DeepSeek R1 heeft recent veel aandacht gekregen en veroorzaakte zelfs waardedaling bij bedrijven als Nvidia en OpenAI. De kernreden is dat "veel minder rekenkracht nodig is om vergelijkbare of soms zelfs betere resultaten te behalen" dan bestaande modellen.
Het model werd getraind met een budget van 6 miljoen dollar, terwijl alternatieven als ChatGPT 4o en Gemini honderden miljoenen dollars kosten. Belangrijk is dat DeepSeek open source is, wat inzicht biedt in hoe het werkt.
Hoe hebben ze dat voor elkaar gekregen?
Traditioneel worden modellen verbeterd door meer informatie toe te voegen. DeepSeek gebruikt echter innovatieve trainingsmethoden. Er zijn drie hoofdtechnieken: Train-of-Thought AI, Distilled AI en Distributed AI. Waar concurrenten deze details geheim houden, maakt DeepSeek alles openbaar, wat snellere innovatie mogelijk maakt.
Wat is een Train-of-Thought AI-model?
Een Train-of-Thought AI-model werkt anders dan traditionele AI-modellen. In plaats van direct een antwoord te geven, redeneert het model stap voor stap.
Dit vergroot betrouwbaarheid doordat kleinere deelopdrachten gemakkelijker worden opgelost en fouten beter worden herkend.
Wat is Distributed AI?
Dit systeem laat meerdere kleinere modellen samenwerken in plaats van één groot model. De voordelen zijn:
- Efficiënter gebruik van rekenkracht
- Verdeling van verwerkingskracht
- Eenvoudigere uitbreidingsmogelijkheden
Wat is Distilled AI?
Distilled AI is een techniek waarbij een groot en krachtig AI-model wordt 'gecomprimeerd' tot een kleiner model, zonder veel prestatieverlies.
Deze aanpak maakt AI draaibaar op persoonlijke computers via tools zoals LM-studio.
De toekomst van AI
DeepSeek R1 toont aan dat krachtige AI niet altijd enorme investeringen vereist. Het open-source karakter maakt geavanceerde technologie toegankelijk voor onderzoekers, bedrijven en hobbyisten, in contrast met gesloten modellen van grote techgiganten.