מפתחים בינה מלאכותית שמבינה את העולם: פרופ' ברנהרד שולקופף על חשיבות הסיבתיות

    לפני כחודשייםניתוח1 מקורות

    פרופ' ברנהרד שולקופף, מומחה בלמידת מכונה מ-ETH Zurich, טוען כי התקדמות ב-AI תלויה במעבר ממודלים סטטיסטיים למודלים סיבתיים. בהרצאתו ב-ICIP 2025 יסביר כיצד יכולת ייצוג סיבתית מאפשרת למערכות להתמודד עם שינויים בסביבה, לבצע "חשיבה" פעילה ולבצע התערבויות יעילות. יציג דוגמאות מהאסטרונומיה (גילוי אקסו-פלנטות) וידון בהשלכות על Generative AI.

    מפתחים בינה מלאכותית שמבינה את העולם: פרופ' ברנהרד שולקופף על חשיבות הסיבתיות

    סיבתיות – המפתח הבא להתקדמות בינה מלאכותית?

    פרופ' ברנהרד שולקופף (Bernhard Schölkopf), חוקר מוביל בתחום למידת מכונה מ-ETH Zurich וממייסדי מכון ELLIS, יעניק השנה הרצאת מפתח בכנס ICIP 2025 של IEEE באנקורג', אלסקה. נושא הדיון: תפקידה המכריע של סיבתיות (Causality) בפיתוח מערכי AI אינטליגנטיות באמת.

    מה חסר ללמידה סטטיסטית קלאסית?

    שולקופף מסביר כי שיטות למידה מסורתיות מתבססות על זיהוי דפוסים סטטיסטיים (I.I.D) – גישה יעילה כשהסביבה אינה משתנה. אך ברגע שמתעוררים שינויים בלתי צפויים בין אימון המודל לשלב היישום, מתגלות מגבלות משמעותיות. כאן נכנסת לתמונה הסיבתיות:

    "מודלים סיבתיים כוללים ייצוג מפורש של התערבויות ושינויי התפלגות – יכולת קריטית לפתרון בעיות מורכבות בהן בינה אנושית מצטיינת"

    מדוע דרושה חשיבה סיבתית במערכות AI מודרניות?

    • יכולת התערבות ופעולה אקטיבית: מודלים סיבתיים מאפשרים למערכת "לדמיין" תוצאות של פעולות ("חשיבה היא פעולה במרחב מדומיין", לפי קונרד לורנץ).
    • שיפור החוסן מול שינויים דינמיים: מערכות הבונות מודל עולם סיבתי (Causal World Model) מסתגלות טוב יותר לשינויים בסביבה.
    • מעבר למידע פסיבי: רוב בסיסי הנתונים הנוכחיים נאספים באופן פאסיבי וחסרים הקשר על יחסי סיבה-תוצאה.

    הצלחות בשטח: מגילוי כוכבי לכת לרובוטיקה

    שולקופף מביא דוגמאות מהעולם האמיתי:

    • אסטרונומיה: פיתוח מודל סיבתי לזיהוי אקסו-פלנטות הוביל לגילוי כוכב הלכת K2-18b המפורסם.
    • ביו-רפואה: זיהוי קשרים סיבתיים בנתוני חולי סרטן השפיע על תכניות טיפול אישיות.

    איך זה מתיישב עם Generative AI?

    שולקופף מציע שני כיווני מחקר מרתקים:

    1. בחינת יכולות סיבתיות במודלי ענק: אם פרדיגמת ה"Scale is All You Need" נכונה – מודלים כמו GPT-5 אמורים להפגין יכולות הסקה סיבתית.
    2. שילוב למידה סיבתית באימון מערכות: האפשרות לשלב למידה מסיבתיות (כלומר, אינטראקציה עם העולם) לצד אימון על טקסט ותמונות.

    חזון בין-לאומי בסביבה פוליטית מורכבת

    כמייסד שותף של יוזמת ELLIS (European Lab for Learning & Intelligent Systems), שולקופף מדגיש את חשיבות השיתוף פעולה הגלובלי בפיתוח AI אתי:

    "אנו מאמינים שאירופה יכולה למלא תפקיד מרכזי בפיתוח בינה מלאכותית שלא רק מתקדמת טכנולוגית – אלא גם משמשת כוח לטובת האנושות. זהו הבסיס להקמת ELLIS".

    מתי? ההרצאה המלאה תישאר ב-ICIP 2025 (14-18 בספטמבר 2025, אנקורג', אלסקה). פרטים והרשמה: 2025.ieeeicip.org.

    מקורות