Sembra che il panorama dell’Intelligenza Artificiale stia per vedere un aggiornamento significativo, soprattutto per chi deve fare affidamento su decisioni precise e strutturate. TypeSafe AI ha lanciato Jev, un nuovo modello di IA che si distingue nettamente dai grandi modelli linguistici (LLM) ‘parlacchioni’. Mentre i LLM sono eccellenti nel sostenere conversazioni aperte, scrivere saggi o generare testi in stile umano, Jev è specializzato nel rispondere a domande molto circoscritte, fornendo risposte strutturate accompagnate da un preciso livello di confidenza. L’obiettivo è, in pratica, superare i limiti della conversazione libera quando il software ha bisogno di sapere se qualcosa è ‘sì’ o ‘no’ con un’altissima percentuale di certezza. Questo trucco, sviluppato da Diogo Almeida, un ex ingegnere di OpenAI, appartiene alla categoria ‘System One’ e utilizza un addestramento specifico chiamato RLCD (Reinforcement Learning for Calibrated Decisions). A differenza dei LLM che generano parole in sequenza, Jev elabora le richieste in parallelo, ricevendo uno ‘stato’ (i dati che descrivono una situazione) e restituendo i risultati in un formato JSON. Ogni risposta è accompagnata da una percentuale di confidenza, rendendolo perfetto per la costruzione di regole verificabili all’interno di un’applicazione. Ad esempio, un sistema di gestione clienti potrebbe valutare transazioni e messaggi per capire se è stata richiesta una restituzione, restituendo una probabilità invece di una chiacchierata. Se la confidenza non supera una soglia stabilita, l’applicazione sa subito che deve chiedere più informazioni all’utente. È un cambiamento che promette prestazioni molto superiori e costi notevolmente inferiori rispetto ai colossi attuali, suggerendo che non ogni problema richiede una ‘bella chiacchiera’ di IA.
🇬🇧 Summary in English
It seems the AI landscape might be undergoing a major shake-up, especially for those building systems that need highly precise and structured decision-making. TypeSafe AI has introduced Jev, a new AI model that radically differs from the conversational Large Language Models (LLMs) we often hear about. While LLMs are phenomenal at holding chats, writing essays, or generating flowing human-like text, Jev is designed for a very specific job: answering constrained questions and returning structured answers complete with a calculated level of confidence. The goal is essentially to overcome the limitations of open conversation when software just needs to know ‘yes’ or ‘no’ with rock-solid certainty. Developed by Diogo Almeida, a former OpenAI engineer, Jev belongs to the ‘System One’ category and is trained using RLCD (Reinforcement Learning for Calibrated Decisions). Unlike LLMs that generate tokens sequentially, Jev processes requests in parallel. It accepts a ‘state’ (a set of descriptive data) and outputs the results in JSON format. Every answer is paired with a confidence percentage, making it ideal for constructing verifiable rules within an application. For example, a customer service system could analyze transactions and messages to determine if a return was requested, yielding a probability instead of a chat log. If the confidence score falls below a set threshold, the application knows it needs to prompt the user for more details. This promises much higher performance and significantly lower costs than the current industry giants, suggesting that not every problem requires a verbose AI conversation.
Leggi l’articolo originale su Tom’s Hardware IT →
Fonte: Tom’s Hardware IT | Argomento: Intelligenza Artificiale
#tecnologia #innovazione #technews