Jev؛ مدلی برای تصمیم‌گیری به‌جای گفتگو

بیشتر مدل‌های هوش مصنوعی که امروز می‌شناسیم، مثل ChatGPT یا Claude، برای تولید متن طراحی شده‌اند. اما Jev که توسط شرکت TypeSafe AI معرفی شده، مسیر متفاوتی را دنبال می‌کند: به‌جای تولید جمله و متن، هدف آن گرفتن تصمیم‌های سریع و ساختاریافته برای نرم‌افزارها است. TypeSafe این دسته از مدل‌ها را System One Models می‌نامد.

برای مثال، به‌جای اینکه از یک مدل زبانی بپرسیم «به نظر تو این درخواست مشتری باید به کدام بخش ارسال شود؟» و سپس متن پاسخ را تحلیل کنیم، Jev می‌تواند مستقیماً چیزی شبیه یک تصمیم ساختاریافته برگرداند:

support: 0.82
sales: 0.14
spam: 0.04

نکته مهم این است که Jev همراه هر تصمیم، احتمال و میزان اطمینان را هم ارائه می‌دهد. بنابراین برنامه می‌تواند مثلاً تصمیم بگیرد اگر اطمینان بالاتر از ۹۰٪ بود به‌صورت خودکار عمل کند و در غیر این صورت موضوع را برای بررسی انسانی ارسال کند.

TypeSafe برای آموزش این مدل از روشی به نام RLCD یا Reinforcement Learning for Calibrated Decisions استفاده کرده است. برخلاف RLHF که عمدتاً برای تولید پاسخ‌هایی مطابق ترجیحات انسان استفاده می‌شود، RLCD روی تصمیم‌های قابل‌کالیبره‌شدن و میزان اطمینان مدل تمرکز دارد.

مزیت اصلی Jev در کاربردهایی مثل AI Agentها، مسیریابی درخواست‌ها، طبقه‌بندی، امتیازدهی، فیلتر کردن داده و تصمیم‌گیری داخل workflowها ظاهر می‌شود. شرکت سازنده همچنین ادعا می‌کند Jev برای این نوع وظایف بسیار سریع‌تر و ارزان‌تر از استفاده از یک LLM کامل است؛ زمان پاسخ اعلام‌شده حدود ۷۰ تا ۵۰۰ میلی‌ثانیه و قیمت ورودی فعلی ۰٫۰۴۲ دلار به ازای هر یک میلیون توکن است.

شاید مهم‌ترین ایده پشت Jev این جمله باشد:

LLMها برای صحبت کردن با انسان ساخته شده‌اند؛ Jev برای تصمیم گرفتن داخل نرم‌افزار ساخته شده است.

اگر این رویکرد موفق شود، ممکن است در آینده بسیاری از سیستم‌های هوش مصنوعی ترکیبی باشند: یک LLM برای فکر کردن، نوشتن و تعامل با انسان، و مدل‌هایی مثل Jev برای هزاران تصمیم کوچک، سریع و ارزان در پشت صحنه.