Jev: مدل‌های هوش مصنوعی که به‌جای تولید متن، تصمیم می‌گیرند

امروزه بسیاری از نرم‌افزارهای مبتنی بر هوش مصنوعی از مدل‌های زبانی بزرگ (LLM) استفاده می‌کنند؛ حتی زمانی که وظیفه اصلی آن‌ها صرفاً گرفتن یک تصمیم نسبتاً ساده است.

برای مثال:

• تشخیص اینکه یک درخواست تأیید شود یا خیر.

• انتخاب ابزار مناسب برای اجرای یک وظیفه توسط عامل هوش مصنوعی.

• دسته‌بندی پیام‌ها یا اسناد ورودی.

• ارزیابی میزان ریسک یک عملیات.

در روش‌های متداول مبتنی بر LLM، مدل ابتدا یک پاسخ متنی تولید می‌کند. سپس نرم‌افزار باید خروجی را پردازش، ساختار آن را اعتبارسنجی و در نهایت به منطق قابل‌استفاده در برنامه تبدیل کند.

مدل Jev رویکرد متفاوتی را برای این فرایند معرفی می‌کند.

Jev چیست؟

در تاریخ ۱۵ سپتامبر ۲۰۲۶، شرکت TypeSafe AI از مدل Jev به‌عنوان اولین محصول از دسته جدیدی از مدل‌های هوش مصنوعی با نام System One Models رونمایی کرد.

برخلاف مدل‌های مولد متداول، Jev به‌طور ویژه برای تصمیم‌گیری ساختاریافته طراحی شده است، نه تولید پاسخ‌های متنی به زبان طبیعی.

این مدل به‌جای تولید پاراگراف یا خروجی متنی در قالب JSON، اطلاعات ورودی را پردازش کرده و تصمیم‌هایی با ساختار مشخص و احتمال‌های مرتبط با هر نتیجه ارائه می‌دهد.

شرکت TypeSafe AI برای آموزش این مدل از روشی با نام Reinforcement Learning for Calibrated Decisions (RLCD) استفاده کرده که هدف آن بهبود کالیبراسیون و قابل‌اعتماد بودن احتمال‌های پیش‌بینی‌شده است.

Jev چگونه کار می‌کند؟

مدل Jev از سه نوع اصلی تصمیم‌گیری پشتیبانی می‌کند:

۱. Choice — انتخاب

انتخاب یک گزینه از میان مجموعه‌ای از گزینه‌های ازپیش‌تعریف‌شده.

این قابلیت برای دسته‌بندی اطلاعات، مسیریابی درخواست‌ها و انتخاب ابزار مناسب کاربرد دارد.

۲. Score — امتیازدهی

ارزیابی اطلاعات بر اساس یک مقیاس رتبه‌بندی مشخص.

این روش می‌تواند برای اولویت‌بندی وظایف، ارزیابی کیفیت و سنجش میزان ریسک استفاده شود.

۳. Noul — احتمال پاسخ بله یا خیر

محاسبه احتمال یک پاسخ مثبت یا منفی برای یک پرسش مشخص.

این قابلیت به نرم‌افزار اجازه می‌دهد بر اساس آستانه‌های اطمینان تعیین‌شده، تصمیم‌های متفاوتی اتخاذ کند.

این سه قابلیت امکان استفاده مستقیم از تصمیم‌های احتمالاتی را در نرم‌افزار فراهم می‌کنند، بدون آنکه نیازی به تولید تدریجی متن توسط مدل باشد.

آیا Jev روی کارت گرافیک RTX 3090 اجرا می‌شود؟

مدل اصلی Jev در حال حاضر از طریق API شرکت TypeSafe AI ارائه می‌شود.

از آنجا که وزن‌های این مدل به‌صورت عمومی منتشر نشده‌اند، امکان اجرای مستقیم نسخه اصلی آن روی RTX 3090 وجود ندارد.

بااین‌حال، پروژه متن‌بازی با نام OpenJev رویکردهای مشابهی را برای تصمیم‌گیری با استفاده از مدل Qwen3.5-4B پیاده‌سازی کرده است.

این پروژه روی کارت گرافیک NVIDIA RTX 3090 با ۲۴ گیگابایت حافظه گرافیکی آزمایش شده است.

نتایج آزمایش عملکرد

در یکی از آزمایش‌های منتشرشده، عملکرد دو روش برای انجام ۲۱ تصمیم دودویی روی یک کارت RTX 3090 مقایسه شده است:

در این آزمایش مشخص، روش امتیازدهی مستقیم تقریباً ۵٫۲ برابر سریع‌تر از روش تولید متن بوده است.

البته نتایج دو روش تنها در ۱۸ مورد از ۲۱ تصمیم یکسان بوده‌اند. بنابراین، این آزمایش نشان‌دهنده مزیت احتمالی در سرعت اجراست و به معنای برابری دقت تصمیم‌گیری دو روش نیست.

همچنین این اعداد مربوط به پروژه OpenJev هستند و نباید به‌عنوان نتایج عملکرد مدل اصلی Jev در نظر گرفته شوند.

کاربردهای عملی Jev

۱. عامل‌های هوش مصنوعی و انتخاب ابزار

مدل‌های تصمیم‌محور می‌توانند به عامل‌های هوش مصنوعی کمک کنند تا بدون تولید پاسخ‌های متنی طولانی، ابزار مناسب یا اقدام بعدی را انتخاب کنند.

۲. میکروسرویس‌های بک‌اند

از این مدل‌ها می‌توان برای مسیریابی هوشمند درخواست‌ها، دسته‌بندی وظایف و مدیریت گردش کار در معماری میکروسرویس استفاده کرد.

۳. امنیت و تشخیص تقلب

امتیازدهی احتمالاتی می‌تواند در شناسایی فعالیت‌های مشکوک، ارزیابی ریسک تراکنش‌ها و اولویت‌بندی رویدادهای امنیتی نقش داشته باشد. چنین کاربردهایی به اعتبارسنجی دقیق و نظارت انسانی نیاز دارند.

۴. خودکارسازی پشتیبانی مشتریان

درخواست‌های پشتیبانی را می‌توان بر اساس نوع مشکل، میزان فوریت و دپارتمان مرتبط دسته‌بندی کرد تا فرایند ارجاع و رسیدگی به آن‌ها بهینه شود.

۵. پردازش اسناد

مدل‌های تصمیم‌محور می‌توانند اسناد را دسته‌بندی کرده، موضوع آن‌ها را تشخیص دهند و مسیر پردازشی مناسب برای هر سند را مشخص کنند.

۶. ارکستریشن هوش مصنوعی

در سیستم‌های چندعاملی، مدل‌های تخصصی تصمیم‌گیری می‌توانند به‌عنوان اجزای مسیریاب عمل کنند و تعیین کنند کدام عامل، سرویس یا ابزار باید مرحله بعدی یک فرایند را اجرا کند.

منابع و مراجع

Jev — TypeSafe AI: https://typesafe.ai/

معرفی رسمی مدل Jev: https://typesafe.ai/blog/introducing-system-one-models-and-jev

پروژه متن‌باز OpenJev: https://github.com/bonsai/openjev