DeepSeek دیدگاه اپراتورهای شبکه را نسبت به هوش مصنوعی تغییر میدهد
اوایل امسال، DeepSeek (دیپسیک) با انتشار یک مدل هوش مصنوعی متنباز که ادعا میکرد. نسبت به پلتفرمهای آمریکایی OpenAI و دیگران، کارآمدتر و آموزش آن آسانتر است، خبرساز شد. این شرکت DeepSeek-V3 را عرضه کرد و قول بهبود قابلیت اجرای کد و افزایش عملکرد بنچمارک نسبت به مدل V3 قبلی که در ماه اسفند سال پیش منتشر شد را داد. رویترز گزارش داد که این مدل جدید به کمتر از ۶ میلیون دلار قدرت محاسباتی از تراشههای Nvidia H800 نیاز دارد.
دیپسیک میتواند سختافزار و هزینههای آموزش آن را کاهش دهد، اما این برای اپراتورهای شبکه چه معنایی دارد؟ در ادامه به جواب آن می پردازیم.
حرکت به سوی لبه فناوری
یکی از تغییرات این است که سازمانها میتوانند از DeepSeek برای تقویت قابلیتهای محاسبات پیچیده خود استفاده کنند. به گفته اد فاکس، مدیر ارشد فناوری در MetTel، ارائهدهنده جهانی محصولات ارتباطات دیجیتال یکپارچه برای کسبوکارها و سازمانهای دولتی، که این دقیقا جایی است که مدلهای هوش مصنوعی در آن یاد میگیرند.
عثمان جاوید، مدیر ارشد محصولات و بازاریابی در Orange Business، همچنین پیشبینی میکند. که مدلهای DeepSeek-R1 روی یک شبکه بزرگ اجرا شوند. این مدلها کارآمد هستند و میتوانند به وسیله شبکه در هر جایی که کاربران بخواهند اجرا شوند. و او گفت روزی را پیشبینی میکند که تلفنهای همراه مجهز به چیپستهای قوی بتوانند مدلهای کوچک هوش مصنوعی را اجرا کنند.
جاوید گفت: «DeepSeek به تحقق مفهوم هوش مصنوعی فراگیر کمک کرده است، به این معنی که میتوانید هوش مصنوعی را تا حد امکان در دسترس همه قرار دهید.»
مدلهای ریاضی کارآمدتر DeepSeek
جاوید گفت، DeepSeek (دیپسیک) همچنین میتواند سازمانها را قادر سازد تا مدلهای هوش مصنوعی با کارایی ریاضی بیشتر و نیاز به محاسبات کمتر ایجاد کنند. به معنای دیگر به جای استفاده از محسبات پیچیده با تعداد بالا، میتوانید رویکردی مبتنی بر مدلسازی کارآمد اتخاذ کنید. سپس در نهایت، با حجم محاسبات کمتر، میتوانید به نتایج مشابه یا بهتری برسید.
با این حال، این موضوع با یک نکته همراه است: مدلهایی که استدلال بیشتری دارند. برای آموزش به محاسبات کمتری نیاز دارند، اما همچنان برای استنتاج به محاسبات نیاز خواهند داشت. او گفت: «برای استنتاج از مدلها به محاسبات زیادی نیاز دارید، زیرا پردازش زیادی در سطح استنتاج، در سطح استدلال، اتفاق میافتد. بنابراین، نحوه نگاه شما به کل هزینه مالکیت، نه فقط در هزینه آموزش، بلکه در واقع در طول استنتاج، بسیار بالاتر است.»
جستجوی عمیق برای تحقیق
امروزه، DeepSeek عمدتاً برای اهداف تحقیقاتی استفاده میشود. به گفته جیم کویل، مدیر ارشد فناوری بخش دولتی ایالات متحده در Lookout، یک شرکت امنیت ابری و شبکه موبایل، شرکتها با استفاده از یادگیری ماشینی و هوش مصنوعی برای اتصال به چندین موتور هوش مصنوعی و کسب درک بهتر از مدلهای مختلف یادگیری، آزمایش میکنند.
کویل گفت: «بهخصوص وقتی صحبت از ایالات متحده میشود – به دلیل روابط ایالات متحده و چین – من نمیبینم که [DeepSeek] فراتر از تحقیقات، در جنبهای از دنیای تجارت روزمره مورد استفاده قرار گیرد.»
در واقع، کنگره ایالات متحده لایحهای دو حزبی برای ممنوعیت DeepSeek ارائه کرد. برخی از سازمانهای آمریکایی، مانند وزارت دفاع، ناسا و وزارت بازرگانی، پیش از این ممنوعیتی را وضع کردهاند. در همین حال، ایالتهایی که DeepSeek را مجاز نمیدانند شامل آلاباما، آیووا، نیویورک، اوکلاهما، تگزاس و ویرجینیا هستند. اندرو آتان، معمار راهکارهای فنی در شرکت World Wide Technology، یک متخصص یکپارچهسازی سیستمهای فناوری اطلاعات، ادعاهای کویل را تکرار کرد. او گفت: «DeepSeek به خودی خود تأثیر محدودی خواهد داشت، در درجه اول به این دلیل که هم شرکت و هم مدلهای آن مستقر در ایالات متحده نیستند. و بنابراین نگرانیهای امنیتی و امنیت ملی مختلفی را به همراه دارند.» در عوض DeepSeek «با منابع محدود» ممکن است برای استفاده توسط دانشگاهها و سایر موسسات مشابه مناسبتر باشد.
رویکردهای DeepSeek (دیپسیک) برای بسیاری از شرکتکنندگان در اکوسیستم، از جمله در دانشگاهها که محدودیتهای منابع مشابهی دارند و در جایی که اندازه مدلهای مورد استفاده برای تحقیقات توسط توسعهدهندگان مدل در مقیاس صنعتی کوچک جلوه میکند، مفید است.
پیامدهای امنیتی DeepSeek
جاوید گفت سازمانهایی که تصمیم به راهاندازی DeepSeek میگیرند، باید با دقت عمل کنند تا از امنیت اطلاعات اطمینان حاصل شود. پیادهسازی اعتماد سیاست یکسان که نحوه رمزگذاری اطلاعات در حین انتقال را تعیین کند، بسیار مهم است. او گفت: «شاید به یک لایه اعتماد زیربنایی رایجتر و منسجمتر نیاز باشد که شامل مسئولیت امنیتی باشد — نه فقط برای هر مدل، بلکه یک لایه زیربنایی که انطباق را تضمین کند.»
فاکس از شرکت متتل گفت که شناسایی، ردیابی و گزارش دقیق ترافیک دریافتی از اپلیکیشنی مانند DeepSeek توسط شرکتها نیز مهم است. کویل به شرکتها توصیه کرد که هنگام مسدود کردن ابزارهای هوش مصنوعی احتیاط کنند، زیرا این امر میتواند منجر به حمله انکار سرویس شود. علاوه بر این، ابزارهایی مانند DeepSeek ممکن است سازمانها را بیشتر به سمت پذیرش اعتماد حاکمیت اطلاعات سوق دهند که در آن قوانین و مقررات، اطلاعات را به منطقه عملیاتی کنترل میکنند.
منبع سایت Network Computing ترجمه گردیده توسط سایت ثامن شبکه
