ظهر هذا الاسم أيضًا في مقالات أخرى، لذا أنا مهتم بمعرفة ما هو عليه https://t.co/7qiEKzo5Yd Jev AI غيّر المعايير المعتادة لوكيلات الذكاء الاصطناعي Julian Goldie SEO #AIملخص #Claude #Codex Jev يغيّر اتخاذ القرار والأتمتة في وكيلات الذكاء الاصطناعي 🔳 ميزات Jev Jev هو نموذج من نوع System 1 مُصمم خصيصًا لاتخاذ القرارات مثل الاختيار والتقييم والحكم، وليس لإنشاء النصوص، وهو مصمم للتعامل مع كميات كبيرة من القرارات بسرعة ومنخفض التكلفة. 🔳 تقسيم الأدوار مقارنةً بالنماذج التقليدية بينما تُستخدم النماذج الكبيرة للبحث والتخطيط وإنشاء النصوص، فإن Jev يتولى القرارات البسيطة التي تتطلب إجابات قصيرة، مثل اختيار الأداة التالية، أو تحديد ما إذا كان يجب الاستمرار في المعالجة، أو ما إذا كان هناك حاجة لتأكيد بشري. 🔳 السرعة والتكلفة في الفيديو، تم ذكر أن Jev أسرع بـ 20 إلى 200 مرة وأقل تكلفة بـ 40 إلى 400 مرة مقارنةً بالنماذج التقليدية للذكاء الاصطناعي، مما يقلل الحاجة إلى تفويض مهام القرارات الصغيرة الكثيرة إلى نماذج عالية الأداء. 🔳 ثلاثة أنواع من طرق اتخاذ القرار يمكن لـ Jev استخدام ثلاثة أنواع من القرارات: Choice (اختيار من بين عدة خيارات)، Score (تقييم وفق معايير محددة)، وYes/No (تحديد احتمال الإجابة بنعم أو لا)، مع إمكانية الحصول على مستوى الثقة لكل قرار. 🔳 الأتمتة باستخدام مستوى الثقة يمكنك ضبط قواعد تشغيلية تسمح بالمعالجة التلقائية عند ارتفاع مستوى الثقة، وتوجيه القرارات ذات الثقة المنخفضة للتحقق البشري، مما يضمن تضمين حالات عدم اليقين في قواعد التشغيل، وليس فقط احتمالية الخطأ. 🔳 المعالجة المتوازية للقرارات المتعددة يمكن إرسال عدة أسئلة مرتبطة بحالة واحدة معًا، واتخاذ قرارات متوازية حول الإجراء التالي، أو درجة الطوارئ، أو الحاجة إلى الموافقة، مما يقلل من أوقات الانتظار والتكاليف داخل وكيل الذكاء الاصطناعي. 🔳 مثال على تصنيف الأوراق البحثية بعد تلخيص الباحث لأوراق بحثية في الذكاء الاصطناعي، قام بإرسال العناوين والملخصات و24 خيارًا محتملاً للموضوعات إلى Jev للتصنيف. في الفيديو، تم ذكر أن تكلفة معالجة 18 ورقة كانت 8 سنتات، ومتوسط وقت المعالجة لكل ورقة 256 مللي ثانية. 🔳 مثال على تنظيم البريد الإلكتروني في مثال لتصنيف 500 رسالة بريد إلكتروني، قام Jev بتوزيعها على خيارات مثل: الرد، إجراء بحث إضافي، الانتظار، أو التحويل للتحقق البشري، وتمت المعالجة خلال ثوانٍ قليلة بتكلفة إجمالية قدرها 3.5 سنت. 🔳 مثال على تقييم العملاء المحتملين في تقييم 700 عميل محتمل ورسائل فردية، حسب Jev التوقعات والثقة خلال 40 ثانية، وتم الكشف عن الحالات التي لا تتطابق فيها الرسائل مع العملاء المحتملين، بتكلفة قدرها 9 سنتات. 🔳 الاستخدام في عمليات المتصفح في وكيل المتصفح، يتم تحديث قائمة الخيارات القابلة للتنفيذ في كل تغيير للصفحة، ويُطلب من Jev اختيار الإجراء التالي، بينما يتم تفويض إدخال النصوص فقط إلى نموذج إنشائي آخر. في الفيديو، تم ذكر أن عدد أوامر المتصفح انخفض من 1092 إلى 101 كمتوسط، وانخفض وقت المهمة بنسبة تصل إلى 25%. 🔳 ملاحظات حول البحث عن رحلات الطيران في المثال المذكور، تم اكتشاف رحلة طيران خلال 7 ثوانٍ بتكلفة أقل من 0.5 سنت، لكن لم يتم تنفيذ الحجز فعليًا، كما أن قياس الوقت البالغ 7 ثوانٍ بدأ بعد تحميل الصفحة الأولى فقط. 🔳 تحسين الروابط الداخلية في مثال لبناء روابط داخلية على موقع يضم 586 صفحة، قام Jev بوضع 584 رابطًا خلال 45.1 ثانية، ولم يضع روابط على 139 صفحة لم توجد لها وجهات مناسبة، بتكلفة قدرها 21 سنتًا. 🔳 توجيه النماذج تم عرض استخدام Jev لتوجيه الطلبات بين نموذج منخفض التكلفة وسريع ونموذج عالي الأداء ومكلف، حيث يقرر Jev أي نموذج يناسب المهمة. في الفيديو، تم شرح مثال دمج LangChain لاختيار أرخص نموذج قادر على تنفيذ المهمة. 🔳 التحقق من سلامة استخدام الأدوات يمكن استخدام Jev لتقييم المخاطر قبل تنفيذ أي أداة من قبل وكيل الذكاء الاصطناعي؛ فإذا كانت آمنة، يُسمح بالتنفيذ، وإذا كانت خطرة، يتم إيقاف العملية أو تحويلها للتحقق البشري. 🔳 تقليل السياق يمكن لـ Jev تقييم أهمية عمليات استدعاء الأدوات المحفوظة في سجل الوكيل وإزالة المعلومات غير الضرورية. في مثال، تم تقليل سياق يحتوي على حوالي مليون رمز إلى حوالي 86,000 رمز خلال ثانية واحدة تقريبًا. 🔳 مخاوف بشأن تقليل السياق تم ذكر انتقاد مفاده أن حذف السجلات بشكل فردي قد يؤدي إلى فقدان أسباب أو سياقات القرارات السابقة في المهام الطويلة؛ لذلك يُقترح استكشاف بدائل مثل استخدامه لاختيار ما يجب تلخيصه بدلًا من حذفه. 🔳 حدود Jev Jev نفسه لا ينشئ نصوصًا أو أكوادًا أو نتائج بحثية؛ فهو مخصص أساسًا لاتخاذ القرارات. كما أن مستوى الثقة العالي لا يضمن صحة القرار، لذا يجب التحقق من النتائج العملية مثل حفظ الملفات بشكل منفصل. ◙ أهمية تصميم المدخلات لا يمكن فهم نية القرار من خلال أسماء حقول الأسئلة فقط؛ يجب وصف النص الكامل للسؤال والخيارات بدقة. كما أن عدم توفير سياق أو معلومات كافية سيؤدي إلى انخفاض جودة القرار. ◙ هيكل التسعير في الفيديو، تم شرح أن التكلفة حوالي 4 سنتات لكل مليون رمز إدخال، ولا توجد تكلفة حاليًا للإخراج. عند تنفيذ 10,000 عملية قرار باستخدام 1000 رمز لكل منها، تكون التكلفة التقريبية حوالي 42 سنتًا. ◙ المهم هو تكلفة إكمال المهمة🔳 المهم هو تكلفة إكمال المهمة يُشار إلى أنه حتى لو كانت عملية اتخاذ القرار نفسها منخفضة التكلفة، فإن التوجيه الخاطئ قد يؤدي إلى قيام الوكيل بعمليات غير ضرورية، مما يزيد التكلفة الإجمالية؛ لذا يجب تقييم التكلفة الإجمالية حتى إكمال المهمة، وليس تكلفة كل قرار على حدة. 🔳 تغيير هيكل وكيل الذكاء الاصطناعي يشرح الفيديو أنه في الماضي، كان نفس النموذج يتحمل مسؤولية توليد النصوص واتخاذ القرارات، لكنه الآن يتحول إلى هيكل تقسيم عمل حيث يتحمل النموذج الكبير مهام البحث والتوليد، بينما يتحمل Jev مهام الاختيار والتقييم والموافقة والتصعيد، ويتولى الكود المعالجة الفعلية. 🔳 الاستخدامات المناسبة حاليًا يُصنف الدمج كوظيفة تجريبية في هذه المرحلة، ويُعتبر منطقيًا البدء به في قرارات بسيطة وواضحة تتكرر من قبل البشر، مثل تصنيف البريد الإلكتروني وتقييم العملاء المحتملين وتوجيهها ووضع العلامات عليها. 🔳 استنتاج الفيديو الادعاء الأساسي في الفيديو هو أن فصل توليد النصوص عن اتخاذ القرارات، وتكليف نماذج سريعة ومنخفضة التكلفة مثل Jev بالقرارات الصغيرة المتكررة، يمكن أن يحسن سرعة وكفاءة وكيل الذكاء الاصطناعي ونطاق أتمتته.