A DeepSeek oktatási és tudományos célú felhasználása – lehetőségek és kockázatok

 

A mesterséges intelligencia rohamos fejlődése alapjaiban alakítja át mindennapi életünket. Az MI rendszerek ma már képesek összetett problémák megoldására, nyelvek közötti fordításra és hatalmas adathalmazok elemzésére, így számos iparágban növelik a hatékonyságot és új lehetőségeket teremtenek. Ebben a dinamikusan fejlődő környezetben tűnt fel a kínai DeepSeek, amely nyílt forráskódú MI-megoldásával komoly kihívásként jelent meg az iparági óriások számára. A vállalat 2025. január 20-án bemutatott R1 modellje több szempontból a versenytársakhoz hasonló teljesítményt nyújt, de lényegesen alacsonyabb fejlesztési költséggel és erőforrás-igénnyel. Ez a hatékonyság megrázta a technológiai piacot, különösen az olyan amerikai cégeket, mint az NVIDIA, amelyek részvényei jelentős értékvesztést szenvedtek el a bejelentést követően.  A modell teljesítménye sok szempontból csakugyan lenyűgöző, használatának lehetőségeit és korlátait azonban még csak tanuljuk – az oktatásban is.

A DeepSeek sikere nemcsak a technológiai fejlesztések terén jelent áttörést, hanem gazdasági és geopolitikai szempontból is jelentős hatással bír. Az amerikai MI-ipar dominanciája megkérdőjeleződött, és a piacok reagálása is ezt tükrözi. Az NVIDIA részvényeinek 18%-os zuhanása és más techóriások, mint a Microsoft és az Alphabet részvényeinek csökkenése is jelzi a befektetők aggodalmát az új versenytárs megjelenése miatt.

Ez a helyzet felveti a kérdést: hogyan képes egy nyílt forráskódú MI-megoldás versenyre kelni a milliárdos technológiai vállalatokkal? A válasz részben a DeepSeek innovatív megközelítésében rejlik, amely a „mixture of experts” technikát alkalmazza, lehetővé téve, hogy csak a szükséges számítási erőforrásokat használja fel egy adott feladathoz, így növelve a hatékonyságot és csökkentve a költségeket.

Az nehezen vitatható, hogy a DeepSeek megjelenése új korszakot nyitott a mesterséges intelligencia világában, ahol a nyílt forráskódú innovációk és a költséghatékonyság újradefiniálhatják az iparági normákat. Az európai vállalkozások esetében sokan látnak benne esélyt arra, hogy betörjenek a generatív MI eddig az amerikai tech óriások uralta, hatalmas fejlesztési költségekkel dolgozó piacára.

Ugyanakkor a modell működési korlátai (mint a 2021 októberében lezárt adatállomány, a böngészési képesség és a multimodalitás hiánya, a hiányzó dokumentumfeltöltési funkció) és zavarai (pl. a hallucinációra való erőteljesebb hajlam) riasztóak tudnak lenni a más alkalmazásoknál a magasabb minőségi teljesítményhez szokott, s azt elváró felhasználók számára. A kezdeti eufória után megjelenő biztonsági-és kockázatelemzések is óvatosságra intenek, elsősorban az adatvédelem és adatbiztonság hiányára hívják fel a figyelmet, mely nem csak a szigorú Európai Uniós követelményeknek nem felel meg, de a sok szempontból megengedőbb amerikainak sem.

Az elmúlt napokban megszámlálhatatlan újságcikk, igen sok szakmai igényű tanulmány és – január 31.-ig – százötvennél több könyv (!) jelent meg a DeepSeekről. Napi szinten százezrek igyekeznek a gyakorlatban is kipróbálni, tapasztalatokat szerezni a működéséről. Az érdeklődés hatalmas, és érthető is, hiszen az elérés ingyenes, a modell bevezetése pedig óriási nemzetközi publicitást kapott. Az elérhető források és a néhány napos gyakorlati használat alapján - gyorsmérleget vonva - elsősorban arra kerestük a választ, hogy a DeepSeek mennyire lehet hasznos segítőtárs az egyetemi hallgatók és oktatók, a tudományos kutatók számára – valós alternatívát jelent-e a létező megoldásokhoz képest.

A valóság: adatbázisa nem frissül folyamatosan, információi nem naprakészek

A DeepSeek története és filozófiája

A DeepSeek nem egyszokványos mesterséges intelligencia startupként jelent meg a piacon, hanem egy átgondolt stratégiával és pénzügyi háttérrel rendelkező, célzott innovációként. 2023 májusában alapította Liang Wenfeng, egy MI-ra szakosodott kvantitatív kereskedési szakember, akinek célja egy radikálisan eltérő megközelítés volt az MI-fejlesztés terén. Ahelyett, hogy a nagy technológiai óriások által alkalmazott zárt és tőkeigényes modellben gondolkodott volna, egy nyílt, elérhető és költséghatékony MI-rendszert kívánt létrehozni​.

A DeepSeek finanszírozását teljes egészében a High-Flyer hedge fund biztosította, amely korábban Liang pénzügyi és MI-alapú befektetési tevékenységeihez is forrásokat nyújtott. Ez a pénzügyi háttér lehetővé tette a vállalat számára, hogy rögtön nagy volumenű infrastruktúrával és kutatás-fejlesztéssel induljon anélkül, hogy a kezdeti időszakban rövid távú nyereségességre kellett volna törekednie. A vállalat központja Csengtuban, Kína egyik feltörekvő technológiai városában található – ez a döntés eltért az iparági trendektől, hiszen a legtöbb kínai MI-vállalat Peking vagy Sanghaj központjában működik​.

A DeepSeek alapításának célja az volt, hogy megtörje a hagyományos MI-modell monopolhelyzetét. A nyugati technológiai óriások, mint az OpenAI és a Google, hatalmas erőforrásokat fordítottak MI-rendszereik fejlesztésére, és ezeket prémium szolgáltatásként kínálták, ami a kisebb cégek és független fejlesztők számára nehezen elérhetővé tette a technológiát.

Liang Wenfeng és csapata ezt a helyzetet kívánta átalakítani. A DeepSeek víziója három fő pilléren alapult. Az első a költséghatékonyság volt: olyan MI-rendszerek fejlesztése, amelyek olcsóbban működnek, kevesebb erőforrást igényelnek, de versenyképes teljesítményt nyújtanak. A második a nyílt hozzáférhetőség: a DeepSeek modelljeit nem rejtették el egy zárt rendszer mögé, hanem nyílt forráskódúként tették elérhetővé, hogy bárki hozzáférhessen és fejleszthesse azokat. A harmadik a demokratizálás: az MI lehetőségeit nem csupán a nagyvállalatoknak akarták biztosítani, hanem kutatóknak, startupoknak és egyéni fejlesztőknek is​.

A DeepSeek első komoly piaci hatása 2025 januárjában következett be, amikor hivatalosan bemutatták az R1 modellt. Ez az MI nem csupán egy újabb generatív nyelvi modell volt, hanem egy forradalmian új architektúrát alkalmazott, amely lehetővé tette az alacsonyabb működési költségeket, miközben versenyképes teljesítményt nyújtott. A DeepSeek-R1 elsőként bizonyította, hogy egy nyílt forráskódú MI is képes felvenni a versenyt a legnagyobb zárt rendszerekkel, ráadásul úgy, hogy jóval kevesebb számítási kapacitást igényel.

A DeepSeek egyik legfontosabb döntése az volt, hogy a modellt teljes mértékben nyílt forráskódúként bocsátotta közre. Ez a lépés teljesen eltért az iparági trendektől, ahol az MI modellek általában szigorúan ellenőrzött, zárt környezetben működnek. A nyílt forráskód előnyei nyilvánvalóak voltak. A fejlesztői közösség közvetlenül hozzájárulhatott a rendszer fejlődéséhez, ami gyorsabb innovációt tett lehetővé. A startupok és kisebb vállalkozások könnyebben integrálhatták saját rendszereikbe a DeepSeek modelljeit anélkül, hogy drága licencdíjakat kellett volna fizetniük. Az átláthatóság növelte a bizalmat, hiszen a DeepSeek algoritmusai nem rejtőztek egy zárt rendszer mögött, bárki megvizsgálhatta azok működését​.

A DeepSeek sikere bebizonyította, hogy a mesterséges intelligencia területén nem csupán a tőke és az infrastruktúra dönti el a versenyt, hanem az innováció és az elérhetőség is kulcsfontosságú tényező lehet. Ahogy az MI-ipar tovább fejlődik, egyre világosabbá válik, hogy a nyílt forráskódú modellek nemcsak életképes alternatívát jelentenek, hanem akár meg is változtathatják az MI-fejlesztés egész iparági struktúráját​.

Vannak azonban más, mérlegelendő szempontok is. Mivel a DeepSeek egy kínai vállalat, jelentős politikai és gazdasági kockázatoknak van kitéve, különösen az Egyesült Államok és Kína közötti technológiai verseny és szankciók miatt. Az amerikai exportkorlátozások megnehezíthetik a fejlett GPU-k, például az NVIDIA H100 beszerzését, ami csökkentheti a modell teljesítményét és fejlesztési lehetőségeit. Emellett az európai és amerikai szabályozások egyre szigorúbbak a kínai technológiai vállalatokkal szemben, ami akadályozhatja a DeepSeek elterjedését.  

Komoly kihívást jelenthet a modell számára az Európai Unió mesterséges intelligencia törvényének és GDPR rendeletének való megfelelőség is: bár a kínai cég kijelentette, hogy „nem tartozik az európai adatvédelmi szabályok hatálya alá” ezt sok Uniós adatvédelmi hatóság másként látja: Olaszországban a Garante – addig is leállítva a DeepSeek működését az országban – máris hivatalos vizsgálatot indított a Hangzhou DeepSeek Artificial Intelligence és a Beijing DeepSeek Artificial Intelligence vállalatok ellen. A hatóság 20 napot adott a cégeknek, hogy részletes információt szolgáltassanak arról, hogy az MI chatbot hogyan felel meg az EU általános adatvédelmi rendeletének (GDPR). Hasonló vizsgálatok indítását tervezi a belga, ír, spanyol és portugál adatvédelmi hatóság is.

DeepSeek technológiai előnyei és architektúrája

A DeepSeek nem csupán üzleti modelljével és nyílt forráskódú stratégiájával hívta fel magára a figyelmet, hanem technológiai fejlesztései révén is jelentős előrelépést tett az MI-iparban. Az innováció nem csupán a költséghatékonyságban rejlik, hanem abban is, hogy a DeepSeek új architektúrájával és algoritmusai révén képes nagy teljesítményű MI-modelleket kisebb erőforrás-igénnyel működtetni.

A DeepSeek egy transformer alapú mesterséges intelligencia modell, amely a legfejlettebb neurális hálózati struktúrákat alkalmazza. Az olyan MI-modellek, mint a GPT-4 vagy a Google Gemini, szintén ezt az architektúrát használják, azonban a DeepSeek azzal tűnik ki, hogy optimalizált önfigyelési (self-attention) mechanizmusokat alkalmaz.

A modell egyik kulcseleme az intelligens adatfeldolgozás, amely nemcsak az emberi nyelv természetes megértését segíti elő, hanem a komplex összefüggések feltárását is. Ennek köszönhetően a DeepSeek képes nagy mennyiségű strukturált és strukturálatlan adatból is hatékonyan tanulni, ami különösen fontos olyan területeken, mint a tudományos kutatás, pénzügyi elemzés vagy automatizált ügyfélszolgálati rendszerek.

A mesterséges intelligencia egyik legnagyobb kihívása a rendkívüli számítási kapacitás-igény, amely drága infrastruktúrát igényel. Az OpenAI és más nagy MI-fejlesztők óriási adatközpontokat működtetnek, amelyek energiaigénye és fenntartási költsége hatalmas.

A DeepSeek ezzel szemben olyan architektúrát fejlesztett ki, amely csökkenti a hardveres erőforrások túlzott igénybevételét. Ennek kulcsa a hatékony GPU-kihasználás: a modell képes a NVIDIA A100 és H100 típusú grafikus processzorokat optimalizáltan használni, így alacsonyabb energiafelhasználás mellett is magas teljesítményt nyújt.

A DeepSeek ezen kívül disztribuált tanulási technikákat alkalmaz, amelyek lehetővé teszik, hogy a modellek több kisebb számítási egységre legyenek osztva. Ez nemcsak az erőforrások optimalizálását segíti elő, hanem azt is, hogy a kisebb cégek és egyéni fejlesztők számára is elérhető legyen a modell futtatása, anélkül, hogy saját MI-szervereket kellene fenntartaniuk.

A DeepSeek egyik legjelentősebb újítása az adaptív dekódoló algoritmus, amely gyorsabb és hatékonyabb válaszgenerálást tesz lehetővé. Míg a hagyományos nyelvi modellek minden egyes beviteli szóra új számításokat végeznek, addig a DeepSeek előre kiszámítja és előrejelzi a legvalószínűbb válaszokat, így csökkentve a várakozási időt és a felesleges számítási kapacitást.

Ez a technológia különösen nagy előnyt jelent olyan alkalmazásoknál, ahol valós idejű interakciókra van szükség, például chatbotok, ügyfélszolgálati rendszerek vagy akár orvosi tanácsadó MI-megoldások esetében.

A gyorsabb dekódolás és prediktív válaszok révén a DeepSeek akár 20-30%-kal gyorsabb válaszidőt produkálhat, mint az OpenAI GPT-alapú modelljei, miközben kevesebb számítási erőforrást használ.

A DeepSeek nemcsak arra képes, hogy egy adott kérdésre választ adjon, hanem arra is, hogy saját válaszait önellenőrizze és módosítsa, ha hibás eredményt produkál. Ez a fajta lánc-alapú gondolkodás (chain-of-thought reasoning) rendkívül fontos fejlesztés, amely lehetővé teszi, hogy a modell komplex problémákat is lépésről lépésre oldjon meg.

Ahogy maga a cég is ezt folyamatosan hangsúlyozza, ez a technológia elsősorban a matematika, tudományos kutatás és programozás területén hozhat jelentős előrelépést. Például egy bonyolult matematikai egyenlet megoldásakor a DeepSeek nem csupán egy végső eredményt ad ki, hanem képes a saját számítási lépéseit is értékelni, és ha szükséges, korrigálni. Ez a fajta önreflexió a DeepSeek egyik legfontosabb versenyelőnye más MI-modellekkel szemben, hiszen nem csupán információt generál, hanem a gondolkodási folyamat során tanul és javítja saját válaszait.

Míg a hagyományos MI-modellek rendkívüli infrastruktúrát igényelnek, a DeepSeek egy új paradigmát teremtett, ahol az intelligens adathasználat és az optimalizált algoritmusok révén egy bárki által használható és testreszabható MI-platform született meg. Ez nemcsak technológiai, hanem üzleti és társadalmi szempontból is új korszakot nyit az MI fejlesztésben. A DeepSeek feltörekvő kihívóként jelent meg a mesterséges intelligencia piacán, ahol az OpenAI ChatGPT és a Google Gemini uralkodó szereplőknek számítanak. Bár ezek a modellek rendkívüli teljesítményt nyújtanak a nyelvi feldolgozás és multimodalitás terén, a DeepSeek azzal tűnik ki, hogy olcsóbban, gyorsabban és testreszabhatóbb formában kínál alternatívát. Ugyanakkor bizonyos területeken, például a nyelvi sokoldalúságban és a multimodális képességekben még nem érte el a piacvezető modellek szintjét.

A DeepSeek egyik legnagyobb vonzereje az, hogy olcsóbban üzemeltethető, mint a versenytársak. Míg az OpenAI és a Google modelljei komoly számítási kapacitást igényelnek, a DeepSeek olyan GPU-optimalizációs stratégiákat alkalmaz, amelyek csökkentik az üzemeltetési költségeket. Ennek eredményeként akár 30%-kal olcsóbban kínál MI-szolgáltatásokat, ami különösen vonzó a startupok és kisvállalkozások számára. Ez az üzleti modell a nyílt forráskóddal kombinálva lehetőséget ad arra, hogy az MI-hozzáférés demokratizálódjon, vagyis ne csak a nagyvállalatok kiváltsága legyen.

Ez lehetőséget ad a fejlesztőknek arra, hogy testreszabják és továbbfejlesszék a modellt, míg az OpenAI és a Google rendszerei teljesen zártak, azaz azokat csak előfizetés vagy licenc alapján lehet használni. A nyílt forráskód különösen azok számára előnyös, akik saját céljaikra kívánják optimalizálni az MI-t, például kutatók, független fejlesztők vagy olyan vállalatok, amelyek egyedi alkalmazásokat akarnak építeni az MI köré. Ugyanakkor a nyílt rendszer biztonsági és üzleti kockázatokkal is jár: a versenytársak könnyedén átvehetik és saját modelljeikbe integrálhatják a DeepSeek újításait, miközben az OpenAI és a Google zárt rendszereinek fejlesztéseit nem lehet ilyen egyszerűen replikálni. Ez hosszú távon gyengítheti a DeepSeek versenyelőnyét, különösen, ha nem tud egy fenntartható üzleti modellt kialakítani, amely bevételt generál a nyílt forráskód ellenére.

A valóság: nem érhető el keresési funkció (bár ikon van), mert ilyen nincs

DeepSeek korlátai és veszélyei

Miközben a DeepSeek egy innovatív és rendkívül ígéretes mesterséges intelligencia modell, nem mentes a korlátoktól és kihívásoktól. Bár gyorsabb válaszadási időt, alacsonyabb működési költségeket és nyílt forráskódú rugalmasságot kínál, még mindig vannak olyan technológiai és üzleti területek, ahol a versenytársak, például az OpenAI ChatGPT és a Google Gemini, előrébb járnak. Ahhoz, hogy hosszú távon is meghatározó szereplő maradjon, ezeket a kihívásokat kezelnie kell.

A valóság: nem tud feltöltött csatolmányokat fogadni, csak a munkaablakba lehet bemásolni kisebb terjedelmű szövegeket

A jelenlegi MI-fejlesztések egyértelműen a multimodalitás irányába haladnak. A Google Gemini és az OpenAI legújabb modelljei már képesek képeket, videókat és hangokat értelmezni, míg a DeepSeek egyelőre kizárólag szövegfeldolgozásra épít. Ez komoly korlátokat jelent olyan területeken, ahol a vizuális adatok értelmezése elengedhetetlen, például az orvosi képalkotásban, a biztonsági rendszerekben vagy az automatizált tartalomfeldolgozásban. Mivel az MI fejlesztés egyik legfontosabb trendje a multimodális adatfeldolgozás integrálása, a DeepSeek számára létfontosságú lesz, hogy ebbe az irányba bővítse képességeit, különben könnyen lemaradhat a piacvezető modellek mögött. Efelé a Janus-Pro modellje révén tett is már jelentős lépéseket, az alapváltozatba azonban a lehetőség még nem épült be.

A DeepSeek a vélemények szerint az angol és a kínai nyelv terén kiemelkedően jól teljesít, de más nyelveken egyértelműen hátrányban van a nagy nemzetközi modellekhez képest. Míg az OpenAI és a Google rendszerei több mint száz nyelvet támogatnak, a DeepSeek esetében ez harminc körül van, és a nem angol és kínai nyelveken adott válaszok sokkal pontatlanabbak, kevésbé gördülékenyek és gyakran értelmezési hibákat tartalmaznak. Ez különösen problémás lehet olyan globális vállalkozások számára, amelyek többnyelvű ügyfélszolgálatot vagy tartalomgenerálást szeretnének kiépíteni. A modell erőssége tehát elsősorban az angol és kínai nyelvű piacokra koncentrálódik, míg a szélesebb körű nemzetközi használat továbbra is akadályokba ütközik. Nagyobb terjedelmű, a munkaablakba bemásolt anyagokat nem fordít le szó szerint, hanem összegzést készít róluk a választott idegen nyelven.  

Saját bevallása szerint adatbázisa 2021 szeptembere után nem frissült

A DeepSeek egyik jelentős technológiai hátránya, hogy nem rendelkezik valós idejű böngészési funkcióval, ami azt jelenti, hogy kizárólag az előre betanított adatokra támaszkodik. Ugyan a munkaablakban van webes keresési funkció, hibaüzenet jelzi, hogy a keresés „technikai okoknál fogva” és „átmenetileg” nem működik, a keresési utasításokra pedig egyértelmű elutasító választ ad. Az adatbázisa saját bevallása szerint a 2021 szeptemberéig terjedő tudásanyagot tartalmazza.  Ez korlátozza az MI pontosságát és természetesen ellehetleníti naprakészségét olyan témákban, amelyek folyamatosan változnak, például a pénzügyi piacok, a tudományos kutatások vagy a politikai események területén. A felhasználók gyakran olyan kérdéseket tesznek fel, amelyek aktuális információkat igényelnek, és egy olyan rendszer, amely nem tud közvetlenül friss adatokat lekérni az internetről, elavult vagy pontatlan válaszokat adhat. Ad is...

Azon az oldalon van a munkaablak, ahova át akar irányítani

Az OpenAI és a Google modelljei már integrálták a böngészési funkciókat, ami lehetővé teszi számukra, hogy valós időben frissítsék a válaszaikat, így a DeepSeek számára ez egy komoly versenyhátrány, ahogy az is, hogy hajlamos az általánosító, ködösítő, tények közlését lehetőség szerint kerülő szöveggenerálásra, konkrétumokra vonatkozó kérdések esetében pedig az egészen durva, „valószínűség alapú” hallucinációra. A hiányzó tényeket az adott kérdés kontextusa szerint legvalószínűbb információval pótolja, s mindezt nagy-nagy magabiztossággal teszi – ez lényegében minden a modell által generált szöveg esetében komoly bizonytalansági tényezőt jelent.

A DeepSeek jelenleg nem rendelkezik kifejezetten dokumentumkezelési funkciókkal, így a felhasználók nem tudnak közvetlenül fájlokat, például PDF-eket vagy Excel-dokumentumokat feltölteni az elemzéshez. A rendszer elsősorban szöveges interakciókra van optimalizálva, ahol a felhasználók közvetlenül írják be kérdéseiket vagy utasításaikat. Azonban a DeepSeek API használatával fejlesztők integrálhatják a modellt saját alkalmazásaikba, lehetővé téve a dokumentumok szöveges tartalmának feldolgozását és elemzését. Ez azt jelenti, hogy bár közvetlen fájlfeltöltés nem lehetséges, a szöveges adatok elemzése és feldolgozása támogatott a megfelelő integrációk révén.

A mesterséges intelligencia gyors fejlődésével párhuzamosan egyre nagyobb figyelmet kapnak az etikai kérdések és az MI társadalmi hatásai. A DeepSeek nyílt forráskódú jellege miatt különösen sebezhető az olyan visszaélésekkel szemben, mint a hamis információk és propaganda terjedése, mivel bárki szabadon módosíthatja és újrahasznosíthatja a modellt. Az OpenAI és a Google zárt rendszerei több ellenőrzési mechanizmussal rendelkeznek a félrevezető vagy veszélyes tartalmak szűrésére, míg a DeepSeek esetében ez kevésbé szabályozható.

A DeepSeek az egyetemek világában: lehetőségek helyett korlátok?

A DeepSeek ingyenes elérhetősége miatt első pillantásra vonzónak tűnhet egyetemi hallgatók, oktatók és tudományos kutatók számára, azonban a gyakorlatban komoly akadályokba ütközik az akadémiai felhasználás során. Bár a modell gyors válaszadási idővel és nyílt forráskódú rugalmassággal rendelkezik, számos olyan alapvető funkció hiányzik belőle, amelyek elengedhetetlenek lennének egy hatékony tudományos munkához.

A legnagyobb problémát az jelenti, hogy a DeepSeek adatállománya 2021 októberében lezárult, és azóta nem frissül. Mivel a rendszer nem rendelkezik böngészési funkcióval, nem képes hozzáférni semmilyen új tudományos publikációhoz, adatbázishoz vagy aktuális kutatási eredményhez. Egy tudományos munkát végző kutató számára ez komoly korlátot jelent, hiszen az MI csak a már beépített adatokból dolgozik, így a tudományos világ legfrissebb fejleményei számára egyszerűen láthatatlanok maradnak.

Ismét csak: nincs feltöltési lehetőség, pdf-et nem tud kezelni

További komoly hiányosság, hogy a DeepSeek nem képes feltöltött szövegekkel dolgozni, ami azt jelenti, hogy a felhasználók nem tudnak hosszabb tanulmányokat, kutatási anyagokat vagy akár saját adatbázisokat elemeztetni vele. Az OpenAI és más fejlett MI-megoldások már rendelkeznek fájlfeldolgozási lehetőségekkel, lehetővé téve, hogy a kutatók meglévő tanulmányokat vagy nagyobb szövegkorpuszokat vizsgáltassanak meg az MI-val. A DeepSeek esetében azonban minden szöveget manuálisan kell bevinni, ami jelentősen csökkenti a hatékonyságot, különösen, ha hosszabb tudományos dokumentumokkal dolgozna a felhasználó.

A nyelvi teljesítmény is problémás. Bár a DeepSeek angol és kínai nyelven kifejezetten erős, más nyelveken jelentős pontatlanságok és félreértések fordulhatnak elő. A kutatók számára ez kifejezetten hátrányos lehet, hiszen a tudományos világban az angolon kívül sok más nyelv is használatban van, és az olyan rendszerek, mint a Google Gemini vagy az OpenAI ChatGPT, már fejlettebb többnyelvű támogatást kínálnak. Mindazonáltal a magyar nyelvű kommunikációban jó nyelviséggel, változatosan fogalmaz, durva hibákkal nem találkoztam.

Mindezeken túl az is fontos szempont, hogy az egyetemek és kutatóintézetek számára a biztonság és adatvédelem kulcsfontosságú tényező. Az európai adatvédelmi szabályozások egyre szigorúbbak a kínai MI-rendszerekkel szemben, és a DeepSeek már várhatóan az EU egyre több tagállamaiban kerül majd vizsgálat alá, és - ha adatvédelmi politikáján nem változtat - jó eséllyel tiltásokkal kell majd szembenéznie. Ez megnehezítheti a hivatalos egyetemi vagy kutatási projektekben való alkalmazását, különösen olyan intézmények esetében, amelyeknek szigorúan kell kezelniük a személyes adatokat és kutatási eredményeket.

Összességében a DeepSeek – mai állapotában - nem jelent valódi alternatívát sem a tanulás, sem az oktatás, sem a tudományos kutatás számára, mivel hiányoznak belőle az alapvető akadémiai funkciók. Bár bizonyos feladatokra, például esszéírásra vagy rövidebb szöveges elemzésekre használható, komoly kutatási munkákhoz nem alkalmas, és a tudományos közösség számára jelenlegi formájában nem jelent áttörést. Kipróbálása kellő óvatossággal igen, szakmai célú használata azonban egyelőre csak nagy-nagy óvatossággal, a fenti korlátokra figyelemmel ajánlható.

A cikk emberi és mesterséges intelligencia együttműködésével jött létre.