i innehållslistor eller på en innehållssida.
Det kinesiska startupföretaget DeepSeeks modell för artificiell intelligens har väckt uppståndelse runt om i världen. Den 20 januari lanserade DeepSeek sin nya AI-modell, DeepSeek-R1. Modellen är licensierad under en licens med öppen källkod, vilket gör att den kan användas fritt.
Prestandan hos DeepSeek-R1 är jämförbar med de senaste modellerna från amerikanska OpenAI.
Vad berättar DeepSeeks genombrott för oss? Vi har sammanställt fem aspekter att fästa uppmärksamhet vid.
1. AI-revolutionen har bara börjat
I AI-debatten sägs det ofta att spelet redan är förlorat i Europa och att vi är för sent ute för att vara med i AI-racet. Detta är inte sant. Vi befinner oss bara i början och spelet är inte förlorat i EU.
2. Knapphet ger bränsle åt innovation
DeepSeek hade begränsade resurser. Företaget hade inte tillgång till ett oändligt antal processorkärnor som behövdes för att utveckla språkmodellen. Detta tvingade företaget till innovation, vilket ledde till ett genombrott.
3. Resurseffektivitet är möjligt
DeepSeek visade att det är möjligt att bygga en konkurrenskraftig AI-modell till en bråkdel av traditionella teknikjättars utvecklingskostnader.
Kostnaden för att träna DeepSeeks AI rapporteras ha varit cirka 5 miljoner dollar (cirka 4,8 miljoner euro), medan traditionella modeller kan kosta upp till 100 miljoner dollar. På samma sätt rapporteras antalet processorkärnor som behövs för utbildningen ha varit betydligt lägre jämfört med hos teknikjättarna.
4. Specialisering är framtiden
DeepSeek använde ett så kallat expertsystem (Mixture-of-Experts) för sin AI-applikation, där endast de nödvändiga ”experterna” eller undermodellerna aktiveras efter behov. Detta skiljer sig från andra modeller där AI-modellen fungerar som flera experter samtidigt, till exempel som läkare, advokat eller ingenjör, och där alla experter alltid är aktiverade. DeepSeeks specialiserade ”experter” aktiveras däremot enbart när det behövs. I praktiken innebär det att AI-modellen är mer resurs- och energieffektiv.
5. Öppenhet främjar sektorns utveckling
Den amerikanska AI-jätten OpenAI startades ursprungligen för att vara öppen och icke-vinstdrivande, och för att bekämpa beroendet av Googles tjänster. Nu har OpenAI dock blivit slutet och vinstdrivande (OpenAI borde egentligen byta namn till ”ClosedAndGreedyAI”).
DeepSeek har öppnat sin modell och kan visa vägen för hela branschen. Öppenhet gör AI-utvecklingen och beslutsfattandet mer transparent och därmed mer etiskt, påskyndar innovation och möjliggör en utbredd användning av AI-teknik. Detta minskar beroendet av ett litet antal teknikjättar.
Vad bör EU göra?
Det är viktigt att EU säkerställer strategisk självständighet inom kreativ AI, dvs. förmågan att utveckla teknik i linje med europeiska värderingar utan ett allt för stort beroende av externa aktörer. För att uppnå detta behöver vi arbeta inom fyra områden:
- Förmånlig tillgång till högpresterande datorsystem. I Finland är situationen bra – vi har lyckligtvis Europas mest kraftfulla superdator Lumi.
- Språkmodeller med öppen källkod måste finnas tillgängliga på alla officiella EU-språk. Finland är ett för litet språkområde för att marknadsmässigt vara attraktivt för teknikjättarna. Den i Finland utvecklade språkmodellen FinnishGPT har varit central för SiloAI:s framgångar. Öppna språkmodeller är avgörande för små språkområden så att företag och samhällen som använder mindre språk också har möjlighet att utveckla AI på sitt modersmål. Wittgenstein uttryckte det så här: ”Mitt språks gränser är min världs gränser”.
- Det finns ett behov av branschspecifika språkmodeller för olika sektorer (t.ex. hälsovård och lagstiftning). Vi kommer att behöva branschspecifika modeller i framtiden, till exempel språkmodeller för hälsovård och lagstiftning. I Finland behöver vi till exempel en ”HälsovårdGPT”-modell för social- och hälsovårdssektorn eller en ”LexGPT”-modell som stöd för lagberedningen. Sitra har främjat användningen av AI i sina försök, till exempel inom lagstiftning och social- och hälsovårdsbranschen.
- Samarbete för att samla in data av hög kvalitet. I små språkområden som Finland är datainsamling den största utmaningen för AI-utvecklingen. Vi behöver textdata och taldata av hög kvalitet, och vi måste också ta hänsyn till dialekter i träningen av språkmodeller. Samarbete mellan den offentliga och privata sektorn spelar här en avgörande roll.
De fyra områden som beskrivs ovan möjliggör byggandet av AI-agenter och andra AI-tillämpningar. Dessa områden har störst potential att förbättra arbetsproduktiviteten och utgör grunden för Finlands framgångar inom AI.
För hundra år sedan elektrifierades Finland, nu blir vårt samhälle allt mer AI-drivet. Det här arbetet har bara börjat.
Det är uppenbart att det inte är någon annan än finländarna själva som kommer att driva det finska språkets status. Det är dags att kavla upp ärmarna och sätta igång.
