சீனாவில் உருவாக்கப்பட்ட ஒரு பெரும் மொழி மாதிரியான DeepSeek-R1, OpenAI-ன் o1 போன்ற காரணவியல் மாதிரிகளுக்கான செலவுக்கூழ் மற்றும் திறந்த வழியாக விஞ்ஞானிகளை உற்சாகம் செய்யப்படுகிறது. இந்த மாதிரிகள் மனிதகுல காரணவியல் முறையை நகலெடுக்கக் கூடிய அடுக்கு முறையில் பதில்களை உருவாக்குகிறது, இதனால் இது பழமையான மொழி மாதிரிகளைவிட விஞ்ஞான அடிப்படையிலான பிரச்சினைகளை தீர்க்கும் திறனில் மேலானதாக இருக்கிறது, ஆராய்ச்சி பயனுள்ளதாக இருக்கலாம். ஜனவரி 20 அன்று செயல்படுத்தப்பட்ட R1-ன் ஆரம்ப மதிப்பீடுகள், கெமிஸ்ட্রি, கிரணிதம் மற்றும் குறியீட்டு வேலைகளைச் சார்ந்த பணிகளுக்கான செயல்திறன் o1-க்கு போட்டியாக உள்ளது - பிரபலமான விஞ்ஞானிகளை செப்டம்பரில் OpenAI-ல் வெளியேற்றிய காலத்தில் திருப்தி அளித்தது. “இதுவே அதிசயம் மற்றும் முற்றிலும் எதிர்பார்க்கப்படாதது, ” என்று ஏல்விஸ் சராவியா, ஐக்கிய ராஜ்யங்களுக்கு அடிப்படையாகக் கொண்ட DAIR. AI என்ற கைத்தொழில் ஆலோசனைக் கூட்டத்தின் உத்தியோகத்தர், X இல் கருத்து தெரிவித்தார். R1 மேலும் ஒரு காரணத்தில் குறிப்பிடத்தக்கது. ஹாங்க்சோவில் அமைந்துள்ள ஸ்டார்ட்அப் DeepSeek, மாதிரியை ‘அ திறந்த எடை’ என அழைக்கின்றது, ஆராய்ச்சியாளர் களின் ஆல்காரிதத்தை பகுப்பாய்வு செய்து மேம்படுத்துவதற்கு அனுமதிக்கிறது. இது MIT உரிமத்தின் கீழ் வெளியிடப்பட்டது, மூலம் மீண்டும் தொழில்நுட்பமாய் பயன்படுத்தப்படுவதற்கு வசதியாக இருந்தாலும், நுண்ணோக்கிக் கண்டிருக்கும் தரவுகள் முற்றிலும் திறந்த ஒருங்கிணைந்ததாக இல்லை. “DeepSeek-இன் வெளிப்பாடு குறிப்பிடத்தக்கது, ” என்று ஜெர்மனியின் எர்லாங்கென் நகரத்தில் உள்ள மேக்ஸ் பிளாங்க் கலைச்சங்கத்தின் செயற்கை அறிவியல் ஆய்வகத்தின் தலைவர் மரியோ கிரெண் கூறினார். இதற்குப் பதிலாக, San Francisco-வில் OpenAI- இன் o1 மற்றும் மேலும் சில மாதிரிகள், சமீபத்திய o3 உட்பட “அதெடுத்துள்ள கலையாக்கங்களாக” கருதப்படுவதாகவும் அவர் குறிப்பிட்டார். ஐஹல் நிலைமைகளை முற்றிலும் அகற்ற முடியாத நிலையில், சில தொழில்நுட்பங்கள் அதன் தாக்கத்தை குறைக்க உதவலாம். R1-ன் பயிற்சியின் மொத்த செலவுகளை DeepSeek வெளிப்படுத்தவில்லை, ஆனால் o1-ன் செயல்திறனைப் பார்வையிட சிறிது ஒப்பீடு செலவுகளில் கிட்டத்தட்ட ஒரே பதின்கருவாக வரை செலுத்துகிறது. அந்த நிறுவனம், குறைந்த கணினி உச் சாமான்களைக் கொண்ட ஆராய்ச்சியாளர்களுக்கான எளிய ‘அழுத்தப்பட்ட’ பதிப்புகளை உருவாக்கியது.

கிரெண் கூறினார், “o1-இல் £300 இற்கும் மேலானவற்றில் R1 க்கான பயிற்சி $10 இற்கும் குறைவாகவே இருந்தது, ” எனும் பண்பால் எதிர்கால மேற்கொளளதற்கு முன்னோடித்துவிக்கக்கூடிய வித்தியாசத்தை தெரிவிக்கிறது. R1, சீனாவின் பெரும் மொழி மாதிரிகளில் உள்ள ஒரு அச்டமையாக உள்ளது. ஒரு பாதுகாப்புத் தொழில்நுட்பத்தின் அடிப்படையிலுள்ள DeepSeek, கடந்த மாதம் V3 என்ற ஒரு சொடட்டை வெளியிடுவதில் கவனம் பெற்றது, இது மிகவும் குறைந்த மிட்டாயிகளுக்கு மிகப் பெரும் போட்டிகளைத் தாண்டியது. மாதிரியைப் பயிற்சிக்காகப் பயன்படுத்திய நிறுவனத்தின் மென்பொருள் குத்தகையின் மொத்தவும் $6 மில்லியன் என்றிருப்பதாக வல்லுநர்கள் மதிப்பீடு செய்கின்றனர், அதை 11 முறை அளிக்கும் கணினி வளங்களுடன் Meta-வின் Llama 3. 1 405B-க்கு $60 மில்லியனுக்கு மேலானது. DeepSeek-இன் முன்பேற்றம், மேலும் மேலதிகமாக, மற்றும் அமெரிக்காவின் ஏற்றுமதி கட்டுப்பாடுகள் சீன நிறுவனங்கள் முன்னணி AI செயலாக்கத் தொகுப்புகளைப் பயன்படுத்தத் தடுக்கும் போது, R1 ஐ உருவாக்கியதாகக் கண்டிப்பாக உருநெறியிடப்பட்டது. "இதனால் இது சீனாவிலிருந்து உருவாக்கபட்டது என்பது முழுமையாக வளங்களை திறன் மிகச் செல்லித்த நடத்தும் முதல் முக்கியத்தை காட்டுகிறது, " என்கிறார் வாஷிங்டனில் உள்ள AI ஆராய்ச்சியாளர் பிரான்சோய்ஸ் சோல்லெட். DeepSeek இன் முன்னேற்றங்கள் "முதலில் அமெரிக்க முன்னணியாகக் காணப்படும் தூரம் முக்கியமாக குறைந்துள்ளது, " என்று பெல்வியூ, வாஷிங்டன், தொழில்நுட்ப நிபுணர் ஆல்வின் வாங் கிரேலின் எக்ஸில் கணிக்கிறார், இது தைபேவில் உள்ள மிகப்பெரிய கதிரவியல் தொழிற்கான நிறுவனமான HTC-ன் உறவினை வெளிப்படுத்துகிறது. "இரு நாடுகள் முன்னணி AI ஐ உருவாக்குவதற்கான ஒரு கூட்டு உத்தியைப் பரிசீலிக்க வேண்டும், தற்போதைய வீணான ஆயுதப் பரப்பை தொடர்வதற்குப் பதிலாக. "