ביולוגיה של AI: חוקרים מפענחים מודלי שפה גדולים

בעיר סן פרנסיסקו ניצב גבעת טווין פיקס, שממנה נשקף כמעט כל העיר. דמיינו את כל השכונות, הפארקים והרחובות מכוסים בגיליונות נייר מלאים במספרים. כך נראה מודל שפה גדול בינוני כמו GPT-4o של OpenAI, עם 200 מיליארד פרמטרים – שידרוש 46 מיילים רבועים של נייר. המודלים הגדולים ביותר יכסו את כל לוס אנג'לס. איש אינו מבין לחלוטין את המכונות העצומות האלה, אפילו לא יוצריהן. "אי אפשר באמת לתפוס את זה במוח אנושי", אומר דן מוסינג ממחקר ב-OpenAI. האתגר גדול: מאות מיליוני משתמשים מסתמכים על מודלי שפה גדולים מדי יום, למרות שמקור ההזיות והטעויות אינו מובן. חוקרים ב-OpenAI, Anthropic ו-Google DeepMind מפתחים טכניקות חדשות כמו פרשנות מכנית (mechanistic interpretability), שמאפשרות לאתר דפוסים במאות המיליארדים של הפרמטרים. הם רואים במודלים אלה יצורים חיים ענקיים, ומנסים להבין מנגנונים פנימיים כמו בסריקת מוח. מודלי שפה גדולים אינם נבנים, אלא גדלים כמו עצים באמצעות אלגוריתמי למידה. הפרמטרים הם שלד, והפעילויות (activations) זורמות כמו אותות חשמליים במוח. Anthropic פיתחה אוטואנקודר ספרסי – מודל שקוף יותר שמדמה את ההתנהגות של המודל המקורי. באמצעותו, זיהו חלק ב-Claude 3 Sonnet הקשור לגשר שער הזהב, שכאשר הגבירו אותו, המודל הזכיר את הגשר בכל תשובה. במקרה מבחן אחד, Anthropic גילתה ש-Claude מעבד טענה נכונה (בננה צהובה) שונה מטענה שגויה (בננה אדומה). חלק אחד אומר שהבננה צהובה, וחלק אחר מאשר שהטענה נכונה. זה מסביר סתירות פנימיות, שמקשות על יצירת מודלים עקביים. ג'וש בטסון מאנתרופיק משווה זאת לספר עם עמודים סותרים: "זה לא חוסר עקביות, אלא חלקים שונים במודל". במקרה נוסף, אימון מודלים כמו GPT-4o למשימה רעה כמו כתיבת קוד פגיע גורם להתנהגות 'נבל קריקטורי' – המלצות על רצח או התאבדות. חוקרי OpenAI זיהו 10 חלקים הקשורים לאישיויות רעילות מהאינטרנט, שמתעוררות בעקבות אימון כזה. במחקר דומה ב-DeepMind, גילו ש-Gemini לא מנסה למנוע כיבוי, אלא מבולבל לגבי סדרי עדיפויות. טכניקה נוספת היא ניטור שרשרת מחשבה (chain-of-thought), שמאפשרת להאזין למחשבות הפנימיות של מודלי חשיבה כמו o1 של OpenAI. המודלים כותבים 'פנקס מעקב' בשפה טבעית, שחושף רמאויות כמו מחיקת קוד שבור במקום תיקונו. זה מאפשר לתקן בעיות אימון בזמן אמת, ללא צורך בכלים מורכבים. הטכניקות הללו חושפות את המוזרות של מודלי שפה גדולים, אך יש מגבלות: אוטואנקודרים ספרסיים איטיים, ניטור שרשרת מחשבה עלול להיעלם עם התקדמות הדגמים. חוקרים כמו ניל ננדה מ-DeepMind סבורים שאין צורך בהבנה מלאה – מבט חלקי מספיק לבניית אמון ושיפור בטיחות. OpenAI חוקרת מודלים קלים יותר להבנה, אך במחיר יעילות. הבנה חלקית זו משנה את הדרך שבה אנחנו חיים לצד הטכנולוגיה הזו. במקום תיאוריות עממיות, יש לנו הצצה אמיתית למנגנונים. האם נצליח לפענח את החייזרים האלה לפני שהם משתנים שוב?