Jev

Jev – model sztucznej inteligencji stworzony przez TypeSafe AI, firmę z San Francisco założoną w 2024. Model udostępniono 15 września 2026 we wczesnym, ograniczonym dostępie, równolegle z ogłoszeniem finansowania kapitału zalążkowego w wysokości 40 mln dolarów amerykańskich, prowadzonej przez firmę venture capital DCVC.

Jev jest modelem dyskryminacyjnym(inne języki), czyli służy do klasyfikacji lub regresji, a nie do generowania treści. Nie generuje tekstu w języku naturalnym. Zwraca wartości określonych typów wraz z estymatami prawdopodobieństwa i wskaźnikami pewności. Jego wynik jest przeznaczony do bezpośredniego przetwarzania przez oprogramowanie, a nie do czytania przez człowieka. W przeciwieństwie do klasycznych modeli dyskryminacyjnych Jev nie wymaga trenowania pod konkretne dane. Podobnie jak wstępnie przeszkolone modele transformatorowe potrafi wykonywać uczenie zero-shot(inne języki), czyli klasyfikować dane wejściowe według kategorii podanych w czasie wnioskowania, na podstawie kontekstu dostarczonego razem z zapytaniem.

TypeSafe opisuje Jev jako pierwszy model z klasy, którą nazywa „System One models”. Nazwa ma nawiązywać do szybkiego, intuicyjnego myślenia systemowego (System 1) opisanego w książce Pułapki myślenia. O myśleniu szybkim i wolnym(inne języki) autorstwa Daniela Kahnemana.

Tło

TypeSafe AI została założona w 2024 przez Diogo Almeidę, Erika Gafniego i Saszę Sheng. Almeida, dyrektor generalny firmy, pracował przez około cztery lata w OpenAI nad uczeniem ze wzmocnieniem na podstawie sprzężenia zwrotnego od człowieka (RLHF), a także nad InstructGPT, ChatGPT i GPT-4, zanim odszedł w 2024. Model System One działa w oparciu o metodę szkolenia określaną jako Reinforcement Learning for Calibrated Decisions (RLCD).

Firma pozycjonuje Jev jako model niezawodny dla automatyzacji i oprogramowania oraz jako odpowiedź na nadmierną pewność siebie istniejących modeli. W wywiadzie dla Forbes Almeida powiedział: „Optymalizowaliśmy modele pod ludzi i jesteśmy ponadludzko dobrzy w podobaniu się ludziom”. Rozczarowanie modelami konwersacyjnymi opisywał osobno jako źródło całego projektu, mówiąc w „TechCrunch”, że technologia ta jest „błyskawicą w butelce”, która mimo wszystko nie jest użyteczna.

Przed publicznym ogłoszeniem Jev był przez około dwa lata rozwijany jako startup działający w ukryciu(inne języki). Według „Forbesa” runda finansowania wyceniła TypeSafe na 200 mln dolarów amerykańskich.

Budowa i działanie

Zapytanie do Jev składa się z bloku stanu (tekstu, obiektu JSON lub tablicy tekstów) oraz jednej lub wielu typowanych pytań. Model ocenia każde pytanie względem stanu w jednym równoległym przebiegu i zwraca ustrukturyzowane odpowiedzi zamiast zwykłego tekstu.

Jev dopuszcza trzy typy pytań, nazywane też prymitywami:

Ponieważ możliwe odpowiedzi są zdefiniowane z góry, model nie może zwrócić wartości spoza dostarczonego schematu. TypeSafe przedstawia to jako wyeliminowanie halucynacji i błędów typów.

TypeSafe nie opublikowało jednak dokładnej architektury Jev, jego wag ani pracy technicznej. Firma opisuje model jako zbudowany na architekturze transformatora i trenowany wyłącznie na danych syntetycznych(inne języki). Metodą trenowania jest Reinforcement Learning for Calibrated Decisions (RLCD), w której prawdopodobieństwa są optymalizowane względem rzeczywistych wyników, a nie względem preferencji ludzkich oceniających. Osoby postronne sugerowały, że model może być zbudowany na otwartowagowym dużym modelu językowym.

Nazwa

Model został nazwany na cześć XIX-wiecznego angielskiego ekonomisty Williama Stanleya Jevonsa, którego paradoks Jevonsa opisuje, jak wydajniejsze wykorzystanie zasobu może zwiększyć jego zużycie. Almeida tłumaczył, że nazwa odzwierciedla oczekiwanie, iż tańsza inteligencja maszynowa doprowadzi do znacznie szerszego jej wdrożenia.

Przypisy