Προσαρμοσμένα LLM για κάθε επιχείρηση; Η DeepSeek μας δείχνει τον δρόμο

Παλιά, η κλήση του τεχνολογικού κλάδου ήταν «κινητά τηλέφωνα για όλους» – και πράγματι, οι κινητές επικοινωνίες έχουν επανακατασκευάσει την επιχείρηση (και τον κόσμο). Σήμερα, η ισοδύναμη κλήση είναι να δώσουμε σε όλους πρόσβαση σε εφαρμογές AI. Αλλά η πραγματική δύναμη του AI βρίσκεται στο να το εκμεταλλευτούμε για τις συγκεκριμένες ανάγκες των επιχειρήσεων και των οργανισμών. Η πορεία που άνοιξε η κινεζική εταιρεία DeepSeek δείχνει πώς το AI μπορεί πραγματικά να εκμεταλλευτεί από όλους, ιδιαίτερα από εκείνους με περιορισμένα бюджета, για να ικανοποιήσει τις συγκεκριμένες τους ανάγκες. Πράγματι, η έλευση του φθηνότερου AI υποσχέται να αλλάξει το βαθιά ριζωμένο μοτίβο των λύσεων AI που συχνά παραμένουν εκτός οράματος για πολλές μικρές επιχειρήσεις και οργανισμούς λόγω απαιτήσεων κόστους.

Τα LLM είναι – ή ήταν – μια ακριβή προσπάθεια, που απαιτεί πρόσβαση σε τεράστιες ποσότητες δεδομένων, μεγάλο αριθμό ισχυρών υπολογιστών για την επεξεργασία των δεδομένων και χρόνο και πόρους που επενδύονται στην εκπαίδευση του μοντέλου. Αλλά αυτές οι κανόνες αλλάζουν. Λειτουργώντας με ένα μικρό бюджет, η DeepSeek ανέπτυξε το δικό της LLM και μια εφαρμογή τύπου ChatGPT για ερωτήσεις – με μια πολύ μικρότερη επένδυση από εκείνη των παρόμοιων συστημάτων που κατασκευάστηκαν από αμερικανικές και ευρωπαϊκές εταιρείες. Η προσέγγιση της DeepSeek ανοίγει ένα παράθυρο στην ανάπτυξη LLM για μικρότερες οργανώσεις που δεν έχουν δισεκατομμύρια για να δαπανήσουν. Πράγματι, η μέρα μπορεί να μην είναι μακριά όταν οι περισσότερες μικρές οργανώσεις θα μπορέσουν να αναπτύξουν τα δικά τους LLM για να εξυπηρετήσουν τις συγκεκριμένες τους ανάγκες, που συνήθως παρέχουν μια πιο αποτελεσματική λύση από τα γενικά LLM όπως το ChatGPT.

Ενώ η συζήτηση παραμένει για το πραγματικό κόστος της DeepSeek, δεν είναι απλά το κόστος που τη διακρίνει και από παρόμοια μοντέλα: Είναι το γεγονός ότι βασίστηκε σε λιγότερο προηγμένα chip και μια πιο εστιασμένη προσέγγιση στην εκπαίδευση. Ως κινεζική εταιρεία που υπόκειται σε αμερικανικές εξαγωγικές περιορισμούς, η DeepSeek δεν μπορούσε να έχει πρόσβαση στα προηγμένα chip Nvidia που χρησιμοποιούνται γενικά για την nặng επεξεργασία που απαιτείται για την ανάπτυξη LLM, και ήταν因此 αναγκασμένη να χρησιμοποιήσει λιγότερο ισχυρά chip Nvidia H-800 (NVDA ), τα οποία δεν μπορούν να επεξεργαστούν δεδομένα τόσο γρήγορα ή αποτελεσματικά.

Για να αντισταθμίσει την έλλειψη αυτή της δύναμης, η DeepSeek πήρε μια διαφορετική, πιο εστιασμένη και άμεση προσέγγιση στην ανάπτυξη του LLM. Αντί να ρίχνει βουνά δεδομένων σε ένα μοντέλο και να βασίζεται στην υπολογιστική δύναμη για να ταξινομήσει και να εφαρμόσει τα δεδομένα, η DeepSeek στενεύτηκε την εκπαίδευση, χρησιμοποιώντας μια μικρή ποσότητα υψηλής ποιότητας “κρύου ξεκινήματος” δεδομένων και εφαρμόζοντας IRL (επαναληπτική ενισχυτική μάθηση, με το αλγόριθμο να εφαρμόζει δεδομένα σε διαφορετικές σzenaria και να μαθαίνει από αυτά). Αυτή η εστιασμένη προσέγγιση επιτρέπει στο μοντέλο να μαθαίνει γρήγορα, με λιγότερα λάθη και λιγότερη σπατάλη υπολογιστικής δύναμης.

Παρόμοια με το πώς οι γονείς μπορεί να οδηγήσουν τις συγκεκριμένες κινήσεις ενός μωρού, βοηθώντας το να γυρίσει με επιτυχία για πρώτη φορά – αντί να αφήσουν το μωρό να το καταλάβει μόνο του, ή να διδάξουν το μωρό μια ευρύτερη ποικιλία κινήσεων που θα μπορούσε να βοηθήσει στην περιστροφή – οι επιστήμονες δεδομένων που εκπαιδεύουν αυτά τα πιο εστιασμένα μοντέλα AI εστιάζουν σε αυτό που είναι πιο αναγκαίο για συγκεκριμένες εργασίες και αποτελέσματα. Τέτοια μοντέλα δεν έχουν ίδια ευρεία εφαρμογή όπως τα μεγαλύτερα LLM όπως το ChatGPT, αλλά μπορούν να εξαρτηθούν για συγκεκριμένες εφαρμογές και να τις εκτελέσουν με ακρίβεια και αποτελεσματικότητα. Ακόμη και οι κριτικοί της DeepSeek παραδέχονται ότι η ροή της ανάπτυξής της αυξήθηκε σημαντικά την αποτελεσματικότητα, επιτρέποντάς της να κάνει περισσότερα με πολύ λιγότερα.

Αυτή η προσέγγιση είναι για να δώσουμε στο AI τις καλύτερες εισόδους ώστε να φτάσει στα ορόσημά του με τον умνότερο και πιο αποτελεσματικό τρόπο, και μπορεί να είναι πολύτιμη για οποιαδήποτε οργάνωση που θέλει να αναπτύξει ένα LLM για τις συγκεκριμένες ανάγκες και εργασίες της. Τέτοια προσέγγιση είναι ολοένα και πιο πολύτιμη για μικρές επιχειρήσεις και οργανισμούς. Ο πρώτος βήμα είναι να ξεκινήσετε με τα σωστά δεδομένα. Για παράδειγμα, μια εταιρεία που θέλει να χρησιμοποιήσει το AI για να βοηθήσει τις πωλήσεις και τις ομάδες μάρκετινγκ της πρέπει να εκπαιδεύσει το μοντέλο της σε μια προσεκτικά επιλεγμένη βάση δεδομένων που εστιάζει στις συνομιλίες πωλήσεων, τις στρατηγικές και τα μετρικά. Αυτό giữ το μοντέλο από το να σπαταλήσει χρόνο και υπολογιστική δύναμη σε άσχετα δεδομένα. Επιπλέον, η εκπαίδευση πρέπει να δοθεί σε στάδια, εξασφαλίζοντας ότι το μοντέλο κατακτά κάθε εργασία ή έννοια πριν να προχωρήσει στο επόμενο.

Αυτό, επίσης, έχει παραλληλισμούς στη διδασκαλία ενός μωρού, όπως έχω μάθει εγώ από τότε που έγινα μητέρα πριν από quelques μήνες. Σε ambas τις περιπτώσεις, μια οδηγούμενη, βήμα-προς-βήμα προσέγγιση αποφεύγει τη σπατάλη πόρων και μειώνει την τριβή. Τέλος, τέτοια προσέγγιση και με τα ανθρώπινα μωρά και τα μοντέλα AI οδηγεί σε επαναληπτική βελτίωση. Όσο το μωρό μεγαλώνει, ή το μοντέλο μαθαίνει περισσότερα, οι ικανότητές του βελτιώνονται. Αυτό σημαίνει ότι τα μοντέλα μπορούν να βελτιωθούν και να αναπτυχθούν για να χειριστούν καλύτερα τις πραγματικές καταστάσεις.

Αυτή η προσέγγιση giữ τα κόστη χαμηλά, αποτρέποντας τα projεκτα AI από το να γίνουν μια σπατάλη πόρων, καθιστώντας τα πιο προσιτά σε μικρότερες ομάδες και οργανισμούς. Επίσης, οδηγεί σε καλύτερη απόδοση των μοντέλων AI πιο γρήγορα· και, επειδή τα μοντέλα δεν είναι υπερφορτωμένα με άσχετα δεδομένα, μπορούν επίσης να προσαρμοστούν για να ανταποκριθούν σε νέες πληροφορίες και τις μεταβαλλόμενες ανάγκες της επιχείρησης – κλειδί σε ανταγωνιστικές αγορές.

Η άφιξη της DeepSeek και του κόσμου του φθηνότερου, πιο αποτελεσματικού AI – αν και αρχικά εξαπλώθηκε πανδημία σε όλο τον κόσμο του AI και τις αγορές μετοχών – είναι συνολικά μια θετική εξέλιξη για τον τομέα του AI. Η μεγαλύτερη αποτελεσματικότητα και τα χαμηλότερα κόστη του AI, τουλάχιστον για ορισμένες εστιασμένες εφαρμογές, θα οδηγήσουν τελικά σε περισσότερη χρήση του AI γενικά, που οδηγεί σε ανάπτυξη για όλους, από τους dévelopers έως τους κατασκευαστές chip και τους τελικούς χρήστες. Πράγματι, η DeepSeek εικονογραφεί το παράδοξο Jevons – όπου η μεγαλύτερη αποτελεσματικότητα θα οδηγήσει πιθανότατα σε περισσότερη χρήση ενός πόρων, όχι λιγότερη. Όπως αυτή η τάση φαίνεται να συνεχίζεται, οι μικρές επιχειρήσεις που εστιάζουν στο να χρησιμοποιήσουν το AI για να ικανοποιήσουν τις συγκεκριμένες τους ανάγκες θα είναι επίσης καλύτερα τοποθετημένες για ανάπτυξη και επιτυχία.