تفوق ديب سيك DeepSeek على شات جي بي تي.. مفاجآت جديدة في عالم الذكاء الاصطناعي

يشهد مجال الذكاء الاصطناعي تطورا مذهلا في الآونة الأخيرة، ومع زيادة التطورات ظهر تطبيق “ديب سيك” (DeepSeek) ليشكل تهديدا قويا لـ “تشات جي بي تي” (ChatGPT)، حيث أصبح هذا التطبيق الصيني أحد أبرز الابتكارات الحديثة في الذكاء الاصطناعي، حيث اعتمد على تقنيات متقدمة قائمة على التعلم المعزز مما ساعده في التفوق على العديد من النماذج الأخرى.

تطوير ديب سيك

لم يكن ظهور ديب سيك مفاجئًا بل جاء بعد أكثر من عام ونصف من العمل المكثف على تطويره، وذلك منذ إطلاق “تشات جي بي تي” من قبل شركة OpenAI، حيث تسعى الصين من خلال هذا التطبيق إلى السيطرة على سوق الذكاء الاصطناعي وتحدي الهيمنة الأمريكية في هذا المجال، وبحسب تقرير بحثي نشرته وكالة الأنباء الصينية الرسمية تم إشراك أكثر من 200 خبير ومهندس في تطوير ديب سيك، فهذا يعكس الجهود الكبيرة المبذولة لتقديم نموذج ذكاء اصطناعي يتمتع بقدرات استثنائية، والجدير بالذكر أن التطبيق أثر سلبا على الشركات الأمريكية، حيث تسبب في خسائر تقدّر بـ 600 مليار دولار من قيمتها السوقية.

آلية عمل ديب سيك

يعتمد ديب سيك على نموذجين رئيسيين، هما:

• DeepSeek-R1-Zero: يعتمد على التعلم المعزز دون الحاجة إلى تدريب أولي مما يمنحه القدرة على تنمية مهارات التفكير بشكل طبيعي.
• DeepSeek-R1: يتبع نهجا تدريبيا متعدد المراحل حيث يبدأ بتدريب إشرافي ثم ينتقل إلى التعلم المعزز لتطوير الأداء.

وقد تم إنتاج نماذج مصغرة بأحجام متفاوتة تراوحت من 1.5 مليار إلى 70 مليار متغير باستخدام معماريات متقدمة مثل “Qwen” و”Llama”.

تفوق ديب سيك على شات جي بي تي

يستفيد ديب سيك من نماذج مفتوحة المصدر مثل تلك التابعة لـ “ميتا” و”كوين” ولكنه يختلف في طريقة التعلم، حيث يعتمد بشكل أساسي على التعلم المعزز (Reinforcement Learning)، ما يتيح له تحسين أدائه بشكل مستمر دون الحاجة لتعديل النماذج المستخدمة، كما يتمتع التطبيق بقدرة استثنائية على تحليل النصوص المدخلة، حيث يقوم بتحديد عناصر النص الأساسية مثل نوع الجملة (سؤال، تصريح، رأي)، ومن ثم يضعها في السياق المناسب لتقديم إجابة دقيقة باستخدام تقنية “Frame”.

طريقة تفكير ديب سيك

يعتمد “ديب سيك” على أساليب تفكير مبتكرة وفعالة:

• تقنية تقسيم المشكلات (Divide and Conquer): يقوم بتقسيم المشكلات إلى أجزاء صغيرة ثم يعالج كل جزء على حدة قبل دمج الحلول للحصول على إجابة متكاملة.
• نظام التقييم الذاتي (Feedback Loop): يعيد التطبيق تقييم إجاباته وتحسينها إذا لزم الأمر حيث يستخدم نظام المكافآت لتوجيهه نحو تقديم إجابات دقيقة.
• مراجعة وتنقيح الإجابة: بعد توليد الردود، يتم تحليلها وفقا لمعايير تقييم معينة ثم يتم تعديلها بناء على الإطار الأنسب للسؤال وذلك باستخدام عملية “هندسة الموجهات” (Prompt Engineering)، مما يساهم في صياغة إجابة دقيقة وشاملة.