DeepSeek: Zwiększona wydajność, a nie zmiana paradygmatu w innowacjach AI

Ostatnie podekscytowanie wokół DeepSeek, zaawansowanego dużego modelu językowego (LLM), jest zrozumiałe, biorąc pod uwagę znacznie poprawioną wydajność, którą wprowadza do tego obszaru. Jednak niektóre reakcje na jego wydanie wydają się nieprawidłowo interpretować wielkość jego wpływu. DeepSeek reprezentuje skok do przodu w oczekiwanym kierunku rozwoju LLM, ale nie sygnalizuje rewolucyjnej zmiany w kierunku sztucznej inteligencji ogólnej (AGI), ani nie oznacza gwałtownej transformacji w centrum ciężkości innowacji AI.

Raczej osiągnięcie DeepSeek jest naturalnym postępem wzdłuż dobrze znanego szlaku – jednego z wykładniczego wzrostu technologii AI. Nie jest to przełomowa zmiana paradygmatu, ale potężne przypomnienie o przyspieszonym tempie zmian technologicznych.

Zwiększona wydajność DeepSeek: Skok w oczekiwanym kierunku

Główny powód podekscytowania wokół DeepSeek leży w jego imponujących poprawach wydajności. Jego innowacje są w dużej mierze dotyczące uczynienia LLM szybszymi i tańszymi, co ma znaczące implikacje dla ekonomiki i dostępności modeli AI. Jednak pomimo zainteresowania, te postępy nie są fundamentalnie nowe, ale raczej udoskonaleniami istniejących podejść.

W latach 90. wysokiej jakości renderowanie grafiki komputerowej wymagało superkomputerów. Dziś smartfony są w stanie wykonać to samo zadanie. Podobnie, rozpoznawanie twarzy – kiedyś nisza, wysokokosztowa technologia – stało się powszechną, gotową do użycia funkcją w smartfonach. DeepSeek mieści się w tym wzorcu technologii: optymalizacja istniejących możliwości, która dostarcza wydajność, ale nie nowe, przełomowe podejście.

Dla tych, którzy są zaznajomieni z zasadami wzrostu technologicznego, ten szybki postęp nie jest nieoczekiwany. Teoria Technologicznej Singularności, która stwierdza przyspieszony postęp w kluczowych obszarach, takich jak AI, przewiduje, że przełomy staną się częstsze, gdy zbliżamy się do punktu singularności. DeepSeek jest tylko jednym momentem w tym ciągłym trendzie, a jego rola polega na tym, aby uczynić istniejące technologie AI bardziej dostępnymi i wydajnymi, zamiast reprezentowania gwałtownego skoku w nowe możliwości.

Innowacje DeepSeek: Modyfikacje architektury, a nie skok do AGI

Główny wkład DeepSeek polega na optymalizacji wydajności dużych modeli językowych, szczególnie za pomocą Mieszanki Ekspertów (MoE). MoE to dobrze ugruntowana technika uczenia się w zespołach, która była wykorzystywana w badaniach AI przez lata. Co DeepSeek zrobił szczególnie dobrze, to udoskonalił tę technikę, włączając inne środki wydajności, aby zminimalizować koszty obliczeniowe i uczynić LLM bardziej przystępnymi.

• Wydajność parametrów: Projekt MoE DeepSeek aktywuje tylko 37 miliardów z 671 miliardów parametrów w dowolnym momencie, redukując wymagania obliczeniowe do zaledwie 1/18 tradycyjnych LLM.
• Uczenie wzmocnione do rozumnienia: Model R1 DeepSeek wykorzystuje uczenie wzmocnione, aby poprawić rozumienie łańcucha myśli, istotny aspekt modeli językowych.
• Szkolenie z wieloma tokenami: Możliwość DeepSeek-V3 do przewidywania wielu części tekstu jednocześnie zwiększa wydajność szkolenia.

Te ulepszenia sprawiają, że modele DeepSeek są dramatycznie tańsze w szkoleniu i uruchomieniu w porównaniu z konkurentami, takimi jak OpenAI lub Anthropic. Chociaż jest to znaczący krok do przodu dla dostępności LLM, pozostaje to udoskonalenie inżynieryjne, a nie przełom konceptualny w kierunku AGI.

Wpływ otwartego źródła AI

Jedną z najbardziej godnych uwagi decyzji DeepSeek było udostępnienie swoich modeli otwartego źródła – wyraźne odejście od podejścia własnościowego, stosowanego przez firmy takie jak OpenAI, Anthropic i Google. To otwarte podejście, popierane przez badaczy AI, takich jak Yann LeCun z Meta, sprzyja bardziej zdecentralizowanemu ekosystemowi AI, w którym innowacje mogą prosperować dzięki rozwojowi kolektywnemu.

Ekonomiczna racja za decyzją DeepSeek o otwartym źródle jest również jasna. Otwarte źródło AI nie jest tylko stanowiskiem filozoficznym, ale strategią biznesową. Udostępniając swoją technologię szerokiemu gronu badaczy i deweloperów, DeepSeek stawia na korzyści z usług, integracji przedsiębiorstw i skalowalnego hostingu, zamiast polegać wyłącznie na sprzedaży modeli własnościowych. To podejście daje globalnej społeczności AI dostęp do konkurencyjnych narzędzi i redukuje dominację dużych zachodnich firm technologicznych w tym obszarze.

Rosnąca rola Chin w wyścigu AI

Dla wielu fakt, że przełom DeepSeek nastąpił w Chinach, może być zaskakujący. Jednak ten rozwój nie powinien być postrzegany jako zaskoczenie lub część geopolitycznej rywalizacji. Obserwując przez lata krajobraz AI w Chinach, jest jasne, że kraj ten zainwestował znacznie w badania AI, co skutkuje rosnącym zapasem talentów i ekspertyzy.

Zamiast postrzegać ten rozwój jako wyzwanie dla dominacji Zachodu, powinien być on postrzegany jako znak coraz bardziej globalnej natury badań AI. Otwarta współpraca, a nie narodowa konkurencja, jest najbardziej obiecującą ścieżką ku odpowiedzialnemu i etycznemu rozwojowi AGI. Zdecentralizowane, globalnie rozproszone wysiłki są o wiele bardziej prawdopodobne, aby wytworzyć AGI, która będzie korzystna dla całej ludzkości, zamiast służyć interesom jednego narodu lub korporacji.

Szersze implikacje DeepSeek: Patrząc poza LLM

Podczas gdy wiele z podekscytowania wokół DeepSeek krąży wokół jego wydajności w przestrzeni LLM, jest kluczowe, aby wykroczyć poza te obszary i rozważyć szersze implikacje tego rozwoju.

Pomimo ich imponujących możliwości, modele transformatorowe, takie jak LLM, są nadal daleko od osiągnięcia AGI. Brakuje im istotnych cech, takich jak ugruntowana abstrakcja kompozycyjna i samokierowane rozumienie, które są niezbędne dla ogólnej inteligencji. Chociaż LLM mogą zautomatyzować szeroki zakres zadań ekonomicznych i integrować się z różnymi branżami, nie reprezentują one rdzenia rozwoju AGI.

Jeśli AGI ma pojawić się w ciągu najbliższej dekady, jest mało prawdopodobne, aby opierała się wyłącznie na architekturze transformatora. Alternatywne modele, takie jak OpenCog Hyperon lub obwody neuromorficzne, mogą być bardziej fundamentalne w osiągnięciu prawdziwej inteligencji ogólnej.

Komodyfikacja LLM zmieni inwestycje AI

Poprawy wydajności DeepSeek przyspieszają trend w kierunku komodyfikacji LLM. W miarę jak koszty tych modeli będą nadal spadać, inwestorzy mogą zacząć szukać poza tradycyjnymi architekturami LLM, aby znaleźć następny duży przełom w AI. Możemy zaobserwować przesunięcie w finansowaniu w kierunku architektur AGI, które wykraczają poza transformatory, a także inwestycje w alternatywne sprzęty AI, takie jak chipy neuromorficzne lub jednostki przetwarzania stowarzyszeniowego.

Decentralizacja ukształtuje przyszłość AI

W miarę jak poprawy wydajności DeepSeek sprawiają, że łatwiej jest wdrożyć modele AI, również przyczyniają się do szerszego trendu decentralizacji architektury AI. Z naciskiem na prywatność, interoperacyjność i kontrolę użytkownika, decentralizowana AI zmniejszy naszą zależność od dużych, scentralizowanych firm technologicznych. Ten trend jest kluczowy dla zapewnienia, że AI służy potrzebom globalnej populacji, a nie jest kontrolowany przez garstkę potężnych graczy.

Miejsce DeepSeek w eksplozji kambryjskiej AI

Podsumowując, chociaż DeepSeek jest znaczącym kamieniem milowym w wydajności LLM, nie jest to rewolucyjna zmiana w krajobrazie AI. Raczej przyspiesza postęp wzdłuż dobrze ugruntowanego szlaku. Szerokie wpływy DeepSeek są odczuwalne w kilku obszarach:

• Ciśnienie na dotychczasowych liderów: DeepSeek zmusza firmy, takie jak OpenAI i Anthropic, do przemyślenia swoich modeli biznesowych i znalezienia nowych sposobów na konkurencję.
• Dostępność AI: Uczynienie wysokiej jakości modeli bardziej przystępnymi, DeepSeek demokratyzuje dostęp do najnowszych technologii.
• Globalna konkurencja: Rosnąca rola Chin w rozwoju AI sygnalizuje globalny charakter innowacji, który nie jest ograniczony do Zachodu.
• Postęp wykładniczy: DeepSeek jest wyraźnym przykładem, jak szybki postęp w AI staje się normą.

Najważniejsze, DeepSeek służy jako przypomnienie, że podczas gdy AI rozwija się szybko, prawdziwa AGI jest prawdopodobnie pojawiać się przez nowe, podstawowe podejścia, a nie optymalizację obecnych modeli. W miarę jak biegniemy ku Singularności, jest kluczowe, aby upewnić się, że rozwój AI pozostaje zdecentralizowany, otwarty i współpracujący.

DeepSeek nie jest AGI, ale reprezentuje znaczący krok do przodu w ciągłej podróży ku transformacyjnej AI.