Deepseek : चिनी AI तंत्रज्ञानाने 'अशी' माजवली खळबळ

Story by Pradnya Shinde | Published by Pradnya Shinde • 1 d ago

प्रातिनिधिक फोटो

एक आठवड्यापूर्वी लाँच झालेल्या चीनच्या एआय टूल डीपसीकची (DeepSeek)बरीच चर्चा सुरू आहे. चीनचे एआयच्या जगात पाऊल चॅटजीपीटी आणि जेमिनीला टक्कर तर देणार नाही ना यावर आता प्रश्न उपस्थित व्हायला सुरुवात झाली आहे. कारण – हा गूगल स्टोअरवर सर्वाधिक डाउनलोड करण्यात आलेला ॲप ठरतो आहे. चीनमधील हांगझोउस्थित एआय संशोधन प्रयोगशाळा असलेल्या डीपसीक या कंपनीने आपल्या नवीन एआय मॉडेलच्या मदतीने संपूर्ण टेक्नॉलॉजी जगतात मोठी खळबळ उडवली आहे. ही कंपनी 2023 मध्ये लिआंग वेनफेंग या उद्योजकाने स्थापन केली होती. वेनफेंग यांचा एआय आणि वित्तीय डेटा विश्लेषणाच्या क्षेत्रातील मोठा अनुभव आहे. त्यांच्या नेतृत्वाखाली डीपसीकने अल्पावधीतच जागतिक एआय स्पर्धेत एक मजबूत स्थान निर्माण केले आहे.

एआय क्षेत्रात नवा बदल

डीपसीकने आपल्या डीपसीक-V3 आणि डीपसीक-R1 या मॉडेल्सच्या मदतीने OpenAI, Google Gemini आणि Anthropic Claude या दिग्गजांना मागे टाकले आहे. विशेष म्हणजे, हे मॉडेल खूप कमी खर्चात तयार करण्यात आले असून ते खुले स्रोत स्वरूपात उपलब्ध आहेत, त्यामुळे अनेक डेव्हलपर्स आणि संशोधक त्याचा उपयोग स्वतंत्र संशोधनासाठी करू शकतात. डीपसीक-V3 मॉडेलला अवघ्या $६ दशलक्ष (सुमारे ₹५० कोटी) खर्च आला आहे, जो Open AI, गुगल आणि मेटासारख्या कंपन्यांच्या मॉडेल्सच्या तुलनेत अतिशय कमी आहे.

डीपसीक-V3 आणि R1 चे वैशिष्ट्ये

MOE (Mixture-of-Experts) आर्किटेक्चर: एकाच मोठ्या मॉडेलऐवजी स्वतंत्र तज्ञ-मॉडेल्सचा एकत्रित वापर.
१४.८ ट्रिलियन टोकन्सवर प्रशिक्षण:एआय च्या ज्ञानसमृद्धतेसाठी मोठा डेटासेट.
Multi-Head Latent Attention (MLA) तंत्रज्ञान: मॉडेलची कार्यक्षमता वाढवण्यासाठी नवे एआय तंत्रज्ञान.
टेस्ट-टाइम कॉम्प्युट :R1 हे मॉडेल माणसासारखे विचार करण्याची क्षमता ठेवते.
स्वत:च्या उत्तरांचे लॉजिक स्पष्ट करते: R1 मॉडेल जेव्हा एखाद्या प्रश्नाचे उत्तर देते, तेव्हा त्यामागील तर्कसंगतीही स्पष्ट करते.
खर्चाच्या ९०-९५% बचत: OpenAI च्या ०१ मॉडेलच्या तुलनेत अत्यल्प खर्चात अधिक शक्तिशाली कार्यप्रदर्शन.

टेक कंपन्यांच्या स्टॉक्सवर परिणाम

डीपसीक-R1 च्या यशामुळे Nvidia, Microsoft आणि Meta यांसारख्या अमेरिकन टेक दिग्गजांच्या शेअर्समध्ये घसरण झाली आहे. Nvidia चा बाजारमूल्य सुमारे $६०० अब्जांनी कमी झाला असून, Nasdaq निर्देशांक ३% ने घसरला, जो गेल्या दोन वर्षांतील सर्वात मोठा घसरणीचा टप्पा आहे.

डीपसीक प्लेस्टोअर आणि अॅपल स्टोअरवर अव्वल स्थानावर

डीपसीक अ‍ॅपने अॅपल स्टोअरवर सर्वाधिक डाउनलोड होणाऱ्या अ‍ॅप्समध्ये पहिला क्रमांक मिळवला आहे. अमेरिका, युनायटेड किंगडम आणि चीनसह अनेक देशांमध्ये डीपसीक अ‍ॅपला मोठ्या प्रमाणावर प्रतिसाद मिळत आहे.

डीपसीक AI मॉडेल्स स्वस्त कसे आहेत?

Nvidia H800 चा वापर:अमेरिकेच्या प्रतिबंधांमुळे चीनमध्ये अत्याधुनिक AI GPU H100 उपलब्ध नाहीत. त्यामुळे डीपसीक ने H800 सारख्या जुन्या GPUs वर AI मॉडेल विकसित केले.
स्मार्ट अल्गोरिदम आणि कोड ऑप्टिमायझेशन: डीपसीकच्या अभियंत्यांनी कमी स्त्रोतांत अधिक कार्यक्षमतेसाठी नव्या पद्धती विकसित केल्या आहेत.
Auxiliary-Loss-Free Load Balancing:हे तंत्रज्ञान केवळ आवश्यक भागांवरच AI मॉडेलचे प्रशिक्षण केंद्रित करून खर्च कमी करते.

डीपसीकच्या यशाचा भविष्यातील परिणाम

डीपसीक-R1 च्या यशामुळे एआय संशोधनाच्या पद्धतीत मोठे बदल होतील आणि कमी खर्चात शक्तिशाली मॉडेल्स विकसित करण्याकडे कल वाढेल. मोफत आणि खुले स्रोत असलेल्या एआयच्या क्रांतीत डीपसीकने आघाडी घेतली आहे.

डीपसीकच्या यशाचे चीनच्या राजकीय वर्तुळातही लक्ष वेधले गेले आहे. 20 जानेवारी रोजी, जेव्हा डीपसीक-R1 सार्वजनिकपणे लाँच करण्यात आले, तेव्हा संस्थापक Liang यांनी चीनच्या पंतप्रधान Li Qiang यांच्या नेतृत्वाखाली झालेल्या एका बंद दरवाजांच्या सत्रात भाग घेतला. या घटनामुळे असे संकेत मिळत आहेत की, डीपसीकचा यश चीनच्या धोरणात्मक उद्दिष्टांसाठी महत्त्वपूर्ण ठरू शकतो, ज्यामध्ये अमेरिकेच्या निर्यात नियंत्रणांचा सामना करणे आणि एआय सारख्या रणनीतिक उद्योगांमध्ये आत्मनिर्भरता मिळवणे हे समाविष्ट आहे.

संपूर्ण एआय क्षेत्रातील हा बदल चीनच्या तंत्रज्ञान क्षेत्रासाठी आणि जागतिक स्तरावर एक महत्त्वाची वळणाची गोष्ट ठरू शकतो. डीपसीकने जे निर्माण केले आहे, ते एक मोठा गेम चेंजर ठरू शकतो, ज्यामुळे भविष्यात एआयच्या विकासाची दिशा आणि त्याच्या वापरातील क्रांतिकारी बदल दिसून येऊ शकतात.