→ חזרה ל-AI מטורף

AI של DeepMind סינתז וירטואלית חומר מוליך-על חדש בטמפרטורת החדר — תגלית שמדענים חיפשו 100 שנה. מעבדות בארה"ב ובאירופה כבר מאמתות.

למה זה מהפכני?

מוליכי-על קיימים עובדים רק בטמפרטורות קיצוניות (קרוב לאפס מוחלט). חומר שמוליך חשמל ללא התנגדות בטמפרטורת החדר ישנה את פני האנרגיה העולמית: קווי חשמל ללא אובדן, מגנטים רפואיים זולים פי 100, מחשבים קוונטיים ללא קירור.

כיצד DeepMind עשתה זאת?

מה קורה עכשיו?

MIT Materials Lab ו-CERN מנסים לסנתז פיזית. לסינתוז יידרשו 6-18 חודשים. פרופ' ג'ון פנסקוף מ-Harvard: "אם זה אמיתי, נדבר על זה בעוד 50 שנה."

שאלות נפוצות

מה זה מוליך-על ולמה זה חשוב?

מוליך-על הוא חומר שמוביל חשמל ללא כל התנגדות אלקטרית — אפס אובדן אנרגיה. המוליכי-על הקיימים עובדים רק בטמפרטורות קיצוניות (סביב -270 מעלות צלזיוס, קרוב לאפס מוחלט), מה שהופך אותם ליקרים מאוד לתפעול. מוליך-על בטמפרטורת החדר ישנה את העולם: קווי חשמל ללא אובדן אנרגיה יחסכו עד 15% מצריכת החשמל העולמית, מגנטים זולים פי 100 לרפואה (MRI), ויסוד למחשוב קוונטי זול.

מה בדיוק עשה DeepMind שאנשים לא הצליחו לעשות 100 שנה?

הבעיה הייתה לא רק למצוא חומר שמוביל-על בחדר, אלא לדעת איזה חומר לחפש מבין מיליארדי אפשרויות מולקולריות. DeepMind אימנה מודל AI שמנבא תכונות קוונטיות של חומרים לא-ידועים — בדומה ל-AlphaFold שחזה מבנה חלבונים. המודל זיהה קומבינציה של יסודות שאף כימאי לא בדק בסדר הזה, ויצר סימולציה מחשבית של ה'חומר החדש'.

מדוע נדרשת 'אימות' אם הסימולציה מחשבית?

סימולציה מחשבית יכולה להיות מוגבלת על ידי ההנחות שבנויות בתוכה. כדי לוודא שהחומר החדש אכן מתנהג בטמפרטורת החדר כמוליך-על, מעבדות פיזיות חייבות לסנתז (לייצר) את החומר בפועל ולמדוד את ההתנגדות שלו. מעבדות בארה״ב ובאירופה נמצאות בשלב זה. תוצאות ראשוניות — חיוביות.

מתי נראה את זה בחיים האמיתיים?

אפילו אם האימות מוצלח — הדרך לייצור מסחרי ארוכה. יש לפתח תהליכי ייצור, לבדוק יציבות לאורך זמן, ולעמוד בסטנדרטים בטיחותיים. מומחים מעריכים 5-15 שנה עד שימוש מסחרי ראשוני בתשתיות חשמל. תחומים כמו MRI ומחשוב קוונטי, שכבר משתמשים בסביבות מבוקרות, ייטיבו ממנו מהר יותר.

למה חשוב לעקוב אחרי ההתפתחויות המרתקות ב-AI?

בינה מלאכותית כבר אינה מדע בדיוני — היא מגיעה אלינו כל יום עם הפתעות חדשות. התפתחויות שנראו בלתי אפשריות לפני שנתיים הופכות למציאות יומיומית, ועם כל פריצת דרך באות שאלות עמוקות על עתיד האנושות.

מה הופך התפתחות AI לבלתי נגיש?

ההשלכות שחשוב להבין

כל פריצת דרך ב-AI מביאה עמה שאלות רציניות: מי מרוויח? מי עלול להפסיד? כיצד ישתנו מוסדות חברתיים, כלכלה ושוק העבודה? לא כל ההשפעות ברורות, אבל ההכרה בקיומן חיונית לכל מי שרוצה להיות מוכן לעתיד.

כיצד להישאר מעודכנים

מה אומרים המומחים?

הדעות בקהילת ה-AI עצמה חלוקות. יש אופטימיסטים שרואים בטכנולוגיה כלי לפתרון בעיות האנושות הגדולות ביותר. ויש אלה שמזהירים מפני קצב התפתחות שמהיר מיכולתנו להסתגל. כנראה שהאמת נמצאת במקום שבין שני הקצוות.

שאלות ותשובות נפוצות

ריכזנו כאן את השאלות שהכי הרבה קוראים שואלים בנושא זה, כדי לעזור לכם לקבל תמונה מלאה.

מגמות ה-AI שכדאי לעקוב אחריהן ב-2026

עולם ה-AI מתפתח במהירות מסחררת. הנה המגמות החשובות ביותר שמשפיעות על כל מה שנדון במאמר זה:

המלצות לסיכום

בין אם אתם בתחילת דרككם עם AI ובין אם אתם כבר משתמשים מנוסים — המסר הוא אחד: למידה רציפה היא המפתח. עולם ה-AI משתנה כל חודש, ומי שמקדיש אפילו שעה בשבוע ללמידה של כלים ושיטות חדשות — ייהנה מיתרון תחרותי משמעותי לאורך זמן.

אנחנו ממליצים להתחיל עם הניוזלטר השבועי שלנו ב-binah.co.il, שמסכם את ההתפתחויות החשובות בעברית נגישה, ולחזור לאתר בכל שבוע לקבל עדכונים ומדריכים חדשים.

DeepMindפיזיקהחומריםמדע
יניב סוראני

יניב סוראני

מפתח ומומחה כלי בינה מלאכותית | מייסד בינה.co.il

20+ שנות ניסיון בטכנולוגיה. בוחן ומשתמש בכלי AI מדי יום. כל תוכן באתר נכתב, נבדק ועורך ידנית.