La herejía del arquitecto: Por qué el co-creador de ChatGPT construyó su opuesto
Diogo Almeida, co-creador en OpenAI de RLHF (Aprendizaje por refuerzo a partir de retroalimentación humana), el algoritmo de post-entrenamiento detrás de la mayoría de las IAs de vanguardia, ahora critica los mismos LLMs que ayudó a construir. Su equipo entrenó a los primeros modelos para ser "sobrehumanos en el seguimiento de instrucciones", sentando las bases para la IA centrada en el chat como ChatGPT.
Almeida argumenta que los modelos optimizados para las preferencias humanas, aunque excelentes para la conversación, son intrínsecamente inadecuados para una automatización robusta. Destaca fallos críticos: exceso de confianza, 'mode dropping' y una falta generalizada de fiabilidad. Los LLMs extraen inteligencia a través de la "pequeña pajita de la autorregresión", forzando una generación secuencial que exige un humano en el proceso, lo que obstaculiza la verdadera autonomía.
Su respuesta es Jev, el modelo System One inaugural de TypeSafe AI. Jev está diseñado para abordar directamente estas limitaciones, construido para "producción, no para Dios", priorizando la automatización fiable y nativa para máquinas sobre la conversación similar a la humana. Produce decisiones con probabilidades y confianza, con el objetivo de ser fiable, rápido, autoconsistente y con seguridad de tipos (type-safe), a diferencia de los LLMs propensos a alucinaciones.
Conoce a Jev: IA que piensa como código, no como un poeta
Conoce a Jev, la respuesta de TypeSafe AI a las limitaciones de los LLMs: un "modelo System One" construido para máquinas. Abandona la generación secuencial y autorregresiva común en los LLMs (genial para chatear, pero "totalmente inútil para las computadoras") en favor de la computación paralela. Este cambio arquitectónico ofrece respuestas "casi instantáneas", haciendo que la IA en tiempo real sea finalmente práctica al extraer inteligencia de manera mucho más eficiente.
La salida de Jev no es prosa conversacional. En cambio, devuelve decisiones estructuradas con probabilidades explícitas y puntuaciones de confianza. Esto lo hace "type-safe" y verdaderamente incapaz de alucinar, funcionando más como un código fiable, rápido y autoconsistente. Este formato nativo para máquinas desbloquea una automatización que antes era imposible con los impredecibles LLMs.
Su método de entrenamiento, Reinforcement Learning for Calibrated Decisions (RLCD), representa una desviación fundamental del RLHF. Mientras que el RLHF optimiza los LLMs para las preferencias humanas, lo que a menudo conduce a un exceso de confianza y falta de fiabilidad, el RLCD prioriza la precisión y la confianza honesta. Este diseño garantiza que Jev ofrezca decisiones robustas y verificables, construidas para la automatización donde la fiabilidad supera a la conversación agradable.
Velocidad absurda: Demos del mundo real y costos impactantes
Las afirmaciones más sorprendentes de Jev no son sobre su inteligencia, sino sobre su eficiencia bruta. TypeSafe AI dice que sus modelos System One son hasta 200 veces más rápidos y 400 veces más baratos que los LLMs tradicionales. Específicamente, los tokens de entrada cuestan apenas 42 dólares por mil millones, con tokens de salida gratuitos, lo que los hace "demasiado baratos para medir". Eso es una reducción de costos seria.
Los desarrolladores pusieron a prueba a Jev de inmediato, creando demos virales en pocas horas por centavos. Los ejemplos incluyen a Jev controlando agentes de forma autónoma en Minecraft, navegando en un simulador de conducción autónoma de Tesla e incluso dominando Subway Surfers en tiempo real. Estos no son solo trucos de salón; muestran la capacidad de Jev para reaccionar a entornos dinámicos al instante.
La clave para los creadores es la capacidad de Jev para inyectar comportamiento inteligente y reactivo en simulaciones y aplicaciones sin la carga habitual del entrenamiento de modelos especializados. Este enfoque de computación paralela significa que los desarrolladores pueden crear prototipos de sistemas complejos impulsados por IA con una velocidad y asequibilidad sin precedentes. Para obtener más detalles técnicos sobre este cambio, visite TypeSafe AI: Home.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
El nuevo stack de IA: donde Jev reemplaza tus sentencias if
Jev no está aquí para reemplazar a ChatGPT; es una herramienta complementaria para un trabajo claramente diferente. Los modelos de lenguaje grandes destacan en el razonamiento complejo y abierto: el "cerebro" de un agente de IA, por así decirlo. Jev, sin embargo, interviene para gestionar los miles de decisiones rápidas y estructuradas dentro del flujo de trabajo de ese agente, donde las respuestas instantáneas y la fiabilidad inquebrantable son primordiales.
Para los desarrolladores, Jev actúa como una llamada de función de inteligencia de frontera altamente inteligente. Considérelo una "sentencia if inteligente" que finalmente hace práctica la automatización robusta con IA. Las secciones anteriores cubrieron sus afirmaciones de ser hasta 200 veces más rápido y 400 veces más barato, con tokens de entrada a un precio de $42 por mil millones. Estas no son solo cifras impresionantes; significan que los desarrolladores pueden construir sistemas de IA que respondan en tiempo real sin arruinarse.
Esta no es otra IA conversacional. Jev representa un cambio fundamental hacia la inteligencia nativa de máquina. Es una nueva capa de IA diseñada no para el chat humano, sino para un mundo cada vez más poblado por sistemas automatizados, robots y agentes inteligentes. Permite que esos sistemas tomen decisiones instantáneas y fiables, llevándonos más allá de los simples procesos con intervención humana hacia operaciones verdaderamente autónomas.
Preguntas frecuentes
¿Qué es Jev AI?
Jev es un nuevo 'modelo de Sistema Uno' de TypeSafe AI, diseñado para la toma de decisiones estructurada extremadamente rápida y barata dentro del software. No es un chatbot conversacional como ChatGPT.
¿En qué se diferencia Jev de ChatGPT?
Jev genera decisiones estructuradas con probabilidades, no texto de forma libre. Esto lo hace matemáticamente incapaz de alucinar, mucho más rápido (hasta 200 veces) y más barato (hasta 400 veces) para tareas de automatización.
¿Quién creó Jev AI?
Jev fue creado por TypeSafe AI, una empresa cofundada por Diogo Almeida, quien fue un investigador clave en OpenAI y co-creador de RLHF, el método de entrenamiento detrás de ChatGPT.
¿Cuáles son los principales casos de uso de Jev?
Jev destaca en tareas de tiempo real que requieren elecciones rápidas y fiables, como controlar personajes de juegos, navegar drones en simulaciones, enrutar datos o potenciar cualquier sistema automatizado que necesite tomar decisiones rápidamente.