Mas qual é o impacto na IA, que impacto é a longo prazo? Aqui estão três sementes de Deepseek plantadas, que crescem mesmo quando o salto original desaparece.
Primeiro, essa discussão força quanta energia o modelo de IA deve solicitar melhores respostas.
Pode -tudo que você ouviu (inclusive de eu mesmo) Este Deepek é eficiente em termos energéticos. Isso se aplica a essa fase de treinamento, mas as conclusões que são quando você realmente pergunta ao modelo e fornece a resposta, é complicado. Ele usa uma técnica impensada que divide perguntas complexas, seja peças deitadas para proteger os sentimentos de alguém e depois responder logicamente a todos. O método permite que você faça melhor matemática, lógica, codificação e muito mais.
Por pelo menos um pouco, o problema é que essa maneira de pensar usa muito mais eletricidade do que a IA a que estamos acostumados. Embora a IA seja atualmente responsável por uma fatia de uma pequena emissões globais inteiras, existe alargamento Apoio político ao aprimoramento radical da energia da IA. Obviamente, se a intensidade energética dos modelos criados vale a pena depende do que usamos ai. Estudos científicos parecem valer o tratamento das piores doenças do mundo. Gerar ai kalle? Menos que.
Alguns especialistas estão preocupados com o fato de a impressionabilidade da Deepsek fazer com que as empresas aumentem a muitos aplicativos e equipamentos e que os usuários se esforcem para cenários que não o exigem. (Pedir a Deepsekil Einstein para explicar a teoria da relatividade é, por exemplo, um desperdício, pois não requer pensamento lógico e qualquer modelo típico de bate -papo de IA pode fazê -lo com menos tempo e energia.) Leia mais sobre mim aquiPara.
Segundo, a Deepsek fez algum progresso criativo no treinamento de TI e outras empresas provavelmente seguirão sua administração.
Os modelos de IA mais detalhados não aprendem apenas muito texto, fotos e vídeos. Eles esperam limpar esses dados, dar a anotação e ajudar a IA a escolher melhores respostas, geralmente com salários fracos.
Uma das maneiras pelas quais os trabalhadores humanos estão envolvidos é uma técnica chamada reforço com feedback humano. O modelo gera a resposta, os revisores humanos recebem esta resposta e essas notas são usadas para melhorar o modelo. O Openai foi pioneiro nessa técnica, embora agora seja amplamente utilizado.
