בינה מלאכותית פיזית: האתגר הבא הוא התשתיות

המשתמשים הבאים של הבינה המלאכותית כבר לא יהיו רק עובדים היושבים מול מסכים. אלה יהיו רובוטים במפעלים ובבתים, כלי רכב אוטונומיים בכבישים, עוזרים כירורגיים בחדרי ניתוח ומכונות המסוגלות לפעול בסביבות מסוכנות. הבינה המלאכותית יוצאת בהדרגה מהעולם הדיגיטלי ומתחילה לפעול בעולם הפיזי.

ההתפתחות הזו מייצגת שינוי פרדיגמה. עד היום, רוב ההתקדמות בתחום הבינה המלאכותית התמקדה ביצירת תוכן, בניתוח נתונים ובסיוע בקבלת החלטות. בעתיד, מערכות אלו יצטרכו להבין את סביבתן, לקבל החלטות בתוך אלפיות שנייה ולפעול באופן רציף וללא הפסקה. האילוצים שונים לחלוטין, ולכן גם התשתיות התומכות בהן כבר אינן יכולות להיבנות לפי המודלים של עידן הענן בלבד.

ללמוד באמצעות סימולציה לפני שפועלים

בניגוד למודל שפה גדול, רובוט לומד דרך ניסיון. לפני שהוא מרים חפץ, מנווט במחסן או מסייע למפעיל אנושי, הוא מתאמן מיליוני פעמים בסביבות וירטואליות שמחקות במדויק את חוקי הפיזיקה, את התנהגות החיישנים, התנגשויות ואינטראקציות אנושיות.

פלטפורמות כמו CARLA, אחת מסביבות הסימולציה המובילות לרכב אוטונומי, נשענות באופן רציף על כמויות עצומות של כוח עיבוד כללי כדי לנהל תפיסת סביבה מבוססת חיישנים מרובים ולבצע לוגיקת תרחישים, הרבה לפני שמתקבלת החלטה בפועל.

בארכיטקטורות של למידת חיזוק, אלפי סוכנים וירטואליים פועלים במקביל מול הסביבות המדומות שלהם על גבי ליבות CPU כלליות, בעוד שרק תהליך עדכון המודל עצמו נעזר במאיצים ייעודיים. לכן, ביצועי הסימולציה תלויים במידה רבה ביכולות התזמור של המערכת, עוד לפני שכוח העיבוד הגולמי הופך לצוואר הבקבוק.

זמן אמת משנה את כללי המשחק

ביישומים דיגיטליים, כמה מילישניות נוספות של השהיה עשויות לכל היותר לפגוע בחוויית המשתמש. במפעל אוטומטי או ברכב אוטונומי, אותן מילישניות עלולות לפגוע בבטיחות או לשבש את הייצור.

Physical AI פועלת תחת מערכת אילוצים חדשה לחלוטין: מיזוג רציף של זרמי נתונים ממספר רב של חיישנים, בחירה מתמדת בין פעולות אפשריות שונות ולולאות בקרה שעובדות ללא הפסקה. הביצועים אינם תלויים עוד רק במהירות האינפרנס, אלא ביכולתה של הארכיטקטורה כולה לתאם בין תפיסה, זיכרון, חישוב ופעולה.

לפי ניתוחים של Creative Strategies, היחס בין מעבדים כלליים, האחראים על תזמור המערכת, לבין מאיצים ייעודיים, האחראים על החישוב עצמו, מתקדם לעבר איזון של אחד לאחד בסביבות Agentic מתקדמות. זאת בהשוואה ליחס של כ-CPU אחד לכל ארבעה GPUs שאפיין את עידן האימון של מודלי AI. תחום הרובוטיקה הפיזית צפוי להאיץ את המגמה הזו עוד יותר.

הזדמנות תעשייתית, בתנאי שנפעל עכשיו

עבור מדינות רבות, המעבר הזה מייצג הזדמנות אסטרטגית אמיתית. אך כדי לנצל אותה יהיה צורך להשקיע לאורך כל שרשרת הערך, ולא רק בכוח המחשוב עצמו.

שלושה תחומי עדיפות בולטים במיוחד עבור ארגונים המבקשים להשיג יתרון תחרותי: תכנון תשתיות סימולציה בהתאם למורכבות הסביבות; בניית יכולות תזמור כחלק מתוכניות ההטמעה כבר מהשלב הראשון; ולמידה לחשוב במונחים של עלות החלטה אמינה, ולא רק במונחים של כמות כוח המחשוב המותקנת.

בינה מלאכותית פיזית אינה רק המשך ישיר של הבינה המלאכותית הגנרטיבית. היא מסמלת את תחילתו של שלב חדש, שבו יצירת הערך לא תיקבע רק על פי איכות המודלים, אלא גם על פי יכולתן של התשתיות לאפשר למודלים הללו לפעול באופן אפקטיבי בעולם האמיתי.

ארגונים שיזהו את השינוי הזה מראש וייערכו אליו כבר היום, ייהנו מיתרון מתמשך על פני אלו שינסו לבנות את ארכיטקטורות המחר באמצעות אילוצי האתמול.

ז'אן-לורן פיליפ הוא ה-CTO של אינטל EMEA