(ديب سيك - DeepSeek)

ما نموذج الذكاء الصنعي الصيني التي يهدد عرش (ChatGPT)؟

ظهر مؤخرًا نموذج ذكاء صنعي صيني يُدعى (ديب سيك - DeepSeek)، الذي يعدًّ منافسًا قويًّا لنماذج الذكاء الصنعي الحالية كـ (ChatGPT)، إذ طُور هذا النموذج بتكلفة تقارب 6 ملايين دولار، مما يجعله واحدًا من النماذج الأكثر اقتصاديةً مقارنة بالنماذج الغربية التي يتطلب تشغيلها ميزانيات ضخمة (1).

وتُعزى كفاءة (ديب سيك - DeepSeek) إلى استخدامه تقنية (Mixture of Experts (MoE))، التي تُفعّل الموارد الحاسوبية فقط عند الحاجة، مما يعزز الأداء ويقلل استهلاك الطاقة، وهذه التقنية تُساعد النموذج على تحسين التخصص في مجالات محددة، مما يؤدي إلى زيادة دقة الإجابات وتقليل التكاليف التشغيلية (2).

إضافة إلى ذلك، يمتلك (ديب سيك - DeepSeek) قدرات قوية في فهم اللغة الطبيعية واسترجاع المعلومات، مما يجعله أداة مثالية للبحث العلمي، ويعتمد النموذج على معمارية متطورة تسمح له بالتعامل بكفاءة مع النصوص الطويلة، مما يجعله قادرًا على تحليل المحتوى الطويل وفهمه بعمق أكثر من النماذج التقليدية (3).

ولم تقتصر ابتكارات (ديب سيك - DeepSeek) على النصوص فقط، بل توسعت لتشمل النماذج متعددة الوسائط، إذ طُور نموذج (DeepSeek-VL2)، الذي يستطيع التعامل مع المحتوى البصري والنصي في آنٍ واحد، مما يجعله مثاليًّا لمهام كتحليل الصور والفيديو، وهو ما يمثّل تقدمًا مهمًا في مجال الذكاء الصنعي متعدد الوسائط (4).

ومؤخرًا أطلقت الشركة نموذجًا جديدًا يُدعى (DeepSeek-R1)، الذي يتميز بقدرات متقدمة في الاستدلال المنطقي وحل المشكلات الرياضية والبرمجة، إذ طُور هذا النموذج باستخدام تقنيات (التعلم المعزز - Reinforcement Learning) دون الاعتماد على التدريب المسبق، مما أدى إلى تحسين قدراته في معالجة المهام المعقدة (5).

ختامًا؛ مع التطور السريع في مجال الذكاء الصنعي، يبدو أن (ديب سيك - DeepSeek) ونموذجه الجديد R1 يشكلان تحديًّا حقيقيًّا للنماذج السائدة كـ (ChatGPT) وغيرها من النماذج، ولن يكون مجرد منافس فقط، بل قد يكون نموذجًا رائدًا في المستقبل القريب إذا استمرت هذه الابتكارات بالوتيرة نفسها، وسنشهد تحولًا كبيرًا في الطريقة التي نتفاعل بها مع أنظمة الذكاء الصنعي، سواء في البحث العلمي وتحليل البيانات أو حتى في التطبيقات اليومية، ومن الواضح أن المنافسة لم تعد تقتصر على الغرب فقط، بل أصبحت عالمية، مع دخول الصين بقوة إلى هذا المجال. 

 
المصادر:

1- DeepSeek-AI. DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model. arXiv preprint arXiv:2405.04434. 2024. Available at: هنا

2- Bi X, Chen D, Chen G, et al. DeepSeek LLM: Scaling Open-Source Language Models with Longtermism. arXiv preprint arXiv:2401.02954. 2024. Available at: هنا

3- Dai D, Deng C, Zhao C, et al. DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models. arXiv preprint arXiv:2401.06066. 2024. Available at: هنا

4- Wu Z, Chen X, Pan Z, et al. DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding. arXiv preprint arXiv:2412.10302. 2024. Available at: هنا

5- DeepSeek-AI, Guo D, Yang D, Zhang H, Song J. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. arXiv preprint arXiv:2501.12948. 2025. Available at: هنا