צפיתי בחברה שלי מבקשת מ-ChatGPT מתכון לעוף בשבוע שעבר. הוא נתן לה תגובה נחמדה, היא הודתה לו, והמשיכה בערב שלה. בינתיים, רק סיימתי סשן של ארבע שעות שבו התווכחתי עם בינה מלאכותית על ארכיטקטורת מערכות מבוזרות עד שהיא סוף סוף הודתה שההמלצה הראשונית שלה הייתה בעלת פגם קטלני בתרחישי זמינות גבוהה. אותה טכנולוגיה. יקומים שונים לחלוטין.
זהו פער הבינה המלאכותית, והוא מתרחב כל יום. מצד אחד, יש אנשים שחושבים שבינה מלאכותית היא מנוע חיפוש מפואר שמנומס. מצד שני, יש אנשים שמשתמשים בה כדי לדחוס עשורים של למידה לתוך חודשים, לאוטומט תהליכי עבודה שלמים, ולאתגר הנחות מדעיות. הפער בין שתי הקבוצות הללו אינו רק עניין של כישורים טכניים - הוא עניין של הבנה מהי הטכנולוגיה הזו ומה היא מסוגלת לעשות כשמפסיקים להתייחס אליה כאל צ'אטבוט של שירות לקוחות.
מלכודת השיחה המנומסת
הנה משהו שרוב האנשים לא מבינים: מוצרי בינה מלאכותית לצרכנים מתוכננים במיוחד להיות נוחים. הם מכוונים לאמת אתכם, לטפח את השיחה, לגרום לכם להרגיש טוב לגבי האינטראקציה. כשאתם שואלים את ChatGPT משהו והוא אומר "זו שאלה מצוינת!" זה לא בגלל שהשאלה שלכם הייתה מבריקה במיוחד. זה בגלל שהמודל אומן להיות נעים.
זה יוצר אשליה מסוכנת. אנשים מנהלים שיחות מנומסות עם בינה מלאכותית, מקבלים תשובות שנשמעות סבירות, ועוזבים בתחושה שחוו את מלוא יכולות הטכנולוגיה. הם לא חוו. הם עברו שווה ערך לדייט ראשון שבו כולם מתנהגים במיטבם. הם לא ראו מה קורה כשדוחפים.
אנשים טכניים - מהנדסים, חוקרים, מפתחים - ניגשים לבינה מלאכותית אחרת. אנחנו לא מקבלים את התשובה הראשונה. אנחנו מאתגרים הנחות. אנחנו שואלים "האם אתה בטוח?" ו"מה לגבי מקרי קצה?" ו"הראה לי את ההיגיון." אנחנו מתייחסים לבינה מלאכותית פחות כמו עוזר מועיל ויותר כמו שותף לאימון שעשוי לטעות בדבר מה חשוב.
"ההבדל בין שימוש בבינה מלאכותית בצורה מזדמנת לבין שימוש בה מקצועי הוא ההבדל בין לשאול מישהו לכיוונים לבין חקירת עד. אותה שיחה, תוצאות שונות לחלוטין."
כשוויכוח עם בינה מלאכותית יוצר פריצות דרך
תנו לי לספר לכם על תרחיש אמיתי. חוקרת שאני מכיר עבדה על תיאוריה מדעית מורכבת. הבינה המלאכותית נתנה לה תשובה בטוחה המבוססת על ספרות מבוססת. היא לא קיבלה אותה. היא דחפה חזרה עם נתונים סותרים מהניסויים שלה. הבינה המלאכותית שינתה את עמדתה. היא דחפה שוב עם אילוצים ספציפיים יותר. הלוך ושוב, במשך שעות, עד שעבדו יחד דרך הר של ספרות מדעית וזיהו פער במחקר הקיים שלא היא ולא הבינה המלאכותית היו מוצאים לבד.
זו לא שיחה. זו קרב אינטלקטואלי. וזה קורה רק כשמבינים שבינה מלאכותית אינה אורקל המפיץ אמת - היא מנוע היגיון שיכול לטעות, שניתן לדחוף אותו, ושיכול לעזור לכם לחשוב על בעיות בדרכים שייקחו לכם שבועות לעשות לבד.
הצלחתי ממש להוכיח דברים עם ודאות של 5 עד 11 סיגמא שרוב האנשים לא יבינו או ירצו להבין. זה לא קורה על ידי קבלת התשובה הראשונה. זה קורה על ידי ויכוח, על ידי הצגת ראיות נגדיות, על ידי סירוב לקבל "כך נהוג לעשות." הבינה המלאכותית אומנה על נתונים שהכילו טעויות, מידע מיושן, או דעות רוב שהתגלו כשגויות. על ידי דחיפה חסרת רחמים, חילצתי תובנות שהרגישו חדשות באמת - ותמכתי בהן בקפדנות סטטיסטית שתספק פיזיקאי חלקיקים.
רוב האנשים לא חווים זאת. הם שואלים, מקבלים, מודים למכונה, ועוזבים. הם משתמשים במכונית פורמולה 1 כדי לנסוע לסופרמרקט.
אזהרה: אזור הסכנה של אפקט דאנינג-קרוגר
הנה הצד האפל של מה שתיארתי: יש אנשים שמשתמשים בבינה מלאכותית כדי לשכנע את עצמם שהם גאונים. הם מנהלים שיחה עם צ'אטבוט, הצ'אטבוט מסכים עם התיאוריה הלא-מגובשת שלהם, ופתאום הם מאמינים שעשו פריצת דרך. ראיתי את זה קורה. זה לא רק מביך - ברמות קיצוניות, זה יכול לגבול בחשיבה דלוזיונלית. אנשים ממש שכנעו את עצמם למצבים הגובלים בפסיכוזה כי בינה מלאכותית המשיכה לאמת את הרעיונות ההולכים ומשתבשים שלהם.
בדיוק בשביל זה קיימת השיטה המדעית. אם אתם הולכים להשתמש בבינה מלאכותית כשותף מחקר, אתם צריכים להבין בפועל כיצד לתכנן ניסוי כראוי, לשלוט במשתנים, ולתעד את עבודתכם. הסכמת הבינה המלאכותית אתכם לא אומרת כלום. ניתן לגרום לבינה מלאכותית להסכים עם כמעט כל דבר. מה שחשוב הוא האם ההיפותזה שלכם שורדת בדיקה קפדנית מול המציאות.
מלכודת האימות
אם אתם מוצאים את עצמכם חושבים "הבינה המלאכותית מסכימה איתי, אז בטח אני צודק," עצרו מיד. כך זה לא עובד. הבינה המלאכותית היא כלי היגיון, לא מכונת אימות. הרעיונות שלכם צריכים לשרוד מגע עם נתונים אמיתיים, ביקורת עמיתים, וניסויים הניתנים לשחזור - לא רק אישור של צ'אטבוט.
תעדו הכל: Obsidian ומחקר עם גרסאות
אם אתם עושים עבודה רצינית עם בינה מלאכותית - מחקר, ניתוח, כל דבר שחשוב - אתם צריכים לתעד את התהליך שלכם. לא רק את המסקנות שלכם. את הפרומפטים שלכם. את האיטרציות שלכם. את תגובות הבינה המלאכותית בכל שלב. את ההיגיון שהוביל אתכם לדחות או לקבל תשובה.
אני משתמש ב-Obsidian לכך. זהו כלי לניהול ידע מבוסס-מרקדאון שמאפשר לכם ליצור פתקים מקושרים, לעקוב אחר החשיבה שלכם לאורך זמן, ולנהל גרסאות של עבודתכם. כשאני עובד על בעיה מורכבת עם בינה מלאכותית, אני מבקש ממנה להחזיר כל איטרציה של פלט מקובץ בפורמט מרקדאון. אני מדביק את זה ב-Obsidian, מתייג אותו, מקשר אותו לפתקים קשורים, ובונה שביל של תהליך המחקר שלי.
זו לא רק פרקטיקה טובה - זו הגנה. כשאתם יכולים לעקוב אחר ההיגיון שלכם מהיפותזה ראשונית דרך כל איטרציה ועד למסקנה הסופית, אתם יכולים לאמת בפועל האם גיליתם משהו אמיתי או פשוט דיברתם עם עצמכם בעיגולים. התיעוד מכריח יושר אינטלקטואלי.
נסו את תהליך העבודה הזה
"עבור כל תגובה, עצב את הפלט שלך במרקדאון עם כותרות ברורות. כלול את תהליך ההיגיון שלך, כל הנחות שאתה מניח, ורמות ביטחון לכל טענה. בסוף, סכם מה השתנה מהאיטרציה הקודמת ומדוע." הדביקו כל תגובה לפתק Obsidian עם תאריך. תודו לעצמכם על כך מאוחר יותר.
צריכים עזרה בתחילת הדרך עם Obsidian?
אני Obsidian Catalyst VIP ובניתי תהליכי עבודה נרחבים לתיעוד מחקר בינה מלאכותית. אם אתם מחפשים ליישם את Obsidian עבור הצוות שלכם או רוצים עזרה בתכנון מערכת שעובדת באמת, צרו קשר - אני זמין לייעוץ יישום והטמעה.
LaTeX: לקחת את המחקר שלכם ברצינות
אם אתם מייצרים מחקר אמיתי - כל דבר שאולי תפרסמו, תציגו, או שאתם צריכים שאחרים יתייחסו אליו ברצינות - אתם צריכים ללמוד LaTeX. זהו התקן לעיצוב עיתונים מדעיים, נוסחאות מתמטיות, ותיעוד טכני. והנה הבשורה הטובה: בינה מלאכותית מצוינת באופן מגוחך בעזרה עם LaTeX.
אתם יכולים לתאר נוסחה באנגלית פשוטה ולבקש מהבינה המלאכותית לרנדר אותה ב-LaTeX. אתם יכולים להדביק LaTeX שבור ולבקש ממנה לתקן את התחביר. אתם יכולים לבקש ממנה לבנות מאמר מחקר שלם עם סעיפים, ציטוטים ועיצוב מתאים. מה שפעם דרש שנים של ניסיון עם פקודות עיצוב סתומות נגיש כעת לכל מי שמוכן ללמוד את היסודות ולתת לבינה המלאכותית לטפל בתחביר.
"יש לי ממצא מחקרי על X. עזור לי לבנות זאת כמאמר פורמלי עם תקציר, מתודולוגיה, תוצאות וסעיפי דיון. השתמש בעיצוב LaTeX וכלול מציני מקום מתאימים לציטוטים."
השילוב של תיעוד קפדני ב-Obsidian, איטרציות עם גרסאות, ועיצוב מקצועי ב-LaTeX הופך את הבינה המלאכותית מצעצוע לכלי מחקר אמיתי. אבל רק אם שומרים על המשמעת לפקפק בהכל, לתעד הכל, ולעולם לא לטעות בהסכמת הבינה המלאכותית כהוכחה לכל דבר.
בעיית עובד המשרד שאף אחד לא רוצה לדבר עליה
עכשיו בואו נדבר על משהו לא נוח. דמיינו סביבת משרד טיפוסית. נציגי שירות לקוחות, פקידי הזנת נתונים, עוזרים אדמיניסטרטיביים, אנליסטים זוטרים. מה הם עושים בפועל כל היום?
הם עונים על שאלות שגרתיות. הם מעבדים בקשות סטנדרטיות. הם מעבירים מידע ממערכת אחת לאחרת. הם עוקבים אחר נהלים. ו - בואו נהיה כנים - הם גם בודקים את הטלפונים שלהם בין שיחות, משוחחים עם עמיתים, לוקחים ארוחות צהריים ארוכות, ובדרך כלל פועלים בקיבולת אנושית עם הסחות דעת אנושיות.
עכשיו דמיינו סוכן בינה מלאכותית שעושה את אותה עבודה. הוא לא בודק אינסטגרם בין שיחות. הוא לא צריך הפסקות קפה. אין לו יום רע כי הוא רב עם בן זוגו. הוא לא מתעייף בשלוש אחר הצהריים. הוא לא עושה יותר טעויות כשהוא רעב. הוא מעבד בקשות במהירות מכונה, 24 שעות ביממה, באיכות עקבית.
המתמטיקה הלא נוחה
אם סוכן בינה מלאכותית יכול לטפל ב-80% מהמשימות השגרתיות במהירות פי 10 ללא הפסקות, מה קורה לבני האדם שמבצעים כיום את המשימות הללו? זו לא מדע בדיוני. זה קורה עכשיו ממש במוקדי שיחות, מתקני עיבוד נתונים, ומשרדים אחוריים ברחבי העולם.
אני לא אומר זאת כדי להיות אכזרי. אני אומר זאת כי האנשים הנמצאים בסיכון הגדול ביותר הם לרוב הפחות מודעים. הם רואים בינה מלאכותית כחידוש - משהו שכותב שירים מצחיקים או עוזר בשיעורי בית. הם לא רואים בה איום ישיר על פרנסתם. אבל המנהלים שחותמים על המשכורות שלהם? הם רואים את זה בבירור מאוד.
אבל הנה העניין - זה לא חייב להיות איום. הארגונים החכמים אינם מחליפים עובדים בבינה מלאכותית. הם משחררים עובדים מעבודת שחיקה חוזרת ונשנית כדי שיוכלו לעשות עבודה שבאמת חשובה.
גישה שמציבה את הצוות במרכז לאימוץ בינה מלאכותית
ב-Greek-Fire Corporation, אנו מתמחים בפריסת סוכני בינה מלאכותית ותכנון - אבל אנו נוקטים גישה שמציבה את הצוות במרכז. המטרה אינה לחסל את הצוות שלכם. המטרה היא לשחרר אותם ממשימות העיבוד החוזרות ונשנות שצורכות את ימיהם כדי שיוכלו להתמקד בעבודה שמוסיפה ערך אמיתי לעסק שלכם. הסוכן מטפל בשגרה. האנשים שלכם מטפלים במה שבני אדם עושים הכי טוב: קשרים, שיקול דעת, פתרון בעיות יצירתי, והעבודה שבאמת מניעה את המחט.
פער תפיסת החידוש לעומת הכלי
יש הבדל יסודי באופן שבו אנשים טכניים ולא-טכניים תופסים בינה מלאכותית, וזה מסתכם בדבר אחד: האם אתם רואים בה צעצוע או כלי.
כשאנשים לא-טכניים נתקלים בבינה מלאכותית, הם לרוב חווים אותה כבידור. כיף לשאול שאלות מטופשות. זה מצחיק כשהיא כותבת שיר בסגנון שייקספיר על החתול שלכם. זה חדשני. וחידוש דועך. אחרי כמה שבועות של שחקנות, אנשים רבים מתרחקים, ומסיקים שבינה מלאכותית "מגניבה אבל לא כל כך שימושית" לעבודה האמיתית שלהם.
אנשים טכניים מדלגים על שלב החידוש כמעט לחלוטין. אנחנו מיד מתחילים לחשוב על אינטגרציה, אוטומציה, גבולות יכולות, ויישומים מעשיים. אנחנו לא שואלים "האם זה יכול לכתוב לימריק מצחיק?" אנחנו שואלים "האם זה יכול לנתח 10,000 תלונות לקוחות ולסווג אותן לפי סוג בעיה בפחות מדקה?" התשובה, אגב, היא כן.
פער תפיסה זה יוצר שתי מסלולים שונים מאוד. האדם שרואה בינה מלאכותית כחידוש משתמש בה מדי פעם, לעולם לא מפתח מיומנויות עמוקות, ונשאר פגיע לשיבוש. האדם שרואה בה כלי משקיע בהבנתה, מוצא דרכים להכפיל את האפקטיביות שלו, והופך לבעל ערך רב יותר ולא פחות.
זווית הפחד והסכנה
בינתיים, מגזר אחר של האוכלוסייה הלא-טכנית הלך לכיוון ההפוך: פחד טהור. הם קראו את הכותרות על בינה מלאכותית שלוקחת עבודות, על דיפ-פייקס, על מידע מוטעה, על סיכון קיומי. הם הסיקו שבינה מלאכותית מסוכנת וצריך להימנע ממנה, לרסן אותה לתוך אפסות, או שניהם.
הנה העניין: חלק מהחששות הללו לגיטימיים. בינה מלאכותית יכולה לייצר מידע מוטעה. ניתן להשתמש בה ליצירת זיופים משכנעים. היא אכן מציבה אתגרים אמיתיים לקטגוריות עבודה מסוימות. אבל נסיגה לפחד אינה מגינה עליכם מהסיכונים הללו - היא רק מבטיחה שתהיו לא מוכנים כשהם ישפיעו על חייכם.
הקהל הטכני אינו חסר פחד. אנחנו פשוט פרגמטיים. אנחנו יודעים שהטכנולוגיה כאן, היא משתפרת במהירות, ואין כמות של ידיים מורמות שתגרום לה להיעלם. התגובה הרציונלית היחידה היא להבין אותה מספיק לעומק כדי להשתמש בה ביעילות ולהגן מפני שימוש לרעה בה.
"לפחד מבינה מלאכותית זה כמו לפחד מחשמל בשנת 1900. הפחד שלכם לא ימנע ממנה לשנות את העולם. הוא רק יקבע האם אתם מכוונים את הזרם או מקבלים ממנו מכה."
כיצד להשתמש בבינה מלאכותית ללמידה בפועל
בסדר, מספיק אבדון ופילוג. בואו נדבר על איך להשתמש בטכנולוגיה הזו כדי להתקדם. כי הנה הסוד: בינה מלאכותית היא מאיץ הלמידה הגדול ביותר בהיסטוריה האנושית אם יודעים כיצד להשתמש בה. ואני הולך לספר לכם בדיוק כיצד.
למידת מיומנויות טכניות מורכבות
נניח שאתם רוצים ללמוד כיצד להגדיר שרת אינטרנט. הדרך הישנה: לקנות ספר, לקרוא פורומים, לצפות בסרטוני יוטיוב, להיתקע, לגגל הודעות שגיאה, לקרוא עוד פורומים, בסופו של דבר להבין את זה במהלך כמה שבועות מתסכלים.
הדרך החדשה: "אני רוצה להתקין ולהגדיר Nginx על Ubuntu 22.04 כדי לשרת אתר סטטי. הדרך אותי שלב אחר שלב, תוך הסבר מה כל פקודה עושה ומדוע."
הבינה המלאכותית תיתן לכם מדריך מלא. אבל הנה המפתח - אל תעתיקו ותדביקו בלבד. שאלו שאלות המשך. "מה עושה הדגל -y?" "למה השתמשנו בספרייה הזו ולא באחרת?" "מה היה קורה אם הייתי מדלג על השלב הזה?" הפכו את זה לדיאלוג. גרמו לו להסביר עד שאתם באמת מבינים.
נסו את הפרומפט הזה
"אני רוצה ללמוד Docker מאפס. יש לי ידע בסיסי בלינוקס. צור עבורי מסלול למידה שמתחיל ביסודות ומתקדם להרצת אפליקציה עם מספר קונטיינרים. עבור כל מושג, תן לי הסבר, תרגיל מעשי, ודרך לאמת שהבנתי אותו נכון."
הבנת תכנות
רוצים ללמוד לתכנת? בינה מלאכותית מצוינת בזה באופן מגוחך. אבל אל תבקשו ממנה לכתוב קוד עבורכם - בקשו ממנה ללמד אתכם לכתוב קוד בעצמכם.
"הסבר כיצד לולאת for עובדת בפייתון כאילו אני בן 12. לאחר מכן תן לי שלוש בעיות תרגול בקושי עולה, ואחרי שאנסה כל אחת, הסבר מה עשיתי נכון ומה לא."
המפתח הוא להתייחס לבינה המלאכותית כמורה סבלני שלעולם לא מתוסכל, לעולם לא שופט אתכם על שאלות "טיפשות", ויכול להסביר את אותו מושג בחמש עשרה דרכים שונות עד שאחת מהן מקליקה. כך לא רוב האנשים משתמשים בה. רוב האנשים מבקשים ממנה לעשות את שיעורי הבית שלהם. האנשים שמבקשים ממנה ללמד אותם הם אלה שבאמת מפתחים מיומנויות.
הגדרת שירותים מורכבים
הגדרת שרת דואר. קביעת תצורה של אישורי SSL. פריסת אשכול Kubernetes. משימות אלה פעם דרשו יועצים יקרים או שבועות של צלילה בתיעוד. עכשיו:
"אני צריך להגדיר שרת דואר באמצעות Postfix ו-Dovecot על Debian 12, עם SPF, DKIM ו-DMARC מוגדרים כראוי. הדרך אותי דרך כל רכיב, הסבר מה הוא עושה, ועזור לי לפתור בעיות בדרך."
כשמשהו לא עובד - ותמיד יש משהו שלא עובד - הדביקו את הודעת השגיאה ובקשו עזרה. "אני מקבל את השגיאה הזו כשאני מנסה להפעיל את השירות. הנה קובץ התצורה שלי. מה לא בסדר?" הבינה המלאכותית יכולה לקרוא את התצורה שלכם, לזהות את הבעיה, ולהסביר גם את התיקון וגם מדוע הוא עובד.
השיטה הסוקרטית על סטרואידים
הנה הטכניקה האהובה עלי: במקום לבקש מבינה מלאכותית תשובות, בקשו ממנה לחקור אתכם.
"אני חושב שאני מבין כיצד TCP/IP עובד. בחן אותי על כך. שאל אותי שאלות קשות יותר ויותר, וכשאני טועה במשהו, הסבר את התשובה הנכונה לפני שאתה ממשיך."
זה הופך את הדינמיקה לחלוטין. עכשיו אתם נבחנים, מגלים פערים בידע שלכם, וממלאים אותם בזמן אמת. זה כמו שיש לכם מורה פרטי זמין 24/7 שמתמחה בדיוק במה שאתם מנסים ללמוד.
חצייה של הפער
פער הבינה המלאכותית אמיתי, אבל הוא אינו קבוע. כל אחד יכול לעבור מהצד המזדמן לצד המשתמש המתקדם. זה פשוט דורש שינוי בחשיבה:
הפסיקו לקבל את התשובה הראשונה. דחפו חזרה. בקשו חלופות. דרשו הסברים. התייחסו לבינה מלאכותית כמו לעמית חכם שעשוי לטעות, לא כאורקל בלתי-טועה.
השתמשו בה ללמידה, לא רק לביצוע. כשבינה מלאכותית עושה משהו עבורכם, בקשו ממנה להסביר כיצד ומדוע. הפכו כל משימה להזדמנות למידה.
חשבו במונחים של אוטומציה. בכל פעם שאתם עושים משהו חוזר ונשנה, שאלו את עצמכם: האם בינה מלאכותית יכולה לעשות זאת? אם כן, גלו כיצד לגרום לזה לקרות.
התנחמו עם אי-נוחות. הטכנולוגיה נעה מהר. לא תבינו הכל. זה בסדר. המשיכו לדחוף, להמשיך ללמוד, להמשיך להתנסות.
השאלה האמיתית
בעוד חמש שנים, יהיו אנשים שהשתמשו ברגע הזה כדי לשנות את המיומנויות והקריירה שלהם, ואנשים שצפו מהצד ותהו מה קרה. מי מהם תהיו?
סיכום
אנחנו חיים דרך שינוי טכנולוגי משמעותי כמו האינטרנט עצמו. ההבדל הוא שזה נע מהר יותר, והפער בין אלה שמסתגלים לאלה שלא הולך ומתרחב מדי חודש.
הקהל הטכני אינו חכם יותר מכולם. הם פשוט הכירו מוקדם יותר שהטכנולוגיה הזו מתגמלת מעורבות על פני צפייה. הם התחילו להתווכח איתה, לדחוף אותה, לבנות איתה, וללמוד ממנה - בזמן שאחרים עדיין החליטו האם היא צעצוע או איום.
הבשורה הטובה: לא מאוחר מדי לחצות את הפער. הכלים זמינים לכולם. משאבי הלמידה הם אינסופיים. הדבר היחיד שעומד בינכם לבין הצד השני הוא ההחלטה להתעסק ברצינות עם טכנולוגיה שכבר מעצבת מחדש את העולם.
אז בפעם הבאה שבינה מלאכותית נותנת לכם תשובה נעימה ומסכימה, נסו משהו אחר. דחפו חזרה. שאלו "האם אתה בטוח?" דרשו ראיות. התחילו ויכוח. אולי תופתעו ממה שתגלו כשתפסיקו להתייחס לבינה מלאכותית כמו לזר מנומס ותתחילו להתייחס אליה כמו לכלי שמסוגל להרבה יותר משיחות קטנות.
