פי כמה בעולמות הטכנולוגיים ובשוק התחרותי של עולם ההייטק. כאשר אנו רואים את הבינה המלאכותית זולגת מהתעשייה המתקדמת אל שאר תחומי החיים, אנו צריכים לשאול את עצמנו אלו כלים, כשירויות ויכולות יש לנו להציע למעסיקים שלנו ב-20 השנים הקרובות.
אמנם נשמעים קולות של מעסיקים המכירים ביכולות הבינה המלאכותית ובמגבלותיה, וחלקם אף קוראים להימנע ממנה במקום העבודה. אחרים מאמצים אותה בחום ומשלבים אותה במודלים העסקיים של החברות שלהם. קולות אחרים קוראים להאט את קצב הפיתוח של טכנולוגיה ג'נרטיבית, אך ההיסטוריה מלמדת אותנו שכמעט בלתי אפשרי לעצור את הקדמה (אפילו אם יש לה פוטנציאל הרסני).
האיזון נמצא איפשהו באמצע: יצירת שוק תעסוקה שבו משולבות טכנולוגיות ג'נרטיביות מבוססות בינה מלאכותית, לצד עובדים יצירתיים, גמישים ומקצועיים שידעו להשתמש בה לתועלת העסק, החברה והקהילה.
אביתר אדרי הוא מומחה בתחום הבינה המלאכותית ומנהל את חברת Fuzz New Media. לעוד מידע לחצו כאן
רשת הבוגרים/ות כאן בשבילכם!
מוזמנים ומוזמנות לשתף בקבוצת הפייסבוק של הרשת מחשבות בנושא ולהראות מה אתם יוצרים בעזרת בינה מלאכותית!