مدل هوش مصنوعی جدید Jev چیست و چرا توسعه‌دهندگان به آن علاقه‌مند شده‌اند؟

مدل هوش مصنوعی جدیدی به نام «جِو» (Jev) از شرکت TypeSafe AI در روزهای اخیر توجه توسعه‌دهندگان را جلب کرده است؛ این مدل برخلاف مدل‌های زبانی بزرگ، متن تولید نمی‌کند و به‌جای آن احتمال وقوع تصمیم‌های مختلف را ارائه می‌دهد. سازندگان Jev می‌گویند این رویکرد می‌تواند استفاده از هوش مصنوعی در نرم‌افزارها و فرایندهای خودکار را سریع‌تر، ارزان‌تر و قابل‌کنترل‌تر کند.

مدل Jev را شرکت TypeSafe AI ساخته است؛ این استارتاپ حدود دو سال پیش توسط «دیوگو آلمیدا» (Diogo Almeida)، پژوهشگر سابق OpenAI، تأسیس شد. آلمیدا از پژوهشگرانی بود که در توسعه ChatGPT مشارکت داشت و سپس در ابداع روش یادگیری تقویتی از بازخورد انسانی (RLHF) نقش داشت.

آلمیدا پس از مدتی به این نتیجه رسید که تمرکز مدل‌های هوش مصنوعی بر زبان انسانی، برای بسیاری از کاربردهای نرم‌افزاری ایده‌آل نیست. به گفته او، کامپیوتر‌ها زبان متفاوتی دارند و برای خودکارسازی فرایندها، الزاماً نیازی به تولید و پردازش متن انسانی نیست.

نام Jev نیز از «ویلیام استنلی جِوانز» (William Stanley Jevons)، اقتصاددان قرن نوزدهم، گرفته شده است. پارادوکسی که به نام او شناخته می‌شود بیان می‌کند کاهش هزینه یک کالا می‌تواند به افزایش استفاده از آن منجر شود. آلمیدا امیدوار است کاهش هزینه استفاده از هوش مصنوعی نیز به گسترش آن در نرم‌افزارهای مختلف منجر شود.

هوش مصنوعی Jev چه تفاوتی با مدل‌های زبانی دارد؟

Jev یک مدل مبتنی بر معماری ترنسفورمر است، اما مدل زبانی بزرگ محسوب نمی‌شود و خروجی متنی تولید نمی‌کند. این مدل به‌جای متن، احتمال یا چیزی ارائه می‌دهد که TypeSafe آن را «تصمیم‌های کالیبره‌شده» می‌نامد.

کاربر می‌تواند خروجی‌های موردنظر را از قبل تعریف کند و مدل احتمال هر تصمیم را ارائه دهد. به این ترتیب، Jev برخلاف مدل‌های مولد، قرار نیست پاسخ متنی جدیدی ایجاد کند؛ به گفته شرکت، چنین رویکردی باعث می‌شود مدل نتواند به شکل معمول دچار توهم یا هذیان‌گویی شود.

TypeSafe همچنین می‌گوید این ساختار باعث شده Jev سریع و کم‌هزینه باشد. توکن‌های خروجی آن رایگان هستند و مصرف توکن ورودی نیز به‌جای مقیاس میلیون، در مقیاس میلیارد محاسبه می‌شود.

نکته مهم دیگر نیز این است که در مدل‌های زبانی، خروجی به‌صورت متوالی و توکن‌به‌توکن تولید می‌شود؛ اما Jev همه خروجی‌های موردنیاز را در یک درخواست و به‌صورت موازی تولید می‌کند. TypeSafe زمان پاسخ Jev را ۷۰ تا ۵۰۰ میلی‌ثانیه اعلام کرده است. 

چرا توسعه‌دهندگان به Jev علاقه‌مند شده‌اند؟

یکی از کاربردهای اصلی Jev، استفاده در نرم‌افزارهای خودکار و فرایندهایی است که به تصمیم‌گیری سریع نیاز دارند. تقاضا برای این مدل پس از عرضه به‌اندازه‌ای بالا رفت که TypeSafe برای مدتی امکان ارائه سرویس به کاربران از طریق API را از دست داد.

«پرنیت شارما»، مهندس نرم‌افزار شرکت Vercel، گفته است این شرکت از ChatGPT Luna 5.6 برای بررسی ایمنی دستورات استفاده می‌کرد. اما به گفته او، پس از جایگزینی Luna با Jev، نتایج بین پنج تا ۱۸ برابر سریع‌تر به دست آمد و دقت نیز بیشتر شد.

«نیخیل مودولکار»، مدیر فناوری Bryo AI، نیز Jev را برای دسته‌بندی ایمیل‌های تجاری با جمینای مقایسه کرده است. در آزمایش او، جمینای اندکی دقت بیشتری داشت، اما هزینه استفاده از آن ۱۰ تا ۲۰ برابر بیشتر بود. مودولکار همچنین ارائه امتیاز اطمینان توسط Jev را ویژگی مهمی دانسته، زیرا مدل احتمال واقعی برای هر تصمیم ارائه می‌دهد و این قابلیت می‌تواند برای خودکارسازی فرایندها کاربرد داشته باشد.

Jev همچنین می‌تواند در کنار مدل‌های زبانی بزرگ استفاده شود. یکی از کاربردهای آن می‌تواند نظارت بر عملکرد ایجنت‌های هوش مصنوعی، بررسی ردپاهای آن‌ها و جلوگیری از حملات جیل‌بریک باشد. از آنجا که استفاده از یک مدل زبانی دیگر برای نظارت بر ایجنت‌های هوش مصنوعی می‌تواند پرهزینه باشد، TypeSafe معتقد است Jev می‌تواند گزینه کم‌هزینه‌تری برای این کار باشد.

کاربرد احتمالی دیگر، مسیریابی مدل (Model Routing) است؛ یعنی تشخیص اینکه هر تسک به چه مدل هوش مصنوعی نیاز دارد. استفاده از یک مدل زبانی برای انجام این تشخیص می‌تواند هزینه‌بر باشد، اما سرعت و هزینه پایین Jev امکان تصمیم‌گیری سریع برای انتخاب مدل مناسب را فراهم می‌کند.

مدل System One چیست؟

شرکت تایپ‌سیف Jev را نخستین نمونه از چیزی می‌داند که آن را مدل System One می‌نامد. این مدل‌ها برخلاف رویکردهای مبتنی بر استدلال طولانی، بر «شهود» و انجام مستقیم وظیفه مشخص تمرکز دارند.

TypeSafe نام System One را برای دسته جدیدی از مدل‌ها انتخاب کرده که از مفهوم سیستم ۱ در نظریه «دانیل کانمن» درباره تفکر سریع و شهودی گرفته شده است. در این رویکرد، مدل به‌جای استدلال طولانی و تولید متوالی توکن‌ها، برای کارهایی مانند دسته‌بندی، مسیریابی، امتیازدهی، استخراج اطلاعات و انتخاب بین گزینه‌ها طراحی شده و تصمیم را در یک مرحله ارائه می‌کند. 

آلمیدا درباره معماری دقیق Jev اطلاعات زیادی منتشر نکرده است و برخی ناظران خارج از شرکت احتمال می‌دهند این مدل بر پایه یک مدل زبانی با وزن‌های باز ساخته شده باشد. TypeSafe می‌گوید Jev به‌طور انحصاری با داده‌های مصنوعی آموزش داده شده و از روشی به نام یادگیری تقویتی از تصمیم‌های کالیبره‌شده استفاده می‌کند.