[
استارتاپ چینی DeepSeek اخیرا هوش مصنوعی DeepSeek-R1 را معرفی کرده که عملکرد آن مشابه مدل معروف o1 از OpenAI است.
این مدل که به‌صورت متن‌باز عرضه شده، نشان‌دهنده گام مهمی در رقابت‌های جهانی برای توسعه هوش مصنوعی انسان‌گونه (AGI) است.
هوش مصنوعی DeepSeek-R1 ارزان‌تر از مدل o1 اوپن‌ای‌آی است
به گفته‌ی techcrunch، هوش مصنوعی DeepSeek-R1 که بر اساس فناوری‌های پیشرفته ترکیبی DeepSeek V3 طراحی شده، در انجام وظایف پیچیده‌ریاضی، استدلال منطقی و کدنویسی عملکردی مشابه مدل o1 از OpenAI دارد. اما بزرگترین ویژگی این مدل، متن‌باز بودن آن است که موجب کاهش چشمگیر هزینه‌های محاسباتی می‌شود. این مدل به‌ویژه در مقایسه با o1 حدود 90 تا 95 درصد مقرون‌به‌صرفه‌تر است.
یکی از نکات برجسته عملکرد این مدل، توانایی آن در پالایش مدل‌های مختلف هوش مصنوعی مانند Llama و Qwen است که باعث بهبود چشمگیر عملکرد این مدل‌ها در مقایسه با مدل‌های مشابه می‌شود. به‌عنوان مثال، مدل پالایش‌شده Qwen-1.5B توانست در بنچمارک‌های ریاضی از مدل‌های بزرگ‌تر مانند GPT-4o و Claude 3.5 Sonnet عملکرد بهتری ارائه دهد.
در اینجا مفهومی به نام پالایش (Fine-tuning) اهمیت دارد. پالایش در هوش مصنوعی به فرایندی گفته می‌شود که طی آن، مدل‌های بزرگ‌تر و پیچیده‌تر به‌عنوان معلمان مدل‌های کوچک‌تر استفاده می‌شوند تا عملکرد آن‌ها بهبود یابد. در این فرایند، مدل‌های ساده‌تر از دانش و مهارت‌های مدل‌های پیچیده‌تر بهره‌برداری می‌کنند.
مقایسه عملکرد مدل‌های DeepSeek-R1 و o1 در آزمون‌های مختلف نشان می‌دهد که DeepSeek-R1 در بسیاری از آزمون‌ها به‌ویژه در زمینه ریاضی و کدنویسی عملکرد بهتری دارد. برای مثال، در آزمون‌های ریاضی AIME 2024 و MATH-500، مدل DeepSeek-R1 به‌ترتیب امتیاز 79.8 درصد و 97.3 درصد را کسب کرده است. در حالی‌که مدل o1 به امتیازهای 79.2 درصد و 96.4 درصد دست یافته است.
از نظر هزینه‌های استفاده نیز مدل DeepSeek-R1 بسیار مقرون‌به‌صرفه‌تر است. برای هر میلیون توکن ورودی، هزینه استفاده از DeepSeek-R1 تنها 0/55 دلار است، در حالی‌که هزینه برای مدل o1 حدود 15 دلار است.
این مدل‌ها در نهایت نشان‌دهنده تغییرات اساسی در روند توسعه هوش مصنوعی هستند، به‌ویژه در حوزه‌های استدلال پیچیده و هوش مصنوعی انسان‌گونه که می‌تواند در آینده‌ای نه‌چندان دور به تحقق اهداف AGI کمک کند.
بیشتر بخوانید:
منبع ]
