• Facebook
• Twitter
• Email

העיסוק בתחום של בניית מכונה בעלת יכולת של "תבונה אנושית" קיבל תאוצה רק באמצע המאה ה־20, עם תחילת פיתוחם של המחשבים הספרתיים. המתמטיקאי הבריטי אלן טיורינג ((Turing, מאבות המחשב היה בין הראשונים שעסקו בנושא באופן יסודי. טיורינג הציע מודל של מכונה אוטומטית אוניברסלית – מכונת טיורינג – שיכולה לבצע כל פעולה חישובית בעזרת פקודות מקודדות שהיא מקבלת מסרט נייר מחורר. מכונה זו שימשה כמודל התיאורטי שעל בסיסו פוּתח המחשב הספרתי הראשון בארצות הברית באמצע המאה הקודמת. כמו כן טיורינג האמין שיהיה אפשר להשתמש במחשבים לצורך חיקוי פעולתו של המוח האנושי. בשנת 1950 הוא פרסם מאמר מכונן בשם "מכונות חישוב ואינטליגנציה" העוסק בכך בהרחבה. הוא טען שהשאלה אם אפשר לבנות מכונה אינטליגנטית איננה מוגדרת מספיק, שכן לא ברור למה בדיוק הכוונה במילה "אינטליגנציה", והציע מבחן – המכונה עד היום מבחן טיורינג – שעל פיו אפשר לקבוע אם מכונה מסוימת "מתנהגת בצורה אינטליגנטית". המסקנה הסופית שטיורינג הגיע אליה במאמר היא חד משמעית – אפשר יהיה לבנות "מכונה חושבת", מבוססת מחשב, עד סוף המאה ה־20. הוא כותב:"אנחנו יכולים לקוות שמכונות תוכלנה, בסופו של דבר, להתחרות בבני האדם בכל התחומים האינטלקטואליים הטהורים".

טיורינג לא היה היחיד שדגל בעמדה זו. הכלכלן, זוכה פרס נובל, הרברט סיימון (Simon) והמתמטיקאי אלן ניואל Newell), שניים מהמייסדים של תחום המחקר שנולד בשנת 1956 ושנקרא מאוחר יותר אינטליגנציה מלאכותית או AI ׁ(Artificial Intelligence, הגיעו גם הם למסקנות דומות. על פי התפישה שלהם, מחשבים ספרתיים אינם רק מכונות חישוב, בעלות יכולת לבצע חישובים מתמטיים במהירות גבוהה, אלא הם סוג של מערכת סמלים פיזיקלית – Physical Symbol System, או בקיצור – PSS.

מערכת סמלים פיזיקלית, הידועה גם כמערכת פורמלית, היא מערכת המגדירה קבוצה של סמלים, שאותם אפשר לחבר לביטויים (Expressions), שעליהם אפשר להפעיל מניפולציות שונות כדי לייצר מהם, בצורה לוגית ועקבית, ביטויים חדשים. סיימון וניואל הניחו שגם החשיבה האנושית פועלת בדרך דומה. לפיכך, לא צריכה להיות מניעה תיאורטית לחקות את דרך הפעולה של החשיבה האנושית באמצעות מחשב ספרתי, שגם הוא מערכת מאותו סוג. חשוב לציין שכשאנחנו מתייחסים ליכולות של מחשבים ספרתיים, אין הכוונה לחוֹמרה של המחשב (שהיא בעצם "מכונה אוניברסלית") אלא לתוכנה המופעלת במחשב ומנצלת את החומרה שלו כדי לבצע פעולות לוגיות שונות. ניואל וסיימון נתנו ביטוי לתפישה שלהם באמצעות השערה, שאותה ניסחו באופן הבא: "מערכת סמלים פיזיקלית היאתנאי הכרחי ומספיקלפעולת חשיבה אינטליגנטית". ההנחה המרכזית שלהם הייתה שמערכת סמלים פיזיקלית לא רק הכרחית לקיומה של פעולה אינטליגנטית, אלא גם מספיקה לכך. כלומר, מספיק שלמכונה כלשהי יש יכולת לבצע מניפולציות סימבוליות, כדי להיחשב ל"מכונה אינטליגנטית".

ההשערה של סיימון וניואל (המכונה בשם "היפותזת ה־PSSH", ראשי תיבות: PSS Hypothesis) היא השערה אמפירית. היא לא הוכחה מעולם ויש לה גם מתנגדים, אף שמרבית החוקרים בתחום ה־AI (ראשי תיבות: Artificial Intelligenc) מקבלים אותה. בכל מקרה, גם סיימון וניואל היו אופטימיים מאוד בנוגע ליכולות של יצירת "מכונות חושבות" באמצעות מחשבים. בנאום שנשא סיימון ב־1957 הוא חזה שבתוך עשר שנים (!) מחשב יהיה אלוף העולם בשחמט, יוכל לחבר מוזיקה ולהוכיח משפטים מתמטיים.

ההתלהבות שאחזה במפתחי מערכות ה־AI בשנות ה־60 של המאה הקודמת, הדביקה גם את מקבלי ההחלטות של התקופה, שהיו מוכנים להקצות תקציבים גדולים להשקעה בפיתוח של מערכות מסוג זה. אבל איש מהם לא העריך נכונה את מורכבות הבעיות שייתקלו בהן בדרך ליעדים השאפתניים שלהם.

מערכות מומחה

ברמה העקרונית, אם יש דרך לבטא בצורה פורמלית את מערכת החוקים שעל פיה פועל מומחה אנושי, אזי נוכל לתרגם אותה לשפה סימבולית, שהמחשב יוכל לעבוד בה. זהו העיקרון העומד ביסודו של התחום שנקרא "מערכות מומחה", Expert Systems. מדובר בסוג של מערכת AI, אבל מערכת שמוגבלת מראש לתחום התמחות ספציפי צר יחסית, ולכן היא מצמצמת את מרחב הידע הדרוש ומפשטת את היישום. דוגמאות: מערכת לתכנון נתיבי נסיעה אופטימליים, מערכת לאבחון רפואי על סמך תסמינים וממצאי בדיקות דם, מערכת תכנון שעות לבית ספר וכיו"ב.

כל העוסקים בפיתוח מעשי של "מערכות מומחה", וגם הפילוסופים העוסקים בתחום זה, מסכימים שכאשר מדובר במערכת שאפשר להגדיר אותה בעזרת קבוצה של חוקים/כללים ברורים (אף אם מדובר בכמות גדולה מאוד של חוקים כאלה) או באמצעות אלגוריתם מתמטי מוגדר (אף אם הרצתו עשויה לארוך זמן רב מאוד), אפשר ליישם אותה באמצעות תוכנת מחשב. במקרים כאלה המחשב יבצע את עבודתו של המומחה האנושי בצורה טובה יותר ממנו, שכן למחשב יש יתרונות ברורים על האדם – הוא מהיר מאוד בביצוע חישובים ובפעולות לוגיות, הוא מדויק (לא טועה), עקבי ויציב בפעולתו (לא מתעייף) ועובד גם בלילה, בלי לדרוש תשלום נוסף. מערכות מסוג זה נקראות "מערכות מבוססות חוקים" (Rule based Systems) או גם "מערכות מבוססות ידע" (Knowledge based Systems).

מה הם המרכיבים החיוניים של מערכת מומחה מסוג זה? אדווארד פייגנבאום (Feigenbaum), חוקר אמריקאי בכיר בתחום מדעי המחשב, ומי שנחשב בידי רבים לאבי מערכות המומחה, פירט אותם באופן הבא: הגדרה של בעיה שאותה רוצים לפתור; בסיס ידע רלוונטי לבעיה המנוסח בצורה סימבולית, של נתונים, כללים ואילוצים; אסטרטגיה שקובעת באיזה ידע צריך להשתמש ובאיזה סדר, כדי להשיג את היעד; מכונת הסקה לוגית (Inference Machine), המסוגלת לנתח את המצבים השונים, על בסיס האסטרטגיה שנבחרה ובסיס הידע הנתון, ועל סמך הניתוח הזה – לקבל החלטות על בחירה בפעולות מתאימות להשגת היעד; ויכולת "להסביר" את ההחלטות – כלומר להבהיר מדוע (על סמך אילו כללים או איזה מידע מתוך בסיס הידע) בחרה המערכת בפעולה מסוימת אחת מבין כל האפשרויות שעמדו בפניה. את בסיס הידע הדרוש הציע פייגנבאום לבנות על סמך כל הידע הקיים על תחום מסוים – מתוך ספרים ומאמרים מצד אחד, ועל סמך תחקור יסודי של מומחים אנושיים בתחום הספציפי, במטרה לדלות מהם את הכללים על פיהם הם פועלים, מצד שני.

מערכות ראשונות מסוג זה פותחו בהצלחה כבר בשנות ה־70 של המאה הקודמת, כשעידן המחשב היה בשלבים הראשונים של צמיחתו (לדוגמה, מערכת ה־MYCIN, מערכת עזר לאבחון רפואי, שפותחה במסגרת פרויקט התכנות היוריסטי באוניברסיטת סטנפורד). מאז פותחו בהצלחה מערכות רבות נוספות בתחומים שונים ומגוונים, כמו תכנון נתיבי נסיעה אופטימליים למשאיות הובלה, אופטימיזציה של הטענת מטוסי מטען, מערכות מסחר אוטומטיות בבורסה וכיו"ב.

אבל כאן מתעוררת השאלה הפילוסופית המהותית – האם אפשר לראות במערכות אלו "מערכות אינטליגנטיות" או "מערכות חושבות"? האם אפשר להשוות בין ה"תבונה" של מערכת מסוג זה לתבונה של בן אנוש? האם הצלחה בפיתוח של מערכות אלו מנבאת, גם אם לא מוכיחה, שאפשר יהיה בעתיד, לכשישתפרו יכולות המחשוב והתכנות שלנו, לבנות "מכונה חושבת" מלאה, שתתפקד בדיוק כמו מומחה אנושי?

המודל של דרייפוס

הפילוסוף האמריקאי יוברט דרייפוס (Dreyfus) עסק רבות בשאלות אלו. בשלושת העשורים האחרונים של המאה הקודמת הוא פרסם כמה ספרים העוסקים בנושא, שבהם הוא מבצע השוואה בין דרך "החשיבה האנושית" והתהליך של יצירת "המומחיות האנושית", לבין הדרך שבה ניסו (ומנסים עדיין) לבנות מערכות מחשב שיפעלו באופן דומה.

הטיעון העיקרי שדרייפוס מעלה בספרים אלה הוא שבאופן תיאורטי ועקרוני אין וגם לא תהיה שום אפשרות בעתיד לפתח מערכות מחשב שיפעלו באופן שבו פועל מומחה אנושי. כלומר, מדובר בבעיה אינהרנטית ולא בשאלה של עוצמת המחשב או של גודל הזיכרון שעומד לרשותו. על מה מבסס דרייפוס את הטיעון שלו?

בספרו השני, שאותו כתב דרייפוס עם אחיו הצעיר, סטיוארט, מציג דרייפוס מודל כללי של יצירת מומחיות אנושית, שעל פי תפישתו מייצג את התהליכים שחייב לעבור כל בן אנוש, בכל תחום שהוא, בדרכו להפוך למומחה בתחום הספציפי. על פי המודל של דרייפוס, תהליך יצירת המומחיות כולל חמישה שלבים: טירון (Novice), מתחיל מתקדם (Advanced Beginner), כשיר (Competent), מיומן (Proficient) ומומחה (Expert).

נשתמש בדוגמה של משחק השחמט כדי להבהיר שלבים אלו. הטירון, שאין לו שום רקע קודם בתחום, לומד בשלב הראשון עובדות בסיסיות על תחום הידע הספציפי וכמה כללים ראשונים שיאפשרו לו להתחיל לפעול באופן מעשי בתחום. כך לדוגמה הוא צריך להכיר את הכלים השונים של המשתתפים במשחק השחמט, את דרך התנועה שלהם על הלוח, את דרך ניהול הקרב ביניהם, את הערך היחסי של כל כלי (מלכה שווה יותר מצריח) ומספר כללי יסוד. השחקן המתחיל ישחק בצורה אטית מאוד, שכן הוא צריך לזכור וליישם את כל הידע הזה בצורה לוגית במהלך המשחק. שחקן מנוסה, שתרגל וצבר ניסיון מעשי בהתמודדות עם מצבים מגוונים, מתחיל לזהות בעצמו או בעזרת המדריך שלו, היבטים חשובים נוספים שמאפיינים מצבי משחק שונים. למשל, החשיבות של שליטה במרכז הלוח, או זיהוי נקודות חולשה בהגנה של היריב. היבטים אלו קשה יותר לנסח באמצעות כללים לוגיים מוגדרים ופשוטים. הוא רוכש אותם באמצעות תרגול והתנסות. בשלב הזה, רמת המשחק שלו מתחילה להשתפר וכן גם מהירות הביצוע, אבל היא עדיין מבוססת על חשיבה לוגית. ככל שהוא צובר עוד ועוד ניסיון מעשי, מספר המשתנים שהוא מסוגל לזהות ולהביא בחשבון, בכל אחד מהמצבים האפשריים במשחק, הופך להיות עצום בגודלו, באופן שאי אפשר עוד לנתח את כולם בצורה לוגית ושיטתית. בשלב הזה, כדי להתמודד עם העומס העצום ולהפוך ל"כשיר", הוא חייב לאמץ לעצמו, באמצעות התנסות מעשית ו/או בעזרת מדריך, פרספקטיבה ותוכנית פעולה למצבי משחק שונים. הפרספקטיבה הזו תאפשר לו להחליט, בכל מצב משחק, אילו משתנים צריך להביא בחשבון ומאילו אפשר להתעלם במצב הספציפי. על ידי ההתמקדות במספר מצומצם יותר של משתנים ואפשרויות, הוא יכול לקבל החלטות על תוכנית פעולה התואמת את המצב שלפניו. כך, למשל, במקרה של זיהוי נקודת תורפה בהגנת המלך של היריב, הוא יכול להתמקד בתכנון מהלך התקפי, במקום להשקיע מאמץ בניתוח של כל המהלכים האפשריים. בשלב הזה הוא מתחיל להיות גם מעורב רגשית בתהליך, כאשר הצלחה במהלך מתוכנן גורמת לו להרגשת סיפוק והתעלות, בעוד כישלון גורם לתחושת אכזבה ותסכול. על פי דרייפוס, המעורבות הרגשית לא רק שאיננה פוגעת ברמת המשחק, אלא להפך – היא משמשת בסיס טוב להתקדמות לשלב הבא ברכישת המומחיות, שכן היא מתגמלת לקיחת סיכונים ונכונות לקחת אחריות על בחירת דרכי פעולה רלוונטיות. על פי דרייפוס, השלב הזה של ה"כשירות" מקביל למה שהפסיכולוגים הקוגניטיביים מכנים בשם "יכולת פתרון בעיות" (Problem Solving) – הדרך שבה אנחנו קובעים יעד, אסטרטגיה ותוכנית פעולה מעשית כדי להתמודד עם בעיה שעלינו למצוא לה פתרון. השלב הבא בהתפתחות הוא שלב בניית המיומנות.

בשלב הזה, כשהשחקן מגלה יותר ויותר מעורבות רגשית במשחקים שלו ומקבל תגובות משוב חיוביות ושליליות על הבחירות שעשה במהלכם, פעילות החשיבה שלו משנה בהדרגה את אופייה מחשיבה סימבולית, מבוססת חוקים וכללים, ליכולת של "הבנת וסינון מצבים"(Situational discrimination), המלווה ביצירת תגובות הולמות למצבים אלה. לדעתו של דרייפוס, המיומנות מתפתחת אם ורק אם הניסיון המעשי מוטמע במוח בדרך שאיננה סימבולית וכאשר תהליך אינטואיטיבי של זיהוי מצבים מחליף את הניתוח הלוגי השיטתי שבו עשה השחקן שימוש בשלבים הקודמים של רכישת כישורי המשחק שלו. הזיהוי הנכון של המצבים הללו, על כל המאפיינים הייחודיים שלהם, מגדיר לשחקן המיומן באופן אוטומטי ולא מודע, מגוון מצומצם של אסטרטגיות ותוכניות פעולה רלוונטיות למצבים אלה, שבהן עשה שימוש מוצלח בעבר. כל מה שנותר לו לעשות הוא לקבל החלטה על בחירת הפעולה הספציפית, במסגרת המספר המצומצם של תוכניות הפעולה המתאימות למצב. בתהליך הבחירה בפעולה הספציפית הוא חוזר להשתמש בחשיבה לוגית, שבעזרתה הוא מנתח את התועלת האפשרית של פעולות שונות ובוחר בפעולה שתַקנה את התועלת הרבה ביותר. שחקן ברמה הזו מסוּוג בדרך כלל ברמת מיומנות של "אמן" (Master). אמן כזה יכול לזהות ולסווג, באופן כמעט מיידי, רפרטואר גדול מאוד של מצבי לוח. לדוגמה אם הוא מזהה מצב בעל מאפיינים של חולשת אגף מסוים בהגנה של היריב, הוא יודע מיידית שעליו לבחור באסטרטגיה של פעולה התקפית על אגף זה, וכל מה שנותר לו לעשות זה לבחור בפעולה ההתקפית הספציפית שתיתן לו את התועלת הרבה ביותר. השלב הסופי והאחרון בתהליך ההתפתחות למומחה הוא שלב המומחיות. בעוד השחקן המיומן מזהה ומסווג באופן אינטואיטיבי את מצבי הלוח השונים ומשקיע חשיבה לוגית רק בבחירת הפעולה הספציפית, המומחה, המסוּוג כאמן בינלאומי או רב אמן, עושה במרבית המקרים באופן אינטואיטיבי גם את תהליך הבחירה של הפעולה המתאימה ביותר למצב, בלי להזדקק לחשיבה לוגית. מה שמבדיל בין השחקן המיומן למומחה הוא היכולת, שנבנתה מהניסיון המצטבר העשיר שלו, לבצע הבחנה מדויקת ועדינה יותר בין קבוצות של מצבים, באופן שמצבים שונים, המסוּוגים לאותה קבוצה על ידי המשתמש המיומן, מסווגים על ידו לתת קבוצות, ולכל אחת מהן מותאמת פעולה "נכונה" אחת. זה מאפשר למומחה לקבל החלטה אינטואיטיבית על בחירת הצעד המתאים לכל מצב לוח, ללא צורך בחשיבה לוגית. שחקן ברמה הזו יכול לשחק בקצב של מהלך אחד בכל חמש עד עשר שניות, בלי שרמת המשחק שלו תיפּגע באופן משמעותי. דרייפוס טוען שבמהירות הזו הוא יכול לפעול רק על בסיס אינטואיטיבי, ולא על בסיס ניתוח לוגי שיטתי של השוואת חלופות. ההערכה היא שרב אמן מסוגל להבחין כמעט באופן מיידי בכ־50 אלף (!) מצבים שונים ולהתאים לכל אחד מהם את הפעולה הנכונה. דרייפוס לא טוען שמומחה יודע אוטומטית את התשובה לכל מצב אפשרי או שהוא אינו יכול לטעות בהבנה או בסיווג של המצב הספציפי; לפיכך, טוען דרייפוס, גם המומחה איננו יכול לפעול בלי לחשוב בכלל בצורה לוגית. אבל דרייפוס טוען שמדובר בסוג אחר של חשיבה, שהוא קורא לה "רציונליות בוחנת" (Deliberative Rationality), להבדיל מהחשיבה שהוא קורא לה "רציונליות חישובית" (Calculative Rationality), המאפיינת את שלושת השלבים הראשונים. בתהליך של הרציונליות הבוחנת המומחה בוחן, כאשר יש לו את הזמן הנחוץ לכך, את השאלה אם הסיווג האינטואיטיבי שלו של המצב הספציפי הוא מדויק וחד משמעי, או שהמצב שלפניו ניתן גם לסיווג שונה, המחייב פעולה אחרת. הוא עושה זאת במטרה למנוע, עד כמה שאפשר, "נעילה" של האינטואיציה שלו לסיווג לא נכון.

מודל רכישת המומחיות כפי שתואר למשחק השחמט, הוא מודל כללי, לטענת דרייפוס, לדרך שבה נרכשת מומחיות אנושית בכל תחום שהוא. על מה מבסס דרייפוס את הטיעון המרכזי שלו, שלפיו תיאורטית אין, ולא תהיה גם בעתיד, אפשרות לבנות מערכות בעלות יכולת להחליף מומחה אנושי?

דרייפוס דוחה את התפישה העקרונית, הטוענת שהמוח האנושי פועל באופן דומה לדרך שבה פועל מחשב ספרתי. על פי תפישתו, החשיבה האנושית מורכבת הרבה יותר, פועלת בצורה הוליסטית וכוללת מנגנונים שאינם ניתנים כלל לתיאור בצורה האלגוריתמית, שבה פועל המחשב הספרתי. המחשב הספרתי, כמכונה סימבולית לוגית, מסוגל לבצע במהירות וביעילות רבה תהליכים שאפשר להגדיר אותם באמצעות אוסף סגור של חוקים חד משמעיים, הפועלים על בסיס נתונים מוגדר. לעומת זאת, החשיבה האנושית פועלת באמצעות תהליכים גלובליים, תלויי הקשר ומשמעות, מה שמאפשר לה לנתח בעיות ולפתור אותן בדרכים שונות לחלוטין מאלו שבהן יכול לעשות זאת מחשב ספרתי.

הוא מצביע על כמה תהליכים כאלה: היכולת לבחון לעומק פרטים ספציפיים, בלי לאבד את ההקשר הכללי של הבעיה; היכולת להבחין מיידית מה רלוונטי ומה לא רלוונטי לבעיה מסוימת – למשל, מהו המידע הרלוונטי לבעיה מתוך המאגר העצום של ידע כללי הקיים במוח; והיכולת להתמודד עם ריבוי משמעויות בשפה טבעית ועם הצורך להשלים פרטים חסרים (למשל, בתמונה או בציור), על ידי שימוש בהקשר הכולל שבו הם מופיעים. כל התהליכים הללו אינם ניתנים בעיקרון לתיאור ולהגדרה באמצעות אוסף סגור וסופי של חוקים לוגיים, הניתנים למימוש בעזרת מכונה סימבולית כמו המחשב הסִפרתי.

דרייפוס מכיר בעובדה שהמוח מפעיל גם תהליכים לוגיים סימבוליים, בהתאם לצורך ולנסיבות, בדומה למה שמחשבים ספרתיים עושים, למשל במהלך שלושת השלבים הראשונים של יצירת המומחיות. אבל, כדי להגיע לשני השלבים האחרונים של יצירת המומחיות, יש צורך בתהליכי חשיבה אחרים. מי שלא מסוגל לבצע את המעבר הזה, יישאר "תקוע" ברמה של "כשיר" ולא יצליח להתקדם לרמת המיומנות הגבוהה יותר.

מכאן מגיע דרייפוס למסקנה כי מערכות מומחה, המיושמות על מחשבים ספרתיים, בעיקרון אינן יכולות להגיע לרמת המיומנות של מומחה אנושי, עקב חוסר היכולת האינהרנטית שלהן ליישם את תהליכי החשיבה החיוניים לצורך זה.

ספריו של דרייפוס עוררו את חמתם של חוקרי מערכות ה־AI והמפתחים שלהן ואלה הגיבו במאמרי ביקורת תוקפניים כלפיו, שבהם תקפו אותו על חוסר ידע ועל הסקת מסקנות נחרצות מדי על סמך כישלונות העבר. אבל דרייפוס דבק בעמדתו.

מה אפשר ללמוד מההתפתחויות שחלו בתחום של מערכות מומחה מבוססות מחשב ב־20 השנים שחלפו בין המועד שבו התפרסם ספרו האחרון של דרייפוס ועד היום? למשל, אם יתברר שלמרות תחזיותיו הפסימיות של דרייפוס, המפתחים של מערכות מומחה מבוססות מחשב הצליחו לבנות מערכת שמשחקת שחמט ברמה של רב אמן, הרי שלפחות לכאורה דרייפוס טעה בגישתו העקרונית ובתחזיותיו.

קבוצת חוקרים ממכון המחקר של חברת IBM פיתחה מערכת בשם Deep Blue, שמטרתה הייתה לשחק שחמט ברמה של רב אמן. הגרסה הראשונה של המערכת הזו קיימה בשנת 1996 תחרות מחשב רשמית מול גארי קספרוב, אלוף העולם בשחמט, והפסידה – היא ניצחה במשחק אחד, סיימה שניים בתיקו והפסידה בשלושה. החוקרים שעסקו בפיתוח המערכת הפיקו לקחים ופיתחו גרסה משופרת שלה. ב־11 במאי 1997 התקיימה תחרות רשמית של התאחדות השחמט האמריקאית בין הגרסה המשופרת לבין גארי קספרוב. המערכת זכתה בניצחון היסטורי – היא ניצחה בשני משחקים, סיימה שלושה בתיקו והפסידה רק באחד. תיאור מפורט של המערכת, על כל מרכיביה – חומרה ותוכנה – והרחבה על דרך הפיתוח שלה אפשר למצוא במאמר שפרסמו מפתחיה. כיום נמצאת המערכת המקורית במוזיאון הסמיתסוני למדע בוושינגטון.

לכאורה, המערכת הזו מפריכה את הטיעון של דרייפוס. אבל לטענתי זו מסקנה שטחית. יש צורך לבחון את הדרך ואת האמצעים שבהם השתמשו מפתחי מערכת כחול עמוק ולשאול אם אלה אכן סותרים את הטיעון של דרייפוס.

אלה היו המרכיבים העיקריים של המערכת שאפשרו לה להגיע להישגים המרשימים שלה:

שימוש נרחב בעיבוד מקבילי– 30 מחשבים מדגם IBM RS/6000 SP, שלכל אחד מהם חוברו 16 רכיבי חומרה ייחודיים, בעלי יכולת חישוב מהירה מאוד, שפותחו במיוחד לצורך מערכת זו – מעבדים רבים שעבדו במקביל. כל רכיב חומרה ייחודי היה מסוגל לנתח בין 2 ל־2.5 מיליון מצבי לוח ולדרג אותם בשנייה אחת. ארגון היררכי של מערכת ניתוח המצבים, תוך חלוקת העבודה בין מחשב ה־Master למחשבים העובדים ולצ'יפים, הביא לקצב ניתוח כולל של בין 100 ל־200 מיליון מצבי לוח בשנייה.

אלגוריתמי חיפוש לא אחידיםשסיפקו יכולת של סינון מהיר של כיווני חיפוש חסרי סיכוי והתמקדות במספר מצומצם של כיווני חיפוש, בעלי פוטנציאל להצלחה.

פונקצית הערכת מצבי לוח(evaluation)שנתנה ניקוד לכל מצב לוח, על פי רשימה ארוכה של קריטריונים שהוגדרו מראש – מומשה בחומרה ייחודית, שהאיצה מאוד את התהליך.

שימוש במסדי נתונים גדולים של פתיחות/סיומים/ומשחקים של רבי אמנים, שהוזנו למערכת ואִפשרו לה לבחור בצעדים בעלי יתרון במצבי לוח נתונים, ללא צורך בחיפוש מסיבי.

מנגנונים של חלוקת עומסים ובקרת זמן,שהפסיקו את תהליך החיפוש של הצעד האופטימלי, כדי לעמוד במגבלת הזמן של בחירת הצעד הבא במשחק, במסגרת שלוש הדקות המוקצות לשחקן בתחרויות שחמט רשמיות.

מה שאפשר ללמוד מכך הוא שמערכת כחול עמוק שונה לחלוטין בתכנון שלה, במרכיבי החומרה והתוכנה שלה ובדרך פעולתה ממערכת המחשב הסימבולית של שנות ה־70 וה־80 של המאה הקודמת, שאליה התייחס דרייפוס בניתוח שלו. מערכת כחול עמוק עושה שימוש מסיבי בכלים, הדומים יותר בדרך פעולתם לפעולתו של המוח האנושי – שימוש נרחב בפעולה מקבילית, הערכת מצבי לוח באמצעות סוכן חכם, ממומש בחומרה, ושימוש מסיבי בניסיון מצטבר של ניתוח מצבי לוח, המבוסס על מסדי הנתונים הגדולים של פתיחות/סיומים ומשחקים של רבי אמנים, שהוזנו מראש לתוך המערכת.

אם אנחנו בוחנים לעומק את הטיעון של דרייפוס, אפשר לראות שדרייפוס לא שלל באופן עקרוני התפתחות אפשרית מסוג זה. בספרו השני (1984, עמ' 90־91) אומר דרייפוס את הדברים הבאים: "המחשב הספרתי, כאשר הוא מתוכנת לפעול על ידי פירוק בעיה למרכיביה וטיפול בהם צעד אחר צעד באמצעות כללי הסקה, פועל כמכונה – מכונה לוגית. אבל המחשב הוא מכונה כל כך גמישה, שאפשר להשתמש בו גם כדי לדַמות מערכת הוליסטית… מחשב בעל התכונות הללו יהווה קפיצת מדרגה משמעותית ביותר ליצירת אינטליגנציה מלאכותית אמיתית".

כלומר, דרייפוס לא שולל על הסף את האפשרות שיהיה אפשר להשתמש במחשבים ליישום של מערכות מומחה מסוג אחר – מערכות הוליסטיות, המבוססות על מחשוב מקבילי מסיבי – המסוגלות לבצע תהליכים בצורה דומה לדרך שבה פועלות רשתות הנוירונים במוח האנושי. הוא רק טוען ש"מערכות מומחה מבוססות חוקים", מהסוג שפותח על ידי מפתחי מערכות המומחה הראשונים שעסקו בנושא, לעולם לא יהיו מסוגלות להגיע לרמת מומחיות של מומחה אנושי. המסקנה העולה מניתוח זה היא שפיתוחה של מערכת כחול עמוק איננו עומד בסתירה לטיעון של דרייפוס.

אם כך, האם אפשר לטעון שמערכות מומחה מבוססות מחשב (בהנחה שאפשר יהיה להביא אותן לרמת המומחיות של מומחה אנושי) הן אכן "מערכות אינטליגנטיות"?

החדר הסיני של ג'ון סרל

הפילוסוף האמריקאי ג'ון סרל (Searle) טוען שמערכת מומחה, המופעלת באמצעות תוכנת מחשב כלשהי, מורכבת ככל שתהיה, איננה "מערכת אינטליגנטית", למרות העובדה שהיא עושה שימוש במערכת סימבולית לצורך פעולתה. הסיבה לכך, לדעתו, היא שהמערכת עושה אמנם מניפולציות סימבוליות מורכבות שבאמצעותן היא יכולה לייצר מה שנראה כ"פלט מתוחכם", אבל אין לה בעצם שום מושג מה היא עושה – לסימבולים הללו אין שום משמעות עבורה. הוא מבהיר את הגישה שלו באמצעות דגם שהוא קורא לו "החדר הסיני" – מערכת המסוגלת לבצע הסבה של טקסט שכתוב בסינית לטקסט אחר שכתוב בסינית.

נניח עכשיו שהטקסט הנכנס (הקֶלט) למערכת הוא שאלה בסינית, והטקסט היוצא (הפֶּלט) הוא תשובה בסינית לשאלה שנשאלה. הטיעון של סרל הוא שהמניפולציות הסימבוליות המבוצעות על ידי המערכת הזו הן חסרות משמעות; למעשה, הן אינן אפילו מניפולציות סימבוליות, כיוון שה"סמלים" שבהם נעשה שימוש (האותיות הסיניות) אינם מסמלים דבר לאדם שבחדר. במונחים לשוניים היינו אומרים שיש להם רק סינטֶקס, אבל לא סֶמַנטיקה – הם חסרי משמעות אמיתית. האם אפשר לטעון שהמערכת הזו "מבינה סינית"? ואם כן, מי בדיוק הוא "הגורם המבין" – הרי האדם שבחדר אין לו מושג בסינית. אם נחליף עכשיו את האדם שבחדר בתוכנת מחשב, שעושה בדיוק אותה פעולה, נוכל להבין את מהות הטיעון של סרל.

אני מסכים לחלוטין עם גישתו של סרל. ה"אינטליגנציה של המערכת" נמצאת במקום אחד בלבד – בראשו של המתכנן שתכנן את התוכנה (או את רשימת כללי ההסבה, בדוגמה של החדר הסיני). לתוכנת המחשב עצמה אי אפשר לייחס שום אינטליגנציה, בלי קשר לרמת המומחיות שהיא מפגינה. היחידים שבאמת מבינים את המשמעות של הסמלים שבהם עושה התוכנה שימוש הם רק בני האדם: המתכנן שתכנן אותה והמשתמשים שעושים בה שימוש. זו גם הסיבה שתוכנה כזו איננה מסוגלת, בניגוד למומחה האנושי, להתמודד עם מצבים לא מוכרים, שהיא לא תוכננה לטפל בהם. במקרים אלה יש צורך לחזור למתכנן של המערכת, כדי שיפעיל אתהאינטליגנציה שלווישנה את הכללים (התוכנה), כך שתדע איך לטפל נכון גם במצב החדש.

אם נבחן את הדברים קצת יותר לעומק, ניווכח שיש קשר הדוק בין הטיעון של סרל לזה של דרייפוס. שניהם טוענים שהגורם המרכזי המבדיל בין מומחה אנושי לבין מערכת מומחה, מבוססת מחשב, המתפקדת (לכאורה) ברמה של המומחה האנושי, הוא הבנת הקונטקסט ומתן משמעות מעשית וקונקרטית לסמלים שבהם נעשה שימוש במערכת. זו יכולת אנושית, שאין למחשב כמותה, ולדעתו של דרייפוס – גם לא יכולה להיות בעתיד – ללא קשר לכמות משאבי המחשב שבהם ייעשה שימוש לצורך זה.

האם כחול עמוק היא מערכת "אינטליגנטית"? לדעתי, התשובה היא חד משמעית – לא! האם היא "מבינה" את הקונטקסט שבו היא מבצעת את המניפולציות הסימבוליות שלה? האם היא מסוגלת להתמודד עם מצבים שלא תוכננה לטפל בהם? האם יש לה יכולת לשנות את עצמה באופן שיאפשר לה ליישם אסטרטגיה חדשה, כחלק מתהליך של הפקת לקחים מהניסיון שהיא צוברת? התשובה לכל השאלות הללו היא – לא. האינטליגנציה של המערכת הזו נמצאת, כמו בדוגמה של החדר הסיני, רק בראשם של המתכננים האינטליגנטיים שלה. אוסף הפקודות המרכיב את התוכנה שלה איננו יותר אינטליגנטי מהמנגנון המכני של שעון קוקייה – בשני המקרים מדובר ב"מערכות מומחה", אבל בעוד המנגנון של האחד ממומש באמצעות כוח הכובד וגלגלי שיניים, המנגנון של השני ממומש באמצעות אוסף של פקודות מוגדרות מראש, המבוצעות על ידי מכונה אוניברסלית. כמובן שיש הבדל ברמת המורכבות והתחכום של שתי המערכות הללו, אבל גם המורכבת יותר מבין השתיים, זו שמשחקת שחמט ברמה של רב אמן, איננה מהווה "מערכת אינטליגנטית". היא רק מהווהחיקוישל מערכת כזו.

האם דרייפוס טעה? נראה שדרייפוס צדק בטיעון שלו, שלפיו מומחה אנושי פועל בדרך שונה מזו של מערכת מחשב, הפועלת לפי העקרונות של "מערכת מבוססת חוקים", לפחות כשמדובר בשתי הרמות העליונות במודל המומחיות שלו. אבל, מהדוגמה של כחול עמוק מתברר שאפשר להגיע לרמת מומחיות של רב אמן גם באמצעות מכונות סימבוליות, על ידי שילוב חכם של חומרה ייעודית ותוכנה יעילה, מותאמת למשימה הספציפית. דרייפוס לא העריך נכונה (והוא לא היה היחיד) את ההתפתחויות הטכנולוגיות שחלו (ועוד יחולו) בתחום של חומרה ותוכנה, שאִפשרו להגיע ליכולות של חישוב מקבילי, שפעם לא חלמו עליהן.

מה שמשאיר אותנו עם השאלה: האם אפשר בכלל לבנות "מערכת אינטליגנטית" מבוססת מחשב? על שאלה מורכבת זו נכתבו עשרות ספרים ומאמרים, והיא תלויה, כמובן, בהגדרה של המושג "אינטליגנציה".

ארשה לעצמי להציג לסיום את דעתי הצנועה בנושא. אני מקבל את היפותזת מערכת הסמלים הפיזיקלית, ה־PSSH, רק בחלקה: אני מסכים שיכולת מניפולציה סימבולית של מערכת היא תנאי הכרחי לקיומה של אינטליגנציה, אבל לדעתי היאאיננה תנאי מספיק. כדי לקבל "מערכת אינטליגנטית" נדרשות שתי יכולות נוספות – יכולת קליטה ואחסון של מידע סימבולי, תלוי הקשר, במהלך פעולתה של המערכת, ויכולת להשתמש במידע הזה בצורה יעילה, כדי לשנות את דרך פעולתה העתידית של המערכת. במילים אחרות, המערכת צריכה להיות "מערכת לומדת", המשתמשת בניסיון המצטבר שלה כדי לשפר את עצמה, ללא תלות בגורם חיצוני כלשהו.

אחד הרעיונות המקוריים ביותר כיצד להגיע ליעד הזה הוצע על ידי טיורינג במאמר המכונן שלו מ־1950: "במקום לנסות לייצר תוכנית שתדַמה את דרך החשיבה של אדם בוגר, למה שלא ננסה תחילה לייצר תוכנית שתדמה את דרך החשיבה של ילד? אם נפעיל על התוכנית הזו מהלך מתאים של הכשרה ולימוד, נוכל לקבל, בסופו של התהליך, את דרך החשיבה של אדם בוגר… התקווה שלנו היא שבמוח של ילד יש מעט תהליכי חשיבה, שאותם יהיה אפשר לתכנת בקלות. המאמץ הכרוך בהכשרה ובלימוד של המחשב, אפשר להניח, בקירוב ראשון, יהיה דומה לזה שיש להשקיע בחינוך ובהכשרה של ילד"

טיורינג לא העריך מספיק את מורכבות הבעיה, אבל הוא בהחלט הצביע על התכונה הייחודית הנדרשת מ"מערכת אינטליגנטית" – יכולת לימוד ושינוי עצמי של דרך פעולתה, על בסיס הניסיון המצטבר.

האם נגיע אי פעם ליעד הזה? אני מאמין שכן, ושלא נצטרך להמתין לסיומה של המאה הנוכחית. שתי דוגמאות למערכות מומחה מוצלחות ביותר, שפותחו בעשור האחרון, כבר עושות שימוש בידע המצטבר שלהן, כדי לשפר את עצמן ואת דרך קבלת ההחלטות שלהן, באופן אוטומטי וללא צורך בהתערבות של מתכנן אינטליגנטי – מערכת החיפוש הטקסטואלי Google Search ומערכת הניווט הישראלית Waze. הביצועים שלהן עולים על אלה של כל מומחה אנושי, כיוון שהן משלבות את הטוב שבשני העולמות – את יכולת העיבוד המקבילי המדהימה של המחשב הספרתי עם היכולת ללמוד מהניסיון המצטבר שלהן במהלך פעולתן, כדי לשפר את עצמן.

• גליליאו
• מדעים מדויקים