Jev Ai چیست؟ | هوش مصنوعی‌ای که نمی‌خواهد با شما چت کند!

به گزارش شهرآرانیوز، در روز‌هایی که تقریباً هر هفته یک مدل هوش مصنوعی جدید با قابلیت‌های بیشتر در گفت‌و‌گو، تولید محتوا، کدنویسی و استدلال معرفی می‌شود، یک شرکت نوپا مسیر متفاوتی را انتخاب کرده است. TypeSafe AI مدل جدیدی به نام Jev ساخته که برخلاف ChatGPT، Gemini یا دیگر مدل‌های زبانی بزرگ، قرار نیست با کاربر صحبت کند یا متن طولانی تولید کند؛ وظیفه اصلی آن تصمیم‌گیری سریع برای نرم‌افزار‌ها است. به زبان ساده‌تر این مدل به جای تولید متن، اطلاعات موجود در یک نرم‌افزار را دریافت می‌کند، به پرسش‌های مشخص پاسخ می‌دهد و نتیجه را به شکل داده‌ای ساختاریافته در اختیار کد قرار می‌دهد.

تایپ‌سیف، Jev را نخستین مدل از نسل جدیدی با عنوان «System One Models» در تاریخ ۱۵ سپتامبر ۲۰۲۶ (۲۴ شهریور۱۴۰۵) معرفی کرده است. نکته‌ی جالب این شرکت دیوگو آلمیدا، مدیرعامل و هم‌بنیان گذار TypeSafe AI است. آلمیدا در OpenAI محقق ارشد بوده و یکی از خالقان اصلی آموزش هوش مصنوعی با بازخود انسانی است که باعث شد مدل متنی معروف ChatGBT به وجود بیاید. او پس از خروج از OpenAI اعلام کرد از مدل‌های متنی و چت‌بات‌ها ناامید شده، چرا که برای کاربردی بودن در نرم‌افزار‌ها ساخته نشده‌اند و زیادی غیرقابل پیش‌بینی هستند.

مدیرعامل تایپ‌سیف معتقد است صنعت هوش مصنوعی در سال‌های گذشته عمدتاً برای ارتباط با انسان بهینه شده است، در حالی که بخش بزرگی از نرم‌افزار‌های آینده به هوش مصنوعی‌ای نیاز دارند که مستقیماً با خود نرم‌افزار کار کند.

System One چیست؟

نام System One از مفهوم معروف «سیستم ۱ و سیستم ۲» در روان‌شناسی الهام گرفته شده است. به زبان ساده مغز انسان دو نوع تصمیم می‌گیرد؛ نوع اول که به سیستم یک معروف است، بخش ناخودآگاه، ناگهانی، احساسی و خودکار مغز است. تفکری است که نیازی به تلاش ذهنی ندارد. نوع دوم یا همان سیستم دو بخش خودآگاه، منطقی و تحلیلی مغز است که نیاز به تمرکز و انرژی دارد.

در هوش مصنوعی مدل‌های سیستم ۱ مدل‌هایی هستند که تصمیم‌گیری سریع و غریزی انجام می‌دهند. این مدل‌ها به محض دریافت داده، در یک لحظه و بدون فکر کردن مرحله‌به‌مرحله پاسخ را خروجی می‌دهند. اما مدل‌های سیستم ۲ مدل‌هایی هستند که قبل از دادن پاسخ نهایی، شروع به استدلال، تحلیل و فکر کردن می‌کنند.

مدل Jev چگونه کار می‌کند؟

برای درک ملموس‌تر کارکرد Jev می‌توان ChatGPT را مانند یک نویسنده و Jev را یک تصمیم‌گیرنده دقیق تصور کرد؛ برخلاف مدل‌های زبانی متنی که پاسخ را در قالب جملات غیرساختاریافته تولید می‌کنند و برنامه‌نویسان را درگیر تحلیل و استخراج داده می‌سازند، Jev خروجی را دقیقاً مطابق با ساختار سفارشی‌سازی‌شدهٔ برنامه‌نویس به نرم افزار تحویل می‌دهد.

به‌عنوان مثال، در مواجهه با پیام پشتیبانی «پول از حسابم کم شده، اما سفارش ثبت نشده»، Jev به‌جای نگارش متن، در همان لحظه تعیین می‌کند که تیکت مربوط به بخش مالی است، فوریت بالایی دارد و نیاز به اپراتور انسانی دارد یا خیر. این مدل با بررسی وضعیت ورودی و پاسخ به پرسش‌های ساختاریافته، خروجی‌های قطعی انتخاب، امتیاز یا بله/خیر همراه با درصد احتمال صادر می‌کند؛ قابلیتی که به کد‌های نرم‌افزاری اجازه می‌دهد بدون نیاز به پردازش‌های اضافی، مستقیماً و بلافاصله تصمیم عملیاتی (مانند ارجاع آنی تیکت به بخش مربوطه) را اجرا کنند.

در مدل‌های مبتنی بر بازخورد انسانی، هدف اصلی این است که مدل پاسخ‌هایی تولید کند که انسان‌ها آنها را بهتر ارزیابی کنند. اما TypeSafe می‌گوید برای یک سیستم خودکار، موضوع مهم‌تر این است که مدل علاوه بر انتخاب پاسخ، بتواند میزان اطمینان خود را نیز به شکل قابل اتکا بیان کند.

به همین دلیل، Jev فقط نمی‌گوید «بله» یا «خیر»؛ احتمال یا میزان اطمینان مرتبط با تصمیم را نیز ارائه می‌کند. این مسئله به نرم‌افزار اجازه می‌دهد مثلاً تصمیم‌های با اطمینان بالا را خودکار اجرا کند و موارد نامطمئن را به انسان یا یک مدل قدرتمندتر بسپارد.

کاربرد Jev را می‌توان در بخش‌هایی دید که نرم‌افزار دائماً باید تصمیم‌های کوچک بگیرد، برای مثال: دسته‌بندی و مسیریابی تیکت‌های پشتیبانی، تشخیص میزان فوریت یا ریسک، انتخاب ابزار یا عامل مناسب در یک AI Agent، تصمیم برای ادامه، توقف یا تکرار یک فرایند، بررسی خروجی یک مدل هوش مصنوعی، اجرای گاردریل‌ها و کنترل‌های خودکار، ارجاع موارد نامطمئن به نیروی انسانی و....

به عنوان مثال، یک عامل هوش مصنوعی می‌تواند ابتدا از Jev بپرسد «آیا این درخواست به جست‌وجوی اینترنت نیاز دارد؟» و فقط در صورت پاسخ مناسب، ابزار جست‌و‌جو را فراخوانی کند. این کار می‌تواند جلوی فراخوانی‌های غیرضروری مدل‌ها و ابزار‌های گران‌تر را بگیرد.

سرعت و هزینه Jev

بخش جذاب‌تری که مورد توجه علاقه‌مندان و توسعه دهندگان قرار گرفته است، تایپ‌سیف ادعا کرده است در کار‌های مشخصی که برای آن طراحی شده توانسته حدود ۱۹۳ برابر سریع‌تر و تا ۴۴۴ برابر ارزان‌تر از مدل‌های زبانی مقایسه شده باشد. اما نمیتوان این ارقام را به معنای سریع‌تر یا ارزان‌تر بودن Jev در تمام کاربرد‌های هوش مصنوعی دانست.

در آخر باید گفت که Jev و مدل‌هایی بر این پایه قرار نیست مسیر جدیدی برای مدل‌های زبانی باشد، اهمیت Jev شاید در این باشد که هوش مصنوعی از مرحله صحبت کردن با انسان وارد مرحله تصمیم گرفتن برای نرم‌افزار‌ها شده است. اگر مدل‌هایی نظیر Jev بتوانند در دنیای واقعی دقت، و سرعت و هزینه‌ای که توسط سازندگان وعده داده شده را حفظ کنند، می‌توان قطعه‌ی جدیدی از پازل هوش مصنوعی باشد.

در چنین آینده‌ای، ممکن است بخش مهمی از هوش مصنوعی اصلاً چیزی نباشد که کاربر آن را ببیند؛ هوشی که حرف نمی‌زند، اما پشت صحنه دائماً تصمیم می‌گیرد. بر این اساس که به صورت ترکیبی مدل‌های قدرتمند و تحلیلی برای مسائل پیچیده و مدل‌های سریع و تخصصی برای میلیون‌ها تصمیم کوچک و روزمره مورد استفاده قرار گیرد.