JITNA Protocol
Just-in-Time Neural Architecture — RFC-001 v2.0 — โปรโตคอล Routing แบบเปิดที่เลือก LLM, Algorithm Tier และ Voting Method ที่เหมาะสมที่สุดสำหรับทุก Task ใน Real-time ต่ำกว่า 50ms
JITNA คืออะไร?
JITNA (Just-in-Time Neural Architecture) คือโปรโตคอลแบบเปิดที่กำหนดวิธีที่ระบบ AI ควรเลือก, กำหนดเส้นทาง และประสานงานโมเดลภาษาหลายตัว แรงบันดาลใจมาจาก JIT Compilation ในวิศวกรรมซอฟต์แวร์ — ตัดสินใจ Routing ในช่วงเวลาที่เหมาะสม ไม่ใช่ตอน Compile
ใน RCT Ecosystem JITNA ดำเนินการใน ROUTE state ของ IntentLoop ทุกครั้ง — รับ IntentObject ที่แยกส่วนแล้วจาก PARSE state และตัดสินใจใน Real-time ว่าจะใช้โมเดลใด Algorithm Tier ใด และ Voting Method ใด
6 Primitives ของ JITNA
ทุกการตัดสินใจ Routing ของ JITNA สร้างขึ้นจาก 6 Primitive เหล่านี้ — ตัวแปรพื้นฐานที่ประกอบกันเป็น Routing Engine
เป้าหมายที่มีโครงสร้างที่แยกออกมาจาก Input — สิ่งที่ผู้ใช้หรือระบบต้องการบรรลุ JITNA แยก Input ดิบออกเป็น IntentObject ที่จับ Goal, Constraints และลำดับความสำคัญ
สถานะปัจจุบันของข้อมูลที่มีอยู่ — ดึงมาจาก RCTDB, API ภายนอก หรือ Context Window แสดงถึงสิ่งที่ระบบรู้จริงๆ ในเวลา Routing
ช่องว่างระหว่าง Intent และ Data (Δ = I − D) เดลต้านี้ขับเคลื่อนการตัดสินใจ Routing — เดลต้าใหญ่หมายความว่าระบบต้องการโมเดลที่มีความสามารถสูงกว่า; เดลต้าเล็กอนุญาตให้ Routing แบบ Lightweight
Algorithm Tier และ Voting Method ที่เลือก — วิธีที่ JITNA จะประมวลผล Intent ตาม Delta ปัจจุบัน เลือกจาก 41 Algorithms ใน 9 Tiers ตามการจำแนก Task
การประเมินตัวเองของคุณภาพ Output — คะแนน Consensus ของ SignedAI ใน 8 มิติ R คือ Feedback Signal ที่แจ้งว่า Approach ประสบความสำเร็จหรือต้องการ Escalation
การเก็บรักษา Routing Weights, คะแนนความเชี่ยวชาญ และประวัติผลลัพธ์ใน RCTDB 7D M คือสิ่งที่ทำให้ JITNA Self-Improving — ทุก Task อัปเดต Routing Model สำหรับการตัดสินใจในอนาคต
สูตร JITNA: Δ = I − D → เลือก A → Execute → R → อัปเดต M
6 ปัจจัยที่ JITNA ใช้ตัดสินใจ
ทุกคำตัดสินใจถูกทำในเวลา <50ms โดยใช้ปัจจัยเหล่านี้ร่วมกัน
JITNA จำแนก Intent ขาเข้า (ANALYTICAL, CREATIVE, LEGAL, REGIONAL ฯลฯ) และแมปไปยัง Role โมเดลที่เหมาะสม
แต่ละโมเดลมีคะแนนความเชี่ยวชาญ (0.0–1.0) JITNA ใช้น้ำหนักเหล่านี้ในการเลือกโมเดล — Typhoon G38 ได้ th=0.99 สำหรับภาษาไทย
Task ที่มี SLA เข้มงวดจะ Route ไปยังโมเดลที่เร็วกว่า งาน Complex สามารถใช้โมเดลที่ช้าแต่มีความสามารถสูงกว่า
Query ง่ายจะ Route ไปยังโมเดลราคาถูกโดยอัตโนมัติ Task ที่ซับซ้อนและต้องการ SignedAI Consensus จะถูก Escalate
Task ที่ถูกทำเครื่องหมายว่าเป็น Regional (ไทย ญี่ปุ่น ฯลฯ) จะถูก Route ไปยังโมเดล Regional ที่ตรงกันโดยอัตโนมัติ
หลังทุก ADAPT Cycle น้ำหนัก Routing ของ JITNA จะอัปเดตตามคุณภาพผลลัพธ์ — Router ปรับปรุงตัวเองอย่างต่อเนื่อง
JITNA RFC-001 v2.0 เป็นข้อกำหนดเปิดที่ระบุ: Routing Decision Tree, IntentObject Schema, Model Proficiency Score Format, Voting Method Eligibility Rules และ Feedback Weight Update Algorithm