DeepSeek-R1, новая большая языковая модель (LLM) от китайского стартапа, привлекает внимание своей производительностью, которая, по-видимому, может соперничать с ведущими моделями, разработанными в США.

Хотя она представляет собой первую такую ​​передовую модель, разработанную за пределами США, ее появление следует рассматривать в более широком контексте разработки ИИ.

Ну и что
Подход DeepSeek-R1 включает в себя несколько интересных технических элементов:

- Обучение с подкреплением для улучшенного рассуждения: модель использует обучение с подкреплением, что позволяет ей учиться посредством взаимодействия и обратной связи, что является ключевой возможностью для разработки более сложных агентов ИИ.

- Эффективное использование точности с плавающей точкой: стратегически используя различные уровни точности с плавающей точкой, DeepSeek-R1 оптимизирует использование памяти и скорость обработки.

- Многотокенное прогнозирование для более быстрых ответов: способность модели предсказывать несколько слов одновременно способствует более быстрому времени ответа.

«С ростом доступности моделей рассуждений, таких как DeepSeek-R1, больше компаний смогут экспериментировать и развивать свои возможности, - говорит Дэниел Сак, управляющий директор и партнер BCG X, подразделения BCG по разработке и проектированию.  - Мы, вероятно, увидим более широкий спектр агентных приложений, которые будут предлагать больше опций, ускорять инновации и продвигать эту область вперед».

Сообщается, что DeepSeek был произведен за малую часть стоимости других моделей, но неясно, были ли включены в расчеты затраты на разработку и эксперименты.

Тенденция к повышению эффективности и снижению стоимости ИИ является естественным прогрессом для новых технологий, отмечает Джон Кляйн, управляющий директор и партнер BCG в Кремниевой долине, добавляя, что люди должны принять более взвешенную точку зрения на то, как эти разработки могут бросить вызов доминированию ИИ в США: «По мере появления прорывов они будут быстро приняты существующими поставщиками технологий. Быть первопроходцем не всегда является определяющим фактором долгосрочного успеха».

Now What
Вот как компании могут реагировать на меняющийся ландшафт ИИ:

- Ожидайте снижения затрат на ИИ. Новая волна конкуренции и инноваций, а также воспроизводимый характер моделей с открытым исходным кодом продолжат снижать стоимость использования языковых моделей, делая технологию более доступной в целом.

- Изучите потенциал моделей рассуждений. Модели рассуждений, которые «думают», прежде чем ответить, улучшат долгосрочные потребности в планировании для сложных рабочих процессов агентов ИИ. Более двух третей компаний в опросе руководителей BCG говорят, что они рассматривают возможность использования автономных агентов в рамках своей трансформации ИИ.

- Разрабатывайте адаптивные платформы ИИ, которые являются многомодельными по своей сути. Создание платформы ИИ, которая позволяет быстро и безопасно тестировать несколько моделей, дает краткосрочные выгоды. Организациям следует занять многомодельную позицию и создавать платформы ИИ, достаточно гибкие для быстрого тестирования новых моделей в своих рабочих процессах.

- Создавайте строгие рабочие процессы оценки и тестирования, чтобы гарантировать ответственное развертывание моделей и соответствие желаемым результатам. Это становится более важным в агентских системах, где сложнее предвидеть и обнаруживать несогласованные рассуждения.

- Изучите правовые аспекты, вопросы безопасности данных и конфиденциальности. Модели с открытым исходным кодом сопряжены с уникальными рисками, связанными с безопасностью данных, конфиденциальностью и регулированием. Они могут усугубляться при использовании для управления агентами. Организации должны проводить строгую оценку перед использованием и передачей своих данных. В свете быстро меняющейся нормативной картины компании должны убедиться, что они отслеживают и реагируют на меняющееся законодательство.  

Boston Consulting Group (BCG)