מילון ה-AI לכל אחד: המדריך למי שמרגיש שכולם מבינים חוץ ממנו

אם אתם מרגישים שכל העולם מדבר על AI ואתם היחידים שלא לגמרי מבינים על מה מדובר, קחו רגע ונשמו, כי אתם ממש לא לבד ואתם ממש לא מאחרים. זו הנקודה שאני רוצה להתחיל ממנה, כי היא הכי חשובה. המילון הזה נכתב בשביל מי שאף פעם לא נגע ב-AI, מרגיש שהעולם רץ קדימה בלעדיו, וקצת מתבייש לשאול "רגע, מה זה בעצם הדבר הזה?".

בואו נפרק את זה לאט, בעברית פשוטה, בלי מילים גדולות ובלי להתבייש. אין פה שאלות טיפשיות, יש רק מונחים שעדיין לא הסבירו לנו כמו שצריך.

קודם כל, מה זה בכלל AI ומה זה LLM

נתחיל מהבסיס ממש. AI, בינה מלאכותית, הוא פשוט תוכנה שלמדה לזהות דפוסים מתוך המון דוגמאות, כדי לעשות דברים שפעם רק בני אדם ידעו לעשות, כמו להבין שפה, לכתוב, או לזהות מה יש בתמונה. זה לא רובוט מהסרטים וזו לא תודעה. זו מכונה שראתה כל כך הרבה דוגמאות, שהיא לומדת לנחש מה הדבר ההגיוני הבא.

והכלי שכולם מדברים עליו נקרא LLM. מודל שפה גדול, באנגלית Large Language Model או בקיצור LLM, הוא סוג של AI שקרא כמות עצומה של טקסט מהאינטרנט ולמד ממנו איך שפה עובדת, ולכן הוא יודע לכתוב, לסכם, לתרגם ולענות לנו. תחשבו על זה כמו על מישהו שקרא כמעט כל ספר, כתבה ופורום שקיימים, וכל פעם שאנחנו שואלים אותו משהו, הוא מנחש את התשובה הכי סבירה, מילה אחרי מילה. ChatGPT, Claude ו-Gemini, כולם LLM.

ג'ן AI: כשהמכונה גם יוצרת, טקסט, תמונה, קול ווידאו

עכשיו מונח שנשמע בכל פינה. ג'ן AI, קיצור של Generative AI, בינה מלאכותית יוצרת, זה כל AI שלא רק מזהה או מסווג, אלא מייצר משהו חדש: פסקה, תמונה, שיר או סרטון. ההבדל פשוט: פעם המחשב ידע לחפש לנו תמונה קיימת, היום הוא יודע לצייר לנו תמונה שמעולם לא הייתה קיימת.

וזה קורה בארבעה עולמות שכדאי להכיר. הראשון הוא טקסט, שכותב לנו מייל, מסכם מסמך ומנסח הודעה.

השני הוא תמונה, שמייצר איור, לוגו או תמונת מוצר מתוך משפט שכתבנו, למשל "חתול אסטרונאוט בסגנון ציור שמן". השלישי הוא קול, שהופך טקסט לקול אנושי, מקריא לנו ספר או מייצר קריינות לפודקאסט. והרביעי הוא וידאו, שמייצר סרטון קצר מתוך תיאור, בלי מצלמה ובלי צוות. הקטע המדליק הוא שכל אלה עובדים באותו אופן: אנחנו מתארים במילים מה אנחנו רוצים, והמכונה מייצרת.

פרומפט וטוקן: שתי המילים שכדאי להכיר

יש שתי מילים שנשמע כל הזמן, ושתיהן פשוטות. פרומפט, באנגלית prompt, הוא פשוט מה שאנחנו כותבים או מבקשים מה-AI. זהו. ההוראה, השאלה, הבקשה. "תכתוב לי הודעת יום הולדת לאמא", זה פרומפט. אין פה שום קסם, זו רק מילה מפוצצת ל"הבקשה שלנו".

והמילה השנייה היא טוקן. טוקן, באנגלית token, הוא פיסת טקסט קטנה, בערך חלק ממילה, והמכונה קוראת וכותבת בפיסות האלה במקום באותיות שלמות. למה זה מעניין אותנו? כי לפי כמות הטוקנים נמדד גם המחיר וגם כמה טקסט המכונה יכולה להחזיק בראש בבת אחת. במקום להסביר, בואו פשוט נראה: הקלידו משפט בעברית או באנגלית, ותראו איך הוא מתפרק לטוקנים.

אז למה בכלל ללמוד את זה, ולא בגלל אפקט העדר

עכשיו לשאלה החשובה באמת. יש הרבה רעש, והרבה אנשים ניגשים ל-AI רק כי כולם מסביב עושים את זה, אפקט העדר. אבל בעיניי הסיבה האמיתית אחרת לגמרי, ויש לה הוכחות. במחקרים מבוקרים, שבהם חילקו אנשים באקראי לקבוצה עם AI ולקבוצה בלי, מי שקיבל AI סיים משימות אמיתיות הרבה יותר מהר ובאיכות גבוהה יותר.

תראו את המספרים, כולם ממחקרים אמיתיים:

וכאן הפרט שהכי אוהב אותנו: בכל אחד מהמחקרים האלה, דווקא המתחילים והפחות מנוסים הרוויחו הכי הרבה. כלומר, אם אתם מרגישים שאתם "מאחור", אתם בדיוק אלה שיש להם הכי הרבה מה להרוויח. זו לא סיסמה של נחמה, זו תוצאה שחוזרת שוב ושוב במחקר אחרי מחקר.

וזו גם הסיבה שזו לא אופנה חולפת. תראו כמה מהר זה נהיה חלק מהחיים:

כשמשהו נהיה הכלי שהכי מהר בהיסטוריה הגיע למיליארד אנשים, זה כבר לא טרנד, זו תשתית, כמו שהאינטרנט והסמארטפון היו בזמנם.

איפה זה עוזר לנו כבר מחר בבוקר

בואו נרד לקרקע, כי פה זה נהיה מוחשי. הנה שימושים שכל אחד יכול לעשות היום, גם הברורים וגם הפחות ברורים. בכתיבה וניסוח: הודעה עדינה לשכן, מכתב רשמי לעירייה, או פוסט לפייסבוק, אנחנו כותבים שתי שורות וה-AI מנסח. בסיכום: מדביקים מאמר ארוך או תמלול פגישה ומבקשים "תסכם לי בחמש נקודות". בתרגום והסבר: "תסביר לי את המכתב הזה מהבנק במילים פשוטות", או "תתרגם לי את זה לאנגלית מנומסת".

והנה השימושים הפחות ברורים, שמפתיעים אנשים. מצלמים חשבונית, קבלה או תפריט, ומבקשים "תוציא לי מזה טבלה" או "כמה שילמתי על כל פריט", וה-AI קורא את התמונה ומחלץ את הנתונים. מעלים חוזה ביטוח או מסמך פנסיה בן עשרות עמודים ושואלים "מה הכיסוי שלי במקרה של תאונה?" במקום לחפש שעה. או פשוט לומדים: "תלמד אותי מה זה ריבית דריבית עם דוגמה מהחיים", בקצב שלנו, בלי להתבייש. כל אלה לא דורשים שום ידע טכני, רק לכתוב בשפה חופשית מה אנחנו רוצים. (למי שרוצה להעמיק, כתבתי גם מדריך למתקדמים שנכנס לשימושים כבדים יותר: לחבר AI למיילים, לנתח קמפיינים, ואפילו לבנות אפליקציה.)

מה AI לא יודע, וזה בסדר גמור לא לדעת

חשוב שנכיר גם את הגבולות, כי דווקא זה מה שהופך אותנו למשתמשים חכמים. לפעמים AI פשוט ממציא: הוא כותב בביטחון מלא תשובה שנשמעת נכון אבל פשוט אינה נכונה, וקוראים לזה "הזיה", באנגלית hallucination. זה קורה כי הוא מנחש את ההמשך ההגיוני, ולפעמים הניחוש שגוי. לכן בכל דבר חשוב, עובדה, תאריך, מספר או סעיף חוקי, תמיד נבדוק שוב.

וכאן המסר הכי חשוב שלי אליכם. אף אחד לא נולד "מבין ב-AI", וכולנו, כולל אנשי הטכנולוגיה, לומדים תוך כדי תנועה. מי שגורם לכם להרגיש טיפשים על שאלה, הוא זה שלא הבין את הנושא מספיק טוב כדי להסביר אותו בפשטות. בואו נהיה החבורה שעוזרת, לא זו שמזלזלת. אז בואו נבחן את עצמנו, בלי שום לחץ:

הצעד הראשון שלכם, ממש עכשיו

מספיק עם תיאוריה, בואו נתחיל. הנה שלושה צעדים פשוטים לשיחה הראשונה שלכם:

שורה תחתונה, ובעיניי

אז בקצרה: AI הוא מכונה שלמדה דפוסים מהמון דוגמאות; LLM הוא כזה שמתמחה בשפה; וג'ן AI הוא כשהוא יוצר לנו טקסט, תמונה, קול או וידאו, הכול מתוך בקשה פשוטה שאנחנו כותבים במילים שלנו. המחיר והזיכרון נמדדים בטוקנים, ולפעמים הוא טועה בביטחון, אז על דברים חשובים נבדוק.

בעיניי, הדבר הכי חשוב הוא לא לזכור את כל המונחים, אלא פשוט להתחיל לשחק. אין פה מבחן, אין פה "נכשלת", ואין שאלה מביכה מדי. המגבלה היחידה, וזה הוגן לומר: הכלים האלה מרשימים אבל לא מושלמים, הם טועים, והם לא מחליפים שיקול דעת אנושי, הם מגבירים אותו.

אז השאלה שאני משאיר אתכם איתה: אם דווקא מי שמרגיש הכי "מאחור" הוא זה שירוויח הכי הרבה, מהי אותה משימה קטנה ומעצבנת מהיום שלכם שהייתם הכי שמחים שמישהו פשוט יעשה במקומכם?