오픈 소스 AI는 중앙 관리 프로젝트에 심각한 도전으로 나타납니다.

주요 모델 비용의 일부로 훈련 된 DeepSeek의 출시는 오픈 소스 AI를 심각한 도전으로 고정화 시켰습니다.

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 Foundation의 공동 창립자 인 Ala Shaabana 박사에 따르면, 주요 모델 비용의 일부로 훈련 된 Deepseek의 출시는 오픈 소스 AI에 대한 새로운 가능성을 열었다고한다.

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.

Cointelegraph와의 인터뷰에서 Shaabana 박사는 최근 오픈 소스 AI의 발전과 중앙 집중식 프로젝트와의 비교에 대해 논의했습니다. 그는 또한 AI의 미래에 대한 그의 생각과 오픈 소스가 개발에서 수행 할 역할을 공유했습니다.

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 박사에 따르면, 주요 모델 비용의 일부로 훈련 된 오픈 소스 AI 모델 인 Deepseek의 출시에 따르면, Hassolidified Open-Source AI는 중앙 관리 프로젝트의 심각한 도전자로서 Hassolidified를 개방했습니다.

“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 Foundation의 공동 창립자는 Cointelegraph에“개발 및 훈련에 수백만 달러의 비용이 드는 중앙 관리 AI의 전체 패러다임이 DeepSeek에 의해 의문을 제기하고있다”고 OpenTensor Foundation의 공동 창립자는 Cointelegraph에 말했다. "Open-Source AI는 이제 최고의 중앙 집중식 모델과 동등한 성능을 달성 할 수 있습니다."

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 박사는 오픈 소스 AI의 빠른 진전과 중앙 집중식 시스템 간의 격차가 좁아지면서 학계의 절차 적 변화로 인해 연구원들이 학술 저널에 제출하기 위해 논문에 코드를 포함하도록 요구하고 있습니다. 출판. 그는이 요구 사항은 다른 연구자들이 기존 작업을 더 쉽게 구축하고 새로운 모델을보다 빠르게 개발할 수 있도록하고 있다고 말했다.

“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.”

Shaabana 박사는“오픈 소스 AI의 성공에 기여하는 또 다른 요인은 중앙 집중식 AI 프로젝트에 대한 규제 부담이 증가하는 것입니다. "예를 들어, 지정 학적 긴장으로 인한 데이터에 대한 잠재적 인 지리적 제한이 있으며, 이는 중앙 집중식 AI 프로젝트에 더 많은 부담을 줄 수 있습니다."

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.

규제가 증가한 비용 및 규제 부담은 중앙 집중식 자원 시스템과 오픈 소스 시스템 간의 성능 격차를 넓힐 것이라고 그는 설명했다.

“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.”

Shaabana 박사는“우리는 이미 시장 에서이 역학의 영향을 이미보고있다. "이러한 추세는 미래에도 계속 될 것이라고 믿으며, 오픈 소스 AI는 AI 개발에 점점 더 중요한 역할을 할 것이라고 생각합니다."