โมเดล AI รูปแบบใหม่เปิดตัวในสัปดาห์นี้ และทำสิ่งผิดปกติสำหรับโมเดลที่สร้างขึ้นบนสถาปัตยกรรมหม้อแปลงไฟฟ้า โดยไม่เคยสร้างข้อความเลย Jev ซึ่งเปิดตัวโดย TypeSafe AI สตาร์ทอัพอายุ 2 ปี จะแสดงความน่าจะเป็นที่ปรับเทียบแล้ว ซึ่งบริษัทเรียกว่าการพิมพ์และการตัดสินใจที่ปรับเทียบแล้ว โดยวางตำแหน่งตัวเองเป็นทางเลือกที่ราคาถูกและรวดเร็วสำหรับโมเดลภาษาขนาดใหญ่สำหรับการจำแนกประเภท การกำหนดเส้นทาง และงานอัตโนมัติ ตาม TechCrunch

บริษัทก่อตั้งโดย Diogo Almeida นักวิจัย OpenAI ซึ่งช่วยสร้าง ChatGPT และมีส่วนร่วมในการประดิษฐ์การเรียนรู้แบบเสริมกำลังจากผลตอบรับของมนุษย์ (RLHF) ซึ่งเป็นเทคนิคการฝึกอบรมที่ได้รับการให้เครดิตอย่างกว้างขวางในการกำหนดรูปแบบผู้ช่วย AI รุ่นปัจจุบัน ความต้องการโมเดลใหม่มีความเข้มข้นมากพอที่ TypeSafe จะสูญเสียความสามารถในการให้บริการผู้ใช้ API บางส่วนไปในช่วงสั้นๆ หลังจากเปิดตัว For more context on this story, see our ongoing breaking AI news.

เหตุใดผู้บุกเบิก ChatGPT จึงละทิ้งภาษา

เส้นทางของ Almeida ไปสู่โมเดลที่ไม่ใช่ข้อความเริ่มต้นด้วยความผิดหวังที่ OpenAI "เรามีสายฟ้าในขวด แต่มันก็ไม่มีประโยชน์" Almeida บอกกับ TechCrunch โดยอธิบายถึงความหงุดหงิดของเขาว่าแม้จะมีความสามารถของ ChatGPT แต่เทคโนโลยีก็ยังขาดระบบอัตโนมัติที่แท้จริง "ฉันได้ต่อสู้กับปัญหานั้นตั้งแต่นั้นมา ฉันใช้เวลาสักพักกว่าจะได้ข้อสรุป: ปัญหาคือเรากำลังปรับภาษามนุษย์ให้เหมาะสม... เราเก่งภาษามนุษย์มากมาสี่ปีแล้ว แต่มันไม่มีประโยชน์สำหรับระบบอัตโนมัติเพราะคอมพิวเตอร์พูดภาษาอื่น"

เมื่อสองปีที่แล้ว Almeida ออกจาก OpenAI เพื่อก่อตั้ง TypeSafe AI และดำเนินการวิทยานิพนธ์ดังกล่าว ผลลัพธ์ที่ได้คือ Jev ซึ่งเป็นโมเดลที่ใช้หม้อแปลงไฟฟ้าซึ่งบริษัทยืนยันว่าไม่ใช่โมเดลภาษาขนาดใหญ่ ในกรณีที่ LLM สร้างข้อความปลายเปิด Jev จะส่งคืนความน่าจะเป็นในชุดผลลัพธ์ที่ผู้ใช้กำหนดล่วงหน้า ซึ่งเป็นการออกแบบที่บริษัทกล่าวว่าทำให้ภาพหลอนเป็นไปไม่ได้ในเชิงโครงสร้าง เนื่องจากโมเดลดังกล่าวสามารถตอบได้ด้วยตัวเลือกที่ได้รับเท่านั้น

ประสิทธิภาพที่เพิ่มขึ้นเป็นส่วนสำคัญของการนำเสนอผลงาน โทเค็นเอาท์พุตจาก Jev นั้นฟรี และโทเค็นอินพุตจะถูกวัดเป็นพันล้านแทนที่จะเป็นล้าน ตามข้อมูลของ TechCrunch บริษัทอธิบายว่า Jev เป็น "แบบจำลอง System One" ที่มุ่งเน้นไปที่สัญชาตญาณมากกว่าการใช้เหตุผล และกล่าวว่าได้รับการฝึกอบรมเกี่ยวกับข้อมูลสังเคราะห์โดยเฉพาะ โดยใช้เทคนิคที่ Almeida เรียกว่าการเรียนรู้แบบเสริมกำลังจากการตัดสินใจที่ปรับเทียบแล้ว

TypeSafe ได้เก็บสถาปัตยกรรมของ Jev ไว้เป็นความลับ แม้ว่าผู้สังเกตการณ์ภายนอกจะสงสัยว่าระบบนี้สร้างขึ้นจาก LLM แบบเปิดก็ตาม "ครึ่งหนึ่งของ [บริษัท ของเรา] เป็นห้องแล็บที่เป็นเจ้าของสาขาย่อยทั้งหมดของข้อมูลสังเคราะห์ที่มีความเข้าใจดีทางสถิติ และตอนนี้นั่นคือความสุขในชีวิตของฉัน" Almeida กล่าวกับ TechCrunch

ผลลัพธ์ของนักพัฒนาในช่วงเริ่มต้น: เร็วขึ้นและถูกกว่า

ผู้ใช้ในช่วงแรกรายงานถึงประสิทธิภาพที่โดดเด่นในการทดสอบ Pranit Sharma วิศวกรซอฟต์แวร์ของ Vercel บอกกับ TechCrunch ว่าบริษัทของเขาใช้ ChatGPT Luna 5.6 ของ OpenAI เพื่อเรียกใช้ตัวแยกประเภทที่ตรวจสอบคำสั่งเพื่อความปลอดภัย หลังจากเปลี่ยนปริมาณงานนั้นมาเป็น Jev แล้ว Vercel ก็เห็นผลลัพธ์เร็วขึ้นห้าถึง 18 เท่าและมีความแม่นยำมากขึ้น

Nikhil Mudholkar, CTO ของ Bryo AI ดำเนินการเปรียบเทียบที่แตกต่าง: การจัดประเภทอีเมลธุรกิจกับ Jev กับ Gemini ของ Google ในการทดสอบของเขา ราศีเมถุนมีความแม่นยำมากกว่าเล็กน้อย แต่มีราคาแพงกว่า 10 ถึง 20 เท่า สำหรับ Mudholkar ทรัพย์สินที่มีค่าที่สุดของ Jev คือการรับมือกับความไม่แน่นอน "เป็นเพียงสิ่งเดียวที่คืนความน่าจะเป็นที่แท้จริงซึ่งทำให้เหมาะสำหรับขั้นตอนการทำงานอัตโนมัติ" เขากล่าวกับ TechCrunch

ตัวแทนเฝ้าดูตัวแทนโดยไม่มีบิล

นอกเหนือจากการแทนที่ LLM ในงานจำแนกประเภทแล้ว TypeSafe ยังระบุว่า Jev สามารถตำรวจได้ การใช้ตัวแทน AI เพื่อติดตามตัวแทนอื่นๆ มีราคาแพงอย่างรวดเร็ว แต่ Almeida ยืนยันว่าความเร็วและโปรไฟล์ต้นทุนของ Jev ทำให้สามารถติดตามการติดตามตัวแทน LLM และป้องกันการเจลเบรคแบบเรียลไทม์ได้

Armin Ronacher, CTO ของ Earendil และผู้สร้างโมเดลโอเพ่นซอร์ส Pi บอกกับ TechCrunch ว่าแนวทางดังกล่าวเปลี่ยนความรับผิดชอบต่อความไม่แน่นอนให้กับนักพัฒนา “มันช่วยกระจายปัญหาภาพหลอนให้กับผู้ใช้เล็กน้อย” Ronacher กล่าว “ผู้ใช้ต้องบอกว่า โอเค ถ้ามันกลับมาด้วยความน่าจะเป็นเพียง 50% บางทีนี่อาจเป็นการโยนเหรียญและฉันก็ไม่สนใจมัน แต่ถ้าเป็น 95% แน่นอน ฉันจะทำอะไรกับมันได้”

นอกจากนี้ Ronacher ยังติดธงการกำหนดเส้นทางโมเดลว่าเป็นกรณีการใช้งานที่ดี โดยคาดการณ์ว่าปริมาณงานที่กำหนดต้องใช้โมเดลเฉพาะเจาะจงและมีราคาแพงกว่าหรือไม่ การเรียงลำดับดังกล่าวด้วย LLM อาจมีค่าใช้จ่ายสูง แต่เวลาแฝงและราคาที่ต่ำของ Jev อาจทำให้การกำหนดเส้นทางแบบเรียลไทม์เป็นไปได้

ชื่อที่ยืมมาจากเศรษฐศาสตร์

แบบจำลองนี้ตั้งชื่อตาม William Stanley Jevons นักเศรษฐศาสตร์ในศตวรรษที่ 19 ผู้อยู่เบื้องหลัง Jevons Paradox ซึ่งตั้งข้อสังเกตว่าเมื่อสินค้าโภคภัณฑ์มีราคาถูกกว่า การบริโภคก็มีแนวโน้มที่จะเพิ่มขึ้น เดิมพันของ Almeida ก็คือต้นทุนที่ลดลงของหน่วยสืบราชการลับระดับการตัดสินใจจะนำไปสู่การปรับใช้ทุกที่ ไม่ใช่แค่ในแชทบอทหลักเท่านั้น

"เราคิดว่าจะมีซอฟต์แวร์อัจฉริยะอยู่ทั่วทุกที่ในลักษณะที่เกิดขึ้นและเผยแพร่... เหมือนอินเทอร์เน็ตยุคแรก ๆ มากกว่าที่คุณรู้เช่นแอพขนาดใหญ่ที่ผู้คนพยายามสร้างในขณะนี้" Almeida กล่าวกับ TechCrunch

คู่แข่งจะติดตามหรือไม่ยังคงเป็นคำถามเปิด "เราควรจะได้เห็นสิ่งนี้ก่อนหน้านี้ในหลาย ๆ ด้าน แต่อาจเป็นเพราะ LLM มีราคาถูกและได้รับเงินอุดหนุน คุณจึงไม่จำเป็นต้องมีความคิดสร้างสรรค์เลย" Ronacher กล่าวกับ TechCrunch TypeSafe วางแผน Jev เวอร์ชันเพิ่มเติมในรูปแบบใหม่

สำหรับว่า TypeSafe นับเป็นห้องปฏิบัติการชายแดนหรือไม่ Almeida ให้คำตอบที่ชัดเจน: "ผลิตภัณฑ์หลักของห้องปฏิบัติการชายแดนคือความกลัวหรือการโอ้อวด ฉันอยากให้ผลิตภัณฑ์หลักของเราเป็นหน่วยสืบราชการลับ... [แต่เราไม่ใช่] ไม่ใช่ห้องปฏิบัติการในแง่ของ คุณรู้ไหม เช่น เดิมพันกับความมั่งคั่งอันไม่มีที่สิ้นสุด หรือศาสนา หรือการสร้างพระเจ้าในศูนย์ข้อมูล หรืออะไรก็ตามที่เป็นสิ่งที่เกิดขึ้นในปัจจุบัน"

---

Stay Ahead of AI

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

Read more AI news →