Chińczycy chwalą się swoją AI o możliwościach zbliżonych do OpenAI o1

Naukowcy z DeepSeek pochwalili się debiutem nowej serii modeli sztucznej inteligencji nazwanej „R1”. Udostępnione zostały one na bazie licencji MIT, co oznacza, że wszyscy chętni mają pełną swobodę w kontekście używania, modyfikowania, kopiowania, a nawet rozpowszechniania R1 i autorskich odsłon wytworu badaczy z Państwa Środka.

Największą zaletą modeli R1 jest ich zdolność do rozumowania, którą to pochwalić może się również OpenAI o1. Jako że dzieło Chińczyków pozwala zajrzeć do swojego kodu, rzesza pasjonatów technologii postanowiła rozłożyć je na czynniki pierwsze i przekonać się, jak dokładnie przebiegają przeprowadzane przez sztuczną inteligencję „procesy myślowe”.

Wygląda na to, że R1 rzeczywiście potrafi na swój sposób myśleć, a AI dokładnie opisuje wszystkie kroki na drodze do wykonania zadania lub udzielenia sensownej odpowiedzi na otrzymane pytanie. Nawet w przypadku dość prostych poleceń, sztuczna inteligencja poważnie podchodzi do tematu i generuje listę złożoną z dziesiątek, a nawet setek następujących po sobie przemyśleń.

Co więcej, DeepSeek pochwaliło się, że jego wytwór w niektórych przypadkach radzi sobie lepiej nawet od dziecka OpenAI. Dla przykładu, DeepSeek-R1 uzyskało wyższy (co prawda minimalnie, ale wciąż) wynik w teście AIME 2024 (skupionym na zagadnieniach z zakresu matematyki). MATH-500 (ponownie matematyka) oraz SWE-bench Verified (wiedza dotycząca programowania i umiejętność rozwiązywania złożonych problemów w jego obszarze).

Oczywiście Altman i spółka pracują już nad następcą OpenAI o1, a model o3 został zapowiedziany w grudniu ubiegłego roku. Niewiadomo jednak, kiedy zostanie on udostępniony do wglądu użytkownikom. W międzyczasie Chiny udowodniły, że są w stanie opracować zaawansowaną sztuczną inteligencję, a zainstalowanie jednego z modeli R1 lokalnie pozwala nawet obejść cenzurę obecną w działającej w chmurze wersji.

Więcej informacji na temat DeepSeek-R1 oraz DeepSeek-R1-Zero, jak i towarzyszącym im „odchudzonym” modelom przeznaczonym dla komputerów o mniejszej wydajności, znajdziemy w repozytorium projektu na GitHubie.