2026’ya hızlı bir giriş yapan yapay zekâ dünyasında Çinli DeepSeek, yayımladığı teknik makale ile temel yapay zekâ modellerinin eğitim şeklini kökten değiştirebileceğini öne sürüyor. Şirketin kurucusu Liang Wenfeng ve 19 kişilik ekibi, modelleri daha uygun maliyetlerle çalıştırmayı amaçlıyor. Geliştirilen yöntem, sınırlı işlem gücüyle faaliyet gösteren firmalar için adeta bir can suyu niteliğinde.
Manifold-Constrained Hyper-Connections (mHC) olarak adlandırılan yeni teknik, mevcut çözümlerdeki hesaplama yükünü neredeyse artırmadan modellerin ölçeklenebilirliğini güçlendirmeyi hedefliyor. Bu yaklaşım, özellikle kısıtlı kaynaklarla ABD’li rakiplerle yarışan şirketler için heyecan verici bir gelişme olarak değerlendiriliyor.
mHC, ByteDance tarafından 2024’te önerilen Hyper-Connections (HC) çözümünün gelişmiş bir versiyonu niteliğinde. Araştırmacılar, bu tekniği 3 milyar, 9 milyar ve 27 milyar parametreli modellerde test ederek büyük ölçekli eğitimde daha kararlı bir performans elde edildiğini gösterdi. Mevcut sistemlerdeki ResNet mimarisinin sinyal akışını stabilize etme çabalarına rağmen bazı zorluklar yaşattığını belirten ekip, mHC ile bellek maliyetlerini kontrol altında tutarken verimliliği artırmayı başarmış görünüyor.
DeepSeek’in bu teknik makaleyi CEO Liang Wenfeng aracılığıyla arXiv’e yüklemesi sektör analistleri tarafından önemli bir sinyal olarak değerlendiriliyor. Genellikle bu tür derin teknik paylaşımlar, şirketin bir sonraki büyük modelinin çalışmalarının ayak sesleri olarak değerlendiriliyor. Şirketin geçmişte çığır açan R1 modeli, Çin’in ulusal tatili arifesinde tanıtılmıştı ve bu yıl da Bahar Festivali döneminde yeni bir modelin piyasaya sürülmesi bekleniyor. Böyle bir gelişme, yapay zekâ eğitimindeki maliyetlerin düşmesini sağlayarak sektörde mevcut dengeleri değiştirebilir.
