オープンソースAIは、中央管理プロジェクトにとって深刻な課題として浮上しています

主要なモデルのコストの一部で訓練されたDeepseekのリリースは、オープンソースAIを深刻な課題として固めました

The release of DeepSeek, which was reportedly trained at a fraction of the cost of leading models, has opened up new possibilities for open-source AI, according to Dr. Ala Shaabana, co-founder of the OpenTensor Foundation.

Opentensor Foundationの共同設立者であるAla Shaabana博士によると、主要なモデルのコストの一部で訓練されたDeepseekのリリースは、オープンソースAIの新しい可能性を開きました。

In an interview with Cointelegraph, Dr. Shaabana discussed the recent advances in open-source AI and how they compare to centralized projects. He also shared his thoughts on the future of AI and the role that open-source will play in its development.

Cointelegraphとのインタビューで、Shaabana博士は、オープンソースAIの最近の進歩と、それらが集中化されたプロジェクトとの比較について議論しました。彼はまた、AIの未来と、オープンソースがその開発において果たす役割についての考えを共有しました。

According to Dr. Shaabana, the release of DeepSeek, an open-source AI model that was reportedly trained at a fraction of the cost of leading models, hassolidified open-source AI as a serious challenger to centrally managed projects.

Shaabana博士によると、Deepseekのリリースは、主要なモデルのコストの一部で訓練されたオープンソースAIモデルであり、中心的に管理されたプロジェクトの深刻な挑戦者としてオープンソースAIをハッソリジド化したと伝えられています。

“The entire paradigm of centrally managed AI, which costs tens of billions of dollars to develop and train, is being called into question by DeepSeek,” the OpenTensor Foundation co-founder told Cointelegraph. “Open-source AI is now capable of achieving performance that is on par with — and in some cases, even exceeds — the best centralized models.”

Opentensor Foundationの共同設立者はCointeLegraphに、「中央に管理されたAIのパラダイム全体が開発と訓練に数千億ドルの費用がかかり、Deepseekから疑問視されています。 「オープンソースAIは現在、最高の集中モデルと同等のパフォーマンスを達成することができます。

Dr. Shaabana attributed the rapid progress of open-source AI, and the narrowing of the gap between centralized systems, to a procedural shift in academia, which is now requiring researchers to include their code with their papers in order to submit to academic journals for publication. This requirement, he said, is making it easier for other researchers to build upon existing work and to develop new models more quickly.

Shaabana博士は、オープンソースAIの急速な進歩と、集中システム間のギャップの狭窄は、学術雑誌に提出するために研究者が論文にコードを含めることを研究者に含めることを要求している学界の手続き的な変化に起因しています。出版。この要件は、他の研究者が既存の作業に基づいて構築し、より迅速に新しいモデルを開発することを容易にしていると彼は言った。

“Another factor that is contributing to the success of open-source AI is the increasing regulatory burden on centralized AI projects,” Dr. Shaabana added. “For example, there are now potential geographic restrictions on data due to geopolitical tensions, which could place further burdens on centralized AI projects.”

「オープンソースAIの成功に貢献しているもう1つの要因は、集中化されたAIプロジェクトの規制上の負担の増加です」とShaabana博士は付け加えました。 「たとえば、現在、地政学的な緊張によるデータに地理的制限の潜在的な制限があり、これにより、集中化されたAIプロジェクトにさらなる負担がかかる可能性があります。」

The costs and regulatory burdens resulting from increased regulations would widen the performance gap between centralized and open-source systems, which are not susceptible to those constraints, he explained.

規制の増加に起因するコストと規制上の負担は、集中型とオープンソースシステムのパフォーマンスギャップを拡大し、それらの制約の影響を受けにくいと彼は説明した。

“We are already seeing the effects of this dynamic in the market, with several open-source AI startups attracting large investments and centralized AI projects struggling to keep up,” Dr. Shaabana said. “I believe that this trend will continue in the future, and that open-source AI will play an increasingly important role in the development of AI.”

「私たちはすでに市場でこのダイナミクスの効果を見ています。いくつかのオープンソースのAIスタートアップが大規模な投資を集め、AIプロジェクトを集中していることを続けるのに苦労しています」とShaabana博士は言いました。 「この傾向は将来継続し、オープンソースAIがAIの発展においてますます重要な役割を果たすと信じています。」