TypeSafe AI-მა System One მოდელები და Jev წარადგინა

სტარტაპმა TypeSafe AI-მ, რომელმაც ორი წელი ფარულ რეჟიმში იმუშავა, თავისი პირველი System One მოდელი წარადგინა — ფრონტირული მოდელების ახალი კლასი, რომლებიც სწრაფ, სტრუქტურირებულ გადაწყვეტილებებს იღებენ და პროგრამულ უზრუნველყოფას პირდაპირ გამოსაყენებლად აძლევენ. პირველი საჯარო მოდელი Jev ადრეული წვდომის რეჟიმშია ხელმისაწვდომი. განცხადება კომპანიის დამფუძნებელმა დიოგუ ალმეიდამ დაწერა, რომელიც ადრე OpenAI-ში მუშაობდა იმ მეთოდებზე, რომლებმაც ენობრივი მოდელები ინსტრუქციების შესრულებაში გამოსადეგი გახადა.

სტრიქონებიდან ტიპიზებულ გადაწყვეტილებებამდე

Jev ტექსტს არ აგენერირებს. მისი გამოსავალი ტიპებით დაცული სტრუქტურირებული მნიშვნელობებია, რომელთა ფორმა და შესაძლო პასუხები წინასწარ არის განსაზღვრული, ამიტომ მოდელი ტიპობრივ შეცდომას ვერ დაუშვებს — კომპანიის თქმით, ეს გარანტია მათემატიკურია და არა ემპირიული. ყოველ პასუხს კალიბრირებული ალბათობა და სანდოობის ქულა ახლავს. ალმეიდა მოდელს ფრონტირული ინტელექტის ფუნქციის გამოძახებას უწოდებს: არასტრუქტურირებული მდგომარეობა შიგნით, ტიპიზებული ალბათური გადაწყვეტილებები გარეთ.

TypeSafe-ის არგუმენტია, რომ ავტომატიზაციის ბარიერი ინტელექტი კი არა, ინტერფეისია. სტრიქონი შეიძლება იყოს საუბრის პასუხი, კოდი, უარი ან ჰალუცინაცია, და ნებისმიერ პროგრამას, რომელიც მათ იყენებს, შედეგის გარჩევა და ვალიდაცია უწევს. ვინაიდან გამოსავალი შეზღუდულია, Jev ჩვეულებრივ კოდში უნდა ჩაჯდეს როგორც გაურკვეველი გადაწყვეტის წესი — კლასიფიკაცია, მარშრუტირება, შეფასება, ამოღება ან განშტოება იქ, სადაც ხელით დაწერილი ლოგიკა მეტისმეტად მყიფეა.

RLCD, პარალელური სემპლერი და გამოქვეყნებული ციფრები

საფუძველში ახალი არქიტექტურა, პარალელური სემპლერი და სწავლების მეთოდია, რომელსაც კომპანია Reinforcement Learning for Calibrated Decisions-ს უწოდებს — ადამიანურ გამოხმაურებასა და შემოწმებად ჯილდოებზე დაფუძნებული სწავლების ნაცვლად. განსხვავება მასშტაბშია: Jev ყველა გამოსავალს ერთი მოთხოვნით აბრუნებს და არა ტოკენ-ტოკენ. TypeSafe აქვეყნებს 0,042 დოლარს მილიონ შემავალ ტოკენზე, უფასო გამომავალ ტოკენებს და 70-500 მილიწამიან პასუხის დროს წინააღმდეგ ფრონტირული მოდელების 3-329 წამისა, რაც 40-დან 200-მდე გზის დაჩქარებაა.

მთავარ გვერდზე კომპანია 193,6-გზის სიჩქარესა და 444,6-გზის სიიაფეს ასახელებს; ეს ციფრები სამუშაო ნაკადების შეფასებიდან მოდის, სადაც ყველა მოდელი ერთსა და იმავე გამოთვლით გრაფს იღებს, პროგნოზები კი ორი საცნობარო მოდელის საშუალოს ედარება. TypeSafe აღნიშნავს, რომ ნაკადები მისმა გუნდმა შექმნა, საცნობარო პასუხები OpenAI-ისა და Anthropic-ის მოდელებისკენ იხრება და ამიტომ საკუთარ შედეგებს სიფრთხილით უნდა მოეკიდოს.

დემოები და სახელი

გუნდმა Jev აჩვენა Doom-ის თამაშისას სტრუქტურირებული მდგომარეობიდან, წამში დაახლოებით ათი მოთხოვნით და საათში დაახლოებით 7 დოლარის ღირებულებით, ასევე Wikiracing-ის თამაშში, სადაც ყოველი ნაბიჯი ასობით ან ათასობით ბმულს შორის არჩევანია; 255-ზე მეტი ვარიანტისას მოდელი ორსაფეხურ სქემას იყენებს — ჯერ აფასებს, შემდეგ აკეთებს აშკარა არჩევანს. სახელები მოდის დანიელ კანემანის წიგნიდან სწრაფი და ნელი აზროვნება — მოდელების კლასისთვის, და უილიამ სტენლი ჯევონსისგან — Jev-ისთვის; ამ ეკონომისტის პარადოქსი ამტკიცებდა, რომ იაფმა ნახშირმა ნახშირის მოხმარება არ შეამცირა. TypeSafe იგივე ფსონს დებს ინტელექტზე: ხარჯის ყოველი რიგის შემცირება ახალ გამოყენებებს ხსნის.