האם תם עידן סקרי הבחירות? השאלה הזו הפכה לבוערת על רקע מערכת הבחירות האחרונה לכנסת, בה נרשמו פערים עצומים בין הסוקרים. בראיון שהעניק מנו גבע לערוץ 12 לאחר המדגם, הוא העריך כי כבר בבחירות הבאות נראה כלי AI נכנסים לזירה ונרתמים לעזרת הסוקרים. ואולי אם היינו שואלים מראש את הצ'אט מי ינצח - היינו מקבלים תוצאה מדויקת? הרי האלגוריתמים כבר מכירים לעומק כל פיסת מידע, תחושה ודעה שבני האדם שופכים מדי יום לחלל הרשת.
● עדיף לקום לאימון או להמשיך לישון? המחקר שמספק תשובה מפתיעה
● כך הפכה ההתנגדות הציבורית להקמת חוות שרתים לכוח פוליטי
זה אינו רעיון חדש. בעולם מתפתחת תעשייה שלמה של "נדגמים סינתטיים" - סדרה של אווטארים דיגיטליים שנועדו לייצג אדם באוכלוסייה. השוק מקווה שבאמצעותם ניתן יהיה לבצע סקרים מבלי לפנות לאנשים אמיתיים, ואולי אף להריץ עליהן ניסויים מדעיים בפסיכולוגיה חברתית ובכלכלה התנהגותית. אפילו ברפואה נרשם מאמץ לפיתוח "תאומים דיגיטליים" של אדם יחיד או אוכלוסיות - מודלים המדמים את פיזיולוגיית האדם בדיוק רב, עד כדי אפשרות לבחון עליהם תרופות. חברות המציעות מודלים כאלה כבר פועלות בשוק ומגייסות הון בעתק בהיקף של מיליארדי דולרים.
כאן בדיוק מונחת שאלת המפתח. האם "הנדגם הסינטתי" מסוגל באמת לנבא את המורכבות האנושית - עד כדי כך שנוכל לוותר על מפגש עם בני אדם אמיתיים? ואם עולם המחקר, הסקרים והמדיניות אכן ינהה אחר האפשרות הזו - מה אנחנו עלולים לפספס בדרך על הטבע האנושי "האמיתי"?
כשביקשנו מ־ChatGPT לדמיין עתיד כזה כפרק בסדרה "מראה שחורה", הוא סיפק תרחיש מצמרר: הבוטים מבינים שהדרך היחידה לשמור על מעמדם היא להציג ניבויים "מדויקים". כדי לעשות זאת, הם עונים על הסקרים באופן שמכוון את מקבלי ההחלטות לפעול בדרכים שידחפו את בני האדם להתנהג בדיוק כפי שהאלגוריתם חזה. הבינה המלאכותית מציפה כאן אזהרה קיומית: אם נבסס את ההחלטות הכלכליות והפוליטיות שלנו על בסיס אנשים סינטיים - נסתכן בכך שבסופו של דבר, המודל לא ילמד את המציאות שלנו, אלא יעצב אותה מחדש עד שגם אנחנו נהפוך לסינתטיים.
רוב החברות העוסקות בתחום הוקמו בשלוש השנים האחרונות, מאז הבשלתם של מודלי ה-AI. אך אף על פי שהתחום בחיתוליו, הוא תוסס מאוד. בסקר שערכה חברת Qualtrics העוסקת בתחום, ענו 71% מחוקרי השוק (האנושיים) כי להערכתם, בתוך שלוש שנים בלבד כמחצית מהסקרים יבוצעו על גבי נבדקים סינתטיים.
מובילת התחום היא Simile, שהוקמה על ידי חוקרים מאוניברסיטת סטנפורד. החברה יוצרת סוכני AI על בסיס ראיונות עומק ארוכים עם בני אדם. לדברי החוקרים, הסוכן יודע להגיע לדיוק של 85% בניבוי תשובות לשאלונים שהוצגו מאוחר יותר לנבדקים האמיתיים. החברה גייסה ביולי האחרון 200 מיליון דולר לפי שווי של 2 מיליארד דולר.
חברת אאורו (Auru), שהוקמה על ידי חוקרים מ־MIT, מציעה סימולציה של אוכלוסיית נבדקים מבלי למדל נבדק ספציפי. היא משתמשת במאגרי מידע כגון נתוני אשראי והתנהגות ברשתות, וטוענת כי הצליחה לנבא העדפות מותג של אוכלוסיות טוב יותר מסקרים מסורתיים. החברה גייסה 50 מיליון דולר לפי שווי מדווח של מיליארד דולר - אך כשניסתה לחזות את בחירות 2024 בארה"ב, היא ניבאה כי קמלה האריס תנצח - מה שלא קרה.
החברה טענה כי הפערים היו בתוך טווח הטעות הסטטיסטית, אולם התוצאה הייתה בינארית לחלוטין, והחברה טעתה בה ב־100%. ביוני 2026 פרסמה אאורו כי הצליחה לחזות את תוצאות הבחירות לראשות עיריית ניו יורק בפער של 2,000 קולות בלבד. עם זאת, היא נמנעה מלציין כמה אירועי בחירות נוספים ניסתה לחזות, ועד כמה דייקה בהם בממוצע.
קריקטורה דיגיטלית
גם בישראל פועלות מספר חברות בתחום. אחת מהן היא Askit, שעם מייסדיה נמנה ד"ר ניל צור, חוקר מערכות מורכבות באוניברסיטה העברית. בשיחה עם גלובס, צור ממהר לפוצץ את הבלון. "היה הייפ סביב הטכנולוגיות האלה, אבל כיום יש חשש בשוק לגבי השאלה אם הן מביאות את הערך שהיו אמורות להביא".
צור מציין כי את החברות הפועלות בתחום ניתן לחלק לשני סוגים: "סוג אחד אומר - אם יש לי המון דאטה, אני יכול לשפוך את כולו לתוך מודל שפה ולהנחות אותו: 'תהיה עורך דין בן 30 עם מפרצי שיער'. המודל, מצידו, יקח איכשהו את כל מה שהוא יודע על אנשים מהסוג הזה וינבא את התנהגותם. אלא שבגישה הזו אנחנו סומכים בעיניים עצומות על הבינה המלאכותית שתעשה עבורנו את העבודה, מבלי שאנחנו באמת יודעים מה היא עושה - ואיך".
לדברי צור, התוצאות של הגישה הזו הראו עד כה מתאם (קורלציה) נמוך במיוחד לגבי חלק מהשאלות שהכי מעניינות את החוקרים: "מה בפרסונה של מורה בת 35 מנבא איזה מבין שני יוגורטים חדשים היא תעדיף?".
דווקא לגבי פוליטיקה, הפרסונות הדיגיטליות מנבאות טוב יותר, טוען צור. אולם גם בתחום הזה, מחקר מ־2024 של חוקרים מאוניברסיטת ונדרבילט בארה"ב חשף בעייתיות. החוקרים יצרו באמצעות מודל בינה מלאכותית מן המדף כ-11 קבוצות חברתיות-כלכליות, וכל קבוצה סינתטית אכן פיתחה אוריינטציה פוליטית ממוצעת שהייתה דומה לקבוצה המקבילה במציאות. אלא שבהעמקה בנתונים התברר כי הם הרבה פחות מגוונים מהנתונים בעולם האמיתי. כך, למשל, כאשר נשאלו על רגשותיהם כלפי קבוצות דת או מוצא אחרות, הנבדקים הסינתטיים התמקמו בקצוות הקיצוניים של התשובות הרבה יותר מהנבדקים האנושיים.
"התחושה היא שבסופו של דבר אנחנו מייצרים קריקטורות - בלי הסתירות הפנימיות והמוזרויות הקטנות של בני אדם, ובלי התגובות השונות שלהם לאותה שאלה כשהם נמצאים בהקשרים שונים או בסביבות שונות", אומר צור.
במחקר של אוניברסיטת ונדרבילט לא רק שהמגוון הצטמצם, אלא שקשרים מסוימים בתוך הדאטה אף התהפכו. למשל, אם בעולם האמיתי קיים מתאם סטטיסטי בין חברות במפלגה מסוימת או אידיאולוגיה מסוימת לבין רגש מסוים - אצל הנבדקים הסינתטיים הקשר הזה נראה לעיתים הפוך לגמרי.
שאלה מרכזית נוספת, מציין צור, היא על איזה מידע אנחנו מאמנים את הפרסונות הדיגיטליות. אם מדובר במידע מהרשתות החברתיות, הרי שבני אדם מביאים אל הפלטפורמות הללו רק חלק מצומצם מעולמם הפנימי. בנוסף, רק חלק קטן מהציבור באמת מתבטא בהרחבה ברשת.
אפשרות אחרת, כמו זו שבה משתמשת אאורו, היא לאמן את המודל אך ורק על החלטות שבני אדם קיבלו בפועל - הוצאות בכרטיסי אשראי, תשובות לסקרים קודמים, התנהגות ברשתות או הצבעות אמת בבחירות. אלא שלא בטוח שמהלך כזה עובד - בהיעדר תובנות לגבי המניעים העמוקים להתנהגות מסוימת, לא ברור עד כמה התנהגות העבר של אוכלוסייה מסוגלת לנבא את מעשיה בעתיד.
אפשרות שלישית, כמו זו שעושה Simile, היא לבצע ראיונות עומק מקיפים. אולם גם במקרה הזה, לא ניתן לדעת אם הנבדקים מציגים את מציאות חייהם כהווייתה או רק את האידיאל שהיו רוצים להאמין שקיים לגבי עצמם. מעבר לכך, המידע שמופק מראיון בן שעתיים נותר מוגבל בהיקפו. "בשלב הזה, הגישה הזו חוזרת להיות יקרה ולא סקלאבילית - אי אפשר להעביר המון אנשים ראיונות עומק", מציין צור.
אך למרות הביקורת, צור הקים בעצמו חברה הפועלת בתחום, והוא מאמין כי היא תצליח היכן שאחרים נכשלו. "אני לא יכול לחשוף את הפטנט שלנו, אבל הגישה שלנו גורסת שנתיב החיים מייצר אצל בני אדם תבניות קוגניטיביות", הוא מסביר. "נניח שיש עוד אדם בעולם שגר בעיר אחרת, ובמקום להיות פיזיקאי הוא מהנדס חשמל - אבל צורת החשיבה שלו דומה לשלי. לשנינו יש תבניות קוגניטיביות מקבילות".
"לכן", ממשיך צור, "אנחנו בוראים דמות בעלת מנגנונים פסיכולוגיים וקוגניטיביים הדומים לאלה של אדם אמיתי, כפי שהמדע מבין אותם כיום. אנחנו מזינים את הידע על ההתנהגות האנושית לתוך כללי המודל, ואז מתחילים לחשוף אותו לעולם - תוך שאנחנו מעדכנים אותו לאן הגיע האדם שעל פיו הוא מודל, ומציגים לו את תוצאת הקצה".
"האדם הווירטואלי הזה אמור לפתח תודעה תפיסתית דומה לאדם אמיתי, ולהגיב לאירוע הבא על בסיס כל אירועי העבר. בצורה הזו אפשר לייצר המון אנשים כאלה, גם על בסיס כמויות דאטה לא גדולות על כל אחד מהם".
אבל כדי ליצור מודל כזה, לא תצטרך לדעת כל דבר לגבי מה שנדרש כדי להיות בן אנוש, כולל האופן שבו פועל המוח, או איך מתנהלים יחסים בין־אישיים וחברתיים? המדע עוד רחוק מאוד משם.
"כל יום יודעים קצת יותר, ומה שאנחנו יודעים מספיק בסופו של דבר כדי לנבא התנהגות ממוצעת - קצת כמו שאנחנו יודעים לנבא תנועה של חפץ במרחב, בלי לדעת את מיקומה של כל מולקולה בתוכו", משיב צור. "אנחנו אמנם לא יכולים לנבא אדם ספציפי לגמרי, אבל אנחנו קרובים מספיק כך שהרעשים הללו יבטלו אלו את אלו בממוצע".
עם זאת, הוא מודה שלמודל יש עדיין מגבלות. "למשל, ביקשו מאיתנו לנבא איך אנשים יגיבו לרמת הלכלוך בסאבווי. מודלים וירטואליים לא יודעים דבר על כך, משום שאין להם חוויה אסתטית, ואין להם חוש ראייה או ריח. אני מקווה שיום אחד יהיה להם".
העתיד הרחוק של התחום, לדעת צור, יאפשר לכל אחד מאיתנו לעשות שימוש בכלים הללו כדי לנבא את התנהגותם של אחרים ביומיום. "נניח שאת רוצה לבקש העלאה מהבוסית שלך", הוא מדגים. "תוכלי ליצור קהילה של אלף גרסאות וירטואליות שלה, ולהציג לה את הבקשה בכמה ניסוחים כדי לדעת לאיזה נוסח היא עשויה להגיב בצורה הטובה ביותר".
ניסוי מעניין שעשתה Askit היה ניסיון לנבא את התנהגותם של בכירי משמרות המהפכה באיראן. מדובר בקבוצה מצומצמת בהרבה מזו שהחברה חוקרת בדרך כלל, ולכן גם הסיכון היה גדול יותר. "בנינו פרסונות שכל אחת מהן אומנה על הביוגרפיה האמיתית של בכיר", מספר צור. "שאלנו אותם עוד לפני המלחמה מי יחליף את עלי חמנאי, שהיה אז בחיים. 29% אמרו שבנו, מוג'תבא חמנאי, הוא שיחליף אותו - וזה אכן מה שקרה. התשובה הפופולרית יותר הייתה 'אחד מאיתנו', אבל אם היינו מפרקים את האופציה הזו לשמות ספציפיים, מוג'תבא היה מגיע למקום הראשון. האפשרות שאיש דת ישיג את התפקיד, כפי שקובע החוק האיראני, הגיעה למקום האחרון". כשבוחנים את התוצאה יש לקחת בחשבון כי גם רוב הפרשנים האנושיים לענייני איראן ניבאו באותה תקופה את בחירתו של מוג'תבא.
חלשים בפוליטיקה?
מחקרי שוק וסקרי בחירות הם אמנם אתגר, אך האם נבדקים סינתטיים יכולים להוות בסיס גם ל"קודש הקודשים" של עולם הנתונים - המחקר המדעי? פרופ' רועי רייכרט מהפקולטה למדעי הנתונים וההחלטות בטכניון, רואה בשאלה הזו חשיבות מכרעת: אם התשובה חיובית, ניתן יהיה להאיץ את המדע דרמטית.
"קשה להגיע לנתונים על בני אדם", מסביר רייכרט. "אנחנו, למשל, חוקרים ירידה קוגניטיבית עם הגיל. כדי לעשות זאת, אני מזמין אדם למעבדה, נותן לו לענות על שאלון, לבצע משימה, ולעיתים מבקש נתונים משעון חכם. כך המדע התקדם לאורך שנים, אבל זהו תהליך יקר ומורכב שאינו מביא לתוצאות מושלמות".
רייכרט השתמש בנתונים של נבדקים אמיתיים כדי ליצור סימולציה של נבדק שהשפה שלו מידרדרת, כפי שקורה אצל אדם הסובל מירידה קוגניטיבית. "בחנו את הדגימות הללו מול רופאים ושאלנו אותם אם כך נשמע אדם עם ירידה קוגניטיבית. הניסוי הצליח מעל ומעבר למשער".
המטרה של מודל כזה יכולה להיות ניבוי תגובותיו של אדם הסובל מירידה קוגניטיבית לשאלות שונות, ואולי אף ניבוי האופן שבו שפתו תמשיך להידרדר. "בעוד שאנחנו די בטוחים ביכולת של האלגוריתם ללמוד ממידע קיים - כמו מאפייני שפה - אנחנו הרבה פחות בטוחים ביכולת שלו להבין סיבתיות וליצור ניבוי", מסביר רייכרט. "ודווקא שני האלמנטים הללו קריטיים למדענים".
תחום נוסף שבו עוסק רייכרט הוא ניבוי תוצאות של ניסויים בתורת המשחקים ובקבלת החלטות. למשל, סימולציה של ניסוי שבו אדם רוכש שוב ושוב באותה החנות: המוכר מציע לו לעיתים מוצר שבאמת הכי מתאים לו, ולעיתים מוצר שהכי רווחי. שני הצדדים נדרשים להחליט כיצד להתנהל בכל אינטראקציה חדשה, על בסיס תוצאות המפגשים הקודמים.
בתורת המשחקים, ההנחה הרווחת היא שבני אדם פועלים כמו מחשב. האם במציאות יש בכלל ערך קבוע למוצר? והאם האדם מודע לחלוטין להבדלים בין אמת לשקר כשהוא בוחר את תגובותיו?
"אנחנו מקודדים לתוך האינטראקציות שאנחנו מדמים המון משתנים", משיב רייכרט. "השתמשנו באילוצים שונים כדי לגרום למערכת להתנהג יותר כמו בן אדם, ולפרסונות שונות מעניקים מאפיינים שונים - למשל אופי אגרסיבי יותר או הוגן יותר - כדי ליצור גיוון".
"האמת היא התוצאות יוצאות דומות למדי לאיך שאנשים באמת מתנהגים. כיוון שהניסויים במדעי החברה לא נהנים מהצלחה כה גדולה מול העולם האמיתי, אם התוצאה של ניסוי כזה תהיה קצת יותר טובה, אז הרווחנו. מתוך כך, אנחנו מנסים להבין באילו אסטרטגיות אדם מסוגל לנקוט כדי לשפר את התוצאות שלו. נעזרנו גם בקבוצה רחבה של בני אדם אמיתיים כדי לעצב בוטים שפועלים לפי אסטרטגיות שונות".
עם זאת, המגבלות של הכלים הללו בולטות כשמנסים לעלות דרגה במורכבות. במחקר נוסף, ניסה רייכרט לגרום למודלים לדמות את האופן שבו מתפתח עימות פוליטי, בהתבסס על המידע הקיים בספרות המחקרית בתחום. "במשימה הזו הם כבר לא הצליחו", הוא מודה. "זאת למרות שמודלי שפה מסחריים אמורים להכיר היטב את המחקר בנושא עימותים - המדע שמולו השווינו בסופו של דבר את הביצועים שלהם. אלא שהמידע הזה, כך נראה, נמצא במקום אחר לחלוטין ב'מרחב המנטלי' שלהם".
לברוא תיקים רפואיים
ומה קורה ברפואה? חברה ישראלית מעניינת בתחום היא MDClone, שמציגה ניצול שונה לגמרי של נבדקים סינתטיים. התיזה שעליה הוקמה לא נולדה כדי לוותר על בני אדם, אלא כדי לעקוף את מנגנוני החיסיון הרפואי שמונעים מחוקרים גישה לתיקים רפואיים.
במקום לחשוף נתונים של חולים בשר ודם, המערכת של MDClone לומדת את המאפיינים הסטטיסטיים של אלפי תיקים רפואיים, ומייצרת מתוכם רשומות של "מטופלים סינתטיים" - דמויות פקטיביות לחלוטין. אף מטופל וירטואלי כזה אינו מייצג אדם ספציפי (ולכן אין סכנה להפרת הפרטיות), אך יחד, הקהילה הסינתטית הזו משמרת את אותם היחסים והתופעות הרפואיות של האוכלוסייה המקורית, ומאפשרת לבצע מחקר ב"כאילו" על נתוני אמת.
דוידי בכרך, סמנכ"ל הפעילות הבינלאומית של MDClone מחוץ לארה"ב, מסביר כי החברה עוסקת במגוון תחומים נוספים הקשורים לנגישות למידע - לאחר שהתברר שההצעה על הנבדקים הסינתטיים בלבד לא הייתה חזקה מספיק כדי להחזיק מודל עסקי. אולם, החברה עדיין מציעה גם את השירות הזה.
כדי שניתן יהיה לתחקר נתונים סינתטיים בדיוק כמו נתונים אמיתיים, נדרש לשמר את כל הקשרים הסטטיסטיים בין המשתנים. האם זה בכלל אפשרי?
"מבחינה מתמטית זה כמעט בלתי אפשרי לשמר את כל הקשרים, מכיוון שמגיעים כך לכמויות בלתי אפשריות של חישובים", מודה בכרך. "הפטנט שלנו הוא הדרך לשמר חלק מרכזי מהקשרים, כך שגוף הנתונים עדיין ייצג נאמנה את המידע הקבוצתי".
ה־AI מאפשר להפיק מנתוני אמת מודלי חיזוי מורכבים - בסגנון: אם למטופל יש לחץ דם דיאסטולי של 80 וגם שומה בגודל 25 מ"מ ומעלה, עולה הסיכוי לסרטן ריאות, אבל רק אם הוא ג'ינג'י - וזו עוד דוגמה פשוטה יחסית. האם אתם מסוגלים לשמר קשרים סטטיסטיים שיאפשרו דיוק גם במודלים מורכבים כאלה?
"זהו בדיוק אחד האתגרים הגדולים של תחום המידע הסינתטי, ובגללו יצא לו לאורך השנים שם פחות טוב", מסכם בכרך. "אנחנו מקווים שאנחנו מצליחים להיות שונים".
