جيف: الذكاء الاصطناعي الذي يقرر بدلاً من الصياغة (ولماذا قد يغير ذلك الأتمتة)

أحد المشاركين في ابتكار ChatGPT طرح سؤالاً مزعجاً: لماذا لم تؤتمت نماذج الدردشة «الخارقة» العمل على نطاق واسع حتى الآن؟ تتمثل إجابته في نوع جديد من النماذج، قدمته شركة TypeSafe ويُدعى Jev، وتم تدريبه بطريقة تُسمى RLCD. رهانه: أن الذكاء الاصطناعي الأكثر فائدة للاقتصاد ليس هو الذي يتحدث بشكل أفضل، بل الذي يقرر بأسرع ما يمكن. تحليل، مع الجوانب المهمة.

المشكلة: المناقشة ليست قرارًا

ChatGPT، Claude أو Gemini ممتازون في فهم النصوص وشرحها وإنشائها. لكن في البرمجيات، غالبًا ما نحتاج إلى شيء أبسط بكثير: قرار. هل هذا البريد الإلكتروني عاجل؟ هل هذه المعاملة مشبوهة؟ إلى أي خدمة يجب توجيه هذه التذكرة؟ يرد نموذج الدردشة بجملة يجب تفسيرها لاحقًا؛ بينما يرد Jev مباشرة بالقرار.

ما يقوم به Jev عمليًا

بينما يقوم نموذج LLM تقليدي بصياغة رد بنص حر، يختار Jev مباشرة من بين القيم المسموح بها ويعيد مخرجات منظمة يمكن استغلالها فورًا بواسطة كودك.

// نموذج LLM تقليدي يرد بنص حر :
// « بعد التحليل، أعتقد أن هذا البريد الإلكتروني
//   ربما شكوى عاجلة... »

// يرد Jev مباشرة بقرار منظم :
{
  "category": "reclamation_urgente",
  "probability": 0.94
}

يمكن للبرنامج حينها أن يتصرف بمفرده: نقل الرسالة، فتح تذكرة، أو طلب التحقق البشري إذا كانت الاحتمالية منخفضة جدًا.

لماذا « 20 إلى 200× أسرع » و« 40 إلى 400× أرخص »

تنتج نماذج اللغة الكبيرة (LLM) النص كلمة بكلمة، ويُحسب كل كلمة مولَّدة كـ output token. لا يكتب Jev النص: بل يختار مباشرة قيمة — اختيار أو درجة أو احتمال — ويمكنه معالجة عدة أسئلة بالتوازي. هذا ما يفسر المخرجات المعلنة مجانية وتكلفة الإدخال المنخفضة جداً. انتبه مع ذلك: هذه الأرقام تخص مهام اتخاذ قرار ملائمة لـ Jev، وليست مقارنة شاملة مع نماذج اللغة الكبيرة، وهي مستمدة حالياً من TypeSafe.

فك رموز المصطلحات

• Co-inventing ChatGPT : المشاركة في الأعمال التي أدت إلى ChatGPT — وليس اختراعه بمفرده.
• Superhuman chat models : أفضل من الإنسان في بعض المهام المحددة، وليس في كل شيء.
• AGI : الذكاء الاصطناعي العام، القادر على التكيف مع معظم المشكلات كالإنسان.
• In stealth : كانت الشركة تعمل سراً، بدون منتج عام.
• RLCD : Reinforcement Learning for Calibrated Decisions — إنتاج قرارات مصحوبة باحتمالات موثوقة.
• Frontier model : نموذج يُقدم كأنه في طليعة التكنولوجيا.
• Composable intelligence : دمج عدة قرارات صغيرة في سير عمل معقد.
• AFAICT : « as far as I can tell »، حسب ما يمكنني ملاحظته.

الحذر من التسويق « صفر هلوسة »

الصيغة مضللة قليلاً. لا يستطيع Jev عادةً اختراع رد خارج الخيارات المسموح بها، ولا إنتاج JSON معطل أو نص تخيلي. لكنه يستطيع تمامًا اختيار الرد الخاطئ الصحيح: إذا كان عليه البت بين « احتيال »، « طبيعي » و« غير مؤكد »، فسيعيد دائمًا إحدى هذه القيم — حتى لو صنف احتيالاً حقيقياً كـ« طبيعي ». لذا فإن صفر هلوسة لا يعني صفر أخطاء.

حالات استخدام ملموسة للغاية

يتألق Jev عندما تكون الإجابات المحتملة معروفة مسبقاً:

• تصنيف بريد إلكتروني: عاجل، عادي أو بريد مزعج.
• اكتشاف معاملة قد تكون احتيالية.
• توجيه تذكرة تلقائياً إلى الخدمة المناسبة.
• تقييم خطورة تنبيه أمن سيبراني.
• تصنيف مستند: فاتورة، عقد، سيرة ذاتية أو نموذج.
• إعطاء درجة مخاطر لعميل أو عملية.
• تصفية محتوى خطير أو غير مناسب.
• تحديد أي وكيل ذكاء اصطناعي أو أداة يجب استدعاؤها.
• تحديد ما إذا كان يجب إرسال حالة غير مؤكدة إلى إنسان.

للمشاريع الحقيقية: يمكن لأداة مالية شخصية تصنيف النفقات واكتشاف المعاملات غير المعتادة؛ ويمكن لمنصة تدريبية تصنيف أسئلة الطلاب أو التحقق من معايير تقييم دقيقة.

مثال حقيقي: الضغط في Claude Code

مكون إضافي مفتوح المصدر، fast-jev-compaction، يستبدل ملخص الضغط في Claude Code بقرارات Jev: يتم تقييم كل استدعاء أداة قديم ونتيجته في طلب واحد سريع، وتُزال الآثار القديمة أو تُقصر، ويبقى ما تم الاحتفاظ به كما هو. النتيجة: عدد أقل من التوكنات، ضوضاء أقل في السياق، تكلفة مخفضة ومعالجة أسرع محتملة.

نقطتان مهمتان لتجنب سوء الفهم. أولاً، لا يحذف المكون الإضافي الأدوات أو المهارات أو المكونات الإضافية نفسها: بل يزيل فقط آثارها القديمة التي تعتبر غير ضرورية في السجل التاريخي؛ الرسائل الحديثة ونصوص المستخدم والمساعد محمية، وفي حال الفشل يعود إلى الضغط الطبيعي لـ Claude Code. ثانياً، إذا كان هذا المكون الإضافي مكتوباً بلغة TypeScript، فإن Jev ليس محدوداً بـ TypeScript: إذ يعمل عبر API، لذا يمكن استخدام قراراته أيضاً من Python أو Java أو C# أو لغات أخرى.

الهندسة المعمارية الجيدة: LLM + Jev

Jev ليس « ChatGPT أقوى »، ولا AGI. إنه محرك حكم سريع للغاية. التركيبة الأكثر وعدًا تبدو كالتالي: LLM للفهم والشرح والإنشاء، وJev لاتخاذ القرارات المتكررة بسرعة. القاعدة بسيطة: إذا كنت تريد إنتاج محتوى، استخدم ChatGPT أو Grok؛ وإذا كان عليك اتخاذ آلاف القرارات الصغيرة السريعة، استخدم Jev.

الفكرة مثيرة للاهتمام حقًا للأتمتة الصناعية. يبقى تحفظ كبير: الأداء المعلن يأتي بشكل أساسي من TypeSafe ويجب تأكيده من خلال تقييمات مستقلة. تابع عن كثب.