دیپ‌سیک در برابر چت‌جی‌پی‌تی: تشابه در ۷۴ درصد موارد

به گزارش سیلاد و به نقل از VOA، این پژوهش، که روش‌شناسی دقیق آن هنوز به‌طور کامل منتشر نشده است، نشان می‌دهد که دیپ‌سیک از نظر سبک نگارش، انتخاب واژگان و نحوه سازمان‌دهی اطلاعات، شباهت قابل توجهی با چت‌جی‌پی‌تی دارد. این نتیجه نشان‌دهنده پیشرفت چشمگیر مدل‌های هوش مصنوعی در تقلید سبک نوشتاری و فهم زبان انسانی است.

با این حال، کارشناسان معتقدند که شباهت در سبک نوشتاری لزوماً به معنای کیفیت برابر نیست. دقت اطلاعات، تنوع در پاسخ‌ها و توانایی ارائه محتوای خلاقانه نیز از عوامل تعیین‌کننده در سنجش کیفیت یک مدل زبانی هستند. این تشابه همچنین باعث شده که برخی موارد، کارشناسان خالقان دیپ‌سیک را به استفاده از دیتا‌بیس چت جی پی تی برای آموزش ماشین در این هوش مصنوعی چینی متهم کنند.
 

دیپ‌سیک و چت‌جی‌پی‌تی شباهت‌ها و تفاوت‌ها گوناگونی دارند که مهم ترین آنها ازجمله موارد زیر است.

۱. مدل‌های زبانی مورد استفاده: چت‌جی‌پی‌تی، محصول شرکت اوپن‌ای‌آی، بر پایه معماری ترنسفورمر و مجموعه عظیمی از داده‌های متنی آموزش دیده است. دیپ‌سیک نیز از معماری مشابهی بهره می‌برد، اما مشخص نیست که میزان و نوع داده‌های آموزشی آن تا چه اندازه با چت‌جی‌پی‌تی تفاوت دارد.

۲. سبک نوشتاری: هر دو مدل توانایی تولید متون روان و ساختارمند را دارند. مطالعه انجام‌شده نشان می‌دهد که دیپ‌سیک در ۷۴ درصد موارد خروجی‌ای تولید کرده که سبک آن قابل تشخیص از چت‌جی‌پی‌تی نبوده است.

۳. دقت و صحت اطلاعات: یکی از چالش‌های اصلی مدل‌های زبانی، ارائه اطلاعات دقیق و به‌روز است. چت‌جی‌پی‌تی از پایگاه داده گسترده‌ای بهره می‌برد، اما دیپ‌سیک هنوز در مراحل ابتدایی بررسی از نظر دقت اطلاعات قرار دارد.

این پژوهش اهمیت قابل توجهی در مسیر توسعه مدل‌های زبانی دارد. شباهت زیاد بین دیپ‌سیک و چت‌جی‌پی‌تی می‌تواند نشان‌دهنده نزدیک شدن سایر مدل‌ها به سطح عملکردی پیشگامان این حوزه باشد. این رقابت همچنین می‌تواند به بهبود کیفیت مدل‌ها، افزایش دقت اطلاعات و کاهش سوگیری‌های احتمالی در تولید متن منجر شود.
 

در عین حال، این شباهت‌ها سؤالاتی را درباره اصالت و تفاوت واقعی بین مدل‌های هوش مصنوعی ایجاد می‌کند. اگر مدل‌های مختلف تا این حد شبیه یکدیگر باشند، آیا رقابت واقعی در این حوزه همچنان ادامه خواهد داشت؟

مطالعه جدید نشان داده است که دیپ‌سیک در بسیاری از موارد می‌تواند خروجی‌هایی مشابه با چت‌جی‌پی‌تی ارائه دهد، اما هنوز عوامل متعددی وجود دارند که نیاز به بررسی دقیق‌تر دارند. آینده مدل‌های زبانی احتمالاً به سمت افزایش دقت، بهبود خلاقیت و کاهش سوگیری‌های احتمالی خواهد رفت.

این پژوهش تنها گامی در مسیر شناخت بهتر تفاوت‌ها و شباهت‌های مدل‌های پیشرفته هوش مصنوعی است و قطعاً تحقیقات بیشتری برای درک بهتر این حوزه لازم خواهد بود.