רוב השיח סביב בינה מלאכותית בשנים האחרונות התמקד במה שהיא מסוגלת לייצר: טקסטים, תמונות, מצגות, קוד, סרטונים ותשובות לשאלות. אבל אחד השינויים המעניינים יותר מתרחש דווקא בכיוון ההפוך. במקום לבקש מה-AI לבצע עבורנו משימה, יותר אנשים מתחילים להשתמש בו כדי לתרגל משהו שהם עצמם רוצים לדעת לעשות טוב יותר.
לימוד אנגלית הוא דוגמה מצוינת לשינוי הזה.
במקום לפתוח ספר לימוד, להשלים מבחן אוצר מילים או לקבוע שיעור עם מורה, משתמש יכול היום לפתוח אפליקציה, להתחיל לדבר באנגלית ולקבל תגובה מיידית ממערכת מבוססת בינה מלאכותית.
זה אולי נשמע כמו עוד פיצ'ר טכנולוגי, אבל למעשה מדובר בשינוי רחב יותר בדרך שבה אנחנו צורכים למידה דיגיטלית.
מהתוכן האחיד לחוויה שמגיבה למשתמש
רוב מוצרי הלמידה הדיגיטליים המסורתיים בנויים מראש.
כולם מקבלים פחות או יותר את אותו שיעור, אותה שאלה ואותה תשובה נכונה. אפשר לשנות את הקצב או לבחור רמת קושי, אבל המסלול עצמו נשאר מוגדר יחסית.
בינה מלאכותית גנרטיבית משנה את המודל הזה.
בשיחה עם מערכת AI אין בהכרח תסריט קבוע. המשתמש יכול לדבר על העבודה שלו, להתכונן לראיון, לדמות שיחה עם לקוח, לשאול שאלה שלא הופיעה בשיעור ולהמשיך לנושא אחר בהתאם למה שקורה בשיחה.
מבחינת חוויית משתמש, זה הבדל משמעותי.
התוכנה כבר לא רק מציגה תוכן. היא מגיבה למשתמש.
זה אותו שינוי שאנחנו מתחילים לראות בתחומים נוספים, משירות לקוחות ועד מערכות ארגוניות: המעבר מממשקים שבהם המשתמש צריך ללמוד כיצד המערכת עובדת, למערכות שמנסות להתאים את עצמן לאדם שמולן.
למה דווקא דיבור הוא מקרה מבחן מעניין
אחת הבעיות בלימוד שפה היא שקל יחסית לצרוך אותה וקשה הרבה יותר להשתמש בה באופן פעיל.
אפשר לקרוא באנגלית, לצפות בסדרות ולהבין מצוין מה נאמר, ועדיין להיתקע כאשר צריך לענות במהירות במהלך פגישה או ראיון עבודה.
הסיבה פשוטה: דיבור דורש תרגול.
וכאן יש ל-AI יתרון פרקטי שלא קשור בהכרח לכך שהוא "חכם יותר" ממורה אנושי. הוא פשוט זמין הרבה יותר.
אפשר לנהל שיחה של עשר דקות לפני העבודה ואפילו לדבר איתו בזמן העבודה כדי להתייעץ בעניינים מקצועיים, לתרגל שוב אותה תשובה, לעצור באמצע, להתחיל מחדש או לבקש לנסות תרחיש אחר. אין צורך לתאם שיעור ואין תחושה שמבזבזים את הזמן של מישהו אחר.
הנושא כבר אינו תיאורטי בלבד. חברות מפתחות מוצרים שלמים סביב הרעיון הזה, וגם המחקר האקדמי מתחיל לבחון את ההשפעה שלהם. סקירה רחבה יותר של תרגול אנגלית באמצעות בינה מלאכותית בוחנת בין היתר את הסטארט-אפ הישראלי Loora, את המחקרים החדשים בתחום ואת השאלה באילו היבטים AI יכול לעזור ובאילו מקרים למורה אנושי עדיין יש יתרון ברור.
היכולת לתרגל שוב ושוב משנה את הכלכלה של הלמידה
כשחושבים על מוצרי AI, קל להתמקד באיכות התשובה שהמערכת מספקת. בלמידה, לפעמים דווקא הכמות חשובה לא פחות.
נניח שעובד רוצה לשפר את האנגלית שלו לקראת מצגות מול לקוחות בחו"ל.
שיעור שבועי של שעה יכול להיות מצוין, אבל הוא עדיין מספק מספר מוגבל של דקות דיבור. אם אותו עובד מוסיף לתהליך עשר או חמש עשרה דקות של תרגול כמעט בכל יום, כמות האינטראקציה שלו עם השפה משתנה באופן דרמטי.
זה מודל שמעניין גם ארגונים.
חברה שמעסיקה עשרות או מאות עובדים אינה יכולה בהכרח לספק שיעורים פרטיים לכל אחד מהם. מערכת דיגיטלית זמינה לפי דרישה יכולה להגדיל את היקף התרגול בלי לנסות להחליף לחלוטין את ההדרכה האנושית.
וזו אולי נקודה חשובה במיוחד: המוצרים המעניינים ביותר אינם בהכרח אלה שמנסים למחוק את מה שהיה קודם, אלא אלה שמצליחים להשלים אותו.
לא כל משוב של AI הוא בהכרח משוב טוב
הזמינות הגבוהה אינה פותרת את כל הבעיות.
מערכת שיחה יכולה לאפשר למשתמש לדבר יותר, אבל כמות תרגול אינה מבטיחה שכל טעות תזוהה או שההסבר יהיה נכון ומתאים לרמת הלומד.
גם המושג "לדעת אנגלית" כולל כמה יכולות שונות.
יש שטף דיבור, דיוק דקדוקי, הגייה, אוצר מילים, הבנת הנשמע והיכולת להתאים את השפה למצב מקצועי או חברתי. מערכת יכולה להיות יעילה מאוד באחד התחומים ופחות טובה באחר.
למורה אנושי יש גם יכולת להבין את הלומד לאורך זמן, לזהות דפוס חוזר, לדעת מתי לעצור ולתקן ומתי עדיף לתת לשיחה להמשיך.
לכן השאלה המעניינת אינה האם AI יכול להחליף מורים לאנגלית. השאלה היא אילו חלקים מתהליך הלמידה משתנים כאשר לכל אדם יש שותף לתרגול שזמין כמעט בכל רגע.
קול הופך לממשק מרכזי יותר
יש כאן גם סיפור טכנולוגי רחב בהרבה מלימוד אנגלית.
במשך שנים התרגלנו לתקשר עם מחשבים בעיקר באמצעות מסך, עכבר, מקלדת וטופס חיפוש. מערכות AI קוליות הופכות את השיחה עצמה לממשק.
עבור חברות שבונות מוצרים דיגיטליים, המשמעות גדולה.
כאשר משתמש יכול פשוט לדבר עם שירות, הגבול בין אפליקציה, מורה, נציג שירות ועוזר אישי מתחיל להיטשטש. אנחנו עוברים ממוצרים שמציגים סדרת מסכים למוצרים שמנהלים אינטראקציה רציפה.
האתגר יהיה לא רק לבנות מודל שיודע לענות, אלא ליצור חוויה שהמשתמש סומך עליה ורוצה לחזור אליה.
המבחן האמיתי הוא לא כמה ה-AI יודע, אלא מה המשתמש מצליח לעשות
בינה מלאכותית יכולה להרשים מאוד בדמו של שתי דקות. מוצר שימושי צריך להוכיח משהו קשה יותר: שהוא גורם למשתמש להתקדם.
בלימוד שפה, המדד אינו כמה טבעית נשמעת מערכת ה-AI, אלא האם אחרי שבועות או חודשים המשתמש עצמו מדבר בצורה טובה, בטוחה ושוטפת יותר.
אותו עיקרון יחול כנראה על גל שלם של מוצרי AI בתחומי החינוך, ההכשרה המקצועית והעבודה.
השלב הראשון של מהפכת הבינה המלאכותית היה לגרום למכונה לייצר עבורנו דברים.
השלב הבא עשוי להיות מעניין יותר: להשתמש במכונה כדי לעזור לנו להשתפר בעצמנו.