科研人員正在測試這個(gè)開源模型執(zhí)行科研任務(wù)的能力——從數(shù)學(xué)一直到認(rèn)知科學(xué)。

DeepSeek的模型能在一個(gè)對話機(jī)器人App上使用。來源：Mladen Antonov/AFP via Getty

近日，一家中國公司推出的DeepSeek-R1讓美國股市大幅震蕩——DeepSeek-R1是一款平價(jià)但強(qiáng)大的人工智能（AI）“推理”模型。

經(jīng)過反復(fù)測試，DeepSeek-R1回答數(shù)學(xué)和科學(xué)問題的能力與o1模型不相上下——o1是由美國加州舊金山OpenAI公司去年9月推出的一款模型，OpenAI的推理模型一直被視為行業(yè)頂尖水準(zhǔn)。

雖然R1在科研人員想嘗試的各種任務(wù)上仍力有不逮，但它讓全球科學(xué)家有機(jī)會(huì)根據(jù)其學(xué)科內(nèi)的問題，量身訓(xùn)練定制款的推理模型。

“基于它的絕佳表現(xiàn)和低成本，我們相信Deepseek-R1能鼓勵(lì)更多科學(xué)家在日常科研工作中使用大語言模型（LLM），同時(shí)不用擔(dān)心成本問題。”美國俄亥俄州立大學(xué)AI研究員Huan Sun說，“幾乎所有從事AI的同事和合作者都在談?wù)撍！?br /> 開放季

對于科研人員來說，R1的平價(jià)和開源可能會(huì)改變傳統(tǒng)：使用它的應(yīng)用編程接口（API），就能以其專利競品收取的一小部分費(fèi)用對這個(gè)模型提問；其在線對話機(jī)器人DeepThink（深度思考）的使用更是免費(fèi)。科研人員還能在自己的服務(wù)器上下載這個(gè)模型，免費(fèi)運(yùn)行和拓展模型——這些都是閉源競品模型o1辦不到的。

從1月20日推出以來，“大量研究人員”基于R1或以R1為靈感，嘗試訓(xùn)練自己的推理模型，加拿大不列顛哥倫比亞大學(xué)的AI研究員Cong Lu說道。這從開放科學(xué)AI資源庫Hugging Face的數(shù)據(jù)中便可看出——DeepSeek-R1的代碼就儲(chǔ)存在Hugging Face上。**在模型發(fā)布后的一周內(nèi)，Hugging Face上各版本的R1下載量就超過300萬次，**包括獨(dú)立用戶已經(jīng)擴(kuò)展過的模型。
科研任務(wù)

一些初步測試讓R1執(zhí)行數(shù)據(jù)型科研任務(wù)——這些任務(wù)選自生物信息、計(jì)算化學(xué)、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域的真實(shí)論文——結(jié)果R1的表現(xiàn)與o1不相上下**，**Sun說。她的團(tuán)隊(duì)讓這兩個(gè)AI模型完成他們創(chuàng)建的一系列問題中的20個(gè)任務(wù)，這個(gè)系列被稱為ScienceAgentBench。這些任務(wù)包括數(shù)據(jù)分析和可視化，兩個(gè)模型只能答對其中約1/3的問題。用API運(yùn)行R1的成本只有o1的1/13，但R1的“思考”時(shí)間比o1更長，Sun說。

R1在數(shù)學(xué)上也開始嶄露頭角。英國牛津大學(xué)數(shù)學(xué)家、計(jì)算科學(xué)家Frieder Simon讓這兩個(gè)模型給出泛函分析這一抽象領(lǐng)域的一個(gè)證明，發(fā)現(xiàn)R1的證明比o1的更好。但考慮到這類模型通常會(huì)犯的錯(cuò)誤，如果想要從這些模型中獲益，研究人員本身就要具備鑒別證明水平的能力，他說。

R1令人激動(dòng)的一大原因在于，它以“open-weight”（開放權(quán)重）的形式公開，說明其算法不同部分之間習(xí)得的關(guān)聯(lián)可以進(jìn)一步拓展。下載了R1或其“蒸餾”小模型（也由DeepSeek發(fā)布）的科學(xué)家能通過額外訓(xùn)練提升其能力，這也被稱為微調(diào)。如果有合適的數(shù)據(jù)集，科研人員或能通過訓(xùn)練，提高該模型在特定科研步驟編寫代碼的能力。

能在本地系統(tǒng)下載并部署，也是R1的****加分項(xiàng) **，**Sun說，因?yàn)檫@樣科研人員就能掌控他們的數(shù)據(jù)和研究結(jié)果。“對于涉及敏感和隱私數(shù)據(jù)的學(xué)科來說，比如醫(yī)學(xué)研究，這一點(diǎn)尤其重要。”
推理跨越

DeepSeek也攪動(dòng)了AI科研領(lǐng)域，因?yàn)樗赋隽艘粭l能優(yōu)化無數(shù)其他模型的道路，舊金山AI公司Anthropic的聯(lián)合創(chuàng)始人Jack Clark說。

DeepSeek通過將它的“推理”能力教授給其他大語言模型（LLM）——如Meta的Llama，創(chuàng)建了蒸餾模型。DeepSeek在1月22日在arXiv上發(fā)布的預(yù)印本論文揭示了這背后的方法：用整理好的來自DeepSeek-R1的80萬個(gè)逐步式“思維鏈”回答樣本，訓(xùn)練這些大語言模型。

“現(xiàn)在網(wǎng)上有了一個(gè)開放權(quán)重的模型，你能用它讓其他足夠強(qiáng)大的基礎(chǔ)模型變身為一個(gè)AI推理器。”Clark在他的簡報(bào)Import AI中寫道，“全球的AI能力又向前了一步。”

科研人員還在應(yīng)用“強(qiáng)化學(xué)習(xí)”——用來創(chuàng)建DeepSeek-R1的試、錯(cuò)、賞技術(shù)——來完善它在特定任務(wù)上的應(yīng)用，Lu說。Lu去年聯(lián)合創(chuàng)建了“AI Scientist”，這是一個(gè)能完成一整套機(jī)器學(xué)習(xí)科研任務(wù)的模型，從掃描文獻(xiàn)到創(chuàng)建假說再到撰寫論文。通過定義適當(dāng)?shù)摹蔼?jiǎng)賞信號”，科學(xué)家能朝著任何目標(biāo)訓(xùn)練這個(gè)模型，他說。

但DeepSeek-R1還遠(yuǎn)談不上完美。對話機(jī)器人DeepThink在o1等大語言模型會(huì)“碰壁”的簡單任務(wù)上也失敗了，這類問題包括統(tǒng)計(jì)名字中含字母W的美國州的數(shù)量。Lu說：“也許有的人認(rèn)為這個(gè)模型能把水變成酒，這只是炒作，但對于其實(shí)際能力來說，它確實(shí)是最棒的。”
（原文作者：Elizabeth Gibney 翻譯：施普林格·自然上海辦公室 來源：自然系列）

來源: 自然系列