This post is also available in:
English (אנגלית)
ככל שבינה מלאכותית נטמעת במערכות מקושרות, מתחילה להיחשף חולשה מבנית. מרבית השירותים מבוססי ה-AI נשענים במידה רבה על תשתיות ענן מרכזיות, כך שתקלה אחת עלולה להשבית תהליכי עבודה שלמים בבת אחת. כאשר פלטפורמות ענן גדולות יוצאות מכלל פעולה, הפגיעה אינה מוגבלת לגישה לנתונים בלבד — היא עלולה לעצור לחלוטין מערכות קבלת החלטות אוטומטיות, ניטור ותמיכה. עבור ארגונים התלויים ב-AI לפעילות רציפה, ריכוז כזה של "אינטליגנציה" יוצר סיכון הולך וגובר לחוסן ולביטחון.
ארכיטקטורה חלופית צוברת תאוצה: מודלים קטנים ומתמחים של שפה ובינה מלאכותית, הפועלים מקומית ולא במרכזי נתונים מרוחקים. במקום להסתמך על מודל אחד גדול ורב־תכליתי הנגיש דרך הענן, הגישה הזו מפזרת סוכני AI קומפקטיים ישירות אל התקנים או מערכות קצה. כל מודל מאומן למשימה ממוקדת ושומר על מומחיותו לאורך זמן, מבלי צורך לבנות מחדש הקשר או להעביר נתונים רגישים הלוך ושוב.
על פי דיווח של CIO, מאחר שהמודלים פועלים מקומית, הם ממשיכים לתפקד גם כאשר החיבור לרשת נפגע. בנוסף, הם מצמצמים השהיות על ידי ביטול הצורך בתקשורת חוזרת עם הענן, ומאפשרים תגובות מהירות יותר ביישומים רגישים לזמן. לא פחות חשוב, עיבוד נתונים בקצה מפחית חשיפה לרשתות חיצוניות, משפר פרטיות ומצמצם את שטח התקיפה האופייני לשירותי AI ריכוזיים.
עוצמת הגישה הזו טמונה בהתמחות. במקום לנסות לענות על כל שאלה, כל מודל מתוכנן לטפל בתחום מוגדר ולהתריע כאשר בקשה חורגת מיכולותיו. שכבת תיאום מנתבת את השאילתות למומחה המתאים על בסיס הקשר ורמת ביטחון. תכנון תחום־מוגבל כזה מצמצם את הסיכון לתשובות שגויות הניתנות בביטחון רב — תופעה מוכרת במודלים גדולים ורב־שימושיים שאומנו על נתונים רחבים ולעיתים סותרים.
גם תהליך האימון שונה. מודלים קטנים נשענים על מערכי נתונים אוצרים ומאומתים על ידי מומחים, ולא על איסוף מידע בקנה מידה אינטרנטי. הדבר מוביל להתנהגות צפויה יותר, מאפשר ניהול גרסאות פשוט וברור, ומפחית את הסיכון ל"הזיות". כאשר כללים או תקנים משתנים, ניתן לפרוס מודל חדש מבלי לשנות את הישנים, וכך לשמור על נתיב ביקורת ברור.
ליישומי ביטחון והגנת המולדת יש לכך משמעות רבה; מערכות כמו פיקוח גבולות, גילוי איומים, תכנון לוגיסטי או אבחון בשטח פועלות לעיתים בסביבות עם רוחב פס מוגבל או בתנאים מאוימים. סוכני AI הפועלים מקומית יכולים להמשיך לתמוך במשימות גם בזמן שיבושי תקשורת, תוך שמירה על נתונים רגישים בתוך תשתיות מבוקרות. חוסן זה חיוני להמשכיות מבצעית ולביטחון מידע.
ככל שה-AI עובר משלב ניסיוני לתשתית ליבה, לארכיטקטורה יש חשיבות לא פחותה מהאלגוריתמים עצמם. מודלים מבוזרים וממוקדי־משימה מציעים דרך לבנות מערכות שאינן רק מהירות וזולות יותר לתפעול, אלא גם עמידות יותר מול תקלות, סיכוני סייבר ואי־ודאות מבצעית.
