JEV Breakdown: The First AI Model Built For Code

Watch on YouTube

Now Playing

Transcript

511 segments

0:00

إذًا، هذا النموذج

0:01

الضخم الجديد لا يمكنه

0:02

كتابة جملة واحدة. لا

0:04

يمكنه شرح نفسه، لكنه

0:05

نموذج مثير للاهتمام

0:07

حقًا. وتقول شركات

0:08

إنتاج كبرى مثل فيرسيل

0:10

(Vercel) إنها ترى نتائج

0:11

استثنائية منه. حسنًا،

0:13

اسمه جيف (Jev).

0:15

>> اسمي جيف.

0:15

>> لقد صدر حرفيًا بالأمس

0:17

من شركة ذات سجل حافل

0:19

وموثوق. هذا دييغو

0:21

ألاميدا، وكان أحد

0:22

المؤسسين المشاركين

0:24

لـ ChatGPT. إذًا، تايبيس (

0:26

Typeface) وجيف (Jev) شيء

0:27

مختلف تمامًا. هذا نوع

0:29

مختلف من النماذج. لقد

0:31

اعتدنا على أن تنتج

0:32

معظم النماذج

0:33

المتطورة نصوصًا. إنه

0:34

مصمم للبشر واتباع

0:36

التعليمات. المشكلة هي

0:37

أن هذه النماذج مدربة

0:39

على التفضيلات

0:39

البشرية، وهذا لا

0:40

يجعلها مثالية

0:41

لاستخدام الآلة. نواجه

0:42

مشاكل في انخفاض

0:43

الأداء، والثقة

0:44

المفرطة، ونقص

0:45

الموثوقية. لذا، قضى

0:46

الفريق في تايبيس

0:47

العامين الماضيين في

0:49

إعادة ابتكار العملية

0:50

وتوصلوا إلى التعلم

0:51

المعزز بقرارات

0:52

معايرة. الآن، ما الذي

0:54

يعنيه ذلك بحق الجحيم؟

0:55

الفرق الكبير هنا هو

0:57

أن جيف مدرب على اتخاذ

0:58

قرارات لكي يعمل كود

0:59

البرمجة الخاص بك

1:00

بناءً عليها. كل نموذج

1:01

اعتدنا عليه يقوم

1:02

أساسًا بإنشاء نصوص

1:04

ليقرأها البشر،

1:05

وبالتبعية يمكن

1:06

للوكلاء قراءة ذلك

1:07

النص أيضًا. لكن جيف

1:09

يقوم بشيء مختلف جدًا

1:10

ومفيد للغاية. في

1:12

أجزاء من الثانية

1:13

وبتكلفة أقل بـ 20 إلى

1:14

200 مرة من النماذج

1:15

الحالية التي قد

1:17

تستخدمها لنفس المهمة

1:18

، يمكنك جعله يصنف

1:19

الأشياء وحتى يقرر ما

1:21

إذا كان شيء ما صحيحًا

1:22

أم خاطئًا. هناك

1:23

الكثير من حالات

1:25

الاستخدام الجيدة

1:26

حقًا لشيء كهذا يكون

1:27

فائق السرعة ورخيصًا

1:29

جدًا. إذا كنت تبني

1:30

وكلاء برمجة أو تبني

1:32

وكلاء في بيئة الإنتاج

1:34

، فهذا سيجعلك أكثر

1:35

دقة وكفاءة. بدلاً من

1:37

استخدام وكيل فرعي

1:38

كحاجز حماية أو مراجعة

1:40

أمنية، يمكنك جعل جيف

1:41

يقوم بذلك بسرعة البرق

1:43

. لنقل إنك تريد تصنيف

1:44

مهمة لترى أي نموذج

1:45

يجب استخدامه، يمكن

1:46

استخدام جيف كموجه

1:47

رائع للنماذج. أحد

1:48

الأمثلة الرائعة هو

1:50

فرز التذاكر. إذًا، ما

1:51

الأمر المهم هنا؟ كنا

1:52

نستطيع القيام بذلك من

1:54

قبل باستخدام نموذج

1:55

لغوي كبير. الفرق

1:56

الكبير هنا هو الفرق

1:57

في السرعة والتكلفة.

1:58

إذا كنت تريد الدردشة،

2:00

فهذا ليس النموذج

2:01

المناسب لك. إذا كنت

2:02

تريد سرعة البرق،

2:03

وتكلفة زهيدة،

2:04

ومستويات عالية من

2:05

الثقة، فهذا هو ما

2:07

تحتاجه. يمكنك أن

2:08

تتخيل أن آلاف الشركات

2:09

، بما فيها شركات مثل

2:11

فيرسيل، للقيام بأي

2:12

نوع من التصنيف أو

2:14

التحقق، سيكون القيام

2:15

بذلك على نطاق واسع

2:17

مكلفًا للغاية، خاصة

2:18

لأن كل هذه النماذج

2:20

ليست حتمية وتميل إلى

2:21

الانحراف أو الهلوسة

2:23

أو ارتكاب الأخطاء.

2:24

كان فريق العمل في Vercel

2:26

يستخدم نموذجاً

2:27

رخيصاً مثل Gemini 2.5 Flash

2:28

للقيام ببعض عمليات

2:29

التصنيف الخاصة بهم.

2:31

لقد استبدلوه بـ Type-Spec

2:32

، وكان أسرع بست مرات،

2:34

وبشكل أساسي حقق أقصى

2:35

استفادة من التقييم،

2:36

مما يعني أنه تفوق

2:38

بوضوح. قد يكون هذا

2:39

أمراً بالغ الأهمية

2:40

حقاً، خاصة عندما لا

2:41

تحتاج إلى كل ذلك النص

2:42

الذي يتم إرجاعه. هناك

2:44

أشخاص يقومون بالفعل

2:45

بأشياء رائعة

2:46

باستخدامه، مثل ربطه

2:47

بلعبة StarCraft وجعله

2:48

يفوز بالمهام. الآن،

2:50

ما يفعله Type-A و Jeff هنا

2:51

هو تحديد مسار محدد

2:53

للغاية. إنهم لا يدعون

2:54

أنهم النموذج الشامل،

2:56

بل هم نموذج ذو تركيز

2:57

محدد جداً، ويؤدون ذلك

2:58

الأمر بشكل جيد للغاية

2:59

. لذا، قد لا يكون

3:01

النموذج الأذكى من حيث

3:02

ما تحتاجه، لكن انظر

3:04

إلى ما يقدمه من حيث

3:05

التكلفة لكل سير عمل.

3:07

هذا يعني أنه يمكن

3:08

استخدامه على نطاق

3:09

واسع، ويمكنه فتح آفاق

3:10

لأنواع جديدة تماماً

3:11

من الشركات وسير العمل

3:13

. مثال رائع آخر هنا،

3:14

قام الفريق في Open Code

3:16

باختباره مع استخدام

3:17

المتصفح، وهو سريع

3:19

للغاية. ولهذا السبب

3:20

أنا متحمس لسير العمل

3:21

الرائعة التي قد يبدأ

3:23

هذا في فتحها. هناك

3:24

الكثير مما يمكن

3:25

تجربته هنا. لذا،

3:26

عندما ترسل سؤالاً إلى

3:28

Jeff، لديك ثلاثة أنواع

3:29

مختلفة من الأسئلة:

3:31

اختيار، أو نتيجة، أو

3:32

فارغ. لذا، أنت تعطيه

3:33

الخيارات، والتي قد

3:35

تكون الفواتير، أو

3:36

الدعم الفني، أو

3:36

المبيعات. يقرأ

3:37

التذكرة ويقرر أنها

3:39

ستكون تقنية، وسيعطيك

3:40

قيمة الثقة هذه هنا

3:42

أيضاً. يمكنك أيضاً أن

3:43

تطلب منه منحك درجة أو

3:44

تقييماً. لذا، ربما مع

3:46

تلك المشكلة أو

3:47

التذكرة التي تأتي من

3:48

عميل، ترغب في تقييمها

3:49

على مقياس لمدى إحباط

3:50

المستخدم. هل هو هادئ،

3:52

أو مهذب، أو غاضب؟ لذا

3:53

، تحصل على تلك

3:54

النتيجة هناك أيضاً.

3:55

ثم سيعطيك نوعاً من

3:56

احتمالية "نعم" أو "لا"

3:58

لطلبك. هل هذا صحيح؟ هل

3:59

هذا عاجل مع رقم يوضح

4:01

الاحتمالية؟ لذا، أحد

4:02

التطبيقات الرائعة

4:03

التي رأيتها من مستخدم

4:05

يوتيوب Vogel هو تصنيف

4:06

جميع رسائل بريده

4:07

الإلكتروني بشكل

4:08

أساسي. حرفياً في غضون

4:10

ثوانٍ قليلة، جعله

4:11

يقرأ مئات الرسائل،

4:13

ويصنفها، ويحدد

4:14

أولوياتها. إذا كنت

4:15

ستفعل ذلك عبر نموذج

4:16

لغوي كبير عادي، فسوف

4:17

يستغرق الأمر وقتاً

4:19

أطول بكثير. إليك

4:20

تفصيل جيد من الوثائق

4:21

التي نشرتها على تويتر

4:23

. البرمجيات التقليدية

4:24

حتمية. الأمر كله

4:25

يتعلق بـ "نعم"، "لا"،

4:26

والبوابات المنطقية،

4:28

و "إذا حدث كذا، افعل

4:29

كذا". أما الوكلاء (Agents)

4:30

، من ناحية أخرى، فهي

4:31

غير حتمية تماماً. هذا

4:33

يجعلها مرنة للغاية

4:34

ومفيدة جداً، ولكنه

4:35

يعني أيضاً أنها ليست

4:37

صحيحة دائماً. فهي لا

4:38

تتبع الخطة دائماً

4:40

وليس مضموناً أن تفعل

4:41

الشيء نفسه في 100%من

4:42

الوقت. تكمن قوة "جيف"

4:44

الحقيقية في عالم

4:45

البرمجيات الهجينة

4:46

المدعومة بالذكاء

4:47

الاصطناعي. هنا نستخدم

4:49

مستويات معينة من

4:50

الحتمية، ثم ندمج

4:52

نموذجاً مثل "جيف"

4:53

لمساعدتنا في اتخاذ

4:54

القرارات التي لم

4:56

نتمكن سابقاً من

4:57

إدارتها بأساليب

4:58

حتمية بحتة. إذاً، هذا

4:59

هو "جيف" يلعب لعبة "دوم

5:01

"، ويمكنك في الواقع

5:02

رؤية معدل الأداء في

5:03

الوقت الفعلي. وتشغيل

5:04

هذا الأمر بالكامل

5:05

لمدة ساعة، جعل عدد

5:06

الاستدعاءات جنونياً.

5:08

لم يكلف الأمر سوى

5:09

حوالي 7 دولارات. إذاً،

5:10

يتلقى "النظام الأول"

5:12

وصفاً منظماً لما يحدث

5:13

في الوقت الفعلي،

5:14

ويقوم النموذج بإرجاع

5:16

التعليمات بتنسيق

5:17

منظم أيضاً. لذا، هناك

5:18

بعض "بيض عيد الفصح"

5:19

الرائعة المضمنة في

5:21

بعض اصطلاحات التسمية

5:22

هنا. فاسم "النظام

5:23

الأول" هو في الواقع

5:24

اسم الشركة، وهو

5:25

مستوحى من نظامي

5:26

التفكير لدانيال

5:27

كانيمان في كتاب "

5:28

التفكير، بسرعة وببطء"

5:30

. حيث يمثل النظام

5:31

الأول الحدس السريع

5:32

التلقائي، بينما يمثل

5:33

النظام الثاني

5:34

التفكير التحليلي

5:35

البطيء. كل نموذج لغوي

5:36

كبير استخدمناه كان

5:37

يحاول أن يكون النظام

5:38

الثاني. يفكر بعمق،

5:40

ويكتب المخرجات،

5:40

ويقوم بذلك رمزاً

5:41

رمزاً في كل مرة. ومع

5:43

ذلك، فإن "جيف" لا يولد

5:44

رموزاً. لا توجد حلقة

5:45

ارتدادية ذاتية هنا.

5:46

أنت ترسل إليه حالة،

5:48

وبعض النصوص، وكائن JSON

5:49

، ومجموعة من الأسئلة

5:50

المحددة. وهو يقوم

5:51

بتقييمها جميعاً

5:52

بالتوازي. إذاً، هذا

5:53

هو الشيء الرائع الآخر

5:54

. يتم كل هذا بالتوازي،

5:55

مما يجعله سريعاً

5:56

للغاية. أنت لا ترسل

5:57

الطلبات بشكل متسلسل

5:58

ومغلق واحداً تلو

5:59

الآخر. لذا، ينبغي أن

6:00

تكون قادراً على

6:01

الوصول إلى هذا بسرعة

6:02

كبيرة. لقد كنت في

6:03

قائمة الانتظار لبضع

6:04

ساعات فقط، وتم قبولي.

6:05

هناك ستحصل على ساحة

6:06

تجارب، وسجل استخدامك

6:07

، ومفاتيح الواجهة

6:08

البرمجية، وما إلى ذلك

6:09

. هذه واجهة برمجية

6:10

يمكنك إعدادها. يمكنك

6:11

أيضاً تثبيته مباشرة

6:13

في كود "كلود". ولكن،

6:14

تجدر بك استكشاف ساحة

6:15

التجارب. يمكنك إلقاء

6:16

نظرة على بعض العروض

6:17

التوضيحية هنا. إذاً،

6:18

هذا اختبار ممتع. إنه

6:20

يشبه "درجات الانفصال

6:21

الست". كم عدد القفزات

6:23

التي يمكنك القيام بها

6:24

من صفحة ويكيبيديا مثل

6:25

"DNA" إلى شيء مثل "

6:26

مانيبوري بوني"؟ ما

6:28

مدى سرعة قيام النموذج

6:29

بذلك عن طريق التنقل

6:30

عبر الصفحة والعثور

6:31

على الرابط التالي؟

6:32

لنلقِ نظرة عليه.

6:33

>> آه، وسنضغط على "

6:34

انطلاق".

6:35

>> أوه.

6:35

>> وقد وصل "تايب سيف" إلى

6:37

هناك في 1.7 ثانية. إذاً

6:38

، لقد مر عبر

6:39

>> إذا كنا نعمل مع جهاز

6:40

منزل ذكي وقدمنا له

6:41

لغة طبيعية مثل "شغّل

6:42

أضواء غرفة المعيشة"،

6:44

فسيتعين على ذلك

6:44

الانتقال إلى نموذج

6:45

لغوي، ليتم معالجته،

6:46

وقراءة قائمة الأجهزة

6:48

المتاحة، واختيار

6:48

حالة، وإرسالها مرة

6:49

أخرى، ثم نأمل أن تكون

6:51

دقيقة بما يكفي ليتمكن

6:52

النظام من تشغيلها

6:53

فعلياً. دعونا نلقي

6:54

نظرة على كيفية عمل

6:54

ذلك باستخدام الكتابة

6:55

التي يمكننا القيام

6:56

بها مع Type Safe.

6:57

>> إذن، يمكننا تنفيذ أمر

6:58

إطفاء جميع الأضواء.

6:59

وهنا في منزلنا الذكي

7:00

التجريبي، يمكننا

7:01

رؤية أن جميع الأضواء

7:01

قد انطفأت. يمكننا قول

7:03

شغّل أضواء غرفة

7:03

المعيشة، وقد تم

7:04

تشغيلها. يمكننا قول

7:05

أوقف كل الموسيقى في

7:06

المنزل، وقد توقف مكبر

7:07

الصوت الذكي. اجعل

7:08

القهوة تغلي.

7:09

>> الآن، يمكنك رؤية مدى

7:10

سرعة ذلك. إن

7:11

استجابتها سريعة

7:12

للغاية. انظر، 185 مللي

7:14

ثانية. ما نفعله هناك

7:16

هو إرسال الأمر. إنه

7:17

يقوم ببعض التصنيف

7:18

السريع جداً. لا يحتاج

7:19

إلى المرور عبر أكوام

7:21

من النصوص والرموز.

7:22

التعلم المعزز لديه

7:23

مصمم ليرسل لنا إجابة

7:24

بسرعة كبيرة وبتكلفة

7:26

منخفضة جداً. لذا، آمل

7:27

أن تبدأ في فهم الصورة.

7:29

الأمر يتعلق

7:30

بالقرارات وليس

7:31

بالنصوص. نحن نرسل

7:32

حالة، والتي قد تكون

7:34

مزيجاً من بريد

7:35

إلكتروني، ومستخدم،

7:36

وبعض تفاصيل

7:37

المعاملات، ثم سياق ما

7:39

نريد أن يفعله النموذج

7:41

. سيعالج ذلك، ثم نحصل

7:42

على بيانات JSON مكتوبة

7:44

يمكننا معالجتها

7:45

باستخدام نوع من

7:46

الوظائف على الجانب

7:48

الآخر. مستوى الثقة في

7:49

الاحتيال ونتائج

7:50

المخاطر. أعتقد أن

7:52

لهذا تداعيات كبيرة

7:53

على سرعة وقابلية

7:54

التنبؤ بوكلاء

7:56

البرمجة لدينا، وخاصة

7:57

استخدام MCP واستخدام CLI

7:59

. تخيل أن تكون قادراً

8:00

على التنقل بسرعة عبر

8:02

قائمة MCP أو استدعاء

8:04

مهارة بكفاءة عالية.

8:05

لذا، دعونا نتحقق من

8:07

بعض طلبات العينات في

8:08

بيئة تجربة Type Space.

8:09

لدينا ثلاثة طلبات

8:11

أمثلة مختلفة. دعونا

8:12

ننظر إلى الخيارات.

8:13

إذن، لدينا سؤالنا هنا

8:15

، ما لون السماء؟

8:16

طلباتنا بعنوان لون

8:17

السماء، ثم نختار

8:18

عنصراً أساسياً. في

8:20

هذه الحالة، نطرح

8:21

سؤالاً من نوع اختيار

8:22

من متعدد. التعليمات

8:23

هي ما لون السماء؟

8:25

ومعاييرنا هي قائمة

8:26

الاختيارات أو

8:27

الإجابات المحتملة

8:28

التي نريد من النموذج

8:30

الاختيار من بينها

8:31

بناءً على احتماليته.

8:32

لذا، سنقوم بتشغيل ذلك

8:33

الطلب، وفي غضون بضعة

8:35

مللي ثانية فقط، نحصل

8:36

على استجابة. هناك

8:37

احتمال بنسبة 81%أن

8:38

يكون اللون أزرق فاتح

8:40

ومستوى ثقة بنسبة 78%.

8:41

إذن، مثال رائع آخر هو

8:43

فرز مكتب المساعدة.

8:45

إذن، لدينا هنا الحالة

8:46

. الطلب هو أنه مر أكثر

8:48

من أسبوع ولم يستجب

8:49

أحد لبلاغي عن شبكة

8:50

الواي فاي، ويمكنك

8:51

تمرير بيانات مثل دور

8:53

المستخدم، والموقع،

8:54

والقناة، والوقت.

8:55

والسؤال الرئيسي هنا

8:56

هو ما هي الأولوية

8:58

التي نحددها لهذا؟ نحن

8:59

نمنح هذا خياراً. يجب

9:01

على النموذج أن يقرر

9:02

أي أولوية سنخصصها

9:03

لهذا. نحن نقدم له

9:05

تعليمات حول الأولوية

9:06

، ثم معايير منخفضة،

9:07

ومتوسطة، وعالية،

9:09

وحرجة. بعض الأمثلة،

9:10

وأيضاً بعض الخيارات

9:11

المتداخلة. عند تشغيل

9:12

هذا، نحصل على

9:13

احتمالية مئوية

9:15

لأولوية متوسطة. إذن

9:16

هو فرز، حيث يتم اتخاذ

9:17

قرار بشأن المكان الذي

9:18

يجب أن يذهب إليه هذا

9:19

الطلب. هل هو مكتب

9:20

المساعدة، أم

9:21

العمليات المالية،

9:22

إلخ. سؤالنا الجديد هو

9:23

هل يذكر هذا أي موعد

9:25

نهائي، وهناك احتمال

9:26

بنسبة 5%أن يكون ذلك

9:27

صحيحاً. وهذا مجال

9:28

رائع حقاً عندما يتعلق

9:29

الأمر بالوكلاء. أي

9:30

استدعاء للأداة يجب أن

9:31

نستخدم؟ هل هي حالة

9:32

التذكرة، أم استكشاف

9:33

أخطاء الواي فاي، وما

9:34

هو مستوى الثقة؟ في

9:35

هذه الحالة، يقول إنه

9:36

يجب أن يكون حالة

9:37

التذكرة. يمكنك أن

9:38

تتخيل أن استدعاء

9:39

الأدوات جزء كبير من

9:40

كيفية استخدامنا

9:40

للوكلاء. إذا كان

9:41

لدينا نموذج كهذا،

9:42

وربما المزيد من

9:43

النماذج القادمة التي

9:44

تتميز بكونها رخيصة

9:45

جداً وسريعة جداً،

9:46

فسيكون ذلك أمراً

9:47

مهماً للغاية. إذا كنت

9:48

تبني برمجيات مدعومة

9:49

بالذكاء الاصطناعي،

9:51

فعليك أن تسأل نفسك ما

9:52

هي تدفقات اتخاذ

9:53

القرار الكبرى في

9:54

نظامك التي تكلفك

9:55

الكثير من الوقت

9:56

والمال لاتخاذها. هل

9:58

يمكن تحويلها ببساطة

10:00

إلى مدخلات ومخرجات

10:01

منظمة بنعم أو لا، وهي

10:03

أسرع وأرخص بكثير.

10:05

تخيل الفرق الذي

10:06

سيحدثه ذلك لتطبيقك،

10:07

وأيضاً ما هي الأشياء

10:09

الرائعة التي يمكنك

10:10

البدء في بنائها الآن،

10:11

مثل بعض الأمثلة التي

10:12

عرضتها في الفيديو.

10:14

لقد سهرت لوقت متأخر

10:15

جداً لصنع هذا الفيديو

10:16

. لذا، إذا كان هذا

10:17

مفيداً، يرجى

10:18

الاشتراك. سوف يتطور

10:19

هذا المجال بسرعة

10:20

كبيرة وسأقوم بتغطيته

10:21

أولاً بأول. إذا كنت

10:23

جديداً على القناة

10:24

وكنت مطور برمجيات أو

10:25

صانعاً، فأنا أغطي كل

10:26

ما يتعلق ببناء الذكاء

10:27

الاصطناعي. اطلع على

10:28

آخر فيديو لي عن Pystack،

10:30

وهي مكتبة مهارات

10:31

رائعة حقاً، وكذلك

10:32

تحليلي لدورة حياة

10:33

تطوير البرمجيات

10:34

الجديدة من Anthropic.

Interactive Summary

Ask follow-up questions or revisit key timestamps.

يقدم الفيديو نظرة شاملة على نموذج ذكاء اصطناعي جديد يُدعى 'جيف' (Jev) من شركة 'تايبيس' (Typeface). على عكس النماذج اللغوية التقليدية التي تركز على توليد النصوص للبشر، صُمم 'جيف' لاتخاذ قرارات سريعة ومنظمة (مثل التصنيف، والتحقق، وتحديد الأولويات) بتكلفة منخفضة جدًا وسرعة فائقة، مما يجعله مثاليًا للعمل كأداة هجينة داخل البرمجيات والوكلاء البرمجيين. يشرح الفيديو كيف يغير هذا النموذج مفهوم التفكير في سير العمل البرمجي من خلال التركيز على القرارات بدلاً من النصوص، مع عرض حالات استخدام عملية مثل تصنيف رسائل البريد الإلكتروني وفرز تذاكر الدعم الفني.