Для чего он сгодится? Ответы в конце поста.
На днях появился новый класс нейронных сетей System One Models, который может быть очень востребован в бизнесе.
Я часто сталкиваюсь с задачами в бизнесе, где нужны не столько крутые мозги (задачи зачастую очень простые, рутинные), сколь важна скорость и достоверность результата, а положиться даже на самые умные модели типа Fable (от Anthropic) или Astra (от OpenAI) до конца нельзя галлюцинации, переделки, постоянный контроль и это неотъемлемая часть работы с ними.
✅ Два слова о модели Jev от компании TypeSafe AI.
Идея у этого ИИ такая - он имитирует быструю, интуитивную реакцию (на примере человека, мы быстро отдергиваем руку и от горячего предмета и выражаем чувство болит или испуга на лице не задумываясь). Он не «рассуждает» вслух, как это «принято» у всех ИИ сейчас, не тратит время на размышления, а работает как человеческий рефлекс — мгновенно выдает готовый ответ на основе опыта.
❗️ Более сухим языком: модели этого класса получают неструктурированные данные на вход и возвращают четкие структурированные ответы с оценкой вероятности. Вместо набора хорошо сложенных слов она выдает четкий ответ (например: Да, Нет или Категория Б) и обязательно добавляет процент уверенности (например: «Я уверен на 95%»)
Я ниже приведу, некоторые примеры использования и вам станет понятнее.
Немного для объективности критики. Пока все данные и по скорости, точности (отсутствие галлюцинаций) и стоимости мы получили от компании разработчика, пока независимых оценок нет (я нашёл одну в низу ссылка), но заявленные цифры даже если окажутся 100-кратным преувеличением уже хорошо!
✅ Где использовать.
📌 Классификация или маршрутизация миллионов заявок. Будучи моделью со строгими типами данных (TypeSafe), Jev идеально вытаскивает из неструктурированных документов (сканов, писем, чеков) жесткие параметры.
📌 Оптимизация производства. Мгновенно извлекать жесткие параметры из хаотичных клиентских заявок в свободной форме и автоматически маршрутизировать их по производственным линиям. В отличие от стандартных языковых моделей, они исключают галлюцинации и передают на проверку менеджеру заказы с невыполнимыми характеристиками для перепроверки (к примеру, у вас запросили сделать картон такой толщины, которой не существует «обычная» нейронка придумает, как сделать, а Jev даст перепроверить человеку), что позволяет автоматизировать процесс производства без ошибок.
📌 Принятие решений в режиме реального времени внутри цикла приложения особенно актуально при работе ИИ-агентов, за которыми человеку не угнаться.
📌 Умная маршрутизация запросов к LLM для экономии бюджета на токены - простой запрос к дешёвому ИИ, а сложный к дорогой модели.
📌 Безопасность работы с ИИ-агентами (Jev позволяет быстрее реагировать на действия ИИ-агентов, предотвращая проблемы), оценивая их действия по формальным признакам.
📌 Киберугрозы. Jev сканирует гигантские потоки системных логов в реальном времени. Из-за жесткой структуры он моментально подсвечивает аномалии и классифицирует угрозы по категориям.
Я думаю, что вы найдёте сами массу применения такой умной ИИ в реальных бизнес-процессах.
Новость о выходе такой ИИ прислал Олег Баландин за что ему большая благодарность.
Подробнее можете почитать с разного рода разборами на DataCamp
❗️Зеркалюсь здесь Max | VK | TG