ورود اوپنای‌آی به بازار هوش مصنوعی فوق‌سریع و ارزان؛ رقابت داغ Decisions API با مدل Jev

اوپنای‌آی (OpenAI) مدل اختصاصی خود به نام Decisions API را برای نخستین بار به‌صورت عمومی در دسترس تمام کاربران قرار داد؛ اقدامی که ورود این غول هوش مصنوعی به بازار سیستم‌های تصمیم‌گیری فوق‌سریع و ارزان‌قیمت را رقم می‌زند؛ بازاری نوظهور که اخیراً ارزش استارتاپ TypeSafe (تأسیس‌شده توسط یکی از پژوهشگران سابق همین آزمایشگاه پیشرو) را به ۷٫۶ میلیارد دلار رسانده است.

مدل Jev متعلق به استارتاپ TypeSafe دسته‌بندی نوینی را برای مدل‌های یادگیری عمیق خلق کرد که مانند «ابرطبقه‌بندی‌کننده‌ها» عمل می‌کنند: این مدل‌ها با دریافت مجموعه‌ای از گزینه‌ها، می‌توانند در کسری از ثانیه بهترین گزینه را انتخاب کنند و میزان اطمینان خود از تصمیم را نیز نشان دهند. توسعه‌دهندگان نرم‌افزار خیلی زود متوجه شدند که این مدل‌های تصمیم‌گیری یا سیستم یک (System One) می‌توانند در فرآیندهای کاری مختلف جایگزین مدل‌های زبانی بزرگ (LLM) شوند و علاوه بر عملکرد بسیار سریع‌تر، هزینه‌ها را به‌شکل چشمگیری کاهش دهند.

نیکونج هاندا (Nikunj Handa)، مدیر محصول APIهای اوپنای‌آی، در گفت‌وگویی اشاره کرد که همکارانش پس از مشاهده عملکرد Jev گفتند: «ما بی‌نهایت کاربرد فوق‌العاده برای چنین ابزاری داریم.» از همین رو، تیم هاندا به‌سرعت دست‌به‌کار شد تا نسخه اختصاصی خود را بسازد: آنها به‌جای ساخت یک مدل تصمیم‌گیری کاملاً جدید و کالیبره‌شده از پایه، مدل ChatGPT Luna را انتخاب و ساختار آن را طوری بازتنظیم کردند که سرعت پاسخ‌دهی (استنتاج) افزایش و هزینه‌ها کاهش یابد.

هاندا در این باره می‌گوید: «دستاورد و گره‌گشایی بزرگ Decisions API در سرعت آن نهفته است؛ به‌طوری‌که زمان پاسخ‌دهی از یک تا سه ثانیه به ۱۰۰، ۱۲۰ و نهایتاً ۱۸۰ میلی‌ثانیه کاهش یافته است. شاید در آینده آموزش‌های اختصاصی بیشتری برای ارتقای هرچه بهتر این توانمندی‌ها در مدل‌هایمان اعمال کنیم، اما در حال حاضر، همان مدل آشنای Luna به‌خوبی از عهده این کار برمی‌آید.»

این محصول که در جریان رویداد روز توسعه‌دهندگان این شرکت در ۲۹ سپتامبر معرفی شده بود، روز پنج‌شنبه در اختیار تمام مشتریان قرار گرفت. اوپنای‌آی قابلیت‌های چندوجهی صوتی و تصویری جدیدی را نیز به نسخه عمومی اضافه کرده و با توزیع جغرافیایی منابع پردازشی استنتاج خود، تلاش کرده است تأخیر ارتباطی را برای کاربران در نقاط مختلف جهان به حداقل برساند.

در آزمایش‌های اولیه با مشتریانی نظیر Box، Datadog، Ramp و Speak، مهندسان با استفاده از این API مدل‌های زبانی سنگین اوپنای‌آی را کنار گذاشتند و به پهنای باند و نرخ پردازش بالاتری دست یافتند. اندرو هسو (Andrew Hsu)، مدیر ارشد فناوری استارتاپ Speak (سازنده دستیارهای هوش مصنوعی آموزش زبان)، اعلام کرد که استفاده از Decisions API به آنها اجازه داد زمان میان اقدامات کاربر را از ۱٫۴ ثانیه به ۰٫۱۳ ثانیه برسانند. اوپنای‌آی همچنین از این محصول برای افزایش سرعت و بهبود پاسخ‌گویی دستیار صوتی Dots خود بهره گرفته است.

با این حال، هنوز به‌درستی مشخص نیست که چه معیاری دقیقاً یک مدل تصمیم‌گیری را «عالی» جلوه می‌دهد؛ جز اینکه بگوییم «مدلی خوب است که کار شما را راه بیندازد». ایجاد تعادل میان هوشمندی، هزینه، کالیبراسیون و سرعت بسته به نوع پروژه و حجم کاری تفاوت دارد. دیوگو آلمیدا (Diogo Almeida)، مدیرعامل استارتاپ TypeSafe، چندان به بنچمارک‌ها اعتماد ندارد و از متخصصان می‌خواهد مدل‌ها را مستقیماً در پروژه‌های عملی خود بیازمایند؛ هرچند خود TypeSafe نیز هفته گذشته همراه با معرفی جدیدترین نسخه Jev، رتبه‌بندی اختصاصی خود را منتشر کرد؛ مدلی که از قابلیت‌های تازه‌ای نظیر پشتیبانی از پردازش تصویر و دستورهای شرطی هوشمند (smart-if) بهره می‌برد.

بنچمارک‌های عمومی مانند شاخص AIM System One و شاخص تصمیم‌گیری Artificial Analysis بیشتر مدل D1 Ultra (مدل تصمیم‌گیری جدیدی که Liquid هفته پیش عرضه کرد) و مدل Elephant-1 متعلق به Base Lab را در صدر رتبه‌بندی قرار می‌دهند. جدیدترین نسخه مدل Jev همچنان با کسب رتبه‌های هفتم و سوم جایگاه رقابتی خود را در هر دو شاخص حفظ کرده است، در حالی که مدل تصمیم‌گیری اوپنای‌آی به ترتیب در رده‌های هشتم و چهاردهم جای گرفته است. با وجود این، مدل‌های پیشنهادی TypeSafe در حال حاضر بیشترین حجم درخواست‌ها را در پلتفرم OpenRouter به خود اختصاص داده‌اند.

البته جذاب‌ترین و سرگرم‌کننده‌ترین معیار سنجش، بنچمارک JevMan است؛ آزمونی که در آن مدل‌های تصمیم‌گیری بازی مشهور پک‌من (PacMan) را اجرا می‌کنند و آخرین نسخه Jev در صدر جدول آن تکیه زده است. فلیکس وندرلیش (Felix Wunderlich)، مدیر ارشد رشد در Opper AI (توسعه‌دهنده این بنچمارک)، می‌گوید این بازی کلاسیک «آزمونی بسیار جذاب است؛ چراکه جریانی بی‌پایان از تصمیم‌های سریع و فوق‌العاده حساس را می‌طلبد و در هر تقاطع، مدل باید ظرف چند صد میلی‌ثانیه مسیر حرکت بعدی را مشخص کند.»

نقطه‌ای که مدل توانمندتر اوپنای‌آی در آن می‌تواند دست بالاتر را داشته باشد، قابلیت چندوجهی بودن آن است. هاندا در این خصوص تأکید کرد که در زمینه دسته‌بندی تصاویر، «مدل Luna بسیار قدرتمند است و کالیبراسیون و دقت به‌مراتب بهتری از خود نشان می‌دهد.» او همچنین اضافه کرد که مشتریان اوپنای‌آی انتظار دارند Decisions API در استفاده از تصاویر به‌عنوان خروجی نیز انعطاف‌پذیری بیشتری از خود نشان دهد.

هاندا همچنین معتقد است که افزایش بیشتر سرعت می‌تواند کاربردهای شگفت‌انگیز جدیدی ایجاد کند: «اگر بتوانیم این زمان را به رقمی در حدود ۶۰ میلی‌ثانیه برسانیم، آن‌وقت می‌توانید تصور کنید که برای تک‌تک فریم‌های یک ویدیو، یک فراخوانی اختصاصی به API ارسال شود.»

با سریع‌تر و ارزان‌تر شدن این فناوری‌ها، می‌توان انتظار داشت که آنها یاد و خاطره اقتصاددانی را که نام Jev از او الهام گرفته شده زنده کنند؛ همان اقتصاددانی که نشان داد استفاده کارآمدتر از یک منبع، دسترسی به آن را همه‌گیرتر می‌کند. یا همان‌طور که هاندا تعبیر می‌کند، شاهد انفجار «مجموعه‌ای باورنکردنی از کاربردهای جدید» خواهیم بود؛ فرصت‌هایی که درست پیش چشم ما پنهان شده بودند تا سرانجام مدل‌های تصمیم‌گیری آنها را آشکار سازند.