En un giro innovador en el campo de la inteligencia artificial, el investigador Diogo Almeida, co-creador del chatbot de OpenAI y pionero en el aprendizaje por refuerzo a partir de la retroalimentación humana (RLHF), ha lanzado un nuevo modelo que promete revolucionar la automatización de software. Después de dejar OpenAI hace dos años, Almeida fundó TypeSafe AI con el objetivo de superar las limitaciones que había identificado en los modelos de lenguaje actuales. Esta semana, su empresa presentó al mercado Jev, un modelo basado en transformadores que se aparta de las grandes arquitecturas de modelos de lenguaje al no generar texto, sino probabilidades, lo que la empresa describe como “decisiones calibradas”.
El enfoque de Jev representa un cambio significativo en el diseño de modelos de inteligencia artificial. Al no centrarse en el lenguaje, el modelo es notablemente más económico y rápido. Los usuarios definen los resultados de antemano, eliminando la posibilidad de que el modelo “alucine” o genere resultados inesperados. La demanda por Jev ha sido tan elevada que la empresa experimentó dificultades temporales para atender a todos sus usuarios a través de su API.
La utilidad de Jev se ha demostrado rápidamente en el ámbito de la automatización de software. Pranit Sharma, ingeniero de software en Vercel, destacó que al reemplazar el modelo Luna 5.6 de OpenAI por Jev, su empresa logró resultados significativamente más rápidos y precisos en la clasificación de comandos para evaluar su seguridad. Otro ejemplo es el de Bryo AI, cuyo director de tecnología, Nikhil Mudholkar, probó Jev frente a Gemini para la clasificación de correos electrónicos empresariales. Aunque Gemini mostró una ligera ventaja en precisión, Jev resultó ser considerablemente más económico y sus puntuaciones de confianza lo hicieron ideal para la automatización de flujos de trabajo.
Además de reemplazar a los modelos de lenguaje en ciertos casos de uso, Jev también puede complementarlos, actuando como un control inteligente para prevenir comportamientos indeseados. Según Almeida, el uso de Jev para monitorear agentes de LLM es una solución lógica y económica, permitiendo a los usuarios rastrear las trazas de los agentes LLM y prevenir problemas como los “jailbreaks”.
Armin Ronacher, CTO de Earendil, sugiere que otro uso potencial para Jev es el enrutamiento de modelos, ya que su bajo costo y rapidez permiten clasificar cargas de trabajo en tiempo real de manera eficiente. Almeida espera que la disminución del costo de la inteligencia facilite su despliegue generalizado, siguiendo el ejemplo del economista del siglo XIX William Stanley Jevons, cuyo trabajo inspiró el nombre del modelo.
A pesar del entusiasmo generado por Jev, Almeida ha optado por mantener en secreto la arquitectura del modelo, aunque se sospecha que está construido sobre un LLM de peso abierto. La empresa describe a Jev como un “modelo del Sistema Uno”, enfocado en la intuición más que en el razonamiento, y diseñado específicamente para tareas precisas.
Almeida confía en que su decisión de entrenar a Jev exclusivamente con datos sintéticos ha sido una de sus mejores apuestas. “La mitad de nuestra empresa es un laboratorio que básicamente domina este subcampo de datos sintéticos estadísticamente bien entendidos, y eso es ahora mi mayor alegría”, comentó.
Aunque Jev es actualmente único en su tipo, Ronacher anticipa que surgirán competidores a medida que se reconozca su utilidad. TypeSafe AI ya está trabajando en futuras versiones del modelo en nuevas modalidades, buscando expandir aún más el alcance de esta tecnología prometedora en el ámbito de la inteligencia artificial.