שלום,
נראה שכבר הכרתם את אאוריקה. בטח כבר גיליתם כאן דברים מדהימים, אולי כבר שאלתם שאלות וקיבלתם תשובות טובות.
נשמח לראות משהו מכם בספר האורחים שלנו: איזו מילה טובה, חוות דעת, עצה חכמה לשיפור או כל מה שיש לכם לספר לנו על אאוריקה, כפי שאתם חווים אותה.
»
«
מהו מודל היגיון, או Reasoning Model?
מודל היגיון (Reasoning Model) הוא מודל שנועד לחקות את תהליך החשיבה האנושית ולהסיק מסקנות לוגיות על בסיס מידע נתון.
מודלי ריזונינג נוטים להיות כבדים יותר ולספק תובנות עמוקות, באמצעות הסקה רב-שלבית, מורכבת ומעמיקה. כמובן שהם משתמשים בטכניקות של בינה מלאכותית ולמידת מכונה כדי לנתח נתונים, לזהות דפוסים ולהסיק מסקנות מבוססות עובדות.
בדרך לתת תשובה מחלקים מודלי הגיון את פתרון הבעיה לשלבים, מתעכבים על התשובות, מהרהרים, בודקים, לעתים מתקנים את עצמם (בתכנות רואים את זה היטב) ומבצעים תהליכי ניתוח מורכבים.
בגדול - הם מבצעים חשיבה מתמשכת ומבוססת יותר מזו של מודלי שפה רגילים.
מודל הגיון שכזה מתאים מאוד לפתרון ברמת דוקטור (PhD) של בעיות מורכבות, בעיקר מתמטיות, מדעיות והנדסיות. הוא מושלם לחישובים מורכבים ודברים כמו מתמטיקה, פיזיקה, פיתוח קוד והסקת מסקנות.
ואגב, מודל ריזונינג דורש כוח מחשוב משמעותי מהרגיל, לפחות במקרה של מודל ChatGPT 4o1 של OpenAI וקצת פחות במודל הסיני המפתיע DeepSeek, שפותח לכאורה בגרושים ומראה תוצאות מרשימות בדרישות חומרה נמוכות בהרבה.
#החשיבה דרך הבעיה
מודל היגיון, הוא מודל מנומק, שמשתמש בהיגיון כדי "לחשוב דרך" הבעיה ולהיות מסוגל גם להראות את תהליך החשיבה שביצע, לפני שנותן את התוצאות. זאת בניגוד למודלים הרגילים שמבצעים אופטימיזציה סבירה, רק כדי שיוכלו לספק את התשובה המהירה ביותר (שזה מה שגם גורם לא פעם למודל שפה רגיל לתרום לנו בדרך את ה"הזיות", אותן Halucinations המוכרות לנו כל כך).
בקיצור, אם מודל שפה רגיל הוא הבחור הטקסטואלי שהוא אלוף על טקסטים ועונה מהר, מודל ההיגיון הוא הנערה המבריקה והריאלית, שיכולה לפצח בעיות מופשטות, מתמטיות, פיזיקליות ומדעיות בתחומים ומדעים מדויקים, בלי למצמץ ועם יכולת לנמק ולהסביר את הפתרון שאליו היא מגיעה, צעד אחר צעד.
מודל כזה מבצע לעתים קרובות "שרשרת מחשבה" (Chain of Thought) ולכן גם מכונה כך לפעמים. המודל חושב צעד אחר צעד, בצורה שמזכירה את האופן שבו אנו, בני האדם, עשויים לגשת לאתגר משמעותי יותר כמו פיתוח אפליקציה חדשה, תכנון חופשה או בניית בית.
#היתרון
משמעותו של מודל כזה היא ביכולת שלו לספק תשובות מדויקות ומושכלות לשאלות מורכבות, לפתור בעיות ולקבל החלטות מבוססות נתונים. לכן וכדי להצטיין בבעיות מסובכות יותר, מומלץ להזין אותו בכמה שיותר הקשר, קונטקסט (Context) לגבי הנושא והגישה לפתרון.
#במה הם יכולים לעזור לנו?
מודלים כאלו יכולים לנתח כמויות גדולות של נתונים במהירות ובדיוק, לזהות דפוסים ולהסיק מסקנות. הם יכולים לפתור בעיות מורכבות על ידי שימוש בלוגיקה ובאלגוריתמים מתקדמים.
ביכולתם גם לסייע בקבלת החלטות מבוססות נתונים, מה שיכול להיות מועיל בתחומים כמו רפואה, כלכלה וניהול. בנוסף, הם יכולים להסיק מסקנות לוגיות על בסיס הנתונים שנתונים להם, מה שיכול לסייע בתחזיות ובתכנון.
מודלי ההיגיון יכולים לחסוך זמן ומאמץ בביצוע משימות מורכבות, מה שמאפשר למשתמשים להתמקד בפעילויות אחרות. ביכולתם לספק תשובות מדויקות ומבוססות עובדות, מה שיכול להיות מועיל בתחומים כמו רפואה, משפטים והנדסה.
מודלים אלו מסייעים בקלות בקבלת החלטות מושכלות ומבוססות נתונים, מה שיכול להיות מועיל בחיי היומיום ובעבודה והם יכולים גם לסייע בפתרון בעיות מורכבות במהירות וביעילות, מה שיכול להיות מועיל בתחומים רבים.
ברפואה, מודלי היגיון יכולים לסייע באבחון מחלות ובמתן המלצות לטיפול על בסיס נתונים רפואיים.
בכלכלה, ניתן להסתייע בהם בניתוח שוק ההשקעות ובקבלת החלטות כלכליות מבוססות נתונים.
בחינוך, המודלים הללו יכולים לסייע בהוראה ובלמידה על ידי סיפוק הסברים מדויקים ומושכלים לשאלות מורכבות.
בניהול, הם מעולים הסיוע לניהול משאבים מוצלח ובקבלת החלטות ניהוליות מבוססות נתונים.
אז אם לסכם, מודל היגיון הוא כלי חזק שיכול לסייע במגוון רחב של תחומים ולשפר את איכות החיים של המשתמשים, על ידי סיפוק תשובות מדויקות ומבוססות עובדות. עם יכולותיו הוא מאפשר לנתח נתונים במהירות, לפתור בעיות מורכבות ולקבל החלטות מבוססות נתונים, מה שהופך אותו לאחד הכלים החיוניים ביותר בדור החדש של העידן הדיגיטלי מבוסס הבינה המלאכותית.
הנה מודל ההגיון הסיני Deepseek R1 שיודע לחשוב מראש, לתכנן, להשוות כמה תשובות אפשריות, לפרק את הבעיה לחלקים, לחזור אחורה ולחשוב מחדש על השאלה וכך לענות היטב על שאלות קשות, מורכבות ועד לא מזמן בלתי אפשריות למודל שפה:
https://youtu.be/-2k1rcRzsLA
דוגמה לבעיות פשוטות מהחיים שמודל מנומק יכול לפתור:
https://youtu.be/yQampjl6gPI
שניים כאלה:
https://youtu.be/rzMEieMXYFA
ו-DeepSeek R1 הוא מודל מנומק בקוד פתוח:
https://youtu.be/yT3KGbiA09Q
מהם מנועי תמונות ובינה ויזואלית ב-AI?
הבינה המלאכותית היצירתית (GenAI) כמו DALL-E היא מערכת המסוגלת לייצר תמונות ודימויים ויזואליים דמיוניים, המבוססים על פרומפטים - תיאורי מלל, אינפוטים טקסטואליים שכתב והזין לה המשתמש.
הכל הוא חלק מטכנולוגיה שנקראת "ג'נרטיב AI". זו בינה מלאכותית שבמקום לחשב ולנצח במשחקי טריוויה הפכה ליוצרת AI, לציירת, צלמת ועוד כל מיני סוגי אמנים - אבל במקרה שלה - תמיד באינטליגנציה מלאכותית.
באמצעות פרומפטים, תיאורים מילוליים דוגמת "אביר ימי-בייניימי עשוי מחצילים" או "מגדל מודרני בנוי על שריון של צב בסגנון פיקאסו" מייצרת המערכת תמונות וציורים מרהיבים ואפילו מדהימים.
ליצירת התמונות מהטקסט אחראית הבינה המלאכותית המבוססת על למידה עמוקה, מערכת הלומדת בעצמה רשתות נוירונים מלאכותיות, על סמך דפוסים שהיא מאתרת עצמאית, במיליוני תמונות וציורים המוזנים אליה על ידי המפעילים שלה.
להישג המקורי של DALL-E קמו די מהר מתחרים איכותיים לא פחות ואף יותר. הם מציעים עולם חדש וחסר תקדים של ציירים בינתיים, שרק ממתינים לבקשות מהמשתמשים ומזדרזים לצייר מבחר טיוטות, מהן יכול המשתמש לבחור את התוצר הסופי שמועדף, שיבוצע באיכות גבוהה.
איש לא יודע בדיוק כיצד המנועים השונים פועלים, אבל זו עבודה מדהימה של למידה עמוקה שמעבדת בעצמה את הדאטה ממיליוני תמונות ומלמדת את עצמה לצייר ולפרש את הפרומפטים לפיקסלים ותמונות.
התוצאות של DALL-E 2 היכו די מהר גלים בעולם הבינה המלאכותית ותחרות של חברות ומפתחי קוד פתוח יצרו גם הרבה שיפורים, הן באיכות הטכנית של התמונות והן ביכולות האמנותיות. כך למשל הולכות התמונות ונעשות מפורטות, הרזולוציה גדלה, יכולות הריאליזם, עבודת הצל והתאורה, השימוש במרקמים וציור הנראה כמעט טבעי לחלוטין. השטח מלא במודלים שבראשם מידג'רני, אידיאוגרם ו-Flux, המודל בקוד פותח שמייצר תוצרים שומטי לסתות.
הנה כלי Gen AI מצטיין ליצירה ויזואלית:
https://youtu.be/XZjaHJP0PQE
באיזה כלי לבחור לכל צורך? (עברית)
https://youtu.be/a5wUS6SQ0us?t=1m47s
"דאל-E" שכבר יכולה לצייר דיוקנאות מתיאור מילולי בשפה טבעית של מה שיכיל הציור:
https://youtu.be/qTgPSKKjfVg
על היכולת המופלאה של דאלי ליצור אמנות:
https://youtu.be/hiSgpZUAy2c
הסבר אמנות ה-AI:
https://youtu.be/alJdw4JDJ4o
מנועי יצירת תמונות מתחרים:
https://youtu.be/rGbNJrywLhk
גם היהדות ואפילו החרדית מקבלת אפשרויות שהולכות ומתפתחות (עברית):
https://youtu.be/KR29znIp2LU
ה"אאוט פיינטינג" של דאלי, בו הוא מרחיב תמונה:
https://youtu.be/G-Wsh1vUeVQ
קבלו משפר פרומפטים ליצירת תמונות (עברית):
https://youtu.be/HLhRFaXQ0vQ
מדריך להרחבת תמונות:
https://youtu.be/V1KLG159A2s
קליפ שכולו תמונות שנוצרו ממילות שיר של קינג קרימזון:
https://youtu.be/VR3AWdyVVdU
למה יש לבינה כל הזמן בעיה עם אצבעות?
https://youtu.be/24yjRbBah3w
גם למחוללי תמונות מעולים כמו מידג'רני יש בעיות (עברית):
https://youtu.be/xUpUhHsAWlg?long=yes
הסבר מעמיק וארוך על יצירת תמונות גנרטיבית (עברית):
https://youtu.be/aHPFq-Q6JQ0?long=yes
ויוצר רשת שחודש שלם העלה לרשת החברתית תמונות אושר ואווירה שיצר AI - ואז גילה לעוקביו את האמת:
https://youtu.be/FRClNMC_z-s?long=yes
מה עושה הפרומפט בעולם הבינה המלאכותית הגנרטיבית?
מהו המקביל של מברשת של הצייר, מקלדת המלחין או הבוס של כותב המאמר, עורך הווידאו או המשורר בעולם הבינה המלאכותית הגנרטיבית? - מיהו זה שאומר מה הוא צריך והם יושבים לעבוד וליצור?
זהו הפרומפט (Prompt), ההנחייה הטקסטואלית שאנחנו נותנים למכונה, כלומר לכלי הבינה הגנרטיבי (Generative AI). את ההנחייה הזו אנו כותבים לו כדי שייצר לנו תוצר בינתי.
בפשטות, פרומפט הוא התיאור המילולי בשפה טבעית של התוצר שרוצים לקבל מהבינה.
היום הפרומפט הוא המלך של עולם הבינה המלאכותית מבוססת הדיאלוג וסוגי מודלים של שפה.
זה אמנם נשמע דומה לביטוי חיפוש, אבל הפרומפט הוא לא המקבילה הפשוטה של ביטוי החיפוש במנועי חיפוש, אלא בניסוח מאוד מוקפד של התוצר הרצוי, שיכול ללכת ולהשתבח במהלך הצ'אט עם הבוט, ככל שנרצה להשביח את התוצאה שקיבלנו.
#לג'נרט אהבה
הפעולה הזו ,של ניסוח הפרומפט, זכתה בעברית החדשה לשם הפעולה "לג'נרט" (To generate). היא זו שבמידה רבה תקבע את האיכות של התוצרים.
יש אפילו מקצוע חדש שהולך ומלבלב בעולם ה-AI. הוא נקרא, החזיקו חזק, "מהנדס פרומפטים" (Prompt Engineer). מדובר באדם שמיומנותו בניסוח של פרומפטים מוצלחים.
#איך להצליח בפרומפט?
כמה מרכיבים יוכלו לסייע בכתיבת הנחיות טובות לבינה הגנרטיבית:
פירוט ודיוק - אמנם הפרומפט יכול להיות משפט פשוט כמו "כתוב סיפור לילדים על החתול שנעלם", או "מתכון לסלט חצילים". אבל במיטבו פרומפט מדויק ומפורט יותר, ישיג דיוק ואיכות טובים יותר. תיאור של התוצר המצופה, עם פרטי פרטים, יביא כמעט תמיד לתוצאות טובות יותר. הקפידו פרומפטים לכתוב:
ספציפיות - במקום לכתוב לצ'ט "צייר לי פרח" מומלץ לפרט ולבקש למשל "פרח אדום עם עלי כותרת גדולים שהקצה שלהם צהוב". אל תדאגו אם מה שאתם כותבים נשמע לכם לא הגיוני. אחד הדברים שהבינה מצויינת בהם זה יצירה של דברים שרק גאון או משוגע יכולים לחשוב עליהם וזו בדיוק היצירתיות שלכם שדרושה לג'ינרוט מוצלח. אל תבקשו מהצ'ט "מתכון לסלט" אלא בקשו "מתכון לסלט חצילים עם טחינה, מעט חריף ועם שמן זית". באופן דומה, הציבו גם מגבלות - מה לא ייכלל בתוצר. במקום לבקש "תכנית לטיול בלונדון" בקשו "תכנית לטיול של 3 ימים בלונדון, למשפחה עם בני נוער, שיהיה חינוכי ויכלול הליכה רגלית בלבד וללא שופינג".
שיפור בשלבים - את הפרומפט, בניגוד לחיפוש במנועי חיפוש, אפשר לשפר בשלבים. הצ'ט בוט של ChatGPT, למשל, זוכר את השיחה וההקשר של מה שאתם כותבים, כל עוד התכתבות היא באותו חלון שיחה. זה אומר שלמתחילים שווה לנסות ולהתחיל בפרומפט כללי ולא מפורט ובהדרגה, ככל שהשיחה והדיוק של התוצר מתקדם לכם וגם התיאבון לתוצר יותר מוצלח גדל, להמשיך ולשפר את הפרומפט ולהפוך אותו למפורט וספציפי יותר.
בקול או טון מתאימים - ניסוח של פרומפטים לטקסטים כדאי שיקל בחשבון את הטון והקול הנכונים. כמו שבפרומפט ויזואלי נוכל לבקש שהציור יהיה בסגנון של ון גוך, פיקסו או דאלי, בתיאור של טקסט החליטו אם אתם רוצים שיהיה מנוסח כרציני, מדעי, עיתונאי, רשמי, או בסגנון של מתבגרים או של החבר'ה. אפשר גם לבקש שהטקסט יהיה קצר או ארוך (כתוב לי שתי פסקאות על.. או "כתוב מאמר מלא על..." וכו').
הסבר כמו למתחיל - בקשו בפרומפט כך:
"Explain [subject] in simple terms. Explain to me as if I'm a beginner."
כך מודגם הפרומפט בפתיחת הסקירה על טכנולוגיית AI של חברת ראנוויי (עברית):
https://youtu.be/joJVqKTPVsY
השיעור הראשון בניסוח הפרומפט:
https://youtu.be/Qos2rG3zVAM
איך משתמשים ב- chatGPT כדי שהוא ינסח פרומפטים טובים למנוע תמונות, במקרה הזה Midjourney? (עברית):
https://youtu.be/zFS7WtovYmo
יש תוכנה לעזרה בניסוח פרומפטים (עברית):
https://youtu.be/HLhRFaXQ0vQ
על הפרומפט שמייצר חדשות קוליות לגיק:
https://youtu.be/5TlsXXTamBs
מודלים לציור גנרטיבי מתיאור מילולי בשפה טבעית:
https://youtu.be/pZsJbYIFCCw
הנה מקצוע מהנדס הפרומפט:
https://youtu.be/Bq-ncjOGeVU
עצות וטיפים לפרומפטים ושיחות עם צ'טבוטים (עברית):
https://youtu.be/R4E_lc_2wtY?long=yes
והסבר מקיף על עבודתם של מהנדסי הפרומפט (Prompt Engineer) בעולם ה-AI:
https://youtu.be/hd7l9F3n4ZM?long=yes
אילו מקצועות ייפגעו מהבינה המלאכותית הגנרטיבית?
אנו בעידן הצ'אט בוט המדהים של Open AI שנקרא ChatGPT. ה-GPT הוא קיצור בראשי תיבות של Generative Pre-trained Transformer. הצ'ט בוט הזה מוביל שורה של פיתוחים דומים ולמעשה הוליד, כמעט יש מאין, עולם חדש של טכנולוגיות. יצירתיות, חדשניות ומדהימות.
העניין הזה כבר הוליד פועל חדש בעברית, כשהמערכות הללו מתחילות לג'נרט (מלשון generate), כלומר לייצר תוכן באופן אוטומטי על ידי מחשבים ומודלי שפה תבוניים, דוגמת ChatGPT, Claude, Gemini ודומיהם.
מודלי השפה הללו מתקדמים במהירות והמירוץ לפתחם ימשיך. במקביל לעבודה המדהימה שעושים המפתחים של O.AI יוצאים כל הזמן כלים מתחרים, כולל של ענקיות כמו גוגל, פייסבוק ואמזון, העובדות על מוצרים דומים.
ביחס לכל מוצר AI שהיה נגיש לציבור בעבר, ChatGPT ומקביליו עושים דברים מדהימים, מהפכניים וכמעט בלתי נתפשים במהירות שהם מבוצעים.
אז נכון שיש לצ'אט הזה ולעמיתיו עוד דרך עד שנוכל לסמוך עליו ועל הידע והמידע שהיא מציע לנו בכל התחומים, אבל בתחומים מסוימים הם כבר כאן ועם יכולות בינה מלאכותית שהן די מהפכניות. בעניינים אחרים המרוץ לבשלות ככל הנראה ימשיך והם יגיעו די מהר...
קשה אולי להאמין שהמקצועות שאנו מכירים ייעלמו לגמרי. וגם אלו שאכן ייעלמו - זה לא יקרה מיד, אבל זה תהליך שיימשך, תהליך בו מקצועות עבודה יהפכו יותר ויותר למקצועות של פיקוח על הבינה המלאכותית שעושה אותה.
כשהאדם מפקח על עבודת המכונה, הוא יצטרך להיות בתחום כדי להיכנס לפעולה כשהמכונה נתקלת בבעיה שהיא לא יודעת לפתור, לא מתפקדת, מתקלקלת וכדומה.
אז אילו סוגי מקצועות ייפגעו מהבינה? - ההערכה היא שבעיקר מדובר בעבודות הקשורות בשפה. כל מי שמשתמשים בעבודה שלהם בשפה, באופן ישיר ומשמעותי ולא הכרח ביכולות אחרות, פיזיות, ליטרלי שריריות, יכולים לשער שהבינה המלאכותית תוכל לבצע במעלה ההתפתחות שלה את מלאכתם.
עיתונאים, מידענים, תחקירנים, אנשי שיווק, פרסום ויוצרי תוכן, מתכנתים ואפילו מוסיקאים - אצל כולם השפה היא כלי מרכזי בו הם עושים שימוש בליבת שיטת העבודה. אז זה לא שלא יהיו עיתונאי-על, או מוסיקאים אנושיים - הם פשוט יהיו מעטים ומעולים. השאר ימצאו את עצמם מוקפים באנשים שאינם אנשי מקצוע, אך למדו לנצל כלי AI ולייצר תוצרים שייתחרו בשלהם.
גם אנשי מדיה צריכים לדעת שהמקצועות שלהם יעברו שינויים משמעותיים ולמעשה כבר עוברים. עורכי סרטים, צלמים, יוצרי סרטים, מקליטים, עובדי אולפנים, טכנאי סאונד, עורכי אפקטים ומעצבים גרפיים - המקצועות הללו כבר עוברים שינויים וכדאי שיתעדכנו בהם היטב כי כך יוכלו להשתנות עם התחום ולהתבגר לחידושי ה-AI שייכנסו אליו, למצוינות והובלה בו.
הנה השפעת הבינה המלאכותית על העולם האנושי שלנו (מתורגם):
https://youtu.be/RzkD_rTEBYs
יחליף את המורים? - למה בחינוך מודאגים ממודל השפה החדש?
https://youtu.be/Fn8jDanbf0c
האם הג'י פי טי יחליף למשל את הסופרים ויכתוב ספרים, כמו שהוא מייצר היום ספרי ילדים (עברית):
https://youtu.be/sDjFRAP0Szg
ומה הוא עושה לתלמידים והמורים (עברית):
https://youtu.be/vmmUiyeGNB8?long=yes
מה עושים כלי מחקר ועיון מבוססי AI?
כלי מחקר מבוססי בינה מלאכותית ג'נרטיבית הם סוג של סוכני AI משוכללים (AI agents) המיועדים לחקר וארגון המידע שאנו צוברים בתהליך המחקרי.
מבין מודלי השפה הגדולים (LLMs) בולטים קלוד ו-Chatgpt שפותחו לכלים מולטי-מודאליים. ככאלה הם מתאפיינים ביכולת ללמוד דברים מטקסטים, תמונות, צילומי מסך ועוד ולשפר את הביצועים עם תוצאות בפלט הכולל טקסטים, קוד, אודיו, וידאו, תמונות והבנה מרחבית.
לצידם יש מודל שפה שהוא יותר מחקרי באופיו וכולל מנוע חיפוש. מדובר ב-Perplexity, כלי שהחל בהתבססות על דאטה מחקרי, בעיקר מ-Google Research. כשהפך להיות הצ'טבוט המחפש הראשון, הוא מתבסס על תוכן עדכני ורלוונטי שהוא מאתר באינטרנט בזמן אמת, עם עדיפות לתמציתיות ולנתוני אמת. בנוסף, פרפלקסיטי שומר על כללי הציטוט המדעי, נותן ציטוטים עם ציוני מקור, מנמק ומקשר את טיעוניו למקורות שעליהם התבסס ומהם שאב את המובאות והתשובות.
יש גם את NotebookLM של גוגל, מעין מחברת חכמה בצירוף שותף ללמידה, שמבין אתכם ועוזר להפיק את המרב מהחומר המחקרי או הלימודי. במקום לבזבז זמן על עבודה טכנית ומשעממת, מעלים אליו עשרות חומרים, כולל טקסטים בהעתק-הדבק, מאמרים, לינקים, כתבות וספרים ועד סרטוני יוטיוב והקלטות קוליות. הכלי, שמתבסס על Gemini 2.0, קורא, מבין ומנתח את כל המידע במהירות ובמקום שתבזבזו שעות על קריאת חומר וכתיבת סיכומים, הוא מייצר לכם בקלות סיכומים חכמים, תובנות, מדריכי למידה, צירי זמן ותשובות לכל שאלה. ניתן לצ'טט או ממש לשוחח עם המחברת כאילו היא עוזר אישי וקולי, לשאול שאלות שתרצו על החומר ולקבל תשובות מדויקות ומובנות.
מרשימה גם היכולת של NotebookLM, להפוך את הידע שטענתם אליו לפודקאסט וגם לשאול שאלות עם מיקרופון ולהיות שותפים מלאים לשיחה עם "המגישים". תארו לעצמכם שתוכלו לקחת את הסיכום שיהפוך להרצאה מוקלטת בקול אנושי לחלוטין, או לסרטון לימודי או מקצועי. זו למידה חווייתית, שיתופית ומעניינת הרבה יותר.
עוד כלי מחקר טובים הם עזרי כתיבת פרומפטים ומאגרי פרומפטים המסייעים לתקשורת יעילה עם מודלים גדולים של שפה. כלים כאלה הם חיוניים למגוון עצום של שימושים, כולל שלל אפשרויות מחקר, כתיבה והפקת תובנות מתוכן גולמי וממקורות בינתיים.
ברמה המדעית יש גם יש כלי בינתי, מעין מודל שפה גדול (LLM) בשם Consensus שהוא בעצם מנוע חיפוש אקדמי מבוסס בינה מלאכותית. הוא עצמו משתמש במודלי שפה גדולים (LLMs) כדי לאסוף, לנתח ולהנגיש מידע מדעי בצורה פשוטה ומדויקת. המנוע של "קונצנזוס" מנתח יותר מ-200 מיליון מאמרים מדעיים, מסכם אותם באופן תמציתי ומציג את הקונצנזוס המדעי, מה הדעה הכללית ביחס לשאלות מדעיות בנושאים שונים. לשם כך הוא משתמש בכלים כמו "Consensus Meter", בו רואים את התפלגות הדעות בשאלה המסוימת ולומדים על "מה חושב המדע" לגביה.
עוד שיטה שהוא נוקט היא "Pro Analysis". שימושיה העיקריים בחינוך ובמחקר הם בסיוע לסטודנטים ולמורים במציאת מאמרים רלוונטיים, יצירת סיכומים מותאמים לשואל, ניתוחים מהירים של ספרות מדעית, סינון מאמרים שלא עומדים בדרישות מדעיות מוגדרות (כמו מתודולוגיה, גודל מדגם או מובהקות סטטיסטית) והפקה של ציטוטים אוטומטיים ודוחות מותאמים.
הנה NotebookLM, כלי המחקר לטעינת חומרים מגוונים ומשימות עליהם (עברית):
https://youtu.be/_vML22ACIRs
הוא יכול לייצר אפילו פודקסט:
https://youtu.be/1jgpsGDUXW4
הצ'טבוט שמצטיין במחקר ובחיפוש - Perplexity (עברית):
https://youtu.be/1MkBWfurQL4
כלי AI מקצועי למחקר מדעי בסקירת ספרות ולמידה ממאמרים:
https://youtu.be/LBzrVEG5qsk
מארינר - סוכן AI והעוזר הגלובלי של גוגל:
https://youtu.be/WJnUWldjJQA?long=yes
הבן של גוגל וקלוד - הנה פרפלקסיטי ששילב את שני העולמות (עברית):
https://youtu.be/33nBpKRWMms?long=yes
כמה כלי מחקר מבוססי AI:
https://youtu.be/Rc9R7T8S1c8?long=yes
ומדריך לעבודה עם NotebookLM:
https://youtu.be/UG0DP6nVnrc?long=yes
מה זה UBI שישמור בעתיד על מובטלי ה-AI?
מדובר ברעיון מסעיר ויצירתי. הוא נקרא "הכנסה בסיסית אוניברסלית" (Universal Basic Income בקיצור UBI) ובעזרתו יש מי שמנסים לקדם את פני הרעה של הקדמה הבינתית, המאיימת על כל עולם התעסוקה של העתיד.
כוונתו להעמיד לרשות כל אדם הכנסה בסיסית, שמטרתה לסייע בהפחתת ההשפעות של הטכנולוגיה על העובדים. הכנסה בסיסית כזו תחושב על ידי "חישוב בסיסי אוניברסלי" ודי אחיד.
הרעיון הוא להציע הכנסה בסיסית אוניברסלית, מעין תשלום מזומן, ללא תנאים, שיינתן לכל מבוגרי האוכלוסייה, ללא קשר לעושרם ולמצבם התעסוקתי. המטרה היא לספק רשת ביטחון לאנשים שהמשרות והתעסוקה שלהם מאוימות על ידי חידושי הטכנולוגיה, כולל ובמיוחד הרובוטיקה והבינה המלאכותית.
הכוונה היא לאפשר להם לחפש עבודה בתחומים שמדברים אליהם ומעניינים אותם, בדברים שיסייעו להם לממש את עצמם והם יכולים להצליח בהם, לבלוט ולנצנץ - אולי אפילו ליזום עסק משלהם וליצור לעצמם בסיס כלכלי מבלי להיות שכירים, באיום מתמיד של אבטלה...
גם אם שמרנים רבים נוטים לדחות את מה שהם תופסים כרווחה שתקטין את המוטיבציה של אנשים לחפש עבודה ולעבוד, ניסיונות לחלק UBI לתושבי ערים ומדינות בארצות הברית הראו תוצאות חיוביות בדרך כלל. חלק מהתוכניות הללו, אגב, העניקו את התשלומים באופן סלקטיבי לאנשים, על סמך הצורך המוכח או המעמד החברתי שלהם ולא לכל האוכלוסייה כולה.
בין התומכים ביוזמה הזו ניתן למצוא גם רבים מראשי ומצליחני ההייטק, כולל מי שמובילים את התפוצצות ה-AI הנוכחית, ביניהם מנכ"ל חברת OpenAI והאדם הכי חזק בעולם הבינה המלאכותית כרגע, סם אלטמן.
לשיטתו, דווקא בשל החשש שהבינה המלאכותית תלך ותחליף אינספור עובדים אנושיים, כולל אנשים שלמדו מקצועות ורכשו תארים ומומחיות ויהפכו למובטלים, אולי אפילו מובטלים כרוניים, דווקא בצל החשש הזה כדאי לתת את ההכנסה הבסיסית המדוברת.
לשיטתו של אלטמן, כל אזרח יקבל, אולי במקום כסף, חלק ממחשב סופר-מתקדם, שהוא מכנה לצורך העניין GPT-7. כל מקבל כזה, אלטמן גורס, יכול יהיה לעשות כרצונו בחלק שקיבל. יהיו מי שישתמשו בו ויקימו מיזם, למשל טכנולוגי, או יהיו שותפים במיזם כזה, אחרים ירצו אולי למכור את החלק שלהם לאחרים, יהיו שיעדיפו לתרום אותו לטובת מחקר בפתרון בעיות עולמיות, כמו משבר האקלים או חקר הסרטן.
ההנחה של מנכ"ל OpenAI היא שעם הטמעתה של הבינה המלאכותית המתקדמת ביותר ויותר היבטים של חיינו, הבעלות על יחידה של מודל שפה גדול, כזה שהוא מכנה GPT7, עשויה להיות בעלת ערך גדול יותר מאשר כסף. אלטמן רואה עולם בו כל אדם בחברה העתידית יחזיק למעשה חלק מהקידמה והיצרנות העתידית ויוכלו להבטיח לעצמם ולמשפחתם פרנסה בעתיד.
הנה רעיון ההכנסה הבסיסית אוניברסלית (עברית):
https://youtu.be/8rM_-49DPe4
בטלנות? רוגע כלכלי? - על ניסוי ראשון איך זה ישפיע על בני אדם? (עברית)
https://youtu.be/u_-N_AWQQiI
בעלי מקצוע מפחדים על העבודה שלהם (עברית):
https://youtu.be/0AGYOv0sGHg
וסרטון מקיף על ה-UBI ומשמעויותיו (מתורגם):
https://youtu.be/kl39KHS07Xc?long=yes
איך התכנות יורד לעם בעזרת בינה מלאכותית יוצרת?
בימי AI אלה, של פברואר 2025, נראה שאנו רואים את השינוי בכתיבת קוד בכלל ובתכנות של אפליקציות לסוגיהן בפרט.
וזה לא ממש תכנות, עם כתיבת קוד וחלוקה למסמכים שיוצרים תוכנה, אלא יותר תהליך של חשיבה וחלוקת הוראות. כולנו יכולים לחשוב על רעיון, לנסח אותו כפרומפט, אולי גם לדמיין ולצייר מסכים, להציגם ל-AI, לראות קוד ואת התוצאה, לאשר או להציע תיקונים, לשפר את המודל ולראות את התוצאה משתפרת.
גם אם זה נשמע בלתי אפשרי, זה בדיוק מה שהבינה היוצרת מאפשרת כיום, כמעט לכל אחד, כולל מי שלא למדו מעולם לקודד ולתכנת. אחד מגאוני ה-AI של הדור החדש, אנדריי קרפאטי (Andrej Karpathy), מסביר שכלי ה-GenAI משנים את אופן פיתוח התוכנה מהיסוד וקורא לזה “תכנות וייב” (Vibe Coding).
תכנות הווייב פירושו תכנות שלא בקוד אלא של מפתחים שמתרכזים ברעיונות הגדולים ונותנים ל-AI לטפל בשאר - מהקוד והאיטרציות (שפירושן שיפור וניסוי שוב ושוב), דרך הפרטים הטכניים, הטיפול בבסיס הנתונים (Database), ב-API ובהעלאת הכלי לאונליין (Deployment).
ומדובר בשינוי של כל החוקים שהכרנו. המעבר הזה מכתיבת הקוד לפתרון בעיות באמצעות חשיבה מדויקת ככל האפשר, הנחיות ל-AI, עיצוב מסכים והעלאתם כטיוטות עיצוב לבינה, כל אלו הם חלום שמתממש. משמעותם הפשוטה היא דמוקרטיזציה של עולם פיתוח התוכנה.
והאפשרויות החדשות הללו מאפשרות עכשיו גם לאנשים ללא רקע תכנותי או היכרות והבנה בקוד, להגשים את רעיונותיהם - על ידי יצירה של תוכנות מקוונות, אפליקציות או כלים שונים, באמצעות כלים בינתיים וטכנולוגיים, המופעלים על ידי אדם ולידו בינה מלאכותית, שמקבלת ומבצעת הוראות.
אז המרחק, שבעבר היה גדול מאוד, בין הרעיון למימושו, תלוי עכשיו במשתמש ורק בו. כלים רבים לקידוד מבוסס פרומפטים יש כיום והם משתכללים מיום ליום. המוח האנושי יידע להנפיק מהם גם שיפורים אישיים ומרהיבים לחיים המודרניים וגם כלים חדשים ומעולים לשימוש בעתיד.
הנה הארטיפקט של קלוד, שאחרי קידוד ניתן לשתף את יצירתכם ב-Publish לאחרים:
https://youtu.be/vUdNaAAc4FY
שיעור תכנות ללא תכנות בכלי Lovable:
https://youtu.be/gqsZGxuymTk?long=yes
Websim.ai הוא כלי קוד שמשלב את העיצוב בקידוד וניתן לתכנת בו ללא תכנות:
https://youtu.be/HCw4jCbLgMY
Replit הוא כלי שבו ניתן לקודד גם בסמארטפון:
https://youtu.be/Cmq3TrS3ccU
כלי קוד מבוססי אינטליגנציה מלאכותית:
https://youtu.be/3cVJxRka4yM
השוואה של 3 מודלי שפה LLMs במהירות יצירת קוד למטלה זהה:
https://youtu.be/_JS-LkBrsk8
יישום של תוכנה שפותחה כך, ללא כתיבת קוד:
https://youtu.be/lkom9ufvxD4
איך ChatGPT בניתוח קוד? (עברית)
https://youtu.be/Z46pqHFuKHs
רפליט הוא כלי קוד בינתי מתקדם יותר:
https://youtu.be/FrMy3Bq7TZA
מדריך מתחילים לתכנות עם Cursor AI:
https://youtu.be/ocMOZpuAMw4?long=yes
ומדריך לעבודה עם Windsurf:
https://youtu.be/4nCMdQadE08?long=yes
מה היתרון של כלי פיתוח קוד מבוססי AI?
מחשב מתכנת לבדו? - באופן מסוים כן. כי כלי קוד מבוססי בינה מלאכותית (AI-based code tools) מאפשרים לשלב את הרעיון או המומחיות האנושית עם היכולות של הבינה המלאכותית, כדי לפתח תוכנה ולעשות זאת ללא קידוד של המשתמש או באמצעות שיתוף פעולה בין המשתמש ל-AI.
קידוד מבוסס AI מתבסס על בינה מלאכותית ככותבת הקוד. כתיבת הקוד מתבססת על מודל שפה שאומן על נתוני דאטה עצומים ולמד קידוד.
המשתמש מאפיין את המוצר, אם זה אתר אינטרנט, תוכנה או אפליקציה לטלפון ומתאר אותו באמצעות פרומפט, הנחייה שהוא כותב לבינה היוצרת בלשון טבעית, כלומר שפה רגילה, שפת יום יום וללא צורך בידע בתכנות.
החיבור בין הרעיון והשכל האנושי ובין האינטליגנציה המלאכותית מאפשרים ניהול וביצוע משימות פיתוח, בשיתוף פעולה ועצמאות גם יחד.
באמצעות תכונות של AI מקודד ניתן לתאר ל-AI את המטרה, לקבל קוד, להנחות אותה כיצד להתקדם בפתרון בעיות או באגים בקוד ולהוביל ביחד לקוד איכותי ולמימוש הרעיון.
ה-AI המקודד מודע לפעולות המשתמש בזמן אמת ומציע יתרונות אדירים. הוא מסוגל לערוך קבצים מרובים במהירות אדירה, להציע פקודות, לזהות בעיות ולנפות באגים.
כלי הקוד המשובח "Windsurf AI", למשל, מפעיל סוכני AI מובנים, יחד עם מעין "טייסי משנה" מונעי בינה מלאכותית, שמטרתם להטעין את הקוד ולהפוך את הקידוד למהיר ואינטואיטיבי יותר.
בעצם, Windsurf ודומיו, דוגמת Cursor AI שהיה חלוץ הכלים הללו, הם מעין סביבת פיתוח (IDE) מהדור החדש, המשפרות את הפיתוח בעזרת אוטומציה חכמה ומציעות עריכת קוד בסביבה מרובת קבצים. וינדסרף עושה זאת, בין השאר, בעזרת כלי שנקרא Cascade ומצטיין במודעות עמוקה לקונטקסט, ההקשר הכל כך בסיסי ומרכזי בבינה המלאכותית היוצרת (Generative AI).
כלי נוסף וקל הרבה יותר הוא Websim AI, המאפשר לתאר אתר או אפליקציה, או סתם לתת שם דומיין מדומה, והיא יוצרת אותם. מכאן אפשר להנחות אותה בצעדים, איטרציות, מה שמאפשר לדייק אותה, לשפר, לשדרג ולבנות הלאה.
הנה כלי קוד מבוססי אינטליגנציה מלאכותית:
https://youtu.be/3cVJxRka4yM
AnyChat מצויד בדיפסיק וסמבה נובה לקידוד פשוט:
https://youtu.be/7BIVWQnAOLk?t=2m54s
השוואה של 3 מודלי שפה LLMs במהירות יצירת קוד למטלה זהה:
https://youtu.be/_JS-LkBrsk8
השוואת 5 כלי קוד מובילים והמנצח המפתיע:
https://youtu.be/WVhJSUtGbYM
יישום של תוכנה שפותחה כך, ללא כתיבת קוד:
https://youtu.be/lkom9ufvxD4
Websim.ai הוא כלי קוד קל מאוד וקסם ללא תכנות:
https://youtu.be/HCw4jCbLgMY
איך ChatGPT בניתוח קוד? (עברית)
https://youtu.be/Z46pqHFuKHs
רפליט הוא כלי קוד בינתי מתקדם יותר:
https://youtu.be/FrMy3Bq7TZA
לקודד אפשר גם בסמארטפון:
https://youtu.be/Cmq3TrS3ccU
מדריך מתחילים לתכנות עם Cursor AI:
https://youtu.be/ocMOZpuAMw4?long=yes
ומדריך לעבודה עם Windsurf:
https://youtu.be/4nCMdQadE08?long=yes
מה דיפ ריסרץ' עושה במחקר AI מעמיק?
אפשר לראות בזה רק עניין מיתוגי, אך לעומת סתם דיפ סרץ' כלי הדיפ ריסרץ' (Deep Research) מבטיח להיות מנוע מחקר, סוג של מנוע חיפוש, איסוף וכתיבה חכם שתוכנן כך שיוכל לבצע מחקרים מעמיקים ולא רק חיפושים לצורך מענה.
אמנם בכלי מחקר מעמיק שכזה המשתמש שואל את הצ'ט באמצעות פרומפט רגיל ופשוט. אך החיפוש יהיה מעמיק יותר וגם התשובה המתקבלת תהיה מעמיקה בהרבה. זו גם הסיבה שזמן ההמתנה לקבלת מענה יהיה של כמה דקות ועד שעה.
כלי DeepResearch טובים ינפיקו בדרך כלל תוצאות תוך דקות, או יותר במקרה של מחקרים סופר מורכבים. המדהים הוא שלצד איכות התוצאות, ההולכת ומשתפרת ברמה של ימים ממש, הן מתקבלות בחיפוש מהיר שכזה ובמחיר כמעט אפסי.
מחקר שמומחה אנושי היה מבצע במשך שבוע ומחירו היה בסדרי גודל של כ-3,000 דולר אורך בדרך כלל דקות ועלותו זניחה.
ביצוע של מחקר עומק עם הדיפ-ריסרץ' של מודלים אופייניים כמו פרפלקסיטי (Perplexity), ChatGPT או Grok3, למשל, יבצע מחקר, איסוף של מקורות, לאחר מכן שלבים שונים, כמו אינטגרציה, השוואה ושילוב ולבסוף ייתן מענה מפורט. כל זאת תוך שהוא מפרט את שלבי העבודה לעיני המשתמש, בשקיפות מירבית.
מודל הדיפ ריסרץ' סורק את האינטרנט ומאתר מקורות מידע רבים יותר ומגוונים ועושה מאמצים לנפק מענה ברמת דוקטור - תשובה מלאה, מנומקת וכזו שבה מוצגים המקורות שעליהם מבוססת התשובה.
ביצוע של מחקר עומק שכזה מסוגל גם לשפר את רמת השקיפות והאינטראקציה והוא אתגר חשוב בדרך לבינה מלאכותית בוגרת עוד יותר.
כלומר, בניגוד למודל AI רגיל שנוהג לענות במהירות ומבצע הליך חפוז של חקר עד לקבלת המענה הסביר, מה שגם מוליד לצערנו את ההזיות המוכרות לנו עדיין, מנוע חיפוש עמוק, כמו אלו של מודלי ה-DeepResearch המובילים בתחום, עובד אחרת.
איך?
מנוע מחקר DeepResearch מפשט שאילתות לחלקים קטנים יותר ומאפשר כמעט תמיד הצצה והבנה שקופה של תהליך החשיבה שלו, צעד אחר צעד. בכך הוא יכול גם להציע תובנות הקשריות עשירות הרבה יותר מחיפוש רגיל באמצעות AI ובמקרים מסוימים גם לנמק.
כך מבצע Perplexity מחקר עומק מבוסס AI בחינם:
https://youtu.be/Z1_M2XtsUwY
החיפוש המעמיק של כלי ה-DeepResearch:
https://youtu.be/zm6F0vo2E64
הדיפ ריסרץ' של Chatgpt שעולה 200$ לחודש:
https://youtu.be/jPR1NEerdEk
מדריך לעבודה עם ה-DeepResearch החינמי ומהיר של Grok 3:
https://youtu.be/7pR3bVWZSao
והשוואה בין כמה מודלי Deep Search:
https://youtu.be/5dRxhqtIbOg?long=yes
מודל היגיון (Reasoning Model) הוא מודל שנועד לחקות את תהליך החשיבה האנושית ולהסיק מסקנות לוגיות על בסיס מידע נתון.
מודלי ריזונינג נוטים להיות כבדים יותר ולספק תובנות עמוקות, באמצעות הסקה רב-שלבית, מורכבת ומעמיקה. כמובן שהם משתמשים בטכניקות של בינה מלאכותית ולמידת מכונה כדי לנתח נתונים, לזהות דפוסים ולהסיק מסקנות מבוססות עובדות.
בדרך לתת תשובה מחלקים מודלי הגיון את פתרון הבעיה לשלבים, מתעכבים על התשובות, מהרהרים, בודקים, לעתים מתקנים את עצמם (בתכנות רואים את זה היטב) ומבצעים תהליכי ניתוח מורכבים.
בגדול - הם מבצעים חשיבה מתמשכת ומבוססת יותר מזו של מודלי שפה רגילים.
מודל הגיון שכזה מתאים מאוד לפתרון ברמת דוקטור (PhD) של בעיות מורכבות, בעיקר מתמטיות, מדעיות והנדסיות. הוא מושלם לחישובים מורכבים ודברים כמו מתמטיקה, פיזיקה, פיתוח קוד והסקת מסקנות.
ואגב, מודל ריזונינג דורש כוח מחשוב משמעותי מהרגיל, לפחות במקרה של מודל ChatGPT 4o1 של OpenAI וקצת פחות במודל הסיני המפתיע DeepSeek, שפותח לכאורה בגרושים ומראה תוצאות מרשימות בדרישות חומרה נמוכות בהרבה.
#החשיבה דרך הבעיה
מודל היגיון, הוא מודל מנומק, שמשתמש בהיגיון כדי "לחשוב דרך" הבעיה ולהיות מסוגל גם להראות את תהליך החשיבה שביצע, לפני שנותן את התוצאות. זאת בניגוד למודלים הרגילים שמבצעים אופטימיזציה סבירה, רק כדי שיוכלו לספק את התשובה המהירה ביותר (שזה מה שגם גורם לא פעם למודל שפה רגיל לתרום לנו בדרך את ה"הזיות", אותן Halucinations המוכרות לנו כל כך).
בקיצור, אם מודל שפה רגיל הוא הבחור הטקסטואלי שהוא אלוף על טקסטים ועונה מהר, מודל ההיגיון הוא הנערה המבריקה והריאלית, שיכולה לפצח בעיות מופשטות, מתמטיות, פיזיקליות ומדעיות בתחומים ומדעים מדויקים, בלי למצמץ ועם יכולת לנמק ולהסביר את הפתרון שאליו היא מגיעה, צעד אחר צעד.
מודל כזה מבצע לעתים קרובות "שרשרת מחשבה" (Chain of Thought) ולכן גם מכונה כך לפעמים. המודל חושב צעד אחר צעד, בצורה שמזכירה את האופן שבו אנו, בני האדם, עשויים לגשת לאתגר משמעותי יותר כמו פיתוח אפליקציה חדשה, תכנון חופשה או בניית בית.
#היתרון
משמעותו של מודל כזה היא ביכולת שלו לספק תשובות מדויקות ומושכלות לשאלות מורכבות, לפתור בעיות ולקבל החלטות מבוססות נתונים. לכן וכדי להצטיין בבעיות מסובכות יותר, מומלץ להזין אותו בכמה שיותר הקשר, קונטקסט (Context) לגבי הנושא והגישה לפתרון.
#במה הם יכולים לעזור לנו?
מודלים כאלו יכולים לנתח כמויות גדולות של נתונים במהירות ובדיוק, לזהות דפוסים ולהסיק מסקנות. הם יכולים לפתור בעיות מורכבות על ידי שימוש בלוגיקה ובאלגוריתמים מתקדמים.
ביכולתם גם לסייע בקבלת החלטות מבוססות נתונים, מה שיכול להיות מועיל בתחומים כמו רפואה, כלכלה וניהול. בנוסף, הם יכולים להסיק מסקנות לוגיות על בסיס הנתונים שנתונים להם, מה שיכול לסייע בתחזיות ובתכנון.
מודלי ההיגיון יכולים לחסוך זמן ומאמץ בביצוע משימות מורכבות, מה שמאפשר למשתמשים להתמקד בפעילויות אחרות. ביכולתם לספק תשובות מדויקות ומבוססות עובדות, מה שיכול להיות מועיל בתחומים כמו רפואה, משפטים והנדסה.
מודלים אלו מסייעים בקלות בקבלת החלטות מושכלות ומבוססות נתונים, מה שיכול להיות מועיל בחיי היומיום ובעבודה והם יכולים גם לסייע בפתרון בעיות מורכבות במהירות וביעילות, מה שיכול להיות מועיל בתחומים רבים.
ברפואה, מודלי היגיון יכולים לסייע באבחון מחלות ובמתן המלצות לטיפול על בסיס נתונים רפואיים.
בכלכלה, ניתן להסתייע בהם בניתוח שוק ההשקעות ובקבלת החלטות כלכליות מבוססות נתונים.
בחינוך, המודלים הללו יכולים לסייע בהוראה ובלמידה על ידי סיפוק הסברים מדויקים ומושכלים לשאלות מורכבות.
בניהול, הם מעולים הסיוע לניהול משאבים מוצלח ובקבלת החלטות ניהוליות מבוססות נתונים.
אז אם לסכם, מודל היגיון הוא כלי חזק שיכול לסייע במגוון רחב של תחומים ולשפר את איכות החיים של המשתמשים, על ידי סיפוק תשובות מדויקות ומבוססות עובדות. עם יכולותיו הוא מאפשר לנתח נתונים במהירות, לפתור בעיות מורכבות ולקבל החלטות מבוססות נתונים, מה שהופך אותו לאחד הכלים החיוניים ביותר בדור החדש של העידן הדיגיטלי מבוסס הבינה המלאכותית.
הנה מודל ההגיון הסיני Deepseek R1 שיודע לחשוב מראש, לתכנן, להשוות כמה תשובות אפשריות, לפרק את הבעיה לחלקים, לחזור אחורה ולחשוב מחדש על השאלה וכך לענות היטב על שאלות קשות, מורכבות ועד לא מזמן בלתי אפשריות למודל שפה:
https://youtu.be/-2k1rcRzsLA
דוגמה לבעיות פשוטות מהחיים שמודל מנומק יכול לפתור:
https://youtu.be/yQampjl6gPI
שניים כאלה:
https://youtu.be/rzMEieMXYFA
ו-DeepSeek R1 הוא מודל מנומק בקוד פתוח:
https://youtu.be/yT3KGbiA09Q
הבינה המלאכותית היצירתית (GenAI) כמו DALL-E היא מערכת המסוגלת לייצר תמונות ודימויים ויזואליים דמיוניים, המבוססים על פרומפטים - תיאורי מלל, אינפוטים טקסטואליים שכתב והזין לה המשתמש.
הכל הוא חלק מטכנולוגיה שנקראת "ג'נרטיב AI". זו בינה מלאכותית שבמקום לחשב ולנצח במשחקי טריוויה הפכה ליוצרת AI, לציירת, צלמת ועוד כל מיני סוגי אמנים - אבל במקרה שלה - תמיד באינטליגנציה מלאכותית.
באמצעות פרומפטים, תיאורים מילוליים דוגמת "אביר ימי-בייניימי עשוי מחצילים" או "מגדל מודרני בנוי על שריון של צב בסגנון פיקאסו" מייצרת המערכת תמונות וציורים מרהיבים ואפילו מדהימים.
ליצירת התמונות מהטקסט אחראית הבינה המלאכותית המבוססת על למידה עמוקה, מערכת הלומדת בעצמה רשתות נוירונים מלאכותיות, על סמך דפוסים שהיא מאתרת עצמאית, במיליוני תמונות וציורים המוזנים אליה על ידי המפעילים שלה.
להישג המקורי של DALL-E קמו די מהר מתחרים איכותיים לא פחות ואף יותר. הם מציעים עולם חדש וחסר תקדים של ציירים בינתיים, שרק ממתינים לבקשות מהמשתמשים ומזדרזים לצייר מבחר טיוטות, מהן יכול המשתמש לבחור את התוצר הסופי שמועדף, שיבוצע באיכות גבוהה.
איש לא יודע בדיוק כיצד המנועים השונים פועלים, אבל זו עבודה מדהימה של למידה עמוקה שמעבדת בעצמה את הדאטה ממיליוני תמונות ומלמדת את עצמה לצייר ולפרש את הפרומפטים לפיקסלים ותמונות.
התוצאות של DALL-E 2 היכו די מהר גלים בעולם הבינה המלאכותית ותחרות של חברות ומפתחי קוד פתוח יצרו גם הרבה שיפורים, הן באיכות הטכנית של התמונות והן ביכולות האמנותיות. כך למשל הולכות התמונות ונעשות מפורטות, הרזולוציה גדלה, יכולות הריאליזם, עבודת הצל והתאורה, השימוש במרקמים וציור הנראה כמעט טבעי לחלוטין. השטח מלא במודלים שבראשם מידג'רני, אידיאוגרם ו-Flux, המודל בקוד פותח שמייצר תוצרים שומטי לסתות.
הנה כלי Gen AI מצטיין ליצירה ויזואלית:
https://youtu.be/XZjaHJP0PQE
באיזה כלי לבחור לכל צורך? (עברית)
https://youtu.be/a5wUS6SQ0us?t=1m47s
"דאל-E" שכבר יכולה לצייר דיוקנאות מתיאור מילולי בשפה טבעית של מה שיכיל הציור:
https://youtu.be/qTgPSKKjfVg
על היכולת המופלאה של דאלי ליצור אמנות:
https://youtu.be/hiSgpZUAy2c
הסבר אמנות ה-AI:
https://youtu.be/alJdw4JDJ4o
מנועי יצירת תמונות מתחרים:
https://youtu.be/rGbNJrywLhk
גם היהדות ואפילו החרדית מקבלת אפשרויות שהולכות ומתפתחות (עברית):
https://youtu.be/KR29znIp2LU
ה"אאוט פיינטינג" של דאלי, בו הוא מרחיב תמונה:
https://youtu.be/G-Wsh1vUeVQ
קבלו משפר פרומפטים ליצירת תמונות (עברית):
https://youtu.be/HLhRFaXQ0vQ
מדריך להרחבת תמונות:
https://youtu.be/V1KLG159A2s
קליפ שכולו תמונות שנוצרו ממילות שיר של קינג קרימזון:
https://youtu.be/VR3AWdyVVdU
למה יש לבינה כל הזמן בעיה עם אצבעות?
https://youtu.be/24yjRbBah3w
גם למחוללי תמונות מעולים כמו מידג'רני יש בעיות (עברית):
https://youtu.be/xUpUhHsAWlg?long=yes
הסבר מעמיק וארוך על יצירת תמונות גנרטיבית (עברית):
https://youtu.be/aHPFq-Q6JQ0?long=yes
ויוצר רשת שחודש שלם העלה לרשת החברתית תמונות אושר ואווירה שיצר AI - ואז גילה לעוקביו את האמת:
https://youtu.be/FRClNMC_z-s?long=yes
מהו המקביל של מברשת של הצייר, מקלדת המלחין או הבוס של כותב המאמר, עורך הווידאו או המשורר בעולם הבינה המלאכותית הגנרטיבית? - מיהו זה שאומר מה הוא צריך והם יושבים לעבוד וליצור?
זהו הפרומפט (Prompt), ההנחייה הטקסטואלית שאנחנו נותנים למכונה, כלומר לכלי הבינה הגנרטיבי (Generative AI). את ההנחייה הזו אנו כותבים לו כדי שייצר לנו תוצר בינתי.
בפשטות, פרומפט הוא התיאור המילולי בשפה טבעית של התוצר שרוצים לקבל מהבינה.
היום הפרומפט הוא המלך של עולם הבינה המלאכותית מבוססת הדיאלוג וסוגי מודלים של שפה.
זה אמנם נשמע דומה לביטוי חיפוש, אבל הפרומפט הוא לא המקבילה הפשוטה של ביטוי החיפוש במנועי חיפוש, אלא בניסוח מאוד מוקפד של התוצר הרצוי, שיכול ללכת ולהשתבח במהלך הצ'אט עם הבוט, ככל שנרצה להשביח את התוצאה שקיבלנו.
#לג'נרט אהבה
הפעולה הזו ,של ניסוח הפרומפט, זכתה בעברית החדשה לשם הפעולה "לג'נרט" (To generate). היא זו שבמידה רבה תקבע את האיכות של התוצרים.
יש אפילו מקצוע חדש שהולך ומלבלב בעולם ה-AI. הוא נקרא, החזיקו חזק, "מהנדס פרומפטים" (Prompt Engineer). מדובר באדם שמיומנותו בניסוח של פרומפטים מוצלחים.
#איך להצליח בפרומפט?
כמה מרכיבים יוכלו לסייע בכתיבת הנחיות טובות לבינה הגנרטיבית:
פירוט ודיוק - אמנם הפרומפט יכול להיות משפט פשוט כמו "כתוב סיפור לילדים על החתול שנעלם", או "מתכון לסלט חצילים". אבל במיטבו פרומפט מדויק ומפורט יותר, ישיג דיוק ואיכות טובים יותר. תיאור של התוצר המצופה, עם פרטי פרטים, יביא כמעט תמיד לתוצאות טובות יותר. הקפידו פרומפטים לכתוב:
ספציפיות - במקום לכתוב לצ'ט "צייר לי פרח" מומלץ לפרט ולבקש למשל "פרח אדום עם עלי כותרת גדולים שהקצה שלהם צהוב". אל תדאגו אם מה שאתם כותבים נשמע לכם לא הגיוני. אחד הדברים שהבינה מצויינת בהם זה יצירה של דברים שרק גאון או משוגע יכולים לחשוב עליהם וזו בדיוק היצירתיות שלכם שדרושה לג'ינרוט מוצלח. אל תבקשו מהצ'ט "מתכון לסלט" אלא בקשו "מתכון לסלט חצילים עם טחינה, מעט חריף ועם שמן זית". באופן דומה, הציבו גם מגבלות - מה לא ייכלל בתוצר. במקום לבקש "תכנית לטיול בלונדון" בקשו "תכנית לטיול של 3 ימים בלונדון, למשפחה עם בני נוער, שיהיה חינוכי ויכלול הליכה רגלית בלבד וללא שופינג".
שיפור בשלבים - את הפרומפט, בניגוד לחיפוש במנועי חיפוש, אפשר לשפר בשלבים. הצ'ט בוט של ChatGPT, למשל, זוכר את השיחה וההקשר של מה שאתם כותבים, כל עוד התכתבות היא באותו חלון שיחה. זה אומר שלמתחילים שווה לנסות ולהתחיל בפרומפט כללי ולא מפורט ובהדרגה, ככל שהשיחה והדיוק של התוצר מתקדם לכם וגם התיאבון לתוצר יותר מוצלח גדל, להמשיך ולשפר את הפרומפט ולהפוך אותו למפורט וספציפי יותר.
בקול או טון מתאימים - ניסוח של פרומפטים לטקסטים כדאי שיקל בחשבון את הטון והקול הנכונים. כמו שבפרומפט ויזואלי נוכל לבקש שהציור יהיה בסגנון של ון גוך, פיקסו או דאלי, בתיאור של טקסט החליטו אם אתם רוצים שיהיה מנוסח כרציני, מדעי, עיתונאי, רשמי, או בסגנון של מתבגרים או של החבר'ה. אפשר גם לבקש שהטקסט יהיה קצר או ארוך (כתוב לי שתי פסקאות על.. או "כתוב מאמר מלא על..." וכו').
הסבר כמו למתחיל - בקשו בפרומפט כך:
"Explain [subject] in simple terms. Explain to me as if I'm a beginner."
כך מודגם הפרומפט בפתיחת הסקירה על טכנולוגיית AI של חברת ראנוויי (עברית):
https://youtu.be/joJVqKTPVsY
השיעור הראשון בניסוח הפרומפט:
https://youtu.be/Qos2rG3zVAM
איך משתמשים ב- chatGPT כדי שהוא ינסח פרומפטים טובים למנוע תמונות, במקרה הזה Midjourney? (עברית):
https://youtu.be/zFS7WtovYmo
יש תוכנה לעזרה בניסוח פרומפטים (עברית):
https://youtu.be/HLhRFaXQ0vQ
על הפרומפט שמייצר חדשות קוליות לגיק:
https://youtu.be/5TlsXXTamBs
מודלים לציור גנרטיבי מתיאור מילולי בשפה טבעית:
https://youtu.be/pZsJbYIFCCw
הנה מקצוע מהנדס הפרומפט:
https://youtu.be/Bq-ncjOGeVU
עצות וטיפים לפרומפטים ושיחות עם צ'טבוטים (עברית):
https://youtu.be/R4E_lc_2wtY?long=yes
והסבר מקיף על עבודתם של מהנדסי הפרומפט (Prompt Engineer) בעולם ה-AI:
https://youtu.be/hd7l9F3n4ZM?long=yes
אנו בעידן הצ'אט בוט המדהים של Open AI שנקרא ChatGPT. ה-GPT הוא קיצור בראשי תיבות של Generative Pre-trained Transformer. הצ'ט בוט הזה מוביל שורה של פיתוחים דומים ולמעשה הוליד, כמעט יש מאין, עולם חדש של טכנולוגיות. יצירתיות, חדשניות ומדהימות.
העניין הזה כבר הוליד פועל חדש בעברית, כשהמערכות הללו מתחילות לג'נרט (מלשון generate), כלומר לייצר תוכן באופן אוטומטי על ידי מחשבים ומודלי שפה תבוניים, דוגמת ChatGPT, Claude, Gemini ודומיהם.
מודלי השפה הללו מתקדמים במהירות והמירוץ לפתחם ימשיך. במקביל לעבודה המדהימה שעושים המפתחים של O.AI יוצאים כל הזמן כלים מתחרים, כולל של ענקיות כמו גוגל, פייסבוק ואמזון, העובדות על מוצרים דומים.
ביחס לכל מוצר AI שהיה נגיש לציבור בעבר, ChatGPT ומקביליו עושים דברים מדהימים, מהפכניים וכמעט בלתי נתפשים במהירות שהם מבוצעים.
אז נכון שיש לצ'אט הזה ולעמיתיו עוד דרך עד שנוכל לסמוך עליו ועל הידע והמידע שהיא מציע לנו בכל התחומים, אבל בתחומים מסוימים הם כבר כאן ועם יכולות בינה מלאכותית שהן די מהפכניות. בעניינים אחרים המרוץ לבשלות ככל הנראה ימשיך והם יגיעו די מהר...
קשה אולי להאמין שהמקצועות שאנו מכירים ייעלמו לגמרי. וגם אלו שאכן ייעלמו - זה לא יקרה מיד, אבל זה תהליך שיימשך, תהליך בו מקצועות עבודה יהפכו יותר ויותר למקצועות של פיקוח על הבינה המלאכותית שעושה אותה.
כשהאדם מפקח על עבודת המכונה, הוא יצטרך להיות בתחום כדי להיכנס לפעולה כשהמכונה נתקלת בבעיה שהיא לא יודעת לפתור, לא מתפקדת, מתקלקלת וכדומה.
אז אילו סוגי מקצועות ייפגעו מהבינה? - ההערכה היא שבעיקר מדובר בעבודות הקשורות בשפה. כל מי שמשתמשים בעבודה שלהם בשפה, באופן ישיר ומשמעותי ולא הכרח ביכולות אחרות, פיזיות, ליטרלי שריריות, יכולים לשער שהבינה המלאכותית תוכל לבצע במעלה ההתפתחות שלה את מלאכתם.
עיתונאים, מידענים, תחקירנים, אנשי שיווק, פרסום ויוצרי תוכן, מתכנתים ואפילו מוסיקאים - אצל כולם השפה היא כלי מרכזי בו הם עושים שימוש בליבת שיטת העבודה. אז זה לא שלא יהיו עיתונאי-על, או מוסיקאים אנושיים - הם פשוט יהיו מעטים ומעולים. השאר ימצאו את עצמם מוקפים באנשים שאינם אנשי מקצוע, אך למדו לנצל כלי AI ולייצר תוצרים שייתחרו בשלהם.
גם אנשי מדיה צריכים לדעת שהמקצועות שלהם יעברו שינויים משמעותיים ולמעשה כבר עוברים. עורכי סרטים, צלמים, יוצרי סרטים, מקליטים, עובדי אולפנים, טכנאי סאונד, עורכי אפקטים ומעצבים גרפיים - המקצועות הללו כבר עוברים שינויים וכדאי שיתעדכנו בהם היטב כי כך יוכלו להשתנות עם התחום ולהתבגר לחידושי ה-AI שייכנסו אליו, למצוינות והובלה בו.
הנה השפעת הבינה המלאכותית על העולם האנושי שלנו (מתורגם):
https://youtu.be/RzkD_rTEBYs
יחליף את המורים? - למה בחינוך מודאגים ממודל השפה החדש?
https://youtu.be/Fn8jDanbf0c
האם הג'י פי טי יחליף למשל את הסופרים ויכתוב ספרים, כמו שהוא מייצר היום ספרי ילדים (עברית):
https://youtu.be/sDjFRAP0Szg
ומה הוא עושה לתלמידים והמורים (עברית):
https://youtu.be/vmmUiyeGNB8?long=yes
מנועים בינתיים
כלי מחקר מבוססי בינה מלאכותית ג'נרטיבית הם סוג של סוכני AI משוכללים (AI agents) המיועדים לחקר וארגון המידע שאנו צוברים בתהליך המחקרי.
מבין מודלי השפה הגדולים (LLMs) בולטים קלוד ו-Chatgpt שפותחו לכלים מולטי-מודאליים. ככאלה הם מתאפיינים ביכולת ללמוד דברים מטקסטים, תמונות, צילומי מסך ועוד ולשפר את הביצועים עם תוצאות בפלט הכולל טקסטים, קוד, אודיו, וידאו, תמונות והבנה מרחבית.
לצידם יש מודל שפה שהוא יותר מחקרי באופיו וכולל מנוע חיפוש. מדובר ב-Perplexity, כלי שהחל בהתבססות על דאטה מחקרי, בעיקר מ-Google Research. כשהפך להיות הצ'טבוט המחפש הראשון, הוא מתבסס על תוכן עדכני ורלוונטי שהוא מאתר באינטרנט בזמן אמת, עם עדיפות לתמציתיות ולנתוני אמת. בנוסף, פרפלקסיטי שומר על כללי הציטוט המדעי, נותן ציטוטים עם ציוני מקור, מנמק ומקשר את טיעוניו למקורות שעליהם התבסס ומהם שאב את המובאות והתשובות.
יש גם את NotebookLM של גוגל, מעין מחברת חכמה בצירוף שותף ללמידה, שמבין אתכם ועוזר להפיק את המרב מהחומר המחקרי או הלימודי. במקום לבזבז זמן על עבודה טכנית ומשעממת, מעלים אליו עשרות חומרים, כולל טקסטים בהעתק-הדבק, מאמרים, לינקים, כתבות וספרים ועד סרטוני יוטיוב והקלטות קוליות. הכלי, שמתבסס על Gemini 2.0, קורא, מבין ומנתח את כל המידע במהירות ובמקום שתבזבזו שעות על קריאת חומר וכתיבת סיכומים, הוא מייצר לכם בקלות סיכומים חכמים, תובנות, מדריכי למידה, צירי זמן ותשובות לכל שאלה. ניתן לצ'טט או ממש לשוחח עם המחברת כאילו היא עוזר אישי וקולי, לשאול שאלות שתרצו על החומר ולקבל תשובות מדויקות ומובנות.
מרשימה גם היכולת של NotebookLM, להפוך את הידע שטענתם אליו לפודקאסט וגם לשאול שאלות עם מיקרופון ולהיות שותפים מלאים לשיחה עם "המגישים". תארו לעצמכם שתוכלו לקחת את הסיכום שיהפוך להרצאה מוקלטת בקול אנושי לחלוטין, או לסרטון לימודי או מקצועי. זו למידה חווייתית, שיתופית ומעניינת הרבה יותר.
עוד כלי מחקר טובים הם עזרי כתיבת פרומפטים ומאגרי פרומפטים המסייעים לתקשורת יעילה עם מודלים גדולים של שפה. כלים כאלה הם חיוניים למגוון עצום של שימושים, כולל שלל אפשרויות מחקר, כתיבה והפקת תובנות מתוכן גולמי וממקורות בינתיים.
ברמה המדעית יש גם יש כלי בינתי, מעין מודל שפה גדול (LLM) בשם Consensus שהוא בעצם מנוע חיפוש אקדמי מבוסס בינה מלאכותית. הוא עצמו משתמש במודלי שפה גדולים (LLMs) כדי לאסוף, לנתח ולהנגיש מידע מדעי בצורה פשוטה ומדויקת. המנוע של "קונצנזוס" מנתח יותר מ-200 מיליון מאמרים מדעיים, מסכם אותם באופן תמציתי ומציג את הקונצנזוס המדעי, מה הדעה הכללית ביחס לשאלות מדעיות בנושאים שונים. לשם כך הוא משתמש בכלים כמו "Consensus Meter", בו רואים את התפלגות הדעות בשאלה המסוימת ולומדים על "מה חושב המדע" לגביה.
עוד שיטה שהוא נוקט היא "Pro Analysis". שימושיה העיקריים בחינוך ובמחקר הם בסיוע לסטודנטים ולמורים במציאת מאמרים רלוונטיים, יצירת סיכומים מותאמים לשואל, ניתוחים מהירים של ספרות מדעית, סינון מאמרים שלא עומדים בדרישות מדעיות מוגדרות (כמו מתודולוגיה, גודל מדגם או מובהקות סטטיסטית) והפקה של ציטוטים אוטומטיים ודוחות מותאמים.
הנה NotebookLM, כלי המחקר לטעינת חומרים מגוונים ומשימות עליהם (עברית):
https://youtu.be/_vML22ACIRs
הוא יכול לייצר אפילו פודקסט:
https://youtu.be/1jgpsGDUXW4
הצ'טבוט שמצטיין במחקר ובחיפוש - Perplexity (עברית):
https://youtu.be/1MkBWfurQL4
כלי AI מקצועי למחקר מדעי בסקירת ספרות ולמידה ממאמרים:
https://youtu.be/LBzrVEG5qsk
מארינר - סוכן AI והעוזר הגלובלי של גוגל:
https://youtu.be/WJnUWldjJQA?long=yes
הבן של גוגל וקלוד - הנה פרפלקסיטי ששילב את שני העולמות (עברית):
https://youtu.be/33nBpKRWMms?long=yes
כמה כלי מחקר מבוססי AI:
https://youtu.be/Rc9R7T8S1c8?long=yes
ומדריך לעבודה עם NotebookLM:
https://youtu.be/UG0DP6nVnrc?long=yes
מדובר ברעיון מסעיר ויצירתי. הוא נקרא "הכנסה בסיסית אוניברסלית" (Universal Basic Income בקיצור UBI) ובעזרתו יש מי שמנסים לקדם את פני הרעה של הקדמה הבינתית, המאיימת על כל עולם התעסוקה של העתיד.
כוונתו להעמיד לרשות כל אדם הכנסה בסיסית, שמטרתה לסייע בהפחתת ההשפעות של הטכנולוגיה על העובדים. הכנסה בסיסית כזו תחושב על ידי "חישוב בסיסי אוניברסלי" ודי אחיד.
הרעיון הוא להציע הכנסה בסיסית אוניברסלית, מעין תשלום מזומן, ללא תנאים, שיינתן לכל מבוגרי האוכלוסייה, ללא קשר לעושרם ולמצבם התעסוקתי. המטרה היא לספק רשת ביטחון לאנשים שהמשרות והתעסוקה שלהם מאוימות על ידי חידושי הטכנולוגיה, כולל ובמיוחד הרובוטיקה והבינה המלאכותית.
הכוונה היא לאפשר להם לחפש עבודה בתחומים שמדברים אליהם ומעניינים אותם, בדברים שיסייעו להם לממש את עצמם והם יכולים להצליח בהם, לבלוט ולנצנץ - אולי אפילו ליזום עסק משלהם וליצור לעצמם בסיס כלכלי מבלי להיות שכירים, באיום מתמיד של אבטלה...
גם אם שמרנים רבים נוטים לדחות את מה שהם תופסים כרווחה שתקטין את המוטיבציה של אנשים לחפש עבודה ולעבוד, ניסיונות לחלק UBI לתושבי ערים ומדינות בארצות הברית הראו תוצאות חיוביות בדרך כלל. חלק מהתוכניות הללו, אגב, העניקו את התשלומים באופן סלקטיבי לאנשים, על סמך הצורך המוכח או המעמד החברתי שלהם ולא לכל האוכלוסייה כולה.
בין התומכים ביוזמה הזו ניתן למצוא גם רבים מראשי ומצליחני ההייטק, כולל מי שמובילים את התפוצצות ה-AI הנוכחית, ביניהם מנכ"ל חברת OpenAI והאדם הכי חזק בעולם הבינה המלאכותית כרגע, סם אלטמן.
לשיטתו, דווקא בשל החשש שהבינה המלאכותית תלך ותחליף אינספור עובדים אנושיים, כולל אנשים שלמדו מקצועות ורכשו תארים ומומחיות ויהפכו למובטלים, אולי אפילו מובטלים כרוניים, דווקא בצל החשש הזה כדאי לתת את ההכנסה הבסיסית המדוברת.
לשיטתו של אלטמן, כל אזרח יקבל, אולי במקום כסף, חלק ממחשב סופר-מתקדם, שהוא מכנה לצורך העניין GPT-7. כל מקבל כזה, אלטמן גורס, יכול יהיה לעשות כרצונו בחלק שקיבל. יהיו מי שישתמשו בו ויקימו מיזם, למשל טכנולוגי, או יהיו שותפים במיזם כזה, אחרים ירצו אולי למכור את החלק שלהם לאחרים, יהיו שיעדיפו לתרום אותו לטובת מחקר בפתרון בעיות עולמיות, כמו משבר האקלים או חקר הסרטן.
ההנחה של מנכ"ל OpenAI היא שעם הטמעתה של הבינה המלאכותית המתקדמת ביותר ויותר היבטים של חיינו, הבעלות על יחידה של מודל שפה גדול, כזה שהוא מכנה GPT7, עשויה להיות בעלת ערך גדול יותר מאשר כסף. אלטמן רואה עולם בו כל אדם בחברה העתידית יחזיק למעשה חלק מהקידמה והיצרנות העתידית ויוכלו להבטיח לעצמם ולמשפחתם פרנסה בעתיד.
הנה רעיון ההכנסה הבסיסית אוניברסלית (עברית):
https://youtu.be/8rM_-49DPe4
בטלנות? רוגע כלכלי? - על ניסוי ראשון איך זה ישפיע על בני אדם? (עברית)
https://youtu.be/u_-N_AWQQiI
בעלי מקצוע מפחדים על העבודה שלהם (עברית):
https://youtu.be/0AGYOv0sGHg
וסרטון מקיף על ה-UBI ומשמעויותיו (מתורגם):
https://youtu.be/kl39KHS07Xc?long=yes
בימי AI אלה, של פברואר 2025, נראה שאנו רואים את השינוי בכתיבת קוד בכלל ובתכנות של אפליקציות לסוגיהן בפרט.
וזה לא ממש תכנות, עם כתיבת קוד וחלוקה למסמכים שיוצרים תוכנה, אלא יותר תהליך של חשיבה וחלוקת הוראות. כולנו יכולים לחשוב על רעיון, לנסח אותו כפרומפט, אולי גם לדמיין ולצייר מסכים, להציגם ל-AI, לראות קוד ואת התוצאה, לאשר או להציע תיקונים, לשפר את המודל ולראות את התוצאה משתפרת.
גם אם זה נשמע בלתי אפשרי, זה בדיוק מה שהבינה היוצרת מאפשרת כיום, כמעט לכל אחד, כולל מי שלא למדו מעולם לקודד ולתכנת. אחד מגאוני ה-AI של הדור החדש, אנדריי קרפאטי (Andrej Karpathy), מסביר שכלי ה-GenAI משנים את אופן פיתוח התוכנה מהיסוד וקורא לזה “תכנות וייב” (Vibe Coding).
תכנות הווייב פירושו תכנות שלא בקוד אלא של מפתחים שמתרכזים ברעיונות הגדולים ונותנים ל-AI לטפל בשאר - מהקוד והאיטרציות (שפירושן שיפור וניסוי שוב ושוב), דרך הפרטים הטכניים, הטיפול בבסיס הנתונים (Database), ב-API ובהעלאת הכלי לאונליין (Deployment).
ומדובר בשינוי של כל החוקים שהכרנו. המעבר הזה מכתיבת הקוד לפתרון בעיות באמצעות חשיבה מדויקת ככל האפשר, הנחיות ל-AI, עיצוב מסכים והעלאתם כטיוטות עיצוב לבינה, כל אלו הם חלום שמתממש. משמעותם הפשוטה היא דמוקרטיזציה של עולם פיתוח התוכנה.
והאפשרויות החדשות הללו מאפשרות עכשיו גם לאנשים ללא רקע תכנותי או היכרות והבנה בקוד, להגשים את רעיונותיהם - על ידי יצירה של תוכנות מקוונות, אפליקציות או כלים שונים, באמצעות כלים בינתיים וטכנולוגיים, המופעלים על ידי אדם ולידו בינה מלאכותית, שמקבלת ומבצעת הוראות.
אז המרחק, שבעבר היה גדול מאוד, בין הרעיון למימושו, תלוי עכשיו במשתמש ורק בו. כלים רבים לקידוד מבוסס פרומפטים יש כיום והם משתכללים מיום ליום. המוח האנושי יידע להנפיק מהם גם שיפורים אישיים ומרהיבים לחיים המודרניים וגם כלים חדשים ומעולים לשימוש בעתיד.
הנה הארטיפקט של קלוד, שאחרי קידוד ניתן לשתף את יצירתכם ב-Publish לאחרים:
https://youtu.be/vUdNaAAc4FY
שיעור תכנות ללא תכנות בכלי Lovable:
https://youtu.be/gqsZGxuymTk?long=yes
Websim.ai הוא כלי קוד שמשלב את העיצוב בקידוד וניתן לתכנת בו ללא תכנות:
https://youtu.be/HCw4jCbLgMY
Replit הוא כלי שבו ניתן לקודד גם בסמארטפון:
https://youtu.be/Cmq3TrS3ccU
כלי קוד מבוססי אינטליגנציה מלאכותית:
https://youtu.be/3cVJxRka4yM
השוואה של 3 מודלי שפה LLMs במהירות יצירת קוד למטלה זהה:
https://youtu.be/_JS-LkBrsk8
יישום של תוכנה שפותחה כך, ללא כתיבת קוד:
https://youtu.be/lkom9ufvxD4
איך ChatGPT בניתוח קוד? (עברית)
https://youtu.be/Z46pqHFuKHs
רפליט הוא כלי קוד בינתי מתקדם יותר:
https://youtu.be/FrMy3Bq7TZA
מדריך מתחילים לתכנות עם Cursor AI:
https://youtu.be/ocMOZpuAMw4?long=yes
ומדריך לעבודה עם Windsurf:
https://youtu.be/4nCMdQadE08?long=yes
מחשב מתכנת לבדו? - באופן מסוים כן. כי כלי קוד מבוססי בינה מלאכותית (AI-based code tools) מאפשרים לשלב את הרעיון או המומחיות האנושית עם היכולות של הבינה המלאכותית, כדי לפתח תוכנה ולעשות זאת ללא קידוד של המשתמש או באמצעות שיתוף פעולה בין המשתמש ל-AI.
קידוד מבוסס AI מתבסס על בינה מלאכותית ככותבת הקוד. כתיבת הקוד מתבססת על מודל שפה שאומן על נתוני דאטה עצומים ולמד קידוד.
המשתמש מאפיין את המוצר, אם זה אתר אינטרנט, תוכנה או אפליקציה לטלפון ומתאר אותו באמצעות פרומפט, הנחייה שהוא כותב לבינה היוצרת בלשון טבעית, כלומר שפה רגילה, שפת יום יום וללא צורך בידע בתכנות.
החיבור בין הרעיון והשכל האנושי ובין האינטליגנציה המלאכותית מאפשרים ניהול וביצוע משימות פיתוח, בשיתוף פעולה ועצמאות גם יחד.
באמצעות תכונות של AI מקודד ניתן לתאר ל-AI את המטרה, לקבל קוד, להנחות אותה כיצד להתקדם בפתרון בעיות או באגים בקוד ולהוביל ביחד לקוד איכותי ולמימוש הרעיון.
ה-AI המקודד מודע לפעולות המשתמש בזמן אמת ומציע יתרונות אדירים. הוא מסוגל לערוך קבצים מרובים במהירות אדירה, להציע פקודות, לזהות בעיות ולנפות באגים.
כלי הקוד המשובח "Windsurf AI", למשל, מפעיל סוכני AI מובנים, יחד עם מעין "טייסי משנה" מונעי בינה מלאכותית, שמטרתם להטעין את הקוד ולהפוך את הקידוד למהיר ואינטואיטיבי יותר.
בעצם, Windsurf ודומיו, דוגמת Cursor AI שהיה חלוץ הכלים הללו, הם מעין סביבת פיתוח (IDE) מהדור החדש, המשפרות את הפיתוח בעזרת אוטומציה חכמה ומציעות עריכת קוד בסביבה מרובת קבצים. וינדסרף עושה זאת, בין השאר, בעזרת כלי שנקרא Cascade ומצטיין במודעות עמוקה לקונטקסט, ההקשר הכל כך בסיסי ומרכזי בבינה המלאכותית היוצרת (Generative AI).
כלי נוסף וקל הרבה יותר הוא Websim AI, המאפשר לתאר אתר או אפליקציה, או סתם לתת שם דומיין מדומה, והיא יוצרת אותם. מכאן אפשר להנחות אותה בצעדים, איטרציות, מה שמאפשר לדייק אותה, לשפר, לשדרג ולבנות הלאה.
הנה כלי קוד מבוססי אינטליגנציה מלאכותית:
https://youtu.be/3cVJxRka4yM
AnyChat מצויד בדיפסיק וסמבה נובה לקידוד פשוט:
https://youtu.be/7BIVWQnAOLk?t=2m54s
השוואה של 3 מודלי שפה LLMs במהירות יצירת קוד למטלה זהה:
https://youtu.be/_JS-LkBrsk8
השוואת 5 כלי קוד מובילים והמנצח המפתיע:
https://youtu.be/WVhJSUtGbYM
יישום של תוכנה שפותחה כך, ללא כתיבת קוד:
https://youtu.be/lkom9ufvxD4
Websim.ai הוא כלי קוד קל מאוד וקסם ללא תכנות:
https://youtu.be/HCw4jCbLgMY
איך ChatGPT בניתוח קוד? (עברית)
https://youtu.be/Z46pqHFuKHs
רפליט הוא כלי קוד בינתי מתקדם יותר:
https://youtu.be/FrMy3Bq7TZA
לקודד אפשר גם בסמארטפון:
https://youtu.be/Cmq3TrS3ccU
מדריך מתחילים לתכנות עם Cursor AI:
https://youtu.be/ocMOZpuAMw4?long=yes
ומדריך לעבודה עם Windsurf:
https://youtu.be/4nCMdQadE08?long=yes
אפשר לראות בזה רק עניין מיתוגי, אך לעומת סתם דיפ סרץ' כלי הדיפ ריסרץ' (Deep Research) מבטיח להיות מנוע מחקר, סוג של מנוע חיפוש, איסוף וכתיבה חכם שתוכנן כך שיוכל לבצע מחקרים מעמיקים ולא רק חיפושים לצורך מענה.
אמנם בכלי מחקר מעמיק שכזה המשתמש שואל את הצ'ט באמצעות פרומפט רגיל ופשוט. אך החיפוש יהיה מעמיק יותר וגם התשובה המתקבלת תהיה מעמיקה בהרבה. זו גם הסיבה שזמן ההמתנה לקבלת מענה יהיה של כמה דקות ועד שעה.
כלי DeepResearch טובים ינפיקו בדרך כלל תוצאות תוך דקות, או יותר במקרה של מחקרים סופר מורכבים. המדהים הוא שלצד איכות התוצאות, ההולכת ומשתפרת ברמה של ימים ממש, הן מתקבלות בחיפוש מהיר שכזה ובמחיר כמעט אפסי.
מחקר שמומחה אנושי היה מבצע במשך שבוע ומחירו היה בסדרי גודל של כ-3,000 דולר אורך בדרך כלל דקות ועלותו זניחה.
ביצוע של מחקר עומק עם הדיפ-ריסרץ' של מודלים אופייניים כמו פרפלקסיטי (Perplexity), ChatGPT או Grok3, למשל, יבצע מחקר, איסוף של מקורות, לאחר מכן שלבים שונים, כמו אינטגרציה, השוואה ושילוב ולבסוף ייתן מענה מפורט. כל זאת תוך שהוא מפרט את שלבי העבודה לעיני המשתמש, בשקיפות מירבית.
מודל הדיפ ריסרץ' סורק את האינטרנט ומאתר מקורות מידע רבים יותר ומגוונים ועושה מאמצים לנפק מענה ברמת דוקטור - תשובה מלאה, מנומקת וכזו שבה מוצגים המקורות שעליהם מבוססת התשובה.
ביצוע של מחקר עומק שכזה מסוגל גם לשפר את רמת השקיפות והאינטראקציה והוא אתגר חשוב בדרך לבינה מלאכותית בוגרת עוד יותר.
כלומר, בניגוד למודל AI רגיל שנוהג לענות במהירות ומבצע הליך חפוז של חקר עד לקבלת המענה הסביר, מה שגם מוליד לצערנו את ההזיות המוכרות לנו עדיין, מנוע חיפוש עמוק, כמו אלו של מודלי ה-DeepResearch המובילים בתחום, עובד אחרת.
איך?
מנוע מחקר DeepResearch מפשט שאילתות לחלקים קטנים יותר ומאפשר כמעט תמיד הצצה והבנה שקופה של תהליך החשיבה שלו, צעד אחר צעד. בכך הוא יכול גם להציע תובנות הקשריות עשירות הרבה יותר מחיפוש רגיל באמצעות AI ובמקרים מסוימים גם לנמק.
כך מבצע Perplexity מחקר עומק מבוסס AI בחינם:
https://youtu.be/Z1_M2XtsUwY
החיפוש המעמיק של כלי ה-DeepResearch:
https://youtu.be/zm6F0vo2E64
הדיפ ריסרץ' של Chatgpt שעולה 200$ לחודש:
https://youtu.be/jPR1NEerdEk
מדריך לעבודה עם ה-DeepResearch החינמי ומהיר של Grok 3:
https://youtu.be/7pR3bVWZSao
והשוואה בין כמה מודלי Deep Search:
https://youtu.be/5dRxhqtIbOg?long=yes
מהו ומה היתרון של מודל שפה קטן, או SLM?
מודל שפה קטן (Small Language Model), ובקיצור SLM, הוא מודל מתמחה או מומחה, דגם קטן יותר ומזוקק, מה שהופך אותו להבטחה גדולה וממשית לצרכים עסקיים, בעולם האמיתי.
מודלים קטנים של שפה, או כמו שתרגום מכונה מכנה בטעות "מודלים של שפות קטנות", מאפשרים היום אימון בינה מלאכותית על ידע ספציפי לתחומים שונים ובכך להתאימם לתעשיות ספציפיות, משימות וזרימות עבודה תפעוליות.
SLM הוא קצת כמו סוס חזק ומהיר שיכול לבצע משימות ממוקדות, לעומת כרכרות LLM עמוסות, כבדות ולכן גם מוגבלות בתמרון.
שוב ושוב נשאלת השאלה האם יכולים מודלי שפה קטנים (SLMs) לנצח את ה-ChatGPTים או ה-Claudeים למיניהם, את האחים הגדולים והוותיקים, המצוידים, מאומנים ועתירי המשאבים מעולם ה-LLMs?
או במספרים - האם מודל של מיליארד בודד של פרמטרים (1B) יכול לגבור על היכולות של מודל עם 405B פרמטרים, יותר מפי 400 ממנו?
אז כן. בניגוד למודל שפה גדול של עולם ה-LLMs, שמעבד כמויות אדירות של ידע כללי, המודל הקטן מעולם ה-SLMs בנוי במחשבה על דיוק ויעילות. עלות הפעלתו היא נמוכה משמעותית, הוא דורש פחות כוח חישוב ובנוי כדי לספק תובנות רלוונטיות יותר לעסק מאשר מקביליו הגדולים והכלליים.
בעולם המודלים הגדולים של שפה כבר הסתבר שאופטימיזציה של החישובים ב-SLMs כאלה יכולה אכן לעלות את היכולות של הקטנים הללו על אלו של דגמים גדולים יותר, שמנסים ומצליחים להיות חכמים מכולם ויודעי-כל, אבל תפעולם יקר ומסורבל יותר והם לא יעמדו ביכולות ההתמחות של מודל קטן שלא מביט לצדדים ומרוכז רק במשימתו.
מחקרים שבחנו את היעילות של שיטה ששמה Compute-Optimal TTS, למשל, הראו ששיפור הביצועים של מודלים קטנים מאפשר לעלות בהם את הביצועים על אלו של דגמים גדולים יותר, במשימות מתמטיות כמו MATH-500 ו-AIME24 ובשיפור יכולות החשיבה של LLM.
#ביצועים, התמחות ואבטחת נתונים
לא מעט חברות וארגונים מבינים שהשאלה היא לא על איזה מודל בינה מלאכותית אנשים קופצים, אלא איזה מודל יספק לחברה או לארגון ערך עסקי אמיתי. SLMs מאפשרים לעסקים לפרוס AI ישירות על מחשבים ניידים, רובוטים וטלפונים ניידים ולהבטיח בכך גם שהנתונים, הדאטה שלהם, יישארו מוגנים.
דגמי SLM, שמותאמים להצטיין בתחומים ספציפיים - פיתוח תוכנה, רפואה, פיננסים וכדומה, יספקו תוצאות מדויקות ואמינות יותר, המותאמות לצרכי הארגון הייחודיים וליכולותיו.
ה-SLMs המזוקקים והקטנים יותר מצליחים לשמור על יכולות חשיבה חזקות וממוקדות תחום, ביחד עם יעילות המאפשרת להם לפעול באופן מקומי, מבלי להסתמך על מחשוב ענן.
#סוכני AI
אם SLMs מצוינים עבור עסקים הרוצים לייצר משימות אוטומציה שלא נזקקות לכל הרעש והצלצולים שמציע ה-LLM, אז מה עם סוכני בינה משויפים?
אז ברור שגם מפתחים של סוכני AI צריכים דגמים קלים, מהירים ומתמחים מאוד, המאומנים על ידע מעמיק וספציפי לתחום בו מתמחה הסוכן. בזכות דרישות המשאבים המצומצמות והגודל הקטן יותר שלהם, שירותי SLM יכולים בדרך כלל להתאים בול למגמת ה-Agentic AI, בכך שהם מאפשרים קבלת החלטות אוטונומית בקצה.
אמנם מודלי SLM עשויים לדרוש הכשרה מיוחדת מלכתחילה, אבל מנגד עומד היתרון של הפחתת הסיכונים הכרוכים בשימוש ב-LLM של צד שלישי וספקים חיצוניים. זהו יתרון עצום, המצטרף לשאר יתרונותיהם: יכולת הסבר גדולה יותר, ביצועים מהירים יותר ויכולת ביצוע מדויק, עקבי ושקוף יותר, המצטרפים לשליטה רבה יותר על פרטיות ואבטחת הנתונים.
#שילוב של המודלים
כיום מבינים שאמנם אין תחרות ל-LLMs בגודל ובעוצמה, אך הסתמכות יתר עליהם יכולה להוביל לתחושת ביטחון מוגזמת, לשאננות ולטעויות קריטיות שעלולות לחמוק מבלי להתגלות.
כך שאולי LLMs ו-SLMs אינם סותרים אלא משלימים. יתכן שבפועל, SLMs יכולים לחזק את ה-LLMs וליצור פתרונות היברידיים, משולבים, שבהם ה-SLMs ממונים על הביצוע הספציפי והמדויק בעוד ה-LLMs מספקים את הקונטקסט, ההקשר הרחב יותר .
מהם SLMs ומה יתרונות מודלי השפה הקטנים הללו:
https://youtu.be/C4Qt9Hnp6vs
הסבר פשוט וקצר:
https://youtu.be/AlwWuSor_M4
למה לבחור SLM ולאילו מגבלות לשים לב אל מול ה-LLM?
https://youtu.be/Hg8f5bjtsWc
ומודל השפה הקטן של מיסטרל:
https://youtu.be/nCXTdcggwkM
מודל שפה קטן (Small Language Model), ובקיצור SLM, הוא מודל מתמחה או מומחה, דגם קטן יותר ומזוקק, מה שהופך אותו להבטחה גדולה וממשית לצרכים עסקיים, בעולם האמיתי.
מודלים קטנים של שפה, או כמו שתרגום מכונה מכנה בטעות "מודלים של שפות קטנות", מאפשרים היום אימון בינה מלאכותית על ידע ספציפי לתחומים שונים ובכך להתאימם לתעשיות ספציפיות, משימות וזרימות עבודה תפעוליות.
SLM הוא קצת כמו סוס חזק ומהיר שיכול לבצע משימות ממוקדות, לעומת כרכרות LLM עמוסות, כבדות ולכן גם מוגבלות בתמרון.
שוב ושוב נשאלת השאלה האם יכולים מודלי שפה קטנים (SLMs) לנצח את ה-ChatGPTים או ה-Claudeים למיניהם, את האחים הגדולים והוותיקים, המצוידים, מאומנים ועתירי המשאבים מעולם ה-LLMs?
או במספרים - האם מודל של מיליארד בודד של פרמטרים (1B) יכול לגבור על היכולות של מודל עם 405B פרמטרים, יותר מפי 400 ממנו?
אז כן. בניגוד למודל שפה גדול של עולם ה-LLMs, שמעבד כמויות אדירות של ידע כללי, המודל הקטן מעולם ה-SLMs בנוי במחשבה על דיוק ויעילות. עלות הפעלתו היא נמוכה משמעותית, הוא דורש פחות כוח חישוב ובנוי כדי לספק תובנות רלוונטיות יותר לעסק מאשר מקביליו הגדולים והכלליים.
בעולם המודלים הגדולים של שפה כבר הסתבר שאופטימיזציה של החישובים ב-SLMs כאלה יכולה אכן לעלות את היכולות של הקטנים הללו על אלו של דגמים גדולים יותר, שמנסים ומצליחים להיות חכמים מכולם ויודעי-כל, אבל תפעולם יקר ומסורבל יותר והם לא יעמדו ביכולות ההתמחות של מודל קטן שלא מביט לצדדים ומרוכז רק במשימתו.
מחקרים שבחנו את היעילות של שיטה ששמה Compute-Optimal TTS, למשל, הראו ששיפור הביצועים של מודלים קטנים מאפשר לעלות בהם את הביצועים על אלו של דגמים גדולים יותר, במשימות מתמטיות כמו MATH-500 ו-AIME24 ובשיפור יכולות החשיבה של LLM.
#ביצועים, התמחות ואבטחת נתונים
לא מעט חברות וארגונים מבינים שהשאלה היא לא על איזה מודל בינה מלאכותית אנשים קופצים, אלא איזה מודל יספק לחברה או לארגון ערך עסקי אמיתי. SLMs מאפשרים לעסקים לפרוס AI ישירות על מחשבים ניידים, רובוטים וטלפונים ניידים ולהבטיח בכך גם שהנתונים, הדאטה שלהם, יישארו מוגנים.
דגמי SLM, שמותאמים להצטיין בתחומים ספציפיים - פיתוח תוכנה, רפואה, פיננסים וכדומה, יספקו תוצאות מדויקות ואמינות יותר, המותאמות לצרכי הארגון הייחודיים וליכולותיו.
ה-SLMs המזוקקים והקטנים יותר מצליחים לשמור על יכולות חשיבה חזקות וממוקדות תחום, ביחד עם יעילות המאפשרת להם לפעול באופן מקומי, מבלי להסתמך על מחשוב ענן.
#סוכני AI
אם SLMs מצוינים עבור עסקים הרוצים לייצר משימות אוטומציה שלא נזקקות לכל הרעש והצלצולים שמציע ה-LLM, אז מה עם סוכני בינה משויפים?
אז ברור שגם מפתחים של סוכני AI צריכים דגמים קלים, מהירים ומתמחים מאוד, המאומנים על ידע מעמיק וספציפי לתחום בו מתמחה הסוכן. בזכות דרישות המשאבים המצומצמות והגודל הקטן יותר שלהם, שירותי SLM יכולים בדרך כלל להתאים בול למגמת ה-Agentic AI, בכך שהם מאפשרים קבלת החלטות אוטונומית בקצה.
אמנם מודלי SLM עשויים לדרוש הכשרה מיוחדת מלכתחילה, אבל מנגד עומד היתרון של הפחתת הסיכונים הכרוכים בשימוש ב-LLM של צד שלישי וספקים חיצוניים. זהו יתרון עצום, המצטרף לשאר יתרונותיהם: יכולת הסבר גדולה יותר, ביצועים מהירים יותר ויכולת ביצוע מדויק, עקבי ושקוף יותר, המצטרפים לשליטה רבה יותר על פרטיות ואבטחת הנתונים.
#שילוב של המודלים
כיום מבינים שאמנם אין תחרות ל-LLMs בגודל ובעוצמה, אך הסתמכות יתר עליהם יכולה להוביל לתחושת ביטחון מוגזמת, לשאננות ולטעויות קריטיות שעלולות לחמוק מבלי להתגלות.
כך שאולי LLMs ו-SLMs אינם סותרים אלא משלימים. יתכן שבפועל, SLMs יכולים לחזק את ה-LLMs וליצור פתרונות היברידיים, משולבים, שבהם ה-SLMs ממונים על הביצוע הספציפי והמדויק בעוד ה-LLMs מספקים את הקונטקסט, ההקשר הרחב יותר .
מהם SLMs ומה יתרונות מודלי השפה הקטנים הללו:
https://youtu.be/C4Qt9Hnp6vs
הסבר פשוט וקצר:
https://youtu.be/AlwWuSor_M4
למה לבחור SLM ולאילו מגבלות לשים לב אל מול ה-LLM?
https://youtu.be/Hg8f5bjtsWc
ומודל השפה הקטן של מיסטרל:
https://youtu.be/nCXTdcggwkM
מהם מודלי שפה גדולים, או LLM?
מודל שפה גדול (LLM), קיצור של Large Language Model, הוא ה"מוח" שמפעיל צ'אטבוט עוצמתי, כמו הצ'אטבוט ChatGPT, המייצר תוכן לבקשת המשתמשים ועושה זאת באמצעות מודל השפה הגדול GPT-4 ואחרים.
את התוכן מייצר הצ'אטבוט מדאטה עצום, כמות מידע אדירה שנשאבה מהאינטרנט ובאמצעותה אימנו את מודל השפה שמפעיל אותו. מודלי השפה GPT-3 ו-GPT-4, למשל, הם שמפעילים את הצ'אטבוט הכי מפורסם ChatGPT.
יש שאומרים שמודל השפה בעצם הוא לא יותר ממחולל מילים סטטיסטי. הם צודקים אבל גם טועים. כי מודל שפה יכול לחשב מצוין הסתברות של הופעת מילים שונות בכל משפט וכך לייצר משפטים חדשים, מילה אחר מילה, בשפה שבה הוא אומן על ידי המפתחים שלו. אבל זו דוגמה בלבד ואפילו קצת מטעה. כי סטטיסטיקה זה לא הכל וכנראה לא לגמרי המהות של העניין. המוח של מודל השפה, האופן שבו הוא בנוי והתובנות והביצועים שהוא יכול לנפק, הם משמעותיים הרבה יותר.
מודל כזה הוא תת-תחום של למידה עמוקה ומבוסס על רשת עצבית מלאכותית הבנויה בצורה דומה למוח האנושי. הרשת הזו היא בעלת כמות אדירה של פרמטרים, לרוב מיליארדים. הפרמטרים הללו הם ערכים מספריים שמסייעים לאלגוריתם ללמוד.
עוד ביטוי לגודלו הגדול של המודל הוא באימון שלו על מאות מיליוני מילים, בכמויות ענק של טקסט לא מתויג, בשיטת למידה שאינה מסתמכת רק על דוגמאות אנושיות, או מה שנקרא "למידה בפיקוח-עצמי".
#איך זה בדיוק עובד?
נניח ששאלתם שאלה, מודל השפה הגדול מניח את נוסח השאלה על שולחן הטיפולים שלו ובודק בדאטה שלו, במידע העצום שהוא אגר והמיר לקוד מתמטי (ראו אח"כ בתגית" טוקנים"), מה המילה שהכי סביר (מבחינת הסתברות) שתתחיל את התשובה. ואז הוא בודק מה המילה עם ההסתברות הכי גבוהה להופיע אחריה וכך הלאה. זה ייתן לו את התשובה הסבירה ביותר לשאלה.
למה הכי סבירה ולא הכי טובה? - כי הסתברות היא לעולם לא מושלמת וזו בדיוק הסיבה להזיות שנקבל לא פעם ממנועי בינה מלאכותית. אגב, אם תבקשו ממנו לבדוק את תשובתו, כל LLM ימצא ויפרט את שגיאותיו וגם יציע לתקן את המענה שנתן ובתיקון זה כבר יהיה הרבה יותר טוב.
ה-LLM משתמש בייצוג מתמטי של שפה טבעית באמצעות הסתברויות. כל מדען נתונים יאשר שהבסיס של מודלי שפה הוא היכולת שלהם לחשב הסתברות לכל משפט בשפה שבה הם אומנו ומהיכולת הזו נובע חלק משמעותי ביכולת שלהם לייצר משפטים חדשים, מילה אחר מילה.
#מודלי השפה הגדולים והבינה הג'נרטיבית
מודל השפה הגדול הוא בעצם הבסיס למהפכת הבינה הגנרטיבית שפרצה לחיינו בשלהי 2022-תחילת 23. מודלי השפה הגדולים הללו מסמנים קפיצת דרך של ממש ולמעשה הכניסו אותנו עמוק אל תוך העתיד.
הייתה זו IBM שפיתחה את אחד ממודלי השפה הראשונים. הוא נקרא ווטסון, על שם תומאס ווטסון, מייסד IBM. יש גרסה שאומרת שהוא קיבל את שמו משמו משם העוזר של שרלוק הולמס, ווטסון. מודל כזה, ממש כמו אותו עוזר, תמיד מסייע בחקר ובתשובות שונות, כיום של רבים ואצל שרלוק, לצרכי החקירות של הבלש הנודע.
מצוידים במודלים החדשים, הצ'אטבוטים המרשימים, כמו Claude ו-ChatGPT, מסרבים להיות לכם לווטסון. במקום זאת הם מפותחים כך שיהיו המוח, כלומר השרלוק שלכם, כשאתם וכמה זה אירוני, בתפקיד הווטסון או העוזר שלהם... אבל גם הלקוחות.
מודל שפה הוא שמאפשר לנו לבקש ממנו לסכם טקסטים, לענות על שאלות, לצייר או בעצם לייצר תמונות ו"צילומים", לחבר שירים, ליצור סרטונים או לכתוב קוד.
אז מודלי שפה גדולים אפשרו את קפיצת הדרך המדהימה של מהפכת ה-AI. אמנם הם רחוקים מלהיות מושלמים לחלוטין ועדיין פה ושם מקלקלים את ההתפעלות עם ההזיות המוכרות האלה שלהם, עובדות שגויות, מידע לא רלוונטי או מופרך ואפילו עלבונות נדירים. ומה שלא פחות מרגיז לעתים הוא הביטחון המלא שבו הם כותבים או מדברים אותן, שזה בדיוק מה שהופך את חשיפת ההזיות ובדיות הללו לכל כך קשה ומסוכנת...
כיום, המודלים הללו הולכים ומאפשרים צמיחה של עולם חדש, עולם סוכני ה-AI. הם ממוקדים בביצוע משימות ספציפיות, תגובה לסביבה ועוד תכונות מבטיחות. הכירו אותם בתגית "סוכני AI".
הנה מה שעושים המודלים, מנועי השפה הגדולים (מתורגם):
https://youtu.be/X-AWdfSFCHQ
כך פורצת מלחמת עולם ה-AI הראשונה:
https://youtu.be/nJjuYTpHQEE
מהו LLM?
https://youtu.be/iR2O2GPbB0E
המודל השולט בינואר 2025 - DeepSeek R1 הסיני:
https://youtu.be/hupQ97Or3jw
השוואת הצ'טבוטים הטובים, מנועי השפה הגדולים בסוף 2024 (עברית):
https://youtu.be/NanvGTQeO-g
כך פועל מודל השפה הגדול LLM:
https://youtu.be/iR2O2GPbB0E
כך בנויים ופועלים מודלי השפה הגדולים:
https://youtu.be/5sLYAQS9sWQ
יש להם גם חסרונות:
https://youtu.be/Gf_sgim24pI
הסבר מעמיק על מודלים גדולים של שפה ומה שהם הובילו (עברית):
https://youtu.be/-NIsUKUnxhA?long=yes
הפרמטרים והטוקנים באימון מודלים כאלו:
https://youtu.be/r17HV0TzAWw?long=yes
ובאופן סטטיסטי - כך פועל LLM:
https://youtu.be/LPZh9BOjkQs?long=yes
מודל שפה גדול (LLM), קיצור של Large Language Model, הוא ה"מוח" שמפעיל צ'אטבוט עוצמתי, כמו הצ'אטבוט ChatGPT, המייצר תוכן לבקשת המשתמשים ועושה זאת באמצעות מודל השפה הגדול GPT-4 ואחרים.
את התוכן מייצר הצ'אטבוט מדאטה עצום, כמות מידע אדירה שנשאבה מהאינטרנט ובאמצעותה אימנו את מודל השפה שמפעיל אותו. מודלי השפה GPT-3 ו-GPT-4, למשל, הם שמפעילים את הצ'אטבוט הכי מפורסם ChatGPT.
יש שאומרים שמודל השפה בעצם הוא לא יותר ממחולל מילים סטטיסטי. הם צודקים אבל גם טועים. כי מודל שפה יכול לחשב מצוין הסתברות של הופעת מילים שונות בכל משפט וכך לייצר משפטים חדשים, מילה אחר מילה, בשפה שבה הוא אומן על ידי המפתחים שלו. אבל זו דוגמה בלבד ואפילו קצת מטעה. כי סטטיסטיקה זה לא הכל וכנראה לא לגמרי המהות של העניין. המוח של מודל השפה, האופן שבו הוא בנוי והתובנות והביצועים שהוא יכול לנפק, הם משמעותיים הרבה יותר.
מודל כזה הוא תת-תחום של למידה עמוקה ומבוסס על רשת עצבית מלאכותית הבנויה בצורה דומה למוח האנושי. הרשת הזו היא בעלת כמות אדירה של פרמטרים, לרוב מיליארדים. הפרמטרים הללו הם ערכים מספריים שמסייעים לאלגוריתם ללמוד.
עוד ביטוי לגודלו הגדול של המודל הוא באימון שלו על מאות מיליוני מילים, בכמויות ענק של טקסט לא מתויג, בשיטת למידה שאינה מסתמכת רק על דוגמאות אנושיות, או מה שנקרא "למידה בפיקוח-עצמי".
#איך זה בדיוק עובד?
נניח ששאלתם שאלה, מודל השפה הגדול מניח את נוסח השאלה על שולחן הטיפולים שלו ובודק בדאטה שלו, במידע העצום שהוא אגר והמיר לקוד מתמטי (ראו אח"כ בתגית" טוקנים"), מה המילה שהכי סביר (מבחינת הסתברות) שתתחיל את התשובה. ואז הוא בודק מה המילה עם ההסתברות הכי גבוהה להופיע אחריה וכך הלאה. זה ייתן לו את התשובה הסבירה ביותר לשאלה.
למה הכי סבירה ולא הכי טובה? - כי הסתברות היא לעולם לא מושלמת וזו בדיוק הסיבה להזיות שנקבל לא פעם ממנועי בינה מלאכותית. אגב, אם תבקשו ממנו לבדוק את תשובתו, כל LLM ימצא ויפרט את שגיאותיו וגם יציע לתקן את המענה שנתן ובתיקון זה כבר יהיה הרבה יותר טוב.
ה-LLM משתמש בייצוג מתמטי של שפה טבעית באמצעות הסתברויות. כל מדען נתונים יאשר שהבסיס של מודלי שפה הוא היכולת שלהם לחשב הסתברות לכל משפט בשפה שבה הם אומנו ומהיכולת הזו נובע חלק משמעותי ביכולת שלהם לייצר משפטים חדשים, מילה אחר מילה.
#מודלי השפה הגדולים והבינה הג'נרטיבית
מודל השפה הגדול הוא בעצם הבסיס למהפכת הבינה הגנרטיבית שפרצה לחיינו בשלהי 2022-תחילת 23. מודלי השפה הגדולים הללו מסמנים קפיצת דרך של ממש ולמעשה הכניסו אותנו עמוק אל תוך העתיד.
הייתה זו IBM שפיתחה את אחד ממודלי השפה הראשונים. הוא נקרא ווטסון, על שם תומאס ווטסון, מייסד IBM. יש גרסה שאומרת שהוא קיבל את שמו משמו משם העוזר של שרלוק הולמס, ווטסון. מודל כזה, ממש כמו אותו עוזר, תמיד מסייע בחקר ובתשובות שונות, כיום של רבים ואצל שרלוק, לצרכי החקירות של הבלש הנודע.
מצוידים במודלים החדשים, הצ'אטבוטים המרשימים, כמו Claude ו-ChatGPT, מסרבים להיות לכם לווטסון. במקום זאת הם מפותחים כך שיהיו המוח, כלומר השרלוק שלכם, כשאתם וכמה זה אירוני, בתפקיד הווטסון או העוזר שלהם... אבל גם הלקוחות.
מודל שפה הוא שמאפשר לנו לבקש ממנו לסכם טקסטים, לענות על שאלות, לצייר או בעצם לייצר תמונות ו"צילומים", לחבר שירים, ליצור סרטונים או לכתוב קוד.
אז מודלי שפה גדולים אפשרו את קפיצת הדרך המדהימה של מהפכת ה-AI. אמנם הם רחוקים מלהיות מושלמים לחלוטין ועדיין פה ושם מקלקלים את ההתפעלות עם ההזיות המוכרות האלה שלהם, עובדות שגויות, מידע לא רלוונטי או מופרך ואפילו עלבונות נדירים. ומה שלא פחות מרגיז לעתים הוא הביטחון המלא שבו הם כותבים או מדברים אותן, שזה בדיוק מה שהופך את חשיפת ההזיות ובדיות הללו לכל כך קשה ומסוכנת...
כיום, המודלים הללו הולכים ומאפשרים צמיחה של עולם חדש, עולם סוכני ה-AI. הם ממוקדים בביצוע משימות ספציפיות, תגובה לסביבה ועוד תכונות מבטיחות. הכירו אותם בתגית "סוכני AI".
הנה מה שעושים המודלים, מנועי השפה הגדולים (מתורגם):
https://youtu.be/X-AWdfSFCHQ
כך פורצת מלחמת עולם ה-AI הראשונה:
https://youtu.be/nJjuYTpHQEE
מהו LLM?
https://youtu.be/iR2O2GPbB0E
המודל השולט בינואר 2025 - DeepSeek R1 הסיני:
https://youtu.be/hupQ97Or3jw
השוואת הצ'טבוטים הטובים, מנועי השפה הגדולים בסוף 2024 (עברית):
https://youtu.be/NanvGTQeO-g
כך פועל מודל השפה הגדול LLM:
https://youtu.be/iR2O2GPbB0E
כך בנויים ופועלים מודלי השפה הגדולים:
https://youtu.be/5sLYAQS9sWQ
יש להם גם חסרונות:
https://youtu.be/Gf_sgim24pI
הסבר מעמיק על מודלים גדולים של שפה ומה שהם הובילו (עברית):
https://youtu.be/-NIsUKUnxhA?long=yes
הפרמטרים והטוקנים באימון מודלים כאלו:
https://youtu.be/r17HV0TzAWw?long=yes
ובאופן סטטיסטי - כך פועל LLM:
https://youtu.be/LPZh9BOjkQs?long=yes
