הזמן כמשאב קוגניטיבי: מה מערכת הראייה של השפירית חושפת על קבלת החלטות בעידן הבינה המלאכותית
המהפכה שמחוללת הבינה המלאכותית בקבלת החלטות מתוארת בדרך כלל כמהפכה בכמות: יותר נתונים ניתנים לעיבוד, יותר משתנים נכנסים למודל, יותר תרחישים ניתנים לחישוב ויותר ידע נעשה נגיש למקבל ההחלטות. המסגור הזה מחמיץ משתנה יסודי יותר, הזמן שבין היווצרות שינוי במערכת לבין הרגע שבו השינוי מקבל משמעות קוגניטיבית. אות יכול להיות נוכח זמן רב לפני שהוא מזוהה כאות, סטייה יכולה להופיע בנתונים לפני שמישהו מייחס לה משמעות, ושינוי מבני יכול להתחיל הרבה לפני שהוא חוצה את הסף שבו הארגון מכיר בקיומו. במערכות דינמיות, הפער הזה קובע לעיתים את איכות ההחלטה עוד לפני שהדיון בה החל.
כבר באמצע המאה העשרים הציב הרברט סיימון את מגבלות הקשב והעיבוד במרכז תורת ההחלטה. כאשר כמות המידע האפשרית גדולה מכושר העיבוד של מקבל ההחלטות, הגדלת היצע המידע מעבירה את המחסור ממידע אל קשב. מכאן נולדה אחת התובנות החשובות בתורת הארגון: עושר במידע יוצר עוני בתשומת לב. ארגון מתפקד גם כמערכת סלקציה. מבנים, היררכיות, נהלים, מערכות דיווח ותרבות מקצועית קובעים איזה חלק מן המציאות יגיע למרחב ההחלטה ואיזה חלק יישאר מחוצה לו. הבינה המלאכותית מגדילה דרמטית את נפח המידע הזמין לעיבוד ובמקביל מחריפה את בעיית הסלקציה. ריבוי אותות, תחזיות והתראות מעלה את ערכו של מנגנון המסוגל לקבוע מה ראוי לקשב עכשיו ומה יכול להישאר ברקע.
מערכת העצבים של השפירית מספקת מקרה מחקר יוצא דופן לבעיה הזאת. היא פועלת תחת מגבלות קיצוניות של גודל, אנרגיה וזמן ופותרת בזמן אמת שלוש משימות חישוביות מורכבות: בחירת מטרה מתוך סביבה עתירת גירויים, הערכת מצבה העתידי מתוך מידע חלקי והתאמת הפעולה כאשר התחזית פוגשת מידע חדש. משאבי החישוב מוקצים באופן סלקטיבי למידע בעל הערך הגבוה ביותר לפעולה הקרובה. יעילות המערכת נובעת במידה רבה מן היכולת לוותר על עיבוד שווה של כלל הסביבה ולהעניק עדיפות למשתנים בעלי משמעות התנהגותית מיידית.
במחקר שפורסם בכתב העת Nature בחנו מתאו מישיאטי, הואי טי לין, פול הרולד, איב אימלר, ריוהיי אולברג ואנתוני לאונרדו את דינמיקת יירוט הטרף אצל שפיריות באמצעות שחזור תלת ממדי של תנועות הראש והגוף. הניתוח הצביע על שימוש במודלים פנימיים של תנועת הגוף ושל המטרה. השפירית מייצרת מסלול ביחס למצב עתידי משוער ומשתמשת בקלט החזותי לתיקון סטיות בלתי צפויות. מבחינה חישובית נוצר פער מהותי בין תגובה למיקום שכבר נצפה לבין פעולה המכוונת למיקום עתידי. כל זמן עיבוד הופך מידע על ההווה למידע על עבר קרוב; מנגנון חזוי מפצה על הפער באמצעות הערכת המקום שאליו המטרה נעה.
ההבחנה בין מהירות תגובה לבין קדימות תפיסתית משנה את משמעות המהירות במערכות החלטה. מערכת יכולה להגיב בתוך שניות לאירוע שהתגלה בשלב מאוחר בהתפתחותו. מערכת אחרת עשויה להקדיש שעות לניתוח ולפעול מוקדם בהרבה במחזור החיים של אותו אירוע. תהליך המתפתח במשך חודש ומתגלה ביום העשרים ושמונה מותיר מרחב תמרון מצומצם גם תחת מנגנון החלטה מהיר. זיהוי ביום החמישי מעניק לארגון שלושה שבועות נוספים שבהם ניתן לבדוק השערות, לשנות הקצאת משאבים, לבצע ניסויים ולבחון את תגובת הסביבה. המהירות האסטרטגית נוצרת במועד הזיהוי יותר מאשר במשך הדיון בחדר ההנהלה.
האמירה שלפיה השפירית רואה את העולם בהילוך איטי מתארת באופן ציורי יחס בין קצב השינוי בסביבה לבין קצב העיבוד של מערכת התפיסה. רזולוציה זמנית גבוהה מאפשרת להבחין בשינויים המתרחשים בפרקי זמן קצרים יותר. אירוע חיצוני יחיד מכיל בעקבות זאת מספר גדול יותר של מחזורי תפיסה, הערכה ותיקון. הזמן הפיזיקלי נשאר קבוע, בעוד צפיפותן של נקודות ההחלטה גדלה. מבחינת מערכת בעלת קצב עיבוד גבוה, אותו אירוע מכיל יותר רגעים שבהם ניתן לזהות סטייה ולשנות פעולה.
עבודתם של סטיבן וידרמן, ג’וזף פביאן, ג’יימס דנבייר ודייוויד או’קרול הוסיפה רובד נוסף. החוקרים תיארו ויסות חזוי של הרגישות העצבית בנוירונים המתמחים בזיהוי מטרות קטנות. לאחר שמטרה נעה במסלול מסוים, הרגישות החזותית מתחזקת באזור שאליו היא צפויה להגיע ונחלשת יחסית באזורים אחרים. כאשר המטרה נעלמת לזמן קצר, מוקד הרגישות ממשיך להתקדם בכיוון הצפוי ובה בעת מתרחב. התיישנות המידע מגדילה את מרחב המיקומים האפשריים ולכן משנה את הקצאת הקשב של המערכת.
התופעה הזאת נוגעת ישירות לבעיה המרכזית של החלטה תחת אי ודאות. מחסור במידע אינו עוצר את פעולת המערכת. הוא משנה את מבנה התחזית. ככל שחולף זמן מאז התצפית האחרונה, ההערכה נעשית פחות נקודתית ומרחב האפשרויות מתרחב. הפעולה ממשיכה לצד הכרה הולכת וגדלה באי הוודאות. מבחינה ניהולית מדובר בעיקרון בעל חשיבות רבה: איכותה של מערכת החלטה תלויה גם ביכולתה לשנות את רוחב מרחב התרחישים בהתאם לאיכות המידע, ולא רק ביכולתה לבחור את התחזית בעלת ההסתברות הגבוהה ביותר.
המעבר ממיקום למסלול משנה גם את יחידת הניתוח. ארגונים רבים עדיין בנויים סביב תמונות מצב: דוח חודשי, רבעון, מאזן שנתי, ישיבת סטטוס או מדד שנקרא בנקודת זמן מסוימת. תמונת מצב מתארת ערך. מסלול מתאר כיוון, קצב ולעיתים תאוצה. ירידה של שני אחוזים במכירות מספרת מעט בפני עצמה. רצף של ירידות קטנות ההולכות ומואצות בפלח לקוחות מסוים, במקביל לעלייה בביטולי עסקאות ולשינוי בשיח של אותם לקוחות, מייצר מידע מסוג אחר. המשמעות נמצאת במבנה התנועה ולא במספר הבודד.
הבינה המלאכותית מרחיבה באופן דרמטי את היכולת לעבור מניהול המבוסס על תמונות מצב לניהול המבוסס על מסלולים. מערכות חישוביות מסוגלות לעקוב במקביל אחר מספר גדול של משתנים, לזהות שינוי בהתפלגות, למדוד קצב שינוי ולחפש צירופים שקשה לאדם לזהות בתוך זרם רציף. התרומה החשובה אינה עוד תחזית המתווספת לשולחן ההנהלה. התרומה היא קיצור המרחק בין הופעת סטייה לבין ההכרה בכך שהמערכת עברה למסלול אחר.
למרחק הזה ניתן להתייחס כאל השהיה פרשנית. נתון עשוי להגיע בזמן אמת ולהישאר חסר משמעות ניהולית במשך ימים. מערכת מכירות יכולה להציג ירידה קטנה, ספק יכול להתחיל לאחר, לקוחות יכולים לשנות בהדרגה את דפוסי החיפוש שלהם ועובדים יכולים להתחיל לעזוב יחידה מסוימת. כל האותות כבר קיימים במאגרי הארגון. המשבר מופיע מאוחר יותר, כאשר הקשרים ביניהם נעשים ברורים מספיק לתודעה האנושית. היתרון החישובי של בינה מלאכותית מקבל ערך ניהולי ברגע שבו היא מקצרת את ההשהיה שבין נוכחות המידע לבין היווצרות המשמעות.
הספרות על קשב ארגוני מעניקה לתהליך הזה מסגרת רחבה יותר. ויליאם אוקסיו הציב בשנות התשעים את הקשב במרכז התנהגותם של ארגונים. מנהלים פועלים ביחס לנושאים ולחלופות שמגיעים לשדה הקשב שלהם, והמבנה הארגוני משפיע על הדרך שבה השדה הזה נוצר. בינה מלאכותית מוסיפה שכבת תיווך חדשה בין המציאות לבין הקשב האנושי. האלגוריתם יכול לקבוע אילו חריגות יודגשו, אילו קשרים יוצגו ואילו התפתחויות יקבלו עדיפות. בעקבות זאת, שאלת איכות המודל מתרחבת לשאלת ארכיטקטורת הקשב שהוא יוצר עבור הארגון.
עודף מידע מקבל במסגרת הזאת משמעות שונה. הבעיה אינה מספר הנתונים אלא היחס בין קצב ייצור המידע לבין יכולת המערכת להבחין בחשיבותו. מערכת שמייצרת אלף התראות ביום עלולה להפחית את רגישות הארגון לשינוי משמעותי. מערכת שמסננת תשע מאות תשעים ושמונה מהן ומצליחה לזהות שתי סטיות בעלות משמעות משנה את חלוקת הקשב. הלקח ממערכת הראייה של השפירית נוגע לסלקציה הזאת: יעילות חישובית יכולה להיווצר מהחלטה מוקדמת מה לא ראוי לעיבוד מלא.
מכאן משתנה גם תפיסת החיזוי. תחזית ארגונית נתפסת לעיתים כמוצר סופי: מספר, תרחיש או הסתברות שאמורים לתאר את העתיד. מערכת חזויה יעילה יותר מתייחסת לתחזית כאל מצב ביניים בלולאת בקרה. היא מייצרת הערכה, פועלת ביחס אליה, מודדת את הפער בין הצפוי למתרחש ומעדכנת את ההערכה. ערכה אינו תלוי רק בדיוק בנקודת ההתחלה אלא במהירות שבה היא מזהה את טעותה. בסביבה דינמית, יכולת תיקון גבוהה יכולה להיות בעלת ערך גדול יותר משיפור קטן בדיוק התחזית המקורית.
השלכה זו משנה את מקומה של אי הוודאות בתהליך הניהולי. החלטה אינה חייבת להמתין להיעלמותה. מידע נוסף מפחית חלק מאי הוודאות ובאותו זמן צורך זמן, ובמערכת משתנה גם לזמן יש מחיר. המתנה ארוכה יותר עשויה לייצר תחזית מדויקת יותר ביחס לעולם שכבר השתנה. ניהול מתקדם דורש לכן איזון בין איכות המידע לבין ערך הפעולה המוקדמת, לצד יכולת גבוהה לתקן החלטות כאשר מידע חדש מגיע.
הבינה המלאכותית משנה את האיזון הזה משום שהיא יכולה להאיץ שני תהליכים במקביל: הפקת משמעות לפני ההחלטה וזיהוי סטייה לאחריה. המנהל נדרש פחות להמר על תחזית יחידה ויכול לעבוד עם מערכת שמעדכנת ברציפות את מצב הידע. תפקידו עובר בהדרגה מבחירת תשובה אחת לניהול מערכת של השערות, ספים, תרחישים ואותות תיקון. החלטה הופכת מאירוע נקודתי לתהליך מתמשך.
הזמן מקבל בעקבות זאת מעמד של משאב קוגניטיבי. ארגון שמזהה שינוי מוקדם אינו רק מקבל עוד שעות או ימים. הוא פוגש את האירוע בשלב שבו מספר הפעולות האפשריות גדול יותר. בראשיתו של משבר ניתן לשנות מחיר, ספק, תקציב, מסר, תהליך או סדר עדיפויות בעלות יחסית נמוכה. בשלבים מתקדמים האפשרויות מצטמצמות והמחיר של כל שינוי עולה. זיהוי מוקדם מגדיל אפוא את מרחב הבחירה ולא רק את משך הזמן לבחירה.
אפשר לתאר את היתרון הזה כפער בין נקודת הגילוי לנקודת הקיבוע. הראשונה מסמנת את הרגע שבו שינוי נעשה ניתן לזיהוי. השנייה מסמנת את השלב שבו תוצאותיו נעשות יקרות מאוד לתיקון. מערכות בעלות רזולוציית תפיסה גבוהה מרחיבות את המרחק בין שתי הנקודות. זהו יתרון אסטרטגי שונה מיתרון מידע קלאסי. השאלה כבר אינה מי מחזיק ביותר נתונים, אלא מי מזהה מוקדם יותר שהמשמעות של הנתונים השתנתה.
השפירית מעניקה לדיון הזה מסגרת ביולוגית מדויקת במיוחד. מערכת עצבים קטנה מצליחה להתמודד עם עולם מהיר באמצעות שילוב של רזולוציה זמנית, סלקציה של קשב, חיזוי קצר טווח ותיקון רציף. הבינה המלאכותית מאפשרת לראשונה להעתיק חלק מן העקרונות החישוביים הללו לקנה מידה ארגוני: חישה רציפה של מערכות גדולות, הקצאת קשב לאותות חריגים, הערכת מסלולים ועדכון מתמיד של תמונת המצב.
היתרון הארגוני בעידן הבינה המלאכותית עשוי להימדד לכן ביחס חדש בין מהירות המציאות למהירות ההבנה. שני ארגונים יכולים לקבל גישה לאותם נתונים, להשתמש במודלים בעלי יכולות דומות ולפעול באותו שוק, ובכל זאת לחוות אותו אירוע בקצבי זמן שונים. הארגון שמבחין מוקדם יותר בשינוי מקבל יותר מחזורי למידה לפני שהאירוע מבשיל. כל מחזור כזה מאפשר תיקון נוסף, וכל תיקון שומר פתוחות אפשרויות שהיו נסגרות בשלב מאוחר יותר.
המשמעות של לראות את העולם לאט יותר מקבלת כך ניסוח מדויק. המציאות אינה מאטה. מערכת ההחלטה מאיצה ביחס אליה. ככל שמשך הזמן הדרוש לזיהוי, לפרשנות ולעדכון מתקצר, גדל מספר הרגעים שבהם ניתן עדיין להשפיע על התוצאה. השפירית פתרה את הבעיה הזאת במערכת עצבים שנבנתה לאורך האבולוציה. הבינה המלאכותית מתחילה להציב אותה כבעיה ארגונית הניתנת לתכנון.
ככל שהמידע נעשה זמין יותר, עצם הגישה אליו מאבדת מכוחה כמקור ליתרון. ההבדלים נוצרים מוקדם יותר בשרשרת הקוגניטיבית: ברגע שבו רצף נתונים שעדיין נראה מקרי מזוהה כשינוי בעל כיוון. ארגון שמזהה את שינוי המסלול בשלב הזה פועל מול מערכת שעדיין נמצאת בתנועה, לפני שהמגמה התקבעה ולפני שמרחב התגובה הצטמצם. ערכה של הבינה המלאכותית נמדד לכן גם ביכולתה לקצר את המרחק בין הופעת השינוי לבין ההכרה במשמעותו. זהו פער של זמן, אך בפועל הוא פער במרחב האפשרויות: כל יחידת זמן שנחסכת בזיהוי משאירה למקבל ההחלטות יותר דרכים להתערב במהלך האירועים.
עדיין אין תגובות!