|
בתוך גל של פופוליזם, טרור והתקפות סייבר קשה להתבונן אל מעבר למשבר הקרוב – אבל מנהיגים עסקיים חייבים לעשות זאת. מה תהיה המשמעות אם בשנת 2027 אוכלוסיית אפריקה תהיה גדולה בשליש ואוכלוסיית אירופה תישאר ללא שינוי? כיצד יתמודדו חברות עם ממשלות המצפות מהן לאסוף יותר מידע על עובדיהן ולסייע באכיפת חוקי המס? ארבעה כתבים בכירים בפייננשל טיימס מספקים תחזיות בארבעה תחומים מרכזיים.
|
|
|
|
בינה מלאכותית תהיה בקרוב כמו חשמל: משאב שכמעט כל אפליקציה דיגיטלית או שירות דיגיטלי יוכלו להתחבר אליו ולתת לו כוח נוסף - מצטט ריצ'רד ווטרס, עורך פייננשל טיימס בחוף המערבי של ארה"ב, את פרופ' אדוארד נג מאוניברסיטת סטנפורד, מחלוצי התחום. השימושים הנוכחיים של בינה מלאכותית (AI) מלמדים על העתיד לבוא, הוא מוסיף.
האנלוגיה של נג מלמדת, כי הבינה המלאכותית תהיה זמינה לעסקים רבים בעוד עשור. היא תהיה רבת עוצמה וקלה ליישום, תפעל ברקע ולעיתים קרובות בלי שתיראה. השלכותיה יחללו ויגבירו את האפקטיביות של אפליקציות רבות. היא גם תסמל שינוי דורי בטכנולוגיה ובעסקים, שלדעת ווטרס יהיה לא פחות משמעותי מאשר המעבר מקיטור לחשמל.
אפילו שיפורים קטנים יכולים להוביל לרווחים משמעותיים. למשל: מנועי הרלוונטיות המופעלים בהרבה שירותים און ליין צופים מהם התכנים והפרסומות שיעניינו את הגולשים. בינה מלאכותית תוכל לשפר את הסיכוי שהם אכן יקליקו על התוכן/הפרסומת - ולזה יש משמעות כספית רבה על הרווחים.
במקביל מתחילים להופיע יישומים חדשים, המבוססים אך ורק על
AI. כמה מההתפתחויות הגדולות ביותר הושגו בשדה הכרת התמונות, אשר הגיעו לרמה אנושית של מהימנות. התקדמות זו תאפשר למחשבים ליטול על עצמם משימות כמו ניתוח של צילומים רפואיים. לעומת זאת, קשה יותר להעביר את השפה לשדה הבינה המלאכותית. אולם מומחים רבים בתחום סבורים שלאחרונה הושגה פריצת דרך המקדמת את השפה לאותה נקודה בה נמצאות התמונות, ושבקרוב יוכלו מכונות "להבין" מילים כמו בני אדם.
הטכניקות הללו מבטיחות לקדם משרות רבות ולהפוך את העובדים ליצרניים יותר. שימוש במכונות שיכולות לסרוק ולהבין כמויות מידע גדולות בהרבה מאשר בני אנוש יוכלו אי-פעם, ניתן יהיה לשאוב את המידע הרלוונטי ביותר או לספק ניתוח בסיסי שממנו יוכלו להתקדם העובדים. הן גם עשויות לחולל שינויים מרחיקי לכת בענפים שלמים. למשל: כמה יצרני רכב צופים שיוכלו להעלות לכביש מכוניות אוטונומיות כבר בתחילת העשור הבא, עם השלכות עצומות לענפים ולעובדים הזקוקים לתחבורה ולתובלה.
הקופסה השחורה האמיתית, אומר ווטרס, היא מערכות הלמידה העמוקה. אפילו המהנדסים שבונים אותן אינם יכולים לומר במדויק מדוע הן מגיעות למסקנות מסוימות מן המידע המוזן אליהן. עובדה זו מעלה שאלה כבדת משקל: עד כמה התחזיות וההמלצות של המערכות הללו יהיו אמינות והוגנות? המחקר המעמיק ביותר שנעשה עד כה לגבי אפשרות של הטיה בידי AI נערך בידי פרו-פבליקה, ארגון אמריקני של עיתונאות חוקרת. הוא הגיע למסקנה, כי התוכנה בה משתמשים שופטים בארה"ב כדי לחזות את הסיכון של חזרת עבריין לסורו - ולאור זאת להחליט האם לשחררו בערבות - סובלת מהטיה גזעית. יצרני התוכנה וכמה אקדמאים דחו את ממצאי התחקיר, אבל אין ספק שבכל מקרה מדובר באזהרה ברורה לכל החברות שיעבירו בשנים הבאות לידי מכונות חלק מתהליכי קבלת ההחלטות שלהן: התוצאות יהיו אוביקטיביות בדיוק באותה מידה בה יהיה המידע עליהן יתבססו.