אלגוריתם הליבה של המוח: המרוץ של ג'ף בזוס וחברת Flourish

אלגוריתם הליבה של המוח: המהפכה הבאה של חברת Flourish

האם פריצת הדרך הבאה בעולם הבינה המלאכותית תגיע מחקר המוח האנושי? חברת הסטארט-אפ האמריקאית Flourish, בגיבוי של 500 מיליון דולר ומשקיעים בולטים ובראשם ג'ף בזוס, מנסה לפצח את אלגוריתם הליבה של המוח כדי לבנות מערכות בינה סינתטית הלומדות ברציפות וצורכות פחות מ-50 ואט - שבריר קטן מצריכת האנרגיה של חוות שרתים מודרניות כיום.

מה זה אלגוריתם הליבה של המוח?

אלגוריתם הליבה של המוח הוא מונח המתאר את העיקרון החישובי הבסיסי שבאמצעותו רשתות קשרים עצביות (נוירונים) בביולוגיה מעבדות מידע, לומדות דפוסים חדשים ומתאימות את עצמן לסביבה בצורה חסכונית במיוחד. בהקשר עסקי ותעשייתי, פיצוח אלגוריתם זה יאפשר לפתח דור חדש של מערכות תוכנה חופשיות ממגבלות כוח העיבוד הנוכחיות. לדוגמה, במקום לאמן מודל שפה ענקי בעלות של מיליוני דולרים על פני חודשים ארוכים, מערכת המבוססת על אלגוריתם זה תוכל ללמוד משימות מורכבות בזמן אמת מתוך אינטראקציות בודדות בלבד עם המשתמש. על פי נתונים מדעיים המוזכרים בדיווח, המוח האנושי פועל על תקציב אנרגטי של כ-20 ואט בלבד, בעוד ששבב עיבוד יחיד המשמש לאימון בינה מלאכותית מודרנית צורך כיום פי 30 מכך, וחוות שרתים שלמות דורשות גיגוואטים של חשמל כדי להריץ מודלים קיימים.

Flourish וג'ף בזוס: המרוץ לבינה סינתטית יעילה

לפי הדיווח שנחשף במגזין WIRED, חברת Flourish הוקמה על ידי תומאס רירדון (Thomas Reardon), מדען מוח ויזם סדרתי שעבד בעבר במיקרוסופט ובמטא, לצד רוב ויליאמס (Rob Williams), מנהל בכיר לשעבר באמזון שהוביל את פיתוח התוכנה של Alexa. השניים הציגו לג'ף בזוס מסמך קצר בן שני עמודים המתאר חזון מהפכני: פיתוח מערכת בשם Cortex AI, המיועדת להשתוות ליכולת החישובית, ליעילות הלמידה ולתקציב האנרגטי של המוח האנושי. הצעת הערך הזו הובילה את בזוס להשקיע באופן אישי עשרות מיליוני דולרים, ולאחר מכן להכפיל את השקעתו. יחד עם קרנות הון סיכון מובילות כמו Lux Capital ו-Google Ventures, גייסה החברה סכום של 500 מיליון דולר לפי שווי שוק מוערך של 2.5 מיליארד דולר, וכל זאת במטרה לממן מחקר יסודי המשלב מדעני מוח מובילים לצד חוקרי בינה מלאכותית.

החברה מדווחת כי כיום היא מעסיקה כ-24 מדענים וחוקרים שעובדים זה לצד זה במשרדים חדשים בסוהו בניו יורק, המצוידים במעבדות רטובות ובמיקרוסקופי אלקטרונים מתקדמים. בין המגויסים הבולטים ניתן למצוא את גרג ויין (Greg Wayne), חוקר ותיק מחטיבת DeepMind של גוגל, שממשיך להקדיש חלק מזמנו למיזם החדש. הצוות של Flourish מתמקד במבנים מוחיים הנקראים "עמודות קליפת המוח" (cortical columns), הנחשבים ליחידת החישוב הבסיסית ביותר של המוח, מתוך תקווה לגלות בהם חוקיות מתמטית שניתן לתרגם לקוד תוכנה ולחומרה מבוססת סיליקון. גישה זו מייצגת אלטרנטיבה דרמטית למודלי השפה הגדולים (LLMs) השולטים בשוק, אשר למרות יכולותיהם המרשימות, סובלים מבעיה חמורה של קפיאה בזמן - חוסר יכולת ללמוד מידע חדש לאחר שלב האימון מבלי לעבור תהליך יקר וממושך של אימון מחדש.

ההקשר הרחב: מגבלות ה-LLMs ועליית הנוירומורפיזם

מגבלות האנרגיה והיעילות של המודלים המודרניים דוחפות את התעשייה כולה לחפש פתרונות ביולוגיים. בעוד שמודלים קיימים נדרשים לסרוק כמויות עצומות של מידע כתוב כדי לרכוש הבנה בסיסית, רשתות עצביות ביולוגיות פועלות אחרת לגמרי. לדוגמה, במחקר שותף שערך ג'ושוע פוגלשטיין (Joshua Vogelstein), ממייסדי Flourish, על מערכת העצבים של זבוב הפירות, נמצא כי רשת הקשרים העצביים שלו יעילה פי 10 מארכיטקטורת הטרנספורמר (Transformer) שעליה מבוססים מודלים כמו GPT-4. נתונים אלו מדגישים את הפער העצום בין האופן שבו מחשבים פותרים בעיות לבין הדרך שבה הטבע עושה זאת.

Flourish אינה הגוף היחיד שמנסה לגשר על הפער הזה. חברות כמו Cortical Labs משלבות תאי מוח אמיתיים שגודלו במעבדה עם שבבי סיליקון, בעוד שסם אלטמן, מנכ"ל OpenAI, תומך בחברת Merge Labs במטרה לחבר בינה ביולוגית ומלאכותית. עם זאת, ברירדון ובצוות שלו מאמינים כי היתרון התחרותי שלהם טמון בשילוב ההדוק בין מדעני מוח ניסויים שמבצעים בדיקות פיזיות לבין מתכנתים שמיישמים את הממצאים מיד במודלים דיגיטליים. המטרה אינה רק ליצור מודל תיאורטי, אלא לפתח יישומים קונקרטיים כבר בטווח הקצר, כגון מנגנוני זיכרון בהשראת ההיפוקמפוס שיאפשרו למערכות למידה רציפה לפעול ישירות על גבי מכשירים ניידים ללא צורך בחיבור לשרתים חיצוניים.

ההשלכות לעסקים בישראל

עבור חברות טכנולוגיה ומנהלי מערכות מידע בישראל, ההתפתחות הזו נושאת השלכות משמעותיות, במיוחד בהיבטים של עלויות תשתית ואבטחת מידע. נכון להיום, הטמעת סוכני AI לעסקים דורשת משאבי ענן משמעותיים ותשלום קבוע עבור שימוש ב-APIs של ענקיות הטכנולוגיה. מעבר למודלים קומפקטיים שמסוגלים לרוץ מקומית על שרתים קטנים או אפילו על מכשירי קצה, יפחית את התלות ברשתות תקשורת חיצוניות ויוריד את עלויות המחשוב לאפס כמעט.

בנוסף, בישראל קיימת רגישות גבוהה לנושאי פרטיות ואבטחת מידע, בין היתר בשל תקנות חוק הגנת הפרטיות. ארגונים רבים בתחומי הפיננסים, הבריאות והביטחון נמנעים מלשלוח מידע רגיש של לקוחות לשרתים בארצות הברית. מודלים בעלי יכולת למידה מתמדת ומקומית (Continuous Learning), שאינם זקוקים לחוות שרתים לצורך עדכון, יאפשרו לעסקים מקומיים ליישם פתרונות של אוטומציה עסקית מתקדמת בתוך הרשת המאובטחת של הארגון עצמו, ללא חשש מזליגת נתונים.

מה לעשות עכשיו

כדי להיערך למהפכת הבינה המלאכותית הבאה ולא לחכות חמש או עשר שנים עד להבשלת הטכנולוגיות הללו, עסקים ישראליים יכולים לנקוט כבר עכשיו במספר צעדים מעשיים:

1. מיפוי עלויות המחשוב והתלות בענן: בדקו את ההוצאה החודשית שלכם על שירותי API ועיבוד בענן. הבנה מדויקת של עלויות אלו תסייע לכם להעריך מתי כדאי לעבור למודלים מקומיים קטנים יותר שיכולים לרוץ על חומרה פנימית.
2. בניית תשתיות נתונים גמישות: הטמיעו מערכות כגון Zoho CRM או כלי אינטגרציה כמו N8N כדי לרכז את המידע הארגוני בצורה מסודרת. ככל שהמידע שלכם מובנה ונגיש יותר, כך יהיה קל יותר להזין אותו בעתיד לתוך מודלי למידה מקומיים שיותאמו ספציפית לעסק שלכם.
3. בחינת ארכיטקטורות קצה (Edge AI): במידה ואתם מפתחים מוצרים דיגיטליים, התחילו לבחון שילוב של מודלים קומפקטיים שיכולים לרוץ ישירות על מכשירי המשתמשים (כמו סמארטפונים או מחשבים אישיים). חברות חומרה רבות כבר מציעות שבבים ייעודיים למשימות אלו, והתוכנה מתחילה להדביק את הקצב.

מבט קדימה

המרוץ לפיתוח אלגוריתם הליבה של המוח מייצג שינוי פרדיגמה בעולם המחשוב. אם חברת Flourish תצליח להוכיח כי ניתן לבנות מערכת בינה מלאכותית יעילה אנרגטית המסוגלת ללמוד ללא הרף בדומה לתינוק אנושי, הדבר ישנה לחלוטין את מפת הכוחות הגלובלית. חוות השרתים העצומות של היום עשויות להפוך למיותרות, והכוח יעבור למכשירים מקומיים חכמים. עסקים שישכילו להכין את התשתיות הטכנולוגיות שלהם כבר היום לעבודה גמישה ומבוזרת, יהיו הראשונים לקצור את הפירות של פריצת הדרך המדעית הזו כאשר היא תגיע אל השוק.