פרופסור Terrence Sejnowski זכה בפרס המוח בשנת 2024, יחד עם הפרופסורים Larry Abbott ו-Haim Sompolinsky, "על מחקרם המכונן במדעי המוח החישוביים והתיאורטיים".

"פרס המוח" הוא פרס בין-לאומי שמעלה על נס פריצות דרך מקוריות וחדשניות בכל תחומי חקר המוח, ממדעי המוח הבסיסיים ועד למחקר קליני יישומי. מאז היווסדו בשנת 2011 ועד שנת 2025, הוענק פרס המוח ל-49 מדענים מ-11 מדינות.

החישוב נמצא בכל מקום

מה המילה "חישוב" אומרת לכם? שימוש באצבעות כדי לספור? פתרון בעיות במתמטיקה? או אולי אתם חושבים על מה שמַחְשבים עושים כשאנו נותנים להם משימות?

עבורי ועבור עמיתיי, "חישוב" פירושו כל הדברים הללו – ועוד הרבה יותר. זהו תהליך שמתרחש בכל מקום סביבנו ובתוכנו, ללא הפסקה. התאים בגוף שלכם פועלים ברגעים אלו ממש, כדי לשמור על בריאותכם ועל האיזון במערכות שבגופכם – איזון מיוחד שנקרא הומאוסטזיס. שמירה על האיזון הזה דורשת פעולות של חישוב: התאים מזהים מולקולות מסוימות, וכך קולטים מידע, מבינים את משמעותו ואז מחליטים מה לעשות – למשל, לייצר הורמונים או לשלוח אותות כימיים. זהו חישוב ברמה הביוכימית, ונעשים חישובים שכאלה בכל הצמחים ובעלי החיים, כל הזמן.

תאי המוח, כמו כל תאי הגוף, מבצעים חישובים מורכבים כדי לשמור על ההומאוסטזיס, כלומר, שמירה על רמות תקינות של רכיבים כמו מלח, חמצן והמוגלובין – כדי שיוכלו לפעול באופן מיטבי (איור 1A). עם זאת, בתאי המוח קורה עוד משהו מיוחד: החישוב שנעשה בהם מתרחש גם באמצעות אותות חשמליים.

לדוגמה, בואו נבחן כיצד אתם רואים: כשאור פוגע ברשתית שלכם (החלק האחורי של העין), היא הופכת את האור לאותות חשמליים, שמגיעים במהירות למוח. ההמרה הזאת היא פעולה של חישוב. לאחר מכן, המוח מעבד את האותות החשמליים האלה בעזרת חישוב שעושים תאי מוח נוספים, שבתורם מייצרים אותות חשמליים ומעבירים אותם. השילוב של כל החישובים החשמליים האלה מאפשר לכם להבין במה אתם מביטים – למשל, בפרח סגול.

במובן הכללי ביותר, החישוב פועל כמו פונקציה – הוא מקבל קלט, משנה אותו ומפיק פלט. זוהי המרה מתמטית מקלט לפלט. המוח שלכם מבצע את ההמרות הללו באמצעות אותות חשמליים וכימיים שנעים דרך תאי מוח. במחשבים מתרחש דבר דומה באמצעות מעבר של אותות חשמליים בשבבי סיליקון (איור 1B). על אף שמחשבים ומוחות נבדלים בפרטי החישובים המתבצעים בהם, הם פועלים לפי עקרונות בסיסיים דומים. בתור מדען בתחום מדעי המוח החישוביים, אני משתמש במתמטיקה ובמודלים ממוחשבים כדי להבין את העקרונות הללו – הן כדי להבין כיצד המוח פועל, והן כדי ליצור תוכנות מחשב עוצמתיות שמחקות את האופן שבו המוח מחשב.

למידה במוח ולמידת מכונה

אחת הצורות העוצמתיות ביותר של חישוב היא למידה. למידה היא כוח העל של המוח שלנו. אנו טובים בה כל כך, שאני יכול לומר לכם משהו ואתם יכולים לבצע אותו מיד, כלומר, זה אומר שאתם מצליחים להפוך מילים לפעולות – זוהי למידה בזמן אמת! הלמידה מתרחשת כשאתם זוכרים שמות של אנשים חדשים, כשאתם מפתחים מיומנות חדשה כמו נגינה בפסנתר או משחק טניס, וכשאתם נחשפים לחומרים לימודיים חדשים בכיתה (אם אתם רוצים לדעת איך ללמוד נושאים מאתגרים בצורה טובה יותר, אתם יכולים להירשם לקורס המקוון החינמי שלנו – "לומדים איך ללמוד" [באנגלית]). לא משנה איזה סוג של למידה אתם מבצעים, התוצאה תמיד זהה: הקשרים בין תאי המוח שלכם משתנים. בכל פעם שאתם לומדים, חלק מן הקשרים מתחזקים, ואחרים נחלשים. אבל מה קובע כיצד הקשרים הללו משתנים?

הפונקציה שקובעת כיצד הלמידה משנה את המוח שלכם נקראת אלגוריתם. אתם יכולים לחשוב על אלגוריתמים כעל מתכונים – למשל, איך אופים לחם טעים, או סופלה מוצלח. "מתכוני" הלמידה הללו כוללים הוראות, שֶמּוֹרוֹת לקשרים במוח כיצד להשתנות. מתכון פשוט עשוי לכלול שני שלבים: להחליש את הקשר בין תא 1 לתא 3 ב-20%, ואז לחזק את הקשר בין תא 1 לתא 4 ב-10% (איור 2). במוח שלכם קיימים "מתכוני" למידה מורכבים להפליא, עם אין-ספור שלבים. אלו הם המתכונים – או האלגוריתמים – שעמיתיי ואני מנסים להבין.

בשנות ה-80 של המאה הקודמת, עמיתיי ואני גילינו דרכים חדשות ליצור מכונות לומדות, שמחקות את האופן שבו המוח לומד. בנינו בתוך מחשבים גרסאות דיגיטליות של תאי מוח ושל הקשרים ביניהם, ואז שינינו את הקשרים הללו באמצעות אלגוריתמים של למידה. השם הטכני לסוג כזה של תוכנת מחשב לומדת הוא רשת עצבית מלאכותית (אם תרצו ללמוד עוד על רשתות עצביות מלאכותיות ועל אופן הפעולה שלהן, קראו את המאמר הזה מאת חתן פרס טיורינג, פרופ’ Yann LeCun).

הרשתות העצביות המלאכותיות הן הבסיס לכלי הבינה המלאכותית שאתם אולי מכירים, כמו ChatGPT, ‏Gemini ו-Claude. הרעיון המקורי נולד כבר בשנות ה-40 של המאה הקודמת [1], אבל בשנות ה-80, מנחה הדוקטורט שלי, John Hopfield (שזכה בפרס נובל לפיזיקה לשנת 2024), עזר לעצב את האופן שבו אנו בונים את הרשתות הללו ומשתמשים בהן כיום [2].

John יצר את "רשת הופפילד" – אחת הרשתות העצביות המלאכותיות הראשונות שיכלו לבצע חישוב פשוט של השלמת תבניות. אם הייתם נותנים לה קלט חלקי כמו "ת_ עצ_" עם אותיות חסרות, היא הייתה משלימה את המילה ל"תא עצב".

בעקבות כך, עמיתי Geoffrey Hinton (שזכה בפרס נובל זה יחד עם John Hopfield בשנת 2024) ואנוכי, פיתחנו את מכונת בולצמן [3, 4]. המכונה הזאת היא מעין שדרוג של רשת הופפילד; היא לא רק מזהה תבניות בנתונים, היא גם יוצרת נתונים חדשים. למעשה, מכונת בולצמן יוצרת תבניות חדשות מכיוון שהיא לומדת את החוקים ואת ההסתברויות מאחורי התבניות. אז, המכונה יוצרת צירופים חדשים באופן רנדמולי עד שהם מתאימים לחוקים הנדרשים, מה שיוצר דוגמאות חדשות לחלוטין.

כדי להבין טוב יותר במה מכונת בולצמן מתקדמת יותר מרשתות פשוטות יותר, נבחן משימה שניתנת לעיתים קרובות לרשתות עצביות: זיהוי ספרות בכתב יד.

כדי ללמד רשת עצבית לזהות את הספרה "2" בכתב יד, אנו מזינים לה אלפי דוגמאות של הספרה "2" שנכתבו בידי אנשים רבים. התפקיד של הרשת פשוט: לקבוע האם הקלט מציג את הספרה "2", או לא. הדוגמאות שאנו מזינים למערכת נבדקו קודם לכן בידי בני אדם, שקבעו אם התמונות מכילות את הספרה "2" או לא. כשהרשת מספקת תשובה שגויה, היא משנה את חוזק הקשרים – הנקראים משקלים – בין תאי העצב המלאכותיים שלה, באמצעות אלגוריתם למידה. הדבר קורה שוב ושוב, עד שהרשת עונה נכון כמעט בכל פעם.

בניגוד לרשתות פשוטות יותר, שרק אומרות "כן" או "לא" כששואלים אותן אם מספר מסוים הוא 2, מכונת בולצמן עושה דבר מדהים – היא לומדת את הסגנון של הספרות 2, ויכולה ליצור ספרות 2 חדשות לגמרי שלא ראתה מעולם (איור 3)! לאחר שמזינים לה דוגמאות, היא פועלת באופן עצמאי, ויוצרת באופן אוטומטי דוגמאות חדשות מאותה קטגוריה. חשבו כמה זה מדהים – ליצור באופן אוטומטי פלט חדש לגמרי על סמך דוגמאות מן העבר. האינטליגנציה היצירתית הזאת הפכה לבסיס של כלי הבינה המלאכותית שאנו מכירים כיום.

השותפים האינטליגנטיים החדשים שלנו

כלי הבינה המלאכותית מחוללים מהפכה בעולמנו. בתוך שנים ספורות בלבד, הם השפיעו מהותית על המדע, על הרפואה ועל תרגום שפות. הם אפילו סייעו לערוך את המאמר הזה, כך שיהיה פשוט וברור יותר עבורכם! קשה מאוד לחזות את התפקידים שהבינה המלאכותית תמלא בעתידנו, אבל אני יכול לשתף אתכם בכמה תובנות, על סמך מה שמתרחש כיום.

ראשית, חשבו על הכלים הללו כעל שותפים חדשים, לא כעל איומים. כדי להפיק את המרב מן השותפות הזאת, עלינו ללמוד איך לעבוד איתם, ולהבין מהם היתרונות ומה החולשות שלהם. למעשה, טוב מאוד שלבינה מלאכותית יש יתרונות שונים מאלו של בני האדם – היא עוזרת לנו לעשות את עבודתנו טוב יותר.

דוגמה טובה לכך היא תחום הרפואה. למשל, רופאים שבודקים נגעים בעור כדי לאבחן סרטן מגיעים לדיוק של 92% בניתוח שלהם. תוכנות בינה מלאכותית שאומנו לאותה משימה מגיעות גם הן לדיוק של 92%. עם זאת, כאשר הרופאים משלבים את הבינה המלאכותית בעבודתם, הם מגיעים לדיוק של 98% [5]! הקפיצה הזאת מ-92% ל-98% אולי נראית קטנה, אבל היא עשויה להציל חיים רבים מאוד – והיא מבוססת על שילוב יתרונותיהם של רופאים אנושיים עם אלו של תוכנות מאומנות של בינה מלאכותית.

יש אנשים שלא סומכים על הבינה המלאכותית, מפני שאיננו מבינים בדיוק כיצד היא מגיעה לתשובות. אבל חשבו על כך – האם אנו יודעים כיצד המוח שלנו מגיע לתשובות? בהחלט לא! האופן שבו המוח פועל מסתורי לא פחות מהאופן שבו הבינה המלאכותית פועלת. ההבדל הוא שהבינה המלאכותית פועלת באופן שקוף לחלוטין – אנו יכולים לראות את כל הקלטים שלה ואת הפעילות של תאי העצב המלאכותיים שלה. השקיפות הזאת מאפשרת למתמטיקאים לחקור את תהליך החישוב שמתרחש ברשתות הללו, ואת האופן שבו הן מייצרות תשובות. ברגע שנבין רשתות מלאכותיות, אולי יהיו לנו גם רעיונות חדשים לגבי האופן שבו מוחות פועלים. בסופו של דבר, הבינה המלאכותית עשויה לעזור לנו להבין את עצמנו טוב יותר.

מילון מונחים

הומאוסטזיס (Homeostasis): ↑ הדרך שבה הגוף שלנו שומר על איזון פנימי כדי שנישאר בריאים – למשל, איזון של טמפרטורת הגוף, כמות המים ומאזן האנרגיה.

חישוב (Computation): ↑ תהליך של קליטת מידע, הבנת המשמעות שלו וקבלת החלטות. זהו תהליך שמתרחש כל הזמן, הן במחשבים והן בתאים חיים.

רשתית (Retina): ↑ שכבה דקה הנמצאת בחלק האחורי של העין. הרשתית קולטת את האור, וממירה אותו לאותות חשמליים שהמוח יודע לפענח. כך אנו יכולים לראות.

מדעני מוח חישוביים (Computational Neuroscientist): ↑ חוקרי מוח שמשתמשים במתמטיקה ובמודלים ממוחשבים כדי להבין כיצד המוח מבצע חישובים.

אלגוריתם (Algorithm): ↑ סדרה של הוראות המבוצעות שלב אחר שלב כדי לפתור בעיה או כדי לבצע משימה.

רשת עצבית מלאכותית (Artificial Neural Network): ↑ תוכנת מחשב המורכבת מיחידות שיש ביניהן קשרים המדמים את הקשרים שבין תאי העצב במוח. התוכנה מסוגלת ללמוד לבצע משימות מגוונות. למשל, לזהות דפוסים בתמונות או להשלים משפטים.

מכונת בולצמן (Boltzmann Machine): ↑ סוג של רשת עצבית מלאכותית שלומדת בכוחות עצמה דפוסים מתוך נתונים, ולאחר מכן יכולה להשתמש בידע הזה כדי ליצור דוגמאות חדשות, שדומות לדוגמאות שעליהן אומנה, גם אם לא נחשפה אליהן מעולם.

הצהרת ניגוד אינטרסים

המחברים מצהירים כל המחקר נערך בהעדר כי קשר מסחרי או פיננסי שיכול להתפרש כניגוד אינטרסים פוטנציאלי.

תודות

ברצוני להודות לאור רפאל על עריכת הריאיון ששימש בסיס למאמר הזה ועל הכתיבה המשותפת של המאמר, לאיריס גת על האיורים, ול-Susan Debad על העריכה הלשונית של כתב היד.

חומרי קריאה נוספים (אנגלית)

• Brain Prize 2024: Computational and theoretical neuroscience

• Learning How to Learn: Powerful mental tools to help you master tough subjects

הצהרת כלי בינה מלאכותית

הכותבים מצהירים שאינם השתמשו בכלי בינה מלאכותית בכתיבת מאמר זה.

טקסט חלופי הנלווה לאיורים במאמר זה נוצר על ידי פרונטירז בסיוע כלי בינה מלאכותית, ונעשו מאמצים על מנת להבטיח את דיוקו, כולל בדיקה על ידי כותבי המאמר כאשר הדבר התאפשר. אם ברצונכם לדווח על בעיה, אנו צרו איתנו קשר.