Tag: Diogo Almeida

Timp de citit: 5 minutes

Un nou tip de model de inteligență artificială încearcă să schimbe modul în care software-ul folosește AI-ul. Jev, dezvoltat de TypeSafe AI, nu este un Large Language Model (LLM) clasic și nu este conceput pentru conversații. În schimb, modelul produce decizii structurate, însoțite de probabilități și estimări de încredere, cu scopul de a face automatizarea software mai rapidă, mai ieftină și mai predictibilă.

Ideea a atras rapid atenția dezvoltatorilor, iar apariția lui Jev marchează o posibilă schimbare de direcție în dezvoltarea aplicațiilor bazate pe inteligență artificială. Informațiile au fost prezentate de TechCrunch pe 18 septembrie 2026, într-un articol dedicat proiectului TypeSafe și lui Diogo Almeida, cercetător care a lucrat anterior la OpenAI.

Ce este Jev și de ce este diferit de un chatbot AI?

Majoritatea modelelor AI populare sunt construite pentru a genera text. ChatGPT, Claude, Gemini și alte modele lingvistice primesc informații și produc secvențe de text, ceea ce le face extrem de flexibile pentru conversații, programare, redactare și analiză.

Jev abordează problema diferit.

Modelul dezvoltat de TypeSafe AI este conceput pentru decizii structurate pe care software-ul le poate utiliza direct. În loc să genereze un răspuns textual care trebuie ulterior interpretat și validat de un program, Jev returnează valori de tip structurat și probabilități asociate deciziilor. TypeSafe numește această categorie de modele AI „System One Models”.

Conceptul este important pentru automatizare. Dacă o aplicație trebuie să decidă dacă un mesaj este spam, dacă o tranzacție necesită verificare umană sau dacă un incident de securitate trebuie escaladat, nu are întotdeauna nevoie de un paragraf generat de AI. Are nevoie de o decizie clară.

De ce a creat TypeSafe un model AI care nu generează text?

Potrivit lui Diogo Almeida, fondatorul TypeSafe, problema este legată de diferența dintre ceea ce este optimizat pentru oameni și ceea ce este util pentru computere.

Almeida a lucrat anterior la OpenAI și este asociat cu dezvoltarea unor metode precum Reinforcement Learning from Human Feedback (RLHF), utilizate pentru îmbunătățirea comportamentului modelelor lingvistice. În viziunea sa, modelele au devenit foarte bune la limbaj, însă limbajul natural nu este întotdeauna interfața ideală pentru software.

TypeSafe încearcă astfel să construiască un model AI destinat în primul rând utilizării de către alte programe.

Compania spune că Jev folosește o arhitectură nouă, un mecanism de eșantionare paralelă și o metodă de antrenare numită Reinforcement Learning for Calibrated Decisions (RLCD). În loc să optimizeze generarea unor răspunsuri preferate de oameni, obiectivul este obținerea unor decizii structurate și a unor probabilități calibrate.

Cum poate Jev să reducă problema halucinațiilor AI?

Unul dintre argumentele centrale ale TypeSafe este că Jev nu generează text. Într-un LLM tradițional, modelul poate produce o afirmație incorectă, un cod greșit sau o informație inventată. Software-ul trebuie să interpreteze răspunsul și să verifice dacă acesta respectă formatul așteptat.

În cazul Jev, rezultatele sunt definite în avans. Modelul poate selecta, de exemplu, una dintre mai multe opțiuni sau poate furniza o probabilitate pentru o anumită decizie.

TypeSafe susține că această abordare elimină erorile de tip (type errors) deoarece structura rezultatului este definită înainte ca modelul să producă decizia. Compania afirmă, de asemenea, că fiecare rezultat este însoțit de o estimare a încrederii.

Este însă importantă o distincție: faptul că modelul produce rezultate structurate nu înseamnă că toate deciziile sale sunt automat corecte. Utilizatorii trebuie să stabilească praguri pentru automatizare și situațiile în care o decizie trebuie trimisă spre verificare umană.

Jev este mai rapid decât modelele AI tradiționale?

Viteza este una dintre principalele promisiuni ale TypeSafe. Compania spune că Jev poate răspunde în aproximativ 70-500 de milisecunde, în funcție de sarcină, și că abordarea sa poate fi de ordinul zecilor sau sutelor de ori mai rapidă în anumite scenarii de automatizare. Aceste valori sunt afirmații ale TypeSafe și trebuie interpretate în contextul testelor și workflow-urilor prezentate de companie, nu ca o regulă universală pentru toate aplicațiile AI.

Publicația TechCrunch relatează exemple concrete oferite de dezvoltatori. Un inginer software de la Vercel a afirmat că, într-un clasificator pentru verificarea siguranței comenzilor, trecerea de la un model OpenAI la Jev a dus la rezultate de 5 până la 18 ori mai rapide și la o acuratețe mai mare în testul respectiv. Un alt dezvoltator a comparat Jev cu Gemini pentru clasificarea e-mailurilor comerciale și a raportat un compromis între acuratețe, cost și disponibilitatea scorurilor de încredere.

Acestea sunt rezultate din teste specifice, nu benchmark-uri independente care demonstrează superioritatea generală a modelului.

Cât costă Jev?

Costul redus este o altă componentă importantă a strategiei TypeSafe. Pe pagina oficială a produsului, compania indică un preț de 42 de dolari pentru un miliard de tokeni de intrare, iar tokenii de ieșire sunt prezentați ca fiind gratuiti. TypeSafe susține că arhitectura este mult mai eficientă pentru sarcini de decizie decât modelele lingvistice tradiționale.

Pentru aplicațiile care procesează volume foarte mari de date, diferența de cost poate deveni relevantă.

De exemplu, un sistem care clasifică milioane de documente, verifică permanent fluxuri de date sau monitorizează agenți AI ar putea avea nevoie de milioane sau miliarde de evaluări. În astfel de situații, fiecare reducere a costului per operațiune poate schimba fezabilitatea economică a unui produs.

Pentru ce poate fi folosit Jev?

Jev nu încearcă să înlocuiască toate utilizările unui chatbot. Cazurile de utilizare prezentate de TypeSafe sunt concentrate pe automatizare și decizii în interiorul software-ului.

Printre exemple se află:

• clasificarea automată a documentelor și mesajelor;
• procesarea facturilor;
• detectarea și prioritizarea incidentelor de securitate;
• monitorizarea agenților AI;
• detectarea tentativelor de jailbreak;
• rutarea cererilor către modelul AI potrivit;
• evaluarea riscului;
• sisteme de scoring;
• fluxuri software care trebuie să aleagă între mai multe acțiuni;
• aplicații în timp real unde latența este critică.

TypeSafe prezintă inclusiv workflow-uri pentru incidente de securitate, procesarea facturilor, servicii pentru clienți și observabilitatea agenților AI.

Jev poate lucra împreună cu alte modele tip LLM

Una dintre ideile interesante este că Jev nu trebuie neapărat să înlocuiască modelele lingvistice. Modelul poate fi folosit ca un strat de verificare pentru alți agenți AI. De exemplu, un LLM poate genera un răspuns sau executa o serie de acțiuni, iar Jev poate analiza rezultatul și decide dacă acesta trebuie acceptat, respins sau trimis către un operator uman.

Această arhitectură poate fi relevantă pe măsură ce aplicațiile folosesc tot mai mulți agenți AI autonomi. În loc ca fiecare agent să fie verificat manual, un model specializat în decizii poate funcționa ca un filtru automat.

Ce înseamnă “System One Model”?

Denumirea vine din distincția popularizată de psihologul Daniel Kahneman între gândirea rapidă și intuitivă și gândirea lentă, deliberativă.

TypeSafe folosește conceptul pentru a descrie modele concentrate pe decizii rapide și structurate, spre deosebire de modelele concepute pentru raționament extins și generare de limbaj.

Jev este primul model public din această categorie dezvoltat de TypeSafe și se află, în prezent, în early access.

Ce trebuie urmărit înainte de a considera Jev o alternativă la LLM?

Cea mai importantă întrebare este dacă modelele specializate pot transforma promisiunile de eficiență în rezultate consistente în producție.

TypeSafe publică propriile evaluări și explică metodologia utilizată. Compania avertizează inclusiv asupra limitărilor evaluărilor și susține că benchmark-urile publice pot crea stimulente pentru optimizarea artificială a rezultatelor.

Prin urmare, afirmații precum „193,6x mai rapid” sau „444,6x mai ieftin” trebuie citite ca rezultate raportate de TypeSafe pentru anumite metode de lucru, nu ca o caracteristică universală a Jev în orice aplicație. Site-ul companiei prezintă aceste valori în contextul unor teste proprii.

Pentru dezvoltatori, testarea pe propriile date și propriile fluxuri de lucru rămâne esențială.

De ce acest model este important pentru viitorul inteligenței artificiale?

Jev ilustrează o idee mai largă: viitorul AI nu trebuie să fie format exclusiv din modele care dialoghează cu oamenii.

În anumite aplicații, limbajul natural poate fi o interfață inutil de costisitoare. Dacă un program are nevoie doar de răspunsul „aprobat”, „respins”, „dezvoltă” sau de o distribuție de probabilități, generarea unui paragraf întreg poate fi o etapă intermediară inutilă.

Modelul TypeSafe încearcă să mute inteligența artificială mai aproape de cod și de logica aplicațiilor: datele intră, modelul evaluează situația, iar software-ul primește o decizie structurată.

Această abordare ar putea deveni relevantă în automatizarea enterprise, cybersecurity, procesarea documentelor, agenți AI și aplicații cu cerințe stricte de latență.

Pentru moment, Jev este un produs aflat la început de drum și disponibil în early access. Însă apariția sa evidențiază o direcție importantă în industria AI: nu orice problemă are nevoie de un chatbot, iar unele dintre cele mai utile modele AI pentru software ar putea fi cele care nu generează deloc text.

Surse: typesafe.ai, techcrunch.com