दुनिया भर में छाया नया AI सितारा Jev एक शब्द भी नहीं बोलता: यह कैसे काम करता है?

नए मॉडल लगातार आ रहे हैं और हर कोई साबित करना चाहता है कि वह लिख और बातचीत कर सकता है। फिर भी इस समय इंटरनेट पर सबसे ज्यादा चर्चा Jev की है।

Jev बोलता नहीं है।

Diogo Almeida OpenAI में शोधकर्ता थे। उन्होंने ChatGPT के विकास में काम किया और बाद में मानव प्रतिक्रिया से सुदृढीकरण अधिगम, यानी RLHF, का प्रस्ताव रखा।

इस तरीके ने पिछले कुछ वर्षों में बड़े भाषा मॉडल की दिशा तय की। लेकिन जैसे-जैसे इससे उद्योग आगे बढ़ा, Almeida को इस पर संदेह होने लगा।

“हमारे पास एक बार सफल हुआ नवाचार था, लेकिन हमने उसे वास्तव में उपयोगी चीज में नहीं बदला।”

समस्या समझने में उन्हें काफी समय लगा। उद्योग मानव भाषा को संसाधित करने की क्षमता बेहतर करता रहा। चार वर्षों में मॉडल इसमें बहुत अच्छे हो गए, पर स्वचालन के लिए यह उतना उपयोगी नहीं था, क्योंकि कंप्यूटर एक अलग “भाषा” इस्तेमाल करते हैं।

दो साल पहले Almeida ने OpenAI छोड़कर Erik Gafni और Sasha Sheng के साथ TypeSafe AI बनाई। कंपनी 15 सितंबर तक गुप्त रूप से काम करती रही, फिर उसने DCVC के नेतृत्व में 4 करोड़ डॉलर की सीड फंडिंग और अपना पहला मॉडल Jev पेश किया।

Jev भी Transformer पर आधारित है, लेकिन इसे जानबूझकर बड़ा भाषा मॉडल नहीं बनाया गया और यह पूरे वाक्य नहीं लिखता।

इसे किसी प्रोग्राम की स्थिति और पहले से तय प्रश्न दें, तो यह एक प्रकारबद्ध उत्तर लौटाता है: कोई विकल्प, स्कोर, या 0 से 1 के बीच संभावना, साथ में विश्वास स्कोर।

TypeSafe इन्हें “कैलिब्रेटेड निर्णय” कहती है। इसी वजह से Jev पहली बार सामने आने पर बहुत से लोग उलझन में पड़ गए थे।

चित्र एक ही अनुरोध पर Jev और बड़े भाषा मॉडल के नतीजों की तुलना दिखाता है।

AI का सबसे चर्चित मॉडल ChatGPT से अलग रास्ते पर है

Jev को समझने के लिए बड़े भाषा मॉडल वाली सामान्य सोच को थोड़ी देर अलग रखना होगा।

ग्राहक सेवा का उदाहरण लें। कोई ग्राहक लिखता है कि भुगतान सेवा कई दिनों से नहीं चल रही और कारोबार प्रभावित हो रहा है। सिस्टम को तय करना है कि मामला तकनीकी टीम के पास जाए या बिलिंग टीम के पास, ग्राहक कितना असंतुष्ट है और मामला कितना जरूरी है।

TypeSafe के इंटरफेस में एक अनुरोध के प्रश्न समान इनपुट साझा करते हैं, लेकिन उनका मूल्यांकन स्वतंत्र रूप से और समानांतर होता है। इसलिए वर्गीकरण और तात्कालिकता एक साथ तय हो सकते हैं।

इसके तीन मूल आउटपुट हैं। Choice उपयोगकर्ता की बनाई सूची से एक विकल्प चुनता है और 255 तक विकल्प संभाल सकता है, इसलिए रूटिंग और वर्गीकरण में उपयोगी है। Score इनपुट को तय पैमाने पर रखकर तात्कालिकता, गुणवत्ता या जोखिम मापता है। Noul हां या नहीं का निर्णय है, जिसमें संख्या किसी बात के सही होने की संभावना बताती है।

हर उत्तर के साथ पूरी संभावना-वितरण और विश्वास स्कोर मिलता है। परिणाम मजबूत प्रकार वाला होता है, इसलिए JSON प्रॉम्प्ट, अतिरिक्त पार्सर या Markdown कोड ब्लॉक में लिपटे अनपेक्षित उत्तर से निपटने की जरूरत नहीं होती।

इसका सीधा लाभ कम समय, कम लागत और मुक्त लेखन से होने वाली प्रारूप त्रुटियों में कमी है।

TypeSafe के अनुसार Jev की एंड-टू-एंड देरी 70 से 500 मिलीसेकंड है, जो समान बड़े भाषा मॉडल से 20 से 200 गुना तेज है।

मौजूदा सार्वजनिक कीमत पर इनपुट की लागत प्रति अरब token 42 डॉलर, यानी प्रति दस लाख token 0.042 डॉलर है; आउटपुट मुफ्त है। अतिरिक्त प्रश्न और विकल्प विवरण इनपुट token लेते हैं, पर उत्तर की लंबाई के आधार पर अलग शुल्क नहीं लगता।

क्योंकि उपयोगकर्ता संभावित आउटपुट पहले तय करता है, मॉडल उन विकल्पों के बाहर उत्तर नहीं गढ़ता। “Jev भ्रम नहीं पैदा करता” का अर्थ यही है; वह तय दायरे के भीतर गलत विकल्प फिर भी चुन सकता है।

Ably Pong के सार्वजनिक प्रदर्शन में Jev ने 12 सेकंड में 47 नियंत्रण निर्णय लिए, जबकि Gemini, Claude और GPT ने उतने समय में केवल दो या तीन निर्णय लिए, हालांकि बाद वाले अधिकतर सही थे।

प्रोग्राम ने खेल की संख्यात्मक स्थिति सीधे Jev को दी: गेंद की जगह और दिशा, पैडल की जगह और पैडल तक पहुंचते समय गेंद का अनुमानित ऊर्ध्वाधर स्थान। Jev ने ऊपर, नीचे या स्थिर रहने में से एक विकल्प चुना।

Jev का उपयोग कैसे किया जा सकता है

Jev के साथ खेलने योग्य उत्पाद बनाने के लिए गेम लॉजिक और वास्तविक समय संचार अभी भी जरूरी है। इस परियोजना में बैकएंड खेल आगे बढ़ाता है और मॉडल बुलाता है, जबकि Ably नई स्थिति ब्राउज़र को भेजता है। नियम, दृश्य और नेटवर्क Jev नहीं बनाता; उसे केवल बार-बार चलने वाले तीन-विकल्प निर्णय में जोड़ा गया है।

गति इसके उपयोग बढ़ाती है। Jev कंप्यूटर संचालन की निर्णय परत बनकर एजेंट को तेजी से निर्देश चलाने में मदद कर सकता है। वह महत्वपूर्ण जानकारी चुनकर लाखों token के संदर्भ को भी जल्दी छोटा कर सकता है।

Browser Use की सार्वजनिक jev-ultrafast परियोजना एक ब्राउज़र एजेंट है। हर पेज पर यह काम करने योग्य तत्व पढ़कर क्रमांकित सूची बनाती है: कौन सा बटन है, कौन सा इनपुट, उसका नाम और मौजूदा मान क्या है।

Jev को यह संरचित स्थिति, उपयोगकर्ता का लक्ष्य और कार्रवाई का इतिहास मिलता है। उपलब्ध विकल्प मौजूदा पेज पर वास्तव में मौजूद तत्वों से गतिशील रूप से बनते हैं।

Jev को कार्रवाई-निर्णय परत बनाकर कंप्यूटर तेजी से चलाएं

उड़ान खोजने का लक्ष्य हो सकता है: “ज्यूरिख से लंदन की एकतरफा उड़ान खोजें, तय तारीख, यात्रियों की संख्या और श्रेणी चुनें, और सही परिणाम मिलने पर रुकें।”

हर चरण में प्रोग्राम कई प्रश्न साथ पूछता है: क्लिक करें, लिखें, ड्रॉपडाउन चुनें या प्रतीक्षा करें? क्लिक करना हो तो कौन सा क्रमांक, लिखना हो तो कौन सा इनपुट? सभी प्रश्न एक पेज स्थिति साझा करते हैं, पर उत्तर अलग होते हैं।

फिर प्रोग्राम केवल चुनी गई कार्रवाई से मेल खाने वाला लक्ष्य इस्तेमाल करता है। क्लिक चुना गया हो तो क्लिक वाला लक्ष्य लिया जाता है और बाकी उत्तर फिलहाल छोड़ दिए जाते हैं।

शहर का नाम भरना हो तो प्रोग्राम एक छोटे टेक्स्ट-जनरेशन मॉडल को अलग से बुलाता है, जो लक्ष्य और मौजूदा इनपुट के आधार पर सामग्री देता है। कार्रवाई के बाद ब्राउज़र नई स्थिति पढ़ता है।

Jev से महत्वपूर्ण जानकारी तय करके संदर्भ लगभग तुरंत छोटा करें

Vercel के सॉफ्टवेयर इंजीनियर Pranit Sharma ने बताया कि उनकी कंपनी कमांड की सुरक्षा जांचने वाले वर्गीकारक के लिए OpenAI का ChatGPT Luna 5.6 इस्तेमाल करती थी। Luna की जगह Jev लगाने पर प्रक्रिया 5 से 18 गुना तेज हुई और सटीकता भी काफी बढ़ी।

Bryo AI के CTO Nikhil Mudholkar ने व्यावसायिक ईमेल वर्गीकरण में Jev और Gemini का परीक्षण किया। Gemini थोड़ा अधिक सटीक था, लेकिन उसकी लागत 10 से 20 गुना अधिक थी।

इसी ढांचे को स्वयं भी बनाया जा सकता है। विषय, ईमेल का मुख्य भाग, प्राप्ति समय और जरूरी संदर्भ वाली तालिका बनाकर काम को स्पष्ट प्रश्नों में बांटा जा सकता है।

“मेरे ऑर्डर का भुगतान दो बार हुआ और इसे आज ही ठीक करना है” जैसे ईमेल में Choice तय कर सकता है कि मामला सहायता, बिक्री, साझेदारी या किसी अन्य कतार में जाए; Noul देख सकता है कि प्रेषक ने साफ तौर पर कार्रवाई मांगी है या नहीं; और Score प्राथमिकता तय कर सकता है।

Earendil के CTO Armin Ronacher ने कहा, “यह तरीका भ्रम संभालने की कुछ जिम्मेदारी उपयोगकर्ता पर डालता है। संभावना 50% हो तो उसे अनदेखा किया जा सकता है, लेकिन 95% हो तो उसका उपयोग किया जा सकता है।”

उनके अनुसार मॉडल रूटिंग भी एक उपयोग है। किसी काम को खास मॉडल की जरूरत है या नहीं, यह जानना उपयोगी है, पर इसके लिए बड़े भाषा मॉडल का उपयोग महंगा है। Jev इतना सस्ता और तेज है कि वास्तविक समय रूटिंग संभव हो जाती है।

काम की जटिलता के अनुसार सही मॉडल अपने आप चुनें

सबसे समझदार फैसला

Jev का नाम 19वीं सदी के अर्थशास्त्री William Stanley Jevons से आया है। Jevons का विरोधाभास कहता है कि किसी वस्तु की लागत घटने पर उसका उपयोग बढ़ता है। यहां बुद्धिमत्ता की लागत घटने से उसका उपयोग अधिक व्यापक होना चाहिए।

कॉल सस्ती होने पर उसे उन जगहों पर भी इस्तेमाल किया जा सकता है जहां पहले लागत उचित नहीं थी। Almeida कुछ विशाल ऐप के प्रभुत्व के बजाय हर जगह चलने वाले छोटे बुद्धिमान निर्णयों का भविष्य देखते हैं, जो “आज के बड़े ऐप की तुलना में शुरुआती इंटरनेट जैसा” होगा।

TypeSafe ने Jev की सटीक संरचना सार्वजनिक नहीं की है। आम अनुमान है कि इसे किसी ओपन-सोर्स बड़े भाषा मॉडल से बदला गया है।

कंपनी इसे System One Models कहती है, जो Daniel Kahneman के सहज सोच के विचार से लिया गया नाम है। इसमें तर्क की लंबी शृंखला के बजाय सहज निर्णय और खास काम के लिए ट्यूनिंग पर जोर है।

TypeSafe जटिल निर्णय को स्पष्ट प्रश्नों में तोड़कर उत्तरों को कोड में जोड़ने की सलाह देती है, न कि एक मॉडल को सब कुछ सौंपने की।

Almeida ने कहा कि उन्होंने बहुत पहले अनुमान लगा लिया था कि उन्हें synthetic data पर काम करना होगा। यह शायद उनके जीवन का सबसे समझदार फैसला था—कंपनी को सार्वजनिक करने या वास्तविक मानव प्रतिक्रिया पर निर्भर रहने से भी बेहतर।

फिलहाल इस रास्ते पर केवल TypeSafe है, लेकिन Ronacher को उम्मीद है कि उपयोगिता साबित होने पर और कंपनियां आएंगी। TypeSafe भी अलग परिस्थितियों के लिए अधिक मॉडल लाने की योजना बना रही है।

यह पूछे जाने पर कि क्या कंपनी frontier lab है, Almeida ने कहा, “ऐसी प्रयोगशालाओं का मुख्य उत्पाद डर या प्रचार है। मैं चाहता हूं हमारा मुख्य उत्पाद बुद्धिमत्ता हो। हम अनंत संपत्ति, धार्मिक कथा या डेटा सेंटर में भगवान बनाने वाली प्रयोगशाला नहीं हैं।”

Jev लॉन्च होने के बाद मांग उम्मीद से अधिक रही और API ने थोड़े समय के लिए जवाब देना बंद कर दिया। एक उपयोगकर्ता ने पिछले तीन दिनों की विशेष सूचना फीड पढ़कर आठ प्रश्न पूछे; काम करीब दो सेकंड में 0.007 डॉलर में हुआ और भ्रामक सामग्री व छिपे विज्ञापन हटाए गए।

दूसरी टीम ने Jev को पूरे मार्केटिंग विश्लेषण में जोड़ा। उसने Meta विज्ञापन लाइब्रेरी स्कैन की, अलग प्रारूपों की उम्र की तुलना की और शूटिंग से पहले रचनात्मक स्क्रिप्ट की प्रतिस्पर्धा जांची। पहले हाथ से होने वाले निर्णय 30 गुना तेज हुए और लागत 3 डॉलर से कम रही।

AI ने बहुत कम कहा, लेकिन सॉफ्टवेयर ने अधिक काम किया।

हम नए साथियों की भर्ती कर रहे हैं

📮 रिज्यूमे भेजने का ईमेल hr@webcal.ai

✉️ ईमेल का विषय “नाम + पद” (कृपया रिज्यूमे के साथ प्रोजेक्ट, पोर्टफोलियो या संबंधित लिंक भेजें।)