Kalifornian Berkeleyn yliopiston tutkijaryhmä väittää kopioineensa suositun DeepSeek-tekoälyn takana olevan avainteknologian. Heillä oli vain 30 dollarin budjetti kaikkeen. Kiinalainen DeepSeek oli vastuussa siitä, että amerikkalaiset tekoälyyritykset kirjasivat miljardeja dollareita osakkeidensa arvosta. DeepSeek on osoittanut, että tämä yritys voi tehdä sen mitä he tekevät huomattavasti pienemmillä laitteistokustannuksilla, sähkönkulutuksella ja vedenkulutuksella. Erityisesti sen R1-malli voi kilpailla järjestelmien kanssa, kuten ChatGPT murto-osalla kustannuksista.
Berkeleyn tiimi reagoi entistä radikaalimmin päättämällä luoda entistä halvemman tekoälyvaihtoehdon, ja tohtoriopiskelija Jiayi Panin johdolla he loivat TinyZeron, DeepSeek-mallin pienemmän version. Yliopisto on julkaissut kaikki TinyZeron materiaalit GitHubissa , jossa ne ovat vapaasti kaikkien aiheesta kiinnostuneiden saatavilla. Vaikka TinyZero ei yllä DeepSeekin päämallin ulottuvuuksiin, jossa on huikeat 671 miljardia parametria, Pan väittää, että se vangitsee DeepSeek-mallin "R1-Zero" käyttäytymisen ytimen. DeepSeekin tekoälyn toimintaperiaate on tärkein asia, josta tällä hetkellä keskustellaan tekoälymaailmassa.
Miten TinyZero toimii?
TinyZero käyttää niin sanottua vahvistusoppimista. Menetelmä, jossa tekoäly alkaa lähes satunnaisilla vastauksilla ja vähitellen oppii parantamaan tuloksiaan tekemällä korjauksia ja etsimällä oikeita ratkaisuja. Sitä voidaan yksinkertaisesti verrata peliin Countdown, jossa pelaajat yhdistävät numeroita saavuttaakseen tavoitearvon. Vaikka tekoäly loi aluksi järjettömiä vastauksia, seonec pystyi ymmärtämään säännöt itsenäisesti ja korjaamaan virheensä. Se, että keskeinen tekoälyteknologia voidaan kopioida muutaman päivän työssä ja kymmenien dollarien kustannuksilla, on järkyttävää. Se on vastoin vakiintunutta käsitystä, että tekoälyn kehittäminen vaatii suuria datakeskuksia, tuhansia tehokkaita GPU:ita ja miljardeja dollareita investointeja.
DeepSeek on aiemmin väittänyt, että sen päämallin kouluttaminen maksoi vain muutaman miljoonan dollarin, mikä on huomattavasti vähemmän kuin useimmat länsimaiset tekoälyyritykset. Nyt Berkeley-tiimi on osoittanut, että se voidaan tehdä vielä halvemmalla, vain 30 dollarilla. Tämä summa ei tietenkään sisällä tutkijoiden palkkoja, vaan vain laitteisto- ja energiakustannukset. Vaikka TinyZero osoittaa, että edistynyt vahvistusoppiminen voidaan tehdä halvalla, se ei vastaa suuremman DeepSeek-järjestelmän monimutkaisuutta ja skaalautuvuutta. Toistaiseksi se on konsepti, joka näyttää tietyn mahdollisuuden, kuinka tekoäly voi toimia, eikä todellinen kilpailija vakiintuneille tekoälymalleille.
Muuttuvatko tekoälymarkkinat DeeepSeekin tai TinyZeron ansiosta?
Toistaiseksi tämä on enemmän kokeilu, mutta se ehdottaa paljon. Jos riippumattomat kehittäjät voivat luoda edistyneitä AI-malleja miniAlhaisin kustannuksin näitä tekniikoita voivat käyttää myös suuret yritykset, kuten OpenAI, Google, Microsoft tai monet muut. He ovat tähän mennessä sijoittaneet miljardeja dollareita tekoälymalleihinsa, datakeskuksiin ja muihin tekoälyyn liittyviin teknologioihin. Yhtäkkiä voi käydä ilmi, että tekoälysektori on huomattavasti ylihinnoiteltu ja se, mistä nämä yritykset maksavat miljardeja dollareita tänään, voidaan tehdä huomattavasti halvemmaksi vain toisella menetelmällä. Tämä voi johtaa pienempien toimijoiden syntymiseen, jotka yksinkertaisesti tuovat uutta teknologiaa lähestyäkseen tekoälyä ja voivat helposti kilpailla yritysten kanssa, jotka tällä hetkellä hyötyvät pääasiassa omista vahvuuksistaan.onebudjetit. Aika näyttää, mutta yksi asia on nyt varma: on otettava huomioon, että jotkin tekoälymallit voivat jo toimia huomattavasti pienemmillä resursseilla kuin markkinoiden vakiintuneet toimijat osoittavat.
Ei ole niin, että DeepSeek tekee polvistani jälleen heikentyneen. Gemini Google tekee mitä tarvitsen, otan kuvan siellä täällä, ja se puhuu myös tšekkiä erittäin hyvin. Se toimii erittäin hyvin muiden tekoälyjen poistamisessa, mutta se olisi käännekohta...
En taida ymmärtää artikkelia... Mitä niille 30 dollarille oikein luotiin? Githubista näyttää siltä, että vain osa R1:stä sopii lähtölaskenta- ja kertolaskupeliin. Joten hintavertailu koko malliin on täysin mahdotonta. En edes tiedä onko sillä samaa arkkitehtuuria, mutta oletan, että on.
Hän ja DeepSeek eivät ole läheskään yhtä huonoja. Anna hänelle tehtävä ratkaista, missä paraabeli kohtaa lausekkeen.onencielou ja lyö itseään ajatellen sitä ja lopulta sylkee yhteenvedossa täyttä hölynpölyä. Se on hyvä tarinoiden keksimiseen, mutta jos haluat jotain analyyttisesti tarkkaa, niin nyt riittää.