כשהחומר מתחיל לחשוב: המרוץ מהמחשב הטורי אל בינה פיזיקלית וקוונטית בקנה מידה

כל הרצה של מודל בינה מלאכותית הופכת מבנה מתמטי לזרם עצום של העברות נתונים וכפלי מטריצות. אלפי ליבות פועלות במקביל, אך חלוקת העבודה נשמרת: הזיכרון מחזיק את פרמטרי המודל, המעבד מבצע את הפעולות והתוכנה מתרגמת את הרשת לחישוב. מרוץ החומרה החדש מכוון עמוק יותר, אל מערכות שבהן המבנה הפיזיקלי עצמו נושא את הזיכרון ומבצע חלק מן החישוב.

מחקר שפורסם בספטמבר 2026 בכתב העת Science מציע הצצה למסלול אחר. צוות חוקרים מסטנפורד, פרינסטון ואוניברסיטת סנט אנדרוז יצר מערכת קוונטית אופטית שמתפקדת כזיכרון אסוציאטיבי. כאשר הוזן לתוכה דפוס חלקי או משובש, ההתנהגות הקולקטיבית של אטומים ופוטונים הובילה אותה לשחזור הדפוס השלם. החישוב לא בוצע כרצף רגיל של פקודות דיגיטליות. הדינמיקה הפיזיקלית של המערכת הייתה פעולת החישוב.

הניסוי אינו מחשב בינה מלאכותית חדש ואינו מתחרה מעשי במעבדים של Nvidia. הוא כולל רשת של 16 יחידות בלבד, דורש אטומים בקירור קיצוני וחלל אופטי מבוקר, ונועד להוכיח עיקרון מדעי. ובכל זאת, הוא נוגע בשאלה שהולכת ונעשית מרכזית ככל שמודלי הבינה גדלים: האם הדרך היחידה להשיג יותר חישוב היא להוסיף עוד שבבים, עוד חשמל ועוד מרכזי נתונים, או שאפשר לגרום לחומר עצמו לבצע חלק מן העבודה?

המחשב המוכר והמחיר של התור

ארכיטקטורת המחשוב המודרנית מזוהה עם המודל שנוסח באמצע המאה העשרים סביב עבודתו של ג’ון פון נוימן. התוכנית והנתונים נשמרים בזיכרון, ואילו המעבד קורא אותם ומבצע את ההוראות. ההפרדה הזאת הפכה את המחשב למכונה כללית וגמישה. אותו שבב יכול להפעיל גיליון נתונים, משחק מחשב או מודל שפה, משום שהתוכנה קובעת מה יעשה.

הגמישות גובה מחיר. בכל פעולה צריך להעביר מידע בין הזיכרון לבין יחידות החישוב. במודלי בינה מלאכותית, שבהם מיליארדי פרמטרים נקראים שוב ושוב, תנועת הנתונים צורכת זמן ואנרגיה ולעיתים מגבילה את המערכת יותר מפעולת הכפל עצמה. התופעה מכונה קיר הזיכרון. המעבד מסוגל לבצע יותר פעולות מכפי שהזיכרון והקישוריות מסוגלים להזין אותו בנתונים.

מעבדים גרפיים כבר שברו במידה רבה את התמונה של מחשב שעושה פעולה יחידה בכל רגע. אלפי ליבות מבצעות במקביל כפל מטריצות, שהוא לב האימון וההסקה של רשתות עצביות. אך המקביליות אינה מוחלטת. שכבות ברשת תלויות בתוצאות של שכבות קודמות, יצירת טוקן חדש במודל שפה נשענת על הרצף שכבר נוצר, והמידע ממשיך לנוע דרך שרשרת של זיכרון, תקשורת וחישוב. במקום תור יחיד נוצרו תורים רבים הפועלים יחד.

כאן נכנס המחשוב הפיזיקלי. הוא אינו מבקש בהכרח להאיץ כל צעד באותה ארכיטקטורה, אלא לשאול אם אפשר להחליף רצף של צעדים בתהליך טבעי אחד. כאשר אור מתפצל ומתאבך, או כאשר מערכת של מגנטים מחפשת מצב אנרגטי יציב, יחסי הגומלין בין כל מרכיביה מתרחשים יחד. אם מנסחים את הבעיה בצורה המתאימה לפיזיקה הזאת, התוצאה מתקבלת מתוך התפתחות המערכת ולא מתוך הדמיה דיגיטלית מפורטת שלה.

כיצד זכוכית ספינים הופכת לזיכרון

הבסיס המתמטי לניסוי מגיע מרשת הופפילד, מודל שהציג הפיזיקאי ג’ון הופפילד ב־1982. ברשת כזאת כל יחידה יכולה להימצא באחד משני מצבים, בדומה לנוירון פשוט שפעיל או כבוי. הקשרים בין היחידות מעוצבים כך שדפוסים מסוימים יהפכו למצבים יציבים. אם מתחילים מגרסה פגומה של דפוס שנשמר, הרשת נעה בהדרגה לעבר המצב היציב הקרוב ביותר ומשלימה אותו.

אפשר לחשוב על תמונה מפוקסלת של פנים מוכרות שחלקים ממנה נמחקו. זיכרון רגיל דורש כתובת מדויקת כדי לשלוף מידע. זיכרון אסוציאטיבי משתמש בתוכן עצמו: די ברמז חלקי כדי להגיע אל התמונה השלמה. זהו עיקרון חשוב בזיהוי תבניות, אך לרשת הופפילד הקלאסית יש מגבלת קיבולת. כאשר מאחסנים יותר מדי דפוסים, נוצרים מצבים כוזבים והתהליך עלול להתייצב על ערבוב שאינו שייך לשום זיכרון אמיתי.

המערכת החדשה בנויה מעיבויי בוזה איינשטיין המוחזקים בתוך חלל אופטי. בטמפרטורות נמוכות מאוד אטומים רבים מתנהגים כישות קוונטית קולקטיבית. כל עיבוי פועל כמעין אטום על המייצג ספין אחד, והפוטונים הנעים בחלל יוצרים אינטראקציות בין הספינים. התוצאה היא זכוכית ספינים קוונטית אופטית: מערכת שבה קשרים מתחרים מייצרים נוף עשיר של מצבים אפשריים.

בדרך כלל ריבוי המצבים נחשב לרעש שמפריע לזיכרון. החוקרים הראו כי בדינמיקה מונעת ומפזרת, כלומר מערכת המקבלת אנרגיה ובו בזמן מאבדת אותה לסביבה, אפשר להפוך חלק מן המורכבות הזאת למשאב. ברשת של 16 ספינים נמדדה קיבולת שעלתה עד פי שבעה על גבול ההשוואה של רשת הופפילד המשתמשת בלמידה הביאנית. תנועת האטומים שינתה גם את הקשרים במהלך הפעולה, תופעה המזכירה פלסטיות סינפטית קצרת טווח במוח.

הממצא אינו אומר שהמערכת למדה כמו מוח אנושי. הקשרים לא עברו אימון כללי על מאגר נתונים, והיא לא פיתחה ייצוגים סמנטיים. ההישג ממוקד יותר: חומר ואור ביצעו שחזור דפוסים דרך הדינמיקה שלהם, וקיבולת הזיכרון עלתה במסגרת הניסוי מעבר למודל הייחוס הקלאסי.

האם החישוב חדל להתקדם בטור

ההבדל נמצא בתוך השלב. מחשב דיגיטלי עשוי לחשב בנפרד את השפעתו של כל משתנה על האחרים ולחזור על התהליך פעמים רבות. מערכת פיזיקלית מאפשרת לכל המשתנים להשפיע זה על זה בעת ובעונה אחת. הדבר דומה להבדל בין תוכנה המחשבת כיצד כדור יתגלגל על פני שטח ובין כדור אמיתי שמונח על המשטח ומוצא באמצעות כוח הכבידה נקודת שפל.

הדימוי מועיל אך גם מזהיר מפני הגזמה. הכדור ימצא נקודת שפל כלשהי, לא בהכרח את הנקודה הטובה ביותר בעולם כולו. מערכות אנלוגיות רגישות לרעש, לסטיות ייצור ולמגבלת דיוק. הן גם מתאימות למשפחות מוגדרות של בעיות. מחשב דיגיטלי איטי יותר לעיתים, אך ניתן לתכנות, לשחזור ולבקרה ברמת דיוק גבוהה. משום כך העתיד הסביר אינו החלפה מלאה של המחשוב הדיגיטלי, אלא חלוקת עבודה בין סוגי חומרה.

היכן נכנס המחשב הקוונטי

הניסוי משנה את משמעותו של שלב חישובי, אך אינו מבטל את הסדר הסיבתי. אם שלב שני זקוק לתוצאת השלב הראשון, הוא עדיין חייב להמתין לה. גם מערכת פיזיקלית דורשת קידוד של הבעיה, הזנת אות, זמן התפתחות, מדידה ופענוח. בחלקים האלה מופיע מחדש רצף פעולות ולעיתים גם מחשב דיגיטלי רגיל.

המונח קוונטי עלול ליצור רושם מוטעה שהניסוי הוא גרסה מוקדמת של מחשב קוונטי אוניברסלי. בפועל מדובר בשני מסלולים קרובים אך שונים. מחשב קוונטי אוניברסלי מפעיל רצף מתוכנן של שערים על קיוביטים, בדומה לתוכנית המורכבת מפעולות קוונטיות. מערכת קוונטית אנלוגית נבנית כך שההתפתחות הטבעית שלה מייצגת בעיה מסוימת. הניסוי בזכוכית הספינים שייך בעיקר למסלול השני.

מחשב קוונטי אינו מנסה את כל האפשרויות במקביל ואז מציג את כולן. הוא מייצג אפשרויות באמצעות אמפליטודות קוונטיות, גורם להן להתאבך, ומחזק את ההסתברות למדוד תשובה שימושית. כדי להשיג יתרון, האלגוריתם חייב להיות בנוי כך שהמסלולים השגויים יחלישו זה את זה. המדידה עצמה מחזירה מידע מוגבל, ולכן אי אפשר לפתוח את המצב הקוונטי ולקרוא מתוכו מאגר אינסופי של תשובות.

השפעתו האפשרית על הבינה המלאכותית תתרכז תחילה בחלקים מסוימים: אופטימיזציה, דגימה מהתפלגויות מורכבות, חיפוש, סימולציה של מולקולות וחומרים ואולי תתי משימות באלגברה ליניארית. היתרון הבולט ביותר עשוי להגיע כאשר גם הנתונים עצמם נוצרים ממערכת קוונטית, למשל בכימיה ובמדעי החומרים. שם אין צורך לתרגם עולם קלאסי עצום למצב קוונטי; המחשב מתאר מערכת מאותו סוג פיזיקלי.

לעומת זאת, אימון מודל שפה על טריליוני מילים הוא מקרה קשה יותר. לפני שאלגוריתם קוונטי יכול לעבד מידע קלאסי, צריך לקודד את המידע לקיוביטים. פעולת הטעינה עלולה להיות יקרה עד כדי מחיקת יתרון המהירות התאורטי. נוסף לכך, מחשבים קוונטיים מועדים לשגיאות, ותיקונן דורש בדרך כלל מספר גדול של קיוביטים פיזיקליים עבור כל קיוביט לוגי אמין.

לכן המחשב הקוונטי אינו מועמד טבעי להחלפת המעבד הגרפי בכל משימות הבינה. תפקידו הסביר דומה למאיץ מתמטי יקר וממוקד: המערכת הקלאסית תנהל את הנתונים ואת זרימת העבודה, ותעביר אליו רק בעיות שבהן המבנה הקוונטי מציע יתרון הניתן למדידה.

בעולם כבר נבנית שכבת החומרה החדשה

המחקר בסטנפורד מצטרף למרוץ רחב יותר. שבבים פוטוניים משתמשים באור לביצוע כפל מטריצות ולהעברת נתונים ברוחב פס גבוה. מחשוב בתוך הזיכרון מנסה לבצע פעולות במקום שבו הפרמטרים מאוחסנים וכך לצמצם את מחיר התנועה. רכיבים נוירומורפיים מחקים נוירונים וסינפסות בחומרה ומיועדים במיוחד לעיבוד חסכוני של אותות, חיישנים ואירועים. מערכות אנלוגיות פותרות משוואות ובעיות אופטימיזציה באמצעות מתח, זרם, התנגדות או אור.

אף מסלול לא פתר עדיין את כל הבעיה. פוטוניקה מצטיינת בתקשורת ובפעולות ליניאריות, אך זקוקה לאלקטרוניקה עבור זיכרון, בקרה ופונקציות לא ליניאריות. מחשוב אנלוגי חוסך פעולות, אך מתקשה לשמור על דיוק אחיד. מחשוב נוירומורפי יעיל במיוחד ביישומים מסוימים, אך חסרה לו סביבת התוכנה הבשלה שנבנתה סביב מעבדים גרפיים. מחשוב קוונטי עדיין מתמודד עם רעש, קנה מידה ותיקון שגיאות.

המסקנה התעשייתית אינה בחירה בין ארבעה יורשים למחשב הקיים. היא בניית מערכת הטרוגנית שבה מעבד מרכזי מתזמר מאיצים שונים. המעבד הגרפי ימשיך לבצע את רוב הכפל המספרי, קישוריות אופטית תוביל מידע, רכיב אנלוגי יפתור תת בעיית אופטימיזציה, ומחשב קוונטי ייקרא רק כאשר קיימת הצדקה אלגוריתמית וכלכלית.

ישראל בין מחסור בתשתית ליתרון מדעי

בישראל מתפתחים שני מסלולים במקביל. המדינה משקיעה בתשתית המחשוב הקלאסית, לרבות גישה למחשב על המצויד במאיצי Nvidia B200, משום שהמחקר והתעשייה זקוקים כעת לקיבולת אימון והסקה זמינה. לצד זאת מוקמת תשתית לשבבים פוטוניים משולבים בהשקעה מתוכננת של עד 150 מיליון שקל בשיתוף רשות החדשנות ומפא״ת.

החברות הישראליות ממחישות היטב את שינוי התפיסה. LightSolver מפתחת יחידת עיבוד המבוססת על אינטראקציות בין לייזרים לפתרון בעיות אופטימיזציה, משוואות וסימולציות. במקום לדמות כל לייזר על מחשב, המערכת מאפשרת ללייזרים עצמם לחפש מצב המתאים לפתרון. CogniFiber מפתחת עיבוד פוטוני בתוך סיבים מרובי ליבות, כך שהאות עובר חישוב בזמן תנועתו בסיב. המעבדה הלאומית למחשוב נוירומורפי מקדמת חומרה ותוכנה לעיבוד חסכוני בהספק, במיוחד במערכות חישה וקצה.

לישראל יש בסיס משמעותי באופטיקה, שבבים, תקשורת, פיזיקה קוונטית ואלגוריתמים. החולשה נמצאת בקנה המידה: ייצור שבבים פוטוניים, מתקני מחקר, הון סבלני וחיבור בין מעבדה למוצר דורשים השקעות כבדות ושרשרת אספקה ארוכה. ההכרעה לא תהיה רק מי פרסם את הניסוי המבריק ביותר, אלא מי הצליח להפוך פיזיקה רגישה למערכת יציבה, מתוכנתת וזולה מספיק לשימוש תעשייתי.

כשהמעבד עצמו הופך לרשת

המשמעות הרחבה של המחקר אינה שהאטומים יחליפו מחר את מרכזי הנתונים. הוא מחדד שינוי עמוק יותר ביחסים בין תוכנה לחומרה. בעידן הראשון של המחשוב, החומרה הייתה כללית והתוכנה הגדירה את המשימה. בעידן המתהווה, חלק מן החומרה יתוכנן סביב המבנה המתמטי של הבעיה. במקום לכפות על אלקטרונים לדמות כל תהליך, נבחר מערכת שההתנהגות הטבעית שלה כבר דומה לחישוב המבוקש.

הדבר אינו מסיים את החישוב בטור. הוא מפרק אותו. פעולות בעלות תלות לוגית יישארו סדרתיות, פעולות מטריציוניות יתפזרו על מעבדים מקביליים, תעבורת הנתונים תעבור לפוטוניקה, ובעיות מסוימות יימסרו למערכות אנלוגיות או קוונטיות. צוואר הבקבוק יעבור ממספר הפעולות לשאלה מורכבת יותר: כיצד מקודדים בעיה, מנתבים אותה למצע המתאים, מודדים את התוצאה ומחברים אותה בחזרה למערכת אמינה.

לכן העתיד אינו מחשב יחיד ומהיר לאין שיעור. הוא אקולוגיה של מנועי חישוב, שכל אחד מהם מנצל חוק טבע אחר. המעבד המרכזי לא ייעלם, וגם המעבד הגרפי לא יהפוך בן לילה למוצג היסטורי. לצדם יופיעו מערכות שבהן אור נושא מידע ומחשב אותו, זיכרון מבצע פעולות במקום רק לאחסן נתונים, וחומר קוונטי מחפש מצבים שמייצגים פתרון.

השאלה המכרעת כבר אינה כמה טרנזיסטורים אפשר לדחוס לשבב. השאלה היא איזו פיזיקה מתאימה לכל סוג של מחשבה חישובית. המחקר החדש אינו נותן תשובה תעשייתית מלאה, אך הוא מספק הוכחה חשובה: לפעמים הדרך הקצרה ביותר לחקות רשת עצבית היא להפסיק לדמות אותה, ולבנות מערכת פיזיקלית שמתנהגת כמוה.