"בנקודה שבה התחלנו, לפני כשבע שנים, היה ברור לנו שאנחנו חייבים לפצח את השאלה הבסיסית - איך מכונות יכולות לייצר רעיונות?", מספר שגיא דוידוביץ', מנכ"ל חברת SparkBeyond, שייסד אותה יחד עם ד"ר רון קרידי, ה-CTO של החברה. "אז בדקנו איך זה קורה אצל בני אדם. הרבה פעמים אני יכול פשוט להציג מידע גולמי, לסדר אותו בטבלה או תרשים, ואם מישהו יסתכל על זה, אולי תהיה לו תובנה. התובנות הללו נעות על ספקטרום, מהדברים הכי בסיסיים ועד לדברים שמשנים סדרי עולם".
"אנחנו מתעניינים בתהליך היווצרות הרעיונות במוח האנושי", אומר קרידי. "אנחנו עושים אמפליפיקציה לרעיונות, וגם מבינים את המגבלות שבתהליך, ועוקפים אותן כדי לאפשר למכונות לעשות דברים שבני האדם מתקשים בהם".
דוידוביץ': "רבות מפריצות הדרך הגדולות בהיסטוריה היו תוצאה של חיבור בין ידע קיים וטכנולוגיות קיימות, כשמישהו אמר, בוא ננסה לחבר את זה ואת זה. לרוב לא קרה כלום, אבל מדי פעם יצא משהו מעניין. זה תהליך שהוא כמעט מיסטי, אנשים מדברים על רגע של 'אאוריקה', או אומרים ש'הכוכבים הסתדרו בשורה'. זה נתפש כמשהו שקשור מאוד למזל. שני אנשים נפגשו במקרה ודיברו על משהו שנתן להם השראה, עברו במסלול מסוים שהוביל אותם לטכנולוגיה או משאב מסוים, ומזה הכל נגזר.
"ניסינו לחשוב אם יש דרך שיטתית לסרוק מיליוני רעיונות בדקה. בשביל זה צריך להבין ממה רעיונות עשויים. למשל, סוג אחד רעיון הוא השערה. אני רואה הרבה תפוחים נופלים, ומשער שאני יכול לתאר את הנפילה שלהם על ידי נוסחה. עוד לפני ניוטון, הקונספטים של מאסה ומהירות היו מוכרים, אבל איש לא חיבר אותם. ניוטון עשה זאת, פיתח השערה ובדק שהיא נכונה, על ידי מפגש עם המציאות. כך קורה גם בעולם העסקי, רק ששם לא מדובר בתפוחים שנופלים, אלא במכירות שיורדות, ציוד שמתקלקל או איכות התוצאות של מנוע חיפוש. תמיד יש ניסיון לתאר את הקשר בין הדברים.
"נוצר מרחב אינסופי שבו אנחנו מחברים קונספטים שקיימים סביבנו בעולם, בקונסטלציות שעוד לא חשבו עליהן קודם. אם היינו יכולים לבדוק כל פעם את כל השילובים האפשריים ולבדוק אם הדאטה אומר לנו שיש התאמה, ואפשר להסביר על ידי נוסחה מסוימת את המציאות ולזרוק הצידה את 99% ההשערות האחרות שלא היו נכונות, היינו יכולים לעשות את התהליך הזה במהירות. כשהמכונה מציפה למעלה את ההשערות הטובות ביותר שהיא מצאה, אנחנו כבני אדם מתפעלים מכך שהיא חכמה כל כך. אבל זו לא הסיבה. המכונה פשוט טעתה כל כך הרבה פעמים, ובשילוב הדאטה, ידעה לאתר את הרעיונות השגויים ולסנן אותם, כך שנשארו רק הרעיונות הטובים ביותר".
קרידי: " ככל שהרעיונות נועזים יותר, הטעויות גדולות יותר, וגם הסיכוי לפריצת דרך גדול יותר. טעויות קטנות אנשים מתקנים בעצמם. נאמר שחברה מסוימת רוצה לייצר אנרגיה מרוח, ושוקלת לבנות כנפיים אירודינמיות יותר, או למקם טורבינות רוח במקום גבוה שיש בו הרבה רוח. ייתכן שבעצם עדיף למקם את הטורבינה קרוב למקום הזה, אלה טעויות שאנשים יודעים לתקן.
"ואולם, נניח שהדרך הטובה ביותר היא בכלל לסדר את כל הטורבינות במעגל. אם מישהו היה מעלה את הרעיון הזה, סביר להניח שהיו אומרים לו שאין בזה שם תועלת. למכונה אף אחד לא יגיד דבר כזה, ואז היא יכולה לגלות במקרה שזה הרעיון הטוב ביותר, כי המעגל מגביר את תפוקת הטורבינות. זה יהווה פריצת דרך, כי היתה יכולה להיות הרבה יותר גרוטסקית.
"בני אדם מוגבלים על ידי הטיות שונות. זה תוצר אבולוציוני שאפשר לנו להגיב מהר על סמך ניסיון עבר, באמצעות מעין 'קיצורי דרך' במוח. כשאתה רואה משהו והמוח שלך אומר לך שזה אריה, למשל, רוב הסיכויים שזה באמת אריה - אבל כך מתרחשות גם טעויות, ונוצרים סטריאוטיפים וסטיגמות. כל אלה גורמים לבני אדם לא להעריך נכון סיכונים, למשל. אנחנו אומנם יכולים לחשב הסתברויות במהירות, אבל זו גם מגבלה. כשאנחנו רוצים לייצר חדשנות בצורה שיטתית, לקדם את המדע והטכנולוגיה, אסור לנו לתת להטיות שלנו לגרור אותנו אחורה. המטרה היא לפתוח את המניפה ככל האפשר. וזה העיקרון לפיו בנינו את המוצר שלנו".
בתהליך העבודה, אומר דוידוביץ', "הבנו שיש סוג נוסף של הטיה - בדרך כלל משתמשים במידע הזמין שכבר קיים בארגון, ומתעלמים מהכמויות האדירות של המידע שנאסף מחוצה לו. חשבנו - אם נוכל לבנות מכונה שפשוט תכיר את הדרך בה העולם עובד, היא תדע מה תחזית מזג האוויר, תכיר את כל הערכים בוויקיפדיה, תקרא מאמרים מדעיים ופטנטים, תאזין לחדשות ועוד ועוד.
"המכונה הזו תוכל לחבר בין דברים, ולהגיע לתובנות חדשות. היא תוכל לשלב בין העלאת השערות באופן שיטתי, לבין היכולת להעשיר את המידע בהרבה מקורות מידע חיצוניים. יש כאן עבודה רבה - בכיסוי של כמה שיותר מקורות המידע, באיכות שלהם, באיסוף מידע בפורמט שיאפשר חיבור בין נתונים ומסוגים שונים.
"עם זאת, חשוב לזכור שאם שואלים יותר מדי שאלות, עלולים למצוא יותר מדי תבניות. כמו בכתמי רורשך, אנשים יכולים לראות תבניות בכל דבר. לכן, צריך למצוא את האיזון ולשמור על מרחב גדול, אבל לא מדי - אחרת נוכל למצוא תובנות שגויות, כמו הקשר בין מכירות הגלידה לבין המשך כהונתו של דונלד טראמפ כנשיא ארה"ב".
קרידי: "זו הסיבה לכך שאבני הבניין מהן מורכבים הרעיונות צריכות להיות רלוונטיות לעולם הבעיה, ואז אפשר לדבר על שאלות מורכבות יותר. למשל, אם נרכיב משפט כמו "למטוס שטס יותר מ-500 ק"מ מעל מדבר, יש סיכוי גבוה יותר לתקלה בנחיתה". זה משפט שיש לו משמעות, שאפשר לבדוק אותו, והוא גם הגיוני".
דוידוביץ': "יש כאן שילוב של שלושה אלמנטים. הראשון הוא הקונספט של המרחק - כמה ק"מ המטוס עבר. השני הוא קונספט של מדבר, שאולי לא היה בדאטה שלך והיית צריך לקחת אותו מהכללה של עולם המטוסים. השלישי הוא לנסות למצוא הסבר. אולי חול המדבר מעלה את הסיכוי לתקלה, אולי זה אפילו מופיע במאמר מדעי כלשהו".
קרידי: "זו דוגמה אמיתית, כשהפרטים המדויקים טושטשו. אחת היצרניות הגדולות של מנועי מטוסים השתמשה במערכת שלנו ומצאה קשר בין תקלות במנועים לבין תוואי השטח מעליו עברו המטוסים, אורך תוואי השטח הזה, ונמצא גם קשר לטמפרטורה בשדה התעופה בהמראה ובנחיתה. אחרי שהמערכת גילתה את הקשר, המהנדסים הבינו למה זה קורה".
דוידוביץ': "כיום, כשמדברים על בינה מלאכותית, מדברים הרבה על היכולת לחזות דברים. אנחנו רואים ערך עצום ביכולת המשלימה - לנסות לענות על השאלה 'למה'. לא רק להגיד איפה הברק יפגע, אלא להבין שאולי גובה של מוליך הוא פקטור שמשפיע, ואז אפשר לבנות כולא ברקים, וכבר לא משנה איפה הברק יפגע. זה ניואנס עדין, שכאשר הבנו אותו, זה השפיע מאוד על הכיוון אליו לקחנו את המוצר".
לדברי דוידוביץ', "אנחנו גאים בכך שאנחנו עוזרים לחברות להשתתף בכלכלה מעגלית - במקום לזרוק תוצר לוואי, למשל, המכונה שלנו יכולה להציע רעיונות לשימוש בתוצר הלוואי הזה, כדי להגדיל את היקף העסקים.
"באירופה, למשל, אנחנו עובדים עם חברות מים וביוב, ועוזרים להן בבעיות שונות - כמו הצפות. המכונה מזהה מה גורם לאזורים להיות מועדים להצפות יותר מאחרים, ומה הקשר בין שינוי האקלים לבין איכות המים. בתחום האנרגיה, אנחנו עובדים עם חברות נפט וגז שרוצות לצמצם את טביעת הרגל הפחמנית שלהן. אנחנו משתדלים מאוד לחפש הזדמנויות עסקיות שעולות בקנה אחד עם הערכים שלנו בנושאי קיימות וסביבה. זה לא תמיד קל, כי כחברה עסקית, אנחנו צריכים לגדול, אבל יש שביל זהב שצריך למצוא".
קרידי: "לפני שנה וחצי, טרום הקורונה, הגיעו אלינו כמה אנשים מאחת מחברות האשראי הגדולות באירופה, כדי להשתתף בסדנת שימוש במוצר. האחראי על סיכוני אשראי בחברה אמר שהוא רוצה למצוא דרך לייצר סיטואציה של Win-Win דווקא במצבים שבהם לאנשים שלקחו אשראי יש בעיה להחזיר אותו.
"בשוק מקובל להגדיל את הריבית של אנשים בסיכון גבוה, כדי לפצות על הסיכון שהם יוצרים לחברה. אותו אדם אמר שהוא רוצה לעשות ההפך מכך. הוא רוצה לאתר את האנשים שהוא יכול לתת להם חצי שנה של תשלום מופחת, או ללא תשלום כלל, והם יחזירו את כל הכסף. התרגשנו כי זה מאפשר לאנשים שיכלו לאבד את השליטה על הגורל הכלכלי שלהם, לחזור לעמוד על הרגליים. ואכן, הטכנולוגיה שלנו עזרה להם לאתר מה מאפיין את האנשים שכדאי לתת להם הזדמנות.
"עם זאת, חשוב להדגיש שאנחנו עוסקים בעוד הרבה מאוד תחומי פעילות, מבחינה טכנולוגית ועסקית גם יחד. המכונה שלנו עוזרת לחברות להעלות רעיונות חדשים בנושאים כמו שימור לקוחות, יעילות תפעולית ואופטימיזציה עסקית.
"התחלנו עם החברות הגדולות בעולם - חברות פורצ'ן 500, חברות האשראי הגדולות בעולם, חברות ייעוץ מה-Big Four, ענקיות הפארמה והאנרגיה. אנחנו תמיד מנסים לבחור שותפים שהם המובילים בתעשיות שלהם. ועדיין, אנחנו יודעים שההזדמנות הגדולה יותר טמונה בדמוקרטיזציה - לתת לכמה שיותר אנשים בעולם גישה לטכנולוגיה, כדי שהם יוכלו ליהנות ממנה".
אז איך בעצם עובדת המכונה של ספארק ביונד? "יש לנו מנוע ששואל שאלות, בודק אותן על דאטה ומעשיר את הדאטה במידע חיצוני", אומר דוידוביץ'. "הוא כותב את הקוד של כל היפותזה בעצמו, מריץ אותו על המידע ומגלה אם ההשערה נכונה או לא. למשל, אם הוא משער ששימוש במשאיות בגודל בינוני יביא לחיסכון בדלק בנסיעה בתוך ארה"ב, הוא פשוט יבדוק את הדאטה ההיסטורי, יכתוב קוד שבודק את ההשערה ויבחן אם יש קורלציה בין משאיות בגודל בינוני לבין החיסכון בדלק".
קרידי: "מנוע שני הוא תמונת המראה למנוע הראשון. הוא מניח שאין דאטה שרלוונטית למה שאנחנו רוצים לשאול, ומנסה למצוא את תובנות ותשובות מתוך הידע הקיים ברשת. הוא קורא מאמרים, מסתכל בכתבות בחדשות ומוצא תשובות לשאלות שהן לא שאלות כמותיות. כמו מה האפשרויות למחזר אלומיניום, או מה אפשר לעשות עם זהב. יהיו תשובות בנאליות, כמו 'תכשיטים', אבל אולי גם 'אפשר ליצור מוליך שמתחמם בקלות', וזה יכול לתת רעיון לרכיב שאפשר להשתמש בו בתוך המצאה חדשה כלשהי. המנוע קורא את כל 400 מיליארד העמודים ברשת ומנסה לחבר את הנקודות ולענות על שאלות מורכבות מאוד.
"המשותף לשני המנועים הוא שהם עוזרים להתגבר על ההטיות האנושיות. זו מכונה שמרתיחה את האוקיינוס - מצד אחד, היא מעלה את כל הרעיונות האפשריים, ומצד שני, מוצאת את כל הרעיונות שיש ברשת. אנחנו קוראים לזה אינטליגנציה קולקטיבית". על פריצת הדרך שרשמה ספארק ביונד, עשויה להעיד בחירתה על ידי מיקרוסופט לאחד מ-15 השותפים האסטרטגיים שלה בתחום הבינה המלאכותית, יחד עם חברות ענק כמו אינבידיה ואקסנצ'ר. פעילות החברה משתרעת על פני חמש יבשות, עם משרדים בלונדון, ניו יורק, סינגפור, אוסטרליה וכמובן, ישראל.
"אחד הדברים הראשונים שעשינו בתקופת הקורונה היה לשלב בין עבודה מהבית לעבודה מהמשרד", מתאר קרידי. "האסימון הראשון שנפל היה שהבנו שאפשר לעבוד מהבית, בלי שהתפוקה תרד. אבל אז ירד האסימון השני - שאנשים מתגעגעים זה לזה. האסימון השלישי היה ההבנה שניתן לשלב את שני העולמות, ולאפשר לאנשים לבחור באיזה יום להגיע למשרד. אני בטוח שצפויים לנו עוד אסימונים, כי שלושת אלה נפלו בתוך פחות משנה".
לשאלה אילו עובדים מחפשת ספארק ביונד, עונה קרידי: "הדבר הכי חשוב לנו הוא אנשים שמזדהים עם המשימה של החברה. כאלה שיידלק להם האור בעיניים כשנדבר איתם על הדברים הכי חשובים לנו, על הגדרת המשימה שלנו - לרתום את כלל הידע האנושי לפתרון הבעיות החשובות של העולם".
דוידוביץ': "אנחנו גם מחפשים אנשים בעלי נפש יזמית, שבאים עם דרייב עצמי ויש להם רעיונות. הם יכולים לנסות לבנות משהו במהירות רק כדי להוכיח לעצמם ולצוות שזה אפשרי, וכך ליצור התקדמות. אנחנו ארגון שמעודד אנשים לקחת יוזמה ולבנות. יכול להיות שהם יקדימו את החשיבה של המנהלים שלהם, שלנו, מבחינת איך לקחת את המוצר קדימה - וזה נהדר מבחינתנו".
לפרטים נוספים: www.sparkbeyond.com
