รู้จัก JEV โมเดล AI แบบ System One ตัดสินใจแทนการสร้างข้อความ
Dragoș Roua เผยโฉม JEV AI รุ่นใหม่ที่เป็น System One ทำหน้าที่ตัดสินใจด้วยค่าพรีมิทีฟ พร้อมสาธิตการใช้ในเฟรมเวิร์ก Assess – Decide – Do
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- JEV เป็นโมเดล AI ประเภท System One ที่เน้นการตัดสินใจโดยไม่สร้างข้อความ
- ทำงานร่วมกับกรอบการทำงาน Assess – Decide – Do (ADD) เพื่อสร้างซอฟต์แวร์
- ตอบคำถามผ่านพรีมิทีฟ 3 แบบ ได้แก่ noul, choice และ score
- ทดสอบรันระบบผ่าน API ใช้เวลาน้อยกว่า 2 นาที ขณะที่แบบโลคอลใช้เวลาเกือบครึ่งชั่วโมง
การพัฒนาปัญญาประดิษฐ์ก้าวไปอีกขั้นเมื่อมีการเปิดตัวโมเดล AI ตัวใหม่ที่มีชื่อว่า JEV ซึ่งแตกต่างจากโมเดลทั่วไปในท้องตลาด โดยมันถูกออกแบบมาให้เป็น System One ทำหน้าที่ตัดสินใจอย่างเดียวและไม่สร้างข้อความใดๆ ออกมา ผู้พัฒนา Dragoș Roua ได้รับสิทธิ์เข้าถึงล่วงหน้าและทดลองนำไปใช้เป็นชั้นการตัดสินใจ (Decide layer) ในเฟรมเวิร์ก Assess – Decide – Do ของเขาเอง พร้อมทั้งจัดทำวิดีโอสาธิตกระบวนการทำงานทั้งหมด
โมเดล JEV ไม่สามารถพิมพ์ข้อความตอบกลับได้เหมือน AI ทั่วไป แต่สามารถตอบคำถามโดยใช้พรีมิทีฟที่กำหนดไว้ล่วงหน้า 3 รูปแบบ ได้แก่ noul (ใช่/ไม่ใช่), choice (หลายตัวเลือก) และ score (ความน่าจะเป็น) นักพัฒนาได้สร้างระบบจำลองที่ช่วยสร้างชิ้นงานซอฟต์แวร์จากโจทย์เพียงหนึ่งประโยค จากนั้น JEV จะส่งต่อข้อมูลไปยังขั้นตอน Assess เพื่อให้ LLM ร่างรายละเอียดสเปกและชุดทดสอบ ก่อนจะวนกลับมาที่ JEV ตามกระบวนการ ADD แบบคลาสสิก
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
เมื่อ JEV ประเมินว่ามีบริบทเพียงพอแล้ว งานจะถูกส่งต่อไปยังขั้นตอน Do เพื่อให้ LLM เริ่มลงมือเขียนโค้ดและพัฒนาซอฟต์แวร์จนเสร็จสิ้น จากนั้นระบบจะส่งกลับมาที่ JEV อีกครั้งเพื่อทำการรันชุดทดสอบและตัดสินใจว่าแอปพลิเคชันนั้นเสร็จสมบูรณ์หรือยัง ในวิดีโอตัวอย่างมีการสร้างเครื่องมือ CLI ด้วยภาษา Python สำหรับนับจำนวนคำในไฟล์ที่อยู่ในโฟลเดอร์เฉพาะ พร้อมจุดเด่นคือการแสดงผลภาพเปลี่ยนผ่านระหว่างระบบด้วยวงกลมสีแดง ส้ม เขียว และขาว ที่กะพริบสลับกันไปตามขั้นตอนการทำงาน
สถาปัตยกรรมแบบ System One ใน AI สะท้อนถึงแนวคิดการประมวลผลที่รวดเร็วและเป็นสัญชาตญาณ คล้ายกับระบบคิดแบบเร็วของมนุษย์ตามทฤษฎีจิตวิทยาของ Daniel Kahneman การที่ JEV เลือกใช้ตัวเลือกเชิงโครงสร้างแทนการสร้างภาษาธรรมชาติ ช่วยลดภาระในการประมวลผลและเพิ่มความแม่นยำในการส่งต่อคำสั่งให้ระบบอัตโนมัติทำงานต่อได้ทันทีโดยไม่ต้องผ่านกระบวนการแปลความหมายข้อความที่ซับซ้อน
ในการทดสอบประสิทธิภาพ นักพัฒนาได้ทดลองรันระบบทั้งหมด 2 รูปแบบ โดยแบบแรกใช้ API ทางการของ JEV แบบรีโมททำงานร่วมกับ LLM จาก OpenRouter ซึ่งใช้เวลาประมวลผลน้อยกว่า 2 นาที ส่วนการทดสอบแบบที่สองใช้ระบบ JEV และ LLM แบบโลคอลที่มีประสิทธิภาพต่ำกว่า ซึ่งใช้เวลาดำเนินการเกือบ 30 นาที
รูปแบบการทำงานใหม่ที่เน้นการตัดสินใจผ่านโครงสร้างข้อมูลที่ชัดเจนเช่นนี้ ถือเป็นการเปิดประตูสู่ความเป็นไปได้ใหม่ๆ ในวงการพัฒนาซอฟต์แวร์และระบบอัตโนมัติ ผู้ที่สนใจสามารถเข้าไปแสดงความคิดเห็นหรือแง่มุมการใช้งานเพิ่มเติมได้ที่ช่องทางของผู้วิจัย
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น