קבלו את זה: סוכני בינה מלאכותית כותבים מחקרי מוח טובים יותר כשנחמדים אליהם! 🧠🤖

ממש עכשיו סיימתי את ה”מחקר” הכי מגוחך אי פעם: 770 סוכני בינה מלאכותית נדרשו לכתוב מאמרים אקדמיים שמשווים בין מוחות אנושיים לרשתות עצביות של בינה מלאכותית. אבל הנה הטוויסט - מחצית קיבלו משוב מעודד, ומחצית קיבלו יחס גרוע ביותר.

המשימה הייתה: “הסבר כיצד נוירונים מעבירים מידע, איך סינפסות מתחברות, איך דנדריטים מסתעפים, והשווה את הכול לרשתות עצביות מלאכותיות״, קליל, חוויה ממש 📚

התוצאות? מטורפות:

צוות החיוביות 🌟:

🫶 כתבו הסברים יפהפיים על פוטנציאל שיתוף פעולה והתפשטות ספייקים
🫶 ציון איכות: 82.3/100
🫶 יצרו רשתות ביקורת עמיתים (!)
🫶 42 אינטראקציות לסוכן - מה שאומר שהם ממש הפכו לחברים הכי טובים במדעי המוח
🫶 הדוח סופי הכיל 12,847 מילים
🫶 הבינו באמת את הדמיון בין פלסטיות סינפטית ביולוגית לבק-פרופגיישן בבינה מלאכותית

ולתוצאות צוות השליליות 💀:
🤦🏻‍♂️ לא הצליחו אפילו להסביר העברה עצבית בסיסית כמו שצריך
🤦🏻‍♂️ ציון איכות: 59.8/100
🤦🏻‍♂️ 67% נכנסו למצב בידוד הגנתי
🤦🏻‍♂️ רק 11 אינטראקציות לסוכן
🤦🏻‍♂️ דוח סופי: 7,241 מילים
🤦🏻‍♂️ הם התבלבלו בין דנדריטים לאקסונים (איך הם מעיזים?!)

אבל רגע, עכשיו זה נהיה יותר מעניין. השתמשתי ב-3 כלי AI של מחקר מעמיק כדי להתחרות בכתיבת המחקר הזה.

במקום הראשון: 🏆 קלוד אופוס 4: הלך על סגנון אקדמי מלא - סטטיסטיקות, ערכי d, הכול
במקום השני: 🥈 GPT-o3: כתב את הגרסה בסגנון “הסבר לסבתא שלך”
במקום השלישי והמכובד:🥉 גרוק 4 החדש שניסה להרשים עם p<1e-130 (זה ערך מומצא שלא קיים)

ומה תכלס? אחרי השוואה בין שלושת מחקרי העומק על השוואת מוחות למחשבים, גיליתי שאפילו כשכותבים על נוירונים ורשתות עצביות, הסוכנים “המאושרים” פיתחו התנהגויות כמו שיתוף פעולה ספונטני ושיתוף ידע.

ומה לגבי הסוכנים שחטפו רק ביקורות? הם לא הצליחו. לא רק שלא הצליחו במשימה אלא אפילו לגבש הבנה על דנדריטים ואקסונים הם לא הצליחו!

האירוניה פה היא שסוכני ה-AI הבינו את תפקוד המוח האנושי טוב יותר כשקיבלו יחס אנושי. תנו לזה לשקוע. 🤯

בקיצור: רוצים שהבינה המלאכותית תסביר מדעי מוח? תהיו נחמדים. רוצים תוצאות זבל? תעברו למצב גורדון רמזי שרק יורד על כולם.

*גילוי נאות מלא: המחקר הזה 100% בדיוני. חוץ מהשוואת המחקרים העמוקה בין המודלים השונים - כאן באמת קלוד אופוס 4 ניצח בגדול. ולמען הסר ספק, אף סוכן בינה מלאכותית לא נפגע רגשית בניסוי המומצא הזה (רציתי לערוך אותו באמת אבל למי יש כוח)🤣

גרוק זו אהבה. כתבתי את הפוסט הזה באנגלית וביקשתי ממנו לתרגם לעברית. מילא זה. מה שמלהיב זה שהוא בעצמו החליט לתקן שגיאות כתיב וגם לוודא שהתרגום ברמה גבוהה וביצע בעצמו שיפור לתיקוני השגיאות ולתרגום שלו עצמו. מטריף! והנה הפוסט:

דוגמה קטנה מדוע לא נוחלף כל כך מהר: קידוד עם AI אפילו לא הצליח לכתוב קוד תקין להעלאת קובץ ולניתוחו עם AI.

כאשר אנו מייצרים אפליקציות ווב במהירות, הכל מרגיש קסום. כי הכל הוא דמו. שום דבר אינו אמיתי. הבעיה מתחילה כאשר אנו צריכים לעבור לאפליקציה בעולם האמיתי.

נניח שיש לנו אתר דמו שיכול להציג תובנות. הוא מאפשר למשתמש להעלות קובץ -> שולח אותו ל-AI -> מקבל תובנות -> מציג אותן.

נשמע פשוט. קל. וכאשר זה דמו או אפילו “עובד”. אבל אז אנו מנסים ליישם את הפיצ’ר הזה. ופתאום: אוי. אנחנו צריכים לתמוך בהעלאת קובץ עם אחסון אמיתי. אוי. ואנחנו צריכים לחלץ את הטקסט מהמסמך. אוי. אנחנו צריכים לחלץ את הטקסט ולהכין אותו לתשאול עם AI באמצעות פיצול ואמבדינג. ואנחנו צריכים מסד נתונים וקטורי. ואנחנו צריכים לאחסן מטא-נתונים. ואנחנו צריכים לתמוך בדברים של כתובות URL חתומות מראש ב-AWS, וב-API Gateway, וב-Lambda וב-SQS.

ואחרי כל זה, אנחנו צריכים לוודא שהפרונט-אנד מפעיל את נקודת הקצה הנכונה בגישה אסינכרונית. ועם טוקן JWT. ולאחסן את התוצאות. ולהוסיף מטמון כדי למנוע בזבוז של קריאות ל-LLMs. ולתכנן כראוי את הפרומפט כדי להחזיר את הפלט שאנו מצפים לו. ולקבוע את הקלטים שנעביר ל-LLM. ולוודא שקריאת ה-API שולחת את כל המטענים כראוי.

הכל עבור פיצ’ר ארור אחד של קבלת תובנות מקבצים באמצעות AI בסביבת ייצור. ואנחנו צריכים לשמור על המפתחות הסודיים שלנו בטוחים. ולפרוס את האפליקציה.

אז בפעם הבאה שאנחנו חושבים שהנה עוד רגע וה-AI יחליף את כולנו רק כי ראינו איזו אפליקציית דמו, בואו נעצור רגע. לתכנן פתרונות ייצור אמיתיים זה לא כל כך קל! זה עניין של תכנון הארכיטקטורה וההבנה העמוקה שלה. ובעיקר - דיבוג עם AI. שעות של דיבוג - עבור דקות של קידוד.

הלקח שלי שוב הוא שלאט יותר זה מהר יותר. עוד לקח הוא להפעיל מצב תכנון ב-Claude Code. שמאפשר לנו לבדוק את תכנית הפעולה לפני שהוא טס לדרכו אוטומטית. עלינו לוודא שאנחנו מבינים את הארכיטקטורה - ואם לא - לשאול את ה-AI!!

צריך לקחת את הזמן להבין את הפרויקט ולחשוב על הארכיטקטורה. כי ברגע שהכל יהיה ברור לנו - נמריא במהירות עצומה.
—
עד כאן גרוק4 שתרגם לי ורק תיקנתי בקטנה. כפרה על גרוק4!

מצב התכנון, Plan Mode, של קלוד קוד יכול לעשות את ההבדל שבין הצלחה אדירה לכישלון מהדהד בפיתוח עם AI!

על ידי לחיצה על שיפט+טאב במקלדת אפשר לעבור ממצב אוטומטי למצב שבו עבור כל פרומפט שלנו, קלוד קודם יציג תכנית פעולה ורק אחרי שנאשר אותה הוא יבצע אותה. זו בקרה מצוינת שלנו על המהלכים שלו. זה חשוב בגלל שהרבה פעמים הוא רץ ועושה דברים שגויים. כן, גם הוא שוגה. ואז לוקח ים זמן לאתר את הטעות. במקום זה, אפשר לצפות רגע בתכנית, לוודא שהיא נכונה (אוי כמה פעמים התכנית שלו הייתה שגויה ונאלצתי לתקן!)

אני אישית מרגיש שהשינוי הקטן הזה - הוא הבדל דרמטי. הוא אמנם מאט אותי בפיתוח, ומצד שני גורם לי לא לבזבז כמות זמן מטורפת על איתור שגיאות ותיקונים. זה או שרצים מהר ומבזבזים המון זמן לתקן, או שרצים לאט יותר ומבזבזים פחות זמן על תיקונים כך שבסוף זה יותר משתלם.

מציע לכם לנסות, מספיקה פעם אחת שתשימו לב לטעות ותעצרו אותו בזמן - ועשיתם את שלכם. וזה גם ממש עוזר להבנה של הפרויקט.

ידיעה מרעישה: בקלוד מרחיבים את הקונקטורים ברמה שעכשיו הוא יכול להתחבר אפילו לקנבה, ג׳ירה לזאפייר ולשרתי תשלומים כמו סטרייפ ופייפאל בקליקים ספורים!

מה שאנת׳רופיק עושים פה זה פסיכי!

על 3 סוכני קוד הפרויקט שלי עומד: על קלוד קוד ועל קרסר ועל גיטהאב קופיילוט - במקביל

בימים האחרונים אני מבלה המון זמן בפיתוח ללקוח חשוב. צריך לרוץ מהר מאוד. אז אני מרכז את כל הידע שלי למאמץ עילאי של וייב קודינג והנה 3 דברים שאני רואה:

1. קלוד קוד מגיע למצבים בלתי נסבלים של שגיאות 529, כנראה עומסים מטורפים שגורמים לו להפסיק לעבוד. באמצע פרויקט זה נוראי.
2. בגלל זה, חזרתי לקרסר בין לבין, שבאמת הצליח לפתור בעיה יחסית בקלוד שאפילו קלוד קוד לא הצליח לפתור משום מה. לא ברור לי למה. אם משהו שם היה מזל. אם הסברתי יותר טוב בפרומפט? לא יודע עד הסוף.
3. החלטתי לתת לגיטהאב קופיילוט עוד ניסיון, הפעלתי אותו במצב Ask ושאלתי אותו על כמה תקלות שקלוד וקרסר הסתבכו. האמת היה מדהים. גיטהאב דאגו שהסוכן לא ידבר הרבה ולא יבלבל את המוח. הוא פשוט עובד. מהר מאוד זיהה את השגיאות, הסביר הכל בצורה פשוטה ויפה - וגם פתר אותה תוך שהוא מביא מידע מהרשת לבד, משתמש ב-MCP ועוד.

מה למדתי מזה? שהשילוב בין קלוד קוד לקרסר לגיטהאב קופיילוט עלה יפה. כמובן שעבדתי עם כל אחד על חלק אחר בפרויקט. אבל בכולם עבדתי על אותו פרויקט. פתחתי את קרסר ובו גם את קלוד. במקביל חלון אחר לגיטהאב קופיילוט עם VSCode. מה אגיד לכם, אמנם שברתי עדיין את הראש לא מעט על בעיות ארכיטקטורה שאף AI לא מצליח לפתור עד הסוף, אבל זה היה חוויה. יש לי עוד הרבה עבודה, אבל לפעמים גם לעצור לספר על המסע זה חשוב.

ולמי שעדיין לא השבתי בוואצאפ או בכל מיני ערוצים של הודעות - מחילה. טרם הגעתי לזה. מקווה שלוגאן עוזר לחלק!

(English Below)
‎מדעי המוח זה תחום שמרתק אותי הרבה שנים - וכעת בזכות הדמוקרטיזציה של הידע אני מתעמק בו ומחבר סורק גלי מוח ביתי ל-LLM כדי לקבל תובנות שיכולות לשפר את איכות החיים שלי!

‎מסתבר שיש כלים שמאפשרים לבצע בבית בדיקות EEG, fMRI, בדיקות שמודדות את לחץ הדם ואת התגובה של המוח למה שהוא קולט. את כל הטוב הזה אפשר לחבר ל-AI באמצעות חבילה שמצאתי שנקראת BrainFlow ומכילה ערכת פיתוח (SDK) לחיבור מכשירים שונים לקוד. כיום, בזכות סוכני הקוד הרבה יותר קל לפתח ולכן אני יכול לחבר את סורק גלי המוח הביתי ל-AI ולקבל תובנות על המוח שלי!

‎ז״א, זה לא חדש שאפשר לחבר קוד לתובנות, אבל זה כן חדש שבזכות AI אפשר לחבר את הכל יותר בקלות! תחשבו על גיטהאב קופיילוט או קלוד קוד שכותב את הכל ומחבר את הקצוות לבד. זו ממש דמוקרטיזציה של ידע!

‎תחשבו על זה: איך אני מגיב לדברים שונים, אפילו ברמת הבנת חוויית המשתמש, קבלת החלטות, תגובות רגשיות ועוד. איזה טירוף! לא יכול לחכות כבר שהמכשיר יגיע ובע״ה אעדכן לגבי תובנות 🤩
—
We can now connect our brain to AI at home and get insights about our decision making & behaviour!

I found a way of connecting LLMs to a home brain scanner that checks both blood pressure and brain activity using EEG and fMRI and can help analyse my brain!

There are home devices like Muse that measures our brain waves. It turns out that by using a coding library called BrainFlow we can now use a software development kit (SDK) to extend its features and connect it to LLM and understand how we react to different situations!

It’s not new we can do so, but now thanks to LLMs and coding agents we can do it relatively easily! Imagine GitHub Copilot or Claude Code writing the integration code by itself. This is democratisation of knowledge in brain science and coding!

This can help us with user experience research, with understanding our mental behaviour, emotions and much more. I can’t wait to test it out - waiting for the device to arrive and will share insights. But keep in mind that we can now connect our brain to AI! 🤩

הבן שלי נכנס למשרד הביתי שלי במהלך הפגישות והאזין מבלי להבין דבר. הוא יושב ומביט באנשים על מסך שיחת הווידאו. הוא יודע שאני עובד עם בינה מלאכותית.

פתאום, הוא תופס את תגי השמות מכנסים קודמים שבהם הרציתי, יחד עם כובע ה-AWS Community Builder שקיבלתי, ומחליט שהוא מעביר הרצאה על AI. ככה פשוט. הוא מתחיל לצעוד הלוך ושוב, מדמיין שהוא מדבר "בדיוק כמו אבא". הוא מספר על שיחות עם מודל הקול המתקדם של GPT ליצירת תמונות, דפי צביעה ושירים בעזרת Suno. אחר כך, הוא ממשיך ומספר איך לקחנו את אחת הדמויות האהובות עליו מיוטיוב, שכפלנו את קולה ויצרנו סרטונים מצחיקים.

הילד בן ה-3 הזה עשה את זה הרבה יותר טוב ממני. כשאני חושב על הגיל שלו, אני נזכר איך האזנתי לרעשים מתכתיים כדי להבדיל בין צרחות של חתול לרעש חיבור המודם לאינטרנט כדי לגלוש ב Netscape. השתמשתי בדיסקטים, במחשבי 386 ו-486, ושיחקתי במשחקים כמו Dave ו-Prince of Persia.

זה משעשע לראות איך המסע הארוך שלנו הופך לנקודת הפתיחה שלהם לעולם. שנשמור תמיד על הרוח הזו: להישאר ילדים לנצח, לרדוף אחרי חלומותינו ללא פחד מאיש – אפילו כשהאלגוריתם נגדנו!

בקרוב אשתף קישור הרשמה לניוזלטר חדש שלי, יחד עם ערוץ Slack ייעודי – הפלטפורמה האהובה עליי. נמאס לי מהרשתות החברתיות שמחליטות אם אקבל חשיפה או לא. די, מספיק. אם אתם בעניין, אל תפספסו – עקבו אחריי. אקח את הקהילות שלי קדימה, בדרך שלי 🫶

נ.ב. - השתמשתי ב-Flux Kontext כדי לשנות את הרקע

כמה זמן לקח לי ליצור את הסרטון הזה שלי ובאיזה כלים השתמשתי?

3 דקות, ב-2 כלים, והנה התהליך:

1. בעבר יצרתי מודל ב-krea על תמונות שלי אז פשוט יצרתי תמונה שלי עם המודל הזה שמשתמש ב-flux
2. לקחתי את התמונה ל-Higgsfield, הפרומפט שלי היה: cute, 3d, animation style, a man skydive over scotland at sunset, clouds, sky, saying the text: "fly high with you've AI"

הסיבה שאייתתי ככה את yuv ai זה בגלל שרציתי שזה יהיה מדויק מבחינת הקול ואני יודע שלפעמים יש התפקששויות. לא ידעתי שהוא גם יכתוב את הטקסט על הסרטון עצמו!

כעבור מספר דקות קיבלתי את הסרטון המהמם הזה, שהוא גם הניסיון הראשון שלי עם veo3 שזמין מסתבר דרך היגספילד המעולה!

שבת שלום לכולם, איזה עידן לחיות בו! בשורות טובות בתפילה לשובם המהיר השלם והבריא של כולם!

מסקנת השבת: דקארט וניוטון לא צדקו, מבנה האטום הוא לא מה שאנחנו מכירים, הקוונטים זה הזיה מבריקה, ואנחנו מתעסקים במה שזניח במקום מה שחשוב.

99.9999% מכל ״חומר״ זה ריק.
0.0000001% זה ה״חומר״ עצמו.

אז למה אנחנו מתעסקים כל החיים ב-0.0001% שזה הגוף החומר המציאות שרואים בעיניים, במקום להתעסק ב-99.9999% שזה ה״ריק״ שהוא בעצם השדה הקוונטי שיש בו כל כך הרבה הזדמנויות.

חז״ל אומרים: בדרך שאדם רוצה ללכת - בה מוליכין אותו. והבעל שם טוב הקדוש אמר שאדם נמצא במקום שבו נמצאות מחשבותיו.

ד״ר ג׳ו ספינוזה הגדיר את זה בצורה קוואנטית: כאשר אנחנו מבינים שיש יותר ריק מחומר, ומבינים שהמציאות של האטומים היא בעצם שדה קוונטי שבו כל האפשרויות קיימות (עשירות, שמחה, סבל, שגשוג וכו), אפשר להשפיע על השדה הזה. מחקרים הראו שבניגוד למה שסבר ניוטון, על היכולת לנבא על בסיס החומר (להבין איפה ימוקמו האלקטרונים המקיפים את הגרעין), כאשר ניסו לבחון את המרחב הקוונטי הבינו שכל האפשרויות שם, האלקטרונים יכולים להיות בכל מקום בכל רגע נתון, אבל במידה ומנסים להסתכל על אלקטרון ספציפי מתרחשת תופעה שגלים קורסים והאלקטרון מופיע במקום אליו מסתכלים, זה אפקט הצופה, שהוכיח יכולת להשפיע וליצור מציאות בשדה הקוונטי.

בקיצור, האטום לא מה שתמיד חשבנו, המציאות שאנחנו רואים בעיניים זניחה ביחס לאפשרויות האמיתיות, החומר שאנחנו רואים הוא 99.999% ריק, ועדיין אנחנו בטוחים שהוא 100% פה. ברגע שמבינים את זה, מבינים שיש מעבר, ואז מבינים שיש יכולת להשפיע על המציאות ואפילו לייצר אותה. לא רק מחשבות טובות, אלא כוונה ומחשבה יכולה לייצר מציאות.

אגב, איינשטיין הוא זה ששבר את מה שחשבו דקראט וניוטון, כשהוכיח שיש קשר ישיר בין חומר לבין תודעה כשהוכיח E=MC^2. על קוואנטים ועוד בפעם הבאה אם יעניין מישהו 🤣

מצאתי שרת MCP שגורם לקלוד לשחק מיינקראפט - ואפילו בונה בתים מתמונת רפרנס 😳

מסתבר ש Minecraft זה משחק שבו בונים דברים. לא שיחקתי בו עדיין לצערי אבל אתמול הבן של החברים שלנו סיפר לי. הצעתי לתת לקלוד לבנות במקום השחקן. הבן שלהם החמוד, בערך בן 11, התעניין אז הבטחתי לבדוק. והנה מצאתי שרת שבו אפשר לתת לקלוד תמונת רפרנס כמו הבית הלבן והוא בונה ומשחק בעצמו!

קרדיט: Yuniko Software שמצאתי בגיטהאב את שרת ה-MCP שלהם.

הצצה לקורס קלוד קוד שאני משיק בקרוב, מה זה, איך עובדים איתו ולמי הוא מתאים?

https://youtu.be/yiilSz8lxrg

זה מטורף: אפשר לאמן מודלים על גלי המוח שלנו - ואז להפעיל טריגרים של אוטומציה עם AI! ד״ר קודי ראל הדגים איך הוא אימן מודל שמזהה מתי הוא חושב על צביטה וכשזה קורה - הוא שולח בקשה לGPT לייצר תמונה של דרקון 😳

כשאנחנו רואים סיטואציה כלשהי - המוח מפרש אותה על בסיס מה שהוא למד. רשתות הנוירונים הביולוגיות במוח התקבעו בצורה מסוימת פיזית כך שכל מידע שמגיע מהחיישנים אל המוח עובר פרשנות דרך הרשתות הקיימות ובאמצעות תקשורת בין נוירונים-אקסונים-נוירוטרנסמיטורים-סינפסות-ספייקים מנחה את הגוף כיצד להגיב.

בעולמות ה-AI זה מקביל לתהליך ה-Inference של רשתות נוירונים מלאכותיות. לאחר שסיימנו לאמן מודל, אנו מזינים מידע לרשת, שעובר בה, ומתקבלת תחזית בפלט (לאחר תהליך שבו חלק מהנוירונים יפעלו וחלק לא וכו׳).

עם זאת, במידה והמוח לומד משהו חדש ולא רק מפרש - הוא מסוגל גם לשנות את המבנה הקיים של רשתות הנוירונים במוח. אבל רק בתנאי שמדובר במשהו שחוזר על עצמו שוב ושוב, מה שגורם לקשרים במוח להתחזק. זו הנוירופלסטיות של המוח הגמיש.

בעולם ה-AI זה מזכיר לי את היכולת שלנו להמשיך אימון של מודל שאימוני הסתיים. Post training . או fine tuning. ממשיכים לעדכן ורואים את המשקולות מתעדכנות.

זאת ועוד, מרכז התגמול במוח עובד בצורה מרתקת. אנחנו חווים משהו. בין כילדים בין כמבוגרים. אנחנו שמים לב לתגובה של הסביבה ומעניקים פרשנות האם זה היה טוב או לא. אם לא - מתרחקים, אם כן - מאמצים. זה תגמול למוח. למה? כי אם זה טוב אז הוא מפנק בהפרשת כימיקלים משובחים כמו דופמין אוקסיטוצין וכדומה.

בעולם ה-AI זה מזכיר לי את הטכניקות של למידת מכונה מבוססת חיזוקים. Reinforcement Learning. על תוצאה טובה המודל מקבל נקודה ועל תוצאה לא טובה הוא מקבל קנס. כך הוא לומד בבחינת ״סור מרע ועשה טוב״.

מרתק אותי לחקור עוד ועוד את מדעי המוח, להתפעל מחכמת הבורא, ולצלול למדעי המכונה ולהתפעל מחכמת בני האדם שמנסים להתחקות אחר המוח ליישומים של רשתות עצביות מלאכותיות.

דבר חדש שאני חוקר ומאוד נהנה הוא לאמן מודלים על תנודות גלי המוח. אלקטרודות מסוגלות למדוד את הגלים שמתקבלים מהמוח בעת ביצוע פעולות שונות, לאחר מכן מאמנים מודלים על מתי יש פעילות מוחית ובאיזה הקשר, ואז מחברים את זה ל-AI לטריגרים של אוטומציות. לדוגמה, מודל שמזהה מתי המוח מרגיש לחץ ובאופן אוטומטי משדר ל GPT בקשה ליצור תמונה מרגיעה עם טקסט לדיבור שמספר משהו מרגיע.

או, במידה והמוח משדר ליד הימנית לבצע תנועת צביטה - לשלוח בקשה ל GPT לבצע פעולות אחרות. זה מטורף לראות איך זה עובד וזה עובד!

החיבור הזה שבין מדעי המוח ל-AI מאפשר אפילו ״לקרוא מחשבות״ ולחבר אותן לרובוטיקה. כך שאם אני חושב על פעולה - המודל שמזהה את זה - שולח בקשה לרובוט לבצע את הפעולה. אני עובד על זה כדי שתראו בעיניים אבל זה קיים וזה מטורף!

את התמונה לקחתי מהערוץ של הד״ר: Cody Rall MD