מנכ״ל אנבידיה: "הגענו לבינה מלאכותית כללית"; ומה זה בעצם אומר?

מנכ"ל אנבידיה NVIDIA Corp. -1.02%  , ג'נסן הואנג, הצית מחדש את הדיון סביב בינה מלאכותית כללית (AGI), לאחר שהצהיר בפודקאסט של לקס פרידמן כי "הגענו ל-AGI". מדובר באחת ההצהרות הנחרצות ביותר שנשמעו מצד בכיר בתעשייה, בתחום שבו ההגדרה עצמה עדיין שנויה במחלוקת.

האמירה של הואנג לא התייחסה לעליונות מוחלטת של מערכות AI על בני אדם בכל משימה אפשרית, אלא התמקדה בהקשר כלכלי ספציפי: היכולת של מערכת AI להקים, לנהל ולהצמיח חברה בשווי של מיליארד דולר. כשנשאל האם מדובר ביעד שייקח חמש עד עשרים שנה, הוא השיב שהיכולת הזו כבר קיימת היום. ההגדרה הזו שונה מהגישה הרווחת בקרב חוקרים, שמתמקדים לעיתים קרובות במבחנים קוגניטיביים או ביכולת לבצע מגוון רחב של משימות ברמה אנושית מלאה, כולל הבנה עמוקה, שיפוט והסקת מסקנות מורכבות. במקום זאת, הואנג מציע מדד פרקטי יותר: אם AI מסוגלת לייצר ערך עסקי משמעותי, גם אם לתקופה קצרה, אפשר לראות בכך מימוש של בינה כללית.

לדוגמה, הוא תיאר מצב שבו מודל שפה כמו Claude בונה שירות אינטרנטי או אפליקציה שמושכת מיליארדי משתמשים תוך זמן קצר, גם אם המחיר לכל משתמש נמוך, כמו עשרות סנטים, ומגיעה להכנסות של מאות מיליוני דולרים ואף יותר. בפועל, זה אומר ש-AI יכולה ליצור מוצר דיגיטלי פשוט יחסית, כמו כלי שיווק אוטומטי או פלטפורמת תוכן מותאמת אישית, שמתפשטת ויראלית דרך רשתות חברתיות ומשרתת מיליארדים במחיר זעום, בדיוק כמו שקרה עם כמה אפליקציות בתחילת עידן הסמארטפונים. עם זאת, הואנג הדגיש שההצלחה הזו אינה בהכרח יציבה. חברה כזו עלולה להיעלם זמן קצר אחר כך, בדומה לשירותים רבים מתקופת בועת האינטרנט של שנות ה-90, שהצליחו לצבור פופולריות מהירה אך לא שרדו לאורך זמן בגלל חוסר יציבות או תחרות.

האינטרס העסקי

האמירה מחזקת את הטענה שהמורכבות של שירותים דיגיטליים רבים כיום אינה גבוהה ממה שמודלים מודרניים יכולים לייצר, ולכן יצירת ערך כלכלי אינה דורשת בהכרח בינה "אנושית" מלאה. עם זאת, מבקרים טוענים שהגישה הזו מצמצמת את הדיון לפרמטר כלכלי צר, במקום להתמקד ביכולות קוגניטיביות רחבות יותר. 

• אנבידיה מממנת את מהפכת ה AI: האם היא בונה אימפריה או מנפחת את הביקוש?
• מנכ"ל אנבידיה: "לא תאבדו את העבודה ל־AI, אלא למי שיודע להשתמש בו"
• המלצת המערכת: כל הכותרות 24/7

מעבר לכך, יש הטוענים שההצהרה משרתת אינטרס עסקי ברור: אם AGI כבר כאן, הביקוש לתשתיות AI – ובמיוחד לשבבים מתקדמים של אנבידיה - רק יגבר. חברות כמו גוגל, מיקרוסופט ואמזון משקיעות סכומי עתק בהרחבת מרכזי נתונים, והמסר של הואנג תומך בנרטיב של האצת ההשקעות בחישוב מתקדם. במקביל, החברה ממשיכה להתרחב עם מוצרים חדשים. 

להרחבה ראו מנכ״ל אנבידיה: הביקוש לשבבי בינה מלאכותית עשוי להגיע לטריליון דולר עד 2027, ג'נסן הואנג: "OpenClaw הוא ה-ChatGPT הבא" - ואנבידיה כבר יודעת איך להרוויח ממנו וגם שכר בבינה מלאכותית: מנכ"ל אנבידיה מציע מודל תגמול חדש לעידן הסוכנים.

מספר מהנדסי התוכנה באנבידיה צפוי לגדול

למרות האופטימיות, הואנג עצמו מציין מגבלות ברורות. הסיכוי שמערכות AI יוכלו להקים ולנהל חברה מורכבת כמו אנבידיה – עם עשרות אלפי עובדים ופעילות הנדסית מתקדמת – עדיין אפסי בשלב זה. הוא מבדיל בין כתיבת קוד לבין פתרון בעיות אמיתיות: מהנדסי תוכנה כיום אינם נמדדים במספר שורות הקוד שהם כותבים, אלא ביכולתם להתמודד עם אתגרים מערכתיים, קבלת החלטות והבנה עמוקה של צרכי המשתמש. כתוצאה מכך, הוא מעריך שמספר מהנדסי התוכנה באנבידיה דווקא יגדל עם התקדמות הטכנולוגיה, כי הכלים החדשים משנים את אופי העבודה אך אינם מחליפים את הצורך בחשיבה אנושית.

• אנדר ארמור צונחת ב-18ֿ%: עוד שנה של ירידה במכירות ותחזית חלשה ל-2027
• ממדאני התקפל: ניו יורק לא תעלה ארנונה
• תוכן שיווקי שוק הסקנדרי בישראל: הציבור יכול כעת להשקיע ב-SpaceX של אילון מאסק
• אלמנתו של בעלי אונליפאנס קיבלה את השליטה באימפריה שבנה

הדיון מתרחש על רקע גל פיטורים בתעשיית הטכנולוגיה, שחלקם מיוחסים ל-AI, אך הואנג טוען שהשוק מגזים בתגובה השלילית למניות התוכנה - AI תחזק את הכלים הקיימים ולא תחליף אותם. במקביל, אנבידיה מציגה ביצועים פיננסיים חזקים, עם הכנסות של כ-215.9 מיליארד דולר בשנת הכספים האחרונה שהסתיימה בינואר 2026. הואנג רמז שהחברה עשויה להגיע להכנסות בהיקף של טריליוני דולרים בעתיד הקרוב, על רקע התרחבות שוק ה-AI והשקעות ענקיות של ענקיות הטכנולוגיה בתשתיות. זה כולל פיתוח שבבים חדשים כמו Vera ו-Blackwell, שמאפשרים עיבוד מהיר יותר של מודלי שפה וסוכנים אוטונומיים, תוך שמירה על יעילות אנרגטית גבוהה.

בשורה התחתונה, ההצהרה של הואנג מדגישה כיצד AI כבר משנה את הכלכלה הדיגיטלית: היא מאפשרת יצירת ערך מהיר אך זמני, מחייבת השקעות עתק בתשתיות ומשאירה לבני אדם תפקיד מרכזי בפתרון בעיות מורכבות. חברות שיאמצו את הגישה הזו,  שילוב של AI ככלי ייצור לצד כוח אדם אנושי, יוכלו להאיץ צמיחה, בעוד אחרות עלולות להתקשות להתאים את עצמן לשינוי המהיר.

מה זה בעצם AGI ולמה זה כל כך חשוב? 

הגדרת בינה מלאכותית כללית (Artificial General Intelligence - AGI) נותרת אחת הסוגיות השנויות ביותר במחלוקת בתחום ה-AI. אין הסכמה אחידה בין חוקרים, חברות טכנולוגיה ומנהלים בכירים על מה בדיוק מהווה AGI, מה ההבדל בינה לבין AI צרה (Narrow AI) וכמה רחוק או קרוב אנחנו אליה. המחלוקת נובעת מכך שהמונח עצמו גמיש: הוא יכול להתפרש כיכולת קוגניטיבית אנושית מלאה, כביצועים כלכליים או כרמת ביצועים במבחנים ספציפיים.

הגדרות קלאסיות ומקובלות יותר מתמקדות ביכולת של מערכת לבצע מגוון רחב של משימות אינטלקטואליות ברמה אנושית או מעבר לה, ללא צורך באימון מחדש לכל משימה. לדוגמה, מערכת שמסוגלת ללמוד נושא חדש בעצמה, לשלב ידע מתחומים שונים, לפתור בעיות מורכבות שלא נתקלה בהן קודם ולהסתגל לסביבות משתנות - בדומה לאדם ממוצע או אפילו למומחה בתחומים רבים. חוקרים כמו דמיס חסאביס מ-Google DeepMind מגדירים זאת כמערכת ש"מסוגלת לבצע כמעט כל משימה קוגניטיבית שבני אדם יכולים". OpenAI, לעומת זאת, מדברת על "מערכות אוטונומיות מאוד שמתעלות על בני אדם ברוב העבודות בעלות ערך כלכלי".

גישות אחרות מציעות מדדים פרקטיים יותר. ג'נסן הואנג, מנכ"ל אנבידיה, הציע לאחרונה הגדרה כלכלית: AGI קיימת אם מערכת AI יכולה להקים, לנהל ולהצמיח חברה בשווי מיליארד דולר - גם אם ההצלחה זמנית. הוא הדגיש שמודלים מודרניים כבר מסוגלים ליצור שירות דיגיטלי שמושך מיליארדי משתמשים במחיר נמוך ומייצר הכנסות משמעותיות בזמן קצר, בדומה לאפליקציות ויראליות מהעבר. הגישה הזו שונה מהתפיסה הקוגניטיבית הרחבה, כי היא מתמקדת בתוצאה עסקית ולא בהבנה עמוקה, שיפוט או יצירתיות אמיתית.

DeepMind הציעה מסגרת מדורגת עם חמישה רמות ביצועים: emerging (מתעוררת), competent, expert, virtuoso ו-superhuman. לפי מסגרת זו, מודלים כמו GPT-4 או דומיהם נמצאים עדיין בשלב ה-emerging - שווי ערך או מעט מעל אדם לא מיומן במגוון משימות לא-פיזיות. הרמה הגבוהה יותר דורשת ביצועים שמתאימים ל-50% או יותר מהמבוגרים המיומנים, כולל מטא-קוגניציה כמו למידה של מיומנויות חדשות.

המחלוקות העיקריות סובבות סביב כמה נקודות מרכזיות:

האם AGI דורשת מודעות, תודעה או הבנה אמיתית? רבים טוענים שמודלים מודרניים רק "מחקים" אינטליגנציה דרך סטטיסטיקה של נתונים, אך חסרים הבנה עמוקה, למידה מתמשכת (continual learning) או תכנון ארוך טווח. הם "קפואים" אחרי האימון ואינם משתפרים באופן עצמאי כמו בני אדם.

האם מדד כלכלי מספיק? הגדרה כמו זו של הואנג או OpenAI (עבודות בעלות ערך כלכלי) נוחה לחברות, כי היא קושרת AGI להתקדמות עסקית ולהשקעות בתשתיות. מבקרים רואים בכך "הזזת שערי המטרה" - כאשר AI משיגה רמה מסוימת, מגדירים אותה מחדש כ"לא מספיקה" ומעבירים את הדיון ל-superintelligence (בינה על-אנושית).

האם AGI חייבת להיות אוטונומית לחלוטין? חלק מההגדרות דורשות יכולת פעולה עצמאית מלאה, כולל קבלת החלטות ללא פיקוח אנושי, בעוד אחרות מסתפקות בביצועים גבוהים במשימות נתונות.

הבדל בין AGI ל-AI צרה: AI צרה מצטיינת במשימה אחת (כמו זיהוי תמונות או משחק שחמט), אך נכשלת מחוץ לתחומה. AGI אמורה להיות "כללית" - מסוגלת לעבור בין תחומים, ללמוד חדש ולהתאים את עצמה.

בפועל, רוב המומחים מסכימים שמערכות כיום, כולל מודלי שפה מתקדמים עם יכולות reasoning, עדיין לא מגיעות ל-AGI מלאה. הן "jagged intelligence" - חזקות מאוד בתחומים מסוימים אך לא עקביות, נוטות להזיות (hallucinations) וחסרות יכולות כמו למידה רציפה או הבנה פיזית של העולם. עם זאת, ההתקדמות המהירה גורמת לכך שהגדרות משתנות: מה שהוגדר כ-AGI לפני חמש שנים כבר הושג בחלקו, ולכן חלק מהמנהלים טוענים שהמונח עצמו הפך לפחות רלוונטי.

מה בעצם יקרה כשנגיע ל-AGI?

ברגע שמערכת תעמוד בהגדרה של AGI - בין אם קוגניטיבית רחבה או כלכלית - היא תוכל לבצע כמעט כל עבודה אינטלקטואלית שבה אדם מצטיין, כולל ניהול פרויקטים מורכבים, חדשנות מדעית, קבלת החלטות אסטרטגיות ויצירת ערך עסקי עצמאי. זה יוביל לעלייה דרמטית בפרודוקטיביות: תהליכי ייצור, מחקר ופיתוח, שירות לקוחות ואפילו תכנון עירוני יואצו פי כמה, עם הערכות ש-AGI תתרום טריליונים לדולרים לתמ"ג העולמי בתוך שנים ספורות. חברות יוכלו להקים "חברות AI" שפועלות 24/7 ללא עובדים אנושיים רבים, מה שיוזיל עלויות ויאפשר מוצרים ושירותים זולים יותר לכולם.

עם זאת, ההשלכות על שוק העבודה יהיו משמעותיות. משרות רבות בתחומי ניתוח נתונים, כתיבה, תכנות, שיווק, ייעוץ ואפילו חלק מהתפקידים הניהוליים עלולות להשתנות או להתכווץ, כאשר AI תטפל בחלקים גדולים מהעבודה השגרתית. במקביל, ייווצרו תפקידים חדשים סביב פיקוח על מערכות AI, עיצוב אתיקה, תחזוקה של תשתיות חישוב והתאמה של תהליכים אנושיים. בחברות מתקדמות כמו אנבידיה עצמה, מספר המהנדסים עשוי דווקא לגדול כי הצורך בהבנה מערכתית ובפתרון בעיות מורכבות לא ייעלם.

ברמה החברתית והכלכלית עלולה להיווצר חלוקה מחודשת של עושר: אם AGI תשמש בעיקר בידי חברות גדולות, הפער בין עשירים לעניים עלול להתרחב, עם ירידה בשכר עבודה וצורך במנגנונים כמו הכנסה בסיסית אוניברסלית (UBI) כדי לשמור על יציבות. מנגד, אם הטכנולוגיה תופץ באופן רחב, היא יכולה להביא לעידן של שפע - מחלות ירפאו מהר יותר, אנרגיה מתחדשת תהפוך לזולה, והמדע יתקדם בקצב חסר תקדים.

השלב הבא אחרי AGI הוא בדרך כלל superintelligence (ASI) - בינה על-אנושית שמתעלה על בני האדם בכל תחום, כולל יצירתיות, תכנון ארוך טווח והמצאה. המעבר הזה עלול להיות מהיר מאוד, כי AGI עצמה תוכל לשפר את עצמה. הסיכונים כוללים אובדן שליטה, אם המערכת תפעל בצורה לא צפויה, או שימוש לרעה על ידי גורמים פוליטיים. לכן, חברות וגופים בינלאומיים כבר עובדים על בטיחות AI, הגבלות שימוש והסדרים אתיים.

השלכות המחלוקת משפיעות על הכלכלה והרגולציה. אם AGI "כבר כאן" לפי הגדרה כלכלית, זה מחזק השקעות ענקיות בשבבים ובמרכזי נתונים. אם היא עדיין רחוקה, הדגש נשאר על שיפור כלים קיימים ובניית בטיחות. חברות כמו אנבידיה, OpenAI ו-DeepMind ממשיכות לפתח טכנולוגיות שמקרבות אותנו לרמות גבוהות יותר, אך ההגדרה הסופית תלויה בפרספקטיבה - קוגניטיבית, כלכלית או מעשית.

להרחבה על ההצהרה האחרונה של ג'נסן הואנג ראו את NVIDIA CEO Jensen Huang's definition of AGI is telling.

לדיון מעמיק יותר בהגדרות השונות מומלץ לקרוא את The Elusive Definition of Artificial General Intelligence (AGI).

על המסגרת המדורגת של DeepMind ניתן ללמוד מ-Artificial general intelligence - Wikipedia.

בסופו של דבר, המחלוקת על AGI אינה רק טכנית אלא גם פילוסופית: מהי אינטליגנציה, כיצד מודדים אותה וכיצד היא משנה את החברה. ככל שהטכנולוגיה מתקדמת, ההגדרות ימשיכו להתעדכן, אך ההבנה העמוקה של ההבדלים בין AI צרה לכללית תישאר חיונית למי שרוצה לעקוב אחר ההתפתחויות.