Jev, la inteligencia artificial que renuncia a escribir para tomar decisiones más rápidas
Una nueva empresa fundada por un antiguo investigador de OpenAI propone cambiar una de las reglas más conocidas de la inteligencia artificial generativa: que el modelo produzca texto. Su sistema, llamado Jev, no redacta respuestas ni mantiene conversaciones. Analiza información y devuelve decisiones concretas acompañadas de una probabilidad.
La propuesta procede de Diogo Almeida, uno de los autores del trabajo que impulsó InstructGPT, una investigación clave en el desarrollo del aprendizaje por refuerzo a partir de la retroalimentación humana, conocido como RLHF. Esta técnica ayudó a entrenar modelos capaces de seguir mejor las instrucciones de las personas y sentó parte de las bases de los actuales asistentes conversacionales.
Una IA pensada para hablar con programas
Los grandes modelos de lenguaje, como los que impulsan ChatGPT, generan sus respuestas prediciendo un token detrás de otro. Un token puede ser una palabra, parte de una palabra o un signo. Este proceso permite redactar textos complejos, pero también consume tiempo y recursos, incluso cuando la tarea solo requiere escoger entre varias opciones.
Jev está diseñado para esos casos. Recibe datos desordenados, como una descripción de una operación bancaria o el estado de una aplicación, y devuelve una respuesta limitada a las alternativas que el desarrollador haya establecido.
Un sistema antifraude podría preguntarle si una transacción presenta un riesgo bajo, medio o alto, si necesita una revisión humana y qué prioridad debería tener. En lugar de elaborar una explicación extensa, Jev entregaría la decisión y su nivel de confianza, por ejemplo, revisar con una probabilidad del 80%.
Más velocidad y menor coste, según la empresa
Al no tener que construir una respuesta palabra a palabra, la compañía TypeSafe AI asegura que su modelo puede procesar decisiones en paralelo. Sus estimaciones apuntan a una velocidad entre 20 y 200 veces superior y a un coste entre 40 y 400 veces inferior al de modelos convencionales cuando se utilizan para tareas de clasificación y selección.
El precio anunciado es de 42 dólares por cada 1.000 millones de tokens de entrada, equivalentes a 0,042 dólares por millón. Los tokens de salida no se cobran porque, según la empresa, su generación resulta demasiado barata como para que tenga sentido facturarla de forma independiente.
Estas cifras deben interpretarse con cautela. Las mejores mediciones publicadas hasta ahora proceden de pruebas diseñadas por la propia compañía y no existen todavía evaluaciones independientes que permitan comparar Jev con otros modelos bajo condiciones homogéneas.
Decidir sin inventar formatos
Una de las principales promesas de Jev es reducir las llamadas alucinaciones de la inteligencia artificial. En este contexto, una alucinación es una respuesta inventada o incorrecta que el modelo presenta como si fuera válida.
Si el desarrollador solo permite las opciones bajo, medio y alto, la arquitectura del sistema impide que Jev devuelva una cuarta alternativa o un formato incompatible con el programa. TypeSafe habla de una tasa de alucinaciones del 0%, aunque reconoce que no se trata de una cifra empírica sobre la exactitud de sus decisiones.
La diferencia es importante. El modelo podría respetar perfectamente las opciones disponibles y, aun así, equivocarse al elegir una de ellas. Puede responder alto cuando el riesgo real es bajo. Lo que pretende mejorar su técnica, denominada Reinforcement Learning for Calibrated Decisions o RLCD, es que las probabilidades expresen de forma fiable la incertidumbre del sistema.
El reto de demostrar que no es solo una nueva interfaz
La idea plantea una cuestión relevante: los modelos de lenguaje actuales ya pueden generar archivos JSON, seguir esquemas y escoger respuestas dentro de una lista cerrada. La novedad de Jev no está necesariamente en limitar la salida, sino en entrenar el modelo desde el principio para producir decisiones y probabilidades en lugar de texto.
También queda por comprobar si esa especialización ofrece una ventaja clara frente a un modelo convencional bien configurado. Un sistema tradicional puede clasificar una operación, devolver un JSON válido y explicar después el motivo de su elección. Jev prescinde de esa explicación cuando el programa no la necesita, lo que puede reducir el coste y la latencia.
De jugar a Doom a controlar agentes de IA
Entre las demostraciones del modelo figura una partida de Doom en la que Jev toma alrededor de diez decisiones por segundo con un coste aproximado de siete dólares por hora. En otra prueba, recorre Wikipedia saltando de un artículo a otro mediante la selección repetida de enlaces.
Estos ejemplos ilustran un posible uso para los agentes de inteligencia artificial. Un agente es un sistema capaz de observar un entorno, elegir una acción y repetir el ciclo de forma autónoma. En muchas de esas interacciones no necesita conversar: solo debe decidir cuál es el siguiente paso.
El nombre Jev alude a William Stanley Jevons y a la paradoja que lleva su apellido. La teoría sostiene que una tecnología más eficiente no siempre reduce el consumo de un recurso; al abaratar su uso, puede provocar que se consuma más. TypeSafe aplica esa idea a los tokens: si decidir resulta mucho más barato, podrían multiplicarse las aplicaciones que toman decisiones continuamente.
Un complemento para ChatGPT, no un sustituto
Jev no pretende reemplazar a los chatbots generalistas. ChatGPT y otros modelos seguirán siendo más adecuados para redactar, resumir, explicar conceptos o interactuar con usuarios. La nueva arquitectura apunta a la parte menos visible de la inteligencia artificial: los sistemas que clasifican, priorizan y activan acciones sin mostrar una respuesta escrita.
La propuesta es prometedora para áreas como la detección de fraude, la gestión de alertas, la robótica, los videojuegos y la automatización empresarial. Sin embargo, su alcance real dependerá de que publique pruebas reproducibles, evaluaciones externas y datos que demuestren que sus probabilidades son tan fiables como su velocidad y su precio sugieren.
