تسعى شركة DeepSeek إلى تقليل التدريب الذي تحتاجه نماذج الذكاء الاصطناعي لديها، سعيًا لخفض تكاليف التشغيل.

وقد تعاونت الشركة الصينية الناشئة، التي أحدثت ضجة في الأسواق بنموذجها منخفض التكلفة للاستدلال الذي ظهر في يناير الماضي، مع باحثين من جامعة بكين في إعداد ورقة بحثية تُفصّل نهجاً جديداً للتعلم المُعزّز لجعل النماذج أكثر كفاءة.

وكتب الباحثون أن الطريقة الجديدة تهدف إلى مساعدة نماذج الذكاء الاصطناعي على الالتزام بشكل أفضل بالتفضيلات البشرية من خلال تقديم مكافآت مقابل استجابات أكثر دقة وسهولة في الفهم.

وقد أثبت التعلم المُعزّز فعاليته في تسريع مهام الذكاء الاصطناعي في تطبيقات ومجالات محدودة.

ومع ذلك، فقد ثبت أن توسيعه ليشمل تطبيقات أكثر عمومية يُمثّل تحدياً - وهذه هي المشكلة التي يحاول فريق DeepSeek حلها من خلال ما يُطلق عليه "ضبط النقد الذاتي".

وقد تفوقت هذه الاستراتيجية على الأساليب والنماذج الحالية في مختلف المعايير، وأظهرت النتيجة أداءً أفضل بموارد حوسبة أقل، وفقاً للورقة البحثية.

وقد أعلنت شركة DeepSeek عن إطلاقها اسم DeepSeek-GRM على هذه النماذج الجديدة، وهو اختصار لعبارة "نمذجة المكافآت العامة"، وستصدرها مفتوحة المصدر.

كما يتجه مطورو الذكاء الاصطناعي الآخرون، بما في ذلك عملاق التكنولوجيا الصيني Alibaba Group Holding، وشركة OpenAI التي تتخذ من سان فرانسيسكو مقراً لها، نحو آفاق جديدة لتحسين قدرات التفكير المنطقي والتحسين الذاتي أثناء أداء نموذج الذكاء الاصطناعي للمهام في الوقت الفعلي.