जेव, स्टार्टअप TypeSafe AI मधील नॉन-LLM "निर्णय मॉडेल" ने Pokémon Red पूर्ण केले आहे — पॅलेट टाउन ते हॉल ऑफ फेम पर्यंत 37 तास आणि 40 मिनिटांच्या खेळात एकूण $1.65 च्या एकूण मोजणी खर्चात लढत आहे, प्रकल्पाच्या वेबसाइटनुसार.

डेव्हलपर ख्रिश्चन मॅथिसेनने बनवलेली ही रन, टोकन आणि डिस्प्लेवरील खर्चासह थेट प्रवाहित करण्यात आली आणि GitHub वर ओपन-सोर्स केली गेली. हे आठवड्याच्या शेवटी हॅकर न्यूजच्या पहिल्या पानावर चित्रित झाले, शेकडो अपव्होट्स आणि AI एजंट्सच्या भविष्याबद्दल ते काय म्हणते याबद्दल एक सजीव चर्चा. पारंपारिक चॅटबॉट्स महिनोनमहिने थांबले होते तिथे एक नॉन-एलएलएम इंजिन यशस्वी झाले - आणि क्लॉड ओपस 5 ने मॉडेलला त्याच्या शेवटच्या टोकापर्यंत प्रशिक्षण दिले हे लक्षात घेऊन टॉमच्या हार्डवेअरने या कामगिरीचा समावेश केला.

द रन बाय द नंबर

प्रोजेक्टच्या स्वतःच्या ट्रॅकिंगमधील आकडेवारी दर्शवते की एआय सिस्टमसाठी ही धाव किती असामान्य होती:

  • एकूण वेळ: ३७ तास, ४० मिनिटे
  • निर्णय घेतले: १६,१५०
  • इनपुट टोकन: अंदाजे ३९.२ दशलक्ष
  • एकूण Jev खर्च: सुमारे $1.65
  • विशिष्ट निर्णय वेळ: 0.4 सेकंद
  • विरोधक लढले: अंदाजे १,६६०
  • टीम वाइप: १६
  • एलिट चार प्रयत्न: १५
  • सर्वात कठीण मार्ग: विजय रस्ता

अंतिम हॉल ऑफ फेम संघ: 83 च्या स्तरावर चारिझार्ड, ग्रेव्हलर (62), निडोक्वीन (45), बीड्रिल (44), हाँटर (39) आणि प्राइमपे (29) यांचा पाठिंबा.

अर्थशास्त्र हे शीर्षक आहे. कॉफीच्या किमतीपेक्षा कमी किंमतीचे सोळा हजार निर्णय हे LLM-आधारित गेम-प्लेइंग एजंट्सच्या तुलनेत एक उल्लेखनीय विरोधाभास आहे, जे दीर्घ सत्रांमध्ये टोकनमध्ये दहापट डॉलर्स बर्न करू शकतात. जेव पटकन निर्णय घेऊ शकतो, परंतु डूम खेळण्यासाठी अद्याप पुरेसे नाही असा निष्कर्ष काढल्यानंतर त्याने पोकेमॉनची निवड केली असे मॅथिसेन म्हणाले.

पोकेमॉन रेड AI साठी कठीण का आहे

एजंटिक एआयसाठी पोकेमॉन रेड हा एक संभाव्य बेंचमार्क बनला आहे. 1996 च्या गेम बॉय क्लासिकला दीर्घ-क्षितिज नियोजनाची मागणी आहे: स्तर पीसणे, सहा जणांची पार्टी व्यवस्थापित करणे, नकाशाशिवाय भूलभुलैया सारखी लेणी नेव्हिगेट करणे आणि जेव्हा एखादी महत्त्वाची वस्तू चुकली तेव्हा बॅकट्रॅक करणे. भाषा-मॉडेल एजंट ऐतिहासिकदृष्ट्या वर्तुळात फिरले आहेत, गुहांमध्ये अडकले आहेत आणि अनावश्यक कृतींवर प्रचंड बजेट बर्न केले आहे.

Jev मूलभूतपणे भिन्न दृष्टीकोन घेतो. मजकूर व्युत्पन्न करण्याऐवजी, मॉडेल थेट कॅलिब्रेट केलेले निर्णय परत करते — एक डिझाईन TypeSafe AI ने मोठ्या मॉडेल्सच्या जाणीवपूर्वक, भाषा-जड तर्कासाठी "सिस्टम वन" पर्याय म्हणून विपणन केले आहे. टॉमच्या हार्डवेअरच्या मॉडेलच्या आधीच्या कव्हरेजनुसार, कंपनीचा दावा आहे की जेव्ह हे निर्णय कार्यांवर एलएलएम पर्यायांपेक्षा 193 पट वेगवान आणि 445 पट स्वस्त आहे.

कॅच, विकसकाने कबूल केले की जेव्हला मदतीची आवश्यकता आहे. टॉमच्या हार्डवेअरसाठी, क्लॉड ओपस 5 ने निर्णय मॉडेलला त्याच्या शेवटच्या टोकांद्वारे प्रशिक्षण दिले - एक संकरित दृष्टीकोन ज्यामध्ये एक मोठे भाषा मॉडेल धोरणात्मक मार्गदर्शन प्रदान करते तर वेगवान, स्वस्त मॉडेल हजारो वैयक्तिक निर्णयांची अंमलबजावणी करते. प्रोजेक्ट पानाने स्पष्टपणे नमूद केले आहे की जेव्हला "पुढे कुठे जायचे हे फक्त माहित होते कारण त्याच्याकडे मार्गदर्शक आहे."

एआय एजंट्ससाठी याचा अर्थ काय आहे

AI एजंट्सचे भविष्य हे सर्व काही करत असलेले एक मोठे मॉडेल नसून श्रमांचे विभाजन आहे: वाढत्या युक्तिवादाचा परिणाम हा डेटा पॉईंट आहे: वेगवान, स्वस्त, उच्च-वारंवारता निर्णय हाताळणारे विशेष मॉडेल, जेव्हा परिस्थिती संदिग्ध होते तेव्हाच हळुवार तर्कसंगत मॉडेल पुढे येतात.

रोबोटिक्स, गेमिंग आणि रिअल-टाइम कंट्रोल सिस्टीमसाठी — डोमेन जेथे निर्णय मिलीसेकंदमध्ये येणे आवश्यक आहे आणि बजेट सेंटमध्ये मोजले जाते — ते आर्किटेक्चर आकर्षक आहे. वेअरहाऊस रोबोट, गेम खेळणारा NPC किंवा ट्रेडिंग सिस्टीम प्रत्येक सूक्ष्म कृतीसाठी 2-सेकंद GPT-शैलीची फेरी घेऊ शकत नाही.

हॅकर न्यूजवरील संशयितांनी या धावांच्या सावधगिरीकडे लक्ष वेधले: गेम अनेक दशके जुना आणि पूर्णपणे दस्तऐवजीकरण केलेला आहे, कोचिंग मॉडेलने स्ट्रॅटेजिक हेवी लिफ्टिंग केले आणि 15 एलिट फोर प्रयत्नांनी भरपूर चाचणी आणि त्रुटी सुचवल्या. ते योग्य मुद्दे आहेत - परंतु ते अधिक मनोरंजक सिग्नल चुकवतात. प्रत्येकी $0.0001 मधील सोळा हजार चांगले निर्णय स्वायत्त एजंट्सना कधीही स्केलवर चालवायचे असल्यास ते आवश्यक आहे.

एका माजी OpenAI RLHF संशोधकाने स्थापन केलेल्या TypeSafe AI ने Jev ला बदलीऐवजी भाषा मॉडेलचे पूरक म्हणून स्थान दिले आहे. पोकेमॉन प्रोजेक्ट — कोड, स्ट्रीम आणि कॉस्ट ब्रेकडाउन सर्व पब्लिक — निर्णय-प्रथम स्टॅक काय करू शकतो याचे सर्वात ज्वलंत प्रदर्शन आहे.

पूर्ण स्त्रोत कोड GitHub वर उपलब्ध आहे, आणि पूर्ण झालेला रन YouTube वर पाहिला जाऊ शकतो, ज्यामध्ये व्हिक्टरी रोडवरील प्रत्येक वाइपचा समावेश आहे.

एआयच्या पुढे राहा

नवीनतम AI घडामोडींसाठी AI Buzz Wire चे अनुसरण करा.

अधिक एआय बातम्या वाचा →