فهرست مطالب
تایپسیف ایآی با معرفی Jev، مدل جدیدی برای تصمیمگیری سریع و ساختاریافته در نرمافزارها، میخواهد جایگزینی سریعتر و کمهزینهتر برای مدلهای زبانی در وظایفی مانند دستهبندی، مسیریابی و پردازش داده ارائه دهد.
بهگزارش سرویس هوش مصنوعی تکناک، تایپسیف ایآی پس از دو سال فعالیت در سکوت، با معرفی Jev، نخستین مدل «سیستم وان» خود، وارد مرحله دسترسی زودهنگام شده است. برنامهنویسان اکنون بهتدریج از فهرست انتظار خارج میشوند تا بتوانند این مدل را آزمایش کنند. تایپسیف Jev را یک لایه تصمیمگیری سریع برای نرمافزار میداند که بهجای تولید متن آزاد، خروجیهای از پیش تعریفشده و دارای نوع مشخص تولید میکند؛ خروجیهایی که برنامهها میتوانند آنها را دریافت و پردازش کنند.
بیشتر بخوانید: شرکت OpenAI مواردی از رفتارهای «نگرانکننده» هوش مصنوعی منتشر کرد
Jev چیست؟
Jev دادههای بدون ساختار، از جمله متن و وضعیت ساختاریافته برنامه، را دریافت و در نهایت تصمیمهای احتمالی را همراه با امتیاز اطمینان ارائه میکند. توسعهدهندگان پیش از اجرای مدل، گزینههای قابل انتخاب و قالب خروجی را تعیین میکنند. Jev برخلاف مدلهای زبانی متداول که توکنها را بهصورت متوالی تولید میکنند، تصمیمها را به شکل موازی ارزیابی میکند. تایپسیف میگوید تطبیق خروجی با ساختار تعیینشده تضمین شده و خطاهای نوع از نظر ریاضی غیرممکن هستند. البته ادعای این شرکت مبنی بر اینکه Jev «توهم» نمیزند، به فضای خروجی محدود و کنترلشده مدل مربوط میشود و نباید آن را به معنای صحت تمام تصمیمهای واقعی مدل تلقی کرد.
هزینه استفاده و عملکرد
تایپسیف هزینه استفاده از Jev را ۰٫۰۴۲ دلار به ازای هر یک میلیون توکن ورودی تعیین کرده است؛ یعنی هر یک میلیارد توکن ورودی ۴۲ دلار هزینه خواهد داشت. توکنهای خروجی نیز هزینهای ندارند. این شرکت زمان پاسخگویی سرتاسری Jev را بین ۷۰ تا ۵۰۰ میلیثانیه اعلام کرده و مدعی است این مدل در پرسشهایی با سطح هوشمندی مشابه و ساختار «سیستم وان» میتواند ۴۰ تا ۲۰۰ برابر سریعتر عمل کند. نمونههای ارائهشده در صفحه اصلی تایپسیف نیز از افزایش ۱۹۳٫۶ برابری سرعت و کاهش ۴۴۴٫۶ برابری هزینه حکایت دارند. بااینحال، خود شرکت اذعان میکند که این ارقام احتمالا به سقف نتایج قابل دستیابی در کاربردهای واقعی نزدیک هستند و پایداری اقتصادی این مدل قیمتگذاری در بلندمدت هنوز مشخص نیست.

حتما بخوانید: دستیار هوش مصنوعی جدید اسنپ عرضه شد
البته مقایسههای تایپسیف باید با احتیاط تفسیر شوند. ارزیابیهای گردشکار این شرکت با استفاده از نمودارهای محاسباتی یکسان انجام شده و خروجی Jev با میانگین احتمالات تولیدشده توسط ChatGPT 6 و Fable 5.1 مقایسه شده است. تایپسیف چهار گردشکار را برای این ارزیابی منتشر کرده، اما طراحی آنها بر عهده تیم داخلی قابلیتهای مدل این شرکت بوده است؛ موضوعی که میتواند احتمال سوگیری در انتخاب نمونهها را افزایش دهد. از سوی دیگر، مدل پایه LLM در این آزمایشها از رابط «سیستم وان» تایپسیف استفاده میکند؛ رابطی که مدلهای زبانی متعارف را به تولید تصمیمهای ساختاریافته سازگار محدود میکند و در نتیجه میتواند بر نتایج مربوط به سرعت و هزینه اثر بگذارد. بیشتر آزمایشها نیز با استفاده از لپتاپهایی در سواحل غربی آمریکا انجام شدهاند؛ جایی که زیرساخت سرویس تایپسیف قرار دارد.
کاربردها
تایپسیف کاربردهای مختلفی برای Jev در نظر گرفته است؛ از دستهبندی و مسیریابی گرفته تا امتیازدهی، استخراج اطلاعات، تصمیمگیری شاخهای، پردازش مجموعهدادههای بزرگ، اپلیکیشنهای بلادرنگ و ایجاد محدودیت و کنترل برای خروجی مدلهای زبانی بزرگ. نمونههای نمایشی این مدل شامل دوم است که در آن Jev بهجای تصاویر، وضعیت ساختاریافته بازی را در کنار متن دریافت میکند، و همچنین ویکیریسینگ میشود.
Jev میتواند حداکثر ۲۵۵ گزینه را مدیریت کند. برای مجموعههای بزرگتر، تایپسیف از یک فرایند دومرحلهای استفاده میکند که در مرحله نخست گزینهها بهصورت مستقل امتیازدهی میشوند و در مرحله دوم، مدل از میان گزینههای ارزیابیشده انتخاب میکند. این شرکت همچنین هشدار میدهد که مقایسههای انجامشده در ویکیریسینگ بر پایه حالتهای بدون استدلال مدلهای زبانی بزرگ هستند؛ بنابراین فعال شدن قابلیت استدلال در مدلهای رقیب میتواند نتایج متفاوتی ایجاد کند.
برای مطالعه بیشتر: چرا دیگر نمیتوان به سادگی سرعت توسعه هوش مصنوعی را کاهش داد؟
Jev حاصل ترکیب معماری جدید مدل، یک نمونهبردار موازی و روش «یادگیری تقویتی برای تصمیمهای کالیبرهشده» است. دیوگو آلمیدا، بنیانگذار تایپسیف، میگوید فعالیت پیشین او در اوپنایآی بر دنبالکردن دستورها و روشهای مدلهای مکالمهای متمرکز بوده؛ حوزههایی که در نهایت به توسعه چتجیپیتی کمک کردند. اکنون که دسترسی زودهنگام به Jev آغاز شده، تایپسیف روی این ایده تمرکز کرده است که بسیاری از وظایف نرمافزاری الزاماً به یک سیستم دیگر برای تولید متن نیاز ندارند و در عوض میتوانند از یک موتور تصمیمگیری سریع، محدود و ساختاریافته بهره ببرند.

















