DeepSeek为何省晶片？ 内行人曝Open AI弱点：少一个步骤

大陆DeepSeek运算模型横空出世，节省效能让成本变成1/10，颠覆了高阶AI晶片产业。精神科医师沈政男指出，DeepSeek节省晶片，是因为少了一个价值函数的训练步骤。他强调，AI的最大弱点就是没办法自我评价，DeepSeek就是藉由自我评价来调整学习步骤，比较接近人脑的学习策略。

沈政男2日发文表示，附图是从DeepSeek团队发表的论文撷取出来，可以看到为什么他们的模型比较节省晶片，就因为少了一个步骤，也就是价值函数的训练。AI的原理，是让机器学会做某件事，而前提就是给予训练，然后从错误中找到最好的工作策略。比如蒙地卡罗方法就是AlphaGo使用的训练方法，原理是让电脑乱下棋步，然后推演出胜算最高的一步。常用优化的策略是马可夫链，也就是根据前一步来推算下一步最佳方案。

沈政男提到，再来就是利用价值函数来估计，而形成了所谓一般优势估计（Generalized Advantage Estimation），而这也就是Open AI使用的PPO，趋近策略优化，最重要的步骤之一。它的缺点是需要大量晶片运算来做价值函数的训练，也就是对于机器的输出值，每一个都要给予评价，就好像老师必须对班上每一个同学的每一次考试，都给予个别考核一样。

沈政男指出，DeepSeek就不一样了！它不使用价值函数，不需要额外聘请评估的老师，而是从同学们的群体输出值里，藉由相互比较，来得出最好的策略。也就是，某一个教学方法如果比较好，那么同学的分数普遍都拉得比较高，是不是每一个同学跟平均值的差距就会变小？这样了解吗？

沈政男直言，中国大陆的AI科技，早就是世界第二强了，接下来就是挑战美国。AI基本上是大国游戏，就好像制药工业与汽车产业一样，台湾玩不起。比起制药工业与汽车产业，中国大陆追赶美国的速度又更快一些，原因是纯粹就是脑力的对决，不像制药与造车需要技术传统与硬体基础。对于AI，距离智慧两个字，还有很长的路要走，基本上就还只是一种运算。AI的最大弱点就是没办法自我评价，需要人类给予指点。

沈政男强调，DeepSeek的特点之一，就是藉由自我评价来调整学习步骤，比较接近人脑的学习策略。