Jevを「分類器」ではなく、確率モデルの部品として見る

より人間っぽくなるな　確率を確率のまま使うってことね

前からAIのモデルをどれだけスペックダウンして載せられるか、どれくらいのモデルをどこで使うべきかという議論をしているので、助かる記事

wakaru

わからない！！！！！！！数理モデル向けに学習したjevがあるならそうだろうけど！！！！！！！！！数理向けモデルはインターフェイもそれらしいからjev必要かなあ！？？？？？！！？？

確率変数のまま扱ってやればベイズ推定とかにも応用しやすい、と。レコメンドエンジンとかと合わせると面白そうだな

「Jevを強い事前知識を持ったsemantic sensorとして使い、その出力を自分のデータで補正する。」というあたりがよさそう。Jevの出す確率自体はそのまま使えないようだし（サイコロに対して80%ぐらいの確信度）。

なかなか興味深い解釈。Jevは機械学習への先祖返りというか親和性が高いと自分も感じたので。

数理向けモデルは、自然言語（非構造データ）を食べられないからJevが役に立つよね。

Embeddingの代替として、単なる類似度から「意味の定義された確率」に変える発想が面白い。LLMではコストで諦めていた大量のテクスト精査も、不確実性を保持したまま外側のモデルに統合できそう。