המחיר המושתק של בינה מלאכותית
ההתפתחות המואצת של בינה מלאכותית (AI) כבר נוגעת כמעט בכל תחומי החיים, אבל אף אחד לא עוצר לשאול כמה זה עולה לנו. ד"ר רועי שוורץ ממכון אלן קורא "להתפשר על ביצועים בתמורה לחיסכון באנרגיה" - השאלה היא אם החוקרים שרוצים לקבל את התוצאות המדוייקות ביותר יסכימו לשתף פעולה
העיסוק בצדדים הפחות חיוביים של בינה מלאכותית, נשען בדרך-כלל על איזה פחד קמאי מפני עליית המכונות, ואילו המעמיקים צוללים לנושאים מורכבים יותר כמו אובדן הפרטיות, קפיטליזם של מעקב ודאטה, הטיות חברתיות ושימור מבני כוח. אבל יש נדבך מושתק במיוחד - גם בקרב קהילת החוקרים ההולכת ומתרחבת, העוסקים בתחומים השונים של בינה מלאכותית: המחיר הסביבתי שכרוך בהתפתחות המהירה של הטכנולוגיה.
בין השנים 2012-2018, חל גידול אקספוננציאלי בכוח המחשוב הדרוש עבור פרויקטי למידת מכונה, עד פי 300 אלף. "אין גידול פסיכי כזה בשום תחום בעולם", מסביר ד"ר רועי שוורץ, חוקר בכיר במכון אלן לבינה מלאכותית שבסיאטל. לגידול הזה יש שתי השלכות מרכזיות על התחום כולו: הראשונה היא סביבתית. כוח מחשוב גדול מחייב צריכת אנרגיה גבוהה. במחקר של אוניברסיטת מסצ'וסטס, שפורסם בחודש יוני האחרון, הושוותה צריכת הפחמן הדו-חמצני מתחומים מוכרים כמו נהיגה, טיסה או צריכה אנושית יום-יומית, לפעולות חישוב ואימון של מודלים בתחום עיבוד שפה טבעית. המחקר מצא, למשל, שאימון מודל ה"טרנספורמר" הפופולרי, שקול לכמעט פי שישה מצריכת פחמן דו-חמצני שמחייבת נהיגה במכונית (כולל דלק) למשך חיים שלמים.
הצד השני של המשוואה הוא המחיר הכלכלי-חברתי: ההאצה בשנים האחרונות חייבה את הטכנולוגיה, כך שמודלים שהיה אפשר להריץ בעבר על מחשבים ניידים, מחייבים היום מעבדים עוצמתיים. הטכנולוגיה עולה כסף, החשמל הדרוש להפעלתה עולה כסף, וכך מתבסס חוסר שיוויון כלכלי בין חברי קהילת החוקרים. "לא כולם עובדים בגוגל או בפייסבוק", מסביר שוורץ, "יש הרבה מאוד חוקרים מצויינים עם רעיונות טובים, שאין להם שום יכולת להתחרות בסביבה הזו, שמתגמלת רק את השורה הסופית".
והשורה הסופית היא משמעותית: שוורץ פרסם בחודש שעבר, יחד עם חוקרים נוספים במכון, נייר עמדה מרתק העוסק בפוטנציאל של "בינה מלאכותית ירוקה", והעדפתה על-פני מה שקורה בשנים האחרונות בתחום, ומכונה "בינה מלאכותית אדומה" - כלומר, מכוונת דיוק בתוצאות. "הרעיון הוא להתמקד לא רק בדיוק של המערכת, אלא בכמה עולה, בכסף או בחשמל, לייצר אותה ולהשתמש בה", מסביר שוורץ.
ואיך עושים את זה?
"הרעיון הוא לקחת מערכות מאוד מאוד גדולות ולזהות את הנקודות שאפשר להתערב בהן. מערכות שדורשות סטים עצומים של דאטה, הרבה מאוד טקסטים או הרבה מאוד תמונות, למשל. אנחנו בודקים איך אפשר להגיע לאותם הביצועים בכמות מידע פחותה. לבנות מערכת שמסוגלת לנצל בצורה טובה יותר את המידע הקיים, לפתח אלגוריתמים יותר יעילים. למערכות המפלצתיות האלה יש המון תרומה לתחום, אבל בעיניי הן מהוות איזה דור ראשון כזה, שמראה לנו מה בדיוק אפשרי, ועכשיו צריך לחשוב עם מה אנחנו מסוגלים לחיות על כדור-הארץ, ואיך אפשר לעשות בהן שימוש שלא פוגע בסביבה".
בתעשייה - מחקרית ומסחרית, שמקדשת את השורה התחתונה והמדוייקת ביותר, זה בכלל לא פשוט. אבל שוורץ דווקא אופטימי: "אחד המניעים לחתור לפיתוח פחות בזבזני ויותר אפקטיבי, הוא למשל טלפונים חכמים. יש המון אפליקציות שקשורות לתחום של עיבוד תמונה ועיבוד שפה טבעית, כמו שירותי תרגום למשל, שצריכות להצליח לעבוד על מעבד של סמארטפון. אבל המטרה שלנו היא לעורר גם את המוטיבציה הסביבתית. להתפשר על ביצועים בתמורה לחיסכון באנרגיה, כי לא תמיד את חייבת את התוצאה המדוייקת ביותר. אנחנו רוצים שאנשים יתחילו לחשוב איך לעשות פשרות, איפה אפשר לגלח בשומן העודף. להרבה אנשים בתעשייה ברור שיש פה עניין, מרגע ששמנו את זה על השולחן - קיבלנו המון פרגון ותמיכה".
