OpenAI در رویداد Dev Day از قابلیتی تازه به نام Decisions API گفت؛ ابزاری که می‌تواند به یکی از قطعه‌های مهم در اتوماسیون نرم‌افزار و کنترل رفتار ایجنت‌های هوش مصنوعی تبدیل شود. نکته جالب اینجاست که این محصول از نظر کارکرد، شباهت زیادی به Jev دارد؛ مدلی که TypeSafe AI همین چند وقت پیش برای تصمیم‌گیری سریع و کم‌هزینه در سناریوهای نرم‌افزاری معرفی کرده بود.
اگر این API همان‌طور که توصیف شده عمل کند، می‌تواند به توسعه‌دهندگان کمک کند به‌جای تکیه کامل بر مدل‌های زبانی بزرگ و کندتر، از یک لایه تصمیم‌گیری سریع‌تر برای انتخاب بین گزینه‌های از پیش تعریف‌شده استفاده کنند؛ چیزی که هم هزینه را پایین می‌آورد و هم سرعت اجرای سیستم را بالا می‌برد.
Decisions API دقیقاً چه کاری انجام می‌دهد؟
سم آلتمن، مدیرعامل OpenAI، این API را راهی برای محدود کردن مدل Luna به مجموعه‌ای مشخص از انتخاب‌ها توصیف کرد. برای مثال، می‌توان از مدل خواست بین چند دسته‌بندی مشخص برای یک تصویر تصمیم بگیرد یا از میان چند رفتار ممکن، واکنش مناسب یک ایجنت را انتخاب کند.
ایده اصلی ساده است: وقتی مدل به‌جای تولید پاسخ باز، فقط بین چند گزینه مشخص انتخاب می‌کند، می‌توان آن را بسیار سریع‌تر اجرا کرد، بدون اینکه قابلیت‌هایی مثل درک تصویر، پشتیبانی زبانی گسترده یا لایه‌های ایمنی از بین بروند.
چرا این رویکرد مهم است؟
مدل‌های زبانی بزرگ در بسیاری از کاربردها قدرتمند هستند، اما همیشه بهترین انتخاب نیستند. در محصولات نرم‌افزاری، مخصوصاً جایی که پاسخ باید فوری و ارزان باشد، استفاده از یک مدل تصمیم‌گیری سبک‌تر می‌تواند منطقی‌تر باشد. به همین دلیل، ابزارهایی مثل Jev در مدت کوتاهی توجه زیادی جلب کرده‌اند.
- سرعت بالاتر: انتخاب بین گزینه‌های محدود از تولید پاسخ آزاد سریع‌تر است.
- هزینه کمتر: پردازش سبک‌تر، هزینه اجرای کمتری دارد.
- مناسب برای اتوماسیون: در جریان‌های کاری نرم‌افزاری، تصمیم‌گیری ساخت‌یافته کاربرد زیادی دارد.
- کنترل‌پذیری بیشتر: وقتی خروجی به گزینه‌های مشخص محدود باشد، رفتار سیستم قابل پیش‌بینی‌تر می‌شود.
شباهت Decisions API به Jev
Jev که توسط TypeSafe AI توسعه داده شده، مدلی برای اتوماسیون نرم‌افزار است که می‌توان آن را نوعی طبقه‌بند بسیار قدرتمند مبتنی بر LLM دانست. توسعه‌دهنده مجموعه‌ای از گزینه‌ها را به آن می‌دهد و Jev با سرعت بالا و هزینه پایین، احتمال هر گزینه را برمی‌گرداند.
توضیحی که OpenAI از Decisions API ارائه کرده، تقریباً در همین مسیر قرار می‌گیرد. به همین دلیل هم خیلی‌ها آن را رقیب مستقیم یا حتی نسخه‌ای شبیه به Jev می‌دانند.
دیگو آلمیدا، مدیرعامل TypeSafe AI و از مهندسان سابق OpenAI، در شبکه X با لحنی طنزآمیز به شروع «جنگ کلون‌ها» اشاره کرد. او همچنین گفت توجه OpenAI به چنین محصولی می‌تواند نشانه‌ای باشد از اینکه ساخت سیستم‌ها به شکلی سازگار با System One آینده این حوزه است.
منظور از System One چیست؟
TypeSafe از اصطلاح System One برای توصیف تصمیم‌گیری سریع و شهودی استفاده می‌کند؛ در مقابل، System 2 به استدلال آهسته‌تر و سنجیده‌تر اشاره دارد. در عمل، این تقسیم‌بندی یعنی همه مسائل لزوماً به استدلال سنگین نیاز ندارند و در بسیاری از وظایف نرم‌افزاری، یک تصمیم‌گیر سریع کارآمدتر است.
چرا توسعه‌دهندگان به این مدل‌ها علاقه‌مند شده‌اند؟
زیرمتن ماجرا روشن است: LLMها برای همه کاربردها گزینه ایده‌آل نیستند. آن‌ها نسبت به بسیاری از مدل‌های تخصصی، کندتر و گران‌ترند. به همین خاطر، بعضی تیم‌ها از Jev در کنار مدل‌های زبانی استفاده کرده‌اند تا هم سرعت سیستم را بالا ببرند و هم هزینه را کاهش دهند.
این رویکرد ترکیبی می‌تواند در ساخت ایجنت‌ها، دسته‌بندی محتوا، مسیردهی درخواست‌ها و تصمیم‌گیری‌های لحظه‌ای بسیار مفید باشد؛ مخصوصاً وقتی لازم است سیستم در مقیاس بالا و با پاسخ‌گویی سریع عمل کند.
- کاهش وابستگی به LLM در وظایف ساده‌تر
- تقسیم هوشمند کار بین مدل‌های سنگین و سبک
- بهبود عملکرد ایجنت‌های خودکار در سناریوهای پرتکرار
- مدیریت بهتر هزینه در محصولات مبتنی بر هوش مصنوعی
هنوز چه چیزهایی مشخص نیست؟
OpenAI فعلاً Decisions API را در قالب یک پیش‌نمایش محدود ارائه کرده و هنوز اطلاعات عملی زیادی درباره عملکرد واقعی آن منتشر نشده است. در نتیجه، فعلاً نمی‌توان با اطمینان گفت این API تا چه اندازه از نظر کیفیت خروجی، دقت احتمالات و کارایی عملی به Jev نزدیک است.
با این حال، بحث‌هایی که در X شکل گرفته نشان می‌دهد بازار به چنین محصولی علاقه دارد و احتمالاً این تنها شروع موجی بزرگ‌تر است.
رقابت تازه در بازار مدل‌های تصمیم‌گیری
OpenAI تنها بازیگر این میدان نیست. استارتاپ‌های دیگری هم در حال عرضه APIها و مدل‌هایی مشابه هستند و بعید است OpenAI آخرین غول فناوری باشد که به این فضا وارد می‌شود. به نظر می‌رسد مدل‌های تصمیم‌گیری سریع قرار است به یکی از لایه‌های مهم در معماری محصولات هوش مصنوعی تبدیل شوند.
اما یک سؤال کلیدی همچنان باقی است: خروجی این مدل‌ها چقدر با دنیای واقعی کالیبره و منطبق است؟ سرعت و ارزانی جذاب‌اند، اما اگر احتمال‌ها یا انتخاب‌ها دقیق نباشند، مزیت اصلی از بین می‌رود.
برتری واقعی کجاست؟
آلمیدا معتقد است مزیت رقابتی TypeSafe در داده‌های مصنوعی‌ای است که شرکت برای تولید خروجی‌های آماری مفید می‌سازد. از نگاه او، سریع و ارزان بودن به‌تنهایی کافی نیست؛ بخش سخت ماجرا، هوشمندی است.
او در گفت‌وگو با TechCrunch به این نکته اشاره کرد که اگر فقط سرعت و هزینه پایین مهم باشد، رسیدن به آن چندان دشوار نیست. چالش اصلی این است که مدل، با وجود سرعت بالا، همچنان تصمیم‌های معنادار و قابل اتکا بگیرد.
آینده این مدل‌ها چه خواهد بود؟
فقط چند هفته از مطرح شدن جدی این دسته از مدل‌ها گذشته، اما همین بازه کوتاه هم نشان داده که آن‌ها آینده روشنی دارند. هرچه محصولات هوش مصنوعی بیشتر وارد کاربردهای عملی و تجاری شوند، نیاز به لایه‌هایی که بتوانند سریع، ارزان و قابل‌کنترل تصمیم بگیرند بیشتر خواهد شد.
اگر Decisions API در عمل بتواند وعده‌های OpenAI را محقق کند، احتمالاً به یکی از ابزارهای مهم برای توسعه‌دهندگانی تبدیل می‌شود که می‌خواهند ایجنت‌های هوشمندتر، سریع‌تر و اقتصادی‌تر بسازند. و اگر نه، Jev و سایر رقبای نوظهور آماده‌اند این جای خالی را پر کنند.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.