מרתק לראות כיצד עם כניסת הבינה המלאכותית לתחום הפסיכולוגיה, אנשי מקצוע רבים כל כך מוטרדים פתאום מאבטחת מידע ומהגנה על מידע רפואי מוגן (PHI). הדבר מעורר תמיהה מסוימת, שכן מבחינה טכנולוגית, אין כמעט שום דבר ייחודי באיום של פרצת אבטחה בעת שימוש בבינה מלאכותית. אותן סוגיות שרלוונטיות להעלאת קבצים ל-ChatGPT, Gemini או Claude, חלות באותה מידה על הגיבויים שלכם ב-OneDrive או ב-Google Drive, על כל מה שנמצא בחשבון ה-Gmail שלכם, על כל מה שאתם כותבים ב-WhatsApp, ובוודאי על כל מה שקיים בתוכנה לניהול הקליניקה שלכם. כל זאת, כמובן, בתנאי שמקפידים על צעד פשוט אחד: סימון התיבה המונעת שימוש בשיחותיכם לאימון מודלים עתידיים. הזווית שאני מציע כאן אינה של מומחה לאבטחת סייבר או לדיני פרטיות, אלא של מפתח תוכנה – שחלק מהתוכנות שפיתחתי משתמשות במודלי בינה מלאכותית – ודרכה יצא לי להבין איך הטכנולוגיות האלה באמת עובדות. אולי דווקא משום שאינני איש IT, אני יכול להסביר את הדברים בגובה העיניים. אני מאמין שחלק גדול מהחרדה נובע מהלא-נודע: עבור אנשי מקצוע מתחום הפסיכולוגיה שאינם בקיאים בטכנולוגיה, מדובר בקופסה שחורה, או אפילו בתיבת פנדורה. וכמו בכל פסיכו-חינוך, הצעד הראשון הוא למפות את "החיה" – להבין אותה. אני חושב שגורם נוסף לחרדה היה התזמון. בדיוק כשהסטארט-אפים בתחום הבינה המלאכותית החלו לצוץ בשוק, הגיעו התיקונים החדשים והמחמירים לחוק הגנת הפרטיות, עם ענישה כבדה – והאפשרות לקנסות של מאות אלפי ואף מיליוני שקלים ציננה את התיאבון של רבים. גורם אחרון הוא היעדר הנחיות ורגולציה ברורות בישראל. זאת בניגוד לארצות הברית, שם חוק HIPAA מתווה סטנדרטים לשמירה על מידע רפואי רגיש, הנאכפים על ידי רגולטור ייעודי. בישראל אין תקן טכני סטטוטורי מקביל. במקומו, צמחה כאן תעשייה משל עצמה – הדומה למנגנוני הכשרות הלא פופולריים והיקרים – שתפקידה להעריך תוכנות ולספק "חותמת כשרות" המעידה על עמידתן בתקן. בסדרת מאמרי הפסיכו-חינוך הזו, אני רוצה להבהיר שני דברים: (1) איך תוכנה עובדת (בפישוט רב), ו-(2) כיצד על פסיכולוגים לפעול כך שבמקרה של פרצת אבטחה, יוכלו לומר בביטחון שנקטו בבדיקת נאותות ראויה. מאמר זה מתמקד באופן פעולתה של תוכנה. שלושת המרכיבים של כל תוכנה הפרונט-אנד (Frontend). לכל תוכנה יש פרונט-אנד, שהוא בפשטות, ממשק המשתמש. זהו קוד שרץ בתוך הדפדפן שלכם. כשאתם טוענים דף אינטרנט, ישנם דברים שהדפדפן יכול לעשות בעצמו – לדוגמה, כששדה כלשהו מתמלא אוטומטית, זה קורה באמצעות קוד שמוטמע בדף ורץ מקומית בדפדפן. הבק-אנד (Backend). לרוב התוכנות יש גם בק-אנד, המכונה גם "צד-שרת". זהו מחשב אחר, הממוקם אי שם בעולם – לעיתים בבעלות פרטית של חברת הטכנולוגיה, אך לרוב כחלק מחוות השרתים העצומות של ענקיות כמו Google Cloud ו-Amazon Web Services. המחשב הזה, בדיוק כמו שלכם, מריץ קוד – ובאופן ספציפי, את הקוד הייחודי של התוכנה, שהחברה אינה מעוניינת לחלוק עמכם. לדוגמה, אם תוכנה מסוימת מבצעת ניקוד אוטומטי של ציוני תקן, סביר להניח שלוגיקת הניקוד ונתוני הנורמות לעולם לא יישלחו לדפדפן שלכם, משום שעם קצת ידע טכני, כל אחד יכול לקרוא קוד שמגיע לדפדפן שלו. בסיס הנתונים (Database). המרכיב האחרון הוא בסיס הנתונים – שהוא למעשה כונן מחשב – המאחסן את המידע שלכם. מאחר שהשרת פועל כמו זיכרון עבודה, הוא אינו יכול להחזיק את כל המידע כל הזמן. במקום זאת, הוא מאחסן את המידע בבסיס הנתונים – מאגר הזיכרון לטווח ארוך – ושולף אותו בכל פעם שאתם מבקשים. דוגמה מעשית: נניח שאתם נכנסים לאתר של חברת החשמל כדי לשלם חשבון. אתם משתמשים בדפדפן (הפרונט-אנד) כדי להזין את פרטיכם. פעולה זו שולחת "שליח" אל השרת, אשר שולף את המידע שלכם מבסיס הנתונים ומציג לכם אותו. אם נשליך זאת על Google Drive שלכם: הפרונט-אנד מציג את שמות הקבצים וסוגיהם. כשאתם לוחצים על קובץ, השרת של גוגל שולף אותו מבסיס הנתונים ושולח אותו לדפדפן שלכם, שם הוא נפתח. למרות שנראה שהקובץ היה על המחשב שלכם כל הזמן, הוא לא באמת היה שם. ועכשיו, לבינה המלאכותית ועכשיו, לבינה המלאכותית (LLM): בדפדפן שלכם אתם פותחים פרונט-אנד שבו אתם מקלידים הנחיות (prompts) ומעלים קבצים. פרונט-אנד זה יכול להיות שייך לחברת הבינה המלאכותית עצמה (כמו ChatGPT) או לחברה פרטית שבנתה ממשק משלה, בדומה לעשרות הסטארט-אפים בתחום, שכל אחד מהם מציע "עטיפה" מעוצבת להפליא – לעיתים קרובות, בעזרת בינה מלאכותית (!). כשאתם לוחצים על "שלח", התוכן עובר לשרת בק-אנד. אם אתם משתמשים בממשק כמו ChatGPT, הוא מגיע ישירות לשרת שלהם. אם אתם משתמשים בתוכנת צד-שלישי, ישנו שרת נוסף בדרך: המידע עובר מהדפדפן שלכם לשרת של החברה, ורק משם הוא נארז ומועבר לשרת של חברת הבינה המלאכותית. (הערה: מספר קטן של סטארט-אפים בנו מודלי LLM משלהם, אך רובם מתבססים על שלושת הספקים הגדולים). מודל ה-LLM עצמו "חי" על מחשב-על נוסף השייך לחברת הבינה המלאכותית. כשהוא מסיים לעבד את המידע, הוא שולח את הפלט בחזרה לשרת, ומשם לדפדפן שלכם, באותה הדרך שבה הגיע. היכן נקודות התורפה האמיתיות אז איפה נקודות התורפה של פרטיות המידע? בשני מקומות: במעבר ובאחסון. בואו נבחן כל אחד מהם ואת הפתרונות. "במעבר" (In Transit) פירושו בזמן שהמידע נע מהמחשב שלכם לשרת. באופן תיאורטי, ניתן ליירט מידע העובר בכבלים תת-ימיים. "באחסון" (At Rest) פירושו בבסיסי הנתונים, המאחסנים כמויות אדירות של מידע רגיש במקום אחד. אם גורם לא מורשה ישיג גישה לכונן – פיזית או דיגיטלית – מידע רב עלול ליפול לידיים הלא נכונות. התשובה לשתי הבעיות היא הצפנה. בכל פעם שמידע עובר בין מחשבים, הוא מקודד לג'יבריש בלתי קריא. לפענוחו נדרש "מפתח" דיגיטלי. באופן דומה, כאשר מידע מאוחסן בבסיס נתונים, הוא חייב להיות מאוחסן בצורה מוצפנת. כך, גם אם מישהו יצליח להעתיק את הכונן, התוכן שבו יהיה חסר משמעות עבורו. שמתם לב פעם אם כתובת אתר מתחילה ב-http או ב-https? ה-s היא החשובה: היא מייצגת Secure ומעידה על כך שהתקשורת בין הדפדפן שלכם לשרת מוצפנת. באשר לבסיסי הנתונים, כל תוכנה שעומדת בתקן HIPAA מבטיחה שגם "מידע במנוחה" (כלומר, מידע המאוחסן בבסיס הנתונים) מוצפן גם הוא. בפועל, זה אומר שהדרך המציאותית היחידה שבה מישהו יוכל לקרוא את המידע שלכם היא באמצעות התחברות לחשבונכם. האחריות כאן היא גם שלכם, הפסיכולוגים. השתמשו בסיסמאות חזקות, ובכל מקום אפשרי, הפעילו אימות רב-שלבי (MFA). כך, גם אם הסיסמה תיפרץ, היא לבדה לא תספיק כדי להגיע למידע. סטנדרט הזהב: אחסון בצד-הלקוח ואפס שמירת מידע פלטפורמות בעלות אבטחה גבוהה במיוחד כלל אינן מאחסנות מידע רגיש בבסיס נתונים מרכזי. במקום זאת, המידע נשמר בצד-הלקוח (client-side) – כלומר, אצלכם, בדפדפן או במאגר שאתם שולטים בו (כמו Google Drive). באופן זה, לחברה המספקת את השירות אין גישה למידע, מכיוון שחלק ממפתח ההצפנה נמצא אצלכם וחלק אצלה. אף צד לא יכול לפענח את המידע לבדו. בינה מלאכותית עם "אפס שמירת מידע" (Zero-retention) היא "סטנדרט הזהב" להגנה על מידע מטופלים, והיא פועלת על אותו עיקרון. משמעותה היא שהמידע שלכם אינו נשמר בבסיסי הנתונים של גוגל או OpenAI: ברגע שהשרת מסיים לעבד אותו, הוא נמחק. ההיגיון ברור: אין סיבה טובה שמידע המטופלים שלכם "ישב" בבסיס נתונים של חברת בינה מלאכותית, גם אם הוא מוצפן. סביר לשלוח אותו לשרת צד-שלישי לצורך עיבוד, וסביר לאחסן אותו בבסיס נתונים מאובטח, אבל אין הצדקה שיישאר שם מעבר לצורך. בשורה התחתונה: אם אתם משתמשים בתוכנה העומדת בתקן HIPAA, המצפינה מידע במעבר ובאחסון – ובמיוחד אם המידע הרגיש כלל אינו נשמר בשרתי החברה – המידע של המטופלים שלכם מאובטח ברמה גבוהה מאוד. בהיבט המשפטי אעסוק במאמר הבא. נניח שבכל זאת התרחשה פרצת אבטחה – כיצד תוכלו להגן על עצמכם? אילו חוזים נחשבים לבדיקת נאותות מספקת? על כך, בפעם הבאה. אך זכרו: אף אחד מהעקרונות האלה אינו ייחודי לבינה מלאכותית. הם חלים בכל פעם שאתם מזינים מידע של מטופל לכל תוכנה בעלת רכיב מקוון. גילוי נאות: אין מדובר בייעוץ משפטי. המידע נאסף במחקר אנושי, נכתב בידי אדם, ולאחר מכן עבר בדיקת עובדות, עריכה ותרגום בסיוע בינה מלאכותית. אם זיהיתם טעות, אנא צרו קשר כדי שנוכל לתקן אותה לטובת הכלל.