احمدرضا صمدی / صفحه اصلی

تحلیل · مدل‌های تصمیم‌گیر هوش مصنوعی

Jev: مدل تصمیم‌گیر هوش مصنوعی، نه یک چت‌بات دیگر

بیشتر مردم هوش مصنوعی را سیستمی می‌شناسند که می‌نویسد. Jev از این جهت جالب است که برای انتخاب کردن ساخته شده: گرفتن تصمیمی محدود که نرم‌افزار بتواند بر اساس آن عمل کند.

نوشته · · نسخه انگلیسی مقاله · به‌روزرسانی

در یک نگاه

به گفتهٔ TypeSafe، Jev در چارچوب گزینه‌هایی که نرم‌افزار تعریف می‌کند پاسخ می‌دهد. پاسخ ساختاریافته همچنان می‌تواند تصمیمی اشتباه باشد و آزمون نقل‌شده رتبه‌بندی کلی مدل‌ها نیست. در آزمایش پیشنهادی من، آستانه‌های اطمینان را روی داده‌های کنارگذاشته از فرایند واقعی بررسی می‌کردم، موارد نامطمئن را به بازبینی می‌سپردم و مجوزها و اقدام‌های نهایی را در کد نرم‌افزار نگه می‌داشتم.

در ۱۵ سپتامبر ۲۰۲۶، TypeSafe AI مدل Jev را معرفی کرد و آن را در دسته‌ای به نام System One قرار داد. هدف، ساختن هم‌صحبتی بهتر نیست؛ مدلی است که درون یک نرم‌افزار و درست در لحظه‌ای که نرم‌افزار به قضاوت نیاز دارد قرار می‌گیرد، مثلاً برای تعیین اینکه یک پیام ورودی باید به کجا برود.

Jev چیست؟

طبق مستندات TypeSafe، Jev وضعیت نرم‌افزار و پرسش‌های ساختاریافته را دریافت می‌کند و گزینه‌ها، امتیازها یا مقادیری شبیه احتمال برمی‌گرداند که کد می‌تواند مستقیماً از آن‌ها استفاده کند. به‌جای نوشتن یک پاراگراف آزاد، در چارچوب گزینه‌هایی که شما تعریف کرده‌اید پاسخ می‌دهد.

TypeSafe نمونه‌برداری Jev را موازی توصیف می‌کند، نه خودبازگشتی؛ یعنی پاسخ را مانند یک چت‌بات توکن به توکن تولید نمی‌کند. این توصیف خود شرکت از معماری‌اش است و تا زمانی که بررسی مستقلی انجام نشده، آن را ادعای سازنده می‌دانم.

مدل تصمیم‌گیر و مدل مولد چگونه می‌توانند با هم کار کنند؟

پیامی را تصور کنید که به یک کسب‌وکار می‌رسد: «برای حسابم کمک لازم دارم.» این پیام باید به فروش برود، به پشتیبانی یا به یک نفر برای بازبینی؟ یک مدل تصمیم‌گیر می‌تواند پیام را بررسی کند و از میان گزینه‌های مجاز «پشتیبانی» را انتخاب کند. سپس یک مدل مولد مانند GPT یا Claude می‌تواند پاسخی مفید بنویسد.

یک مدل کمک می‌کند تصمیم بگیریم قدم بعدی چیست؛ مدل دیگر کمک می‌کند توضیح دهیم یا چیزی بسازیم. این دو می‌توانند با هم کار کنند. GPT و Claude هم می‌توانند خروجی ساختاریافته بدهند؛ بنابراین تفاوت در تخصص و طراحی فرایند است، نه در این ادعا که فقط Jev می‌تواند پاسخ ساختاریافته برگرداند.

شواهد اولیه چه می‌گویند؟

در ۲۲ سپتامبر ۲۰۲۶، OpenRouter مدل Jev 1.13 را با Claude Opus 5 روی بخش آزمون مجموعه‌داده دسته‌بندی قصد Banking77 مقایسه کرد:

این یک بده‌بستان معنادار است: اختلاف اندکی در دقت در ازای تأخیر و هزینه بسیار کمتر. اما دامنه آزمون محدود است: یک حوزه، یک طراحی پرامپت، و قابلیت استدلال Opus غیرفعال بوده است. این آزمون رتبه‌بندی کلی مدل‌ها نیست.

OpenRouter همچنین دریافت که امتیاز اطمینان Jev در این مجموعه‌داده به‌عنوان احتمال تنظیم نشده است. تا وقتی آن را با داده‌های خودتان نسنجیده‌اید، امتیاز بالا را به معنای احتمال برابرِ درست بودن نخوانید.

در یک آزمایش پیشنهادی، Jev را چگونه می‌آزمودم؟

در یک آزمایش پیشنهادی، Jev را به‌عنوان یک لایه مسیریابی می‌آزمودم، نه جایگزین کل فرایند:

  1. هر مورد را در مجموعه‌ای از گزینه‌های تعریف‌شده دسته‌بندی کن.
  2. آستانه اطمینانی را به کار ببر که روی داده‌های کنارگذاشته از فرایند واقعی اعتبارسنجی شده است.
  3. موارد نامطمئن را به مدلی بزرگ‌تر یا بازبین انسانی بسپار.
  4. قواعد دقیق، مجوزها و اقدام‌های نهایی را در کد نرم‌افزار نگه دار.

سپس آنچه در کل فرایند اهمیت دارد را بسنج: دقت، نرخ بازبینی، تأخیر و هزینه هر تصمیم پذیرفته‌شده. این معیار آخر همان چارچوبی است که برای هر فرایند هوش مصنوعی به کار می‌برم و در مقاله هزینه هوش مصنوعی به‌ازای هر نتیجه تأییدشده توضیح داده‌ام.

آیا پاسخ ساختاریافته هنوز می‌تواند تصمیم اشتباهی باشد؟

پاسخ ساختاریافته نمی‌تواند از قالب مجازش بیرون برود، اما همچنان می‌تواند تصمیم اشتباهی باشد. ساختار، استفاده از خروجی را آسان‌تر می‌کند؛ آن را درست نمی‌کند. با نمونه‌های واقعی آزمایش کنید و موارد نامطمئن را برای بازبینی باز نگه دارید.

ادامه بحث

درباره Jev یک سند فنی هشت‌صفحه‌ای در LinkedIn برای خوانندگان مهندسی و یک توضیح ساده در Instagram برای مخاطب عمومی منتشر کرده‌ام. مطالب مرتبط: اتصال اپ‌ها به هوش مصنوعی و از تصمیم شروع کنید، سپس هوش مصنوعی را بسازید.

منابع