はじめに
最近、Jevが話題になっています。少し遅れながら、私もJevを触ってみることにしました。ChatGPTやClaudeのようなLLMは、文章を書いたり、コードを書いたり、複雑な推論をしたりできます。一方、Jevは少し違います。Jevは文章を生成するAIではなく、「判断するAI」です。 今回は、Jevとは何なのかを簡単に整理し、実際にPlaygroundで触ってみます。
Jevとは何か？
JevはTypeSafe AIが公開しているSystem One Modelです。ざっくりいうと、状態を渡すと、型の決まった判断と確率を返してくれるモデルです。
状態を渡す
↓
Jev
↓
判断 + 確率
例えば「この問い合わせは返金要求か？」と聞くと、
True 98%
False 2%
のような結果を返します。LLMとの違いをかなり単純化すると、こんな感じです。
| LLM | Jev |
|---|---|
| 文章を生成する | 判断する |
| 複雑な推論が得意 | 高速な判定が得意 |
| 自由な出力 | 型付きの出力 |
| 比較的高コスト | 非常に安価 |
Jevでは主に noul、choice、score の3種類の判断ができます。
noul → Yes / No
choice → 複数候補から選ぶ
score → 程度を評価する
「普通のif文では書けない判断をAIに任せる」と考えると分かりやすいです。
実際に触ってみた
JevにはPlaygroundが用意されています。
今回は、次の問い合わせを渡してみました。
{
"message": "先月解約したのに、今月も料金が引き落とされています。返金してください。"
}
そして、「返金要求か？」を判定させます。
{
"is_refund_request": {
"type": "noul",
"instructions": "The user is requesting a refund."
}
}
結果は、
True 98%
でした。ChatGPTのように理由を文章で説明するのではなく、判断結果を確率付きで返すのがJevらしいところです。
触ってみた感想
最初は「新しいLLMなのかな？」と思っていましたが、実際に触るとかなり違いました。個人的には、LLMは考える・分析する・改善する、Jevは高速に判断するという使い分けが面白そうです。例えばゲームAIなら、試合後のPDCAはLLM、リアルタイムの判断はJevという構成も考えられます。
次は choice や score も触りながら、Jevがどんな場面で使えるのかもう少し調べてみます。