AI जो लिखती नहीं, सिर्फ फ़ैसला करती है: डिसीज़न मॉडल्स क्या हैं?
AI जो लिखती नहीं, सिर्फ फ़ैसला करती है: डिसीज़न मॉडल्स क्या हैं?
तीन हफ्तों में, तीन लॉन्च, और तीनों एक ही दिशा में इशारा करते हैं।
15 सितंबर को TypeSafe AI ने Jev लॉन्च किया। तीन दिन बाद Convai Innovations ने ओपन-सोर्स Laya पेश की। फिर 29 सितंबर को OpenAI ने DevDay में Decisions API का ऐलान किया, और 6 अक्टूबर को इसे सभी डेवलपर्स के लिए बीटा में खोल दिया।
तीन अलग कंपनियाँ, तीन अलग बिज़नेस मॉडल, और तीनों उत्पाद एक ही काम करते हैं: फ़ैसला लेते हैं, बिना कुछ लिखे।
निबंध और बहुविकल्पीय प्रश्न
इस फ़र्क को समझने का सबसे आसान तरीका है, एक परीक्षा की कल्पना करना।
LLM एक निबंध वाले प्रश्न का जवाब देता है। यही वो मॉडल है जो सबसे मशहूर AI असिस्टेंट्स के पीछे काम करता है। यह शब्द-दर-शब्द जवाब लिखता है और कुछ भी लिख सकता है, एक ईमेल, किसी अनुबंध का सारांश, एक विश्लेषण। यही आज़ादी इसे इतना उपयोगी बनाती है। लेकिन यही इसे धीमा और महंगा भी बनाती है, क्योंकि हर शब्द लिखने में समय लगता है और उसकी कीमत चुकानी पड़ती है। भले ही जवाब एक ही शब्द का हो, रास्ता वही होता है जो एक पूरा लेख लिखने का होता है।
डिसीज़न मॉडल एक बहुविकल्पीय प्रश्न का जवाब देता है। यह टेक्स्ट पढ़ता है, विकल्प पढ़ता है और एक को चुन लेता है। कुछ लिखता नहीं। इसके बजाय, यह वो चीज़ देता है जो कोई LLM भरोसेमंद तरीके से नहीं दे पाता: हर विकल्प पर उसका भरोसे का स्तर। कुछ इस तरह, "88% संभावना है कि जवाब A है, 10% कि B है, और 2% कि इनमें से कोई नहीं।"
तीनों मॉडल्स एक जैसे सवालों के साथ काम करते हैं: किसी सूची में से एक विकल्प चुनना, किसी पैमाने पर स्कोर देना, या यह बताना कि कोई बात सच है या नहीं। और तीनों की कीमत, जब होती है, सिर्फ उस टेक्स्ट पर आधारित होती है जो वे पढ़ते हैं।
प्रतिशत क्यों मायने रखता है
एक अच्छी तरह से निर्देशित LLM भी अधिकतर बार सही विकल्प चुन लेता है। लेकिन जो बात वो भरोसेमंद तरीके से नहीं बता पाता, वो यह है कि वो कब संदेह में है। अगर आप उससे उसकी निश्चितता पूछें, तो वो एक संख्या लिख देता है, लेकिन वो संख्या भी बस एक और जनरेट किया हुआ टेक्स्ट है, कोई असली माप नहीं।
डिसीज़न मॉडल के साथ, भरोसे का स्तर हर जवाब के साथ आता है। इससे यह तय करना आसान हो जाता है कि क्या ऑटोमेट किया जा सकता है: एक तय सीमा से ऊपर की निश्चितता पर AI खुद आगे बढ़ती है; उससे नीचे, फ़ैसला किसी इंसान के पास जाता है। और यह सीमा उन जगहों पर और सख्त रखी जा सकती है जहाँ गलती की कीमत ज़्यादा हो।
किसी भी कंपनी के रोज़मर्रा के ज़्यादातर फ़ैसले दरअसल बहुविकल्पीय होते हैं। यह किस तरह का अनुरोध है? यह किस टीम के पास जाएगा? यह ज़रूरी है या इंतज़ार कर सकता है? इस तरह के सवालों के लिए डिसीज़न मॉडल तेज़ जवाब देता है, कम खर्च करता है, और जब उसे यकीन नहीं होता, तो बता देता है।
तीन मॉडल, तीन अलग प्रोफाइल
Jev (TypeSafe AI)। तीनों में सबसे पहले आया। यह एक सर्विस के रूप में उपलब्ध है, इंटरनेट के ज़रिए एक्सेस होता है, और प्रति मिलियन टोकन पढ़ने पर $0.042 चार्ज करता है, Decisions API की कीमत से आधे से भी कम। यह सिर्फ टेक्स्ट पढ़ता है।
Decisions API (OpenAI)। यह OpenAI का इस श्रेणी में पहला कदम है। यह एक ही मॉडल, GPT-6 Luna, पर चलता है, प्रति मिलियन टोकन $0.10 चार्ज करता है, और तीनों में से अकेला है जो इमेज भी पढ़ सकता है। अभी बीटा में है।
Laya (Convai Innovations)। यह ओपन-सोर्स है, Apache 2.0 लाइसेंस के तहत: कंपनी के अपने इन्फ्रास्ट्रक्चर पर चलती है और इस्तेमाल का कोई खर्च नहीं। इसका एक वर्शन सौ से ज़्यादा भाषाओं को सपोर्ट करता है, जिसमें हिंदी भी शामिल है। बदले में, इसे एक बेस के रूप में डिज़ाइन किया गया है जिसे हर काम के हिसाब से फाइन-ट्यून करना ज़रूरी है: खुद डेवलपर्स के मुताबिक, बिना इस ट्यूनिंग के यह एक अनुमान से थोड़ा ही बेहतर करती है। यह दूसरे दोनों की तुलना में काफी छोटे टेक्स्ट पढ़ती है। यह उन मामलों के लिए हमारी नज़र में है जहाँ सब कुछ अपने सर्वर पर चलाना ज़रूरी हो।
इससे LLM रिटायर नहीं होता
डिसीज़न मॉडल्स LLM की जगह नहीं लेते। वे LLM की जगह सिर्फ उन बिंदुओं पर लेते हैं जहाँ LLM का इस्तेमाल चुनाव करने के लिए हो रहा था। जब जवाब लिखना ज़रूरी हो, जैसे किसी ग्राहक को जवाब देना, कोई सारांश बनाना या कोई राय देना, तो LLM ही सही औज़ार है।
एक तस्वीर से समझें: किसी दफ्तर की रिसेप्शन में एक व्यक्ति हर लिफाफे को देखता है और तय करता है कि वो किस डेस्क पर जाएगा; उस डेस्क पर बैठा दूसरा व्यक्ति उसे पढ़ता है और जवाब तैयार करता है। डिसीज़न मॉडल वो है जो लिफाफा देखता है। LLM वो है जो डेस्क पर काम करता है।
नवाचार हमेशा सबसे बेहतरीन मॉडल बनाने में नहीं होता। अक्स र यह इसमें होता है कि हर चीज़ का सबसे अच्छा इस्तेमाल सही जगह पर किया जाए।
आगे क्या?
एक प्रशासनिक परियोजना में हमने Jev और Decisions API को उसी LLM के साथ, उन्हीं फ़ैसलों पर, उसी दिन आमने-सामने रखा जो हम पहले से इस्तेमाल कर रहे थे। अगले लेख में वो संख्याएँ: गति, लागत और सटीकता।
अगर आप यह समझना चाहते हैं कि AI आपकी कंपनी की प्रक्रियाओं में कहाँ फिट बैठती है, और कहाँ नहीं — हम बात करना चाहेंगे।
Tags: #आर्टिफिशियलइंटेलिजेंस #डिसीज़नमॉडल्स #LLM #OpenAI #DecisionsAPI #प्रक्रियाऑटोमेशन #एंटरप्राइज़AI #MachineLearning #जनरेटिवAI #क्लासिफिकेशन #NLP #टेक्स्टप्रोसेसिंग #बिज़नेसAI #ऑटोमेशन #तकनीकीनवाचार