Perplexity AI “ถอดเซ็นเซอร์” DeepSeek R1: ใครตัดสินพื้นที่ของ AI?

การเคลื่อนไหวที่ได้รับความสนใจจากหลายคน Perplexity AI ได้เปิดตัวเวอร์ชันใหม่ของโมเดลภาษาแบบเปิดที่ถอดเซ็นเซอร์แบบจีนออกไป โมเดลที่ดัดแปลงนี้มีชื่อว่า R1 1776 (ชื่อที่สะท้อนถึงจิตวิญญาณของอิสรภาพ) ซึ่งพัฒนามาจาก DeepSeek R1 ที่พัฒนาในจีน โมเดลเดิม DeepSeek R1 ได้รับความสนใจสำหรับความสามารถในการให้เหตุผลที่แข็งแกร่ง – ซึ่งรายงานว่าสามารถเทียบเท่ากับโมเดลชั้นนำได้ในราคาเพียงเศษเสี้ยว – แต่มีข้อจำกัดที่สำคัญ: มันปฏิเสธที่จะตอบคำถามเกี่ยวกับหัวข้อที่ละเอียดอ่อนบางอย่าง

ทำไมเรื่องนี้จึงสำคัญ?

มันทำให้เกิดคำถามที่สำคัญเกี่ยวกับการเฝ้าระวัง AI, ความเอนเอียง, ความเปิดเผย, และบทบาทของเรื่องการเมืองในระบบ AI เรื่องนี้จะสำรวจว่า Perplexity AI ได้ทำอะไร, ผลกระทบของการถอดเซ็นเซอร์ออกจากโมเดล, และวิธีที่มันเข้ากับเรื่องราวที่ใหญ่กว่านี้เกี่ยวกับการถอดเซ็นเซอร์และความโปร่งใสของ AI

เกิดอะไรขึ้น: DeepSeek R1 ถอดเซ็นเซอร์

DeepSeek R1 เป็นโมเดลภาษาแบบเปิดที่มาจากจีนและได้รับความสนใจสำหรับความสามารถในการให้เหตุผลที่ดี – แม้จะเข้าใกล้การทำงานของโมเดลชั้นนำ – ในขณะที่มีประสิทธิภาพในการคำนวณมากกว่า อย่างไรก็ตาม ผู้ใช้พบว่ามีข้อบกพร่อง: เมื่อคำถามสัมผัสถึงหัวข้อที่ละเอียดอ่อนในจีน (เช่น การโต้แย้งทางการเมืองหรือเหตุการณ์ทางประวัติศาสตร์ที่ถือว่าเป็นเรื่องต้องห้ามโดยรัฐบาล) DeepSeek R1 จะไม่ตอบคำถามโดยตรง แต่ตอบด้วยคำตอบที่เตรียมไว้ล่วงหน้าหรือปฏิเสธที่จะตอบ ซึ่งสะท้อนถึงกฎการเซ็นเซอร์ของรัฐบาลจีน การมีอคติที่ถูกสร้างขึ้นนี้จำกัดความสามารถของโมเดลสำหรับผู้ที่ต้องการการอภิปรายที่เปิดกว้างหรือมีรายละเอียดเกี่ยวกับหัวข้อนั้น

วิธีแก้ปัญหาของ Perplexity AI คือการ “ถอดเซ็นเซอร์” โมเดลผ่านกระบวนการฝึกหลังการฝึกที่กว้างขวาง บริษัทได้รวบรวมชุดข้อมูลขนาดใหญ่ของ 40,000 คำถามหลายภาษาที่ DeepSeek R1 ปฏิเสธที่จะตอบหรือตอบแบบหลบๆ หลีกๆ ด้วยความช่วยเหลือจากผู้เชี่ยวชาญมนุษย์ พวกเขาระบุหัวข้อที่ละเอียดอ่อนประมาณ 300 หัวข้อที่โมเดลเดิมมักจะตอบตามแนวทางของพรรค การตอบคำถามที่ถูกต้องและให้เหตุผลในหลายภาษาได้ถูกสร้างขึ้นสำหรับคำถามเหล่านั้น ความพยายามเหล่านี้ถูกป้อนเข้าไปในระบบตรวจจับและแก้ไขการเซ็นเซอร์แบบหลายภาษา ซึ่งโดยพื้นฐานแล้วสอนโมเดลให้รู้วิธีตอบคำถามโดยไม่ต้องใช้การเซ็นเซอร์ทางการเมือง หลังจากการปรับแต่งพิเศษนี้ (ซึ่ง Perplexity เรียกว่า “R1 1776” เพื่อเน้นย้ำเรื่องของอิสรภาพ) โมเดลถูกเผยแพร่ให้กับสาธารณะ Perplexity อ้างว่าได้กำจัดฟิลเตอร์และอคติของการเซ็นเซอร์จีนออกจากคำตอบของ DeepSeek R1 โดยไม่เปลี่ยนแปลงความสามารถหลักของโมเดล

โดยการเผยแพร่ R1 1776 ในรูปแบบเปิด Perplexity ทำให้โมเดลและการเปลี่ยนแปลงของมันโปร่งใสต่อชุมชน นักพัฒนาและนักวิจัยสามารถดาวน์โหลดได้จาก Hugging Face และรวมเข้ากับระบบผ่าน API เพื่อให้แน่ใจว่าการถอดเซ็นเซอร์สามารถตรวจสอบและพัฒนาโดยผู้อื่นได้

ผลกระทบของการถอดเซ็นเซอร์

การถอดเซ็นเซอร์ของ Perplexity AI มีผลกระทบหลายประการต่อชุมชน AI:

• ความเปิดกว้างและความจริงใจที่เพิ่มขึ้น: ผู้ใช้ R1 1776 สามารถรับคำตอบที่ไม่มีการเซ็นเซอร์และตรงไปตรงมาเกี่ยวกับหัวข้อที่เคยถูกจำกัด ซึ่งเป็นชัยชนะสำหรับการสืบค้นอย่างเปิดกว้าง
• การรักษาความสามารถ: มีความกังวลว่าการดัดแปลงโมเดลเพื่อถอดเซ็นเซอร์อาจทำให้ประสิทธิภาพลดลงในด้านอื่น ๆ อย่างไรก็ตาม Perplexity รายงานว่า R1 1776 ยังคงมีความสามารถหลัก เช่น การให้เหตุผลทางคณิตศาสตร์และตรรกะ ในระดับเดียวกับโมเดลเดิม
• การรับอย่างดีจากชุมชนและความร่วมมือ: โดยการเผยแพร่โมเดลที่ถอดเซ็นเซอร์แล้ว Perplexity เชิญชวนชุมชน AI ให้ตรวจสอบและปรับปรุงงานของพวกเขา
• ข้อพิจารณาทางจริยธรรมและภูมิรัฐศาสตร์: การถอดเซ็นเซอร์完全ทำให้เกิดคำถามที่ซับซ้อนเกี่ยวกับการใช้โมเดลในบริบทที่หัวข้อที่ถูกเซ็นเซอร์อาจผิดกฎหมายหรืออันตราย

ภาพรวมที่ใหญ่กว่า: การเซ็นเซอร์ AI และความโปร่งใสแบบเปิด

การเปิดตัว R1 1776 ของ Perplexity เกิดขึ้นในช่วงที่ชุมชน AI กำลังต่อสู้กับคำถามเกี่ยวกับวิธีการจัดการเนื้อหาที่ถกเถียงกัน การเซ็นเซอร์ในโมเดล AI สามารถมาจากหลายแหล่ง ในจีน บริษัทเทคโนโลยีถูกบังคับให้สร้างฟิลเตอร์ที่เข้มงวดและแม้กระทั่งคำตอบที่ถูกเขียนล่วงหน้าสำหรับหัวข้อที่ละเอียดอ่อน

สุดท้าย การเคลื่อนไหวของ Perplexity AI เน้นย้ำจุดสำคัญในการถกเถียงเกี่ยวกับการควบคุม AI: ใครที่ตัดสินว่า AI สามารถพูดหรือไม่พูดอะไรได้บ้าง? ในโครงการเปิดแหล่งที่มา ความสามารถนี้กลายเป็นการกระจายอำนาจ ชุมชนหรือนักพัฒนาบุคคลสามารถตัดสินใจที่จะใช้ฟิลเตอร์ที่เข้มงวดขึ้นหรือผ่อนคลายลง ในกรณีของ R1 1776 Perplexity ตัดสินใจว่าประโยชน์ของโมเดลที่ไม่มีการเซ็นเซอร์มากกว่าความเสี่ยง และพวกเขามีอิสรภาพในการตัดสินใจและแบ่งปันผลลัพธ์อย่างเปิดเผย