DeepSeek predstavil novo arhitekturo za stroškovno učinkovito urjenje modelov umetne inteligence
1. jan 16:42
Kitajsko zagonsko podjetje DeepSeek je na začetku leta 2026 objavilo strokovni članek, v katerem predlaga korenito spremembo arhitekture za urjenje temeljnih modelov umetne inteligence. Nova metoda, imenovana mHC (angl. Manifold-Constrained Hyper-Connections), je usmerjena v zmanjšanje porabe energije in stroškov, kar podjetju iz Hangzhouja omogoča večjo konkurenčnost v primerjavi z ameriškimi tekmeci, ki imajo dostop do znatno večjih računalniških zmogljivosti. Raziskava, pod katero se je podpisal tudi ustanovitelj podjetja Liang Wenfeng, poudarja reševanje izzivov kompleksnosti in potratnosti virov pri razvoju obsežnih jezikovnih modelov. Istočasno analitiki napovedujejo šest ključnih premikov v podatkovni infrastrukturi, ki bodo zaznamovali leto 2026. Medtem ko so desetletja prevladovale relacijske baze podatkov, se v dobi agentne umetne inteligence infrastruktura hitreje razvija proti vektorskim sistemom in kontekstualnemu spominu. Tradicionalna arhitektura RAG (Retrieval-Augmented Generation), ki je bila v letu 2025 deležna številnih kritik zaradi omejenosti na posamične vire podatkov, se preoblikuje v naprednejše sisteme, ki podpirajo dinamično odločanje podjetij v realnem času. Podatki postajajo ključni element, ki določa uspešnost podjetij na področju umetne inteligence.
