AI競賽新局：去中心化點樣幫美國避開DeepSeek衝擊？

如何在人工智能領域取勝：去中心化如何幫助美國避免下一次DeepSeek驚喜

DeepSeek最近在人工智能領域的突破，震撼了市場，突顯了中國和美國在技術創新策略上的差異，促使許多新興行業的參與者重新評估他們對競爭和進步的假設。

中國的科技策略長期以來一直受到不斷迭代的文化驅動。與西方國家相比，西方的研究突破往往受到專利、專有方法和競爭保密的保護，而中國則在集體創新中優於他國，精煉和改進思想。

這種快速迭代的能力使中國能夠將現有技術推向最佳形式，讓它們變得更高效、更具成本效益，並更廣泛地可及。DeepSeek的R1模型幾乎與OpenAI的最佳模型一樣有效，卻以更低的成本運行，這顯示出這種思維模式的巨大回報。

西方科技文化對抄襲他人工作的想法嗤之以鼻，導致人們不願意使用已被證明成功的策略，因為這樣會被看作不具原創性。這種對每個解決方案的每一部分都要重新發明的要求，必然會拖慢項目的進展。

中美在研究和開發上的根本差異之一是對保密的態度。美國的公司和研究機構往往在孤立中運作，以保護競爭優勢，而中國則培養了一種更加開放和協作的環境。這種文化使得研究人員和工程師能夠建立在彼此的工作基礎上，加速技術進步。

約束下的創造力是經過多次證明的事實。在這種情況下，原本旨在阻礙進步的約束反而將研究人員推向了超越西方穩定進展的水平。中國面臨的重大障礙，尤其是由於制裁限制了對高性能硬件和軟件的訪問，迫使中國公司發展替代方案，使他們的創新更具資源效率和可及性。而這導致了DeepSeek的意外推出，挑戰了世界對人工智能進步的信念。

另一個史普特尼克時刻？

DeepSeek R1體現了這種迭代方法的優勢。與通常依賴專有數據和高端基礎設施的西方對手不同，DeepSeek在設計上就考慮了效率。它以大型語言模型（LLMs）如ChatGPT和Llama為基礎，迅速開發出更輕便和具成本效益的替代品。

DeepSeek將大型模型的推理能力壓縮到一個更小、更高效的系統中。可以把它看作是通過例子學習——而不是依賴龐大的數據中心或原始計算能力，DeepSeek模仿專家在天體物理學、莎士比亞和Python編程等領域的回答，但方式更輕巧。兩個模型在相同查詢下通常給出的答案相似。

DeepSeek的成功源於中國在現有工作基礎上發展的思維模式，而不是孤立工作。這種方式減少了開發時間和成本，幫助中國在面對制裁時保持人工智能的競爭力。不得不在沒有頂尖硬件的情況下工作，也迫使開發者發揮創意，找到明智的方式來充分利用可用資源。

雖然DeepSeek並不是最強大的人工智能模型，但它比我們迄今所見的模型更具可及性。在某種程度上，它讓人想起了1980年代家用電腦的出現。

那時，IBM大型主機主導了計算行業，提供了巨大的計算能力，但可及性有限。家用電腦雖然功能較弱，但通過讓大眾能夠使用計算技術，徹底改變了計算機的面貌。依賴其優越資源以獲取競爭優勢的公司，如IBM，必須不斷轉變和適應，以保持其在不斷變化的市場中的相關性。

同樣，DeepSeek可能還不及一些西方競爭對手的原始能力，但其可及性和成本效益可能使其成為人工智能民主化的關鍵力量。

正如家用電腦行業見證了快速的迭代和改進，DeepSeek這類模型的演進速度可能會超過孤立模型開發的速度。通過擁抱去中心化和集體創新，中國為在資源限制下實現持續的人工智能進步奠定了基礎。

中心化與去中心化

那麼，西方世界如何競爭呢？答案是去中心化的人工智能開發。

Anthropic、DeepMind、OpenAI和谷歌在面對日益具成本效益的替代品時，面臨著保持技術領導地位的重大挑戰。如果你無法單獨擊敗他們，那麼也許是時候聯手合作——即使這與競爭資本主義的精神相悖。

美國在人工智能開發上落後於中國的一個關鍵原因是其研究工作的中心化。雖然這可能導致更強的控制和專有優勢，但它也限制了創新，僅依賴於單一實體的資源——無論是政府機構、科技巨頭還是研究實驗室。

最近成立的去中心化人工智能社會（DAIS）旨在促進人工智能領域的合作，並尋求去中心化治理。DAIS經常強調中心化的風險，特別是它如何將權力集中在少數人手中。

現在，我們看到了一種完全不同的中心化危險：它可能通過限制我們建立在集體知識基礎上的能力來阻礙進步。去中心化的力量在於使許多貢獻者能夠精煉和迭代現有的工作。與其讓多個實體在孤立的環境中重複努力，去中心化允許創新累積，從而導致更快、更強的技術進步。

人工智能的發展仍然有很長的路要走。與能夠進行推理和邏輯推斷的真正通用人工智能不同，當今的LLMs僅僅是通過預測序列中最可能的下一個單詞來運作。這意味著它們缺乏基本的邏輯推理能力，無法根據現實世界的原則（如物理法則）來驗證它們的回答。

在一次包含基於Eliza的代理的Telegram對話中，我要求獲取Github的repo訪問權限，該代理立即回應“訪問已授予！讓我們開始工作！”但該代理並沒有擁有Github賬戶，更別提有管理權限來授予我訪問權限。這是當AI缺乏對討論主題的真正理解時的典型行為。

LLMs本質上是受限的——例如，它們無法根據物理法則或任何嚴謹的法律和規則系統來驗證其結論。LLMs提供一般知識，並受到其本質的幻覺影響。它們可以預測對話中的下一個單詞，但缺乏驗證其回答意義的上下文。

這些局限性強調了人工智能雖然取得了長足進步，但在達到真正的智能之前仍有相當大的成長空間。並且在沒有關鍵建設者之間開放合作的情況下，實現這一目標可能是一個特別漫長和昂貴的過程。

隨著人工智能的持續演變，DeepSeek的教訓表明，促進開放、迭代和去中心化的創新可能是未來突破的關鍵。合作意味著要與其他創新者分享榮譽，這並不是每個人都喜歡的。贏得競爭的不總是最大的參與者——有時候，正是那些願意以不同方式行事的人。

編輯：Andrew Hayward

在這篇文章中，作者強調了去中心化在人工智能發展中的重要性，並指出中國在面對資源限制時，如何通過創新和迭代來取得競爭優勢。這不僅是對當前市場競爭的深刻洞察，也是一種對未來科技發展方向的預測。隨著全球科技環境的變化，西方國家如果不採取去中心化的策略，將可能在未來的人工智能競爭中處於不利地位。這提醒了我們，創新不僅僅是技術的競賽，更是合作與共享知識的過程。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。