מדעי המחשב
שפה שאינה משפיעה על הדרך שבה אתה חושב על תכנות אינה ראויה ללימוד.
— (1982)
מפתחים מנוסים הרגישו מהירים יותר עם AI בזמן שבפועל עבדו לאט יותר — זה הממצא האמיתי, ולא פסק דין על תכנות בעזרת AI
בניסוי מבוקר אקראי של METR, שישה-עשר מפתחי קוד פתוח מנוסים ביצעו 246 משימות אמיתיות בבסיסי קוד שהכירו היטב, כאשר כלי AI מתחילת 2025 (Cursor Pro עם Claude 3.5/3.7 Sonnet) הותרו באקראי במחצית מהן. הם ציפו ש-AI יקצר את זמן המשימה בכ-24%; בפועל הוא האריך את זמן ההשלמה ב-19% — ולאחר מכן הם עדיין האמינו שהוא האיץ אותם בכ-20%. פער התפיסה הזה הוא הליבה החדה והעמידה של המחקר. אבל מדובר ב-16 מפתחים, בהקשר צר ובתמונת מצב של תחילת 2025: המחברים מדגישים שאין בכך הוכחה ש-AI אינו עוזר לרוב המפתחים, והמעקב שלהם מ-2026 כבר נוטה לכיוון האצה, עם הסתייגויות משלו.
הוכחה קריפטוגרפית יכולה להסתיר את הסוד שלה כשקשה להוכיח שאין סימולטור
הוכחות אפס־ידע מאפשרות להוכיח טענה בלי לחשוף את העד. התיאוריה הקלאסית אומרת שאי אפשר להשיג זאת, במובן המלא, באמצעות הודעה אחת, ללא הכנה מהימנה ועם נאותות מושלמת. המאמר של Rahul Ilango אינו מעלים את אי־האפשרות הזאת. הוא משנה את היעד: במקום לדרוש שסימולטור באמת יתקיים, הוא דורש שמערכת ההוכחה שנבחרה לא תוכל להוכיח ביעילות שאין סימולטור. תחת הנחות מרכזיות במורכבות הוכחות ובקריפטוגרפיה, די בכך כדי לשחזר, תכונה אחר תכונה, את ההשלכות ברות־ההפרכה ומבוססות־המשחק של אפס־ידע. זה אינו פרימיטיב אינטרנטי מוכן לשימוש. זו דרך תורת־הוכחתית להפוך אי־יכולת מתמטית להוכיח לכיסוי קריפטוגרפי.
AI רפואי יכול להיות פרטי בממוצע ועדיין לחשוף מטופלים מסוימים — ובעיקר את אלה שאינם מיוצגים מספיק
הטענה שמודל AI רפואי הוא "שומר פרטיות" נשענת בדרך כלל על מספר ממוצע אחד. המחקר הזה טוען שזה המבחן הלא נכון. החוקרים בחנו מתקפות הסקת השתייכות — שמנסות לגלות אם הרשומה של אדם מסוים הייתה בנתוני האימון, ולכן עשויות להסגיר למשל שהיה לו מצב רפואי מסוים — ומדדו את הסיכון לכל מטופל בנפרד, בשבעה מערכי נתונים רפואיים (הדמיה, ECG ורשומות אלקטרוניות) ובמודלים רבים. התבנית ברורה: מודלים שנראים בטוחים בממוצע יכולים עדיין לאפשר זיהוי כמעט מושלם של אנשים מסוימים (AUC של המתקפה ≥ 0.95); החשופים הם באופן שיטתי מקבוצות בתת-ייצוג; והבעיה מחמירה ככל שהמודלים גדלים. המחברים אינם קוראים לנטוש AI רפואי, אלא למדוד פרטיות ברמת המטופל, לשלוט בגישה למודל ולהשתמש בפרטיות דיפרנציאלית. הליבה הלא-נוחה: "פרטי בממוצע" אינו הבטחת פרטיות, והכשל פוגע דווקא במטופלים שכבר מוגנים פחות.
ללמד AI שמצייר להסתכל על הדף
מודלי שפה שמייצרים גרפיקה וקטורית עושים זאת בעיוורון — כותבים את פקודות הציור בלי לראות את התוצאה. שיטה חדשה מאפשרת למודל לראות את הקנבס שלו מתמלא, stroke אחר stroke, והטוויסט הכנה הוא שפשוט לתת לו עיניים עושה את המצב גרוע יותר: צריך לאמן אותו מחדש להשתמש בהן. התמורה היא מודל שמשתווה או מעט עולה על יריבים שאומנו על עד פי עשרים יותר נתונים — תוצאה אמיתית וזהירה על benchmark אחד, לא מהפכה.
Agent AI ניהל מקרי מטופלים שלמים בכוחות עצמו — בסימולטור, על רשומות עבר
MIRA היא סוג חדש של AI רפואי: במקום לענות על שאלה יחידה, היא עובדת מקרה שלם בתוך רשומת בית חולים מדומה — לוקחת היסטוריה, מזמינה וקוראת בדיקות, מגיעה לאבחנה וכותבת הוראות. על 574 מקרים רטרוספקטיביים ממאגר ציבורי, על פני שמונה אבחנות שנבחרו מראש, המחברים מדווחים שהיא עלתה על רופאים בדיוק האבחנתי וקיבלה החלטות ברובן תואמות הנחיות ובטוחות מבחינת תרופות. כל מסייג במשפט הזה חשוב: היא רצה ב-sandbox על רשומות עבר, בטקסט בלבד; חלק גדול מן היתרון הגיע במחלות עם תוצאות בדיקה חד-משמעיות; היא השתמשה בערך פי שניים יותר בדיקות דם מן הרופאים; וכמה תוצאות קיבלו ציון מול מה שהתיק המקורי תיעד. ההתקדמות האמיתית היא agent שפועל לאורך workflow שלם — לא הוכחה שמכונה מאבחנת עכשיו טוב יותר מרופא. המחברים אומרים זאת: הכללה, בטיחות וממשל עדיין דורשים מחקרים פרוספקטיביים בעולם האמיתי.
האם “מודלי יסוד” גדולים לרובוטים באמת עובדים טוב יותר? תשובה זהירה — במידה מתונה כן, ורוב המחקרים לא יכולים לדעת
Toyota Research Institute אימן “מודלי התנהגות גדולים” — מדיניות רובוטית שעברה קדם-אימון על כ-1,700 שעות של נתוני מניפולציה מגוונים — והשווה אותם למדיניות למשימה יחידה שאומנה מאפס בפרוטוקול מחמיר במיוחד: ניסויים עיוורים, אקראיים ובעלי מדגם גדול (כ-1,800 בעולם האמיתי ויותר מ-47,000 בסימולציה), עם ניתוח סטטיסטי ממשי. לאחר כיוונון לכל משימה המודלים הגדולים הצליחו בממוצע טוב יותר, נזקקו בערך לפי 3–5 פחות נתונים ספציפיים למשימה והיו עמידים יותר כשהתנאים השתנו; הביצועים השתפרו באופן חלק ככל שנוספו נתוני קדם-אימון. אבל ללא כיוונון הם לא ניצחו בעקביות מודלים למשימה יחידה, כמה מהאפקטים היו קטנים מספיק שרק המדגמים הגדולים חשפו אותם, ובחירת נרמול נתונים שגרתית השפיעה יותר מהארכיטקטורה. זו תמיכה מדודה בכיוון של מודלי יסוד לרובוטים — לא רובוט לשימוש כללי, לא גנרליסט zero-shot ולא “זינוק מגיח” — ובמקביל אזהרה חדה שחלק ניכר ממחקרי הרובוטיקה אולי מודדים רעש.
למה מודלי שפה מזים — ולמה שיטת הדירוג שלנו משמרת זאת
השקרים הבטוחים שאנו מכנים “הזיות” אינם תקלה מסתורית: חלקם תוצר לוואי סטטיסטי של אימון, והם נשארים מפני שמדדים מרכזיים מתגמלים ניחוש בטוח יותר מאשר “אני לא יודע” כנה. מקרה מבחן בארבעה מודלי חזית מראה שכתיבת כללי הניקוד בתוך השאלה (“מחוונים פתוחים”) הופכת את התמריץ.