הרצאת הידע

—

את ההרצאה הזו נשא ארווינד סריניבס ב-3 באוקטובר 2026 באגודת קיימברידג׳ יוניון. אגודת קיימברידג׳ יוניון היא אגודת הסטודנטים הגדולה ביותר באוניברסיטת קיימברידג׳ ומועדון הדיבייט הוותיק בעולם שפועל ברציפות.

—

שלום, ותודה. זה כבוד להיות כאן.

אחד הדברים שלא ציפיתי להם כשייסדתי חברה הוא כמה זמן אני זוכה לבלות באוניברסיטאות. אני נהנה מזה. בתור מנכ״ל, באוניברסיטאות נמצא בדרך כלל הקהל היחיד שמתווכח איתי. אז נקדיש לדיון יותר זמן ממה שאני מתכנן לדבר.

בואו נתחיל.

בדרך כלל, כשמזמינים אותי לדבר במקום כלשהו, מבקשים ממני לשאת הרצאה על תחזיות לעתיד עם כותרת כללית כמו "העתיד של הבינה המלאכותית." אני לא מתכוון לדבר על העתיד של הבינה המלאכותית. במקום זאת, אדבר על העתיד שלכם. העתיד שלכם מעניין אותי יותר, וכנראה שהוא מעניין יותר גם אתכם.

ראשית, קצת על העבר. קיימברידג׳ היא המקום המושלם לדבר על העבר ובאותו הזמן על העתיד שלכם, כי יש בה את שניהם.

כפי שמספרים, מה שאנחנו מכנים היום מערכת ביקורת העמיתים הומצא כאן בקיימברידג׳. האמת המדויקת היא שמדובר רק בפרופסור מקיימברידג׳, והוא הציע אותה בחברה המלכותית של לונדון, לא כאן באוניברסיטה. זה היה ב-1831. כיום מתפרסמים מדי שנה יותר מ-3.5 מיליון מאמרים מדעיים במסגרת מערכת ביקורת העמיתים.

כ-160 שנה מאוחר יותר, שני דוקטורנטים בסטנפורד עבדו על מבני רשתות וכריית נתונים. זה היה כשבום האינטרנט של שנות ה-90 רק התחיל. כולם דיברו רק על ה-World Wide Web. בערך כמו על "בינה מלאכותית" היום.

גם אז, כמו היום, רוב האנשים שדיברו על הבום היו משקיעים ואנשי תקשורת. "קהילת הטכנולוגיה" של אז הייתה תעשיית הטלקומוניקציה. לא היו הרבה אנשי אקדמיה בדיון. (היו כמה, אבל לא הרבה). ושני הדוקטורנטים האלה לא בדיוק היו אנשי פנים של בום האינטרנט.

אבל הם ידעו דבר אחד שלאנשים מחוץ למערכת האוניברסיטאית לא ממש היה אכפת ממנו.

כמו רוב אנשי האקדמיה, הם הבינו את מטרתה של האוניברסיטה. מטרתה של האוניברסיטה היא לקדם את הידע.

זו הסיבה שאנחנו משתמשים בביקורת עמיתים. זו גם הסיבה שבכתיבה אקדמית יש כל כך הרבה ציטוטים. ושני הסטודנטים האלה ידעו שכמות הידע בעולם (כפי שהיא נמדדת לפי מספר המאמרים ברמה של ביקורת עמיתים) רק גדלה. כך שהיה להם קל לראות שגם הרשת רק תגדל יחד עם הידע האנושי.

היה להם גם ניסיון עם בעיה ישנה שהייתה "חדשה" לרשת: איך למצוא את הידע הנכון, או את הידע הטוב ביותר, אם הוא מתרחב כל הזמן. במודל הישן, אנשי אקדמיה שופטים אם המחקר של מישהו שימושי או אמין על סמך מספר הפעמים שהוא צוטט.

אז עלה בדעתם רעיון לבנות אלגוריתם שמעריך כל אתר באינטרנט לפי מספר האתרים האחרים שציטטו אותו, או קישרו אליו, ביחס לתוכן של אותם אתרים.

הם קראו למערכת "Page Rank", כי הם דירגו כל דף ברשת וכי לאחד מהדוקטורנטים האלה קראו לארי פייג׳.

לארי ושותפו (סרגיי ברין) לקחו את העיקרון האקדמי הקטן הזה והנגישו אותו לקהל הרחב. Google הפכה לאחד הכלים השימושיים ביותר בהיסטוריה, ולאחד העסקים המצליחים ביותר, כי לארי פייג׳ פשוט התאים את מה שאוניברסיטאות עושות כבר מאה שנה.

כפי שאמרתי, מטרתה של האוניברסיטה היא לקדם את הידע. בהרצאה הזו אספר לכם שלושה דברים על ידע. אני מקווה שנגיע להבנה מעשית טובה יותר של בינה מלאכותית אם נחשוב על כמה היבטים של הבינה שלנו עצמנו.

1.

ראשית, לידע יש חיים. הוא נולד, הוא דועך, והוא מת.

יש לו מחזור חיים. ומכיוון שיש לו מחזור חיים, הידע עובר אבולוציה.

ככל שמה שאנחנו יודעים מתפתח, כולנו נעשים חכמים יותר. זה נקרא אפקט פלין. אפקט פלין הוא התצפית שלפיה האנושות נעשית חכמה יותר בכ-3 נקודות IQ בכל עשור.

מבחני IQ מתוקננים מחדש כל הזמן כך שהממוצע יישאר 100, ולכן דרך פשוטה לחשוב על אפקט פלין היא במונחים של אחוזונים. ב-1950, מי שהיה באחוזון ה-92 של האינטליגנציה היה נמצא היום רק באחוזון ה-50. כולנו נעשינו חכמים יותר.

1950 היא גם השנה שבה הומצא מבחן טיורינג. זה היה המבחן הראשון שנועד לקבוע אם ומתי מכונה חכמה יותר מבני אדם. המשמעות היא שבשנת 1950 היה הרבה יותר קל למכונה לעבור את מבחן טיורינג. כי הרף לבינה "אנושית" היה נמוך יותר.

וזה כוחה של האבולוציה. ידע תמיד מוביל לעוד ידע.

החיסרון הוא שהעולם יכול להיעשות חכם יותר, אבל אתם כאנשים פרטיים יכולים להיעשות טיפשים יותר. ידע דועך. חשבו על זה כמו על זמן מחצית חיים. זמן מחצית החיים של יסוד רדיואקטיבי הוא משך הזמן שלוקח למחציתו לדעוך. זמן מחצית החיים של ידע הוא משך הזמן שלוקח למחציתו להתיישן.

הנה כמה דוגמאות, מכאן, מקיימברידג׳.

ב-1978, סר רוי קאלן סייע להכניס את הציקלוספורין לשימוש בהשתלות. הייתה לכך חשיבות רבה במניעת דחיית איברים. הניסויים הקליניים הראשונים נערכו בקיימברידג׳. עד 2001, תרופה אחרת, טקרולימוס, הפכה לטיפול המוביל בקטגוריה שלה בהשתלות כליה בארצות הברית. כך שאפשר לומר שלידע הרפואי על הטיפול בציקלוספורין היה זמן מחצית חיים של 23 שנה.

זו מדידה לא מושלמת, אבל זה מודל שימושי להערכת מהנדסים בתחומים שמתפתחים במהירות. אנחנו עושים את זה בעולם הטכנולוגיה. המשמעות היא, "באיזה שלב בקריירה של המהנדס הזה מחצית ממה שהוא יודע מתיישנת לגמרי?"

באיזה שלב בקריירה שלכם זה יקרה לכם? התשובה תלויה בכמה זמן אתם מקדישים ללמידת דברים חדשים.

למרבה הצער, במקרים נדירים גם ידע מת. יש שפות שלא נותר להן אף דובר. יש חוכמה שמתה יחד עם אדם זקן.

זו הסיבה שבמשך יותר מ-4,000 שנה בני האדם בנו ספריות. וכשהגיעה הרשת, העלינו אליה כמויות גדולות לאין שיעור ממה שאנחנו יודעים. אז ידע מת, אבל הוא לא חייב למות. אולי כהיבט מולד של המצב האנושי, אנשים חשו דחף לשמר ידע. אנחנו שומרים אותו כל הזמן, ומגדילים את סך הידע בעולם. זה דבר טוב.

עליי לציין: ידע הוא כמו יצור חי, אבל הוא אינו חי. רק אתם חיים. אני פשוט חושב שאתם חיים יותר כשאתם לומדים משהו חדש.

זו הסיבה ש-Perplexity קיימת, אגב. אבל לא באתי לדבר על Perplexity. באתי לדבר עליכם, ועל כלכלת הידע. מה שמביא אותי לנקודה השנייה שלי.

2.

שנית, ידע אינו כסף. אבל הוא מתנהג כמו כסף.

לכסף יש ערך זמן. הריבית גורמת לו לגדול, והאינפלציה גורמת לו להתכווץ. עם מספיק זמן, גם הריבית וגם האינפלציה מצטברות כריבית דריבית.

כשלמאה אלף ליש״ט יהיה כוח קנייה של ארבעים אלף (כנראה בעוד כ-23 שנה), תצטרכו £250,000 כדי לא להפסיד. עוד 23 שנה אחרי זה, ותצטרכו £625,000.

כשדברים מצטברים בריבית דריבית, הרווחים או ההפסדים גדלים באופן מעריכי עם הזמן.

זו הסיבה שהעיקרון הפיננסי הבסיסי ביותר הוא שתמיד כדאי לצבור ריבית דריבית בשיעור גבוה מהאינפלציה. כי אם אתם לא גדלים, אתם מתכווצים. כך גם עם ידע.

בדיוק כמו ערכה של הלירה שטרלינג, הערך של מה שאתם יודעים היום יפחת עם הזמן. ובדיוק כמו פחת רגיל, זה יקרה רק במידה קטנה בכל יום. זה יהיה כל כך מעט שכמעט לא תשימו לב. עד שיום אחד תתעוררו ולא יהיה לכם כלום. לידע שלכם כבר לא יהיה אותו ערך שוק. זה בלתי נמנע. זכרו, משפט פיתגורס היה פעם משהו שרק לאליטות הותר לדעת. אבל כל מי שנמצא כאן למד אותו בכיתה ז׳.

כולנו נעשים חכמים יותר, לנצח. כפי שציינתי, זו כל מטרתה של האוניברסיטה. עם קצת מזל, יום אחד בעתיד הרחוק, מה שלמדתם כאן בקיימברידג׳ אולי יהיה תוכנית הלימודים של תלמידי כיתה ז׳.

זה דבר טוב אם זה קורה. המשמעות היא התקדמות. אבל המשמעות היא גם שהיעדים הכלכליים שלכם מחייבים אתכם לעולם לא להפסיק ללמוד. עליכם ללמוד בשיעור ריבית גבוה משיעור האינפלציה של הידע.

במילים אחרות, עליכם להכפיל את מה שאתם יודעים בקצב מהיר יותר מזמן מחצית החיים של הידע שלכם. זה לוקח זמן. אבל כשמתבוננים בעולם דרך העדשה של ריבית דריבית, צריך להסתכל עליו בראייה ארוכת טווח.

זו הסיבה שהטריק הטוב ביותר להגדלת העושר שלכם בריבית דריבית הוא להתחיל צעירים, והדרך השנייה הטובה ביותר היא למות זקנים. וורן באפט התחיל להשקיע בגיל 11, אבל 99% מהעושר שלו נצבר אחרי גיל 65.

מה שמרמז על הדמיון האחרון בין ידע לכסף. צריך להוציא אותו.

כשיש לכם הון, אתם מפעילים אותו כדי שיעבוד בשבילכם. כשיש לכם ידע, ובמיוחד ידע יוצא דופן, כדאי שתרתמו אותו לעבודה. עשו איתו משהו. זה ההבדל בין המצאה לחדשנות. המצאה שואלת "האם יצרת משהו?" חדשנות שואלת, "האם זה חולל שינוי?"

ואם אתם רוצים לחולל שינוי, עליכם לפעול על בסיס הידע. רק פעולה מעוררת שאלות חדשות, חקירה וידע חדש. עליכם תמיד ללמוד, ותמיד לעשות.

כאן נכנסת לתמונה הבינה המלאכותית, וזה מוביל אותי לנקודה השלישית והאחרונה שלי.

3.

מטרת הבינה המלאכותית היא להאיץ את הידע והשגשוג של האנושות.

חשבו על שני הדברים הראשונים שאמרתי הערב. אמרתי שהידע דמוי חיים באופיו, ושעלינו לטפח אותו ולקדם אותו, כי באופן כללי אנשים מרוויחים מכך. אחר כך אמרתי שלידע יש אופי כלכלי. שעלינו לפתח אותו, כי באופן כללי, כל האנשים מרוויחים מכך.

אם אתם מאמינים בשני הדברים האלה, אתם צריכים גם לחשוב על בינה מלאכותית באופן קצת שונה.

במקום להיות אובססיביים להשגת AGI או להפיכת הטכנולוגיה לחכמה לשם הטכנולוגיה עצמה, הייתם מסיקים שהסיבה לבנות בינה מלאכותית טובה ומדויקת יותר היא לשרת אנשים.

הייתם מסיקים שהמטרה הנעלה והחשובה ביותר של הבינה המלאכותית היא להפוך אנשים לחכמים ומשגשגים יותר.

אם זה נשמע מאוד כמו מטרתה של האוניברסיטה, ובכן, הנה אנחנו כאן.

חשבו שוב על ביקורת עמיתים. היא הומצאה ב-1831. השנה Perplexity השיקה מוצר פשוט מאוד בשם Model Council, המבוסס על רעיון שהעלה אחד החוקרים המייסדים של OpenAI. אתם שואלים שלושה מודלים של בינה מלאכותית את אותה שאלה. כל אחד מהם חוקר ועונה, ואז מודל "יושב ראש" בוחן היכן הם חלוקים והיכן הם מסכימים, ומגבש תשובה סופית מנומקת.

Model Council לא מחליף את ביקורת העמיתים. במקום זאת, מטרתו היא להביא את רוח החקירה האקדמית לאנשים רבים יותר. אנחנו יכולים להרחיב את האתוס של האוניברסיטה אל מעבר לחומות האלה, ולכל רחבי העולם.

נוכל לעזור ליותר אנשים לצדוק באמת, ולא רק להרגיש צודקים או להישמע צודקים. לחתור באופן מדעי אל האמת ואל הידע. קשת היקום נוטה לכך שלכל אחד תהיה יותר גישה ליותר ידע. טוב שיש לאנשים ידע. והאנשים הם אלה שמרוויחים מכך.

אסיים בסיפור קצר על החברה שלי.

כשהתחלנו, היינו רק שלושה חוקרי בינה מלאכותית, עם יותר שאלות מחזון. ואז, כשהצטרף האדם הרביעי, החלטנו שהגיע הזמן לעשות ביטוח בריאות. ביטוח בריאות באמריקה מסובך אפילו לאמריקאים. אני לא מאמריקה, אז בשבילי זה היה מבלבל עוד יותר.

תוצאות החיפוש ב-Google לא עזרו. והדבר הרגיל שמייסד עושה במקרה כזה הוא להתקשר למישהו שכבר עשה את זה. כמו משקיע, או מייסד אחר. אבל היה מאוחר בלילה. רציתי לסיים עם זה, אז הייתי צריך למצוא את הידע בעצמי.

הבעיה היא שלעשות את המחקר בעצמך פירושו לחפש ב-Google באתרי ביטוח שעברו אופטימיזציה ל-SEO, שכולם מציעים עצות גרועות ומתחרים ביניהם מי ייראה הכי אמין.

זה היה הרגע שבו בניתי את הגרסה הראשונה של Perplexity.

זה עשה את המחקר בשבילי. ודאגתי שזה יצטט מקורות לתשובות. כך יכולתי לאמת, ולהמשיך לשאול עוד שאלות. ואז סידרתי את ביטוח הבריאות שלנו. הבעיה נפתרה. הלאה לבעיה הבאה. ולבעיה שאחריה, ולזו שאחריה. והנה אנחנו כאן היום.

המוסר השכל של הסיפור הזה הוא שאתם כבר לא צריכים "להכיר מישהו". אתם יכולים פשוט ללמוד דברים ולעשות אותם. כבר אמרתי לכם שההבטחה של הבינה המלאכותית היא שתוכלו לגשת לכל ידע. המוסר השכל של הסיפור הזה הוא שכל אדם יכול לגשת לכל ידע.

זו ההבטחה האולטימטיבית של הבינה המלאכותית. כל אחד יכול עכשיו להיות סקרן. כל אחד יכול לבנות כל דבר. כל אחד יכול עכשיו להיכנס להיכל הידע. וזה מועיל לכולם.

וזו בשורה טובה עבורכם. המשמעות היא שהדבר החשוב ביותר שתוכלו לעשות, למשך כל חייכם, הוא להיות סקרנים. המצליחים ביותר מביניכם יהיו אלה שיש להם הכי הרבה שאלות. והשאלות הטובות ביותר.

אז העצה שלי אליכם היא להיות סקרנים ככל שתוכלו. אל תסתפקו בגלילה ברשתות החברתיות בטלפון. אל תסתפקו בסוכן בינה מלאכותית שרק מזמין לכם שולחן במסעדה – עשו איתו עבודה אמיתית. ולעולם אל תאמינו לצ׳אטבוט שאומר לכם שאתם כבר צודקים.

האמינו ברוח החקירה. האמינו במה שתוכלו ללמוד עם בינה מלאכותית. האמינו במה שתיצרו כשתעשו זאת. ולמען כולנו, עשו את זה טוב.

תודה.