Jev نجم الذكاء الاصطناعي الجديد عالميًا لا يقول كلمة: كيف يعمل؟

تظهر نماذج جديدة بلا توقف، وكل منها يريد إثبات قدرته على الكتابة والمحادثة. لكن النموذج الذي يستحوذ حاليًا على الاهتمام عالميًا هو Jev.

إنه لا يتحدث.

كان Diogo Almeida باحثًا في OpenAI وشارك في تطوير ChatGPT، ثم اقترح التعلم المعزز من التغذية الراجعة البشرية، أو RLHF.

أسهم هذا النهج في تحديد مسار نماذج اللغة الكبيرة خلال السنوات الماضية. لكن بينما دفع القطاع إلى الازدهار، ازدادت شكوك Almeida تجاهه.

«حققنا ابتكارًا ناجحًا لمرة واحدة، لكننا لم نحوله إلى شيء مفيد حقًا».

استغرق فهم المشكلة وقتًا طويلًا: واصل القطاع تحسين قدرة النماذج على معالجة اللغة البشرية. وأصبحت ممتازة في ذلك خلال أربع سنوات، إلا أن هذا لم يفد الأتمتة كثيرًا لأن الحواسيب تستخدم «لغة» مختلفة.

غادر Almeida شركة OpenAI قبل عامين وأسس TypeSafe AI مع Erik Gafni وSasha Sheng. ظلت الشركة تعمل بسرية حتى 15 سبتمبر، حين كشفت عن جولة تمويل أولية بقيمة 40 مليون دولار بقيادة DCVC وعن نموذجها الأول Jev.

ما يزال Jev مبنيًا على Transformer، لكنه ليس نموذج لغة كبيرًا عن قصد ولا ينتج جملًا كاملة.

عندما يتلقى حالة برنامج وسؤالًا محددًا مسبقًا، يعيد إجابة ذات نوع واضح: خيارًا أو درجة أو احتمالًا بين 0 و1، إلى جانب درجة ثقة.

تسمي TypeSafe هذه المخرجات «قرارات معايرة». وهذا يفسر ارتباك كثيرين عندما ظهر Jev لأول مرة أمام الجمهور.

توضح الصورة الفرق بين استجابة Jev واستجابة نموذج لغة كبير للطلب نفسه.

النموذج الأكثر رواجًا في الذكاء الاصطناعي يسلك طريقًا مختلفًا عن ChatGPT

لفهم ما يفعله Jev، من المفيد تنحية طريقة التفكير المعتادة في نماذج اللغة الكبيرة.

لنأخذ خدمة العملاء مثالًا. يرسل عميل رسالة تفيد بأن خدمة الدفع متوقفة منذ أيام وتضر بأعماله. يجب تحديد ما إذا كانت المشكلة تخص الفريق التقني أم فريق الفوترة، ومدى استياء العميل، وما إذا كانت الحالة عاجلة.

في واجهة TypeSafe، تتشارك الأسئلة داخل الطلب الواحد المدخل نفسه، لكنها تُقيّم بصورة مستقلة ومتوازية. لذلك يمكن معالجة التصنيف ودرجة الاستعجال معًا.

هناك ثلاثة أشكال أساسية للمخرجات. يختار Choice عنصرًا واحدًا من قائمة يحددها المستخدم، ويدعم حتى 255 خيارًا، لذا يناسب التوجيه والتصنيف. يضع Score المدخل على مقياس محدد لقياس الاستعجال أو الجودة أو المخاطر. أما Noul فهو حكم بنعم أو لا، وتمثل قيمته الرقمية احتمال صحة العبارة.

تتضمن كل إجابة توزيع الاحتمالات كاملًا ودرجة الثقة. والنتيجة ذات نوع صارم، فلا حاجة إلى تعليمات JSON أو محللات إضافية، ولا خوف من أن يضع النموذج النتيجة فجأة داخل كتلة شيفرة Markdown.

الفوائد المباشرة هي تقليل الوقت والتكلفة وأخطاء التنسيق الناتجة عن التوليد الحر.

وفق أرقام TypeSafe، يتراوح زمن الاستجابة الكامل لـ Jev بين 70 و500 مللي ثانية، أي أسرع من نماذج اللغة الكبيرة المشابهة بنحو 20 إلى 200 مرة.

يبلغ السعر المعلن حاليًا 42 دولارًا لكل مليار token من المدخلات، أو 0.042 دولار لكل مليون token، بينما المخرجات مجانية. تستهلك الأسئلة الإضافية ووصف الخيارات token من المدخلات، لكن لا توجد رسوم منفصلة بحسب طول الإجابة.

لأن المستخدم يحدد المخرجات الممكنة مسبقًا، لا يخترع النموذج إجابات خارجها. والمقصود بأن Jev لا يهلوس أنه لا يخرج عن الخيارات المحددة، مع بقاء احتمال اختيار إجابة خاطئة داخل هذا النطاق.

في عرض علني للعبة Ably Pong، اتخذ Jev 47 قرار تحكم خلال 12 ثانية، بينما اتخذ Gemini وClaude وGPT قرارين أو ثلاثة فقط في الفترة نفسها، رغم أن أحكامها كانت صحيحة في معظم الحالات.

أرسل البرنامج إلى Jev الحالة الرقمية للعبة مباشرة: موقع الكرة واتجاهها، وموقع المضرب، والإحداثي الرأسي المتوقع للكرة عند وصولها إليه. واختار Jev بين التحرك إلى أعلى أو أسفل أو البقاء ثابتًا.

طرق استخدام Jev

يتطلب بناء منتج قابل للعب باستخدام Jev منطقًا للعبة واتصالًا فوريًا. في المشروع السابق، تدير الواجهة الخلفية تقدم اللعبة وتستدعي النموذج، بينما ترسل Ably الحالة الجديدة إلى المتصفح. أي أن Jev لا ينشئ القواعد أو الرسوم أو الاتصال، بل يُدرج فقط في خطوة القرار المتكرر بين ثلاثة خيارات.

تفتح السرعة مجالات إضافية. يمكن أن يعمل Jev طبقة قرار للتحكم في الحاسوب ومساعدة الوكلاء على تنفيذ التعليمات بسرعة. ويمكنه أيضًا ضغط السياق عبر تحديد المعلومات المهمة وتقليص سياق يضم ملايين token بسرعة.

ينفذ مشروع jev-ultrafast المفتوح من Browser Use وكيل متصفح. ففي كل صفحة يقرأ العناصر القابلة للتفاعل ويحولها إلى قائمة مرقمة تشمل الأزرار وحقول الإدخال وأسماءها وقيمها الحالية.

يتلقى Jev هذه الحالة المنظمة وهدف المستخدم وسجل الإجراءات. وينشئ البرنامج الخيارات المتاحة ديناميكيًا من العناصر الموجودة فعليًا في الصفحة.

استخدام Jev طبقة لاتخاذ قرارات التشغيل السريع للحاسوب

في البحث عن رحلة، يمكن أن يكون الهدف: «اعثر على رحلة ذهاب فقط من زيورخ إلى لندن، وحدد التاريخ وعدد المسافرين والدرجة المطلوبة، ثم توقف عند ظهور نتائج مطابقة».

في كل جولة يطرح البرنامج عدة أسئلة معًا: هل ينقر أم يكتب أم يختار من قائمة أم ينتظر؟ وإذا نقر، فأي عنصر مرقم؟ وإذا كتب، ففي أي حقل؟ تتشارك الأسئلة حالة الصفحة نفسها، لكن لكل منها إجابة مستقلة.

بعد ذلك لا يستخدم البرنامج إلا الهدف المطابق للإجراء المختار. فإذا كان الإجراء نقرًا، يستخدم هدف النقر ويتجاهل بقية الإجابات مؤقتًا.

عندما يلزم إدخال اسم مدينة، يستدعي البرنامج نموذجًا صغيرًا لتوليد النص بصورة منفصلة كي ينتج القيمة وفق الهدف وحقل الإدخال الحالي. وبعد تنفيذ الإجراء يقرأ المتصفح حالة الصفحة الجديدة.

استخدام Jev لتقدير أهمية المعلومات وضغط السياق شبه فوريًا

قال مهندس البرمجيات في Vercel، Pranit Sharma، إن شركته كانت تستخدم ChatGPT Luna 5.6 من OpenAI لتشغيل مصنف يفحص سلامة الأوامر. وبعد استبدال Luna بـ Jev، أصبحت المعالجة أسرع من 5 إلى 18 مرة وتحسنت الدقة بوضوح.

اختبر Nikhil Mudholkar، المدير التقني في Bryo AI، Jev وGemini في تصنيف رسائل الأعمال. كان Gemini أدق قليلًا، لكنه كلف أكثر بما بين 10 و20 مرة.

يمكن بناء النظام نفسه بصورة مستقلة. نبدأ بجدول يحتوي كل صف فيه على عنوان الرسالة ونصها ووقت وصولها والسياق اللازم، ثم نقسم العمل إلى أسئلة واضحة.

في رسالة تقول «خُصم ثمن طلبي مرتين وأريد حل المشكلة اليوم»، يستطيع Choice تحديد ما إذا كانت تتجه إلى الدعم أو المبيعات أو الشراكات أو مسار آخر، ويحدد Noul ما إذا كان المرسل يطلب إجراءً بوضوح، ثم يضع Score الأولوية.

قال Armin Ronacher، المدير التقني في Earendil: «في النهاية ينقل هذا النهج جزءًا من مسؤولية التعامل مع الهلوسة إلى المستخدم. إذا كان الاحتمال 50% فقط فقد أتجاهله، أما إذا وصل إلى 95% فيمكنني استخدامه».

ويرى Ronacher أن توجيه النماذج تطبيق محتمل آخر. فتوقع حاجة المهمة إلى نموذج معين مفيد، لكن استخدام نموذج لغة كبير لهذا القرار مكلف. أما Jev فرخيص وسريع بما يكفي للتوجيه الفوري.

اختيار النموذج المناسب تلقائيًا وفق تعقيد المهمة

القرار الأكثر حكمة

جاء اسم Jev من الاقتصادي William Stanley Jevons في القرن التاسع عشر. تقول مفارقة Jevons إن انخفاض تكلفة سلعة يؤدي إلى زيادة استخدامها. وبالمثل، يفترض أن يؤدي انخفاض تكلفة الذكاء إلى توسيع استخدامه.

عندما تصبح الاستدعاءات أرخص، تُستخدم في مواضع لم تكن تستحق التكلفة سابقًا. يتصور Almeida مستقبلًا لا تهيمن عليه بضعة تطبيقات ضخمة، بل تعمل فيه قرارات ذكية صغيرة في كل مكان، «أشبه بالإنترنت المبكر من التطبيقات الكبيرة التي يحاول الناس بناءها اليوم».

لم تكشف TypeSafe البنية الدقيقة لـ Jev. ويشيع الاعتقاد بأنه عُدّل انطلاقًا من نموذج لغة كبير مفتوح المصدر.

تسمي الشركة هذه الفئة System One Models، نسبة إلى مفهوم التفكير الحدسي لدى Daniel Kahneman. ويؤكد الاسم الحكم الحدسي بدل سلاسل الاستدلال، مع ضبط النموذج لمهام محددة.

تنصح TypeSafe بتقسيم القرار المعقد إلى أسئلة واضحة ثم جمع الإجابات عبر الشيفرة، بدل مطالبة نموذج واحد بتنفيذ كل شيء دفعة واحدة.

قال Almeida إن توقعه المبكر بأنه سيعمل على البيانات الاصطناعية ربما كان أحكم قرار في حياته، أحكم من إدراج شركة في البورصة وحتى من الاعتماد على تغذية راجعة بشرية حقيقية.

TypeSafe هي الشركة الوحيدة التي تتبع هذا المسار حاليًا، لكن Ronacher يتوقع ظهور منافسين مع إثبات قيمته العملية. وتعتزم الشركة أيضًا طرح نماذج أخرى لسيناريوهات مختلفة.

وعندما سُئل Almeida عما إذا كانت الشركة مختبرًا متقدمًا، قال: «المنتج الرئيسي لتلك المختبرات هو الخوف أو الضجيج. آمل أن يكون منتجنا الرئيسي هو الذكاء. لسنا مختبرًا مهووسًا بصناعة ثروة لا نهائية أو سرديات دينية أو إله داخل مركز بيانات».

تجاوز الطلب التوقعات بعد إطلاق Jev وتوقفت API عن الاستجابة لفترة قصيرة. استخدمه شخص لتصفية موجز متخصص عبر قراءة منشورات الأيام الثلاثة السابقة وطرح ثمانية أسئلة. استغرق التشغيل نحو ثانيتين وكلف 0.007 دولار، وأزال المحتوى المضلل والإعلانات المخفية.

وربط فريق آخر Jev بسير عمل كامل لتحليل التسويق، فمسح مكتبة إعلانات Meta وقارن أعمار صيغ الإعلانات وقيّم تنافسية النصوص الإبداعية قبل التصوير. أصبحت القرارات التي كانت يدوية أسرع 30 مرة وانخفضت التكلفة إلى أقل من 3 دولارات.

قال الذكاء الاصطناعي أقل بكثير، لكن البرمجيات أنجزت أكثر.

نحن نوظف شركاء جددًا

📮 بريد إرسال السيرة الذاتية hr@webcal.ai

✉️ عنوان الرسالة «الاسم + المسمى الوظيفي» (يرجى إرفاق المشاريع أو نماذج الأعمال أو الروابط ذات الصلة مع السيرة الذاتية.)