פעם בשבוע אני עומד מול מצלמה בחדשות 12, ויש לי בערך 90 שניות להסביר משהו ש-30 חוקרים כתבו עליו מאמר של 40 עמודים. אין סליידים, אין אפשרות לעצור ולחזור, ואין נחיתה רכה — או שהצופה ב-23:40 מבין, או שהוא מחליף ערוץ. היכולת לדחוס מושג מורכב למשפט אחד היא לא "כישרון של שדרן" — היא מיומנות הנדסית שאפשר ללמוד, וזה בדיוק מה שנפרק כאן.
תקשורת
להסביר AI בטלוויזיה: איך מתרגמים מושג מורכב למשפט אחד
השיטה שאני מפעיל בפינת ה-AI בחדשות 12 — מסגרת בארבעה שלבים שתעבוד לכם בדיוק אותו דבר בישיבת צוות, בפגישה עם לקוח, ובהורים בשבת.
מאת Yuval Avidaniקריאה בת 5 דק׳
קודם כל, מה זה בכלל "מושג מורכב"? בהקשר שלנו, זה כל דבר שמורכב מכמה רכיבים שתלויים אחד בשני, כך שאי אפשר להבין אחד מהם בלי להחזיק בראש את כל השאר. דוגמה: "מודל שפה" (Large Language Model — תוכנה שאומנה לנחש את המילה הבאה על פני כמות עצומה של טקסט) מורכב מכמה חלקים שכל אחד מהם מושג בפני עצמו: "אימון" (התהליך שבו התוכנה רואה מיליוני דוגמאות וכוונת את עצמה), "פרמטרים" (המספרים הפנימיים שהתוכנה מכווננת באימון — אפשר לחשוב עליהם כמו מיליארדי ידיות עוצמה זעירות), ו"הסקה" (Inference — הרגע שבו התוכנה כבר מאומנת ואתה שולח לה שאלה ומקבל תשובה). אם אזכיר את כולם במשפט אחד — איבדתי את הצופה. המטרה היא לא לדייק על כל הרכיבים, אלא לבחור את הרכיב האחד שבלעדיו אי אפשר.
למה משפט אחד, ולא חמישה?
יש סיבה פיזיולוגית, לא סגנונית. לזיכרון העבודה של המוח האנושי — החלק שמחזיק מידע "פתוח" בזמן אמת, כמו מספר טלפון שאתה זוכר לרגע עד שאתה מחייג — יש קיבולת של בערך 3 עד 5 פריטים בו-זמנית. כשאתה זורק שישה מושגים חדשים במשפט, אתה מבקש מהצופה להחזיק שישה דברים פתוחים בראש בלי דף לכתוב עליו — וזה פשוט נשפך. למה זה קורה? כי בניגוד לקריאה, בטלוויזיה אי אפשר "לחזור שורה אחורה". המידע עובר פעם אחת, במהירות, וכל מילה לא-מובנת היא חור שדרכו כל המשפט מאחריה דולף.
לכן הכלל הראשון: רכיב אחד מרכזי בכל משפט. לא כי קצר זה יפה — אלא כי זו הקיבולת הפיזית של המאזין.
הכלי המרכזי: המשל (Analogy)
משל הוא לקיחת משהו שהצופה כבר מבין, והצמדתו למשהו שהוא לא מבין, כך שהמבנה המוכר "נשפך" אל החדש. למה זה עובד? כי המוח לא מאחסן מושגים חדשים בחלל ריק — הוא תולה אותם על מושגים קיימים. כשאני אומר ש"מודל שפה הוא משלים-אוטומטי על סטרואידים", הצופה כבר מכיר את ההשלמה האוטומטית בווטסאפ — אותה הצעה של המילה הבאה שקופצת מעל המקלדת. אני לא בונה הבנה מאפס — אני מרחיב הבנה קיימת. משל טוב חוסך שלושה משפטי הסבר, כי הוא מעביר את המבנה ולא רק את העובדה.
אבל יש מלכודת, וחשוב שתכיר אותה: כל משל גם משקר במשהו. "משלים-אוטומטי על סטרואידים" מפספס שהמודל לא רק מנחש מילה אלא בונה הקשר ארוך. הטריק הוא לבחור משל ש"משקר" בדיוק בנקודה שלא חשובה לסיפור הנוכחי. אם הסיפור הוא על שגיאות של AI — המשל הזה מצוין, כי הוא מסביר למה המודל "ממציא": הוא משלים את ההמשך הסביר ביותר, לא את האמת. אם הסיפור הוא על יכולת חשיבה — המשל הזה גרוע ואצטרך אחר.
הטכניקה: "סולם ההפשטה" — לרדת מדרגה אחת בכל פעם
הנה תהליך מעשי שאני מריץ בראש לפני כל הופעה. קוראים לזה "סולם הפשטה" כי כל שלב הוא מדרגה אחת קרובה יותר לחיים של הצופה, ורחוקה יותר מהז'רגון (Jargon — שפה מקצועית פנימית שמובנת רק לאנשי התחום). הכלל הברזל: לעולם אל תרד יותר ממדרגה אחת בבת אחת — קפיצה מ"רשת נוירונים" ל"קסם" מאבדת אמינות.
שלוש מלכודות שהורגות הסבר טוב
מלכודת קללת הידע (Curse of Knowledge): ברגע שאתה מבין משהו לעומק, קשה לך לדמיין איך זה להיות מי שלא מבין. אתה מדלג על הצעד שנראה לך "מובן מאליו" — אבל הוא בדיוק הצעד החסר לצופה. הפתרון: לפני כל הופעה אני מקריא את המשפט לאדם אחד שלא בתחום, ושותק. אם הוא היסס לרגע — המשפט נכשל.
מלכודת הדיוק על חשבון ההבנה: מומחים מפחדים "לשקר", אז הם מוסיפים סייגים: "ובכן, זה לא בדיוק כך, כי בפועל יש שכבת attention ש...". כל סייג כזה הוא רכיב נוסף שתופס מקום בזיכרון העבודה — ובזיכרון העבודה, כפי שראינו רגע קודם, יש מקום לשלושה עד חמישה פריטים בלבד. בטלוויזיה, דיוק של 80% שנקלט שווה אינסוף יותר מדיוק של 100% שאף אחד לא הבין. הסייגים שייכים למאמר, לא למשפט.
מלכודת המילה הלועזית הלא-מתורגמת: אם אמרת "אלגוריתם", "טוקן" או "אינפרנס" בלי להצמיד מיד תרגום בחיים האמיתיים — פתחת חור. הכלל: מילה טכנית מותרת רק אם מיד אחריה בא "כלומר" עם דוגמה. "טוקן — כלומר פיסת מילה, בערך הברה, שזו היחידה שהמודל קורא בה את הטקסט."
איך נראה התהליך בפועל — דוגמה מלאה
נניח שביקשו ממני להסביר ב-15 שניות מה זה "הזיה" של AI (Hallucination — כשהמודל ממציא עובדה שנשמעת בטוחה אבל לא נכונה). הגרסה הגרועה: "המודל מייצר פלט שאינו מעוגן בנתוני האימון עקב הסתברות גבוהה לרצף לקסיקלי שגוי." נכון? לגמרי. שמיש? אפס.
הגרסה שעובדת: "המודל הזה הוא לא ספר עובדות — הוא תלמיד שתמיד עונה בביטחון, גם כשהוא לא יודע. לכן לפעמים הוא ממציא תשובה שנשמעת מצוין, אבל פשוט לא קרתה." שים לב מה קרה: לקחתי מושג שכולם מכירים (תלמיד שמבלף בביטחון במבחן), הצמדתי, ירדתי מדרגה אחת בלבד, נתתי את ה"למה" (הוא בנוי לענות, לא לבדוק), ואפס ז'רגון. זה משפט אחד שנקלט בנסיעה.
הבדיקה האחרונה לפני שאתה פותח פה
לפני שאני אומר משפט במצלמה, אני שואל שלוש שאלות. האם הצופה מכיר את כל המילים? אם לא — תרגם. האם יש פה רכיב אחד מרכזי, או ניסיתי לדחוס שלושה? אם שלושה — תזרוק שניים, הם יחכו למשפט הבא. האם נתתי את ה"למה", או רק קבעתי עובדה? "AI ממציא דברים" זו עובדה מתסכלת; "AI ממציא דברים כי הוא בנוי לענות ולא לבדוק" זה הסבר שנשאר.
זה לא קסם של אנשי טלוויזיה. זו הנדסה: רכיב אחד, משל שמשקר במקום הנכון, מדרגה אחת בכל פעם, וה"למה" תמיד. בואו נטוס גבוה — אבל נדאג שכולם על המטוס.
אמ;לק
5 הדברים שצריך לדעת
לפני כל הסבר מוצאים את הסיבה שזה נוגע בחיים של מי שמקשיב — אחרת זו רק טכנולוגיה מופשטת שאף אחד לא יזכור.
דימוי מוכר (כמו השלמה אוטומטית בטלפון) מאפשר למוח להיתלות על משהו לפני שמתחילים לדייק.
בוחרים את המשפט היחיד שהמאזין חייב לזכור, ומוותרים על כל השאר — דחיסה של הכול הורגת זכירה.
תמיד מוסיפים מה הכלי לא עושה. בלי זה אתם משווקים ולא מסבירים — והאמון נבנה דווקא מהכנות.
תרגום מורכבות לבהירות חשוב היום בכל פגישה, מצגת ושיחה עם לקוח — לא פחות מהיכולת לבנות.
פניות תקשורת
לראיונות, שיתופי פעולה והרצאות — נשמח לדבר.
