האם הבינה המלאכותית מגלה את הצורה האמיתית של המציאות?
מערכת אחת לומדת מתמונות, אחרת ממילים — ובכל זאת, משהו במפות הפנימיות שלהן מתחיל להתקרב. מה הן מגלות על העולם, ומה אנחנו מוסיפים לסיפור?
האזנה למאמר
הקראה מלאה בעברית · 9:23 דקות
דמיינו שתי מערכות בינה מלאכותית. אחת לומדת מתמונות: רחובות, כלבים, עצים ופנים. השנייה לומדת מטקסט: סיפורים, הסברים ותיאורים. כל אחת פוגשת את העולם דרך פתח אחר. האם בתוך המחשבים שלהן מתפתחות מפות שונות לגמרי — או שהן מתחילות לגלות יחסים דומים?
זו השאלה שבמרכז „השערת הייצוג האפלטוני”. היא מזמינה אותנו לחשוב על האפשרות שמערכות לומדות שונות מגיעות לחלק מאותם דפוסים, מפני שהנתונים שלהן משקפים עולם משותף. כדי להבין את הרעיון, כדאי להתחיל במה שאפשר למדוד.
נניח שמודל למד לייצג כלב, זאב, חתול, מכונית, אוטובוס ואופניים. כך עשויה להיראות מפת הדמיון ביניהם:
בדוגמה הזאת, כשמחפשים את שני השכנים הקרובים ביותר לכלב, מקבלים זאב וחתול. הקרבה מבטאת דמיון שהמודל למד — לא מרחק בין בעלי חיים בעולם.
מפת ייצוג סכמטית של שישה פריטים, לא תרשים של תאי הרשת ולא תוצאת ניסוי. המיקומים והקווים נבחרו להמחשה; במודל אמיתי מחשבים קרבה בין וקטורים במרחב רב־ממדי. דמיון בין שכנים אינו מחייב מפות זהות.
מה מסתתר בתוך „מפה” של מכונה?
מודלים רבים מעבדים קלט באמצעות רשימות ארוכות של מספרים, המכונות וקטורים. אפשר לדמיין כל רשימה כנקודה במרחב בעל מאות או אלפי ממדים. קרבה בין נקודות עשויה לבטא דמיון שהמודל למד: תמונות של בעלי חיים עשויות להימצא זו ליד זו, וכך גם משפטים המתארים מצבים דומים.
זהו דימוי שימושי לחלק מן החישוב. כל האינטליגנציה של המערכת אינה מסתכמת במרחקים האלה, והנקודות אינן „מחשבות” במובן האנושי. אבל הן מאפשרות לשאול שאלה מדויקת: האם שתי מערכות מארגנות את אותן דוגמאות באופן דומה?
ההשערה ששאלה את שמה מאפלטון
ב־2024 הציגו Minyoung Huh, Brian Cheung, Tongzhou Wang ו־Phillip Isola בכנס ICML מאמר עמדה על התכנסות ייצוגים. בהשוואת 78 מודלי ראייה הם מצאו קשר בין ביצועים במשימות לבין דמיון בייצוגים. הם זיהו גם מגמת התאמה בין מודלי שפה לראייה, באמצעות השוואת שכנים קרובים של תמונות וכיתובים. מכאן הציעו השערה רחבה יותר: מערכות לומדות עשויות להתקרב למודל סטטיסטי משותף של העולם. [1]
השם מזכיר את משל המערה של אפלטון — ניסוי מחשבתי שבו אנשים כבולים במערה מאז ילדותם ויכולים להביט רק בקיר שמולם. מאחוריהם בוערת אש, ובינה לבינם עוברים אנשים הנושאים חפצים. הצללים של החפצים נופלים על הקיר, ומכיוון שהאסירים מעולם לא ראו דבר אחר, הם מתייחסים אל הצללים כאל המציאות עצמה.
כשאחד האסירים משתחרר ומסתובב, הוא מגלה את החפצים ואת האש שיצרו את הצללים. בהמשך הוא יוצא מן המערה אל אור השמש. בתחילה האור מסנוור אותו, ורק בהדרגה הוא לומד לראות עולם רחב יותר מזה שהכיר. המשל מזמין אותנו לשאול עד כמה מה שאנחנו תופסים הוא רק תמונה חלקית של מה שקיים. גם מודלים מקבלים תיעוד חלקי — תמונות, מילים ומדידות — ומנסים ללמוד ממנו את המבנה שמאחוריו. הדמיון מסקרן, אבל המשל לבדו אינו מוכיח שהמכונות הגיעו למציאות כפי שהיא. [2]
למה שהמפות יתקרבו?
חשבו על מפה שמשרתת שליח פיצה. היא צריכה לדעת היכן הרחובות והכתובות. עכשיו בקשו ממנה לעזור גם לרוכב אופניים, לצוות כיבוי ולמתכנן עירוני. כל שימוש מוסיף דרישות: שיפועים, רוחב כבישים, גישה לבניינים. ככל שמוסיפים משימות, קשה יותר להסתפק במפה שעובדת רק במקרה אחד.
המאמר מציע היגיון דומה: ריבוי משימות מצמצם את מגוון הפתרונות המתאימים לכולן; קיבולת גבוהה יותר והטיות למידה עשויות להקל על מציאת ייצוגים שימושיים ופשוטים. אלה הסברים אפשריים למגמה, ולא חוק שלפיו כל תבונה מוכרחה להגיע לאותה השקפת עולם.
אותו שמיים, מדידות שונות
באסטרונומיה אפשר לבחון גלקסיה דרך תמונה ודרך ספקטרום — מדידה של עוצמת האור באורכי גל שונים. שני התיאורים מכילים מידע שונה, אך גם מידע משותף על אותה מערכת פיזיקלית.
המחקר „The Platonic Universe” מצא מגמות של התאמה גוברת בין ייצוגים של מודלים שונים ככל שקיבולתם עלתה, לרבות השוואות בין תמונות לספקטרום. התוצאה מרחיבה את תחום הבדיקה מעבר לתמונות ולשפה יומיומית. היא אינה מבטלת את השפעת בחירת הנתונים, המכשירים ושיטת המדידה. [4]
יש להבחין בינו לבין AstroCLIP, מחקר אחר שבו מקודדי תמונות וספקטרום אומנו תחילה בנפרד ואז הותאמו זה לזה במפורש. שם, המרחב המשותף הוא גם תוצאה של מטרת האימון. תיאור הסרטון אינו מזהה את המקור האסטרונומי במדויק; שתי העבודות מסייעות להבין אילו טענות אפשר לבסס. [5]
איפה אנחנו בתוך התמונה?
מחקר מ־2025 הראה שייצוגי מודלי שפה של כיתובי תמונות מסייעים לנבא פעילות באזורים חזותיים גבוהים במוח בזמן צפייה בסצנות. זהו מפגש מעניין בין עיבוד לשוני לעיבוד חזותי, עם מגבלות: המחקר עוסק בהתאמות מדידות של תגובות, ולא בזהות בין חוויה אנושית לחישוב במכונה. [6]
גם שיפור במודל אינו מבטיח התקרבות לאדם בכל מדד. במחקר על שיפוטי דמיון אנושיים, מאגר האימון ומטרת האימון השפיעו יותר מגודל המודל. יש קשרים משותפים, אבל גם הבדלים במה שבני אדם ומודלים מחשיבים דומה. [7]
הפיתוי לחשוב בגדול
יוג׳ין ויגנר שאל מדוע מתמטיקה מצליחה לתאר תופעות טבע ביעילות כה מרשימה. מקס טגמרק הציע השערה נועזת יותר: שהעולם הפיזיקלי עצמו הוא מבנה מתמטי. אלה שאלות טבעיות לצד מחקר על מפות פנימיות של מכונות, אך ההתאמה בין מודלים אינה מכריעה ביניהן. [8] [9]
שתי מפות דומות יכולות לשקף מבנה משותף בעולם, הטיות משותפות של מי שבנה אותן, או שילוב של השניים. כדי להבדיל בין האפשרויות צריך להמשיך לבדוק מודלים, נתונים ומשימות אחרים — ובמיוחד לחפש היכן ההתאמה נשברת.
מפת מטרו ומפה טופוגרפית יכולות לתאר אותה עיר. הן אינן חייבות להיראות אותו דבר כדי לעזור לנו למצוא את הדרך.
אולי זה החלק המעניין ביותר עבורנו: אפשר להסכים על קשרים מסוימים בלי לחלוק אותה נקודת מבט. המחקרים האלה נותנים לנו דרך לבדוק היכן מפות נפגשות, היכן הן נפרדות, ומה כל אחת משאירה בחוץ.
בפעם הבאה שמכונה תתאר לכם את העולם, אפשר לשאול: מה מתוך התיאור שלה משקף מבנה בעולם, ומה משקף את החלון שדרכו למדה להסתכל?
מה אתם חושבים?
כתבו תגובה, שאלה או מחשבה שעלתה בזמן הקריאה. התגובות נבדקות לפני פרסומן באתר.