DeepSeek-R1, inkişaf etdirmək üçün həmyaşıdlarından daha az hesablama və maliyyə resursları tələb edən qabaqcıl dil modeli, AI sənayesində OpenAI, Google və Meta-nın üstünlüyünə meydan oxuyur.
Çinin süni intellekt üzrə startap DeepSeek-in eyniadlı böyük dil modeli (LLM) bir gecədə Amerikanın OpenAI şirkətinin ChatGPT-nin rəqibinə çevrilərək Silikon Vadisində əsl səs-küyə səbəb oldu.İT mütəxəssislərinin fikrincə, bu ay təqdim olunan DeepSeek-R1 adlı son versiya aşağı qiymətə yüksək performansa malikdir.
Çin şirkəti öz dil modelini hazırlamaq üçün istifadə edilən çiplərin sayına görə artıq OpenAI, Google və Meta kimi nəhəngləri qabaqlayır. Buna görə də bazar ertəsi böyük çip istehsalçısı Nvidia-nın səhmləri kəskin ucuzlaşıb.
Çinin süni intellekt sahəsində inqilabi ola biləcək yeni inkişafı haqqında bildiklərimiz budur.
DeepSeek haradan gəldi?
Şirkət 2023-cü ilin iyulunda Hangzhou şəhərində elektronika və kompüter mühəndisi və Zhejiang Universitetinin məzunu Liang Wenfeng tərəfindən təsis edilib.
O, 2015-ci ildə Liang tərəfindən yaradılmış High-Flyer Fondunun inkubasiya proqramının bir hissəsi kimi ortaya çıxdı. Başlanğıc, digər sənaye liderləri kimi, müxtəlif problemlərin həllində insanlarla uyğunlaşa bilən və ya onları üstələyə bilən “ümumi süni intellekt” inkişaf etdirməyi hədəfləyir.
DeepSeek-in maliyyələşdirmə modelinin özü əməliyyat müstəqilliyinə imkan verir, şirkətə kənar investorların təzyiqi olmadan iddialı AI layihələrini həyata keçirməyə və uzunmüddətli tədqiqat və inkişafa üstünlük verməyə imkan verir.
DeepSeek komandası Çinin ən yaxşı universitetlərinin gənc məzunlarından və təcrübədən çox texniki bacarıqlara əsaslanan işə qəbul olunanlardan ibarətdir.
Bir sözlə, şirkətin süni intellekt modellərinin inkişaf etdirilməsi prosesinə tamamilə yeni bir perspektivə malik olduğu güman edilir.
DeepSeek öz varlığını 2023-cü ilin noyabrında proqramlaşdırma problemlərini həll etmək üçün nəzərdə tutulmuş açıq mənbə modeli olan DeepSeek Coder-in istifadəyə verilməsi ilə tanıdı.
Ondan sonra digər əsas dil modelləri ilə rəqabət aparmağa yönəlmiş DeepSeek LLM gəldi. 2024-cü ilin may ayında buraxılan DeepSeek-V2 yüksək performansı və aşağı qiyməti sayəsində populyarlıq qazandı.
Bu, həmçinin ByteDance, Tencent, Baidu və Alibaba kimi digər böyük Çin texnoloji nəhənglərini süni intellekt modellərinin qiymətlərini azaltmağa məcbur etdi.
DeepSeek-in xüsusiyyətləri nələrdir?
DeepSeek-V2 daha sonra 236 milyard parametrli daha təkmil model olan DeepSeek-Coder-V2 ilə əvəz olundu.Mürəkkəb kodlaşdırma sorğuları üçün nəzərdə tutulmuşdur, o, 128.000-ə qədər işarə ilə geniş kontekst pəncərəsinə malikdir.Token mətn vahididir. Bu, söz, hissəcik, simvol və ya durğu işarəsi, hətta boşluq ola bilər.128.000 işarədən ibarət kontekst pəncərəsi modelin bir anda işləyə biləcəyi daxiletmə mətninin maksimum uzunluğudur.Bu kontekst pəncərəsi modelə daha uzun mətnləri başa düşməyə, ümumiləşdirməyə və ya təhlil etməyə imkan verir. Böyük həcmli sənədlər, kitablar və ya mürəkkəb dialoqlarla işləmək üçün bu, ciddi üstünlükdür.
Ən son modellər DeepSeek-V3 və DeepSeek-R1 şirkətin mövqeyini daha da möhkəmləndirib.671.000 parametrlə DeepSeek-V3 həmyaşıdlarından əhəmiyyətli dərəcədə az resurs tələb edir, eyni zamanda müxtəlif benchmark testlərində təsirli nəticələr verir.Bu ay təqdim edilən DeepSeek-R1, məntiqi düşünmə, proqramlaşdırma və riyaziyyatı əhatə edən mürəkkəb tapşırıqları yerinə yetirməyə yönəlib. Bu sahədəki imkanları ilə o, ən son ChatGPT modellərindən birinə - o1-ə meydan oxuyur.
DeepSeek qısa müddət ərzində əhəmiyyətli irəliləyiş əldə etsə də, şirkət ilk növbədə tədqiqata diqqət yetirir və yaxın gələcəkdə kommersiyalaşdırılması üçün ətraflı planları yoxdur, Forbes yazır.
DeepSeek istifadəçilər üçün nə qədər başa gəlir?
DeepSeek-in diqqəti cəlb etməsinin əsas səbəblərindən biri istifadə haqqının olmamasıdır.
Bu, istifadəçilərə pulsuz olaraq təqdim olunan ilk belə qabaqcıl AI sistemidir. OpenAI və Claude Sonnet-dən o1 kimi digər güclü sistemlər pullu abunə tələb edir.
Google Gemini də pulsuzdur, lakin pulsuz versiyalar köhnə modellərlə məhdudlaşır. DeepSeek-in hələ heç bir məhdudiyyəti yoxdur.
Necə istifadə etməli?
İstifadəçilər "chat.deepseek" ünvanında DeepSeek çat interfeysinə daxil ola bilərlər. Sadəcə söhbət ekranında əmrləri daxil edin və "axtarış" düyməsini basın.
İstənilən məsələ ilə bağlı daha ətraflı məlumat əldə etmək üçün “dərin təhlil” seçimi təqdim olunur. O, istifadəçi sorğularına daha ətraflı cavab verir, həm də axtarış sistemində daha çox sayt axtarmağa imkan verir.
Bununla belə, yalnız müəyyən mənbələrdə axtarış aparan ChatGPT-dən fərqli olaraq, bu xüsusiyyət bəzi kiçik saytlardan yalan məlumat qaytara bilər. Ona görə də istifadəçilər bu chatbotdan aldıqları məlumatları təsdiqləməlidirlər.
Bu təhlükəsizdir?
DeepSeek-dən istifadə ilə bağlı digər vacib sual onun təhlükəsiz olub-olmamasıdır. DeepSeek, digər xidmətlər kimi, çox güman ki, Çindəki serverlərdə saxlanılan istifadəçi məlumatlarını tələb edir.
Hər hansı bir LLM-də olduğu kimi, istifadəçilərin chatbot-a həssas məlumatları təqdim etməmələri vacibdir.
DeepSeek həm də açıq mənbə olduğundan, müstəqil İT mütəxəssisləri modelin kodunu yoxlaya və onun nə dərəcədə təhlükəsiz olduğunu özləri müəyyən edə bilərlər. Məlumatların təhlükəsizliyi ilə bağlı problemlər haqqında daha çox məlumat yaxın günlərdə dərc olunacaq.
Açıq mənbə nə deməkdir?
DeepSeek-R1 daxil olmaqla modellər açıq mənbə kimi buraxılmışdır. Bu o deməkdir ki, hər kəs alətin koduna daxil ola və LLM-i konfiqurasiya etmək üçün ondan istifadə edə bilər. Təlim məlumatları şirkətin mülkiyyətidir.
OpenAI, öz növbəsində, o1 modelini qapalı mənbə kimi buraxdı və onu yalnız istifadəçilərə və ayrıca - hətta ayda 20 dollardan (19 avro) 200 dollara (192 avro) qədər paket sahiblərinə satır.
ABŞ məhdudiyyətlərinə baxmayaraq, belə bir modeli necə buraxa bildiniz?
Şirkət həmçinin texnologiya imkanlarını və bazar imkanlarını genişləndirmək üçün strateji tərəfdaşlıqlar qurmuşdur.
Məsələn, startap Amerikanın çip istehsal edən AMD şirkəti ilə əməkdaşlıq edir. Forbes-ə görə, DeepSeek, xüsusilə DeepSeek-V3 üçün modelin inkişafının əsas mərhələlərində AMD Instinct GPU (qrafik emal vahidləri) və ROCM proqram təminatından istifadə etmişdir.
MIT Technology Review, ABŞ-ın sanksiyalar tətbiq etməsindən çox əvvəl Lianqın böyük miqdarda Nvidia A100 çiplərini satın aldığını və hazırda Çinə ixracı qadağan edildiyini bildirdi.
Çin media orqanı 36Kr şirkətin anbarında 10.000-dən çox çip olduğunu təxmin edir. Bəziləri bu rəqəmin 50 min olduğunu iddia edir.
Eyni zamanda, artıq məlumdur ki, DeepSeek təlimi zamanı aşağı güclü çiplərdən istifadə olunur ki, bu da, görünür, modelin performansını heç də azaltmır.
Amma burada əsas odur ki, Lianq minimal xərclə səriştəli modellər yaratmağın yolunu tapıb.
ABŞ-dan çiplərin ixracına qoyulan məhdudiyyətlər DeepSeek tərtibatçılarını hesablama gücünün çatışmazlığını kompensasiya etmək üçün daha ağıllı və enerjiyə qənaət edən alqoritmlər yaratmağa məcbur etdi.ChatGPT-nin təlim məlumatlarını emal etmək üçün 10.000 Nvidia GPU tələb etdiyi güman edilir. DeepSeek mühəndisləri cəmi 2000 GPU-dan istifadə edərək oxşar nəticələr əldə etdiklərini iddia edirlər.
DeepSeek-in yaranmasına reaksiya necədir?
OpenAI və Google kimi əsas oyunçuların süni intellekt modelləri üçün təlim məlumatlarını təmin edən ScaleAI şirkətinin baş direktoru Alexander Wang, keçən həftə Davosda Dünya İqtisadi Forumunda (WEF) etdiyi çıxışda DeepSeek məhsulunun "dağıdıcı təsir" göstərdiyini söylədi.
Analitiklər də eyni şeyi deyirlər və Qərb şirkətlərini qlobal süni intellekt texnologiyaları bazarında Çin chatbotunun peyda olmasının ciddi nəticələri barədə xəbərdar edirlər.
