معرفی مدل Jev توسط Typesafe؛ هوش مصنوعی کم‌حرف اما کارآمد برای جریان‌های کاری

محصول مبتنی بر شبکه عصبی جدیدی به نام Jev این روزها در رسانه‌های فناوری سروصدای زیادی به پا کرده است. این مدل که توسط شرکتی به نام Typesafe توسعه یافته است، در پاسخ به پرسش‌های کاربران انسانی، صفحات طولانی متن تولید نمی‌کند؛ بلکه تنها مجموعه‌ای از احتمالات را ارائه می‌دهد.

در واقع، Jev به عنوان یک ابزار «ارتباط ایجنت با ایجنت» (A2A) شناخته می‌شود و برای استفاده مستقیم کاربران طراحی نشده است. این موضوع در دنیایی که ما ذاتاً انتظار داریم هوش مصنوعی زبانی باشد و مانند یک چت‌بات به ما خدمت کند، بسیار جالب توجه است.

تا به امروز، بیشتر مدل‌ها دارای چنین رابط کلامی بوده‌اند. این امر منجر به بحث‌های طولانی و داغی در مورد «آگاهی» هوش مصنوعی شده است؛ زیرا این سیستم‌ها با تقلید از شناخت انسانی، فعالیت‌های انسانی را نیز از طریق زبان شبیه‌سازی می‌کنند.

محصولی مانند Jev، از برخی جهات، بازگشتی به برنامه‌نویسی قطعی گذشته به نظر می‌رسد. البته این مدل به معنای سنتی کلمه قطعی نیست، اما شاید محدودتر و مشخص‌تر باشد: اگر به سیستمی مانند Jev پرامپت بدهید، انتظار می‌رود پاسخ آن محدودتر و کمتر غیرقابل پیش‌بینی یا پراکنده باشد.

این موضوع ما را به مسئله مهم دیگری سوق می‌دهد: هزینه.

بهره‌وری در پردازش توکن‌ها

مدل Jev در مقایسه با مدل‌های پرحرف‌تر، توکن‌های بسیار کمتری برای یک پرامپت مشخص تولید می‌کند. به هر حال، تولید تمام آن متون نیازمند پردازش توکن و تبدیل ایده‌ها به کلمات است.

دیوید لینتیکوم، مشاور مستقل فناوری، همان‌طور که در گزارش‌های InfoWorld نقل شده است، در این باره می‌گوید: «اکثر سازمان‌ها از مدل‌های زبانی بزرگ (LLM) همه‌منظوره به عنوان یک لایه هوش همگانی استفاده می‌کنند، حتی زمانی که برنامه تنها به یک تصمیم‌گیری سریع و محدود نیاز دارد. این کار مانند استفاده از یک سیستم اتوبوس سرویس سازمانی کامل برای پاسخ به یک سوال مسیریابی ساده بله یا خیر است.» وی می‌افزاید: «اگر این موضوع را با پویایی یک جریان کاری مبتنی بر ایجنت‌ها ترکیب کنید، جایی که یک وظیفه واحد می‌تواند چندین فراخوانی مدل را راه‌اندازی کند، هزینه و تأخیر استفاده از یک LLM همه‌منظوره برای هر تصمیم‌گیری به سرعت افزایش می‌یابد. مدلی شبیه به Jev که می‌تواند برخی از تصمیمات محدود جریان کاری را از طریق فراخوانی‌های تابع احتمالی مدیریت کند، به سازمان‌ها راهی می‌دهد تا LLMهای همه‌منظوره را برای بخش‌هایی که واقعاً به آن‌ها نیاز دارند، ذخیره کنند.»

از یک منظر، تولید متن‌های طولانی تنها هدر دادن توان محاسباتی است؛ بنابراین تغییر فرمت یک مدل به این شکل برای ارائه یک جایگزین منطقی به نظر می‌رسد. ماروین مینسکی، چهره برجسته دانشگاه MIT، معتقد بود که مغز مجموعه‌ای از رایانه‌های کوچک متعدد است. در این صورت، Jev می‌تواند نمایانگر آنالوگ دیجیتالی از بخشی از مغز باشد که متمایز از مراکز زبانی است و اساساً کار متفاوتی انجام می‌دهد.

نگاهی به معماری و عملکرد داخلی

یک کاربر Github به نام Vinnylarouge معماری Jev را اینگونه توصیف می‌کند:

این برنامه‌نویس می‌نویسد: «هر گزینه به یک بردار پرس‌وجو تبدیل می‌شود که فهرست کوتاهی از اعداد نمایانگر متن آن است. این پرس‌وجو وزن‌های توجه را به توکن‌های زمینه اختصاص می‌دهد. این وزن‌ها یک بردار زمینه برای آن گزینه ایجاد می‌کنند. یک ضرب نقطه‌ای مشترک، هر جفت گزینه و زمینه را به یک امتیاز تبدیل می‌کند. در نهایت، تابع Softmax این امتیازات را به احتمالاتی تبدیل می‌کند که مجموع آن‌ها یک می‌شود و در بین گزینه‌ها توزیع می‌گردد.»

بسیار خب.

بله، Jev کاملاً متفاوت است. در راهنمای این نوع مدل، NNNN استفاده از ارزیابی وضعیت مرورگر از طریق شناسایی عناصر، پیش‌بینی کلیک، انشعاب پویای جریان و هماهنگ‌سازی چند تب را نشان می‌دهد و خاطرنشان می‌کند که Jev با استفاده از «یادگیری تقویتی از تصمیمات کالیبره‌شده» (RLCD) آموزش دیده است.

قدرتمند اما کم‌حرف

منطق پشت این قضیه آن است که یک مدل غیرمکالمه‌ای مانند Jev می‌تواند در جریان‌های کاری تجاری به روش‌های جدیدی به کار گرفته شود. پرس‌وجوهای تجاری به ندرت به توضیحات طولانی نیاز دارند؛ آن‌ها اغلب تنها به اعداد بازگشتی احتیاج دارند و Jev در انجام این کار بدون حاشیه‌پردازی مهارت دارد.

در مورد نام این مدل، توماس کلابورن در نشریه The Register می‌نویسد:

کلابورن می‌نویسد: «نام Jev به ویلیام استنلی جونز، اقتصاددان انگلیسی قرن نوزدهم اشاره دارد که به خاطر «پارادوکس جونز» شناخته می‌شود؛ وی استدلال می‌کرد که بهره‌وری فناوری مرتبط با استفاده از زغال‌سنگ، به جای کاهش، باعث افزایش مصرف آن می‌شود. این نام همچنین منعکس‌کننده پیش‌بینی صنعت هوش مصنوعی است که بهره‌وری بیشتر توکن‌ها، با وجود کاهش قیمت توکن، مصرف آن را افزایش خواهد داد. این شرط‌بندی فرض می‌کند که بازار توکن‌ها به گستردگی بازار انرژی خواهد بود - فرضی که هنوز قطعی نیست، زیرا بسیاری از افرادی که به ابزارهای هوش مصنوعی دسترسی دارند، کاربردی برای آن‌ها ندارند یا به دلایل اخلاقی از آن‌ها اجتناب می‌کنند.»

این موضوع منطقی است، زیرا پارادوکس جونز اساساً تقاضا یا اشتهای قوی برای هر چیزی که در حال تکثیر است را فرض می‌کند. باید منتظر ماند و دید.

بنابراین، این مدل Jev نام دارد و باید منتظر حضور پررنگ آن در جریان‌های کاری تجاری باشیم.