Jev vs Decitron: Beide sind Entscheidungs-KI, warum sind sie nicht dasselbe?
Kürzlich ist ein neues Modell namens Jev plötzlich populär geworden.
Es stammt von TypeSafe AI. Dieses Team mit OpenAI-Hintergrund hat sich nicht weiter auf Generierung und Inferenz konzentriert, sondern eine neue Richtung eingeschlagen: KI dazu zu bringen, direkt Urteile zu fällen.
Sie haben sogar ihren Slogan direkt formuliert: Decisions, not strings (Entscheidungen, keine Texte).
Der Aufstieg von Jev hat dazu geführt, dass „Decision“ (Entscheidung) wieder zu einem beliebten Begriff in der KI-Branche geworden ist.
Aber wenn man die Zeitachse ein paar Monate zurückdreht, stellt man fest, dass dieser Trend nicht erst heute aufgetaucht ist.
Bevor Jev Aufmerksamkeit erregte, gab es im Inland bereits eine Richtung namens „Entscheidungs-KI“. Im Juni dieses Jahres veröffentlichte Zhongke Wenge (der zuvor von einigen Medien als „die erste Aktie des großen Entscheidungsmodells“ bezeichnet wurde) das allgemeine große Entscheidungsmodell Decitron Decision Machine, mit dem Versuch, Weltmodell, Multi-Agent-Simulation, Spieltheorie und Lösung in einen einheitlichen Entscheidungsrahmen zu integrieren.
Da stellt sich die Frage: Wenn beide von „Entscheidungs-KI“ sprechen, sind Jev und Decitron eigentlich dasselbe?
Die Antwort ist nein. Sowohl Jev als auch Decitron sprechen von Decision, aber ihr Verständnis von „Entscheidung“ ist nicht dasselbe.
Jev gestaltet Entscheidungen zu einem sofortigen Urteil, während Decitron Entscheidungen zu einer Simulation der Zukunft macht.
Eines löst „Was soll ich jetzt wählen?“, das andere löst „Was passiert danach, nachdem ich gewählt habe?“.
Warum lohnt es sich, die beiden miteinander zu vergleichen?
Auf den ersten Blick scheinen die beiden sehr unterschiedlich zu sein.
Jev legt Wert auf schnelle Urteile und dient hauptsächlich Software und Agenten; Decitron legt Wert auf die Simulation komplexer Welten und richtet sich an Entscheidungen in Strategie, Industrie und komplexen Systemen.
Aber wenn man die Perspektive erweitert, stellt man fest, dass sie eigentlich dasselbe tun: Beide überdenken: Kann die Ausgabe von KI mehr als nur ein Textabschnitt sein?
Die Standardausgabe früherer großer Modelle war eine Zeichenkette aus Text.
Du stellst eine Frage, es generiert eine Antwort, und dann entscheidet ein Mensch oder ein Programm, was als Nächstes zu tun ist.
Jev ist hier sehr direkt: Keine Texte, sondern Entscheidungen. Es wandelt die KI-Ausgabe in Choice, Score, Probability um, also Ergebnisse, die Software direkt ausführen kann.
KI ist nicht mehr nur dazu da, „dir zu antworten“, sondern beginnt, direkt an Programmverzweigungen und Handlungen teilzunehmen. Decitron gelangt über einen anderen Weg zu demselben Problem.
Es konzentriert sich nicht darauf, eine „Analyse über die Zukunft“ zu generieren, sondern die reale Welt in Zustände, Subjekte, Handlungen und Ergebnisse zu zerlegen und dann durch Multi-Agent-Simulation, Spieltheorie und Lösung verschiedene Pfade zu vergleichen.
Daher ist der erste echte Gemeinsamkeit von Jev und Decitron: Beide versuchen, die Ausgabe von KI von „Inhalten generieren“ weiter zu „Urteile und Handlungen unterstützen“ zu bringen.
Die zweite Gemeinsamkeit ist, dass beide betonen, Unsicherheit explizit zu quantifizieren.
Jev teilt dem System mit: Ich wähle A, aber die Sicherheit beträgt nur 72%.
Decitron befasst sich mit einer anderen Art von Unsicherheit: Welche Pfade kann die Zukunft unter verschiedenen Subjekten, Handlungen und Umweltveränderungen einschlagen?
Eines quantifiziert die Unsicherheit des aktuellen Urteils, das andere behandelt die Unsicherheit der zukünftigen Entwicklung.
Die dahinterstehende Idee ist jedoch dieselbe: KI darf nicht nur ein Ergebnis liefern, sondern muss dir auch sagen, wie vertrauenswürdig dieses Ergebnis ist.
Noch wichtiger ist, dass beide versuchen, „Entscheidung“ zu einem eigenständigen KI-Rechenparadigma zu machen.
Die Logik von Jev lautet: Eingabe des Zustands → Ausgabe des Urteils; Die Logik von Decitron lautet: Eingabe der Realität → Modellierung der Welt → Simulation der Handlung → Ableitung des Ergebnisses → Vergleich der Strategien.
Eines komprimiert die Entscheidung auf eine extrem kurze Zeit, das andere entfaltet die Entscheidung zu mehreren zukünftigen Welten.
Jev: Die Entscheidung zu einem einzigen Urteil komprimieren
Jev soll die Entscheidungsfragen lösen, auf die man sofort eine Antwort geben muss: A oder B? Wie hoch ist das Risiko? Soll man an einen Menschen weiterleiten? Welcher Prozess ist als Nächstes zu wählen?
Zum Beispiel erhält ein Kundenservice-System die Meldung: „Meine Kreditkarte wurde doppelt belastet.“
Ein herkömmliches großes Modell könnte zuerst eine Analyse generieren. Jev hingegen möchte direkt ausgeben: Billing: 96%; Fraud: 3%; Other: 1%.
Dann geht das Programm sofort zum nächsten Schritt über.
Aus technischer Sicht hat Jev also etwas Interessantes getan: Es hat die if/else-Struktur in herkömmlicher Software zu einer KI-Version von if/else aufgerüstet.
Früher mussten Programmierer es fest kodieren: Wenn A eintritt, führe B aus. Jetzt kann es lauten: Wenn die KI die Wahrscheinlichkeit, dass A eintritt, auf über 80 % schätzt, führe B aus.
Das bestimmt auch das Kernziel von Jev: Schnell, günstig, stabil und direkt in Software einbettbar.
Decitron: Die Entscheidung zu einer Simulation entfalten
Aber manche Entscheidungen sind überhaupt keine „Multiple-Choice-Fragen“.
Soll ein Unternehmen seine Produktion erweitern? Wenn es die Produktion erweitert, werden Konkurrenten die Preise senken? Wenn Konkurrenten die Preise senken, wird sich die Marktstruktur verändern? Wenn gleichzeitig Veränderungen bei Politik, Rohstoffen und Nachfrage auftreten, ist die ursprüngliche Wahl dann noch gültig?
An diesem Punkt reicht „A oder B“ nicht mehr aus.
Denn in der realen Welt gilt: Deine Wahl verändert die Welt; nachdem sich die Welt verändert hat, treffen andere auch neue Entscheidungen.
Das ist genau das Problem, das Decitron zu lösen versucht.
Es betrachtet nicht nur „Was soll ich jetzt wählen?“, sondern modelliert weiter: Zustand → Handlung → Ergebnis.
Also: Welchen Zustand hat die Welt gerade? Welche Handlungen führen verschiedene Teilnehmer durch? Wie sieht die Welt nach diesen Handlungen aus? Dann geht es in die nächste Runde.
Das Unternehmen handelt, der Konkurrent reagiert; der Konkurrent reagiert, der Markt verändert sich; der Markt verändert sich, alle Beteiligten treffen neue Entscheidungen.
Entscheidung ist nicht mehr ein einzelner Punkt, sondern eine ständig wachsende Zeitachse.
Daher führt Decitron Weltmodell, Multi-Agent-Simulation, Spieltheorie und Lösung ein.
Einfach ausgedrückt: Das Weltmodell baut das „Sandkastenmodell“ auf; die Multi-Agent-Simulation platziert verschiedene Teilnehmer darin; Spieltheorie und Lösung berechnen, wohin die verschiedenen Wahlen die Welt lenken könnten.
Der eigentliche Wendepunkt liegt im unterschiedlichen Verständnis von „Entscheidung“ bei den beiden:
Jev gestaltet die Entscheidung zu einem aktuellen Urteil, Decitron entfaltet die Entscheidung zu einer Simulation der Zukunft.
Von Generation zu Entscheidung: Die KI wechselt das Schlachtfeld
Warum ist Jev ausgerechnet jetzt populär geworden?
Denn in der KI-Branche zeichnet sich ein Trend ab: Generative KI löst „Wie antworte ich?“, Entscheidungs-KI beginnt „Wie wähle ich?“ zu lösen.
Im Juni dieses Jahres veröffentlichte Zhongke Wenge Decitron und brachte das „allgemeine große Entscheidungsmodell“ offiziell ins Rampenlicht; Ein paar Monate später erregte Jev mit dem Slogan „Decisions, not strings“ schnell Aufmerksamkeit.
Jev macht „Urteile“ schneller und ausreichend günstig, sodass es in den täglichen Ablauf von Software und Agenten einfließen kann; Decitron zielt auf komplexere Entscheidungsprobleme ab und vergleicht die Ergebnisse verschiedener Wahlen durch Weltmodellierung, Multi-Agent-Simulation und Lösung.
Eines behandelt „Wie wähle ich jetzt?“, das andere behandelt „Was passiert, nachdem ich gewählt habe?“.
Aber zusammen zeigen die beiden zumindest eines: Wenn „generieren können“ allmählich zur Grundfähigkeit von KI wird, richtet die Branche ihre Aufmerksamkeit auf die Fähigkeit „entscheiden können“.
Der nächste Wettbewerb wird vielleicht nicht nur darum gehen, „ob man sprechen kann“, sondern darum, ob die KI „richtig wählen kann“, wenn sich die Welt ständig verändert.
*Dieser Artikel wird von QbitAI mit Genehmigung veröffentlicht, die geäußerten Meinungen entsprechen ausschließlich denen des ursprünglichen Autors.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „QbitAI“, Autor: Yunzhong, 36kr wird mit Genehmigung veröffentlicht.