Matn yoki kod yaratish o‘rniga ehtimollarni chiqarib, ulardan vazifalarni avtomatlashtirishda foydalanishni taklif qilayotgan TypeSafe AI startapi 870 million dollar jalb qildi. Ushbu investitsiya bosqichida kompaniya 7,5 milliard dollarga baholandi. Investitsiyaga Andreessen Horowitz boshchilik qildi, Sequoia va avvaldan sarmoya kiritgan DCVC ham qatnashdi.

Asosiy ma’lumot va kontekst

TypeSafe AI’ning Jev modeli 15-sentabrda ishga tushirilganidan keyin bir necha hafta ichida tez ommalashdi. Kompaniyaning da’vo qilishicha, Fortune 500 ro‘yxatidagi kompaniyalarning uchdan biri Jev’dan allaqachon foydalanmoqda. Bu maqolada kompaniyalarning joriy etilishi ko‘lami haqida keltirilgan kompaniya bayonotidir; «joriy etish» deganda qanday foydalanish nazarda tutilgani ko‘rsatilmagan.

Jev transformator arxitekturasiga (kiruvchi ma’lumotlarni qayta ishlaydigan AI modeli tuzilishiga) asoslangan, ammo katta til modeli (LLM — katta hajmdagi til ma’lumotlarida o‘qitilib, asosan matn bilan ishlaydigan model) emas. Jev matn o‘rniga ehtimollarni chiqaradi; TypeSafe AI buni «kalibrlangan qarorlar» (calibrated decisions) deb ataydi. Kompaniyaning da’vo qilishicha, Jev LLM’lardan ancha tezroq ishlaydi va ancha kam token (model qayta ishlaydigan matn birligi) sarflaydi.

Bu farq TypeSafe AI ta’kidlayotgan foydalanish maqsadi bilan bog‘liq. Kompaniya Jev’ni matn yoki kod yaratishdan ko‘ra vazifalarni avtomatlashtirishga mos usul sifatida ta’riflaydi. Hammuassis Diogo Almeyda TechCrunch’ga kompyuterlar insonlardan farqli tildan foydalanishi sababli, inson tilini yaxshi bilish avtomatlashtirish uchun foydali emasligini aytdi.

TypeSafe AI kompaniyasiga 2024-yilda Meta’ning sobiq tadqiqot muhandisi Sasha Sheng hamda muhandis va tadbirkor Erik Gafni asos solgan. Almeyda ham hammuassis sifatida tanishtirilgan; u avval OpenAI’da tadqiqotchi bo‘lib ishlagan. Kompaniyaning yirik investitsiya jalb qilgani va korxonalar tomonidan joriy etilgani haqidagi da’volarga birgalikda e’tibor qaratilishiga Jev’ning matn yaratish emas, korxonalardagi ishlarni avtomatlashtirishga yo‘naltirilgani sabab bo‘lmoqda.

Bu xabar nimani anglatadi?

Bu holat korxonalar uchun AI’ni baholashda nafaqat uning matnni qanchalik tabiiy yaratishi, balki muayyan vazifani bajarish uchun qaysi chiqish shakli mos kelishi ham muhim mezon bo‘lishi mumkinligini ko‘rsatadi. Biroq investitsiya va kompaniya qiymatining baholanishi model samaradorligini mustaqil ravishda isbotlovchi natijalar bilan bir xil emas.

Masalan, biror korxona hujjat mazmunini o‘qib, uni belgilangan vazifa toifalariga ajratadigan avtomatlashtirishni ko‘rib chiqayotgan bo‘lsa, jumla yaratish chindan ham zarurligini va ehtimollar shaklidagi chiqish amaldagi ish jarayoniga mos kelishini baholashi mumkin. Bu taxminiy misol; maqolada Jev muayyan vazifalarda qanday natijaga erishgani aytilmagan.

Modelning tezligi va kam token sarflashi, shuningdek Fortune 500 kompaniyalarining uchdan biri undan foydalanayotgani haqidagi ma’lumotlar kompaniyaning o‘z da’volaridir. Maqolada ularni tasdiqlovchi mustaqil samaradorlik tekshiruvi yoki foydalanishning aniq mezonlari keltirilmagan.

Tasdiqlangan faktlar va hozircha noma’lum jihatlar

Tasdiqlangan faktlar

  • TypeSafe AI Jev’ni ishlab chiqdi, 870 million dollar jalb qildi va kompaniya qiymati 7,5 milliard dollar deb baholandi.
  • Investitsiya bosqichiga Andreessen Horowitz boshchilik qildi; Sequoia va avvaldan sarmoya kiritgan DCVC ham qatnashdi.
  • Jev transformator arxitekturasiga asoslangan, ammo LLM emas; u matn o‘rniga ehtimollarni chiqaradi.
  • TypeSafe AI Jev’ni matn yoki kod yaratishdan ko‘ra vazifalarni avtomatlashtirishga mos model sifatida ta’riflaydi.

Hozircha noma’lum jihatlar

  • Jalb qilingan 870 million dollarni qaysi maqsadlarga sarflash rejalashtirilgani maqolada aytilmagan.
  • Jev’ning tezligi va token sarfi borasidagi kompaniya da’volarini tasdiqlovchi mustaqil samaradorlik tekshiruvi natijalari mavjud yoki mavjud emasligi aniqlanmagan.
  • Fortune 500 kompaniyalarining uchdan biri Jev’dan foydalanayotgani haqidagi da’voda qanday foydalanish mezonlari qo‘llangani va nechta kompaniya nazarda tutilgani noma’lum.

O‘quvchi nimalarga e’tibor berishi kerak?

  • Jev’ni joriy etishni ko‘rib chiqayotganda, avvalo, tegishli vazifada matn yaratish kerakmi yoki ehtimollardan foydalanadigan avtomatlashtirish mos keladimi, shuni aniqlash lozim.
  • Kompaniya keltirgan tezlik va token sarfi haqidagi ma’lumotlarni baholashda taqqoslash uchun nima asos qilib olingani, o‘lchov shartlari va mustaqil tekshiruv o‘tkazilgan-o‘tkazilmagani aniqlanishi kerak.
  • Korxonalarda joriy etilish holatlarini baholashda «foydalanish» ta’rifi va modelning haqiqiy ish jarayonidagi vazifalari ko‘lamini tekshirish muhim.