בין שורשים לאלגוריתמים: המדע שמחבר מערכות חיות, בינה מלאכותית ומחשוב קוונטי מתקדם

מן היער אל המכונה הקוונטית: בינה מלאכותית, ניהול מקדים וגבולות הידיעה בעולם של אי־ודאות

היער מציע למדעי המידע דימוי מפתה ומסוכן כאחד. הוא מפתה משום שהוא בנוי כרשת צפופה של חישה, תגובה, חילופי חומר ומשוב; הוא מסוכן משום שהשפה האנושית ממהרת לייחס לרשת הזאת תכנון, תבונה משותפת וכוונה מוסרית. עצים אינם שרתים, פטריות אינן כבלי תקשורת, תרכובות נדיפות אינן משפטים. עם זאת, צמחים קולטים שינויים בסביבה, מעבדים מידע פיזי וכימי ומשנים בעקבותיו את פעולתם. עלים שנפגעו מאוכלי עשב עשויים לשחרר תרכובות אורגניות נדיפות; צמחים סמוכים מסוגלים לקלוט חלק מהן ולהפעיל תגובות הגנה, לרבות גלי סידן, מסלולים הורמונליים ושינויים בביטוי גנים. מחקר שפורסם ב־Nature Communications תיעד בזמן אמת מעבר של אותות סידן בצמח הקולט לאחר חשיפה לתרכובות שמקורן בצמח פגוע, ממצא המחזק את התשתית המולקולרית של תקשורת כימית בין צמחים. גם כאן נותרת הבחנה קריטית בין אות שהתפתח לצורך השפעה על מקבל לבין רמז סביבתי שהמקבל למד לנצל. הצמח השכן אינו חייב להיות נמען מתוכנן; הוא עשוי לצותת לתוצר לוואי של פציעה.

מתחת לקרקע מתקיימת מערכת מורכבת יותר. פטריות מיקוריזיות יוצרות קשר סימביוטי עם שורשי צמחים: הצמח מספק תרכובות פחמן שמקורן בפוטוסינתזה, הפטרייה מרחיבה את שטח המגע עם הקרקע ומסייעת בקליטת זרחן, חנקן, מים ומינרלים. תפטיר אחד מסוגל להתחבר ליותר מצמח אחד וליצור רשת מיקוריזית משותפת. מחקרים הראו תנועה של איזוטופים, מים ומולקולות מסוימות בין צמחים המקושרים לרשתות כאלה. מחקרי שדה אף מצאו שבנסיבות מסוימות שתילים אקטומיקוריזיים שומרים על צמיחה והישרדות גבוהות יותר בנוכחות תפטיר המקשר אותם לקרקע שסביב עצים בוגרים. התוצאה אינה מוכיחה שעץ בוגר “מזין” שתיל מתוך דאגה. הפטרייה היא שחקן עצמאי בעל צרכים מטבוליים, הקצאת משאבים עשויה לשקף מפלי ריכוזים, יחסי חליפין, תחרות בין מארחים ומאפייני קרקע.

הספרות המדעית סביב “האינטרנט של העצים” מדגימה כיצד מטפורה מוצלחת יכולה להתרחק מן הראיות שהולידו אותה. סקירה ביקורתית שפורסמה ב־2023 ב־Nature Ecology & Evolution בחנה שלוש טענות פופולריות: שרשתות מיקוריזיות משותפות נפוצות מאוד ביערות; שמשאבים העוברים בהן משפרים בעקביות את ביצועי השתילים; שעצים בוגרים מעבירים משאבים ואותות הגנה לצאצאיהם באופן מועדף. החוקרים מצאו תמיכה בלתי מספקת בשתי הטענות הראשונות והיעדר ראיות שעברו ביקורת עמיתים לטענה השלישית. בדיקה נפרדת של “השערת עץ האם” קבעה כי עדיין חסרה הוכחה להעברת פחמן נטו בהיקף ביולוגי משמעותי המיטיבה עם המקבל. עצם גילויו של איזוטופ מסומן בשתיל אינו מלמד מה הייתה כמות הפחמן, באיזה נתיב עבר, מי שלט בתנועה והאם השינוי תרם לצמיחה. היער, במונחים מחקריים, אינו קואופרטיב אידיאלי. הוא רשת של בריתות זמניות, מסחר ביוכימי, תחרות, תלות, טפילות והפצת סיכון.

מעניין שאותו מתח בין מידע מקומי לתמונה מערכתית עומד בלב הניהול המקדים מבוסס הנתונים. מפעל אינו מודד “תקלה עתידית”; הוא מודד רעידות, טמפרטורה, זרם, לחץ, קצב שחיקה ושינוי באיכות התוצר. בית חולים אינו מודד “הידרדרות”; הוא אוסף ריווי חמצן, דופק, קצב נשימה, בדיקות דם, תרופות, גיל ורקע רפואי. יער מנוטר אינו מספק מדד יחיד של “קריסה אקולוגית”; קיימות סדרות זמן של לחות קרקע, טמפרטורת חופה, קצב פוטוסינתזה, פעילות חרקים, תמותת עצים, זמינות מים ומגוון מיקרוביאלי. בינה מלאכותית מאחדת מדידות חלקיות לייצוג חבוי של מצב המערכת, מחפשת שינוי שאינו ניכר בכל משתנה בנפרד ומחשבת הסתברויות לתרחישים עתידיים. יתרונה המרכזי אינו חוכמה כללית, אלא יכולת לסרוק מרחבים רב־ממדיים בקנה מידה שאדם יחיד אינו מסוגל להכיל.

ניהול מקדים שונה מחיזוי טכני מפני שהוא מחייב פעולה. מודל חיזוי שואל מה צפוי להתרחש בנוכחות דפוס נתונים מסוים. מקבל החלטות שואל מה צפוי להתרחש בעקבות התערבות. ההבדל מפריד בין מתאם לבין סיבתיות. מטופלים שקיבלו טיפול אגרסיבי עלולים להציג תמותה גבוהה יותר משום שמצבם הראשוני היה חמור; מערכת מתאמית עלולה להסיק שהטיפול מסוכן. אזורים שבהם מוצבים כוחות כיבוי רבים עשויים להציג מספר רב של שרפות משום שההקצאה נעשתה על פי סיכון מוקדם; אלגוריתם שטחי עלול לפרש את הנוכחות כמקור הסכנה. סקירות בתחום הטיפול הנמרץ מדגישות שמודלים סיבתיים חיוניים ליצירת AI בר־פעולה, מפני שדיוק חיזוי אינו מספק בסיס להמלצה טיפולית. זיהוי סיבתי דורש ניסויים, ידע תחומי, תכנון מחקר, הנחות על משתנים מתערבים והבנה של מנגנון, לא רק מאגר גדול יותר.

אי־הוודאות עצמה מורכבת מארבע שכבות. אי־ודאות אליאטורית נובעת מתנודתיות פנימית: מזג אוויר, שונות ביולוגית, רעש פיזיקלי והתנהגות אנושית בלתי יציבה. אי־ודאות אפיסטמית נובעת מחוסר ידע לגבי פרמטרים, קשרים או מנגנונים. אי־ודאות מבנית נוצרת כאשר המודל מפשט את המציאות באופן שגוי: מניח יציבות במערכת שעוברת שינוי משטר, מניח ליניאריות במערכת בעלת ספים, מתעלם מלולאות משוב. אי־ודאות התפלגותית מופיעה כאשר סביבת ההפעלה אינה דומה לסביבת האימון. שינוי מכשיר מדידה, אוכלוסייה חדשה, קיצון אקלימי, מלחמה, מגפה, רגולציה או אסטרטגיה עסקית חדשה מסוגלים להפוך מודל מדויק למודל מסוכן. כמות גדולה של נתוני עבר אינה מבטיחה ידע על מצב שטרם הופיע בעבר.

מערכות חברתיות מוסיפות אי־ודאות רפלקסיבית: התחזית נכנסת לעולם ומשנה אותו. התרעה על מחסור עלולה לעורר אגירה ולהפוך לתחזית שמגשימה את עצמה. דירוג אשראי מצמצם גישה למימון ובכך משנה את ההסתברות העתידית לחדלות פירעון. אלגוריתם המגדיר שכונה “מסוכנת” משפיע על שיטור, ביטוח, השקעות והגירה; הנתונים העתידיים משקפים גם את ההחלטה האלגוריתמית. מודל כזה אינו מצלמה חיצונית אלא משתתף פעיל במערכת. כל סבב הפעלה יוצר מידע חדש שנצבע על ידי ההמלצות הקודמות, ולכן למידה מן הנתונים עלולה לחזק דפוסים שהמערכת עצמה יצרה.

הערכת הצלחתו של ניהול מקדים סובלת מן הקונטרה־פקטואל החסר. פעולה שבוצעה ומנעה כשל מוחקת את האפשרות לצפות בכשל שנמנע. חברה החליפה רכיב בעקבות התרעה והמכונה לא קרסה; אין תצפית ישירה על העולם שבו הרכיב נשאר במקומו. עירייה דיללה צמחייה והשרפה לא הגיעה; לא ידוע בוודאות אם הדילול מנע אותה או שהשרפה לא הייתה מתפתחת ממילא. מערכת מניעתית עשויה להיראות מיותרת דווקא כשהצליחה. מחקר תקף דורש ניסויים מבוקרים במקומות שבהם הדבר מוסרי ומעשי, פריסה מדורגת, קבוצות השוואה, הערכת השפעה סיבתית ותיעוד מפורט של המלצות, החלטות ותוצאות.

תאום דיגיטלי מציע תשתית מתקדמת לניהול כזה. אין מדובר בהדמיה חד־פעמית, אלא בייצוג חישובי המתעדכן ברציפות מנתוני המערכת הפיזית, בוחן תרחישים ומתקן את עצמו לפי פערים בין תחזית למדידה. ברפואה, תאום דיגיטלי עשוי לייצג מסלול מחלה אישי ולבדוק תגובות אפשריות לטיפולים. בתעשייה הוא עשוי לשלב גאומטריה, מאמצים, טמפרטורה, בלאי והיסטוריית תחזוקה. במערכת אקולוגית הוא עשוי לאחד קרקע, אקלים, מים, מינים ופעילות אנושית. סקירות עדכניות בתחום הבריאות מדגישות שהבטחת התאום תלויה באימות, תיקוף וכימות אי־ודאות; ללא מנגנונים כאלה, התאום עלול להפוך למודל משכנע חזותית שמספק ביטחון כוזב.

התאום האמין ביותר אינו מערכת AI טהורה. הוא משלב חוקי פיזיקה, אילוצים ביולוגיים, ידע הנדסי ומודלים סטטיסטיים. חוקי שימור מונעים מן האלגוריתם להציע תוצאה בלתי אפשרית מבחינה אנרגטית; מודלים פיזיולוגיים מגבילים פרשנות רפואית; ידע אקולוגי מונע אופטימיזציה של מין יחיד במחיר קריסת המערכת. הרכיב הנלמד ממלא פערים שבהם המנגנון חלקי, מורכב או יקר לחישוב. המודל ההיברידי אינו מבטל טעויות, אך הוא מצמצם את מרחב הטעויות האפשריות ומאפשר לבחון מדוע תחזית מסוימת נוצרה.

גם פונקציית המטרה דורשת מחקר ולא רק תכנות. אלגוריתם ממקסם את המדד שניתן לו. מערכת בריאות המתוגמלת על קיצור אשפוז עלולה לעודד שחרור מוקדם; רשת חשמל הממזערת עלות מיידית עלולה להקטין עתודות ולהחליש חוסן; מערכת יערנית הממקסמת תפוקת עץ עלולה לצמצם מגוון ביולוגי, להאיץ התפשטות מזיקים ולהגדיל סיכון לשרפה. מדדים חלופיים אינם ניטרליים: בטיחות, עלות, שוויון, קיימות ועמידות מייצגים ערכים מתנגשים. אין אלגוריתם שמפיק מן הנתונים לבדם את המשקל המוסרי הנכון בין חיי אדם, תקציב ציבורי, פרטיות וחופש פעולה.

מחשוב קוונטי עשוי להרחיב בעתיד רכיבים מסוימים של המערכת, בעיקר סימולציה מולקולרית, דגימה והערכת הסתברויות, אופטימיזציה קומבינטורית ופתרון בעיות בעלות מבנה מתמטי מתאים. ניהול רשת חשמל, שרשרת אספקה או צי תחבורה מחייב לעיתים בחירה בין מספר עצום של הקצאות ותזמונים. אלגוריתמים קוונטיים נחקרים כאמצעי לחיפוש יעיל במרחבים כאלה. סימולציה קוונטית עשויה לתרום לפיתוח סוללות, חומרים, זרזים וחיישנים, מפני שהמערכות הנחקרות עצמן פועלות לפי מכניקה קוונטית. תרומה זו לניהול מקדים תהיה עקיפה אך עמוקה: חיישנים מדויקים יותר, אגירת אנרגיה טובה יותר וחומרים עמידים יותר משנים את איכות הנתונים ואת מרחב ההתערבות.

המונח “עליונות קוונטית” אינו מציין מכונה החושבת בכל האפשרויות ומחזירה את הטובה שבהן. קיוביטים מאפשרים ייצוג של סופרפוזיציה ושזירה, אך המדידה מפיקה תוצאה מוגבלת. אלגוריתם שימושי חייב לעצב התאבכות שמחזקת תוצאות רצויות, לצמצם רעש ולחזור על החישוב מספיק פעמים לצורך הערכה סטטיסטית. יתרון תאורטי עלול להיעלם מול עלות הכנת הנתונים, עומק המעגל, מספר המדידות והפקת הפלט הקלאסי. נתוני חיישנים מגיעים בדרך כלל בפורמט קלאסי; קידודם למצב קוונטי עשוי לעלות זמן השווה לחלק ניכר מן החיסכון שהאלגוריתם מבטיח.

החומרה הקוונטית הנוכחית עדיין מוגבלת בדה־קוהרנטיות, שגיאות שער, שגיאות מדידה, קישוריות חלקית ועומק מעגלים. תיקון שגיאות דורש קיוביטים פיזיים רבים ליצירת מספר קטן יותר של קיוביטים לוגיים אמינים. NIST מתאר את המערכות הקיימות בעיקר כפלטפורמות מחקר לפיזיקה, כימיה ומתמטיקה וכאמצעי לבחינת הדרך למכונות יציבות וחזקות יותר. גם ב־2025 היעד המרכזי נותר בניית מחשב קוונטי מדרגי וסביל לתקלות, לא החלפת מרכזי הנתונים הקלאסיים.

הארכיטקטורה הסבירה לעתיד היא היברידית: חיישנים מבוזרים אוספים מידע; מחשוב קצה מגיב לאירועים בזמן אמת; מערכות קלאסיות מנקות נתונים ומפעילות מודלים; תאומים דיגיטליים מדמים תרחישים; כלים סיבתיים מעריכים השפעות של התערבות; מעבד קוונטי מבצע משימה מצומצמת שבה הוכח יתרון; בני אדם קובעים את גבולות הסיכון והלגיטימיות. מחשב קוונטי אינו מתקן חיישן שלא הותקן, אוכלוסייה שלא יוצגה או מטרה שהוגדרה באופן מעוות. יותר כוח חישובי מגדיל את מהירות החיפוש בתוך מודל; הוא אינו מרחיב מעצמו את האמת שהמודל מכיל.

הפער הגדול שנותר איננו רק טכנולוגי. חסרה למערכות מלאכותיות אינטליגנציה אפיסטמית יציבה: יכולת להבחין בין ידע, השערה ובורות; לזהות שהעולם חרג מן התנאים שעליהם אומנו; להבין שהצלחה קודמת אינה ערובה להמשך; לדרוש מדידה חדשה לפני המלצה; לסרב לפעול כשהסיכון גדול מן הידע. מערכת בוגרת אינה רק מערכת שמפיקה תשובה מדויקת וששימו לב למשפט הבא – היא מערכת שמזהה מתי אין לה זכות מדעית להפיק תשובה.

ייתכן שהשאלה החשובה לעתיד אינה כמה מהר נוכל לחשב, אלא איזה סוג של קשב נבנה בתוך המכונה. האם מערכת המסוגלת לזהות מיליארדי מתאמים תלמד גם להכיר בשתיקה שבין הנתונים? האם תוכל להבחין בין אות חלש לבין רעש, בין סכנה נדירה לבין דמיון סטטיסטי, בין פעולה שמונעת אסון לבין פעולה שיוצרת את התנאים לאסון הבא? היער מציע צניעות קוגניטיבית: גם מערכת בת מאות מיליוני שנים אינה מנהלת את עצמה מתוך ידיעה מלאה. היא שורדת באמצעות מגוון, עודפות, משוב והסתגלות.

תקווה מדעית ראויה אינה נשענת על מכונה שתדע הכול. היא נשענת על מערכות שיודעות לעדכן את עצמן בלי למחוק את מה שאינן מבינות; על אלגוריתמים שמציגים טווח ולא נבואה; על תאומים דיגיטליים שמספקים מרחב לניסוי בלי להתחזות לעולם; על מחשבים קוונטיים שמרחיבים אפשרויות חישוב בלי להפוך למיתולוגיה חדשה. האם נצליח לבנות טכנולוגיה שאינה רק מהירה מן האדם, אלא זהירה ממנו במקום שבו מהירות מסוכנת?

עתיד הניהול המקדים ייקבע לפי היחס בין כוח לבין ספק. בינה מלאכותית תוכל לזהות מוקדם יותר, מחשוב קוונטי עשוי לחשב עמוק יותר, חיישנים יראו תהליכים שהיו בעבר סמויים. עדיין יישאר צורך אנושי להחליט מה ראוי למנוע, איזה מחיר מותר לשלם, מי נושא בסיכון ומתי יש להשאיר למערכת חיה מרחב שאינו מנוהל. אולי התקווה אינה ליצור יער מלאכותי שיודע הכול, אלא תרבות חישובית הלומדת מן היער כיצד לחוש מבלי להשתלט, להתערב מבלי להחריב, ולפעול בתוך אי־הוודאות מבלי להעמיד פנים שהיא נעלמה.