كل ما تريد معرفته عن تقنية تدريب الذكاء الاصطناعى الصينى DeepSeek

كل ما تريد معرفته عن تقنية تدريب الذكاء الاصطناعى الصينى DeepSeek


كتبت أميرة شحاتة

ديب سيك


تشهد شركات الذكاء الاصطناعي الأمريكية منافسة شديدة من نموذج الذكاء الاصطناعى DeepSeek R1 من الصين، حيث وصل تأثير DeepSeek إلى وول ستريت، فانخفض سهم NVIDIA بنسبة 17٪ على سبيل المثال، لذلك نرصد طريقة DeepSeek والتقنية المتبعة لتدريب الذكاء الاصطناعى.
وفقا لما ذكره موقع "9to5mac"، أسس ليانج وينجينج شركة DeepSeek في عام 2023، ومقرها في هانجتشو، تشجيانج بالصين، مع التركيز على استثمارات الذكاء الاصطناعي.
بدأت DeepSeek تدريب نماذجها قبل أن تقيد الحكومة الأمريكية وصول الصين إلى شرائح الذكاء الاصطناعي الأمريكية، لهذا السبب، من المتوقع أن يكون لدى الشركة إمداد جيد من وحدات معالجة الرسوميات NVIDIA قبل فرض القيود.
ومع ذلك، كان لزامًا على DeepSeek أن تعمل في ظل قيود الوصول المحدود إلى أجهزة NVIDIA الإضافية، وربما أجبر هذا القيد DeepSeek على التركيز على الابتكار الذي تروج له من خلال نموذج V3.
وأظهرت DeepSeek القدرة على التنافس مع نموذج o3 الجديد تمامًا من OpenAI، حيث ابتكرت DeepSeek نموذجًا تنافسيًا تقريبًا مع الحاجة إلى موارد أقل بشكل كبير وتكلفة تشغيله بنسبة صغيرة مقارنة ببرنامج الدردشة الآلي OpenAI.
انتهى الأمر بـ DeepSeek من خلال التركيز على النماذج الحالية بدلاً من تدوير النماذج باستخدام نفس الاستراتيجية التي تستخدمها الشركات الأمريكية، حيث أظهرت DeepSeek كفاءة كبيرة في كيفية تطوير نماذج الذكاء الاصطناعي الحالية.
ويعد إعطاء الأولوية لتنقية النماذج ليس الشيء الوحيد الذي ساعد DeepSeek في الوصول إلى سباق الذكاء الاصطناعي. فقد اعتمدت DeepSeek أيضًا على تدريب الذكاء الاصطناعي. ولا تزال شركات الذكاء الاصطناعي الأمريكية تستخدم التدريب الذي يعتمد على مشاركة الإنسان، وهو ما يعطي أهمية لمجموعات البيانات التي تحمل علامات بشرية.
تستفيد DeepSeek بشكل كبير من العمل الذي تم إنجازه حتى الآن من جانب شركات الذكاء الاصطناعي، وفي الوقت نفسه، كان من الضروري أن تركز DeepSeek على تحسين النماذج الحالية بسبب القيود الأمريكية على تصدير رقائق الذكاء الاصطناعي الأمريكية إلى الصين.
واعتمدت DeepSeek على تدريب الذكاء الاصطناعي، وتكمن فائدة طريقة تدريب الذكاء الاصطناعي في أن التدريب أكثر قابلية للتطوير لأنه يتطلب مدخلات بشرية أقل، ومع ذلك، فإن التحدي هو أنه يمكن تضخيم الأخطاء، كما أنه يجعل عمليات التحقق من محاذاة الذكاء الاصطناعي أكثر صعوبة، وهذه المحاذاة تعنى أن تتمكن نماذج الذكاء الاصطناعي لدينا من عكس قيمنا وتعمل كما ننوي.