„Jev“: greitesnių DI sprendimų paieška transporte

„Jev“ yra nauja dirbtinio intelekto technologija, kurios paskirtis skiriasi nuo daugelio jau įprastų įrankių. Pokalbyje su DI asistentu užduodate klausimą ir gaunate tekstinį atsakymą arba prašote pagalbos rengiant el. laišką. Už tokio teksto slypi didysis kalbos modelis, dažnai trumpinamas kaip LLM. „TypeSafe AI“ pristatytas „Jev“ sukurtas ne tekstui generuoti, o greitiems, siaurai apibrėžtiems sprendimams priimti pačioje programinėje įrangoje.

Transporto įmonei tai galėtų reikšti pagalbą sistemai atpažinti, į kurį pranešimą būtina atkreipti dėmesį arba kurį atvejį turėtų perimti darbuotojas. „LiteTMS“ jau testuojame įvairius scenarijus siekdami išsiaiškinti, kur toks požiūris galėtų padaryti mūsų transporto valdymo sistemą dar naudingesnę kasdieniame darbe.

Ką „Jev“ daro, paaiškinus paprastai

Įsivaizduokite rūšiavimo stalą. Gaunama informacija, o programinė įranga turi nuspręsti, kur ją priskirti. „Jev“ priima šią informaciją ir atsako į klausimus pateikdamas iš anksto apibrėžtus pasirinkimus, vertinimo balus arba „taip / ne“ tikimybes. Jis nekuria pokalbio ir nerašo el. laiško. „LangChain“ apžvalgoje paaiškinamas šis skirtumas ir parodoma, kaip „Jev“ gali veikti kartu su tekstą generuojančiais modeliais.

Štai vaizdus pavyzdys iš transporto praktikos: vairuotojas parašo: „Vis dar sandėlyje. Krauti pradės tik rytoj.“ Sistema galėtų paklausti, ar šiame pranešime kalbama apie vėlavimą ir ar į jį turi atkreipti dėmesį dispečeris. „Jev“ pateiktų įvertinimą, o pati programinė įranga nuspręstų, kokių veiksmų imtis toliau.

„TypeSafe“ tai vadina „System One“ modeliu: dirbtiniu intelektu, skirtu greitiems sprendimams, kuriuos programinė įranga gali panaudoti tiesiogiai. „Jev“ šiuo metu pasiekiamas ankstyvosios prieigos režimu. Mums patraukli galimybė įtraukti nedidelius, naudingus įvertinimus tiesiai į darbo eigą, nereikalaujant kaskart atsidaryti atskiro pokalbių lango.

Kur tai galėtų padėti transporto skyriui

Tai yra potencialios pritaikymo sritys, o ne pranešimas apie jau išleistas „Jev“ funkcijas sistemoje „LiteTMS“.

Svarbių pranešimų iškėlimas į priekį

Pakrovimo vėlavimas, pasikeitęs pristatymo adresas ir įprastas atvykimo patvirtinimas reikalauja skirtingų veiksmų. Modelis galėtų padėti rūšiuoti gaunamus pranešimus pagal temą ir skubumą, atkreipdamas transporto vadybininkų dėmesį į galimas problemas. Tikrasis naudos išbandymas būtų tai, ar pavyksta pastebėti svarbias išimtis neperkraunant ekrano pertekliniais įspėjimais.

Patikslinimo reikalaujančių atvejų pastebėjimas

Tarkime, užsakyme nurodytas rytinis iškrovimo laiko langas, o vėlesniame kliento pranešime minima popietė. Įvertinimas galėtų pažymėti galimą neatitikimą patikrai. Jis turėtų nukreipti dispečerį prie reikiamos informacijos, palikdamas suderintą pristatymo laiką nepakeistą, kol žmogus jo nepatikrins.

Dokumentų nukreipimas reikiamam asmeniui

Kai dokumento tekstą nuskaito atskiras įrankis, „Jev“ galėtų padėti suskirstyti jo turinį į kategorijas: pristatymo patvirtinimas, užklausa dėl papildomų mokesčių ar pretenzija. Tai padėtų nukreipti užduotį operatyviniam skyriui arba administracijai. Nuskaityti nuskenuotą puslapį ir nuspręsti, kam priklauso jo turinys, yra du atskiri etapai; šis pavyzdys susijęs su antruoju.

Sprendimas, kada situaciją turėtų perimti darbuotojas

Kai kurios užklausos turi aiškų tolesnį veiksmą. Kitose pateikta neišsami informacija arba jos susijusios su ginčytinomis išlaidomis. Sistema galėtų remtis įvertinimu ir pasiūlyti tinkamą apdorojimo eigą, įskaitant patikrinimą rankiniu būdu. Naudingas sprendimas leistų lengvai rasti neaiškius atvejus ir juos pataisyti.

Greitus atsakymus vis tiek reikia tikrinti

„TypeSafe“ praneša apie greičio ir kaštų pranašumus atliekant tinkamas užduotis. Tokie kūrėjų vertinimai neįrodo realios naudos transporto įmonei. Garantuotas atsakymo formatas taip pat nereiškia teisingo sprendimo: modelis vis tiek gali pasirinkti klaidingą variantą.

Mūsų siūlomiems transporto scenarijams tai reiškia, kad greta atsako laiko reikia tikrinti nepastebėtus vėlavimus, nereikalingus eskalavimus ir dviprasmiškus pranešimus. Taip pat turėtume įvertinti, kiek konteksto reikalauja kiekvienas sprendimas. Žodis „rytoj“ reiškia nedaug, jei sistemai trūksta pranešimo datos.

Kodėl testuojame „Jev“ sistemoje „LiteTMS“

Nuolat sekame technologijų naujoves ir jau testuojame įvairius scenarijus, kur „Jev“ galėtų padėti paversti „LiteTMS“ išmanesne bei naudingesne verslui. Pirmiau pateikti pavyzdžiai apibūdina kryptis, kurias verta tirti; tai nėra baigtų integracijų ar pamatuotų rezultatų sąrašas.

Mūsų tikslas praktiškas: padėti transporto biurui pastebėti tai, kas svarbu, ir skirti mažiau pastangų informacijos rūšiavimui prieš imantis veiksmų. Kiekvienas pritaikymas turi įrodyti savo vertę teikdamas naudingus rezultatus, turėdamas aiškias ribas ir paprastą būdą žmogui įsikišti. Plėtodami šiuos bandymus, pasidalinsime konkrečiomis išvadomis.

Šaltiniai

• TypeSafe AI: Introducing System One Models & Jev
• LangChain: Building a Harness with Jev
• Flavio Copes: A deep dive into Jev, TypeSafe's System One model
• heise online: AI model “Jev” to make machines decide faster

DUK

Ką „Jev“ galėtų padaryti transporto įmonės labui?

Tarp galimų panaudojimo būdų: pranešimų rūšiavimas, galimų nesutapimų užsakymo informacijoje žymėjimas ir užduočių nukreipimas reikiamam asmeniui. Tai yra tikrinami scenarijai, o ne garantuoti rezultatai.

Ar „Jev“ jau veikia kaip „LiteTMS“ funkcija?

Šiuo metu testuojame galimus pritaikymo būdus. Šiame straipsnyje nepranešama apie funkcijos išleidimą klientams ar diegimo datą.

Ar „Jev“ priimtų sprendimus vietoj vadybininko?

Čia aprašyti scenarijai padėtų vadybininko darbui: išryškintų svarbią informaciją ir siūlytų, kaip ją apdoroti. Operacinių įsipareigojimų pakeitimams vis tiek reikėtų atitinkamo patikrinimo ir žmogaus kontrolės.