DeepSeek rappresenta uno dei più importanti sviluppi nel panorama dell’Intelligenza Artificiale generativa, emergendo come un forte concorrente dei modelli occidentali come Chat GPT e Claude. Nato in Cina, questo sistema AI ha rapidamente catturato l’attenzione della comunità tecnologica internazionale grazie alle sue capacità avanzate. In questo articolo a cura dell’Osservatorio Artificial Intelligence della POLIMI School of Management, esploreremo cos’è DeepSeek, come è nato, su quali tecnologie si basa e quali sono le sue applicazioni pratiche.
DeepSeek è un sistema di Intelligenza Artificiale generativa progettato per comprendere, generare e manipolare linguaggio naturale e codice con un livello di competenza paragonabile ai migliori modelli disponibili a livello globale.
DeepSeek è stato creato da DeepSeek AI, una startup cinese fondata nel 2023 da ex ricercatori di Baidu e altre importanti aziende tech cinesi. La società è stata co-fondata da Yan Guiping e Yang Yiming, entrambi con esperienza significativa nella ricerca sull’AI presso Baidu, dove hanno ricoperto ruoli di senior e principal architect.
La nascita di DeepSeek si inserisce in un contesto di crescente sviluppo dell’Intelligenza Artificiale in Cina, con l’obiettivo di creare tecnologie competitive a livello globale. La società ha raccolto finanziamenti significativi, incluso un round di serie A di circa 100 milioni di dollari all’inizio del 2023, permettendo così lo sviluppo rapido della loro tecnologia proprietaria e l’attrazione di talenti di alto livello.
Il primo rilascio pubblico significativo di DeepSeek è avvenuto alla fine del 2023, quando l’azienda ha presentato due modelli principali:
Questo lancio ha rappresentato il culmine di oltre due anni di ricerca e sviluppo intensivo, in un periodo di rapida evoluzione nel campo dell’AI generativa. DeepSeek è entrato in questa arena competitiva con modelli che si sono subito distinti per le loro capacità, soprattutto nell’elaborazione bilingue cinese-inglese e nella programmazione.
DeepSeek, come altri modelli linguistici avanzati, si basa su architetture di reti neurali profonde che elaborano e generano testo. Vediamo in dettaglio il suo funzionamento e le tecnologie alla base.
DeepSeek utilizza un’architettura basata su transformer, simile a quella impiegata in modelli come GPT, ma con alcune importanti differenze e ottimizzazioni. Al cuore del sistema troviamo un’architettura decoder-only, particolarmente adatta per la generazione di testo.
Una caratteristica distintiva di DeepSeek è la sua capacità di scaling efficiente. L’architettura è stata progettata per funzionare bene con diverse dimensioni di modello, con varianti che spaziano da 7 miliardi a 236 miliardi di parametri. Questa flessibilità consente all’azienda di offrire modelli di diverse dimensioni per vari casi d’uso.
A differenza di molti modelli occidentali, DeepSeek è stato progettato sin dall’inizio con particolare attenzione sia al cinese che all’inglese. Il modello utilizza un sistema di tokenizzazione avanzato che gestisce in modo efficiente sia i caratteri cinesi che le lingue occidentali, permettendo una comprensione e generazione fluida in entrambi i contesti linguistici.
Il processo di addestramento di DeepSeek ha seguito un percorso metodico in diverse fasi:
DeepSeek è stato addestrato su un dataset estremamente ampio e variegato che include testi da internet, libri, articoli scientifici, codice sorgente da repository pubblici, e documenti tecnici. La dimensione del dataset è stimata in diverse centinaia di terabyte di dati testuali.
Una caratteristica distintiva dell’approccio di DeepSeek è stata l’enfasi posta su contenuti scientifici, tecnici e di programmazione. Questa scelta ha contribuito alle notevoli capacità del modello in ambiti come la comprensione di concetti scientifici complessi e l’eccellenza nella generazione di codice.
L’addestramento di un modello di questa scala ha richiesto risorse computazionali enormi, con cluster di GPU avanzate che hanno elaborato i dati per mesi, rappresentando un investimento considerevole sia in termini di risorse che di tempo.
Nel campo dell’elaborazione del linguaggio naturale, DeepSeek dimostra capacità impressionanti in molteplici aree:
DeepSeek Coder, la versione specializzata del modello, si distingue per le sue capacità avanzate nel campo della programmazione:
Sebbene nato principalmente come modello testuale, le versioni più recenti di DeepSeek hanno iniziato a sviluppare capacità multimodali. Il modello può elaborare input visivi insieme al testo, permettendo di “vedere” un’immagine e discuterne il contenuto.
Un’applicazione particolare è l’analisi di diagrammi e grafici: DeepSeek può interpretare visualizzazioni di dati come grafici a barre, diagrammi di flusso o mappe concettuali, e discutere le informazioni che contengono.
Lo sviluppo di capacità multimodali rappresenta una direzione importante per l’evoluzione di DeepSeek, con potenziali espansioni future verso l’elaborazione di audio e video.
Uno sviluppatore potrebbe chiedere a DeepSeek: “Scrivi una funzione Python che calcoli la sequenza di Fibonacci in modo efficiente usando la memoizzazione.” DeepSeek non solo genera il codice richiesto, ma lo arricchisce con documentazione dettagliata, gestione degli edge case e un esempio di utilizzo pratico. Se richiesto, il modello può anche spiegare la scelta dell’approccio di memoizzazione e discutere alternative come l’approccio iterativo.
Sempre in ambito coding, DeepSeek, al pari dei concorrenti, può rivelarsi particolarmente utile per interventi di debugging su codici già costituiti.
In un contesto aziendale, DeepSeek può analizzare documenti complessi e voluminosi, estraendo rapidamente le informazioni chiave. Un analista finanziario potrebbe chiedere: “Analizza questo report trimestrale e sintetizza i punti principali, evidenziando tendenze, rischi e opportunità.” Il modello processerebbe l’intero documento producendo una sintesi strutturata con:
Questa sintesi non si limita all’estrazione di frasi dal documento originale, ma comporta una vera comprensione del contenuto, risparmiando ore di lavoro all’analista.
DeepSeek presenta diversi punti di forza distintivi rispetto ai concorrenti occidentali:
Tuttavia, se paragonato con i principali concorrenti già disponibili sul mercato, DeepSeek presenta anche alcune limitazioni:
DeepSeek è accessibile attraverso vari canali:
Il suo utilizzo non richiede risorse computazionali particolari sull’hosting locale ed è quindi, in altre parole, utilizzabile da chiunque abbia una connessione internet. Ha un modello di prezzi basati sul consumo di token, quindi con piani diversificati per uso personale e aziendale.
Il team di DeepSeek ha indicato diverse priorità per lo sviluppo futuro:
Raggiungendo questi obiettivi, DeepSeek potrebbe influenzare significativamente il panorama dell’AI, per diversi motivi. Innalzerebbe il livello di competizione su scala globale, già particolarmente alto, che però, con un nuovo competitor di questo calibro in gioco, subirebbe comunque uno scossone importante. Allo stesso tempo, grazie alle sue versioni Open Source, DeepSeek contribuirebbe in modo importante alla disponibilità di modelli avanzati per ricercatori e sviluppatori. Un ultimo aspetto, altamente caratterizzante, riguarda la creazione di nuovi standard per quei modelli capaci di eccellere in più lingue, specialmente per il suo alto livello di specializzazione nelle due lingue madre cinese-inglese.
Contenuti suggeriti dell’Osservatorio Artificial Intelligence
