O nascimento de uma estrela, DeepSeek, a IA chinesa

Liang Wenfeng, em tempos responsável por um fundo de investimento quantitativo (hedge fund) na China, revolucionou a sua carreira ao apostar na investigação em inteligência artificial. Investiu recursos consideráveis, acumulando 10.000 chips Nvidia e reunindo uma equipa de jovens investigadores brilhantes. Este projeto audaz levou, dois anos depois, ao lançamento da DeepSeek, uma iniciativa que rapidamente captou a atenção do setor tecnológico global.

A 20 de janeiro, o laboratório DeepSeek lançou um modelo open source que atraiu a atenção de Silicon Valley. Segundo um documento da empresa, o DeepSeek-R1 supera modelos de topo como o da OpenAI em matemática e raciocínio, representando um desafio sério para os gigantes ocidentais da IA.

O sucesso da DeepSeek revela um efeito inesperado das restrições tecnológicas dos EUA. Com o acesso limitado a chips avançados, muitas empresas chinesas concentraram-se nas aplicações e não nos modelos de base. No entanto, a DeepSeek adotou uma abordagem diferente: melhorar a arquitetura dos modelos de IA para utilizar de forma mais eficiente os recursos limitados.

"A DeepSeek distingue-se pela otimização dos recursos orientada por software (software-driven), uma abordagem que favorece a inovação colaborativa", afirma Marina Zhang, professora associada da University of Technology Sydney.

A origem da DeepSeek

A DeepSeek nasceu como Fire-Flyer, um ramo de investigação da High-Flyer, um fundo de investimento quantitativo chinês de sucesso. Fundada em 2015, a High-Flyer acumulou GPU para análises financeiras, até que, em 2023, Liang decidiu redirecionar esses recursos para a criação de modelos de IA avançados.

A DeepSeek adotou uma estratégia de recrutamento única, apostando em jovens licenciados de universidades prestigiadas, como as de Pequim e Tsinghua, desejosos de provar o seu valor. "Escolhemos investigadores sem experiência no setor, mas com uma mentalidade inovadora", declarou Liang.

Inovação sob pressão

As restrições norte-americanas aos chips avançados levaram a DeepSeek a desenvolver métodos de treino mais eficientes. "Otimizaram a comunicação entre chips e implementaram estratégias de mix-of-models", afirma Wendy Chang, do Mercator Institute for China Studies. O seu modelo mais recente é tão eficiente que exigiu apenas um décimo do poder de computação necessário para treinar o Llama 3.1 da Meta.

A partilha open source das inovações da DeepSeek reforçou a sua reputação a nível global. "Demonstram que é possível construir modelos avançados com menos recursos, otimizando os métodos de treino", conclui Chang.

As restrições dos EUA poderão revelar-se ineficazes para travar o avanço da IA chinesa, uma vez que estratégias alternativas, como as da DeepSeek, estão a surgir com sucesso.

Fonte: Wired