تسعى شركة **DeepSeek** لتقليص حجم التدريب اللازم لنماذج الذكاء الاصطناعي التي تعتمد عليها، بهدف خفض التكاليف التشغيلية.
وقد تعاونت هذه الشركة الصينية الناشئة، التي أثارت اهتمام الأسواق من خلال نموذجها المبتكر والمناسب من حيث التكلفة للاستدلال الذي أُطلق في يناير الماضي، مع باحثين من جامعة بكين لإعداد ورقة بحثية تقدم نهجًا جديدًا في التعلم المُعزز لتحسين كفاءة النماذج.
وبحسب ما أشار إليه الباحثون، فإن الهدف من الطريقة الجديدة هو تحسين قدرة النماذج على موافقة التفضيلات البشرية من خلال تقديم مكافآت على استجابات أكثر دقة وسهولة في الفهم.
وقد أظهر التعلم المُعزز فعاليته في تسريع بعض المهام ضمن تطبيقات ومجالات محدودة، لكن توسيعه ليشمل تطبيقات أوسع يشكل تحديًا كبيرًا. وهذه هي النقطة التي يسعى فريق **DeepSeek** لحلها باستخدام ما يُعرف بـ "ضبط النقد الذاتي".
وأظهرت هذه الاستراتيجية تفوقًا على الأساليب والنماذج الحالية في عدة مجالات، حيث تم تحقيق أداء أفضل باستخدام موارد حوسبة أقل، وذلك وفقًا للورقة البحثية.
كما أعلنت **DeepSeek** عن إطلاق اسم **DeepSeek-GRM** على هذه النماذج الجديدة، والذي يُعتبر اختصارًا لعبارة "نمذجة المكافآت العامة"، وستكون هذه النماذج مفتوحة المصدر.
من جهة أخرى، يعمل مطورو الذكاء الاصطناعي الآخرون، مثل **Alibaba Group Holding** و**OpenAI** في سان فرانسيسكو، على استكشاف آفاق جديدة لتحسين قدرات التفكير المنطقي والتحسين الذاتي أثناء أداء النماذج للمهام في الوقت الفعلي.
