أطلقت شركة TypeSafe AI نموذج Jev، وهو نموذج ذكاء اصطناعي مبني على بنية Transformer لكنه لا ينتمي إلى فئة نماذج اللغة الكبيرة ولا ينتج نصوصاً للمستخدم. بدلاً من ذلك، يعيد النموذج احتمالات لما تسميه الشركة «قرارات معايرة»، بعد أن يحدد المطور مسبقاً أنواع المخرجات المطلوبة.
يقود الشركة Diogo Almeida، الباحث السابق في OpenAI الذي شارك في بناء ChatGPT وساهم في تطوير تقنية التعلم المعزز من ملاحظات البشر (RLHF). ويقول Almeida إن نماذج الذكاء الاصطناعي ركزت بدرجة كبيرة على تحسين التعامل مع اللغة البشرية، بينما تحتاج أتمتة البرمجيات إلى مخرجات أكثر انضباطاً وقابلية للاستخدام المباشر من الحاسوب.
سرعة أعلى وتكلفة أقل
تقول TypeSafe AI إن تجنب توليد اللغة يجعل Jev سريعاً ورخيصاً، كما يقلل احتمال الهلوسة لأن المستخدم يحدد النتائج الممكنة مسبقاً. ولا تفرض الشركة رسوماً على رموز المخرجات، في حين تُقاس رموز الإدخال بالمليار بدلاً من المليون، وفق المادة المصدرية.
اجتذب النموذج اهتماماً سريعاً من المطورين، إلى درجة أن واجهة برمجة التطبيقات الخاصة به توقفت مؤقتاً عن خدمة المستخدمين بسبب ارتفاع الطلب. وفي اختبار أجرته Vercel لتصنيف أوامر بهدف مراجعتها أمنياً، أدى استبدال نموذج من OpenAI بـ Jev إلى نتائج أسرع بين خمس و18 مرة، مع دقة أعلى، بحسب مهندس البرمجيات Pranit Sharma.
وفي اختبار آخر لتصنيف رسائل البريد الإلكتروني التجارية، وجد Nikhil Mudholkar، المدير التقني في Bryo AI، أن Gemini كان أدق قليلاً، لكنه أغلى بين 10 و20 مرة. واعتبر Mudholkar أن درجات الثقة التي يعيدها Jev أكثر أهمية للأتمتة، لأنها تقدم احتمالاً يمكن استخدامه لتقرير ما إذا كان ينبغي تنفيذ إجراء ما أو تجاهله.
ما الذي يتغير عملياً؟
توضح هذه الاستخدامات أن Jev لا يستهدف بالضرورة استبدال نماذج اللغة في كل المهام. فهو قد يتولى مهام التصنيف، وتوجيه الطلبات إلى النموذج المناسب، ومراقبة آثار وكلاء الذكاء الاصطناعي، أو اكتشاف محاولات كسر القيود. وفي هذه السيناريوهات، يمكن للسرعة والتكلفة المنخفضة أن تجعلا المراقبة الفورية أكثر عملية.
لكن الاعتماد على الاحتمالات لا يلغي الحاجة إلى الحكم البشري أو قواعد التشغيل. أشار Armin Ronacher، المدير التقني في Earendil، إلى أن على المستخدم تحديد كيفية التعامل مع درجة مثل 50% أو 95%، أي وضع عتبات واضحة قبل تحويل المخرجات إلى إجراءات آلية. وبذلك تنتقل بعض مسؤولية التعامل مع عدم اليقين من النموذج إلى تصميم التطبيق.
بنية غير معلنة ومنافسة مرتقبة
لم تكشف TypeSafe AI تفاصيل بنية Jev، فيما يشتبه مراقبون خارجيون في أنه قد يكون مبنياً فوق نموذج لغوي مفتوح الأوزان، وهو أمر لم تؤكده الشركة في المادة. وتصف TypeSafe AI النموذج بأنه «نموذج System One» يركز على الحدس واختيار المهمة المناسبة، وتقول إنه دُرّب حصرياً على بيانات اصطناعية باستخدام تقنية تسميها «التعلم المعزز من القرارات المعايرة».
ترى قراءة certi.news أن أهمية Jev لا تكمن في كونه نموذجاً جديداً فحسب، بل في طرحه الذكاء الاصطناعي كطبقة قرار متخصصة داخل البرمجيات، بدلاً من واجهة محادثة عامة. إذا صحت نتائج الاختبارات المذكورة، فقد يكون هذا النهج مناسباً للمهام المتكررة ذات المخرجات المحددة. غير أن المقارنات المنشورة محدودة، ولا تكفي وحدها للحكم على الأداء عبر مجالات أو أحمال عمل مختلفة، كما أن غموض البنية وطريقة إنتاج البيانات يترك أسئلة مفتوحة حول قابلية التحقق والتوسع.
تخطط TypeSafe AI لبناء إصدارات أخرى من النموذج في أنماط مختلفة، ويتوقع Ronacher ظهور منافسين بعد اتضاح الفائدة العملية لهذا النوع من النماذج.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.