https://www.chinatimes.com/realtimenews/20250203004988-260410
DeepSeek為何省晶片？ 內行人曝Open AI弱點：少一個步驟
00:01 2025/02/04 中時新聞網 祝潤霖

大陸DeepSeek運算模型橫空出世，節省效能讓成本變成1/10，顛覆了高階AI晶片產業。精神科醫師沈政男指出，DeepSeek節省晶片，是因為少了一個價值函數的訓練步驟。他強調，AI的最大弱點就是沒辦法自我評價，DeepSeek就是藉由自我評價來調整學習步驟，比較接近人腦的學習策略。

沈政男2日發文表示，附圖是從DeepSeek團隊發表的論文擷取出來，可以看到為什麼他們的模型比較節省晶片，就因為少了一個步驟，也就是價值函數的訓練。AI的原理，是讓機器學會做某件事，而前提就是給予訓練，然後從錯誤中找到最好的工作策略。比如蒙地卡羅方法就是AlphaGo使用的訓練方法，原理是讓電腦亂下棋步，然後推演出勝算最高的一步。常用優化的策略是馬可夫鏈，也就是根據前一步來推算下一步最佳方案。

沈政男提到，再來就是利用價值函數來估計，而形成了所謂一般優勢估計（Generalized Advantage Estimation），而這也就是Open AI使用的PPO，趨近策略優化，最重要的步驟之一。它的缺點是需要大量晶片運算來做價值函數的訓練，也就是對於機器的輸出值，每一個都要給予評價，就好像老師必須對班上每一個同學的每一次考試，都給予個別考核一樣。

沈政男指出，DeepSeek就不一樣了！它不使用價值函數，不需要額外聘請評估的老師，而是從同學們的群體輸出值裡，藉由相互比較，來得出最好的策略。也就是，某一個教學方法如果比較好，那麼同學的分數普遍都拉得比較高，是不是每一個同學跟平均值的差距就會變小？這樣了解嗎？

沈政男直言，中國大陸的AI科技，早就是世界第二強了，接下來就是挑戰美國。AI基本上是大國遊戲，就好像製藥工業與汽車產業一樣，台灣玩不起。比起製藥工業與汽車產業，中國大陸追趕美國的速度又更快一些，原因是純粹就是腦力的對決，不像製藥與造車需要技術傳統與硬體基礎。對於AI，距離智慧兩個字，還有很長的路要走，基本上就還只是一種運算。AI的最大弱點就是沒辦法自我評價，需要人類給予指點。

沈政男強調，DeepSeek的特點之一，就是藉由自我評價來調整學習步驟，比較接近人腦的學習策略。