חשבתי שאני באה ללמד על בינה מלאכותית.
בסוף היא לימדה אותי להסתכל שוב על תמונות שכבר הייתי בטוחה שאני מכירה.
ה-AI תפס אותי על חם.
חשבתי שאני באה ללמד על בינה מלאכותית.
בסוף היא לימדה אותי שיעור בענווה.
זה קרה בזמן שהכנתי שיעור על הכלי החדש של MyHeritage – Scribe AI.
כמו שאני תמיד עושה לפני שיעור, התחלתי לבדוק את הכלי בעצמי. לא על תמונות חדשות.
לא על תעלומות שקיבלתי עכשיו. לא על מסמכים שמעולם לא ראיתי.
בחרתי דווקא תמונות שאני מכירה, תמונות משפחתיות שלי, תמונות שכבר הסתכלתי עליהן עשרות פעמים, תמונות שכבר “פיענחתי”, תמונות שכבר ידעתי מה יש בהן.
או לפחות הייתי בטוחה שאני יודעת.
ואז העליתי אחת מהן ל-Scribe AI.
בהתחלה קראתי בסקרנות מקצועית.
אחר כך בהרמת גבה קטנה.
ואז פשוט השתתקתי.
כי פתאום הופיעו שם פרטים שלא שמתי לב אליהם.
לא כי הם היו חבויים, לא כי צריך זכוכית מגדלת של שרלוק הולמס כדי לראות אותם,
הם היו שם כל הזמן. אני פשוט כבר הגעתי לתמונה עם התחושה של: “את זה אני מכירה.”
ושם זה תפס אותי.
השיעור הראשון שקיבלתי מהבינה המלאכותית לא היה שיעור על טכנולוגיה.
הוא היה שיעור בענווה.
תמונה משפחתית היא לא רק “מי מצולם בה”
כשאנחנו מסתכלים על תמונה משפחתית, הדבר הראשון שאנחנו מחפשים הוא בדרך כלל האנשים.
מי זה? מתי זה צולם? איפה זה היה? האם זו סבתא? האם זה הדוד? מי הילד שעומד באמצע?
וזה טבעי. הרי אנחנו גנאלוגים. אנחנו מחפשים אנשים, קשרים, שמות, סיפורים.
אבל תמונה משפחתית מספרת הרבה יותר מזה.
היא מספרת גם דרך הבגדים, דרך העמידה, הכיסא שמישהו יושב עליו, דרך הרקע, השלט שתלוי מאחור, מדליה על דש הבגד, כיתוב חלש בתחתית התמונה, הקרעים, המסגרת, סוג ההדפסה והמצב הפיזי של הנייר.
ופה Scribe AI היה עבורי לא רק כלי טכנולוגי, אלא סוג של עין נוספת.
לא עין שמחליפה אותי כחוקרת, עין שמזכירה לי לעצור.
מה Scribe AI יכול ללמד אותנו מתמונה?
כשמעלים תמונה ל-Scribe AI, הכלי לא מסתפק בתיאור כללי. הוא מנסה לפרק את התמונה לכמה שכבות של משמעות.
הוא יכול לתת סיכום של הסצנה: מי מופיע בתמונה, איך הם ממוקמים, האם זו תמונת סטודיו או צילום חוץ, האם מדובר בדיוקן רשמי או ברגע יומיומי יותר.
הוא יכול להציע הקשר היסטורי: האם הלבוש, הסביבה או האווירה מתאימים לתקופה מסוימת? האם התמונה נראית קשורה למציאות של אחרי מלחמה, הגירה, שירות צבאי, חיים עירוניים או כפריים?
הוא יכול להציע תאריך משוער על בסיס אופנה, תסרוקות, כובעים, חליפות, שמלות, סוג הצילום או מצב ההדפסה.
הוא יכול להציע מיקום משוער על פי רמזים כמו נוף, סביבה, שלטים, אדריכלות, חפצים או מאפיינים תרבותיים.
והוא יכול לזהות רמזים חזותיים קטנים: מדליות, מדים, כיסאות, חותמות, כתובות, סימנים, תכשיטים, אביזרים, או פרטים ברקע שהעין שלנו לפעמים פשוט מדלגת עליהם.
וזה בדיוק המקום שבו מתחיל הערך הגנאלוגי. לא בזה שהבינה המלאכותית “יודעת הכל”, היא לא.
אלא בזה שהיא עוזרת לנו לשאול שאלות טובות יותר.
הכיסא, הכובע והפרט שלא ראיתי
אחת התמונות המשפחתיות שהעליתי, הייתה התמונה הזו.
משפחה בת שלוש נפשות: גבר, אישה וילד צעיר במרכז. תמונה בגוון ספיה, צילום חוץ, תנוחה רשמית, כנראה תחילת המאה ה-20. את זה ראיתי גם לבד.
אבל Scribe AI התחיל להצביע על פרטים:
הכובע של האישה, הגזרה של השמלה, הכובע השטוח של הגבר, החליפה, העמידה הפורמלית.
הכיסא שעליו הילד יושב.
כן, הכיסא.
כיסא עץ פשוט לכאורה, פריט שלא הייתי עוצרת עליו, אבל הכלי התייחס אליו כרמז חזותי שיכול להתאים לסביבה אירופית מסוימת ולתקופה מסוימת.
האם הכיסא לבדו מוכיח מיקום? ברור שלא.
האם הוא יכול להצטרף לבגדים, לסגנון הצילום, להקשר המשפחתי ולמסמכים אחרים כדי לחזק השערה? בהחלט.
וזה שיעור חשוב בתמונות משפחתיות: לפעמים לא פרט אחד נותן לנו תשובה אלא הצטברות של פרטים קטנים.
תמונה מוכרת יכולה עדיין להפתיע
בתמונה אחרת העליתי דיוקן של סבי מצד אמי.
זו תמונה שראיתי כל חיי. באמת כל חיי.
אבל Scribe AI הפנה את תשומת לבי לפרטים שלא באמת עצרתי עליהם.
למשל, שהז’קט אינו פשוט כהה, אלא בעל פסים עדינים, ולמשל, שיש עט שמחובר לכיס החזה.
עכשיו, אפשר לומר: נו באמת, עט? מה כבר אפשר ללמוד מעט?
אבל זו בדיוק הנקודה.
לא כל פרט קטן נותן לנו תשובה חד משמעית.
אבל כל פרט קטן יכול לפתוח שאלה.
האם העט קשור למקצוע? להשכלה? לאופן שבו הוא בחר להציג את עצמו? לזהות אזרחית אחרי שירות צבאי? לרצון להיראות מכובד, מסודר, רשמי?
ואולי לא.
אבל עכשיו יש לי שאלה שלא שאלתי קודם.
וזה הרבה.
מדליה היא לא קישוט
בתמונה המדליות של סבא קיבלו פתאום משמעות מחקרית נוספת.
לא רק “הוא ענד מדליות”.
אלא: אילו מדליות? על מה הן ניתנו? האם יש תיעוד רשמי? האם אפשר למצוא תיק שירות, רישום עיטור, מסמך צבאי?
Scribe AI הציע לחפש במאגרי זיכרון צבאיים רלוונטיים, וכך פרט חזותי בתמונה הפך לכיוון מחקר ממשי, וזה אחד הדברים הכי חשובים שאפשר ללמוד מניתוח תמונות בעזרת בינה מלאכותית:
תמונה יכולה להיות שער למסמכים.
מדליה יכולה להוביל לרישום צבאי.
מדים יכולים להוביל ליחידה או תקופה.
שלט ברקע יכול להוביל למקום.
חותמת של צלם יכולה להוביל לעיר.
כיתוב חלש יכול להוביל לשפה, משפחה או ארץ.
תאריך משוער יכול להוביל למפקד אוכלוסין, רישום הגירה או מסמך אזרחי.
התמונה היא לא סוף הדרך.
היא נקודת פתיחה.
אבל רגע, לא להתאהב בתשובה
כאן חשוב לעצור.
אני לא אומרת שצריך לקבל כל מה שהבינה המלאכותית אומרת כאמת מוחלטת. ממש לא.
Scribe AI יכול לטעות.
הוא יכול להציע תאריך שדורש בדיקה, לזהות מיקום רק ברמת הסתברות, לפרש חפץ באופן שצריך לאמת, לקרוא לא נכון כיתוב מטושטש, ולפעמים להישמע בטוח גם כשאנחנו כחוקרים צריכים להיות זהירים, ולכן התפקיד שלנו לא נעלם.
להפך.
הבינה המלאכותית לא מחליפה חשיבה גנאלוגית, היא מאתגרת אותה.
היא נותנת לנו כיוונים, אבל אנחנו צריכים לבדוק אותם.
היא מצביעה על פרטים, אבל אנחנו צריכים לשאול מה הם שווים.
היא מציעה הקשר, אבל אנחנו צריכים להשוות אותו למסמכים, ידע משפחתי, מקורות היסטוריים ועדויות נוספות.
היא לא הסמכות הסופית, היא שותפה למחקר.
השיעור האמיתי: לראות בלי “ידיעה מראש”
וזה מחזיר אותי לשיעור בענווה.
כי הרבה לפני השאלה מה Scribe AI יודע לעשות, יש שאלה אחרת: איך אנחנו מגיעים לתמונה?
האם אנחנו מגיעים אליה פתוחים? או שאנחנו מגיעים עם תשובה מוכנה?
כי כשאני אומרת לעצמי “אני מכירה את התמונה הזאת”, אני בעצם מצמצמת את האפשרות לראות בה משהו חדש.
ניסיון הוא דבר נפלא, הוא נותן לנו ביטחון, כלים, שפה מקצועית, יכולת לזהות דפוסים ולהבין הקשרים, אבל לפעמים, בלי שנשים לב, אותו ניסיון גם קצת מעוור אותנו.
אנחנו רואים מהר מדי, מסיקים מהר מדי, מכניסים את התמונה לתבנית שכבר קיימת אצלנו בראש.
וזה נכון לא רק לתמונות. זה נכון גם למסמכים, למצבות, לסיפורי משפחה, לעדויות, לזיכרונות.
לפעמים אנחנו כל כך בטוחים שאנחנו יודעים מה יש מולנו, עד שאנחנו מפסיקים להסתכל באמת.
איך כדאי לעבוד עם תמונות בעזרת ? AI
אם אתם רוצים להשתמש בכלים כמו Scribe AI לניתוח תמונות משפחתיות, הנה כמה עקרונות שכדאי לקחת איתכם:
1. התחילו מהתמונה המקורית ככל האפשר. אל תמהרו לחתוך שוליים, לתקן, לשפר או להעלים “פגמים”. הקרעים, המסגרת, הכיתוב, החותמות והקצוות יכולים להיות חלק מהראיות.
2. הסתכלו בשכבות. קודם הסצנה הכללית: מי מצולם, איך הם ממוקמים, מה סוג התמונה. אחר כך עברו לפרטים: בגדים, חפצים, רקע, שפה, סימנים, תנוחה, מצב התמונה.
3. התייחסו לכל מסקנה כהשערה. תאריך משוער הוא לא תאריך סופי, מיקום משוער הוא לא הוכחה, זיהוי של חפץ הוא התחלה של בדיקה.
4. השוו למה שאתם כבר יודעים. האם הגילאים מתאימים? האם המקום מתאים למסלול החיים של המשפחה? האם הבגדים מתאימים לתקופה? האם יש מסמכים שתומכים בזה?
5. שימו לב למה שמפתיע אתכם. אם הכלי מצביע על פרט שלא שמתם לב אליו, אל תבטלו אותו מיד. שאלו: למה לא ראיתי את זה קודם? ומה זה יכול לפתוח?
בסוף, זה לא שיעור על AI זה שיעור על מחקר
התיישבתי להכין שיעור על Scribe AI.
רציתי להראות איך הכלי מתמלל, מתרגם, מזהה, מנתח ומציע כיווני מחקר.
וכל זה נכון, הוא באמת עושה דברים מרשימים.
אבל השיעור הכי חשוב שקיבלתי ממנו היה אחר.
הוא הזכיר לי שגם אחרי שנים של ניסיון, גם אחרי עשרות מבטים באותה תמונה, גם כשנדמה לי שראיתי הכל, עדיין יכול להיות שם פרט קטן שמחכה שאשים לב אליו ולפעמים, כדי לראות אותו,
לא צריך עיניים חדשות, צריך רק קצת פחות ביטחון, קצת יותר סקרנות וקצת יותר ענווה.
כי בסופו של דבר, הבינה המלאכותית לא באה לקחת מאיתנו את המחקר.
היא באה להזכיר לנו איך להסתכל שוב.
ואולי זה הדבר הכי חשוב שהיא יכולה ללמד אותנו.
