לייצר עתיד
כל הפעילויות של יצורים חיים כרוכות בחיזוי מצב צפוי בעתיד מתוך המצב הקיים בהווה, ובניתוח פעולות אפשריות העומדות לרשות אותו יצור כדי לראות לאילו מהן יש סיכוי גבוה יותר להביא למצב עתידי רצוי. האם נוכל ללמד את המכונות לחזות את העתיד, כמו בני האדם?
ילד זורק כדור למעלה ומושיט את ידיו כדי לתפוס את הכדור הנופל. מכונית מתקרבת. הנהגת מבחינה בילד, מאטה ומתכוננת לאפשרות שהילד ירוץ אחר הכדור לכביש. תוך כדי כך, היא שוקלת את המשך מסלול נסיעתה לאור דיווחים על עומסי תנועה, ומכינה את עצמה לפגישת העסקים שאליה היא נוסעת.
כל הפעולות המתוארות דורשות חיזוי עתיד: הילד מניע את ידיו את הנקודה אליה הוא צופה שהכדור יגיע; הנהגת המתקרבת חוזה אירוע עתידי אפשרי (נפילת הכדור לכביש) ונוקטת פעולה מונעת. ייתכן שהיא אפילו אינה מודעת לעובדה, משום שהיא ממשיכה להקדיש חלק מתשומת ליבה לפעולות הילד, עד שתעבור אותו. באותו זמן, היא מנסה לחזות את משך הנסיעה בכל אחד מהמסלולים האפשריים המובילים ליעד הנסיעה שלה. עד שתגיע ליעדה, היא גם תבחן אפשרויות שונות של הלקוח לתגובה להצעה העסקית שנשלחה אליו, ותשתדל לנחש את ההצעות שיקבל אותו לקוח ממתחריה העסקיים.
דוגמאות אלה אינן ייחודיות: כמעט כל הפעילויות של יצורים חיים כרוכות בחיזוי מצב צפוי בעתיד מתוך המצב הקיים בהווה, ובניתוח פעולות אפשריות העומדות לרשות אותו יצור כדי לראות לאילו מהן יש סיכוי גבוה יותר להביא למצב עתידי רצוי. הכוונה של המונחים "חיזוי" ו"ניתוח" במשפט הקודם אינה דווקא לפעולה מחשבתית מודעת. לדוגמה, חיידקים מסוימים מכווינים את תנועתם על ידי השוואת ריכוזי החומר המזין בנקודה שבו הם נמצאים לנקודה שבה היו ברגע זמן קודם. אם הריכוז כרגע גבוה יותר מבעבר, יש סבירות גבוהה יותר כי הם ישמרו על אותו כיוון תנועה. אם הריכוז יורד, הסיכוי להחלפת כיוון התנועה עולה. התוצאה היא תנועה הנשארת, למרות מידה רבה של אקראיות, באזור העשיר בחומר מזין. אם היינו מייחסים לחיידק חשיבה וחיזוי עתיד, היינו משערים כי המחשבה שהדריכה אותו הייתה "ריכוז הסוכר כאן נמוך מהריכוז שהותרתי מאחורי. כנראה שאם אמשיך באותו כיוון, הריכוז ימשיך לקטון. כדאי שאסתובב, ואז אולי אמצא ריכוז גבוה יותר."
גם בדוגמה של הילד התופס כדור, לא ייחסנו לילד מחשבה מודעת העוסקת בחישובים גיאומטריים (מציאת מקום הכדור לפי השוואת המידע משתי העיניים) ופיזיקליים (תאוצת הכדור תוך כדי נפילתו). לעומת זאת, אנו רואים בתכנון נתיב הנסיעה פעולה מודעת של חיזוי, אם גם פעולה זו אינה מרשימה במיוחד; ותהליך החיזוי של ההצעה הנגדית של הלקוח או של מתחרה עשוי להיות אתגר אינטלקטואלי גם למקצוענים. לתובנה זו – המרכזיות של ניבוי העתיד בכל צעד בחיים, מהפשוטים עד המורכבים ביותר – כיוון המשורר והפילוסוף הצרפתי פול ואלֶרי (Valéry) כשאמר "מטרת המוח היא לייצר עתיד". תהליך ייצור זה מאפשר לאדם להימנע מטעויות מסוכנות על ידי ניבוי התוצאות האפשריות של פעולה לפני ביצועה, או בניסוחו של הפילוסוף קארל פופר: "לתת להשערות שלך למות במקומך".
חשיבה קדימה ואחורה
איך יכול רובוט להבין כי לא כדאי לו לנסר את גזע העץ שעליו הוא יושב? קשה להבחין באתגר שבעיה זו מציבה לחוקרי הבינה המלאכותית, מכיוון שאנו פותרים בעיות קשות יותר מאלה בכל רגע בחיינו. למשל, אדם הנושא בשתי ידיו חפצים, ורוצה לפתוח דלת, יניח אחד מהחפצים על הרצפה כך שלא יפריע לדלת להיפתח. אותו אדם לא ירגיש כי פתר בעיה מורכבת, וסביר כי אפילו לא יהיה מודע לסיבה מאחורי בחירת המקום להנחת החפץ.
נחזור לרובוט שקיבל משימה לנסר ענף עץ. לצורך הדיון, נניח כי רובוט זה הוא מוכשר במיוחד – מעבר ליכולות של כל רובוט הקיים כיום. הרובוט יודע כי כדי לנסר את הענף הוא חייב להיות קרוב מספיק אליו, ושולף ממאגר המידע שלו דרכים שונות לכך. אחת הדרכים היא לטפס על הגזע, אך מכיוון שזרועותיו של הרובוט נדרשות לפעולת הניסור, היאחזות בגזע אינה מספיקה והרובוט מוצא כי אם יעבור לשבת על הגזע, יתפנו זרועותיו לפעולה הדרושה. אם יבחר את מקום הישיבה לא נכון, יגיע רובוט מוכשר זה לסיטואציה הנלעגת שהפכה לבסיס לאימרה עממית.
הסיבה לכישלון זה נעוצה בתהליך תכנון הפעולה, בו נעשה שימוש בידע על פעולות שונות ותוצאותיהן. ידע כזה כולל למשל את העובדות: כשיוצאים מהמצב ההתחלתי "עמידה על הקרקע", הפעולה "טיפוס על גזע העץ" גורמת למצב "התקרבות לענף" יחד עם "זרועות אוחזות בגזע"; הפעולה "ישיבה על הענף" מהמצב "היאחזות בגזע" מובילה למצב "שחרור הזרועות לפעולה". מובן שהצגה זו היא פשטנית ביותר. למעשה, הידע של הרובוט אינו מתייחס דווקא לענף וגזע מסוימים ולפעולת הניסור, אלא מאופיין בצורה כללית הרבה יותר המתאימה למשימות רבות, והרובוט משתמש במנגנוני סימולציה וחישוב כדי להסיק, למשל, את מרחק הענף מהקרקע ואת המרחק המרבי בין הרובוט לענף שעדיין מאפשר ניסור. מנגנונים אלה הם המייצרים את העובדות בדוגמה.
הרובוט חיפש ומצא סידרת פעולות המובילה מהמצב ההתחלתי אל המצב שבו הוא יכול לבצע את המשימה. התכנון חזה נכון את העובדה העתידית כי הענף אכן ינוסר. הוא נכשל בחיזוי הנוסף – נפילת הרובוט. כישלון זה אינו נובע מחוסר ידע: לפי ההנחות שלנו, הרובוט מוכשר מספיק כדי להכיל בבסיס הידע שלו (או כדי לחשב) את העובדה כי הפעולה "ניסור הענף" במצב "ישיבה על הענף" מובילה למצב הלא רצוי "נפילה". הבעיה היא המיקוד של התכנון בתוצאה הרצויה וההתעלמות מתופעות הלוואי של הפעולות בדרך לתוצאה זו: תהליך התכנון דומה לאסטרטגיית פתרון הבעיות הנפוצה, המתחילה מהמצב הרצוי ומחפשת סידרה של "מהלכים" שיביאו למצב זה – אסטרטגיה הנקראת לפעמים "חשיבה אחורה". אם הרובוט היה "חושב קדימה" הוא היה מגלה את הסכנה.
מסקנות רלוונטיות ולא-רלוונטיות
הפתרון הוא לכאורה פשוט ומיידי: נתכנת את הרובוט כך שיחשב את התוצאות של כל פעולה שהוא שוקל לבצע. האם זהו אכן הפיתרון? נתאר לעצמנו את הרובוט מחשב את תוצאות הניסור. נסורת תיפול על הקרקע; יישמע רעש; שיני המסור תישחקנה בשיעור קטנטן; כמות האנרגיה בסוללות הרובוט תרד ב- 3%, וכו'. לכל אחת מתוצאות אלה יש תוצאות משלה: הרעש עשוי להבריח ציפורים; התנודות יפגעו בדיוקם של חושי הרובוט בשיעור מסוים; הנסורת תמחק את העקבות שהשאיר הרובוט בדרכו אל העץ, וכו'. ככל שהידע של הרובוט מקיף יותר, ויכולת החיזוי שלו חזקה יותר, כך יגדל מספר התוצאות שהוא יוכל לחשב. מתכנני הרובוט יגלו אותו לאחר שבוע מתחת לעץ, עדיין מהרהר בהשלכות מעשיו, כמו חכם זן המתרכז במעגלים המתרחבים הנוצרים כאשר טיפה נופלת לבריכת מים שקטה.
מתכנני הרובוט עשויים לנסות ללמד אותו להבדיל בין מסקנות רלוונטיות (נפילת הרובוט יחד עם הענף) לבין מסקנות לא-רלוונטיות (מחיקת העקבות). מסתבר כי גם בכך אין פתרון. מעתה, הרובוט לא רק יחשב כל תוצאה, אלא גם יעסוק בקביעה אם היא רלוונטית או לא.
בעיה זו ובעיות דומות מטרידות את חוקרי הבינה המלאכותית כבר עשרות שנים, וזכו לשמות שונים, שהנפוץ שביניהם הוא השם "בעיית המסגרת" (frame problem). יש הנאחזים בכך כדי לטעון כי לעולם לא נוכל לבנות רובוט אינטליגנטי. הפילוסוף דניאל דנט (Dennett), המרבה לעסוק בבעיות הקשורות לחשיבה ולמודעות, אינו מסכים. לדעתו, אין להאשים את תחום הבינה המלאכותית בכישלון, אלא צריך לתת להם את האשראי על גילוי בעיה חדשה ועמוקה בתחום הפילוסופי הנקרא אפיסטמולוגיה (העוסק בשאלות כמו: מהו ידע? מהו מקורו? מהי תכולתו?). כפי שהרובוט המסכן שלנו גילה, גם כאשר יצור הוא בעל ידע מושלם על ההווה, קשה לו מאוד לתכנן פעולה פשוטה בעתיד. בעיה זו היתה יכולה להיות מנוסחת בכל זמן שהוא בעבר, אך רק צמיחתה של הבינה המלאכותית הביאה לזיהויה ולהבנתה. בניסוחו של דנט, הבינה המלאכותית אינה הפושעת (כלומר אין זה נכון שהבעיה היא רק של הבינה המלאכותית, ומונעת את היתכנותה), אלא זו שגילתה את הפשע (ובכך מאתגרת את כולנו להסביר איך בעצם אנו מצליחים להחליט).
יש אף לזכור כי גם בני אדם פגיעים לאותם סיכונים: מהמלט, במחזהו של שקספיר, ששקע בהתלבטויות ללא מעשה, ועד לכל אותן הפעמים שאנו מופתעים על ידי תוצאות מעשינו למרות שהיו לנו כל העובדות שנדרשו כדי לחזות תוצאות אלו מראש. יתירה מזאת, יש הבדלים ניכרים בין אדם לאדם ביכולת ההחלטה המהירה והנכונה, והבדלים אלה משמעותיים עוד יותר במקרים של ליקויים פסיכיאטריים מסוימים (ליקוי טורדני כפייתי – OCD) ופגיעות נוירולוגיות, כמו פגיעות באונה הקדם-מצחית. מבחינה זו, איננו דורשים מהרובוט שלנו פתרון מלא, אלא רק מספיק יכולת כדי לא להיכשל באותם מקומות שבהם אדם יצליח. גם דרישה זו אינה קלה. בני אדם יודעים לא רק לזהות מהר (ובדרך כלל, לזהות נכון) אילו עובדות רלוונטיות לצורך הבעיה שלפניהם, אלא גם יודעים עד כמה יש להתעמק בכל בעיה, בהתאם לסיכון שבפעולות מוטעות, ובהתאם לרמת הדמיון של הבעיה לבעיות שכבר נפתרו.
במחקרים מעשיים בבינה מלאכותית נמצאו מספר פתרונות חלקיים. אחד מהם מסתמך על הגבלת היקף החיזוי: מכל העובדות הידועות על העולם, נניח מראש כי רק חלק קטנטן יושפע כתוצאה מכל פעולה. חלק זה יזוהה על ידי כך שהוא קרוב (למשל, קירבה במרחב או בקשרים פיזיקליים) לחלקי העולם הנוגעים ישירות לפעולה. הנחה זו אינה תמיד מדויקת, אך כאמור מספיק לנו למצוא פשרה סבירה בין כמות הטעויות לבין הזמן הנדרש לחישוב. פתרון חלקי אחר מסתמך על "תסריטים" האגורים במוחנו, המכילים השתלשלויות אופייניות של אירועים, כמו גם השתלשלויות שיש להימנע מהן. בהקשר זה, לאימרה על האדם המנסר את הענף שעליו הוא יושב יש תפקיד חשוב: חיזוק התסריט הרלוונטי כך שיישלף ברגע הנכון וימנע מאיתנו טעות מסוכנת. רעיון זה עדיין דורש הסבר כיצד אנו מכלילים את התסריט לסיטואציות שהן דומות קונצפטואלית, אך אינן קשורות לישיבה ממשית על ענף.
חיזוי במשמעותו המקובלת
כשאנו מדברים על חיזוי העתיד אנו מדברים בדרך כלל על חיזויים הנראים לכאורה מרשימים יותר: מה יחליט הלקוח של אותה אשת עסקים שהוזכרה בתחילת המאמר? מה יהיו שערי המניות? מה תהיה התוצאה של החלטות פוליטיות או כלכליות?
מכל אלה, ניבוי של תהליכים הניתנים לכימות במספרים, כמו למשל שערי המניות, זוכה לתשומת הלב הרבה ביותר בבינה המלאכותית, כמו גם בסטטיסטיקה ובכלכלה. בניבוי שערי המניות, היו כאלה שהפיקו מכך הון קטן (במקרים מסוימים לאחר שהתחילו מהון גדול), אך טבעו הבלתי-סלחני של שוק המניות משאיר הצלחות וכישלונות כאלה במידה רבה ביד המזל. בתחומים אחרים, כמו צפי עתידי של הדרישה למוצרים או שירותים, אין למתכנן ברירה אלא להמר על ניבוי כלשהו. כאן, כל כלי חיזוי שיוריד את הֶקף הטעויות יתקבל בברכה. שילוב של כלים מתמטיים וסטטיסטיים עם שיטות מתחום הבינה המלאכותית מביא כבר היום לעתים קרובות להישגים נאים בחיזויים מסוג זה. השגים אלה מתחזקים אף יותר כשהמערכת משלבת בני אדם בהחלטותיה, תוך שהיא לוקחת על עצמה את החישובים המתמטיים כמו זיהוי תהליכים עונתיים ותהליכי עלייה או ירידה בתוך המידע שנאגר בעבר, התאמת מודל מתמטי לתהליכים אלה, והצבעה על אירועים בעבר שסטו בצורה משמעותית מהמודל.
בני אדם יכולים להסכים עם ההנחות ביסוד המודל או לשנותן, לתת הסבר לאירועים החריגים בעבר וכך ליצור חיזוי מתאים למקרה שהסיבות לאירועים אלה יחזרו, ולהוסיף מידע על פעולות מתוכננות או צפויות בעתיד (למשל שינויים באקלים הכלכלי או ביחסי מסחר, או פעולות שיווק שיגבירו את הדרישה. כתוצאה, תתאים התוכנה את המודל למידע החדש. בכך מגייס האדם את המחשב לצורך דיוק גבוה יותר בפעולת המחשבה היסודית: ייצור העתיד.
לפנייה לכתב/ת 
