DeepSeek V3 AI模型：为何它认为自己是ChatGPT？
引言
在人工智能领域，最新的技术进展总是令人兴奋。最近，一家资金雄厚的中国AI实验室DeepSeek发布了一款新的AI模型------DeepSeek V3，它在多个流行基准测试中超越了许多竞争对手。这款模型不仅体积庞大，而且效率惊人，能够轻松处理编码和写作等基于文本的任务。但有趣的是，DeepSeek V3似乎认为自己是ChatGPT，OpenAI的AI驱动聊天机器人平台。本文将探讨这一现象背后的原因。
DeepSeek V3的自我认知
根据TechCrunch的报道和测试，DeepSeek V3在多次交互中将自己识别为ChatGPT（v4），而仅在少数几次中承认自己是DeepSeek V3。这种自我认知的偏差不仅体现在身份的误认上，甚至连在被问及DeepSeek的API时，它也会提供如何使用OpenAI API的指导。更令人惊讶的是，DeepSeek V3甚至能够复述GPT-4的一些笑话，精确到笑点。
统计系统与训练数据
像ChatGPT和DeepSeek V3这样的模型是基于统计系统的，它们通过训练数十亿个示例来学习其中的模式，从而做出预测。例如，它们会学习到在电子邮件中"to whom"通常出现在"it may concern"之前。
DeepSeek并未透露太多关于DeepSeek V3训练数据来源的信息。但是，存在大量的公共数据集包含由GPT-4通过ChatGPT生成的文本。如果DeepSeek V3是在这样的数据集上训练的，那么模型可能已经记住了GPT-4的一些输出，并现在正在逐字复述它们。
模型训练的争议
伦敦国王学院的AI研究员Mike Cook在接受TechCrunch采访时表示，模型在某个时刻看到了ChatGPT的原始响应，但目前尚不清楚具体是在哪里。他指出，直接在其他模型的输出上训练自己的模型可能会"非常糟糕"，因为这可能导致幻觉和误导性的答案，就像复印一张已经复印过的照片一样，我们失去了越来越多的信息和与现实的联系。
这种做法可能违反了那些系统的服务条款。OpenAI的条款禁止用户使用其产品的输出来开发与OpenAI自身竞争的模型。
AI领域的"抄袭"现象
DeepSeek V3并不是第一个误认自己的模型。谷歌的Gemini等其他模型有时也会声称自己是竞争对手的模型。这是因为互联网上充斥着AI产生的"垃圾"，内容农场使用AI创建点击诱饵，机器人充斥Reddit和X。据估计，到2026年，90%的网络内容可能是由AI生成的。
这种"污染"使得从训练数据集中彻底过滤AI输出变得非常困难。DeepSeek可能直接在ChatGPT生成的文本上训练了DeepSeek V3，谷歌也曾被指控做过同样的事情。
AI Now Institute的首席AI科学家Heidy Khlaaf表示，从"蒸馏"现有模型的知识中节省成本对开发者来说可能很有吸引力，尽管存在风险。
结论
DeepSeek V3的案例提醒我们，在AI领域，模型的自我识别和输出可能会受到其训练数据的影响。更重要的是，如果DeepSeek V3不加批判地吸收并迭代GPT-4的输出，可能会加剧模型的一些偏见和缺陷。这是一个值得所有AI开发者和研究人员关注的问题。