أعادت شركة “DeepSeek” الصينية لتطوير الذكاء الاصطناعي إشعال الجدل حول سباق التطور في هذا المجال. وذلك بعد أن كشفت عن أرقام مثيرة للدهشة بخصوص تكلفة تدريب نموذجها “R1”.
وفي خطوة نادرة نشرت الشركة تقريرًا في دورية “Nature” الأكاديمية. أعلنت فيه أن تكلفة تدريب النموذج بلغت 294 ألف دولار فقط. وهو مبلغ ضئيل جدًا مقارنةً بالأرقام التي يتداولها المنافسون الأمريكيون.
تكاليف متناقضة تثير التساؤلات
في حين تتناقض هذه الأرقام بشكل كبير مع التصريحات الصادرة عن شركات الذكاء الاصطناعي الأمريكية الرائدة.
ففي عام 2023 صرح سام ألتمان؛ الرئيس التنفيذي لشركة “OpenAI”. بأن تكلفة تدريب النماذج الأساسية تجاوزت 100 مليون دولار، على الرغم من أن شركته لم تفصح عن أرقام محددة لنماذجها.
بينما يعرف تدريب نماذج الذكاء الاصطناعي الكبيرة، التي تشغل برامج الدردشة مثل ChatGPT. بأنه عملية مكثفة تتطلب تشغيل مجموعات ضخمة من الشرائح القوية لأسابيع أو حتى أشهر. لمعالجة كميات هائلة من النصوص والبيانات.
لذلك أثارت الأرقام التي أعلنتها “DeepSeek” شكوك بعض الشركات والمسؤولين الأمريكيين. وفقًا لـ”رويترز”.
الخلاف حول الشرائح المستخدمة
ذكرت “DeepSeek”، في مقال “Nature”، أن نموذجها “R1” تم تدريبه باستخدام 512 شريحة من نوع “Nvidia H800”.
وتأتي أهمية هذا الرقم من أن شرائح “H800” تم تصميمها خصيصًا للسوق الصينية بعد أن فرضت الولايات المتحدة في أكتوبر 2022 حظرًا على تصدير شرائح “Nvidia” الأكثر قوة. مثل: “H100” و “A100″، إلى الصين.
ومع ذلك أشار مسؤولون أمريكيون إلى أن “DeepSeek” قد يكون لديها وصول إلى “كميات كبيرة” من شرائح “H100”. وهو ما نفته “Nvidia”، مؤكدة أن “DeepSeek” استخدمت شرائح “H800” التي حصلت عليها بشكل قانوني.
وفي وثيقة إضافية اعترفت “DeepSeek” للمرة الأولى بامتلاكها شرائح “A100”. واستخدامها في المراحل التحضيرية للتطوير. موضحة أن نموذج “R1” تم تدريبه لمدة 80 ساعة على مجموعة شرائح “H800”.
كما تشير تقارير إلى أن سبب تمكن “DeepSeek” من جذب أفضل العقول في الصين هو أنها كانت واحدة من الشركات المحلية القليلة التي تمتلك مجموعة حوسبة فائقة من شرائح “A100”.
تقنية “الاستخلاص” ودورها في خفض التكاليف
ردت “DeepSeek” أيضًا، بشكل غير مباشر. على اتهامات من مسؤولين أمريكيين بأنها تولت عمدًا “استخلاص” نماذج “OpenAI” في نماذجها الخاصة.
كما تدافع الشركة عن هذه التقنية، مؤكدة أنها تحسن أداء النموذج وتُقلل تكلفة التدريب والتشغيل بشكل كبي. ما يُتيح وصولًا أوسع للذكاء الاصطناعي.
علاوة على ذلك تشير تقنية “الاستخلاص” إلى أن نظام ذكاء اصطناعي يتعلم من نظام آخر. ما يسمح للنموذج الأحدث بالاستفادة من استثمارات الوقت والقوة الحاسوبية التي بذلت في بناء النموذج الأقدم، ولكن دون التكاليف المرتبطة بذلك.
وأوضحت “DeepSeek” في مقالها أن بيانات التدريب لنموذجها “V3” اعتمدت على صفحات ويب تحتوي على “عدد كبير من الإجابات التي تم إنشاؤها بواسطة نموذج OpenAI”. ما قد يكون جعل النموذج يكتسب المعرفة من نماذج أخرى قوية بشكل غير مباشر، لكنها أكدت أن ذلك كان عرضيًا وليس مقصودًا.