नवीन प्रकारच्या AI मॉडेलने या आठवड्यात पदार्पण केले आणि ते ट्रान्सफॉर्मर आर्किटेक्चरवर तयार केलेल्या मॉडेलसाठी काहीतरी असामान्य करते: ते कधीही मजकूराचा शब्द तयार करत नाही. Jev, दोन वर्षांच्या जुन्या स्टार्टअप TypeSafe AI द्वारे जारी केले गेले आहे, त्याऐवजी कॅलिब्रेटेड संभाव्यता आउटपुट करते — ज्याला कंपनी टाइप केलेले, कॅलिब्रेट केलेले निर्णय म्हणतात — वर्गीकरण, राउटिंग आणि ऑटोमेशन कामासाठी मोठ्या भाषेच्या मॉडेल्ससाठी स्वस्त, जलद पर्याय म्हणून स्वतःला स्थान देते, TechCrunch नुसार.

कंपनीची स्थापना ओपनएआय संशोधक डिओगो आल्मेडा यांनी केली होती ज्याने ChatGPT तयार करण्यात मदत केली आणि मानवी प्रतिक्रिया (RLHF) पासून मजबुतीकरण शिक्षणाच्या शोधात योगदान दिले, प्रशिक्षण तंत्र सध्याच्या AI सहाय्यकांच्या पिढीला आकार देण्याचे श्रेय दिले जाते. नवीन मॉडेलची मागणी इतकी तीव्र होती की TypeSafe ने लॉन्च केल्यानंतर काही API वापरकर्त्यांना सेवा देण्याची क्षमता थोडक्यात गमावली. For more context on this story, see our ongoing breaking AI news.

ChatGPT पायोनियरने भाषा का सोडली

आल्मेडाचा मजकूर नसलेल्या मॉडेलचा मार्ग ओपनएआयमध्ये निराशेने सुरू झाला. "आमच्याकडे एका बाटलीत वीज आहे, आणि तरीही ती उपयोगी नाही," अल्मेडा यांनी टेकक्रंचला सांगितले की, ChatGPT ची क्षमता असूनही, तंत्रज्ञान खरे ऑटोमेशनमध्ये कमी पडले आहे. "मी तेव्हापासून या समस्येशी झुंज देत आहे. या निष्कर्षापर्यंत पोहोचण्यासाठी मला थोडा वेळ लागला: समस्या अशी आहे की आम्ही मानवी भाषेसाठी अनुकूल आहोत... आम्ही चार वर्षांपासून मानवी भाषेत खूप चांगले आहोत, परंतु ऑटोमेशनसाठी ते उपयुक्त नाही कारण संगणक भिन्न भाषा बोलतात."

दोन वर्षांपूर्वी, आल्मेडा यांनी TypeSafe AI शोधण्यासाठी आणि त्या प्रबंधाचा पाठपुरावा करण्यासाठी OpenAI सोडले. परिणाम म्हणजे Jev, एक ट्रान्सफॉर्मर-आधारित मॉडेल ज्याचा कंपनी आग्रह धरते की ते मोठ्या भाषेचे मॉडेल नाही. जेथे LLM ओपन-एंडेड मजकूर व्युत्पन्न करते, Jev वापरकर्त्याने आधीच परिभाषित केलेल्या आऊटपुटच्या संचामध्ये संभाव्यता परत करतो — कंपनीच्या म्हणण्यानुसार रचना भ्रमनिरास करणे अशक्य करते, कारण मॉडेल फक्त दिलेल्या पर्यायांसह उत्तर देऊ शकते.

कार्यक्षमता वाढ हा खेळपट्टीचा मुख्य भाग आहे. Jev कडील आउटपुट टोकन विनामूल्य आहेत आणि टेकक्रंचनुसार इनपुट टोकन दशलक्ष ऐवजी अब्जाने मोजले जातात. कंपनी जेवचे वर्णन "सिस्टम वन मॉडेल" म्हणून करते, तर्क करण्याऐवजी अंतर्ज्ञानावर लक्ष केंद्रित करते आणि म्हणते की अल्मेडा कॅलिब्रेट केलेल्या निर्णयांमधून मजबुतीकरण शिक्षण म्हणतात अशा तंत्राचा वापर करून केवळ सिंथेटिक डेटावर प्रशिक्षित केले गेले.

TypeSafe ने Jev चे आर्किटेक्चर लपवून ठेवले आहे, जरी बाहेरील निरीक्षकांना अशी शंका आहे की ही प्रणाली ओपन-वेट LLM वर तयार केली गेली आहे. "[आमच्या कंपनीचा] अर्धा भाग ही एक प्रयोगशाळा आहे जी मुळात सांख्यिकीयदृष्ट्या चांगल्या प्रकारे समजल्या जाणाऱ्या सिंथेटिक डेटाच्या या संपूर्ण उपक्षेत्राच्या मालकीची आहे आणि आता हाच माझा जीवन आनंद आहे," अल्मेडा यांनी टेकक्रंचला सांगितले.

लवकर विकसक परिणाम: जलद आणि स्वस्त

सुरुवातीच्या अवलंबकर्त्यांनी चाचणीमध्ये लक्षणीय नफा नोंदवला. वर्सेलमधील सॉफ्टवेअर इंजिनीअर प्रणित शर्मा यांनी टेकक्रंचला सांगितले की त्यांची कंपनी सुरक्षेसाठी कमांडचे पुनरावलोकन करणारे क्लासिफायर चालविण्यासाठी OpenAI चे ChatGPT Luna 5.6 वापरत आहे. ते कार्यभार Jev वर स्विच केल्यानंतर, Vercel ने परिणाम पाच ते 18 पट अधिक जलद आणि अधिक अचूकतेने पाहिले.

Bryo AI चे CTO, निखिल मुधोळकर यांनी वेगळी तुलना केली: Google च्या जेमिनी विरुद्ध Jev सोबत व्यवसाय ईमेलचे वर्गीकरण करणे. त्याच्या चाचणीत, मिथुन किंचित अधिक अचूक होते, परंतु 10 ते 20 पट अधिक महाग होते. मुधोळकरांसाठी, जेवची सर्वात मौल्यवान मालमत्ता म्हणजे तिची अनिश्चितता हाताळणे. "हे एकमेव आहे जे वास्तविक संभाव्यता परत देते जे वर्कफ्लो स्वयंचलित करण्यासाठी आदर्श बनवते," त्याने टेकक्रंचला सांगितले.

एजंट पाहणारे एजंट, बिलाविना

वर्गीकरण कार्यांमध्ये LLMs बदलण्यापलीकडे, TypeSafe युक्तिवाद करते की Jev त्यांना पोलीस करू शकतो. इतर एजंट्सवर लक्ष ठेवण्यासाठी AI एजंट वापरणे त्वरीत महाग होते, परंतु अल्मेडा म्हणतात की Jev चा वेग आणि खर्च प्रोफाइल LLM एजंट ट्रेसचा मागोवा घेणे आणि रिअल टाइममध्ये जेलब्रेक टाळणे व्यावहारिक बनवते.

अर्मिन रोनाचर, Earendil चे CTO आणि ओपन सोर्स मॉडेल हार्नेस Pi चे बिल्डर, यांनी TechCrunch ला सांगितले की हा दृष्टिकोन अनिश्चिततेची जबाबदारी विकसकावर हलवतो. रोनाचर म्हणाले, "हे भ्रमनिरासाची समस्या वापरकर्त्यास थोडीशी सोपवते." "वापरकर्त्याला म्हणायचे आहे, ठीक आहे, जर हे फक्त 50% संभाव्यतेसह परत आले, तर कदाचित हे नाणे टॉस असेल आणि मी त्याकडे दुर्लक्ष करतो. परंतु जर ते 95% असेल, तर मी यासह काहीतरी करू शकतो."

Ronacher देखील एक आशादायक वापर केस म्हणून मॉडेल राउटिंग ध्वजांकित केले: दिलेल्या वर्कलोडसाठी विशिष्ट, अधिक महाग मॉडेल आवश्यक आहे की नाही याचा अंदाज लावणे. LLM सह असे क्रमवारी करणे महागडे असेल, परंतु Jev ची कमी विलंबता आणि किंमत रीअल-टाइम रूटिंग व्यवहार्य बनवू शकते.

अर्थशास्त्रातून घेतलेले नाव

या मॉडेलचे नाव विल्यम स्टॅनली जेव्हन्स यांच्या नावावर ठेवले आहे, जेव्हन्स विरोधाभासामागील 19व्या शतकातील अर्थशास्त्रज्ञ - एक वस्तू स्वस्त झाल्यामुळे तिचा वापर वाढतो असे निरीक्षण. निर्णय-श्रेणीच्या बुद्धिमत्तेची किंमत कमी झाल्यामुळे ती केवळ फ्लॅगशिप चॅटबॉट्समध्येच नव्हे तर सर्वत्र तैनात केली जाईल, अशी अल्मेडाची पैज आहे.

आल्मेडा यांनी TechCrunch ला सांगितले की, "आम्हाला वाटते की सर्वत्र स्मार्ट सॉफ्टवेअर असेल जे उदयोन्मुख आणि वितरीत केले जाईल... तुम्हाला माहीत आहे त्या मेगा ॲप्स पेक्षा पूर्वीच्या इंटरनेट सारखे बरेच काही आहे जे लोक सध्या तयार करण्याचा प्रयत्न करत आहेत."

स्पर्धक अनुसरण करतात की नाही हा खुला प्रश्न आहे. "आम्ही हे आधी अनेक प्रकारे पाहिले असावे, परंतु संभाव्यत: LLMs खूप स्वस्त आणि अनुदानित असल्यामुळे, तुम्हाला अद्याप सर्जनशील असण्याची गरज नाही," Ronacher ने TechCrunch ला सांगितले. TypeSafe नवीन पद्धतींमध्ये Jev च्या अतिरिक्त आवृत्त्यांची योजना करते.

TypeSafe ला फ्रंटियर लॅब म्हणून गणले जाते की नाही याबद्दल, आल्मेडा यांनी एक टोकदार उत्तर दिले: "फ्रंटियर लॅबचे मुख्य उत्पादन म्हणजे भीती किंवा हायप. मला आमचे मुख्य उत्पादन बुद्धिमत्तेचे असावे असे वाटते... [परंतु आम्ही] या अर्थाने प्रयोगशाळा नाही, जसे की अमर्याद संपत्तीवर पैज लावणे, किंवा धर्म, किंवा डेटा सेंटरमध्ये देवाची निर्मिती करणे ही आजची गोष्ट आहे."

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →