图：人工智能发展一日千里。强图为2016年3月9日至15日，化学人工智能程序“阿尔法围棋”在韩国首尔进行的习博五番棋比赛中，以4比1的采衆长总比分击败韩国九段棋手李世石。\新华社

　　大公报：我们现在知道，强DeepSeek的化学附近人聊天软件排行高性能根本上来自于新算法，即强化学习方法，习博这似乎和当年Alpha Zero与人类棋手博弈相似，采衆长是强吗？

　　高飞：是的。DeepSeek的化学强化学习，不是习博新理论。大家最耳熟能详的采衆长强化学习模型，应该是强荷花直播最新版谷歌DeepMind的围棋模型Alpha Zero。它之所以叫Zero，化学是习博指模型是从零数据开始，通过与自身进行数百万次对弈，积累数据，提升性能。

　　DeepSeek R1也是这样，通俗地说，它就是人工智能界的“Alpha Zero棋手”，用AI和AI对弈的强化学习方式（而不是学习人类知识行为数据），提高性能。需要说明的是，DeepSeek R1并非单一地运用强化学习方法，而是新老方法并用，博采众长。例如，DeepSeek团队发现模型出现中英文双语混用、答案不易被人理解的现象，所以也使用了传统的监督式学习（SFT），即人类数据辅助优化，让内容输出更友好。

　　大公报：但谷歌DeepMind八年前就已推出围棋模型Alpha Zero，强化学习法早已有之。在这方面，DeepSeek是否算抄袭了谷歌的技术呢？

　　高飞：这就是科学、技术、工程的区别了。强化学习技术早有公开论文，大家都可学习借鉴。但科学原理如何在技术和工程上实现，是另一回事。

　　此外，属于封闭性问题（即有标准答案、可判断胜负）的围棋问题，与处理开放性问题的语言大模型是不同的。这种强化学习技术，并不容易在大语言模型的训练中使用，从去年开始涌现的千百个大模型，都没能取得这方面突破，没能走通这条技术路径。

• ·港铁工程车故障阻服务 单轨双程行车 免罚款?
• ·小彩娃逃跑有坏处也有好处：上海女排应重视合同，给新人多点机会
• ·3场马拉松今日开启报名！60多场马拉松火热报名中！
• ·东京马拉松涨价500元，跑者愤怒，赛事还能公平吗？
• ·国家商务部：冀美方为跨境电商营造公平环境
• ·大爆冷！联赛第三输鱼腩，日本国手一言难尽，欧冠名额竞争白热化
• ·羽球战报：4队各进2项决赛，2场下克上，国羽剩独苗，连输2场外战
• ·大赛落幕，4国分5金！泰国2冠，郭新娃陈芳卉翻车，国羽1亚收官！
• ·知情人士：汽车领域等购新补贴细则拟于明日发布
• ·郭新娃/程芳卉斩获亚军，因达农时隔10月打破冠军荒！
• ·羽球赛程：7国争5金，2大世界冠军冲金，中日PK，国羽颗粒无收？
• ·德国公开赛或成朱一珺摆脱男双的好机会
• ·当代人的“精神快餐”，一年卷走500亿
• ·2025宿迁马拉松抽签结果公布！速来查询
• ·石宇奇负苦主，国羽印尼大师赛仅1席进决赛，今年前3站战绩堪忧
• ·石宇奇负苦主，国羽印尼大师赛仅1席进决赛，今年前3站战绩堪忧