그만큼 Deepseek을 둘러싼 최근 흥분, LLM (Advanced Large Language Model)은 공간에 크게 개선 된 효율성을 감안할 때 이해할 수 있습니다. 그러나 방출에 대한 일부 반응은 그 영향의 크기를 잘못 해석하는 것으로 보입니다. DeepSeek은 LLM 개발의 예상 궤적에서 도약을 나타내지 만, 그것은 혁명적 인 전환을 신호하지 않습니다. 인공 일반 정보 (AGI), AI 혁신의 무게 중심에서 갑작스런 변화를 나타내지 않습니다.
오히려, Deepseek의 성취는 AI 기술의 지수 성장의 하나 인 잘 어울리는 길을 따라 자연스럽게 발전합니다. 그것은 파괴적인 패러다임 전환이 아니라 기술 변화의 가속화 속도를 강력하게 상기시켜줍니다.
Deepseek의 효율성 이익 : 예상 궤적을 따라 도약
Deepseek을 둘러싼 흥분의 핵심은 인상적입니다. 효율성 개선. 그것의 혁신은 주로 LLM을 더 빠르고 저렴하게 만드는 것에 관한 것이며, 이는 AI 모델의 경제 및 접근성에 중대한 영향을 미칩니다. 그러나 화제에도 불구하고 이러한 발전은 근본적으로 새롭지 않고 기존 접근법의 개선입니다.
1990 년대에 고급 컴퓨터 그래픽 렌더링 필요한 슈퍼 컴퓨터 렌더링. 오늘날 스마트 폰은 동일한 작업을 수행 할 수 있습니다. 마찬가지로, 틈새 시장, 고비용 기술이 아니라면 얼굴 인식은 이제 스마트 폰에서 유비쿼터스의 상용 기능이되었습니다. DeepSeek는 이러한 기술 패턴에 적합합니다. 효율성을 제공하지만 새로운 획기적인 접근 방식은 제공하지 않는 기존 기능의 최적화입니다.
기술 성장의 원칙에 익숙한 사람들에게는 이러한 빠른 진보가 예상치 못한 것은 아닙니다. AI와 같은 주요 영역에서 진보를 가속화하는 기술 특이점 이론은 우리가 특이점의 지점에 접근함에 따라 돌파구가 더 빈번해질 것이라고 예측합니다. DeepSeek은 이러한 지속적인 추세에서 한 순간에 불과하며, 그 역할은 새로운 기능으로 갑자기 도약하기보다는 기존 AI 기술을보다 접근 가능하고 효율적으로 만드는 것입니다.
Deepseek의 혁신 : AGI 로의 도약이 아니라 건축 조정
DeepSeek의 주요 기여는 특히 큰 언어 모델의 효율성을 최적화하는 데 있습니다. 전문가의 혼합 (Moe) 건축. Moe는 수년간 AI 연구에서 활용된 잘 확립 된 앙상블 학습 기술입니다. DeepSeek이 특히 잘 수행 한 것은이 기술을 정체하여 계산 비용을 최소화하고 LLM을보다 저렴하게 만드는 다른 효율성 측정을 통합하는 것입니다.
- 매개 변수 효율성: DeepSeek의 Moe Design은 주어진 시간에 671 억 개의 매개 변수 중 370 억을 활성화하여 전통적인 LLM의 1/18로 계산 요구 사항을 줄입니다.
- 추론을위한 강화 학습: DeepSeek의 R1 모델은 강화 학습을 사용하여 언어 모델의 중요한 측면 인 추론 체인을 향상시킵니다.
- 다중 점 훈련: DeepSeek-V3의 여러 텍스트를 예측하는 능력은 동시에 교육 효율성을 증가시킵니다.
이러한 개선으로 인해 Openai 또는 Anthropic과 같은 경쟁자와 비교할 때 Deepseek 모델이 훈련 및 운영을 크게 저렴하게 만듭니다. 이것은 LLM의 접근성을위한 중요한 진전이지만, AGI에 대한 개념적 돌파구보다는 엔지니어링 개선으로 남아 있습니다.
오픈 소스 AI의 영향
DeepSeek의 가장 주목할만한 결정 중 하나는 모델을 만드는 것이 었습니다. 오픈 소스-Openai, Anthropic 및 Google과 같은 회사의 독점적 인 벽면 대형 접근 방식에서 분명한 출발. Meta의 Yann Lecun과 같은 AI 연구원들이 옹호하는이 오픈 소스 접근 방식은 집단 개발을 통해 혁신이 번성 할 수있는보다 분산 된 AI 생태계를 조성합니다.
Deepseek의 오픈 소스 결정의 경제적 근거도 분명합니다. 오픈 소스 AI는 철학적 입장 일뿐 만 아니라 비즈니스 전략입니다. DeepSeek은 광범위한 연구원과 개발자에게 기술을 이용할 수있게함으로써 독점 모델의 판매에만 의존하기보다는 서비스, 엔터프라이즈 통합 및 확장 가능한 호스팅의 혜택을받을 수 있도록 자체적으로 위치하고 있습니다. 이 접근법은 글로벌 AI 커뮤니티가 경쟁 도구에 대한 액세스 권한을 부여하고 우주의 대형 서부 기술 거인의 교살을 줄입니다.
AI 인종에서 중국의 성장 역할
많은 사람들에게 Deepseek의 획기적인 사실이 중국에서 나왔다는 사실은 놀랍습니다. 그러나이 발전은 충격이나 지정 학적 경연 대회의 일환으로 보아서는 안됩니다. 중국의 AI 환경을 관찰 한 수년을 보낸 후,이 나라는 AI 연구에 상당한 투자를하여 인재와 전문 지식이 점점 커지고 있음이 분명합니다.
이 발전을 서구의 지배에 대한 도전으로 프레임하는 대신 AI 연구의 세계적 본질의 징후로 여겨 져야한다. 민족주의 경쟁이 아닌 공개 협력은 AGI의 책임 있고 윤리적 인 발전을 향한 가장 유망한 길입니다. 분산 된 전 세계적으로 분산 된 노력은 단일 국가 나 기업의 이익을 제공하는 것이 아니라 모든 인류에게 도움이되는 AGI를 생산할 가능성이 훨씬 높습니다.
Deepseek의 더 넓은 의미 : LLM을 넘어서
Deepseek에 대한 흥분의 대부분은 LLM 공간의 효율성을 중심으로 진행되지만,이 개발의 더 넓은 영향을 물러서서 고려하는 것이 중요합니다.
인상적인 기능에도 불구하고 LLM과 같은 변압기 기반 모델은 여전히 AGI를 달성하지 못하고 있습니다. 그것들은 일반적인 지능에 필요한 근거가있는 구성 추상화와 자기 지시 된 추론과 같은 필수 특성이 부족합니다. LLM은 광범위한 경제 업무를 자동화하고 다양한 산업에 통합 할 수 있지만 AGI 개발의 핵심을 나타내지는 않습니다.
AGI가 향후 10 년 안에 등장한다면, 트랜스포머 아키텍처에 기반을 두지 않을 것입니다. OpenCog Hyperon 또는 Neuromorphic Computing과 같은 대체 모델은 진정한 일반 지능을 달성하는 데 더욱 기본적 일 수 있습니다.
LLM의 상품화는 AI 투자를 변화시킬 것입니다
Deepseek의 효율성 이득은 다음을 향한 추세를 가속화합니다 LLM의 상품화. 이러한 모델의 비용이 계속 하락함에 따라 투자자들은 AI의 다음 큰 돌파구를 위해 전통적인 LLM 아키텍처를 넘어보기 시작할 수 있습니다. 우리는 변압기를 넘어서는 AGI 아키텍처로의 자금 조달과 신경 칩 또는 연관 처리 장치와 같은 대체 AI 하드웨어에 대한 투자를 볼 수 있습니다.
탈 중앙화는 AI의 미래를 형성 할 것입니다
DeepSeek의 효율성 개선으로 인해 AI 모델을 쉽게 배포 할 수 있으므로 AI 아키텍처를 분산하는 광범위한 추세에 기여하고 있습니다. 개인 정보 보호, 상호 운용성 및 사용자 제어에 중점을 두어 분산 된 AI는 중앙 집중식 기술 회사에 대한 의존도를 줄입니다. 이러한 추세는 AI가 소수의 강력한 플레이어에 의해 통제되는 대신 AI가 전 세계 인구의 요구에 부응하도록하는 데 중요합니다.
AI Cambrian 폭발에서 Deepseek의 장소
결론적으로, DeepSeek은 LLM의 효율성에서 주요 이정표이지만 AI 환경의 혁신적인 변화는 아닙니다. 오히려, 그것은 잘 확립 된 궤적을 따라 진행을 가속화합니다. DeepSeek의 광범위한 영향은 여러 분야에서 느껴집니다.
- 현직자에 대한 압력: OpenAi 및 Anthropic과 같은 회사가 비즈니스 모델을 다시 생각하고 새로운 경쟁 방법을 찾는 데 어려움을 겪습니다.
- AI의 접근성: 고품질 모델을보다 저렴하게 만들어 딥 스피크는 최첨단 기술에 대한 접근을 민주화합니다.
- 글로벌 경쟁: AI 개발에서 중국의 역할이 증가하는 것은 서구로 제한되지 않는 혁신의 글로벌 특성을 나타냅니다.
- 지수 진행: DeepSeek은 AI의 빠른 발전이 표준이되는 분명한 예입니다.
가장 중요한 것은 DeepSeek은 AI가 빠르게 진행되는 동안 진정한 AGI가 오늘날의 모델을 최적화하기보다는 새로운 기본 접근법을 통해 나타날 가능성이 있다는 것을 상기시켜줍니다. 우리가 특이점을 향해 경쟁함에 따라 AI 개발이 분산되고 개방적이며 협력적인 상태로 유지되는 것이 중요합니다.
DeepSeek은 AGI가 아니지만 변형 AI를 향한 지속적인 여정에서 중요한 발전을 나타냅니다.
게시물 Deepseek : AI 혁신의 패러다임 전환이 아니라 효율성 이득 먼저 나타났습니다 Unite.ai.
