בזמן שענקיות הטכנולוגיה האמריקאיות שופכות מאות מיליארדי דולרים על מודלי שפה ענקיים (LLM), אחד האבות המייסדים של התחום מחליט לשבור את הכלים. ד"ר יאן לקון, חתן פרס טיורינג ומי שכיהן במשך למעלה מעשור כמדען הבינה המלאכותית הראשי של מטא (Meta), עזב את החברה בטריקת דלת מקצועית מהדהדת שנשמעה היטב מקליפורניה ועד בייג'ינג לפני מספר חודשים.
לקון לא רק עזב; הוא גם התריע כי התעשייה כולה צועדת לעבר מבוי סתום. לטענתו, המרדף העיוור אחרי מודלים דוגמת ChatGPT של OpenAI או ג'מיני של גוגל לא יוביל לעולם לבינה מלאכותית ברמה אנושית. "תעשיית הטכנולוגיה עברה 'סימום מודלי שפה' (L.L.M-pilled)", הוא טוען, ואומר כי בעוד עמק הסיליקון לוקה ב"תסביך עליונות", דווקא חברות סיניות יצירתיות עשויות לעקוף את המערב בדרך לבינה מלאכותית אמיתית.
הביקורת של לקון מגיעה בתזמון רגיש עבור מטא. בשנה האחרונה התמודדה החברה עם ביקורת נוקבת על מודל ה-Llama 4 שלה, שנתפס על ידי חוקרים כחלש מהצפוי ביחס להשקעה העצומה בו. בתגובה, הקים מארק צוקרברג מעבדה חדשה המוקדשת ל"סופר-אינטליגנציה", תוך הזרמת תקציבי עתק לחומרה - מתוצרת אנבידיה כמובן.
לקון, שדוגל בגישת ה"קוד הפתוח" כדרך הבטוחה והיעילה ביותר לפיתוח, רואה בשינוי הכיוון הזה טעות אסטרטגית. הוא טוען כי מודלי השפה הנוכחיים הם בסך הכל מכונות סטטיסטיות למילוי המילה הבאה, שחסרות הבנה בסיסית של חוקי הפיזיקה, תכנון קדימה או סיבתיות.
לאחר עזיבתו, הקים לקון את AMI Labs (Advanced Machine Intelligence) בפריז. החברה מתמקדת בפיתוח "מודלי עולם" – טכנולוגיה המנסה לחקות את הדרך שבה בני אדם ובעלי חיים לומדים: לא דרך קריאת מיליארדי דפים בוויקיפדיה, אלא דרך צפייה בעולם והבנת האינטראקציה בין עצמים. המטרה היא לגשר על הפער שבו מודל LLM זקוק למידע השקול ל-400,000 שנות קריאה אנושית, בעוד ילד לומד להבין את העולם דרך אלפי שעות צפייה בלבד.
דבריו של לקון על היצירתיות הסינית מתכתבים באופן ישיר עם המציאות הגיאופוליטית המטרידה שנחשפה לאחרונה בפורום הכלכלי בדאבוס. כפי שדיווחנו, הפער הטכנולוגי בין המערב לסין הצטמצם לשישה חודשים בלבד. בעוד ארה"ב ניסתה "לחנוק" את סין באמצעות סנקציות על שבבי אנבידיה, התוצאה הייתה הפוכה: סין פשוט שינתה את חוקי המשחק.
החברות הסיניות, כמו DeepSeek שהכתה גלים עם המודל R1 שלה, נאלצו להפוך ליצירתיות יותר בשל המחסור בחומרה. הן פיתחו מומחיות בארכיטקטורות חסכוניות כמו Mixture-of-Experts (MoE), המפעילות רק חלקים ספציפיים מה"מוח" של המודל לכל שאלה. כך, גם עם שבבים נחותים יותר, המודלים הסיניים מצליחים לרוץ במהירות וביעילות שמפתיעה את עמק הסיליקון "העצלן", שהתרגל לשפע של חומרה.
זו אינה הפעם הראשונה שלקון הולך נגד הזרם. בשנות ה-80, כשהקהילה המדעית זנחה את תחום הרשתות נוירונים, לקון המשיך לפתח את ה-CNN (רשתות קונבולוציה נוירוניות). פריצת הדרך שלו במעבדות בל הראתה שמחשבים יכולים ללמוד לקרוא כתב יד על צ'קים – טכנולוגיה שהפכה לבסיס למערכות זיהוי פנים ורכבים אוטונומיים.
הוויכוח הנוכחי הוא גלגול מודרני של אותה מחלוקת: האם בינה מלאכותית היא עניין של "כוח ברוטאלי" (עוד מעבדים, עוד נתונים) או של ארכיטקטורה מתוחכמת יותר. בעוד מנהלים בעמק הסיליקון כמו דמיס האסביס (גוגל) וסם אלטמן (OpenAI) מאיצים בבניית תשתיות ענק מחשש לעקיפה סינית, לקון משוכנע שהם פשוט בונים מגדל בבל שסופו לקרוס.
האם לקון צודק והבועה של עמק הסיליקון עומדת להתנפץ מול היצירתיות של סין? בבייג'ינג כבר לא מנסים להעתיק את ChatGPT; הם בונים "AI לכלכלה הריאלית" – מערכות זולות ומשולבות בייצור וברכבים. אם ההיסטוריה היא אינדיקציה כלשהי, כדאי להקשיב לאיש שחזה את מהפכת הלמידה העמוקה כשכולם חשבו שמדובר במדע בדיוני. המרוץ ל-AI הוא כבר לא רק שאלה של טכנולוגיה, אלא קרב על השליטה בעתיד הכלכלי והביטחוני של העולם.
