ظهر نوع جديد من نماذج الذكاء الاصطناعي لأول مرة هذا الأسبوع، وهو يفعل شيئًا غير معتاد بالنسبة لنموذج مبني على بنية المحولات: فهو لا ينتج أبدًا كلمة نصية. Jev، الذي أطلقته شركة TypeSafe AI الناشئة منذ عامين، يقوم بدلاً من ذلك بإخراج الاحتمالات المعايرة - ما تسميه الشركة القرارات المكتوبة والمعايرة - مما يضع نفسه كبديل رخيص وسريع لنماذج اللغات الكبيرة لأعمال التصنيف والتوجيه والأتمتة، وفقًا لـ TechCrunch.
تأسست الشركة على يد ديوغو ألميدا، وهو باحث في OpenAI ساعد في بناء ChatGPT وساهم في اختراع التعلم المعزز من ردود الفعل البشرية (RLHF)، وهي تقنية التدريب التي يُنسب إليها الفضل على نطاق واسع في تشكيل الجيل الحالي من مساعدي الذكاء الاصطناعي. كان الطلب على النموذج الجديد شديدًا بدرجة كافية لدرجة أن TypeSafe فقدت لفترة وجيزة القدرة على خدمة بعض مستخدمي واجهة برمجة التطبيقات (API) بعد الإطلاق. لمزيد من السياق حول هذه القصة، راجع تغطية صناعة الذكاء الاصطناعي.
لماذا تخلى أحد رواد ChatGPT عن اللغة؟
بدأ طريق ألميدا إلى نموذج غير نصي بخيبة أمل في OpenAI. قال ألميدا لـ TechCrunch: "لدينا برق في زجاجة، ومع ذلك فهو ليس مفيدًا"، واصفًا إحباطه من أنه على الرغم من قدرات ChatGPT، إلا أن التكنولوجيا لم تصل إلى مستوى الأتمتة الحقيقية. "لقد كنت أحارب هذه المشكلة منذ ذلك الحين. لقد استغرق الأمر بعض الوقت للتوصل إلى الاستنتاج: المشكلة هي أننا نعمل على تحسين اللغة البشرية... لقد كنا جيدين للغاية في اللغة البشرية لمدة أربع سنوات، لكنها ليست مفيدة للأتمتة لأن أجهزة الكمبيوتر تتحدث لغة مختلفة."
قبل عامين، ترك ألميدا شركة OpenAI لتأسيس شركة TypeSafe AI ومتابعة هذه الأطروحة. والنتيجة هي نموذج Jev، وهو نموذج قائم على المحولات، وتصر الشركة على أنه ليس نموذجًا لغويًا كبيرًا. عندما يقوم برنامج LLM بإنشاء نص مفتوح النهاية، يقوم Jev بإرجاع الاحتمالات عبر مجموعة من المخرجات التي يحددها المستخدم مسبقًا - وهو تصميم تقول الشركة إنه يجعل الهلوسة مستحيلة من الناحية الهيكلية، حيث لا يمكن للنموذج الإجابة إلا من خلال الخيارات المقدمة له.
تعد مكاسب الكفاءة جزءًا أساسيًا من الملعب. رموز الإخراج من Jev مجانية، ويتم قياس رموز الإدخال بالمليار بدلاً من المليون، وفقًا لـ TechCrunch. تصف الشركة Jev بأنه "نموذج System One"، الذي يركز على الحدس بدلاً من التفكير، وتقول إنه تم تدريبه حصريًا على البيانات الاصطناعية باستخدام تقنية يطلق عليها ألميدا التعلم المعزز من القرارات المعايرة.
لقد أبقى TypeSafe بنية Jev طي الكتمان، على الرغم من أن المراقبين الخارجيين يشتبهون في أن النظام مبني على أعلى شهادة LLM ذات الوزن المفتوح. قال ألميدا لـ TechCrunch: "نصف [شركتنا] عبارة عن مختبر يمتلك هذا الحقل الفرعي بأكمله من البيانات الاصطناعية المفهومة جيدًا إحصائيًا، وهذا هو الآن متعة حياتي".
النتائج المبكرة للمطورين: أسرع وأرخص
أبلغ المتبنون الأوائل عن مكاسب ملحوظة في الاختبار. قال برانيت شارما، مهندس برمجيات في Vercel، لـ TechCrunch أن شركته كانت تستخدم ChatGPT Luna 5.6 من OpenAI لتشغيل مصنف يراجع الأوامر من أجل السلامة. وبعد تحويل عبء العمل هذا إلى Jev، رأى Vercel النتائج بسرعة أكبر بخمس إلى 18 مرة وبدقة أكبر.
أجرى نيخيل مودهولكار، المدير التنفيذي للتكنولوجيا في Bryo AI، مقارنة مختلفة: حيث قام بتصنيف رسائل البريد الإلكتروني الخاصة بالعمل مع Jev مقابل Gemini من Google. في اختباره، كان الجوزاء أكثر دقة قليلاً، ولكن أغلى بـ 10 إلى 20 مرة. بالنسبة لمودولكار، كانت الممتلكات الأكثر قيمة لجيف هي التعامل مع عدم اليقين. وقال لـ TechCrunch: "إنه الوحيد الذي يعيد الاحتمالية الحقيقية مما يجعله مثاليًا لأتمتة سير العمل".
الوكلاء يراقبون الوكلاء، بدون الفاتورة
بالإضافة إلى استبدال حاملي شهادة الماجستير في مهام التصنيف، يرى TypeSafe أن Jev يمكنه مراقبتهم. يصبح استخدام وكلاء الذكاء الاصطناعي لمراقبة الوكلاء الآخرين مكلفًا بسرعة، لكن ألميدا يؤكد أن ملف تعريف السرعة والتكلفة الخاص بـ Jev يجعل من العملي تتبع آثار وكيل LLM ومنع عمليات كسر الحماية في الوقت الفعلي.
صرح أرمين روناشر، المدير التنفيذي للتكنولوجيا في شركة Earendil ومنشئ نموذج مفتوح المصدر لـGirl Pi، لـ TechCrunch أن هذا النهج ينقل مسؤولية عدم اليقين إلى المطور. وقال روناشر: "إنها تفوض مشكلة الهلوسة قليلاً للمستخدم". "يجب على المستخدم أن يقول، حسنًا، إذا كان هذا يعود باحتمالية 50% فقط، فربما تكون هذه رمية عملة، وأنا أتجاهلها. ولكن إذا كانت 95%، بالتأكيد، فيمكنني أن أفعل شيئًا بها."
أشار روناشر أيضًا إلى توجيه النموذج كحالة استخدام واعدة: التنبؤ بما إذا كان عبء عمل معين يتطلب نموذجًا محددًا وأكثر تكلفة. قد يكون إجراء هذا الفرز باستخدام LLM مكلفًا، ولكن زمن الوصول المنخفض والسعر المنخفض لـ Jev يمكن أن يجعل التوجيه في الوقت الفعلي قابلاً للتطبيق.
اسم مستعار من علم الاقتصاد
تم تسمية النموذج على اسم ويليام ستانلي جيفونز، الاقتصادي الذي عاش في القرن التاسع عشر والذي كان وراء مفارقة جيفونز - الملاحظة التي مفادها أنه عندما تصبح السلعة أرخص، فإن استهلاكها يميل إلى الارتفاع. ويراهن ألميدا على أن انخفاض تكاليف استخبارات اتخاذ القرار سيؤدي إلى نشرها في كل مكان، وليس فقط في برامج الدردشة الرائدة.
وقال ألميدا لـ TechCrunch: "نعتقد أنه ستكون هناك برامج ذكية في كل مكان بطريقة ناشئة وموزعة... تشبه إلى حد كبير الإنترنت المبكر أكثر مما تعرفه مثل التطبيقات الضخمة التي يحاول الناس بناءها الآن".
يبقى سؤال ما إذا كان المنافسون يتبعون ذلك سؤالاً مفتوحًا. قال روناشر لـ TechCrunch: "كان ينبغي لنا أن نرى هذا في وقت سابق بعدة طرق، ولكن نظرًا لأن LLMs رخيصة جدًا ومدعومة، فلا يتعين عليك في كثير من الأحيان أن تكون مبدعًا بعد". تخطط TypeSafe لإصدارات إضافية من Jev بطرق جديدة.
أما فيما يتعلق بما إذا كان TypeSafe يعتبر مختبراً حدودياً، فقد قدم ألميدا إجابة محددة: "المنتج الرئيسي للمختبرات الحدودية هو الخوف أو الضجيج. أود أن يكون منتجنا الرئيسي هو الذكاء... [لكننا] لسنا مختبراً بمعنى الرهان على الثروة اللانهائية، أو الدين، أو بناء الإله في مركز بيانات، أو أي شيء آخر، كما تعلمون".
---
ابق على اطلاع بأخبار الذكاء الاصطناعيآخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
