شما هم احتمالاً با این موضوع مواجه شده‌اید: دنیای هوش مصنوعی، همواره با پیشرفت‌های چشمگیری روبرو است، اما در عین حال، با سوالات و ابهاماتی نیز همراه است. یکی از این سوالات، مربوط به منبع داده‌های آموزشی مدل‌های هوش مصنوعی است. آیا این مدل‌ها، از داده‌های موجود در اینترنت استفاده می‌کنند، یا از منابع دیگری بهره می‌برند؟ و اگر از داده‌های دیگر مدل‌ها استفاده کنند، چه پیامدهایی خواهد داشت؟ در این مقاله، به بررسی یکی از این موارد، یعنی احتمال استفاده شرکت DeepSeek از مدل Gemini گوگل برای آموزش مدل جدیدش می‌پردازیم.

DeepSeek چیست؟

DeepSeek یک شرکت چینی است که در زمینه توسعه هوش مصنوعی فعالیت می‌کند. این شرکت، اخیراً نسخه به‌روزرسانی شده‌ای از مدل استدلال R1 خود را منتشر کرده است که در بنچمارک‌های ریاضی و برنامه‌نویسی عملکرد خوبی داشته است. این مدل جدید، R1-0528 نام دارد. با این حال، شرکت DeepSeek منبع داده‌های آموزشی این مدل را فاش نکرده است. این موضوع، باعث ایجاد گمانه‌زنی‌هایی در میان محققان هوش مصنوعی شده است.

شواهد چه می‌گویند؟

در حال حاضر، شواهدی وجود دارد که نشان می‌دهد DeepSeek ممکن است از داده‌های مدل Gemini گوگل برای آموزش مدل R1-0528 خود استفاده کرده باشد. این شواهد، از منابع مختلفی به دست آمده‌اند:

زبان مشابه

سام پچ، توسعه‌دهنده‌ای مقیم ملبورن که ارزیابی‌های “هوش هیجانی” را برای هوش مصنوعی ایجاد می‌کند، ادعا می‌کند که شواهدی مبنی بر آموزش مدل جدید DeepSeek با خروجی‌های Gemini دارد. او در یک پست در X (توییتر سابق) نوشت که مدل R1-0528 DeepSeek، کلمات و عباراتی مشابه با مدل Gemini 2.5 Pro گوگل را ترجیح می‌دهد. این شباهت زبانی، می‌تواند نشان‌دهنده استفاده از داده‌های Gemini در آموزش مدل DeepSeek باشد.

تجزیه و تحلیل ردپاها

علاوه بر شباهت زبانی، تجزیه و تحلیل ردپاها نیز می‌تواند سرنخ‌هایی را در اختیار ما قرار دهد. ردپاها، به “افکاری” گفته می‌شود که مدل‌های هوش مصنوعی در حین رسیدن به یک نتیجه، تولید می‌کنند. خالق مستعار یک “ارزیابی آزادی بیان” برای هوش مصنوعی به نام SpeechMap، اشاره کرده است که ردپاهای مدل DeepSeek، “مانند ردپاهای Gemini” هستند. این موضوع، نشان می‌دهد که DeepSeek، ممکن است از داده‌های Gemini برای آموزش مدل خود استفاده کرده باشد.

اتهامات گذشته

این اولین بار نیست که DeepSeek متهم به استفاده از داده‌های مدل‌های رقیب می‌شود. در دسامبر سال گذشته، توسعه‌دهندگان متوجه شدند که مدل V3 DeepSeek، اغلب خود را به عنوان ChatGPT، مدل هوش مصنوعی OpenAI، معرفی می‌کند. این موضوع، نشان می‌دهد که DeepSeek، ممکن است از داده‌های چت ChatGPT برای آموزش مدل خود استفاده کرده باشد. همچنین، در اوایل سال جاری، OpenAI اعلام کرد که شواهدی مبنی بر استفاده DeepSeek از تکنیک “تقطیر” (distillation) برای آموزش مدل خود پیدا کرده است. تقطیر، تکنیکی است که در آن، داده‌ها از مدل‌های بزرگتر و تواناتر استخراج می‌شوند تا مدل‌های کوچکتر آموزش داده شوند. مایکروسافت، که یک شریک و سرمایه‌گذار نزدیک OpenAI است، نیز متوجه شد که حجم زیادی از داده‌ها از طریق حساب‌های توسعه‌دهندگان OpenAI که به DeepSeek مرتبط هستند، استخراج می‌شود.

بنابراین، با توجه به این شواهد، این احتمال وجود دارد که DeepSeek از داده‌های Gemini برای آموزش مدل جدید خود استفاده کرده باشد. البته، این موضوع هنوز به طور قطعی تایید نشده است و نیاز به بررسی‌های بیشتری دارد. اما اگر این اتفاق افتاده باشد، سوالات مهمی در مورد اخلاق و رقابت در صنعت هوش مصنوعی مطرح می‌شود.

چرا این موضوع اهمیت دارد؟

استفاده از داده‌های مدل‌های رقیب برای آموزش مدل‌های جدید، می‌تواند پیامدهای مهمی داشته باشد. اولاً، این کار می‌تواند به نقض شرایط استفاده از مدل‌های رقیب منجر شود. OpenAI، به عنوان مثال، استفاده از خروجی‌های مدل‌های خود برای ساخت هوش مصنوعی‌های رقیب را ممنوع کرده است. ثانیاً، این کار می‌تواند به رقابت ناعادلانه در بازار هوش مصنوعی منجر شود. اگر یک شرکت بتواند از داده‌های مدل‌های رقیب استفاده کند، می‌تواند با صرف هزینه کمتر و در زمان کوتاه‌تری، مدل‌های مشابهی را تولید کند. ثالثاً، این کار می‌تواند به کاهش نوآوری در صنعت هوش مصنوعی منجر شود. اگر شرکت‌ها به جای تلاش برای ایجاد مدل‌های جدید و نوآورانه، به کپی‌برداری از مدل‌های موجود روی آورند، پیشرفت در این حوزه کند خواهد شد.

زمینه گسترده‌تر

در حال حاضر، اینترنت به طور فزاینده‌ای، از محتوای تولید شده توسط هوش مصنوعی پر شده است. این موضوع، می‌تواند به “آلودگی” داده‌های آموزشی منجر شود. به این معنا که، مدل‌های هوش مصنوعی، به طور ناخواسته، از داده‌های تولید شده توسط هوش مصنوعی‌های دیگر آموزش می‌بینند. این موضوع، می‌تواند به کاهش کیفیت و دقت مدل‌های هوش مصنوعی منجر شود. برای مثال، اگر به دنبال اطلاعاتی در مورد بازی Little Nightmares 3 هستید، ممکن است با محتوایی مواجه شوید که توسط یک مدل هوش مصنوعی تولید شده است و اطلاعات دقیقی ارائه نمی‌دهد.

همچنین، شرکت‌های هوش مصنوعی، در حال تلاش برای مقابله با این مشکل هستند. یکی از راه‌های مقابله با این موضوع، افزایش اقدامات امنیتی است. OpenAI، به عنوان مثال، برای دسترسی به مدل‌های پیشرفته‌تر خود، نیاز به تأیید هویت دارد. گوگل نیز، اخیراً شروع به “خلاصه‌سازی” ردپاهای تولید شده توسط مدل‌های خود کرده است. این اقدامات، می‌تواند آموزش مدل‌های رقیب با استفاده از داده‌های موجود را دشوارتر کند.

دفاع‌ها و اقدامات متقابل

شرکت DeepSeek، هنوز به طور رسمی به این اتهامات پاسخ نداده است. با این حال، این شرکت می‌تواند اقدامات مختلفی را برای دفاع از خود انجام دهد. اولاً، DeepSeek می‌تواند منبع داده‌های آموزشی مدل خود را به طور شفاف اعلام کند. ثانیاً، DeepSeek می‌تواند شواهدی مبنی بر عدم استفاده از داده‌های Gemini ارائه دهد. ثالثاً، DeepSeek می‌تواند اقدامات امنیتی خود را برای جلوگیری از سوء استفاده از مدل‌های خود افزایش دهد.

جمع‌بندی

در نهایت، هنوز مشخص نیست که آیا DeepSeek از داده‌های Gemini برای آموزش مدل جدید خود استفاده کرده است یا خیر. با این حال، شواهدی وجود دارد که این احتمال را مطرح می‌کند. اگر این موضوع تایید شود، سوالات مهمی در مورد اخلاق، رقابت و نوآوری در صنعت هوش مصنوعی مطرح خواهد شد. در حال حاضر، شرکت‌های هوش مصنوعی، در حال تلاش برای مقابله با این مشکلات هستند و اقدامات امنیتی خود را افزایش می‌دهند. این موضوع، نشان می‌دهد که صنعت هوش مصنوعی، در حال تکامل است و نیاز به تنظیم مقررات و استانداردهای جدید دارد.

در این میان، مهم است که به یاد داشته باشیم که آینده هوش مصنوعی، در گروی همکاری و شفافیت است.

در نهایت، اگر به دنبال اطلاعات بیشتری در مورد هوش مصنوعی هستید، می‌توانید مقالات و منابع بیشتری را مطالعه کنید.

امیدواریم این مقاله برای شما مفید بوده باشد. اگر سوالی دارید، می‌توانید در بخش نظرات مطرح کنید.