"האתגרים שאנחנו ניצבים מולם היום הם אקזיסטנציאליים – אם לא נתמודד איתם נגיע לסוף העולם כפי שאנחנו מכירים אותו", כך אמר אלסנדרו קוריוני, ראש מעבדת המחקר של IBM בציריך, בפתיחת האירוע שערכה החברה במעבדה לעיתונאים מרחבי אירופה. בחברה הציגו שורה של טכנולוגיות חדשניות אותן מפתחים במרכז המחקר, שנוגעות לתחומים כמו קוונטום, שיטות הצפנה חדשות ועוד, אך מעל הכל ביקשו להדגיש את מאמציהם לפתח טכנולוגיה בת-קיימא, שתסייע להתמודד עם משבר האקלים בדרכים שונות, וגם לא תחמיר אותו בעצם פיתוחה.
"אנחנו מנסים להימנע מיצירת טכנולוגיה שתפתור בעיות בהווה, אבל תגרום לבעיות חדשות בעתיד", אמר קוריוני. "טכנולוגיה לא צריכה רק לסייע לפתור בעיות שנוגעות לקיימות, אלא גם להיות בעצמה יותר בת-קיימא, ופחות מזהמת. וזה הבדל גדול לעומת פשוט לפתח טכנולוגיה". הוא פירט עדיפויות שונות של החברה, בהן גילוי חומרים למטרת לכידת פחמן, גילוי אלקטרוליטים לסוללות שיהיו בטוחים ויעילים יותר וגילוי חומרים ידידותיים יותר לסביבה.
עוד בנושא:
גילוי מדעי מואץ
אחת הדרכים של IBM להתמודדות עם האתגרים הסביבתיים נקראת "גילוי מואץ", כאשר הרעיון הוא למעשה להגביר את הקצב של השיטה המדעית הקלאסית, מתוך הכרה בכך שהצורך בפתרונות חדשניים בוער. כך, מחקרים שהיו נמשכים שנים אם היו תלויים בבני אדם בלבד, מתקצרים בעזרת שימוש בבינה מלאכותית שמתמודדת עם צווארי בקבוק שונים בתהליך המחקרי - היא מאפשרת להעשיר את הידע בעזרת איסוף מידע רב, להציע שאלות מחקר חדשות בהתבסס על פערים בידע הקיים, מסייעת לנסח היפותזות ואף מאפשרת לבחון אותן בקנה מידה גדול.
אחד הפיתוחים הללו נקרא "חיפוש עמוק" (Deep Search), שמתמקד באיתור הידע והפיכתו לזמין, על ידי מעבר של AI על כל המחקרים והפטנטים שפורסמו בנושא מסוים. כלי אחר בשם GT4SD הוא זה שמסייע בניסוח ההיפותזה בעזרת כלים של בינה מלאכותית גנרטיבית. הגילוי המואץ משמש גם לגילוי חומרים חדשים - פלטפורמת "RoboRXN" שפתוחה לציבור הרחב, וכבר מונה 35 אלף משתמשים ונמצאת בשימוש מסחרי, משתמשת בבינה מלאכותית כדי לבצע ניסויים כימיים וירטואליים ולצפות תגובות כימיות. בשלב האחרון ניתן ליצור מולקולות מרחוק באמצעותה על ידי רובוט בגודל מקרר שנמצא במעבדה בציריך. "למעשה 90% מהטכנולוגיה הזו היא לא כזו שניתן לראות בעיניים", אמר החוקר הבכיר תאודורו לאינו בזמן סיור במעבדה בה נמצא הרובוט. הוא הסביר כי "אנחנו משתמשים באותה טכנולוגיית בינה מלאכותית בה משתמשים כדי לתרגם שפות. המבנים של מולקולות הם למעשה כמו מילים. במקום לאמן את המודל במילים, אנחנו מאמנים אותו על מספר גדול של תגובות כימיות. זה שימוש בטכנולוגיה של שפה כדי ללמוד כימיה במקום אוצר מילים".
התראה מפני שטפונות
מתוך התפיסה כי את חלק מהנזקים בעקבות שינוי האקלים מאוחר מדי למנוע, בחברה מפתחים גם אמצעים שיעזרו להתמודד עמם. לאחרונה השיקו ב-IBM פלטפורמה בשם EIS, שמספקת מידע שיסייע להתמודד עם אירועי מזג אוויר קיצוני ומבוססת על בינה מלאכותית. אחד מהפיתוחים של החברה הוא מודל לאיתור שטפונות, שנמצא בשימוש במוזמביק. תומס ברונשווילר, מנהל המחקר בצוות AI למען אקלים בארגון, הבהיר למה AI יכול לסייע במאמצים כאלה - "יש כמויות מידע עצומות, ו-AI יכולה להפיק ממנו תובנות, למשל כדי לחזות אירועי שטפונות. אנחנו גם בונים מודלים שיכולים לעזור להעריך את הסיטואציה כשיש מעט מאוד נתונים מתויגים".
בינה מלאכותית אנינת טעם
אחד הפיתוחים המסקרנים שהוצגו הוא ה-HyperTaste, מעין "לשון אלקטרונית" שמסוגלת להעריך את הטעם, האיכות וההרכב של נוזלים שונים, במטרה לסייע בפיתוח טעמים, זיהוי זיופים וגם בשמירה על הסביבה. על גבי המכשיר הקטן יש סנסורים, אך בנוסף אליהם הוא נשען על שימוש ב-AI. "המכשיר דומה לבלוטות הטעם שלנו", מסביר החוקר גיאנמרקו גבריאלי תוך הדגמת פעולת המכשיר. "בלוטות הטעם שלנו לא מגיבות לתרכובות מסוימות, אלא להרכב הכללי של הנוזלים. אנחנו משתמשים פה באותו עיקרון. אם היינו משתמשים בסנסורים קונבנציונליים, ללא AI, היינו צריכים סנסור ספציפי לכל תרכובת". הוא מתאר את התהליך - ראשית חושפים את המכשיר לסט נוזלים שידוע אם הם איכותיים או לא, ומעבירים אליו את המידע. אחרי שלב האימון, המודל ידע לקבוע בעצמו את טיב הנוזלים בהם יתקל.
"כשאנחנו טועמים משהו בפעם הראשונה, מיד נדע לומר אם זה טוב או לא. זה בדיוק אותו העיקרון, במערכת מלאכותית", הוא מסביר ומוסיף גם כי מספר הדגימות הדרושות לשלב האימון משתנות בין המקרים. כשרוצים לאתר זיופים של ג'ין, אין צורך בהרבה דגימות, מאחר שמדובר בשאלה בינארית - כל מה שלא מתאים לטביעת האצבע הספציפית הוא זיוף. אך במקרה של ניסיון לקלוע לטעם אישי, למשל בקפה, התהליך מורכב יותר. המוצר אינו מסחרי כרגע אך בהמשך יוכל לשמש למטרות שונות כמו פיתוח מוצרים חדשים, וגם למטרות שלא נוגעות לתחום המשקאות. "אולי ניתן יהיה להשתמש בו בבדיקות דם, או בדיקות של מים. זה שונה מטעמים, אבל אותו העקרון של בדיקת התרכובת הכימית". ההייפרטייסט אפילו נמצא כעת על הספינה האוטונומית "מייפלאוור", ובוחן את הרכב המים לאורך מסלולה.
שובו של הטייפ
תחום מסקרן נוסף שהחברה מושקעת בו נוגע לאחסון מידע באמצעות גלילים של טייפ. "אנחנו לא משתמשים בטייפ כדי להקשיב למוזיקה אבל כן כדי לאחסן דאטה", הסביר מארק לנץ, מנהל תחום טכנולוגיות הטייפ בחברה. "אנשים מופתעים מזה ש-IBM עדיין מוכרת את הטכנולוגיה הזו, ובמיוחד מזה שאנחנו עדיין חוקרים אותה. היא כבר לא בשימוש הרבה זמן כטכנולוגיה צרכנית. אבל טייפ מגנטי כטכנולוגיית אחסון מעולם לא נעלם, הוא עדיין מאוד חשוב בחוות שרתים, ואפילו חווה סוג של רנסנס. אנחנו בוחנים כמה אנחנו יכולים לדחוף את צפיפות השטח של הטכנולוגיה הזו - כמות הגיגה בייטים לאינץ' רבוע".
>>הצטרפו לקהילת הטכנולוגיה שלנו בפייסבוק<<
לנץ הסביר כי עד 2025 כמות הדאטה בעולם צפויה להגיע ל-175 זטא בייט, וחברות ענק מחזיקות היום בעשרות הקסה-בייטים, ובחלקן הדאטה מוכפל או משולש בכל שנה. האחסון על כונני טייפ הוא זול יותר ואפקטיבי לאחסון כמויות גדולות, ואף ידידותי יותר לסביבה, שכן נפלט דרכה פחות פחמן דו חמצני לעומת אחסון ב-HTD. לנץ הסביר כי עלות האחסון היא קריטית עבור חברות: "לפני כמה שנים פגשתי ארכיטקט בתחום האחסון בגוגל, שאמר שאם נותנים בחינם מערכות כמו ג'ימייל צריך להיות מאוד מודעים לכמה זה עולה". החיסרון של שיטת האחסון הזו היא שהיא לא מתאימה ל"הוט דאטה" - דאטה שניגשים אליו בתדירות גבוהה, ואילו רק חלק קטן מהדאטה של חברות הוא דאטה "קר".
בשיחה עם ynet, קוריוני תיאר את היוזמות בתחום הקיימות בחברה שמרגשות אותו במיוחד. "אני מאוד מתרגש מכל מה שאנחנו עושים לגבי גילוי מואץ של חומרים חדשים, כי זו דרך פעילה שמתמקדת ביצירת טכנולוגיה שעוזרת לבעיה. הדרך הפסיבית היא לנסות לצרוך פחות, להפחית את פליטות הפחמן דו-חמצני. כל זה טוב, אבל הדרך הפעילה תעזור להאיץ את הפתרון. אני מאמין שאנחנו צריכים טכנולוגיות כלליות, כך שאם הבעיה תשתנה, אני לא אצטרך לזרוק מכשירים שלמים, אלא אוכל להתאים את עצמי. AI יכולה לעזור בזה מאוד. בהייפר-טייסט, הדרך הרגילה לבצע חישה של תערובת מורכבת היא לפתח סנסורים ייחודיים עבור כל כימיקל, ואז צריך אלפי סנסורים. השימוש בסנסורים כלליים, וב-AI, הוא הרבה יותר בר-קיימא".
מהם האתגרים הגדולים ביותר ביצירת טכנולוגיה מקיימת?
"האתגרים הם חברתיים ותרבותיים. כשמפתחים טכנולוגיה רק כדי לעשות דברים מהר יותר או בקנה מידה גדול יותר ולא לוקחים בחשבון עד כמה היא מקיימת, התוצאות הן משהו מאוד מהיר שאינו בר קיימא. ברגע ששמים את הקיימות בתור אחד הדברים שרוצים לייעל (ולא היחיד, כי הדבר המקיים ביותר הוא לא לעשות דבר), אז אפשר להגיע לטכנולוגיות שעושות את העבודה שלהן, אולי לא כל כך מהר אבל מהר מספיק ושהן גם מקיימות יותר. מעבר לזה, נהיה חייבים לעבוד בשיתוף פעולה, כי אין מוסד, טכנולוגיה או חברה שיוכלו לפתור את האתגרים האלו לבד. לרתום חברות ואנשים לשיתופי פעולה זה גם אתגר גדול. צריך לייצר תמריץ. אם אני אגיד לך לנסוע בתחבורה ציבורית, ולא ברכב הפרטי, תגידי לי 'למה דווקא אני? שכל השאר יעשו את זה'. אבל אם אני אגיד לך שאז תשלמי פחות מיסים, אולי תחשבי פעמיים. צריך למצוא מערכות שיתופי פעולה שרותמות את כולם למעורבות, וגם מציעות לכולם רווח - בטווח הקצר. אחרת, אם חברות לא יראו את התשואה, הם לא יעשו את זה. זה עשוי להגיע מרגולציה, מתפיסה חברתית בה אנשים רוצים שחברה שמוכרת להם דברים תיצור אותם באופן מקיים, וגם חברות מובילות צריכות להגיד שהן יעבדו רק עם חברות שמקפידות על הסטנדרטים האלה".
הוא מוסיף כי "אנחנו כחברה גדולה וגלובלית החלטנו להכריז שעד 2030 נגיע לאפס פליטות פחמן דו-חמצני. זה לא קל. אבל להצהיר הצהרות אגרסיביות כאלה, זה עוזר. וברגע שחברה אחת עושה את זה, יש לזה אפקט של מפולת וזה הופך לתנועה. כבר היום יש שינוי מגמה, אבל הקצב בו זה קורה עדיין איטי מדי. אם חברות יהיו חכמות, הן יבינו שזו גם הזדמנות עסקית גדולה".
הכותבת הייתה אורחת IBM בציריך
