OpenAI:n entinen tutkija Diogo Almeida on astunut uudelle polulle tekoälyn kehityksessä perustettuaan TypeSafe AI -nimisen startupin. Almeida, joka oli keskeisessä roolissa kehittämässä ChatGPT:tä ja ihmispalautteen avulla tapahtuvaa vahvistusoppimista (RLHF), on pettynyt siihen, miten tekoälyä hyödynnetään tällä hetkellä. Hänen mielestään kehitystyön suurin haaste on ollut se, että tekoälyä optimoidaan ihmiskielen ymmärrykseen, mikä ei ole riittävän hyödyllistä automaatiossa.
Kaksi vuotta sitten Almeida päätti jättää OpenAI:n ja keskittyä ratkaisemaan tätä ongelmaa. Tällä viikolla hänen yrityksensä TypeSafe AI julkaisi uuden Jev-nimisen mallin, joka poikkeaa perinteisistä suurista kielimalleista. Jev ei tuota tekstiä, vaan sen sijaan se antaa todennäköisyyksiä, joita yritys kutsuu ”kalibroiduiksi päätöksiksi”. Tämä lähestymistapa tekee mallista edullisen ja nopean, ja koska käyttäjät määrittelevät tulokset etukäteen, se ei voi ”hallusinoida”.
Jevin kyky tuottaa kalibroituja päätöksiä herättää suurta kiinnostusta kehittäjien keskuudessa. Yritys menetti hetkellisesti kykynsä palvella käyttäjiä API:n kautta suuren kysynnän vuoksi. Erityisesti ohjelmistokehittäjät näkevät Jevin edullisena ja luotettavana tapana lisätä älykkyyttä ohjelmistoihin.
Esimerkiksi Vercelin ohjelmistokehittäjä Pranit Sharma kertoi, että heidän yrityksensä käytti alun perin OpenAI:n ChatGPT Luna 5.6:ta tarkistamaan komentojen turvallisuutta. Kun Vercel korvasi Lunan Jevillä, tulokset saatiin 5-18 kertaa nopeammin ja tarkemmin. Toinen kehittäjä, Bryo AI:n teknologiajohtaja Nikhil Mudholkar, vertasi Jeviä ja Geminiä liiketoimintasähköpostien luokittelussa. Vaikka Gemini oli hieman tarkempi, se oli 10-20 kertaa kalliimpi. Mudholkar oli erityisen kiinnostunut Jevin antamista luottamusluvuista, jotka tekevät siitä ihanteellisen työprosessien automatisointiin.
Jev voi myös täydentää perinteisiä suuria kielimalleja toimimalla älykkäänä tarkkailijana, joka estää virheitä. Almeida korostaa, että Jevin käyttö agenttien seurantaan on kustannustehokasta. Malleja voi käyttää esimerkiksi LLM-agenttien jälkien seuraamiseen ja mahdollisten tietoturvauhkien estämiseen.
Armin Ronacher, Earendilin teknologiajohtaja, näkee Jevissä myös potentiaalia mallien reitittämiseen. Jevin alhaiset kustannukset ja nopeus tekevät mahdolliseksi ennakoida, millainen työkuorma vaatii tietyn mallin, mikä voi olla hyödyllistä reaaliaikaisessa lajittelussa.
Malli on nimetty William Stanley Jevonsin mukaan, joka tunnetaan taloustieteilijänä paradoksista, jossa hyödykkeen hinnan lasku johtaa sen käytön laajenemiseen. Almeida uskoo, että älykkyyden kustannusten lasku johtaa tekoälyn laajempaan käyttöön.
Almeida on vaitonainen mallin arkkitehtuurista, mutta ulkopuoliset arvioivat sen perustuvan avoimen lähdekoodin LLM:ään. Yritys kuvailee Jeviä ”järjestelmä yksi” -malliksi, joka keskittyy intuitioon ennemmin kuin päättelyyn. Almeida kertoo, että Jeviä on koulutettu yksinomaan synteettisellä datalla, käyttäen tekniikkaa, jota hän kutsuu ”kalibroiduista päätöksistä tapahtuvaksi vahvistusoppimiseksi”.
Almeida näkee, että Jev on vasta alku kehitykselle ja odottaa kilpailijoiden nousevan esiin mallin hyödyn tultua ilmi. Hän uskoo, että TypeSafe AI tulee kehittämään uusia versioita mallista eri muodoissa, ja korostaa, että yrityksen päätuote on älykkyys, ei pelko tai hypetys.
Tulevaisuudessa Almeida odottaa älykkään ohjelmiston leviävän kaikkialle, muistuttaen enemmän varhaista internetiä kuin nykyisiä suuria sovelluksia. Hänen mukaansa TypeSafe AI:n lähestymistapa voi avata uusia mahdollisuuksia tekoälyn hyödyntämiseen, ja hän on innoissaan siitä, mitä tulevaisuus tuo tullessaan.