خسارة تريليون دولار .. كل خبايا أداة الذكاء الاصطناعي الصيني الجديدة DeepSeek
تاريخ النشر: 29th, January 2025 GMT
تشهد شركات الذكاء الاصطناعي الأمريكية منافسة شديدة من نموذج الذكاء الاصطناعي الصيني DeepSeek R1، حيث وصل تأثير هذا النموذج إلى وول ستريت، مما أدى إلى انخفاض سهم NVIDIA بنسبة 17%. يعكس هذا الانخفاض التأثير الكبير لنموذج DeepSeek على سوق التكنولوجيا والذكاء الاصطناعي، مما يثير تساؤلات حول استراتيجيته وتفوقه التقني.
تأسست شركة DeepSeek في عام 2023 من قبل ليانج وينجينج، وهي شركة صينية مقرها في هانجتشو، تشجيانج. وتركز الشركة على الاستثمارات في الذكاء الاصطناعي، وتسعى إلى تطوير نماذج متقدمة تنافس النماذج الرائدة عالميًا.
الاستفادة من الموارد قبل فرض القيود الأمريكيةبدأت DeepSeek تدريب نماذجها قبل فرض الحكومة الأمريكية قيودًا على وصول الصين إلى شرائح الذكاء الاصطناعي الأمريكية. ونتيجة لذلك، تمكنت الشركة من تخزين كمية جيدة من وحدات معالجة الرسوميات الخاصة بـ NVIDIA قبل بدء تطبيق هذه القيود.
ولكن مع فرض هذه القيود، كان على DeepSeek العمل بموارد محدودة، مما دفعها إلى التركيز على الابتكار والتطوير بدلاً من الاعتماد على الأجهزة المتقدمة.
نموذج V3 والتنافس مع OpenAIاضطرت DeepSeek إلى البحث عن حلول بديلة لتطوير نماذجها، مما أدى إلى ابتكار نموذج V3، الذي أظهر قدرة تنافسية قوية مقارنة بنموذج o3 الجديد من OpenAI، لكنه يستهلك موارد أقل بكثير ويعمل بتكلفة تشغيلية أقل.
استراتيجية DeepSeek في تطوير الذكاء الاصطناعيتبنت DeepSeek استراتيجية فريدة تعتمد على تحسين النماذج الحالية بدلاً من إعادة بناء نماذج جديدة بنفس الطريقة التي تعتمدها الشركات الأمريكية. وقد مكنها هذا النهج من تحقيق كفاءة عالية في تطوير الذكاء الاصطناعي دون الحاجة إلى موارد ضخمة.
إضافة إلى ذلك، ركزت الشركة على تنقية وتحسين النماذج بدلاً من مجرد زيادة قوة الحوسبة، مما جعلها قادرة على المنافسة في سباق الذكاء الاصطناعي العالمي.
التدريب الذاتي كميزة تنافسيةتعتمد شركات الذكاء الاصطناعي الأمريكية على التدريب الذي يتطلب مشاركة بشرية، حيث تُستخدم مجموعات بيانات مصنفة يدويًا لتطوير النماذج. أما DeepSeek، فقد اعتمدت على طريقة تدريب الذكاء الاصطناعي الذاتي، وهو أسلوب يسمح بتطوير النماذج بمدخلات بشرية أقل، مما يجعل العملية أكثر قابلية للتطوير.
التحديات والمخاطررغم أن طريقة التدريب الذاتي تعد أكثر كفاءة وقابلية للتوسع، إلا أنها تواجه بعض التحديات، مثل:
إمكانية تضخيم الأخطاء، حيث إن النماذج قد تعتمد على بيانات غير دقيقة دون تدخل بشري لتصحيحها.
صعوبة التحقق من محاذاة الذكاء الاصطناعي، أي التأكد من أن النماذج تعكس القيم والتوجهات الصحيحة دون انحرافات غير مقصودة.
تأثير القيود الأمريكية على DeepSeekفرضت الولايات المتحدة قيودًا صارمة على تصدير رقائق الذكاء الاصطناعي إلى الصين، مما أثر بشكل كبير على الشركات الصينية. لكن DeepSeek تمكنت من مواجهة هذه التحديات عبر التركيز على تحسين نماذجها الحالية، مما جعلها قادرة على المنافسة حتى مع الموارد المحدودة.
مستقبل DeepSeek في عالم الذكاء الاصطناعيرغم العقبات التي تواجهها، أثبتت DeepSeek أنها منافس قوي لشركات الذكاء الاصطناعي الأمريكية. ومع استمرارها في تحسين تقنياتها وتطوير نماذجها بطرق مبتكرة، قد تصبح واحدة من اللاعبين الرئيسيين في هذا المجال.
إذا استمرت الشركة في تقديم نماذج ذات كفاءة عالية وتكلفة تشغيلية منخفضة، فقد تتمكن من إعادة تشكيل سوق الذكاء الاصطناعي العالمي، مما قد يغير موازين القوى في هذا القطاع المتنامي بسرعة.
المصدر: صدى البلد
كلمات دلالية: الصين الاستثمارات الذكاء الاصطناعي وول ستريت الشركات الأمريكية المزيد الذکاء الاصطناعی الأمریکیة
إقرأ أيضاً:
الذكاء الاصطناعي يقدّر بفاعلية جرعة العلاج الكيميائي لسرطان القولون
طوّر فريق بحث أسترالي خوارزمية ذكاء اصطناعي تستخدم الأشعة المقطعية والخصائص المميزة لكل شخص لتحديد جرعة العلاج الكيميائي بدقة لمرضى سرطان القولون والمستقيم.
وتسمّى الخوارزمية PredicTx، وقد شارك في تطويرها أطباء وأكاديميون من مستشفيات فيكتوريا، وجامعة ملبورن ومعهد WEHI، بالإضافة إلى شركاء في القطاع الصحي الأسترالي.
والهدف هو ضمان حصول معظم المرضى على الجرعة الصحيحة من العلاج الكيميائي، واستمرارهم في تلقي العلاج الكيميائي الكافي والكامل، وفق “مديكال إكسبريس”.
ويُعد العلاج الكيميائي حيوياً لجميع أنواع السرطان. وهو عملية تستخدم أدوية مصممة لقتل أو إتلاف أو إبطاء انتشار الخلايا السرطانية، ومنعها من النمو والانقسام.
جرعات غير صحيحة
لكن طريقة تحديد جرعات العلاج الكيميائي لا تزال بدائية للغاية.
فحوالي 60% من المرضى يُعطون جرعات غير صحيحة – إما زيادة أو نقصان. وقد يؤدي هذا التحديد غير المقصود للجرعات إلى ردود فعل مؤلمة وصعبة، ما يدفع بعض الأشخاص إلى التوقف عن علاج السرطان مبكراً جداً.
وتهدف خوارزمية الذكاء الاصطناعي الجديدة إلى تحديد جرعات العلاج الكيميائي بدقة لمرضى سرطان القولون والمستقيم، لتحسين فرصهم في عيش حياة كاملة وسعيدة بعد الإصابة بالسرطان.
سرطان القولون والمستقيم
ويُعد سرطان القولون والمستقيم من أكثر أنواع الأورام صعوبة في العلاج، ويتم تشخيص أكثر من 1.9 مليون حالة جديدة كل عام.
ويحتاج حوالي 50% من هؤلاء المرضى إلى علاج كيميائي، ما يُحسّن معدل البقاء الإجمالي بأكثر من 30%.
تقدير الجرعات حالياً
ويعتمد المعيار الذهبي الحالي لجرعات العلاج الكيميائي على مساحة سطح جسم الشخص (BSA)، والتي تُحسب من وزنه وطوله (وهذا ما يُسمى بصيغة موستيلر).
لكن حساب الجرعات هذا غير دقيق للغاية.
ولا ترتبط مساحة سطح جسم الشخص بالضرورة بتركيبة جسم المريض – فتركيبة جسمنا هي التي تُحدد جرعة العلاج الكيميائي بعدة طرق، بما في ذلك مدى فعالية استقلاب العلاج الكيميائي النشط، وكذلك كمية العلاج الكيميائي السام المُخزنة داخل الجسم.
وهذا قد يعني أن أكثر من 60% من جميع مرضى العلاج الكيميائي قد تناولوا جرعات زائدة عن غير قصدـ يرفع مستوى السمّية، ويسبب مضاعفات شديدة.
وقد أظهرت الدراسات الأولية أن خوارزمية PredicTx تسهم في زيادة معدلات الشفاء من السرطان من خلال إتمام العلاج الكيميائي بنجاح.
3 إصابات شمالي الأردن بعد سقوط شظايا صواريخ (شاهد)