Jevを数日触りながら、みんながどんな使い方をしているのかを見ていた。
そこで思った。
Jevの面白さは、「LLMより速いAIが出た」という話だけではない。
AIの役割が、「文章を生成するもの」から「ソフトウェアの中で判断するもの」へ分かれ始めたことが面白いのだと思う。
Jevは文章を書くのではなく、判断を返す
ChatGPTやClaudeに「これは危険か」「どれを選ぶべきか」「この行動を実行してよいか」と聞けば、もちろん答えてくれる。
ただ、一般的なLLMは文章を生成する仕組みを使い、その文章の中に判断結果を含めて返す。
一方のJevは、最初から判断のための入口を持っている。入力するstateに対し、候補から選ぶChoice、尺度で採点するScore、Yesである確率を返すNoulという型の質問を渡す。Jevのドキュメント
自由な文章を書かせ、そこから答えを抜き出すのではない。状態を渡すと、選択、点数、確率が返ってくる。
似ているようで、これはかなり違う。
「曖昧な世界を扱えるif文」と考える
自分の中では、Jevを「めちゃくちゃ賢いAI」と考えるより、「曖昧な世界を扱えるif文」と考えるほうがしっくりきている。
if danger_probability > 0.9:
stop()
if interesting_score > 0.8:
adopt()
if confidence < 0.6:
ask_human()普通のif文は、すでに数字になっている値を判定する。
しかし現実の状態は、最初からきれいな数字になっているとは限らない。
「この動きは危険そうか」
「この回答は役に立つか」
「この場面は面白そうか」
こうした曖昧な状態を、ソフトウェアが扱える選択肢や点数へ変える。そこにJevが入る。
LLMの代わりではなく、役割を分けるもの
Jevを触る前は、AIを呼ぶこととLLMを呼ぶことを、ほぼ同じ意味で考えていた。
でも、文章を書いてほしい場面と、YesかNoを決めてほしい場面は違う。
企画を考える。理由を説明する。コードを書く。これはLLMが得意な仕事だ。
危険かを判定する。候補を一つ選ぶ。決めた尺度で採点する。これはJevの形に合っている。
もちろんLLMでもできる。ただ、毎回文章を生成し、その文章を解析して判断に変換する必要がある。
判断だけが欲しい場所では、最初から型が決まっているほうがコードへ入れやすい。
速さの数字より、置ける場所が変わることが大事
Jevの提供元は、応答速度を70〜500ミリ秒と説明している。ただし、これは提供元の数字で、利用環境や入力サイズを含めて自分で測る必要がある。Jev公式サイト
自分が気になったのは、何倍速いかという見出しより、これまでAIを呼ぶほどでもなかった小さな分岐へ置けるかもしれないことだ。
大量データの振り分け。UIの反応。ゲーム内の小さな行動。Agentが次に使うtoolの選択。AI出力の検証。
一つひとつは短い判断だ。でも、その判断がソフトウェアの動きを決めている。
Jevが革命なのかは、まだ分からない。
それでも、「AIは文章を作るもの」という前提を少し崩し、「判断をプログラムの部品にする」という方向を見せたことはかなり面白い。
次は、この小さな判断がゲームとAgentの中でどう使えそうかを考える。
