הנה שתי הנחות יסוד: האחת, אנחנו מוקפים מכל עבר ובכל צעד בחיינו בבינה מלאכותית. השנייה, האינפלציה העולמית משתוללת. ההשערה שלנו, המחברת בין השתיים: לטכנולוגיות AI עשויה להיות תרומה חשובה בהורדת מחירים – אם זה בזיהוי דפוסים, בגילוי מוקדם של מחלות וכשלים, בשיפור הפרודוקטיביות בתהליכי העבודה והייצור, ולבסוף גם בהגדלת ההכנסות ושולי הרווח.
עם רקע עשיר בחומרה ובתוכנה, בדאטה וברובוטיקה, ברפואה דיגיטלית, בריטייל, בפיננסים וכעת בפרסום המקוון – ביקשנו מגל שדה לעשות לנו סדר בעולם הבינה המלאכותית ובהשפעה הפוטנציאלית שלו על השווקים. הגורמים המעכבים, שמענו ממנו, הם לאו דווקא טכנולוגיים. לעיתים, כמו בנסיעה האוטונומית, הרגולציה – בדגש על שאלת האחריות לתאונה – היא המוקש הגדול.
בגדול, בינה מלאכותית היא מודל סטטיסטי לקבלת החלטות מבוססות דאטה – אותו דאטה שעליו אומן המודל. התחום הזה נולד כבר בשנות ה-50 של המאה הקודמת ופרץ לחיינו ב-2012, כאשר החלו לצבור דאטה בהיקפים גדולים וחלה גם פריצת דרך בצד החומרתי. זה קרה כשהבינו שניתן להשתמש בכרטיסי וידאו גרפיים כדי להניע רשתות נוירונים באופן יעיל. או אז, ענקיות כמו גוגל ופייסבוק נכנסו לסיפור, ונוצר אפקט דומינו שאנחנו חווים אותו עד היום.
אגב, חברת Nvidia, שזיהתה את האפקט הזה בזמן, יצרה פלטפורמת תוכנה שעל גבה נוח להריץ אימון של רשתות נוירונים. היא מיצבה את עצמה כמונופול בתחום עם הכנסות עתק, אם כי קמו לה מתחרות מצד אמזון, גוגל והבאנה לאבס הישראלית שנרכשה על ידי אינטל. אין ספק כי חברות הביג-טק מבינות כיום שזהו ה-Workload הצומח בענף, ושחייבים להיות שם.
כמה עולה לאמן אלגוריתם?
היכן נמצא יישומי AI? כבר יותר פשוט לשאול: היכן לא. ראויים לציון הפרסום המטורגט; הקניות הפיזיות (זיהוי מוצרים ועגלות חכמות, למשל: הסטארט-אפ Shopic שמקיים שת”פ עם שופרסל, טכנולוגיית Just Walk Out של אמזון והמתחרה הישראלית טריגו שחתמה עם הקמעונאית הבריטית Tesco); ניתוח מהיר של הגנום להתאמת טיפול תרופתי או תזונה; תחום כרטיסי האשראי; כמובן העוזרות האישיות הווירטואליות (סירי, אלכסה); והוצאת סנטימנט מתוך טקסט או שיחה קולית (למשל גונג הישראלית, המספקת לקול סנטרים תובנות על סמך ניתוח פעילות של אנשי מכירות).
יישומי ה-AI מחייבים דאטה בסקייל עצום וחומרה שתדע לטפל בו, מההאצה הגרפית ועד לאחסון הנתונים, סידורם ושליפתם. לכן, זה כבר עולם בפני עצמו עם חברות רווחיות במיוחד. שוק אימון המודלים ותחזוק כוח המחשוב מגלגל מיליארדים בשנה: לדברי שדה, טסלה לבדה משלמת כ-300 מיליון שקל רק על כרטיסי Nvidia, או 300 מיליון דולר אם מוסיפים את הרכיבים שמסביב. חיי המדף של הכרטיסים הללו אורכים שנתיים בלבד, ולאחריהן, כדי לעמוד בסקייל של הדאטה והרצת המודלים הנדרשים על ידה, היא חייבת לקפוץ דור.
טסלה בהחלט ראויה לציון בהקשרי ההשקעה ב-AI, וכך גם IBM וענקית הקמעונאות וולמארט, שתמיד הייתה מהראשונות לאמץ טכנולוגיה. צריך להזכיר גם את פלנטיר טכנולוגיות, העוסקת בניתוח דאטה ו-AI, ואת SnowFlake המספקת שירות אחסון נתונים בענן. בנוסף, ככל שמדובר בתעשיות עם עלויות ייצור גבוהות, מקידוחים וחיפושי גז ונפט ועד ייעול הספנות, יישומי בינה מלאכותית בהחלט יכולים להיות התשובה, או לפחות אחת התשובות, לגל ההתייקרויות.
עם הזמן, היישומים הופכים ליעילים וזולים יותר, בדומה למה שקרה לבניית האתרים. אבל ייתכן שאליה וקוץ בה: כדי להתבלט ולא ליפול לבינוניות, יש לעיתים צורך בשדרוג פנימי שעלול שוב לייקר את העסק. כמו כן, יש להביא בחשבון את צריכת החשמל: מתברר שכדי לאמן מודל דאלי ליצירה וזיהוי של תמונות נדרש חשמל בהיקף של הצריכה השנתית של עשר משפחות אמריקאיות. במצטבר, יישומי AI גוזלים 4%-3% מצריכת החשמל העולמית. באירופה, למשל, זו נקודה קריטית כרגע. ומן הסתם, כל עוד לא הושלם המעבר לאנרגיות מתחדשות, יש כאן גם הגדלה של הביקוש לנפט ותרומה להתחממות הגלובלית.
אין ספק כי לבינה המלאכותית יש פוטנציאל דרמטי בהגדלת ההכנסות ובשיפור שולי הרווח של החברות הגדולות, ומכאן שהם בהחלט כלי דפלציוני. אבל חשובה מכך היא התרומה שלהם לרווחת העולם, אם זה בייעול שרשראות האספקה והלוגיסטיקה ואם בהבאת חדשנות למקומות שאין בהם אפילו סניף בנק או אשראי, בדגש על מדינות מתפתחות.
