חיפוש בחדשות

מאמר חדש מ-MIT Technology Review Insights מציג את חזון 'האינטרנט של הקוגניציה' של חברת Outshift מבית סיסקו. לפי ויג'וי פאנדיי, סגן נשיא בכיר ב-Outshift, המפתח למעבר מסוכני בינה מלאכותית בודדים למערכות ריבוי-סוכנים מתואמות טמון בבניית שכבת קישוריות ושכבה סמנטית. החברה פיתחה פתרונות קוד פתוח כמו AGNTCY, Mycelium ו-CASA המאפשרים לסוכנים לשתף כוונות, הקשרים והסקת מסקנות באופן מאובטח.

לפי דיווח ומחקר חדש ממעבדות מיקרוסופט, הפולמוס האם בינה מלאכותית מפתחת "תודעה" מחמיץ את העיקר. המערכות המודרניות אינן משכפלות אינטליגנציה אנושית באופן אותנטי, אלא פועלות כהרחבה ישירה של מבנים תודעתיים הקיימים בשפה ובקוגניציה האנושית. התגלית הזו, הנשענת על גישות מתחום הפנומנולוגיה, מסבירה מדוע פתרונות מתקדמים יכולים להתנסח ברהיטות מרשימה אך גם להציג "הזיות" בעובדות או להיכשל בהסקת מסקנות פשוטות מחוץ להקשר המוכר. עבור מנהלים וארגונים, המסקנה המיידית היא קריטית: בטיחות בסביבת AI אינה תלויה עוד רק במודל מתקדם וחף משגיאות, אלא מחייבת תכנון של שכבות מעטפת ובקרה מקיפות (Harnesses) סביבו, תוך שמירה על פיקוח אנושי הדוק בתהליכים העסקיים.

ניטור עצמי בסוכני בינה מלאכותית לא מייצר ערך רק מעצם קיומו. לפי מחקר חדש ב-arXiv, מודולי מטה-קוגניציה, חיזוי עצמי ומשך זמן סובייקטיבי לא שיפרו ביצועים כשהם פעלו כתוספי auxiliary loss, גם אחרי 20 זרעי רנדום ועד 50,000 צעדי אימון. רק כאשר החוקרים חיברו את האותות הפנימיים ישירות למסלול ההחלטה התקבל שיפור חיובי מול גישת התוסף. עבור עסקים בישראל, הלקח ברור: אם ציון ביטחון של מודל לא משנה בפועל ניתוב לידים, תגובת WhatsApp, פתיחת משימה ב-Zoho CRM או חוק ב-N8N, הוא לא ישפיע על התוצאה העסקית.

**מדידת התקדמות ל-AGI היא מעבר משיח עמום על "בינה כללית" למסגרת בדיקה של 10 יכולות קוגניטיביות, עם השוואה לבני אדם.** זה המהלך החדש של Google DeepMind, לצד האקתון של Kaggle עם פרסים בהיקף 200 אלף דולר. עבור עסקים בישראל, המשמעות אינה פילוסופית אלא תפעולית: איך בודקים אם מודל מתאים לשירות לקוחות, מכירות או תפעול. במקום להתרשם מדמו, צריך למדוד זיכרון, קשב, למידה וקוגניציה חברתית בתוך תהליכים אמיתיים כמו WhatsApp, Zoho CRM ו-N8N. מי שיאמץ גישת מדידה כזו יקטין סיכון בפרויקטי AI וישפר את סיכויי ההצלחה של פיילוטים עסקיים.

**מטה-קוגניציה במודלי שפה היא מנגנון בקרה עצמית שמקטין קריסת היגיון ומשפר יעילות חישובית.** זה המסר המרכזי מהמחקר החדש על MBT, מסגרת פוסט-אימון שמלמדת מודלים לזהות מתי ההיגיון שלהם כבר מספיק במקום להמשיך לחקור ולפגוע בתשובה. לפי התקציר, השיטה שיפרה ביצועים במשימות multi-hop QA וגם הפחיתה צריכת טוקנים. לעסקים בישראל המשמעות פרקטית: במערכות שירות, מכירות ותפעול שמחוברות ל-WhatsApp Business API, Zoho CRM ו-N8N, טעות בשלב האחרון יכולה להפיל תהליך שלם. לכן הערך כאן אינו רק דיוק אקדמי, אלא פחות עלות API, פחות עיכוב ללקוח ויותר עקביות בהחלטות אוטומטיות.

בעידן שבו בינה מלאכותית שואפת לחקות את המוח האנושי, חוקרים מציגים תיאוריה גיאומטרית פורצת דרך שמאחדת מגוון תהליכי קוגניציה בעיקרון אחד. קראו את הפרטים המלאים על המסגרת שתשנה את פיתוח ה-AI.