«ديب سيك» تكشف نهجًا أكثر كفاءة لتدريب الذكاء الاصطناعي

فينتك جيت:وكالات
نشرت شركة ديب سيك (DeepSeek) الصينية ورقة بحثية تستعرض نهجًا أكثر كفاءة في تدريب وتطوير نماذج الذكاء الاصطناعي المتقدمة، في خطوة تعكس تسارع الجهود البحثية داخل الصين للمنافسة مع شركات أميركية كبرى مثل OpenAI، رغم التحديات الناتجة عن القيود على الوصول إلى رقائق المعالجة المتطورة من إنفيديا (NVIDIA).
الورقة، التي شارك في إعدادها ليانغ ونفنغ مؤسس ديب سيك، قدّمت إطار عمل جديدًا يحمل اسم “الروابط الفائقة المُقيدة بالتشعبات” (Manifold-Constrained Hyper-Connections – mHC)، وهو نهج مصمم لـ تعزيز استقرار التدريب وإمكانية التوسع في النماذج الضخمة، مع خفض المتطلبات الحاسوبية واستهلاك الطاقة اللازمة لتدريب أنظمة الذكاء الاصطناعي الكبيرة، وفق ما أوضحه فريق البحث.
وأشارت الدراسة إلى أن هذا النهج يستند إلى إعادة تصميم طريقة اتصال الطبقات داخل الشبكات العصبية بهدف ضمان تدفق أكثر كفاءة للمعلومات أثناء التدريب، مع تقليل الحاجة إلى موارد حوسبية ضخمة، وهو ما يُعد أحد التحديات الرئيسية في تدريب النماذج اللغوية الكبيرة عالميًا.
وتستعد ديب سيك خلال فبراير المقبل، بالتزامن مع مهرجان الربيع الصيني، لإطلاق نموذجها الجديد “R2”، وهو إصدار يُرتقب أن يشكل تحولًا إضافيًا في القطاع، بعد النجاح الذي حققه نموذجها السابق “R1” في الاستدلال المنطقي خلال 2025، والذي لفت الأنظار حينها لكونه تم تطويره بتكلفة أقل بكثير مقارنة بالمنافسين في وادي السيليكون.
وفي ظل استمرار القيود الأميركية على تصدير أشباه الموصلات المتقدمة إلى الصين، تتجه الشركات والفرق البحثية الصينية إلى ابتكار بدائل معمارية وأساليب تدريب غير تقليدية تعتمد على كفاءة أعلى واستهلاك أقل للطاقة، وهو ما يضع نماذج الذكاء الاصطناعي منخفضة التكلفة في الصين ضمن دائرة المنافسة المتنامية على المستوى العالمي.
وأكدت الورقة أن الاختبارات أُجريت على نماذج تتراوح بين 3 مليارات و27 مليار مَعلمة، مشيرة إلى أن هذا النهج يحمل إمكانات واعدة لتطوير النماذج الأساسية بكفاءة أعلى، مع تقليل الهدر في الطاقة والموارد الحسابية التي غالبًا ما تؤدي إلى إعادة تشغيل عمليات التدريب عند حدوث عدم استقرار في النماذج الكبيرة.