Bu video, Jev adlı hızlı karar verme yapay zeka sisteminin borsa simülasyonunda nasıl çalıştığını derinlemesine inceliyor. Jev, bir yatırım kararının verilmesinde her aşamayı açıklamalı olarak takip ediyor — hangi bilgileri aldığı, bu bilgileri nasıl yorumladığı ve ne kadar güvenle karar verdiği. Video, beş aktörlü sistem mimarisini gösteriyor: oyun tahtası (pazar durumu), gözlemci (veri toplama), Jev (karar yapay zekası), kural defteri (işletme mantığı) ve güvenlik görevlisi (otomatik risk yönetimi). Jev kendisi rakamsal hesap yapmıyor; sadece cümleleri okuyup yüzde döndürüyor — geri kalan tüm matematiksel işlemler (kenar hesabı, stop loss, pozisyon büyüklüğü) kod tarafında yürütülüyor. Bu yapı, yapay zeka ile yazılım kodunun görev bölümünün nasıl yapılabileceğini açı bir şekilde ortaya koymaktadır.

Yapay zeka alanında hızlı bir gelişim yaşanmaktadır ve büyük dil modelleri (LLM) pek çok uygulamada kullanılsa da, borsa gibi milisaniye cinsinden cevap gerektiği ortamlarda latency (gecikme) bir sorun oluşturabilir. Jev gibi sistemler, tam LLM gücüne ihtiyaç olmayan ancak yapay zeka destekli kararlar gerektiren senaryolarda alternatif bir yaklaşım sunmaktadır. Videoda gösterilen mimaride Jev, belirsizlik ve risk hakkında yüzde ile dönen bir tahminci olarak konumlandırılıyor; bu, karmaşık hesaplamaları değil, karar niteliğini (bu işe girmeliyim mi?) değerlendirmeyi sağlıyor. Güncel araştırmalar, yapay zeka sistemlerinin insan benzeri akıl yürütme yapması ile hızlı yanıt vermesinin çoğu zaman bir denge meselesi olduğunu göstermektedir — Jev bu dengeyi kodun kesinliği ile AI'nin sözleşme yeteneğini birleştirerek sağlamaktadır.

Sistem mimarisi özellikle ilginç: Jev'e sorulacak sorular, durum bilgisinden yapısal olarak hazırlanıyor (cümleler, yüzde seçenekleri) ve Jev net bir cevap döndürüyor. Video, "kenar kadar para" konseptini anlatıyor — Jev'in güven yüzdesi ne kadar yüksekse, risk alınan pozisyon o kadar büyük oluyor, matematiksel olarak uygulanıyor. Önemli bir detay da "güvenlik görevlisi" kod katmanı: Jev karar vermeden bile, belirli bir stop loss seviyesi kod tarafında otomatik olarak uygulanabiliyor. Haber akışı entegrasyonu, çoklu soru aynı istekte, karar kartları (why, what, did, changed) — tümü, karar verme sürecini izlenebilir (traceable) ve denetlenebilir (auditable) kılıyor.

Bu mimari ve yaklaşım yalnızca borsa simülasyonunda değil, müşteri yönlendirme, iade talepleri, yorum analizi gibi birçok iş alanında uygulanabilir. Temel fikir, yapay zeka ve kod arasında net bir iş bölümü yaparak hem hız hem de doğruluk elde etmektir. Video açıklamasında da belirtildiği gibi, bu simülasyon yatırım stratejisinin doğru olduğunu kanıtlamak yerine, karar mekanizmasının mimarisini göstermek için tasarlanmış. Jev henüz erken erişim aşamasında olsa da, giderek daha fazla yazılım geliştirici ve AI mimarı, benzer ilkeleri üretim ortamında uygulamaya başlamıştır. Güncel yapay zeka uygulamalarında bu tür detaylı sistem tasarımı, büyük modeller kadar önem kazanmaktadır.