Yapay Zeka Alanında Yeni Bir Çığır: TypeSafe AI’nin Jev Modeli Tanıtıldı
Büyük dil modellerinin çoğu, metin oluşturma üzerine odaklanırken, her otomasyon sisteminde en etkili çözüm olarak öne çıkmayabiliyor. TypeSafe AI tarafından geliştirilen Jev modeli, bu geleneksel yaklaşımı tersine çevirerek, doğal dil yanıtları üretmek yerine doğrudan olasılık skorlari ve karar çıktıları sunmayı hedefliyor.
Modelin kurucusu Diogo Almeida, daha önce OpenAI’da görev alarak insan geri bildirimli pekiştirmeli öğrenme (RLHF) yönteminin geliştirilmesine katkıda bulundu. Almeida, büyük dil modellerinin yazılım sistemlerini gereksiz yere karmaşıklaştırdığına inanarak TypeSafe AI girişimini hayata geçirdi.
Jev’in en önemli özelliği, klasik büyük dil modellerindeki metin üretim aşamasını tamamen ortadan kaldırması. Bu model, jeton dizileri oluşturmak yerine doğrudan olasılık dağılımları sunarak, her karar için güven skoru sağlıyor. Bu yenilikçi yaklaşım, yapay zeka ajanlarının denetlenmesi, kod güvenliği ve otomatik sınıflandırma gibi alanlarda önemli avantajlar sunabiliyor. Metin oluşturma aşamasının kaldırılması, işlem sürelerini kısaltırken maliyetleri de azaltıyor. Ayrıca, modelin yalnızca tanımlı seçenekler arasında olasılık üretmesi, metin tabanlı sistemlerdeki halüsinasyon riskini minimize ediyor.
Jev’in sunduğu olasılık skorları, yazılım sistemlerine doğrudan aktarılabiliyor. Bu durum, geliştiricilerin modelin sağladığı verileri ek bir metin çözümleme aşamasına ihtiyaç duymadan sistemlerinde kullanmalarını sağlıyor.
Testlerde Hız ve Doğruluk Farklılıkları Gözlemlendi
Vercel mühendisleri tarafından gerçekleştirilen denemelerde, Jev modeli, güvenlik denetimi komutlarında kullanılan ChatGPT Luna 5.6 modelinin yerine devreye alındı. Sonuçlar, Jev’in 5 ila 18 kat daha hızlı çalıştığını ve daha yüksek doğruluk sağladığını gösterdi.
E-posta sınıflandırma testlerinde ise tablo biraz farklıydı. Jev, Gemini modelinin doğruluk oranının gerisinde kalsa da işlem maliyetini 10 ila 20 kat kadar azaltmayı başardı.
Jev’in sağladığı gerçek olasılık skorları, otomatik karar mekanizmalarında önemli bir avantaj sunuyor. Model, yalnızca doğru seçeneği belirtmekle kalmayıp, aynı zamanda kararın ne kadar güvenilir olduğunu gösteren sayısal bir çıktı da sağlıyor.
Sentetik Verilerle Eğitilen Model
Jev, hızlı ve doğrudan karar verme odaklı “System One” yaklaşımını benimseyerek, eğitim sürecinde yalnızca sentetik verilere dayanıyor. Modelin adı, ekonomideki Jevons Paradoksu’ndan alınıyor; bu kavram, bir kaynağın kullanım maliyeti düştüğünde toplam tüketimin artabileceğini savunuyor. TypeSafe AI, düşen işlem maliyetlerinin otomasyonun kullanımında geniş bir etki yaratabileceğini düşünüyor.
