
Sign up to save your podcasts
Or


הפעם ישבתי עם יאיר וייגלר, מנכ"ל ארגון מורים מובילים שינוי, כדי לדבר על בעיות המהות במערכת החינוך, מה צריך לעשות כדי לתקן אותם, ואיך כל זה מתקשר למה שקורה בצבא היום?
לפרטים נוספים על יאיר וארגון "מורים מובילים שינוי":
https://morimovilim.org/
X: @Yair27we
שלום כולם, וברוכים הבאים לאלישע והזוויות, עונה שניה פרק מספר 6!
עבר יחסית הרבה זמן מאז הפרק הקודם. קודם היו החגים, ואז הגיע "אחרי החגים"... אתם יודעים איך זה. בכל אופן, אני חזרתי ומקווה שמעתה והלאה הפרקים יצאו באופן סדיר. כמו כן, חשבתי לשתף שעשיתי ראיון עם אלכס בקאלו בערוץ TOV על נושא הפרוגרסיביות - ערוץ אינטרנטי, למי שלא מכיר - אז אתם מוזמנים לצפות!
בתקופה האחרונה, AI נמצא בכל מקום, והמונח הפשוט הזה, בינה מלאכותית, מתחיל לאבד מהזוהר שלו. הבאז החדש, הדבר שאליו כולם נושאים את עיניהם, הוא לממש בשטח AGI, ראשי תיבות של Artificial General Intelligence, "בינה מלאכותית כללית". אם יש לנו היום מערכות AI שיודעות לדבר, וכאלו שיודעות לכתוב, וכאלו אחרות שיודעות לצייר, וכן הלאה, AGI אמורה להיות מערכת שיודעת לעשות את כל הדברים הללו יחד, ובאופן אינטרגרטיבי. בעצם, השאיפה כאן היא לייצר משהו דמוי המוח האנושי, שמסוגל גם הוא לעשות את כל הדברים הללו. סם אלטמן, אחד המייסדים של OpenAI, החברה שהביאה לנו את GPT, הגדיר זאת כך:
"לדעתי יש הרבה הגדרות סבירות ל-AGI, אבל עבורי, מדובר במשהו ששקול לאדם חציוני. יצור ממוחשב שתוכל לשכור כעובד בחברה לעבודה מרחוק, והוא יוכל לעשות כל מה שעובד רגיל יכול לעשות. זה כולל ללמוד להיות רופא, ללמוד לכתוב קוד - יש הרבה דברים שאדם חציוני יכול לעשות טוב. לדעתי מדובר במטא-יכולת כזו, של ללמוד דברים חדשים ולהתמקצע בכל דבר שאתה צריך."
כפי שבוודאי שמתם לב, ההגדרה של אלטמן זו הרחבה של מבחן טיורינג: הוא רוצה מכונה שדרך ממשק המחשב הוא יחווה אותה כאילו היא אדם חציוני. זו "הרחבה", כמובן, שכן טיורינג דיבר רק על שיחת צ'ט טקסטואלי, בעוד אלטמן מניח שהמכונה תוכל לעשות עוד הרבה דברים שבני אדם עושים: לשרטט דיאגרמות, להבין מה קורה בוידאו, וכן הלאה. לצורה שבה אלטמן מדבר יש חשיבות נוספת כמובן. הוא לא רק אומר שהיכולות הללו יהיו קיימות, אלא הוא מדבר על המחשב כעל "עובד" אמיתי בחברה כלשהי. בחזונו, כך נראה, המחשבים החזקים הללו יוכלו להחליף אנשים ממש בתפקידים שלמים.
אין ספק שכמו כל מהפכה טכנולוגית, הכניסה של AI לתעשייה משנה ותמשיך לשנות את עולם העבודה. אבל מה שנרמז בדבריו של אלטמן הוא, כך נראה, משהו עמוק יותר. לומר על מחשב שהוא יוכל לעשות "כל מה שעובד רגיל יכול לעשות" משמעו שהתפוקה של המחשב והתפוקה של בן האנוש יהיו שקולות באיכותן. אלתמן מדבר על כך שכמו שאדם יכול ללמוד לעשות כל מני דברים שונים זה מזה, כך גם ה-AGI יוכל להתאים את עצמו לכל משימה. בעצם, הוא רומז כאן שלא רק במשימות נתונות יהיה המחשב מוכשר, אלא שהפוטנציאל שלו יהיה שקול לזה של בן אדם, בכל מובן שדורש חשיבה והבנת העולם.
היעד הזה הוא כמובן שאפתני, ובשלב הזה בעונה אני רוצה לשאול - האם זה נכון? האם באמת נגיע לרגע שבו הפוטנציאל של המחשב יהיה שקול לזה של בן האנוש, או שמא תמיד יהיה צורך בבני אדם איפהשהוא בתהליך? בפרקים הבאים אני אנסה לשרטט עבורכם - ועבורי גם - כמה מן הגבולות המעניינים שיהיו, לפחות לדעתי, לטכנולוגיות החדשות שסובבות אותנו, וזאת גם כשחושבים מה יקרה עשור או שניים קדימה.
לומר משהו על איפה נהיה עוד עשרים שנה - זה קצת יומרני, אני יודע. אבל כפי שתראו, גם אם אני לא יכול להוכיח באופן מוחלט את התחזיות שלי, נקודות התורפה שנצביע עליהן בפרקים הבאים הינן עמוקות ביותר ונוגעות בדברים שורשיים מאד. אז תנו לי לתקן את ההימור שלי ולומר שאם בעוד עשרים שנה הבעיות שנדבר עליהם היום ובפרקים הבאים יפתרו, זה כנראה אומר ששינינו כמה דברים משמעותיים באיך שאנו בונים את ה-AI שלנו. הדרך שאנו צועדים בה היום היא אמנם בעלת עוצמה גדולה, אבל בלי לטפל בחסרונות שלה לא נוכל לפרוץ חסמים מסויימים.
זה בגדול לאן אנו הולכים. ספיציפית בפרק הזה אני ארצה לטעון שהצורך בדאטה איכותי ובכמויות גדולות והולכות הוא גם אחד מאזורי החולשה של הטכנולוגיה הקיימת; וספיציפית, הרעב התמידי של המערכות הללו לעוד ועוד דאטה, מרמז על הצורך שלהן לחפות על מה שאין בהן באמת: חשיבה אנושית.
אז יאללה, בואו נתחיל.
איך מייצרים AI? כפי שאתם זוכרים מהפרקים הקודמים, לוקחים מכונה שיודעת ללמוד מדוגמאות, ועל ידי חשיפה להמון דוגמאות היא לומדת איך אנו מצפים ממנה להתנהג. כמה זה "המון דוגמאות"? הכל תלוי בסיטואציה, כמובן. נניח, אוסף התמונות המפורסם ImageNet מכיל כ-14 מיליון תמונות של כל מני עצמים בעולם, ושלצידם תיוג שקובע מהו העצם המופיע בתמונה: חתול, רמזור, וכן הלאה. האוסף הזה היה אחד האוספים הגדולים הראשונים של דאטה לטובת אימון AI, וזו היתה משימה ממש לא טריוויאלית ליצור אותו. בעוד שלארגן ולאסוף הרבה תמונות זה דבר יחסית קל, בהינתן הגישה האוניברסלית לאינטרנט, האתגר הקשה היה להשיג את התיוגים, כלומר לדעת מה מופיע בתמונה. תזכרו שהתיוגים זה החלק החשוב - תהליך הלמידה הוא שמראים למכונה תמונה, היא מנחשת מה יש שם, ואז נותנים לה משוב - או "כל הכבוד", או "נו-נו-נו, התשובה האמיתית היא (השלם את החסר)". בלי התיוגים, אין יכולת לתת משוב.
אז מאין הגיעו התיוגים ב-ImageNet, או בכלל באוספים כאלו של דאטה? בצורה זו או אחרת, בני אדם מתייגים אותם. בחלק ניכר מהמקרים מדובר באנשים שפשוט יושבים מול מסך מחשב במשך שעות ומתייגים תמונה-אחר-תמונה, וידאו-אחר-וידאו. לצד זה יש גם גרסאות יצירתיות יותר של השגת תיוגים. נניח, כמו שמשחילים לכולנו פרסומות בסרטוני יוטוב, יש חברות שמשחילות משימות תיוג כאלו לתוך משחקי מחשב, והשחקן שנענה לאתגר התיוג מקבל בונוסים במשחק. בשורה התחתונה, מילוני אנשים מועסקים בצורה זו או אחרת ברחבי העולם בבניית אוספים של דאטה מתוייג.
עולם התיוגים הוא עולם חדש, מעניין ולפעמים גם בעייתי. השכר של אלו שעובדים בתחום נמוך, וחלק ממשימות התיוג דורשות חשיפה לתכנים קשים כמו אלימות ופורנו. מאידך, רק בזכות התיוג שהם מספקים לחברות ההייטק אנחנו יכולים לשוטט ברשתות חברתיות בלי שמישהו ישחיל לנו תכנים שכאלו לפיד. אז, למי שמעוניין ללמוד יותר על תחום העיסוק הזה, אני מצרף כאן סרטון תיעודי של צוות צילום שחקר את הנושא. בסרט כל התמונות הגרפיות מצונזרות, אז אין לכם מה לדאוג בהקשר הזה אם דאגתם.
בכל אופן, כפי שאתם יכולים לדמיין, לארגן "פס ייצור של דאטה מתוייג על ידי בני אנוש" זה לא דבר קל, ומהווה כאב ראש גדול עבור התעשייה. קודם כל, כמו בהרבה תעשיות, התשלום על משכורות לבני אדם תופס נתח נכבד מעלות התפעול. שנית, יש בעיה מהותית של בקרת איכות. אם אתם שוכרים אנשים לתייג מליוני תמונות, איך תדעו שהמתייגים עשו עבודה טובה בתיוג? איך תזהו טעויות ורמאויות, או אנשים עצלנים שלא מקפידים על דיוק? הבעיות הללו הינן רק כמה מהבעיות שכל חברה שרוצה לקבל דאטה מתוייג ואיכותי צריכה להתמודד איתן.
בשל הצורך בהמון דאטה מצד אחד, ועלויות גבוהות בייצור ואיסוף הדאטה הזה מצד שני, הקהילה המדעית והטכנולוגית כל הזמן מחפשת קיצורי דרך, דרכים להמעיט את ההישענות שלהם על דאטה אנושי, ובמקום זה להשתמש בדאטה סינתטי - תיוגים שמחשבים מייצרים באופן אוטומטי, מחשבים שמייצרים דאטה מתוייג מראש לפי הזמנה, או שיטות ללמוד על העולם ללא צורך בתיוגים מראש, מה שקוראים בעגה המקצועית Self Supervised Learning, למידה בבקרה עצמית. אבל על אף המאמצים הללו, נראה שהצרכים בתיוג אנושי רק גדלים משנה לשנה. על פי מכון מחקר אחד שראיתי, אם ב-2023 שוק התיוגים תפס כ-1.8 מיליארד דולר, התחזית שלהם היא שב-2028 השוק יגדל ליותר מ-6 מיליארד.
כל הדברים הללו אמורים לעורר אצלנו ספק מסויים, אפילו לא קטן במיוחד, לגביי חזון ה-AGI לפי סאם אלטמן. אם AGI אמור להיות מסוגל להחליף בני אדם באופן מוחלט בתפקידי עבודה, האם הוא לא אמור להיות מסוגל לתייג דאטה ולהגיד מה קורה בו? תיוג של דאטה נשמע כמו משימה של אדם חציוני, הלא כן? מרגיש שמשהו קצת אחר קורה כאן. כפי שאומרים - "כאן חשדתי": העובדה שאנחנו לא יכולים להישען על מכונות כדי לתייג לנו דאטה מרמזת, אולי, על משהו שחסר במערכות הקיימות. אז - מהו?
כדי לענות על השאלה הזו, יעזור שנכיר את עולם התיוגים קצת יותר מקרוב. לפני כמה שנים קראתי כתבה בנושא תעשיית התיוג, וסיפור ששיתף הכותב, Josh Dzeiza, תפס את תשומת ליבי.
כחלק מעבודת התחקיר שלו, ג'וש נרשם לאחת מחברות התיוג כדי לחוות את התפקיד באופן ישיר. המשימה הראשונה שקיבל היתה לעבור על תמונות ולתייג האם ואיפה מופיעים בגדים בתמונה. ההוראות דייקו עוד יותר את המשימה: הוא התבקש לתייג רק "בגדים אמיתיים שיכולים להילבש על ידי אנשים אמיתיים". בגדי בובות, בא נאמר, לא כלולים ברשימה.
קחו כמה שניות לחשוב על המשימה הזו, ותוודאו שאתם מבינים את הכלל. האם אתם מרגישים בנוח לבצע משימה כזו עבור תשלום ראוי? אני מהמר שרובכם תגידו "כן, נשמע די קל". ולכן, עם התחושה הזו, עם הביטחון העצמי הזה, קיראו את החוויה של ג'וש:
משוכנע ביכולתי להבחין בין בגדים אמיתיים שניתנים ללבישה על ידי אנשים אמיתיים לבין בגדים שאינם אמיתיים שלא ניתן ללבוש, ניגשתי למבחן ההתקבלות למערכת. מיד על ההתחלה, המערכת זרקה לכיווני אתגר אונטולוגי: תמונה ובה מגזין, כשהמגזין מציג תצלומים של נשים בשמלות. האם צילום של בגד הוא בגד אמיתי? "לא", חשבתי לתומי, "כי אדם לא יכול ללבוש צילום של בגד." אבל המערכת הודיעה לי שטעות בידי! מבחינת הבינה המלאכותית, תצלומים של בגדים אמיתיים הם בגדים אמיתיים.
אחר כך הגיעה תמונה של אישה בחדר שינה, מואר בעמעום, המְצָלֶמת סֶלפי בעומדה לפני מראָה באורֶך מלא. החולצה והמכנסיים הקצרים שהיא לובשת ה…
שלום כולם, וברוכים הבאים לפרק מיוחד של אלישע והזוויות!
כפי שאתם יודעים, לאחרונה התחלתי (במקביל לעונה הרגילה) להרחיב את הפעילות של “אלישע והזוויות” גם לתחום הראיונות, כדי לקבל זוויות נוספות על נושאים שונים שדיברנו עליהם כאן, וגם מעבר.
היום, אני מנסה כאן משהו חדש - שיחה עם בּריאנה וּו, דמות מאד ידועה בתנועה הפרוגרסיבית בארצות הברית, שמאז שפרצה המלחמה יצאה להגנת ישראל באופן חד-משמעי ב-X (טוויטר ז”ל). רציתי לדבר איתה על החיכוך הפנימי שהיא חווה מול אנשים אחרים בתנועה, על איך השביעי לאוקטובר השפיע עליה, ועל מה היא חושבת שיקרה אם קאמלה האריס תנצח. הרגשתי שרק התחלנו לגעת בכל מני נקודות - זו היתה סוג של שיחת היכירות, ואני מקווה שבהמשך אמשיך את השיחות עם בריאנה כדי להעמיק יותר בסוגיות שדיברנו עליהם בעונה הראשונה. ספיציפית, בריאנה היא גם אישה טרנסית, וגם בתחום הזה אני רואה אותה מנסה למתוח קו מסויים בינה לבין פעילים טרנסים אחרים. אז - נראה אם אצליח לדבר איתה שוב בעניינים אחרים.
השיחה עצמה היא באנגלית, כמובן, כיוון שהיא לא יודעת עברית. בימים הקרובים אני מתכוון לתרגם את השיחה, ולהעלות גרסת וידאו עם כתוביות, בנוסף לתמלול העברי המלא. אז חפשו את זה במייל שלכם! בשלב הזה גם עדיין לא העליתי את זה לספוטיפיי, גם זה יגיע.
חוץ מזה, אולי שווה לציין ולהרגיע, שעל אף הניסויים הללו שלי בז’אנרים אחרים, “אלישע והזוויות” ימשיך להיות פודקאסט שכמעט כולו בעברית, ותמיד אמשיך עם העונות הסדורות כפי שאתם מכירים ואוהבים. :)להתראות, ביי…
שלום כולם, וברוכים הבאים לאלישע והזוויות, עונה שנייה, פרק חמישי. היום ט' אלול, ה-12 לספטמבר, ואנחנו נדבר היום על בינה מלאכותית ושפה. אבל קודם כל, לפני שנתחיל, רציתי להזכיר לכם שיש מייל לפודקאסט, כמו גם חשבון טוויטר ואתר אינטרנט שבו תוכלו למצוא את כל הפרקים של הפודקאסט גם בגרסה כתובה, ומי שנרשם לאתר מקבל מייל כל פעם שיוצא פרק. אז, הלינקים בתיאור הפרק, ואתם מוזמנים ליצור קשר ולהגיב באופן חופשי. אני מבטיח לנסות ולענות לכל מי שיכתוב.
בפרק הקודם הסתכלנו על מבנה המנוע של הבינה המלאכותית של ימינו, והיום אנחנו נחפור עוד בתשתיות שלה. כזכור, מבחן טיורינג מסתמך על היכולת של מכונה לנהל שיחה עם בן אדם, מה שמצריך ממנה להבין שפה של בני אדם. אז היום אנחנו נרצה לחטט קצת בשאלה כיצד מחשבים מבינים שפה, וספיציפית, איך מחשבים מבינים את המשמעות של מילים? שווה לציין ששפה היא הרבה מעבר לרק המשמעות של מילים. לשפה יש גם דקדוק, ומילים משנות את משמעותן בהקשרים שונים, וכן הלאה. אבל הבסיס לכל זה הוא, קודם כל, להבין את המשמעות של מילה בודדת, ובזה אנחנו נתמקד היום.
מהניסיון שלי, המפתח להבנת רעיונות עמוקים ומורכבים הוא למצוא את הדימוי האלגנטי ביותר עבורם, אז בפרק הזה יהיו כמה דימויים כאלו, ואני מקווה שזה יקלע לטעם שלכם ויעזור לקונספטים שנציג כאן להחליק לכם בקלילות בגרון. הדימוי הראשון שישרת אותנו כאן שאוב מעולם סרטי הילדים. אני משער שרוב המאזינים, אם לא כולם, מכירים את הז'אנר של סרטי דיסני ופיקסאר, שבהם ישנו עולם מאד דומה לשלנו, רק שבו האנשים מוחלפים במשהו אחר. בסרט "צעצוע של סיפור" הדמויות הן צעצועים, בסרט "באג לייף" הנמלים הם הדמויות האנושיות, ב"זוטופיה" כל חיות העולם מאכלסות מטרופולין גדול כמו ניו-יורק, ובסרטים "מכוניות" ו"מטוסים" אתם יכולים לנחש לבד מה עבר האנשה.
ובכן, על אותו מטבע, גם אנחנו "נחייה" יישות כלשהי היום, והרי היא המילה, או בואו נגיד - את כל המילים בשפה העברית. בואו נדמיין סיפור על עולם דמיוני שבו מילים הם דמויות חיות, אנשים כמוני וכמוכם. כל מילה חיה בעולם הזה במקום מסויים, והיא אוהבת לחיות קרוב למילים שדומות לה. אם תפתחו את הספר שמספר על העולם הזה, תמצאו בכריכה הפנימית שלו מפה מאויירת של העולם הזה, עם ציונים של אזורי עניין. נניח, יכול להיות שתראו שיש עיר שבה גרים כל הצבעים, המילים "אפור", "ירוק", "כחול" וכן הלאה. במקום אחר בעולם תהיה עיר שבה יגורו כל המקצועות, מילים כמו "רופא", "סבל", "מתכנתת", "נהגת" וכן הלאה. וגם הערים הללו יהיו ממוקמות יחסית אחת לשניה באופן שעושה שכל. נניח, עיר המונחים הפיזיקליים כנראה תהיה קרובה לעיר המונחים המתמטיים, ועיר שיש בה שמות של שחקני הוליווד תהיה ליד עיר שיש בה שמות של צלמי פאפראצי.
ככל שאתם, והילדים שלכם, מביטים במפה, אתה רואים שמי שעיצב אותה ממש עשה עבודת אומן, וחשב על המון דברים מגניבים. לדוגמה, אתם שמים לב שמילים של צורת רבים תמיד נמצאות ממזרח למילים של צורת רבות, כלומר בלשון נקבה. הילד שלכם גם מעיר שבעיר הצבעים, ככל שהצבע כהה יותר הוא נמצא צפונה יותר בעיר. כיוון שגם בעולם הזה יש בתי דירות, המפה תתייחס גם לגובה ולא רק לאורך ורוחב, ואז אולי תגלו שככל שלמילים יש משמעות עוצמתית יותר, הן גרות בקומה גבוהה יותר בבניין שלהן. כך נראה שהמילה "ענק" תהיה בקומה גבוהה יותר מאשר המילה "גדול", והמילה "פצפון" תהיה בקומת הקרקע.
עכשיו, דמיינו שהילד שלכם הוא חנון. חנון מקצועי ומוכשר. יום אחד, הוא חוזר הביתה ואיתו דף משבצות שקוף, כמו מתוך מחברת חשבון אבל שקוף. הוא לוקח את הספר, פותח אותו ומניח עליו את דף המשבצות. הוא מסמן נקודה מסויימת כראשית הצירים, נקודה אפס-אפס-אפס, ואז הוא מסמן עבור כל מילה במפה את הקואורדינטות שלה. "תראי אמא" הוא אומר כשהוא מסיים, "תראי מה עשיתי. עכשיו אני יכול לתכנת GPS שיעזור לנווט מהמילה 'ילד' למילה 'כאפות' ". :)
נשים את ההומור היבש שלי בצד, ונחזור לנושא שלנו. אני משער שכבר ניחשתם את הקשר לפודקאסט: כשמלמדים מחשבים שפה, אנחנו בעצם עוזרים להם לשרטט מפה שכזו, כשכל מילה מופיעה על המפה. למפת מילים שכזו קוראים בשפה המדעית word embeddings, או "הטמעות מילים", כדי להביע את העובדה שלקחנו את כל המילים בשפה ו"הטמענו" אותם באיזה מרחב גיאוגרפי, כך שלכל מילה יש קואורדינטה במרחב הזה. וספיציפית, הטמעות מילים איכותיות הן כאלו שהמיקומים של כל מילה מייצגים, במובן מסויים, את המשמעות שלה.
יש המון מחקר שהוקדש בעבר וגם היום לפיתוח שיטות לייצור הטמעות מילים שכאלו, ואנחנו ניגע בחלק מהטכניקות לזה בהמשך הפרק. אבל בשלב הזה אני רוצה לעצור ולשאול: מה ההשלכות של ההתמרה הזו? ותנו לי למקד עבורכם את הפנס שלי על שלוש השלכות שכאלו, שכן אם באמת אפשר להכין מפה שכזו, מדובר באירוע דרמטי ביותר.
בראש ובראשונה, מה שעשינו כאן הוא חשוב בגלל שמחשבים לא מבינים שפה של בני אדם, אבל הם יודעים טוב מאד איך לעבוד עם מספרים וקואורדינטות. מחשב יכול לחשב מרחקים בין שתי נקודות במפה, וגם לחשב את הכיוון היחסי של תנועה מנקודה א' לנקודה ב', וכן הלאה. במילים אחרות, המעבר מאוסף מילים רנדומלי למפת המילים היפה שלנו הוא מה שסולל לנו את הדרך להעביר את כל נושא השפה לייצוג שמחשבים יכולים לעבוד איתו.
המרכיב השני שהופך את המעבר הזה למשמעותי הוא העובדה שבָמפה שאנחנו מייצרים המיקום של המילים איננו אקראי, אלא הוא בהלימה למשמעות של המילים. כפי שתיארתי קודם, במפה הדמיונית הזו מילים דומות נמצאות קרוב אחת לשניה, וכיוונים במפה גם הם בעלי משמעות. אז לדוגמה, אם הייתי רוצה לכתוב תוכנה שמוצאת מילים נרדפות, אני יכול פשוט לומר למחשב - "הנה הקואורדינטה של מילה X, תמצא את המילה Y שהכי קרובה ל-X במפה, וזו כנראה תהיה מילה נרדפת". נכון מגניב? ברור שמגניב!
ויש נקודה השלישית, אולי הנקודה העמוקה ביותר. זוכרים את הילד החנון שלנו, שהגיע הביתה עם השקף המשובץ? איפה הוא סימן את ראשית הצירים? איפה שהוא רצה. לא משנה איפה הוא היה מסמן את הנקודה 000, המפה היתה בדיוק אותו דבר, רק עם מספרים שונים. השקף שלו לא שינה את המפה עצמה, ולא השפיע על המרחק בין שתי מילים או הזווית ביניהן, אלא רק את הייצוג המספרי שיהיה לנקודות על המפה. אז כשחושבים על זה, מגלים את התובנה הסופר-חשובה הבאה: אם אני מספר לכם שהמילה "חתול" מצויה בקואורדינטה (1 2 3), למספרים הללו אין באמת חשיבות. כל המשמעות שלהם היא רק בדבר אחד - שהם מקודדים עבורי את המיקום היחסי של "חתול" ביחס לשאר המילים במפה.
אלו שלושת ההשלכות של המעבר למפת המילים. כפי שבטח שמתם לב, הדגשתי באופן חד דווקא את הנקודה השלישית, ואני רוצה שתבינו למה. אז, נקו את הראש, שכחו לרגע מהמפות שלנו, וצאו איתי לכיוון מחשבה אחר. תחשבו רגע על מילון עברי-עברי, כזה רגיל כמו שלכולנו היה בבית הספר היסודי. קחו שם כל מילה - נניח, המילה "מזלג". מזלג מוגדר במילון ספיר המקוון כ-"כּלי מוּארָך בעל שיניים לאכילה של מזון מוצק", כלומר - הוא מוגדר על ידי סדרת מילים כלשהי. עכשיו, כל אחת מהמילים הללו גם כן מוגדרת במילון, ושוב על ידי סדרת מילים אחרת, שגם כל אחת מהן מוגדרת על ידי מילים אחרות, וכן הלאה. אז בעצם, מה זה מילון? זהו ספר, שכולל את כל המילים בשפה, ומגדיר את המשמעות של כל מילה על ידי תיאור היחס שלה לסדרת מילים אחרות!
אם כן, מה שאני רוצה להציע לכם כאן הוא את הרעיון הבא: שאותה מפה של עולם המילים שדמיינו קודם לכן היא בעצם המקבילה הממוחשבת של מילון: כמו שבמילון המשמעות של מילה מעוצבת רק על ידי מילים אחרות, כך גם במפה שבנינו קודם, המשמעות של מילה מקודדת רק ביחס שלה לשאר המילים בשפה. לא פחות ולא יותר. ונכון, יש הבדלים בין מילון לבין המפה שתיארנו - לדוגמה, בהגדרה מילונית יש רק סדרה קצרה של מילים, לא את כל המילים בשפה, לעומת המפה שלנו. אבל מה שחשוב לענייננו הוא העובדה שבשתיהן מדובר במערכת סגורה: בשתיהן, המשמעות של כל מילה מעוצבת רק על ידי היחס שלה למילים אחרות, ותו לא.
אולי זה נראה לכם פשוט וקל, אבל הרשו לי לנסות לשכנע אתכם שיש משהו קצת מטריד ברעיון הזה, שהמשמעות של מילה מובעת על ידי מילים אחרות. שכן, אם כל מילה מוגדרת על ידי מילים אחרות, אז די מהר ניווכח שיהיו לנו במילון בהכרח הגדרות מעגליות. לדוגמה, בואו ניקח את המילים "זכר" ו"נקבה". במילון ספיר אונליין:
* זכר מוגדר כ"מין בבעלי החיים ובצמחים שתפקידו להעביר לבת הזוּג (הנקבה) זֶרע להפריה ולהולָדה",
* ואילו נקבה מוגדרת כ"מין בבעלי החיים ובצמחים שתפקידוֹ לקלוט את זֶרע הזָכר להולדה".
שימו לב שהמילה זכר מופיעה בהגדרה למילה נקבה, ונקבה - בהגדרה של זכר. יש כאן הגדרה מעגלית. בעולמות הלוגיקה, הגדרה מעגלית היא דבר פסול. זה בעצם להגדיר מילה על ידי שימוש בה עצמה. לומר "ההגדרה של אבן היא אבן" זו לא הגדרה בכלל, אלא אמירה סתמית חסרת ערך. אבל איכשהו, במילונים, זה לא מפריע לנו. למה זה לא מפריע לנו?
הסיבה לכך גם היא, האמת, די מתבקשת. כי המילון רק בא לעזור לנו ליישר קו סביב ההגדרות של מילים שאת המיפוי שלהם לעולם האמיתי אנחנו מכירים כבר לפני כן, גם בלי קשר למילון. ילד יודע מה זה מזלג לא בגלל שקרא את ההגדרה במילון, אלא כי ההורים שלו הראו לו הרבה מזלגות ואמרו לו שזה מזלג. אם כן, המילון אמנם מכיל הגדרות מעגליות, ומה שמאפשר את השימוש בו הוא שהמילים הם בראש ובראשונה ייצוגים של דברים בעולם שבחוץ שאנחנו מכירים בלי כל קשר למילון. במילים אחרות, העולם שבחוץ - אני אקרא לזה כאן לפעמים ה"עולם האמיתי", אבל אל תתפסו אותי על משמ…
שלום כולם, וברוכים הבאים לאלישע והזוויות, בפרק מיוחד על הדילמה שקורעת אותנו היום, החזרת חטופים מול הכרעת חמאס.
היום א’ אלול, הרביעי לספטמבר 2024. אנחנו כמה ימים לאחר האירועים הקשים סביב החזרת הגופות של ששת החטופים שנרצחו בדם קר על ידי חמאס. הרש גולדברג-פולין, עדן ירושלמי, אורי דנינו, אלמוג סרוסי, כרמל גת ואלכס לובנוב, הי"ד. מאז היוודע דבר גורלם המדינה בסערה, וסוגיית היחס בין שתי מטרות המלחמה המרכזיות - ניצחון החמאס והשבת החטופים - שוב נמצאת במרכז הדיון הציבורי.
כמו כל נושא חשוב ברמה הלאומית, מתנקזים אליו המון כוחות פוליטיים וחברתיים. יש כאן ויכוחים בנושאי פוליטיקה פנים-ישראלית, בנושאי אסטרטגיה צבאית וגיאו-פוליטיקה עולמית, וכן הלאה. כל צד עסוק בלהדגיש עד כמה רק הוא מבין את המציאות לאשורה, וכל כך משתכנע מהטיעונים של עצמו, שכשהוא מביט מעבר לגדר אל הצד השני הוא אומר לעצמו - "איך הם יכולים באמת לחשוב ככה?" לתוך הוואקום הזה נכנסים טיעוני הג'וקר, הטיעונים שאפשר לשלוף תמיד: הם כבשים, מהתלים בהם, הם בורים, הם שונאים את המדינה, הם אוכלי מוות, וכן הלאה וכן הלאה.
אני לא יודע לְמה זה טוב, השיח הזה, אבל אני יודע למה זה רע: לכולנו. לעם שלנו, לשרידות שלנו.
לצד הויכוח הבינארי הזה, ישנם גם כוחות הפשרה והאחדות. אלו שמעירים שיש כאן ויכוח לגיטימי בסיטואציה מורכבת, שלא כל מי שחולק עליך בשורה התחתונה הוא אדם רע אלא פשוט משערך אחרת את הסיכונים והסיכויים. בקצת שאני מעיר על הדיון הזה ברשתות, פה ושם, אני נמנה על הקבוצה הזו. אבל לקבוצה הזו יש שתי חסרונות. קודם כל, המדיום הוא המסר. רשת חברתית אינה באמת מקום לאמירות עומק, ואינה מאפשרת ניתוח מעמיק של תבניות. החסרון השני הוא שהרבה פעמים זה מרגיש שגם הטיעון ש"יש אמת בשני הצדדים", עד כמה שהוא נכון, הוא גם טיעון ג'וקרי. הוא מנסה להנמיך להבות על ידי אמירה עקרונית שאיננה מבררת באופן מעמיק את הויכוח, ולכן לא מציעה לאנשים דרך החוצה מהויכוח. ויכוח הוא דרך טובה לבירור האמת, אבל כדי לפעול צריך גם להכריע. האם כל מה שאנשי האמצע עושים הוא למנוע ההכרעה?
בגלל העניינים הללו, החלטתי להקדיש את הפרק הזה לנושא הקשה והכאוב הזה. ובתור התחלה אני רוצה להגדיר את מוקד הניתוח שאציג בהמשך. בניגוד לכמעט כל מה שאני רואה באינטרנט וברשתות, אני לא רוצה לבחון את הדיון הזה מהמקום הפרקטי שלו. יש טיעונים כבדי משקל לכאן ולכאן, באמת. מה שאני רוצה לעשות במקום זאת הוא לחדור לנושא מזווית אחרת לגמרי: הזווית המוסרית, לשים את האצבע על מה שמניע, מוסרית, את כל אחד מן המחנות במדינה. מה שאני ארצה לטעון כאן ולשכנע אתכם בו הוא שמה שמניע אנשים משני המחנות להגן בחירוף נפש על העמדה שלהם הוא ויכוח מוסרי עמוק על השאלה, מה היה הכשל המוסרי הגדול של המדינה בשביעי לאוקטובר. כל צד מרגיש שהוא חייב לכפר, שהממשלה שלנו חייבת לכפר, על אותו חטא עמוק של השביעי לאוקטובר, ובשם התביעה המוסרית הזו הוא פועל ללא לאות. זו גם הסיבה שהוא חש שהצד השני פגום מוסרית באיזה אופן, כי הצד השני מפספס, לטעמו, את הנקודה העיקרית המוסרית שעומדת על הפרק.
לפני שאגש לגוף הדברים, שתי הערות חשובות שאלו שמכירים את הפודקאסט שלי בוודאי לא יופתעו לשמוע ממני. ראשית, כל הכללה חוטאת לאמת המושלמת. אני עומד לעשות הכללות כאלו היום, אבל כל אדם פרטי יש לו מניעים ותובנות משלו. אז קחו כל דבר שאני אומר כאן כמרכיב אחד חשוב ומרכזי של הדיון, אבל לא כל התמונה. ושנית, אנחנו עומדים לגעת בנושאים מאד טעונים בחברה הישראלית, וכנראה שכל אחד מכם המאזינים חושב שהצד שלו הוא הצודק. אבל בכדי שהפרק הזה יהיה אפקטיבי, אני רוצה להמליץ לכם לפתוח את הראש והלב, ולהקשיב. אם יש משהו שהיינו צריכים ללמוד מהשביעי לאוקטובר, זה שהצד השני לא באמת כזה רע כמו שאנחנו מאמינים. אז אפילו שזה קשה, תנו לזה צ'אנס, ונראה אם תצאו מהפרק היום עם משהו בעל ערך.
נקודת המוצא שלי לפרק הזה היא הסכֶימָה של פרופ' ג'ונתן היידט מאוניברסיטת ניו-יורק, NYU, שעשה את הדוקטורט שלו על ההבדלים בתפיסת המוסר בין שמרנים לליברלים. את הדברים הללו הצגתי כבר בעבר, בתימצות, בפרק השני של העונה הראשונה של הפודקאסט. אז כדי ליישר קו, אני שניה אצטט קטע מתוך הפרק ההוא, ולמי שלא שמע את הפרק בעבר, אני ממליץ ללכת ולקרוא\להקשיב לכולו.
היידט חקר את האופן שבו ליברלים ושמרנים תופסים את המוסר. בתור התחלה, המודל שלו מחלק את עולם המוסר לחמש קטגוריות, כלומר, שכל דבר שמישהו מדבר עליו במושגי "טוב" ו"רע", נופל לאחד או יותר מהקטגוריות הבאות:
* מניעת כאב - כלומר, אם אני רואה מישהו שכואב לו, זה רע, וזה חשוב לעזור למנוע את הכאב הזה.
* שיוויון - כלומר, חשוב לתת יחס שווה לכולם, בלי אפליה
* נאמנות פנים קבוצתית - כלומר, נאמנות למשפחה, לקהילה ולפעמים גם לעם ולמדינה.
* כבוד למנהיג או לדמויות סמכות - מתחיל מהורים, מורים, וממשיך למח"ט גולני ומנהיגים תרבותיים, פוליטים ודתיים
* טהרה וקדושה - בין אם במובן של טקסים דתיים, בין אם במובן של טהרת הגוף והנפש מבחינה מינית או מבחינה של אנרגיות ודברים שמכניסים לגוף, כמו אידיאולוגיות טבעוניות מסויימות.
אז אלו חמשת הקטגוריות, שמשמען שכל אמירה בתחום המוסר יושבת בסוף על אחד או יותר מהקטגוריות הללו. מוזמנים לנסות - זה לא קשה בכלל - לקחת תחושות מוסריות חזקות שלכם ולראות לאילו קטגוריות זה מתמפה.
אז - איך זה קשור לשמרנות וליברליות? הממצא המדהים של היידט היה שאם בודקים עם אנשים מה המדרג של הערכים הללו, רואים אבחנה ברורה בין שמרנים לליברלים.
השמרן סבור שלכל אחד מן הקטגוריות יש משקל פחות או יותר שווה. כלומר, אם יש מתח בין שמירה על טהרה לבין מניעת כאב, השמרן מנהל כאן מתח בין שני דברים עם משקל דומה, לפחות ברמת העקרון.
לעומתו, הליברל מאמין שיש משקל גדול הרבה יותר לשניים הראשונים, מניעת כאב ושיוויון, לעומת שאר הדברים. כלומר בתור דוגמה, אם אפשר למנוע כאב גדול, זה שווה את המחיר של נאמנות פחותה לקולקטיב.
ממילא, אומר היידט, כיוון שכל צד נותן משקל שונה לכל קטגוריה, ברור למה בויכוח הפוליטי-חברתי שלנו כל צד מסתכל בעין עקומה על הצד השני: השמרנים מרגישים שהליברלים לא נותנים מספיק כבוד לממסד, ללאום ולמסורות של קדושה וטהרה, בעוד הליברלים חשים שהשמרנים פוגעים בעקרונות השיוויון וגורמים סבל לאנשים "סתם", בגלל "נאמנות עיוורת" לדת, ללאום או לגזע, ולמנהיגים חזקים.
אני ממליץ בחום להאזין להרצאה שלו בנושא, כדי לקבל תמונה יותר מדוייקת של האבחנות שלו, אבל לצורך מה שאנחנו נשוחח כאן זה מספיק. וספיציפית, חשוב לי שתזכרו את העניין הזה:
מניעת כאב והשגת שיוויון הם "שיקולי העל" של הליברל, מעל הכל, בעוד השמרן סבור שגם נאמנות לקהילה ולהנהגה הם לא רק פרקטיקה יעילה, הם גם עקרון מוסרי ממדרגה עליונה, ולפעמים נוותר על שיוויון כדי לשמר את המסגרת הקהילתית והמנהיגותית הקיימת.
זהו. עד כאן הקטע מהפרק הקודם. ועכשיו, בואו ניגש לנושא שלנו. אמרתי בפתיחה שלדעתי יש ויכוח גדול בין שני המחנות, מהו החטא הגדול של השביעי לאוקטובר. אני רוצה למקד את השאלה הזו שלי: מי נפגע מאוזלת היד של כל המערכות השלטוניות שלנו באותו יום נורא? כמובן, התשובה המלאה לשאלה הזו היא שכולנו נפגענו בצורה זו או אחרת. אבל תפיסה מוסרית מטרתה לכוון את המעשים שלנו, ואנחנו באופן טבעי מדרגים דברים לפי אמות מידה כלשהן כדי לדעת להתמקד בנושאים הגדולים, העיקריים. אז, מי הנפגע המרכזי, העיקרי? אני רוצה שנבחן את הדברים משתי הזוויות, הליברלית והשמרנית. ונתחיל בזווית הליברלית.
הליברל מסתכל ורואה בעיקר את שני העקרונות שחשובים לו מעל הכל: שיוויון ומניעת סבל. לצורך הדיון שלנו אנחנו נתמקד במניעת סבל, אבל הדברים שנאמר כאן ישליכו גם על נושא השיוויון. שואל הליברל - מי סובל הכי הרבה מהמתקפה של חמאס, ומאוזלת היד של המדינה? והתשובה לשאלה הזו גם היא די ברורה עבורו: החטופים. אמנם, יש הרבה אנשים שסובלים כיום, ובראשם היינו בוודאי ממקמים את המשפחות השכולות שאיבדו את היקר להם מכל: אבות, אמהות, בנים ובנות, אחים ואחיות. אולי אתם הייתם שמים מישהו אחר שם בראש, נניח את הפצועים או המפונים. אבל החטופים יהיו בראש, אצל רוב האנשים, שכן הסבל של כל השאר, עם כל העוצמה שלו, הוא סבל שנעוץ בעבר. אירוע טראגי נוראי - אבל סטטי. המדינה חייבת לתמוך בכל אלו שנפגעו כלכלית, מורלית, רפואית - אבל את המתים אי אפשר להשיב, ופציעות קשות יקחו הרבה זמן לאורך זמן כדי להחלים. החטופים, לעומתם, עדיין חיים, ומצויים בסכנת חיים נוראית. כל יום שעובר, כל רגע שהם ממשיכים לחיות בשבי חמאס, זהו יום של סבל. סבל של תת-תזונה, של התדרדרות רפואית, של פוטנציאל להתעללות מינית או סתם אלימות קשה, ושל טראומה רגשית שלא תתואר, של לא לדעת אם היום יוציאו אותך להורג. תוסיפו לזה שרובם אפילו לא היו חיילים שהיו בתפקיד, אלא אזרחים תמימים שנקלעו לאירוע - גם תחושת חוסר הצדק, הפגיעה בשיוויון, היא אדירה.
העובדה שהמדינה לא היתה שם כשהאזרחים שלה נטבחו, נאנסו ונחטפו בשביעי לאוקטובר, זהו החטא הגדול של אותו יום. וכנגד זה, אנחנו חייבים, כמדינה, לשים את הכאב שלהם במרכז המפה המוסרית שלנו, ולהכווין את כל המאמצים לשם, לכפר על החטא הזה. אם לא נעשה זאת, סבורים הליברלים, נשבר כאן החוזה החברתי הכי עמוק ביננו כאזרחים ובין מוסדות המדינה לאזרחיה, כי אנחנו בעצם אומרים אחד לשני - אם אתה תיחטף באשמתי, אני לא אהיה מוכן לסכן הכל כדי להשיב אותך בחיים אלינו. שימו לב שהשיח כאן איננו טכני, טקטי או פרגמטי. זו אמירה עקרונית: יש כאן פצע ערכי מדמם,…
שלום כולם, וברוכים הבאים לאלישע והזוויות, עונה שניה פרק 4. היום ה-22 לאוגוסט 2024, י"ח אב תשפ"ד (טוב, זה לא. הקלטתי אתמול… עמכם הסליחה!)
בפרק הקודם עשינו את הקישור שבין בינה מלאכותית לבין יכולת למידה, ואמרנו שהיום נרים את מכסה המנוע ונראה באופן קצת יותר מפורט איך הדברים עובדים שם בפנים, בתוך הקופסה השחורה של מערכת לומדת שכזו. כמובן, זה לא פודקאסט טכני, אז המטרה שלנו בחיטוט הזה פנימה היא בעיקר לעבות את האינטואיציה שלנו לגביי המערכות הללו. כפי שתראו, מתוך ההבנה של איך הדברים עובדים בפנים, וגם מתוך השוואה לגישות אלטרנטיביות שנוסו לפני חמישים שנה, אנחנו נצא השבוע עם כמה תובנות עומק על הפוטנציאל הגלום במערכות הללו, לצד האתגרים שיש בעבודה איתן. ספיציפית, אני רוצה שבסוף הפרק הזה תהיה לכם לפחות תשובה חלקית לשאלה: למה קשה לנו להסתכל בתוך המערכות הללו ולענות על השאלה - האם יש שם תבונה?
הרבה פעמים קל יותר לדבר על דברים כשיש לנו דוגמה קונקרטית ביד, ולכן בפרק הזה אנחנו נשתמש בעיקר במערכת דמיונית שנקרא לה "החתוליה". המערכת הזו מספקת שירות פשוט: מקבלת כקלט תמונה דיגיטלית, ומוציאה כפלט קביעה - האם יש או אין בתמונה הזו חתול.
מערכות כאלו מבצעות את הפעולה שלהן לרוב על ידי תוכנה, אבל יותר קל לדמיין אותן דווקא כמשהו פיזי, קופסה שחורה פיזית שמונחת לנו על השולחן, כשהקלט נכנס מצד שמאל, והפלט יוצא מצד ימין. מה קורה בין קבלת הקלט לבין הוצאת הפלט? אם השירות הזה נבנה על פי הארכיטקטורות המקובלות היום, אז כשנפתח את הקופסה נגלה שבתוכה יש הרבה רכיבים קטנים, קופסאות שחורות קטנות יותר, שגם הן מקבלות קלט ומוציאות פלט. כדי להבחין בינן לבין הקופסא כולה, בואו נקרא להן "רכיבים" בהמשך הדיון. הרכיבים הללו מאורגנים בשכבות, והמידע זורם בהם משמאל לימין: הקלט הראשוני נשלח לכל הרכיבים שבשכבה הראשונה, והפלט של רכיבים אלו נשלח לרכיבים בשכבה השניה, וכן הלאה וימינה עד שזה מגיע לשכבה האחרונה ויוצא החוצה עם תשובה למשתמש.
אתם בטח רוצים לדעת - מה עושה כל אחד מן הרכיבים הללו? בגדול, מה שקורה כאן הוא שכל רכיב כזה עובד רק על חלק קטן מהבעיה, ומעביר את התוצאות מהניתוח שלו הלאה. לצורך ההמחשה בלבד, אפשר לדמיין את זה ככה: כדי למצוא חתולים בתמונות, אז אולי אחד הרכיבים עסוק בלחפש עיניים של חתול, ורכיב אחר עסוק בלחפש זנבות חתולים, וכן הלאה, ובשכבות מתקדמות יותר יש רכיב שצריך לשלב את כל המידע מהשכבות הקודמות כדי להגיע להחלטה, יש או אין חתול. בשלב הזה בעונה, אני לא חושב שכדאי שנפתח את תיבת הפנדורה שצוללת לתוך איך הרכיבים עצמם עובדים, ועדיף שנישאר ברמת הרזולוציה שהגדרנו כאן: יש לנו מערכת שמפמפמת מידע משמאל לימין, מעבירה אותו כמה שלבים של עיבוד בין רכיבים מדורגים, כשכל שלב בעיבוד יכול לקבל כקלט את התוצרים המעובדים של השלבים שקדמו לו. ולסיום הפירוט הזה אני רוצה גם לספר לאלו מכם שלא מגיעים מהתחום, שכשאתם שומעים על משהו בשם "רשת נוירונים" - מתכוונים בדיוק למערכת מהסוג שתיארתי כאן, לפחות בגרסתה הפשוטה ביותר.
עם המבנה הזה בראש, בואו נקשר את זה לדדוקציה ואינדוקציה שדיברנו עליהן בשבוע שעבר. כפי שאתם זוכרים, דדוקציה זו הפעלת הכללים שמוטמעים במערכת על קלט חדש, וזה בדיוק מה שתיארנו כרגע. מגיעה תמונה, היא נכנסת משמאל, עוברת ניתוח בשכבה הראשונה, משם לשניה וכן הלאה דרך כל השכבות, עד שהמערכת מוציאה בסוף תשובה למשתמש. לדבר הזה קוראים, במונחים של מדעי המחשב Forward Propagation, פיעפוע קדמי, כשהמילה forward פה מרמזת על כך שהתנועה היא קדימה, משמאל לימין, מן הקלט אל הפלט.
לעומת זאת, בשלב האינדוקציה, אנחנו רוצים ללמוד את הכללים. איך זה קורה? ובכן, כאן יש תהליך כפול. מתחילים באותו תהליך של פיעפוע קדמי, מסתכלים על התשובה שקיבלנו בסוף, ובודקים אם המערכת צדקה. בואו נניח שהיא טעתה - נניח אמרה שאין חתול בתמונה כשבעצם יש שם חתול. במקרה כזה אנחנו נותנים לה משוב, ואומרים לשכבה האחרונה - "טעות! יש כאן חתול! את צריכה לתקן את הכללים שלך כדי להכריע באופן מדוייק יותר על קלט שכזה".
עכשיו, השכבה האחרונה הזו אומרת לעצמה: "אוקיי, אולי טעיתי בשיקול הדעת שלי, אבל יכול להיות גם שהבעיה היא במה שקיבלתי מהשכבה הקודמת. אולי שם היתה טעות. נניח, השכבה הקודמת אמרה לי שיש בתמונה עינים חתוליות בפינה השמאלית העליונה, אבל אולי אין כאלו". בשל המצב הזה, השכבה גם מבצעת אצלה, מקומית, תיקונים, וגם מספרת לשכבות שקדמו לה - "היי, עשינו טעות, בצעו בדק בית ושפרו ביצועים". וכך זה ממשיך אחורה ואחורה במערכת, כשכל שכבה גם מבצעת התאמות אצלה וגם מעבירה את המשוב לשכבה שלפניה. לתהליך הזה קוראים Back Propagation, פיעפוע אחורי, ונראה לי שברור לכם מה הסיבה: התנועה כאן היא הופכית, מהפלט אל הקלט.
יש לנו הרבה מה להעמיק במערכות הללו, אבל כבר מתוך התהליך שתיארתי כאן עולה משהו מעניין: המערכות הלומדות הללו הינן מערכות מבוזרות, כשכל רכיב רק רואה חלק מהתמונה המלאה, וממילא קשה למקד איפה בדיוק ההחלטה לגביי החתול נעשית. והאמת, שווה לומר שיש עוד מערכות בעלות אופי דומה בעולם, כמו נניח מערכות של ביורוקרטיה ממסדית. דמיינו שאתם רוצים לקבל אישורי בנייה לאיזשהו משהו גדול, נניח איזה קניון. זה בוודאי דורש הרבה אישורים בירוקרטיים, הרבה אישורים בכל מיני רשויות, רשויות מקומיות, רשויות ארציות, בדיקות של תברואה, בדיקות של פגיעה במאגרי מים וטבע וכן הלאה וכן הלאה. אז אתם מגישים בקשה, וכל אחת מן הרשויות בוחנת את הבקשה מהזווית שלה, ומעבירה את המסמך שהיא חתמה עליו לרשות אחרת, וכן הלאה וכן הלאה, עד שזה מתנקז להחלטה מרוכזת אחת. גם כאן יש לכל רשות פרספקטיבה מקומית בלבד על הסיפור, וגם כאן אם תערערו על ההחלטה הסופית תצטרכו לעקוב אחרי מסלול הניירת מהסוף להתחלה כדי לגלות איפה התגלעו בעיות בבקשה שלכם.
אז אפשר לחשוב על מערכות לומדות כמו שלנו באופן הזה, משרדים ביורוקרטיים שמעבירים ביניהם מסמכים כדי להחליט החלטות, רק שבמקום תקשורת מסמכולוגית, הרכיבים שלנו מתקשרים במספרים, המון מספרים, וגם הכללים שהם לומדים ומפעילים הם נוסחאות מתמטיות וסטטיסטיות. בפרק הבא אנחנו נדבר קצת על מה בדיוק המספרים הללו מייצגים, ובינתיים אנחנו נמשיך הלאה.
מבין שני התהליכים, אינדוקציה ודדוקציה, נראה שהחלק של הדדוקציה הוא החלק הקל. הכללים כבר שם, נכון? רק צריך להפעיל אותם. שלב הלמידה, לעומת זאת, הוא מאתגר יותר: איך מלמדים מחשבים? אנחנו מדברים כאן על למידה מתוך ניסוי וטעיה, אבל לפני כחצי מאה, בעיקר בשנות השבעים והשמונים, היתה גישה אחרת לכך מאשר הגישה האינדוקטיבית. בתחום שלם שנקרא "מערכות מומחה" - Expert Systems - רצו ללמד מחשבים את הכללים באופן ישיר ומפורש, ולא להזדקק בכלל לשלב האינדוקציה.
גם כאן, אפשר וכדאי לשאוב אינטואיציה מבני אדם. בני אדם אמנם יכולים ללמוד על ידי ניסוי וטעיה, אבל יש להם גם מסלול עוקף אינדוקציה: הוראה על ידי מישהו אחר. רובנו למדנו כשהיינו קטנים שאסור לגעת באש, אבל אם התמזל מזלנו למדנו את זה לא על ידי ניסוי וטעיה. אלא ההורים שלנו אמרו לנו לא לעשות את זה, ואולי גם הסבירו למה, ולכן לא עשינו את זה. כשמורה מלמד אותנו קורס פיזיקה באוניברסיטה, הוא בעצם חוסך לנו הרבה זמן של למידה אינדוקטיבית בכך שהוא מספק לנו את הכללים, את הנוסחאות - את כל התובנות שאנשים אחרים ירקו דם כדי לגלות ולנסח. לפעמים נידרֶש לבדוק שהנוסחאות נכונות באיזו מעבדה, אבל את הכללים מישהו אחר גילה וניסח, ואנחנו מקבלים אותם כנתון ופועלים על פיהם. כפי שאמר ניוטון - אם ראיתי למרחוק, זה בגלל שעמדתי על כתפי ענקים. כלומר, אצל בני אדם תיתכן למידה על ידי העברת ידע קיים לאנשים חדשים באופן מפורש, והטמעה שלו באופן ישיר במוחם של הלומדים, בלי שהם צריכים לעבור את תהליך האינדוקציה באופן עצמאי.
ואכן, זה היה הרעיון מאחורי הרבה מערכות המומחה שהזכרתי קודם: בואו נכתוב תוכנה שבה, במקום שאיש התוכנה יגדיר את הפעולות שצריך לעשות, התוכנה תאפשר לאיש מקצוע בָּתְחום הרלוונטי להכניס בעצמו את הכללים למערכת. בשנות ה-60 וה-70 נבנתה מערכת בשם Mycin שהתמקדה בדיאגנוזה של מחלות מִדבקות, ומערכת בשם Dendral שהתמחתה בזיהוי מרכיבים כימיים לחומרים לא מזוהים. עוד דוגמה יש לנו ממאמר בשנת 1986, שבו השתמשו במערכת בשם APES כדי להטמיע במחשב את הוראת החוק הבריטי שקובע מיהו אזרח בריטי. ולא רק שהמערכות הללו פותחו, אלא שבשנות ה-80, כשהמערכות הללו היו חזית הטכנולוגיה, הרבה אנשים היו בטוחים ששם טמונה ההבטחה של ה-AI. עם מספיק מאמץ והשקעה, כך חשבו, נוכל לבנות מערכות שכאלו, להעביר להן את כל הידע האנושי, וכך נקבל רופאי-על ממוחשבים, עורכי-דין מטאוריים עשויים מסיליקון, וכן הלאה.
אולי חלקכם אומרים לעצמכם: רגע, למה שזה בכלל ייחשב AI? פעם, מתכנתים כתבו את החוקים של התוכנה, ובתוכנות הללו שתיארת כאן המתכנתים פשוט מעבירים את השרביט למישהו אחר שיכתוב את הכללים. אתם יכולים לקרוא לכתיבה הזו של החוקים מה שתרצו, אפילו "למידה", אבל במה התוכנה הסופית שונה מתוכנה רגילה? רק הגמישות המקדמית של התוכנה?
השאלה הזו מצויינת, ולכן שאלתי אותה! אני רוצה לענות עליה בשתי רמות. קודם כל, תמיד צריך לחזור לטיורינג היקר שלנו: לפי מבחן טיורינג, לא מעניינת אותנו שאלת המימוש, שאלת ה"איך זה בנוי". כל עוד זה מסוגל לעבור את מבחן טיורינג, מבחינת טיורינג זהו מכשיר תבוני. ובמקרה שלנו, מערכת APES שהזכרתי, שיכולה לענות על שאלות בתחום החוק הבריטי, יכולה אולי לעבור סוג של מבחן טיורינג מצ…
שלום כולם, וברוכים הבאים לאלישע והזוויות. היום יום שישי, ה-16 לאוגוסט 2024, י"ב אב תשפ"ד. במקור, תכננתי שהשבוע אוציא את הפרק הרביעי של העונה השניה, והוא באמת כמעט יצא, אבל בשל צום תשעה באב הדברים התעכבו - אז חכו עוד שבוע, ולא תתאכזבו.
אפילו שהדברים תוכננו אחרת, אני דווקא חושב שזה טוב שזה יצא ככה. ביום שני הקרוב מתחילה הועידה הדמוקרטית בשיקגו, והאדמה שם רותחת מתחת לפני השטח, ואולי כבר מעל פני השטח. העימותים הפנים-פרוגרסיבים מתפרצים החוצה, בעיקר סביב הנושא של התמיכה בישראל, וכל מני גורמים אנטי-ישראלים מתכננים שם הפגנות מחאה ועוד ועוד. ולכן, נראה לי שזה הזמן המושלם לפרק הזה: זווית אישית עם ד"ר קובי ברדה, מומחה לפוליטיקה האמריקאית ובעל הפודקאסט "אמריקה בייבי", שאיתו נצלול קצת למה שקורה שם מעבר לים. הדיון שלנו יהיה יותר פוליטי היום, אבל עדיין עם העמקה בתהליכים שמביאים לביטויים הפוליטיים.
חוץ מזה, בפרק הזכרנו גם את הסיפור של Evergreen College, ובהמלצתו של קובי אני מצרף כאן את הלינקים לשלושת החלקים של הסרט עליו - מוזמנים לצפות ולהיזכר בימים הטובים של פרק 5 מהעונה הראשונה…
מקווה שתהנו! וניפגש בשבוע הבא עם עוד ענייני בינה מלאכותית.
להתראות… ביי…
שלום כולם, וברוכים הבאים לאלישע והזוויות. היום יום ראשון ה- 4.8.24, כ"ט תמוז תשפ"ד, ואנחנו בזווית אישית עם ד"ר טל קרויטורו על נושא המעמד של הפרוגרסיביות המגדרית בישראל, וספיציפית סביב נושא הטרסנג'נדריות.
את הפרק הזה הקלטתי לפני כשבועיים, ולקח לי קצת זמן להאזין לו שוב ולערוך אותו. התכוונתי במקור שיצא ביום חמישי האחרון, אבל דברים לא תמיד מסתדרים לפי התכניות - עמכם הסליחה.
Thanks for reading אלישע והזוויות! Subscribe for free to receive new posts and support my work.
בסוף העונה הראשונה, בפרק ה-26, סקרתי כל מני מופעים של הפרוגרסיביות בישראל. כחלק מן ההכנה לפודקאסט, ניסיתי למצוא חומר על המדיניות של ישראל בכל הקשור למעמדם של הטרנסים. דיווחתי על מה שמצאתי באותו פרק, אבל בזמן שהקדשתי לזה לא באמת הרגשתי שמיציתי את החיפוש. הרגשתי שאני צריך למצוא אנשים שמכירים את העניין יותר לעומק.
לשם כך נועד הפרק הזה, עם ד”ר טל קרויטורו, ד”ר לעבודה סוציאלית שכבר כעשרים שנה עוסקת בתחום. אתם מוזמנים להאזין, ואם תכנסו לאתר הפודקאסט תוכלו למצוא לשונית של “Transcript” שבה יש תמלול של הפרק. זהו תמלול אוטומטי, אז הוא לא יהיה מושלם - אני מקווה שעדיין הוא יהיה לכם לעזר.
ולפני שתאזינו, רק נקודה אחת חשובה: נקודת המוצא שלי עבור מי שמאזין היא שמדובר בקהל שהקשיב לעונה הראשונה, וספיציפית לפרקים 14-22 שבוחנים לעומק את כל נושא המין, המגדר וספיציפית התפיסה הפרוגרסיבית ביחס לטרנסים. בשיחה שעשיתי כאן התייחסתי ממש בשמות קוד לדברים כמו מתחרטי מגדר, אתגרים של חופש הביטוי, התפיסה הפרוגרסיביות שהכל זו הבניה חברתית, וכן הלאה, מתוך הנחה שהקהל מכיר זאת ולא צריך שנחזור עליהם. הפרק הזה גם ככה ארוך מאד, ולא רציתי לבזבז לכם את הזמן. ולכן, אם הגעתם לפרק הזה בלי ששמעתם את העונה הראשונה - ברוכים הבאים לפודקאסט! אני ממליץ לכם להאזין קודם לעונה הראשונה, שכן אני באמת מאמין שזה יעשה הבדל גדול בחוויית ההאזנה ובערך שתקבלו מן הפרק הזה.
וזהו. זה לא פרק שקל להאזין לו - אבל חשוב. מקווה שהוא יעזור במשהו להרחיב את הידע שלכם בעניין ולצייד אתכם בכלים להתמודד בעתיד. אני יודע שאני למדתי המון.להתראות… ביי…
שלום כולם, וברוכים הבאים לאלישע והזוויות, עונה שניה, פרק שלישי. היום ה-25 ליוני 2024, י"ט תמוז התשע"ד.
את הפרק של היום אני רוצה לפתוח דווקא לא בבינה מלאכותית, אלא בסיפור מעולם החיות התבוניות, וספיציפית חיה בשם האנס הנבון. הסיפור הזה הציב בזמנו חידה בפני הרבה אנשים, חידה שלקח כמה שנים לענות עליה. אני רוצה לקוות שתהיה לכם סבלנות לחכות עד סוף הפרק לשמוע את פתרונה - ולמי שמכיר את הסיפור - בבקשה לא להרוס. אל תגלו.
Thanks for reading אלישע והזוויות! Subscribe for free to receive new posts and support my work.
האנס הנבון היה - סוס. בתערוכות שהחלו קצת אחרי תחילת המאה הקודמת והובלו על ידי מאמנו, וילהלם פון אוסטן, הדגים האנס באופן מתמיד את מה שנראה כאינטליגנציה “אנושית” על ידי מענה לשאלות. פון אוסטן היה שואל אותו שאלות, והאנס ענה בנקישות פרסה, לפי ההוראות שהמאמן נתן לו. נניח, הוא נשאל שאלות בחשבון ופתר אותן. ולא, לא רק שאלות כמו שתיים ועוד שתיים, אלא אפילו שאלות כמו "חשב לי את השורש הריבועי של המספר 4". גם היו שאלות שאינן מתמטיות - פון אוסטן היה מתאים לכל אות בשפה מספר, ומבקש מהאנס לאיית את השם שלו בכך שהיה נוקש בפרסתו את הקוד של האותיות הרלוונטיות. בשיטה זו, האנס הפליא הן את הציבור הרחב והן את החוקרים המובילים של אותה תקופה, והציף במוחם של אנשים את האפשרות שאולי המין האנושי איננו החיה האינטלגנטית ביותר בעולם. אולי סוסים הם חכמים כמונו, וכל שעומד ביננו לבין תקשורת עם אינטלגנציה גבוהה שאיננה אנושית הוא מחסום השפה בלבד.
ככל שהאנס התפרסם, הוא משך אליו גם תשומת לב של חוקרים ידועים, ופון אוסטן הסכים שיבואו ויבחנו את הסוס בעצמם. ממה שיצא לי לקרוא בנושא, לא נראה שפון אוסטן היה רמאי או משהו כזה - הוא פשוט היה נלהב מכך שהסוס שלו כל כך חכם, ושהוא הצליח ללמד אותו כל כך הרבה, ולכן שמח להציג זאת בכל מקום ובפני כל מי שיבקש. בסוף, היתה כאן חידה: אם האנס באמת מסוגל להציג אינטלגנציה באופן כה משכנע, נראה שזה מוכיח שהוא תבוני במובן האנושי של המילה, לא? ומצד שני, אם הוא לא באמת כזה חכם, אז איך הוא מסוגל לענות על מגוון שאלות שכזה ברמת דיוק כה גבוהה?
החידה הזו טרדה את מנוחתם של אנשי אותה תקופה, עד שהגיעה להכרעה סופית ב-1907. אני משער שאתם גם יכולים להבין איך הסיפור הזה מתקשר לעונה שלנו, שהרי מה שקרה כאן היה דומה מאד למבחן טיורינג, רק עם סוסים במקום מחשבים. וממילא, הסיפור הזה משליך גם על הסיפור של העונה שלנו.
כפי שאמרתי, את ההכרעה לגביי האנס אנחנו נחשוף בסוף הפרק, אבל עכשיו בואו נחזור לשנת 1950, בול באמצע של המאה ה-20, כשטיורינג הציע את מבחן טיורינג שלו לזיהוי של בינה מלאכותית. כפי שהזכרתי בכלליות בפרק הקודם, טיורינג נתן גם תחזית משלו לעמידה ביעד הזה באותו מאמר:
"אני מאמין כי בעוד כחמישים שנה יהיה אפשר לתכנת מחשבים, בעלי קיבולת אחסון של כמיליארד ביטים, כך שיוכלו לשחק את משחק החיקוי כה טוב, עד שלחוקר הממוצע לא יהיה יותר מ־70 אחוז סיכוי לנחש נכון עם מי הוא מדבר לאחר חמש דקות של חקירה"
ההערכות של טיורינג היו קצת אופטימיות. זה לקח בסוף 75 שנה ולא חמישים עד שהגענו לאן שאנחנו היום, ובכל הקשור להערכות קיבולת האחסון שלנו הוא פספס במספר רב של סדרי גודל. מיליארד ביטים זה חצי ג'יגה - בערך הגודל של סרט שתורידו מהאינטרנט, בעוד שמודלים כמו GPT ודומיו דורשים פי אלף ויותר מקום כדי לרוץ. אבל כשמשווים לתחזיות אחרות של אנשים בעבר בנושאים שונים, האמת שההערכה של טיורינג היתה די מרשימה בָּדִיוק שלה. תחשבו שבתקופתו של טיורינג עולם המיחשוב היה ממש בחיתוליו, ושלא היה סיכוי שהוא יכול היה לדמיין את ההיקף של מה שנבנה כאן מאז.
כדי לקשר את המבחן של טיורינג לעקרונות יסוד בעולם ה-AI כיום, בואו נקדיש עכשיו קצת זמן לסקירה מהירה של כמה נקודות ציון בדרך משם לכאן. צעדים שלקחו אותנו משלב החיתולים הזה לצעידה על השטיח האדום של הבינה המלאכותית בחליפות ושמלות נוצצות.
עולם המיחשוב התחיל עוד הרבה לפני טיורינג. אם נגדיר "מחשב" כמכשיר שמבצע חישובים באופן מכני, הרי שדברים כאלו עוד היו במאה התשע-עשרה. אז לא היה מדובר במערכות חשמליות אלא מכניות - כלומר שכל החישובים נעשו על ידי ארגון גאוני של רכיבים פיזיים ואינטראקציות פיזיקליות ביניהם. נניח, בסוף המאה ה-19 פיתח אלברט מיכאלסון, יליד פולין שהיגר לארצות הברית, מכשיר שהיה מסוגל לחשב את טרספורם פורייה, אחד הכלים האנאליטיים הכי משמעותיים בתחום עיבוד האותות. מדובר היה במכשיר מכני לגמרי, שהשתמש בגלגלי שיניים, קפיצים, מטוטלות ועוד מרכיבים כדי לחשב סינוסים וקוסינוסים באופן אוטומטי.
אני מצרף כאן לינק לסרטון למי שרוצה לראות איך זה עבד - גם אם אין לכם מושג מה זה טרנספורם פורייה, יש הנאה בלראות את המכשיר הזה עושה… משהו… באופן אלגנטי. בכל אופן, רק מאוחר יותר, בערך בתקופה של מלחמת העולם השניה, החלו לצוץ להם מחשבים דיגטלים מבוססי אותות חשמליים - וגם שם, הזרימה החשמלית פשוט החליפה את כוחות הכבידה, החיכוך וכדומה. במונחים המודרנים, אפשר לומר שכל המחשבים של אותה התקופה היו מבוססי חומרה בלבד. כמו שאתם לא יכולים לקחת סכין ולהפוך אותו לתרווד, כך כל מחשב עשה משהו אחד בלבד שהוגדר על ידי המבנה הפיזי שלו.
האמת, גם הדור שלנו זכה להכיר ולהשתמש במחשבים מבוססי חומרה שכאלו, כמו לדוגמה המחשבונים הפשוטים מפלסטיק, כאלו שקונים לילדים היום בחנויות צעצועים כשהם עולים לכיתה א', ושכל מה שהוא יודע לעשות זה חשבון פשוט. סיקרן אותי אז בדקתי - המכשיר הראשון מהסוג הזה יצא ב-1971, במחיר שווה לכל נפש של $395, לא פחות, והיה נחשב מוצר יוקרה לזמן מה.
היכולות של המחשבון שיצא ב-1971 נקבעו כולם על פי החומרה שלו, ולגביי המכונה שחישבה את טרנספורם פורייה במאה ה-19 עם מטוטלות וקפיצים אין בכלל שאלה שכך זה היה. אבל בשלב הבא, לצד החומרה, הופיעה לה התוכנה. החומרה נשארה יציבה, אבל נבנתה כך שאפשר היה להתקין עליה תוכנות שונות, כשכל תוכנה יכלה לבצע פונקציות אחרות בתכלית. ריבוי תוכנות שרצות במקביל על גביי חומרה אחת, שדרוגים תכופים לתוכנות שמשפרות את הפונקציונליות בקלות יתירה, ועוד ועוד - כל אלו התאפשרו על ידי ההפרדה הזו שבין חומרה לתוכנה. כמובן, כדי לאפשר את השינוי הזה נדרשו תגליות וחידושים מהפכניים באופנים שבהם בונים חומרה, בהמצאת תחום שלם של שפות תכנות שבהן כותבים תוכנות, ועוד ועוד.
כשנפנה את מבטנו אל התוכנות הללו, נבין מיד שאפשר לקטלג אותן לפי כל מני פרמטרים, ולצרכים שלנו אני רוצה להתמקד בציר אחד: קו התפר, או מערכת היחסים, שבין התוכנה לבין הדאטה שהמשתמש מכניס למערכת, ועד כמה התפקוד של התוכנה תלוי ומושפע מהדאטה הזה. בקצה האחד מצויים תוכנות שבהן התוכנה מגיבה לדאטה של המשתמש באופן נקודתי, בשעת השימוש, ולא מעבר לזה. דוגמא לתוכנה כזו הינה שוב המחשבון הפשוט, שיודע לפתור שאלות במתמטיקה על ידי נוסחאות ידועות. המחשבון הזה, כמובן, עובד בדיוק אותו הדבר בכל מחשב וכל סמארטפון שהוא מותקן עליו - אם הוא היה נותן תשובות שונות לכל אחד, נראה לי שכולנו היינו מסירים אותו מהמכשיר שלנו בתחושה שיש לו באג חמור. עוד תוכנה מהסוג הזה היא תוכנת עיבוד תמלילים WORD - כל משתמש אולי מקליד עליה מסמכים אחרים, אבל הממשק זהה בכל מחשב ולא מושפע מן השאלה האם אני מקליד שיר, רומן או טיוטה לפודקאסט.
בקצה השני, לעומת זאת, ישנן גם מערכות שמתבססות על הדאטה שמגיע מן המשתמש ומן העולם, ושדווקא הדינמיות הזו שלהן היא החוזקה שלהם. תחשבו נניח על חיפוש בגוגל - יש שם שכבה מתוחכמת של תוכנה שעוזרת למצוא ולהציג תוצאות חיפוש, אבל התוצאות שהיא תציג מושפעות מצד אחד מהיסטוריית החיפוש של המשתמש ומצד שני מן המידע שקיים שם בחוץ - למה שמסד הנתונים הענק הזה שקוראים לו האינטרנט מספק לגוגל. דוגמה נוספת שמוכרת לכולנו היא שירות כמו נטפליקס - התכניות והסרטים שאנחנו בוחרים לצפות בהן היום עוברות ניתוח אוטומטי שמתוכו תגזור האפליקציה באילו שידורים נרצה לצפות מחר. מה שנטפליקס תציע לי יהיה שונה ממה שהיא תציע לכם - ובניגוד למה שהיה עם אפליקציית המחשבון, במקרה הזה אנחנו שמחים שזה כך.
וכאן בדיוק מגיע לו החיבור לבינה מלאכותית. שכן מה יש לנו בעצם שם, בתוכנות הללו של גוגל ונטפליקס? תוכנות מחשב שיודעות להסתכל על דאטה, ולהתאים את ההתנהגות שלהן לפי הדאטה הזה. ותגידו - כשבני אדם עושים משהו כזה - רואים מציאות, מחשבים מסלול מחדש ומתאימים את עצמנו אליה - מה אנחנו קוראים לתהליך הזה? אנחנו קוראים לזה - לחשוב. אדם שיודע להתאים את עצמו באופן מרשים ויעיל לדברים שהוא רואה סביבו ייחשב אדם נבון, וככל שההתאמות יעלו באיכותן גם נחשיב את תבונתו יותר. ולכן באופן אינטואטיבי אפשר להבין את אותו אחד שיציע שמערכות שיכולות לעשות דברים כאלו הינן תבוניות.
בואו נפרט זאת קצת יותר. שני כלים אנאליטיים חזקים שיש לנו כבני אדם הינם אינדוקציה ודידוקציה. אינדוקציה הינה התהליך של זיהוי דפוסים מתוך פרטים וניסוח כללים בהתאם לדפוסים הללו, בעוד דדוקציה הינה התהליך של הפעלת הכללים הללו על מקרים פרטיים והסקת מסקנות אופרטיביות. דוגמה לאינדוקציה היא לראות כל יום במשך חודש שהשמש עולה בבוקר ושוקעת בלילה ולהסיק שזהו כלל, חוק טבע שימשיך גם הלאה. דוגמה לדדוקציה היא להשתמש בכלל שהשמש עולה כל בוקר במזרח כדי להסיק שמחר, בעוד כמה שעות, קרני השמש ימצאו את דרכן לתוך החדר שלי דרך החלון המזרחי, יחדרו את הוילון ויעירו אותי משנתי.
שתי היכולות הללו, אינדוקציה ודדוקציה, מרגישות לנו באופן טבעי חל…
שלום כולם, וברוכים הבאים לאלישע והזוויות. היום ה-18 ליולי 2024, יב' תמוז התשפ"ד - והפעם, בפעם הראשונה - זווית אישית, שיחה שלי עם רוני גלבפיש. ולאלו מכם שתוהים איפה הפרק השלישי בעונה החדשה - הוא בדרך, אל דאגה - ביום חמישי הבא תמצאו אותו כאן אם לא יהיו הפתעות.
כפי שאמרתי לכם לפני כמה פרקים, יהיו גם שבועות שבהם תמצאו כאן ראיונות עם אנשים. המטרה שלי היא להמשיך את המנטרה של "אלישע והזוויות" - האמונה שצריך לשמוע דברים מזוויות מגוונות כדי לקבל את הפרספקטיבה הרחבה ביותר על המציאות. בתקופה הקרובה, במקביל לעונה השניה שעוסקת ב-AI, אני אביא לכאן אנשים שיביאו עוד זוויות על הדברים שדיברנו עליהם בעונה הראשונה.
היום, אני משתף איתכם שיחה שלי עם רוני גלבפיש. רוני היא סופרת, מתרגמת וציירת ישראלית, שעלתה לכותרות בשל העובדה שהיא שיתפה בפומבי איך, בתור אחת שהיתה נעוצה עמוק בשמאל הפוליטי, המלחמה שינתה אצלה הרבה תפיסות יסודיות פוליטיות וחברתיות. בשיחה שלי כאן איתה רציתי לשמוע - איך זה לצאת למסע אידיאולוגי שכזה? איך היא חשה לפני, ואיך היא חשה היום בכל הקשור לפוליטיקה ולציבורים השונים בישראל? איך זה להיות בתוך מטריצה פוליטית אחת ולצאת ממנה? ובתור מי שנטועה עמוק בשמאל הישראלי, איך היא מבינה את המקום הנפשי שהשביעי לאוקטובר הציב בו את חברי המחנה הזה? זו היתה התמה של השיחה, אבל כמובן שעל הדרך נגענו בהרבה נושאים בפוליטיקה הישראלית, לא מתוך מקום של ויכוח אלא להיפך, מתוך הגישה האנתרופוליטית שאני מנסה לקדם כאן: מקום של סקרנות, של רצון להבין מעל הכל.
אז לסיום, כמה הערות:
* לקראת סוף הפרק רוני מתייחסת למשהו שכתבתי על סבא שלי. היא מכוונת בכך לפוסט שלי בטוויטר, שבו סיפרתי על סבא שלי ואיך הוא שאב השראה מחייו של הרמב"ם כשהוא חיפש דרך להתאושש מהשואה ולהאמין שיש עתיד ששווה לחיות ולבנות בשבילו. אז רק רציתי שתדעו למה היא מכוונת, ולמי שרוצה לקרוא את הפוסט - מוזמן. גם בלי חשבון ב-X אתם יכולים לגשת.
* למי שרוצה לקרוא את הפרק במקום להאזין - מוזמנים ללחוץ על הלינק של הפרק ותמצאו באתר הפודקאסט את התמלול של הפרק. זהו תמלול אוטומטי שנוצר מהפרק, שלא עבר את הביקורת שלי, אז בטח יש שם טעויות פה ושם. ועדיין, אני מקווה שזה טוב יותר מכלום. אשמח גם לשמוע מאלו מכם שיקראו אותו איך היתה האיכות…
אז - אני מקווה שתהנו! זו היתה הפעם הראשונה שעשיתי ראיון כאן בפודקאסט, אז בטח יש המון דברים שלא עשיתי מקצועי מספיק, ואני מודה לרוני שאיפשרה לי להתגלח על השיחה איתה. בסוף הפרק אל תברחו - אני אשתף איתכם כמה מחשבות על השיחה, סוג של סיכום שלי של מה שעלה שם.
בהזדמנות הזו אני גם אמליץ, לאלו שלא האזינו לעונה הראשונה עד היום - אם הפרק הזה עניין אתכם, אז אני ממליץ בחום להאזין לפרק השני והשלישי של העונה הראשונה של הפודקאסט, המדברים על הציר של שמרנות וליברליות מכל מני זוויות, ולמה צריך את שניהם בחברה בריאה.
שתהיה שבת שלום!
From the publisher's feed