هوش مصنوعی Jev چیست؟ / همه‌چیز درباره هوش مصنوعی جدیدی که همه را مجدوب خود کرده است

در حالی که رقابت میان شرکت‌های هوش مصنوعی بیشتر حول ساخت مدل‌هایی می‌چرخد که بهتر حرف می‌زنند، متن می‌نویسند و مسئله حل می‌کنند، یک شرکت نوپا مسیر متفاوتی را انتخاب کرده است. هوش مصنوعی Jev، نخستین مدل عمومی شرکت TypeSafe AI است که برای گفت‌وگو با انسان‌ها ساخته نشده؛ هدف آن این است که تصمیم‌های سریع و ساختاریافته بگیرد.

تینا مزدکی_هوش مصنوعی Jev رویکرد ادعا می‌کند می‌تواند با سرعتی بسیار بالا و هزینه‌ای بسیار پایین‌تر از مدل‌های زبانی متداول، کارهایی مانند دسته‌بندی اطلاعات، امتیازدهی، مسیریابی درخواست‌ها و بررسی خروجی دیگر مدل‌های هوش مصنوعی را انجام دهد. اما Jev دقیقاً چیست، چرا این‌قدر ارزان است و چه تفاوتی با ChatGPT و Gemini دارد؟

Jev چیست؟

Jev محصول شرکت TypeSafe AI و نخستین مدل از چیزی است که این شرکت آن را System One Models می‌نامد. خانواده‌ای از مدل‌های هوش مصنوعی که از ابتدا برای استفاده مستقیم در نرم‌افزارها طراحی شده‌اند.

ایده اصلی Jev ساده است، مدل‌های زبانی معمولی عمدتاً برای انسان‌ها «متن» تولید می‌کنند، اما Jev قرار است «تصمیم» تولید کند، به این معنا که خروجی Jev از ابتدا ساختاریافته و دارای احتمال و میزان اطمینان است تا بتوان مستقیماً از آن استفاده کرد.

برای مثال، فرض کنید یک فروشگاه اینترنتی روزانه میلیون‌ها پیام دریافت می‌کند. یک مدل زبانی عمومی می‌تواند متن هر پیام را بخواند و توضیح دهد مشتری چه می‌خواهد اما سیستم فروشگاه شاید فقط به یک تصمیم ساده نیاز داشته باشد، اینکه «این پیام مربوط به بازپرداخت است یا خیر؟». Jev می‌تواند به‌جای نوشتن یک پاراگراف، همان تصمیم ساختاریافته را در اختیار نرم‌افزار قرار دهد.

در واقع، اگر ChatGPT را یک دستیار بدانیم که با انسان صحبت می‌کند، Jev بیشتر شبیه یک مغز تصمیم‌گیر در پشت صحنه نرم‌افزار است.

چرا Jev ساخته شد؟

مسئله‌ای که TypeSafe روی آن دست گذاشته، محدودیت مهم مدل‌های زبانی در استفاده داخل نرم‌افزارهاست. مدل‌هایی مانند ChatGPT برای تولید متن فوق‌العاده انعطاف‌پذیرند. اما همین انعطاف‌پذیری زمانی که قرار است خروجی مستقیماً وارد یک سیستم نرم‌افزاری شود، می‌تواند دردسرساز باشد. برنامه معمولاً نمی‌خواهد یک پاراگراف زیبا دریافت کند بلکه به یک مقدار مشخص، یک دسته‌بندی، یک امتیاز یا یک تصمیم نیاز دارد.

به عنوان مثال ممکن است نرم‌افزار بپرسد «آیا این تراکنش مشکوک است؟» و فقط سه پاسخ «بله»، «خیر» و «نامشخص» برایش تعریف شده باشد. Jev دقیقا برای چنین شرایطی ساخته شده است. TypeSafe می‌گوید خروجی مدل از ابتدا بر اساس ساختار مشخص تعریف می‌شود و مدل نمی‌تواند یک پاسخ خارج از قالب مورد انتظار تولید کند.

این مدل برای تصمیم‌های کوچک اما پرتعداد ساخته شده است. تصور کنید یک شرکت روزانه میلیون‌ها داده، پیام یا درخواست دریافت می‌کند. پیام‌هایی مانند «این پیام به کدام بخش برود؟»، «این مشتری احتمالاً قصد لغو سفارش دارد یا نه؟»، «این تراکنش عادی است یا مشکوک؟» و یا «این متن به کدام دسته تعلق دارد؟» که بسیاری از این موارد نیاز به یک تصمیم ساده دارند.

پاسخ یک مدل زبانی معمولی به این پیام‌ها می‌تواند بسیار مفصل‌تر از نیاز سیستم باشد اما Jev تلاش می‌کند همان تصمیم را مستقیماً و در قالبی قابل استفاده برای نرم‌افزار برگرداند. TypeSafe کاربردهایی مانند دسته‌بندی، مسیریابی، امتیازدهی، استخراج اطلاعات، ایجاد شاخه‌های تصمیم‌گیری در نرم‌افزار و بررسی خروجی مدل‌های دیگر را از جمله موارد استفاده Jev معرفی کرده است.

تفاوت Jev با ChatGPT و Gemini چیست؟

Jev و ChatGPT یا Gemini را نمی‌توان صرفاً رقیب دانست که یکی قرار است جای دیگری را بگیرد. فلسفه طراحی آنها متفاوت است. ChatGPT و Gemini برای تعامل با انسان ساخته شده اند. کاربر سؤال می‌پرسد و مدل می‌تواند پاسخ متنی تولید کند، متن را بازنویسی کند، کدنویسی انجام دهد، ایده بدهد یا درباره موضوعات مختلف گفت‌وگو کند.

اما Jev برای چنین مکالمه‌ای طراحی نشده است. این مدل قرار است در دل یک نرم‌افزار قرار بگیرد و نتیجه‌ای بدهد که همان نرم‌افزار بتواند از آن استفاده کند.

به زبان ساده، مدل‌هایی مانند ChatGPT جواب را مستقیما اعلام می‌کنند اما Jev یک تصمیم درست به انسان ارائه می‌دهد تا جواب، راحت‌تر در دسترس قرار بگیرد. این تفاوت، مهم‌ترین نکته برای فهم Jev است.

Jev نسخه کوچک‌تر یا ارزان‌تر از این مدل‌ها نیست. TypeSafe حتی تأکید می‌کند که System One Models یک مسیر متفاوت از مدل‌های زبانی سنتی است. این مدل‌ها برای تصمیم‌های ساختاریافته داخل سیستم‌های نرم‌افزاری طراحی شده‌اند. در نتیجه، امکان استفاده همزمان از این فناوری‌ها هم وجود دارد. برای مثال یک مدل زبانی می‌تواند متن پاسخ مشتری را تولید کند و Jev بررسی کند که آیا پاسخ با قوانین یا اطلاعات سیستم سازگار است یا نه.

راز ارزان بودن Jev چیست؟

یکی از جذاب‌ترین بخش‌های Jev قیمت آن است. TypeSafe در زمان معرفی Jev قیمت ورودی را ۰.۰۴۲ دلار به ازای هر یک میلیون توکن اعلام کرده است یعنی حدود ۴۲ دلار برای یک میلیارد توکن ورودی. خروجی نیز در قیمت‌گذاری اعلام‌شده شرکت رایگان عنوان شده است. اما چرا چنین قیمتی ممکن شده است؟

پاسخ را باید در همان تفاوت بنیادی Jev با مدل‌های زبانی جست‌وجو کرد. مدل‌های زبانی معمولی برای تولید متن، خروجی را توکن به توکن و به‌صورت متوالی تولید می‌کنند. هرچه متن طولانی‌تر باشد، محاسبات بیشتری لازم است.

Jev مسیر متفاوتی دارد. TypeSafe می‌گوید این مدل به‌جای تولید متوالی متن، تصمیم‌های موردنیاز را به‌صورت موازی نمونه‌برداری می‌کند. این شرکت همچنین معماری مدل، روش نمونه‌برداری و روش آموزشی متفاوتی را برای این هدف توسعه داده است. در نتیجه Jev لازم نیست هزینه محاسباتی یک مدل مولد عمومی را برای کاری صرف کند که در نهایت فقط به یک «بله»، «خیر»، یک امتیاز یا یک دسته‌بندی نیاز دارد.

Jev چقدر ارزان‌تر است؟

خود TypeSafe در صفحه معرفی Jev، قیمت ورودی آن را ۰.۰۴۲ دلار به ازای هر میلیون توکن اعلام کرده و در مقایسه‌های داخلی خود، هزینه Jev را در برخی workflowهای مشخص بسیار پایین‌تر از مدل‌های زبانی نشان می‌دهد. این شرکت در صفحه اصلی خود حتی از ۴۴۴.۶ برابر هزینه کمتر در یک مجموعه workflow خاص صحبت می‌کند. اما این عدد نباید به‌عنوان یک مقایسه عمومی میان Jev و تمام مدل‌های هوش مصنوعی در نظر گرفته شود.

این مقایسه مربوط به کارهای مشخصی است که TypeSafe برای مدل‌های System One تعریف کرده، نه اینکه Jev در تمام وظایفی که ChatGPT یا Gemini انجام می‌دهند ۴۴۴ برابر ارزان‌تر باشد. این تفاوت مهم است. Jev برای نوشتن یک مقاله، ساختن تصویر یا گفت‌وگوی طولانی با کاربر طراحی نشده است بنابراین مقایسه قیمت در چنین کارهایی اساساً موضوعیت ندارد.

آیا Jev واقعاً دو برابر یا چند برابر سریع‌تر است؟

TypeSafe می‌گوید زمان پاسخ Jev در سرویس این شرکت حدود ۷۰ تا ۵۰۰ میلی‌ثانیه است و در آزمایشی مشخص، Jev توانسته نسبت به برخی مدل‌های زبانی بسیار سریع‌تر عمل کند. شرکت در وب‌سایت خود در یک مقایسه خاص، از سرعت ۱۹۳.۶ برابر بیشتر صحبت می‌کند.

اما این عدد نیز باید در همان چارچوب آزمایشی خوانده شود. سرعت یک مدل به نوع درخواست، اندازه ورودی، سخت‌افزار، شبکه و نحوه اجرا بستگی دارد. بنابراین نمی‌توان گفت Jev در همه کارها ۱۹۳ برابر سریع‌تر از ChatGPT یا Gemini است.

آیا Jev توهم نمی‌زند؟

در این بحث، یکی از مهم‌ترین ادعاهای TypeSafe مطرح می‌شود. این شرکت می‌گوید Jev به دلیل ساختار خروجی خود هالوسینیشن یا همان توهم و تولید خروجی خارج از قالب تعریف‌شده ندارد. به عبارت دیگر، اگر برنامه فقط چند گزینه مشخص برای خروجی تعریف کرده باشد، مدل نمی‌تواند ناگهان متن یا گزینه‌ای خارج از آن ساختار تولید کند.

اما این موضوع را نباید به این معنی که Jev همیشه درست می‌گوید تعبیر کرد. ممکن است مدل از بین گزینه‌های مجاز، گزینه اشتباه را انتخاب کند. تفاوت اینجاست که خطای Jev بیشتر می‌تواند به شکل تصمیم نادرست درون یک چارچوب مشخص ظاهر شود، نه تولید یک متن ساختگی و خارج از چارچوب. خود TypeSafe نیز تصریح کرده که Jev همچنان می‌تواند اشتباه کند و مسئله اصلی، قابل اتکا بودن تصمیم‌هاست.

Jev یک ChatGPT ارزان نیست

مخاطب اصلی Jev احتمالاً کاربر عادی نیست؛ توسعه‌دهندگان و شرکت‌هایی هستند که می‌خواهند هوش مصنوعی را داخل نرم‌افزارهای خود قرار دهند. برای مثال یک فروشگاه آنلاین می‌تواند از آن برای دسته‌بندی درخواست‌های مشتری استفاده کند، یک شرکت مالی می‌تواند از آن برای امتیازدهی یا بررسی تراکنش‌ها استفاده کند و یا یک شرکت نرم‌افزاری می‌تواند از Jev برای بررسی خروجی یک مدل زبانی استفاده کند.

حتی TypeSafe نمونه‌هایی مانند تصمیم‌گیری در زمان واقعی، پردازش حجم بالای داده و بررسی خروجی مدل‌های دیگر را به‌عنوان کاربردهای این فناوری مطرح کرده است.

شاید مهم‌ترین نکته برای درک این فناوری همین باشد. اگر کسی از Jev استفاده کند و انتظار داشته باشد مانند ChatGPT با او صحبت کند، احتمالاً از نتیجه ناامید خواهد شد؛ چون Jev برای چنین کاری ساخته نشده است.

در عوض، اگر یک شرکت میلیون‌ها تصمیم کوچک در اختیار داشته باشد و بخواهد آنها را سریع، ارزان و به‌صورت ساختاریافته پردازش کند، فلسفه Jev معنا پیدا می‌کند. در واقع TypeSafe می‌خواهد بخشی از هوش مصنوعی را که تاکنون بیشتر به شکل چت‌بات و دستیار دیده‌ایم، به یک جزء داخلی نرم‌افزار تبدیل کند.

آینده Jev به چه چیزی بستگی دارد؟

Jev در حال حاضر در مرحله early access قرار دارد در نتیجه برای تعداد محدودی از کاربران در دسترس است و TypeSafe تازه این مدل را عمومی کرده است. بنابراین هنوز برای قضاوت درباره جایگاه نهایی آن در بازار زود است. از طرف دیگر، بسیاری از تعریف‌ها و اعداد چشمگیری که درباره سرعت و هزینه Jev منتشر شده‌اند، از آزمایش‌های خود شرکت TypeSafe می‌آیند. خود شرکت نیز در توضیح نتایجش درباره محدودیت‌ها و احتمال وجود سوگیری در برخی ارزیابی‌ها توضیح داده است.

به همین دلیل، جذاب‌ترین بخش Jev این نیست که قرار است جای ChatGPT یا Gemini را بگیرد، بلکه ایده‌ای است که پشت آن قرار دارد، شاید همه کاربردهای هوش مصنوعی به مدل‌هایی نیاز نداشته باشند که بتوانند هزاران کلمه حرف بزنند. گاهی یک نرم‌افزار فقط می‌خواهد بداند که کدام گزینه بهتر است.

اگر مدل‌هایی مثل Jev بتوانند همین تصمیم‌های ساده را در مقیاس بسیار بزرگ، با سرعت بالا و خطای قابل کنترل انجام دهند، هوش مصنوعی می‌تواند از پنجره چت خارج شود و به بخشی نامرئی از نرم‌افزارهایی تبدیل شود که هر روز استفاده می‌کنیم.

بنابراین، Jev یک رقیب مستقیم برای ChatGPT یا Gemini نیست، یک مدل با فلسفه متفاوت است. ChatGPT و Gemini برای تعامل گسترده با انسان و تولید محتوا ساخته شده‌اند، در حالی که Jev تلاش می‌کند تصمیم‌های ساختاریافته را مستقیماً در اختیار نرم‌افزار قرار دهد.

قیمت پایین، سرعت بالا و خروجی ساختاریافته سه ویژگی اصلی Jev هستند. TypeSafe می‌گوید این مدل با معماری و روش آموزشی متفاوت و با تولید موازی تصمیم‌ها توانسته به چنین هزینه و سرعتی برسد. اما Jev هنوز در ابتدای مسیر است و ادعاهای مربوط به برتری سرعت، هزینه و عملکرد آن باید در استفاده‌های مستقل و گسترده‌تر نیز سنجیده شود. اگر این ایده موفق شود، شاید نسل بعدی هوش مصنوعی فقط درباره باهوش‌تر حرف زدن نباشد؛ بلکه درباره سریع‌تر و ارزان‌تر تصمیم گرفتن باشد.

۵۸۳۲۳