في خطوة متقدمة في ميدان الذكاء الاصطناعي، أعلنت شركة DeepSeek الصينية الناشئة عن ابتكار تقنية جديدة تهدف إلى تعزيز قدرات الاستدلال في نماذجها اللغوية الكبيرة (LLMs)، مع زيادة الترقب لإصدار الجيل التالي من نماذجها.

التقنية الجديدة، التي تم تطويرها بالتعاون مع باحثين من جامعة تسينغهوا، تعتمد على منهجيتين حديثتين تُعرفان ب"نمذجة المكافآت التوليدية" (Generative Reward Modelling - GRM) و"ضبط التقييم الذاتي المركز إلى المبادئ الذاتية" (Self-principled Critique Tuning)، وذلك وفقاً لأبحاث إضافية نُشرت على منصة arXiv المتخصصة.

تستهدف هذه المنهجيات تمكين نماذج اللغة الكبيرة من تقديم نتائج أكثر دقة وسرعة في التعامل مع الأسئلة العامة. هذا يتطلب تغيير الطريقة التقليدية التي يتم بها تدريب النماذج المعتمدة، حيث يتم التعامل مع الاستجابات بشكل مختلف بواسطة استخدام تقنية GRM.

نبذة عن تقنية GRM

تتعلق تقنية نمذجة المكافآت التوليدية بتعليم نموذج الذكاء الاصطناعي كيفية تقييم استجاباته بناءً على تفضيلات البشر. على سبيل المثال، من خلال إعطاء النقاط بناءً على جودة الإجابات المقدمة، يتعلم النموذج تحسين أدائه لتحقيق أقصى إشادة. وتعتبر التقنية مشابهة للعبة، حيث يكافأ النموذج على الإجابات الجيدة ويتم تقليص نقاطه عند تقديم إجابات خاطئة.

الفريق البحثي أوضح أن نماذج DeepSeek-GRM الجديدة تتفوق على الطرق التقليدية، حيث أثبت أداؤها التنافسي مقارنة بنماذج المكافآت العامة الأخرى.

أهمية التقنية الجديدة

هذه التقنية لا تعزز فقط جودة الاستجابات، بل تواجه أيضاً العديد من التحديات المتعلقة بالدقة ومواءمة التوقعات البشرية. ومن المتوقع أن يُسهم استخدام نماذج GRM المفتوحة المصدر في توفير فرص أكبر للمطورين للمشاركة في تحسين الأداء.

بالتوازي مع ذلك، يُرصَد تعزيز الاستثمارات في الذكاء الاصطناعي بشكل عام. يتوقع أن يُطرح الإصدار القادم، DeepSeek-R2، والذي يُزعم أن يضم تحسينات تكنولوجية ملحوظة، في الأسواق خلال الفترة المقبلة.

علاوة على ذلك، تشير التقارير إلى أن الشركة تفكر في فتح نماذجها المعدنية لجذب المطورين والشركات المبتكرة في مجال الذكاء الاصطناعي، مما يُعزز من قدرتها التنافسية في السوق العالمية. وفي انتظار المزيد من المعلومات حول خطط DeepSeek المستقبلية، يبقى المهتمون بهذا المجال في حالة ترقب للتطورات المقبلة.