A DeepSeek mesterséges intelligenciája megtanul önállóan gondolkodni

A kínai startup, a DeepSeek, együttműködve a Tsinghua Egyetemmel, azt állítja, hogy kifejlesztett egy okosabb módszert az mesterséges intelligencia modellek gondolkodásának javítására és gyorsítására, anélkül hogy hatalmas számítógépekre vagy drága eszközökre lenne szükség.

Az áttörést egy új technika eredményezi, amit Önálló Elvi Kritika Hangolásnak (Self-Principled Critique Tuning, SPCT) hívnak. Az SPCT nem egyszerűen arról szól, hogy az AI modelleket nagyobbá tesszük a teljesítmény növelése érdekében – az SPCT nem igényel sok energiát és számítási kapacitást ahhoz, hogy megtanítsa az AI-t, hogyan ítélje meg saját munkáját egy általa létrehozott szabályrendszer alapján.

A működés módja egy beépített “bíró” segítségével történik, amely ellenőrzi, hogy az AI válasza megfelel-e a belső logikai szabályoknak, és alkalmas-e az emberi kimenetre. Amikor az AI megfelelő választ ad, pozitív visszajelzést kap, ami segít a hasonló kérdések megválaszolásának képességének fejlesztésében a jövőben.

A DeepSeek ezt a módszert alkalmazza a DeepSeek-GRM rendszerében, amely a Generative Reward Modeling (Generatív Jutalom Modellezés) rövidítése. A GRM eltér a hagyományos módszerektől, mert párhuzamos ellenőrzéseket végez, hogy növelje mind a pontosságot, mind a következetességet.

“Az Önálló Alapelvű Kritika Afinálás (Self-Principled Critique Tuning, SPCT) javasoljuk, hogy elősegítsük a skálázható jutalom generáló viselkedéseket” – írták a kutatók a tanulmányukban. “Az SPCT lehetővé teszi [a modell] számára, hogy adaptívan alakítsa ki az alapelveket és kritikákat az input lekérdezés és válaszok alapján, ami jobb eredményjutalmakhoz vezet.”

Ezzel a rendszerrel a DeepSeek azt állítja, hogy mesterséges intelligenciája most már jobban teljesít, mint a versenytársak, mint például a Google Gemini, a Meta Llama és az OpenAI GPT-4o, különösen bonyolult feladatok, mint az érvelés vagy a döntéshozatal esetében, ahogy a Euronews megjegyezte.

Fontos, hogy a DeepSeek azt tervezi, hogy ezeket az új eszközöket nyílt forráskódú szoftverként fogja kiadni, bár még nem osztottak meg konkrét megjelenési dátumot.