ChatGPT در برابرِ DeepSeek: راه‌حل‌هایِ قدم‌به‌قدم را کنارِ هم بخوان
خیلی‌ها این دو را برایِ ریاضی و استدلال مقایسه می‌کنند و کنجکاوند یک خانواده‌یِ وزن‌باز پا‌به‌پا می‌آید یا نه. جواب را مسئله‌هایِ خودت می‌دهند.
ChatGPT یا DeepSeek؟ پاسخِ ثابتی وجود ندارد؛ یکی ممکن است در یک مسئله راه‌حلِ روشن‌تری بنویسد و در مسئله‌یِ بعدی عقب بماند، و هر نسخه‌یِ تازه هم این تصویر را عوض می‌کند. بهترین داور مسئله‌هایِ خودت‌اند: در چندهوش هر دو را رو‌به‌رویِ یک مسئله بنشان، قدم‌هایشان را کنارِ هم بخوان و جایی که به جوابِ متفاوت رسیدند، بگذار یکدیگر را بررسی کنند.
این دو چه هستند؟
| خانواده | سازنده | نکته |
|---|---|---|
| ChatGPT | OpenAI | ChatGPT اپِ OpenAI است؛ چندهوش مدل‌هایِ این خانواده را از راهِ API به کار می‌گیرد |
| DeepSeek | DeepSeek، شرکتی چینی به همین نام | مدل‌هایِ وزن‌بازِ زیادی منتشر می‌کند |
«وزن‌باز» یعنی سازنده وزن‌هایِ مدل، همان عددهایی که دانسته‌هایِ مدل در آن‌ها ذخیره شده، را منتشر کرده تا دیگران هم بتوانند اجرایش کنند. یک نکته‌یِ دیگر: در چندهوش با اپِ ChatGPT سروکار نداری؛ حساب و تاریخچه‌یِ آنجا و GPTهایِ سفارشی اینجا نیست و فقط خودِ مدل جواب می‌دهد. همین درباره‌یِ DeepSeek هم صدق می‌کند. معرفیِ کامل‌تر در صفحه‌یِ خانواده‌یِ ChatGPT و صفحه‌یِ خانواده‌یِ DeepSeek آمده.
چرا خیلی‌ها بینِ ChatGPT یا DeepSeek مردد می‌شوند؟
این جفت بیشتر در کارهایی مقایسه می‌شود که یک جوابِ درست و یک مسیرِ قابلِ‌دنبال‌کردن دارند. گرایش‌هایی که زیاد شنیده می‌شود، و هیچ‌کدام بدونِ آزمونِ خودت ارزشِ حکم ندارد:
- حلِ مرحله‌به‌مرحله: خیلی‌ها هر دو را با مسئله‌یِ ریاضیِ متنی امتحان می‌کنند. فقط عددِ آخر را نگاه نکن؛ ممکن است جوابِ درست از مسیرِ غلط رسیده باشد.
- پیدا کردنِ خطا در راه‌حلِ دیگری: بعضی‌ها توانِ نقد را مهم‌تر از توانِ حل می‌دانند و یک راه‌حلِ عمداً غلط به هر دو می‌دهند.
- کنجکاوی درباره‌یِ وزن‌باز: سؤالِ رایج این است که آیا یک خانواده‌یِ وزن‌باز رویِ سؤال‌هایِ واقعیِ آدم‌ها پا‌به‌پایِ بقیه می‌آید یا نه. این را فقط با مسئله‌هایِ خودت می‌شود فهمید.
- فارسیِ روان: استدلالِ درست اگر با فارسیِ نامفهوم نوشته شود به کارِ یک دانش‌آموز نمی‌آید؛ روانیِ متن را هم جدا بسنج.
- طولِ استدلال: گاهی توضیحِ بلندتر قانع‌کننده‌تر به نظر می‌رسد ولی قدمِ اضافه‌ای ندارد؛ ببین کدام توضیح واقعاً قدمی را جا نینداخته.
چطور خودت مقایسه کنی؟
در چندهوش نوعِ نشستِ مقایسه‌ی خالص را بردار و یک صندلی به ChatGPT و یکی به DeepSeek بده. در این حالت عمق و آستانه‌یِ اجماع معنایی ندارد: یک دورِ واحد است که در آن هر صندلی، بی‌خبر از دیگری، پاسخِ کاملش را می‌نویسد. این پرامپت‌ها را بیازما:
- «در یک کلاسِ سی‌نفره هر دو نفر دقیقاً یک بار با هم دست می‌دهند. چند دست‌دادن انجام می‌شود؟ هر مرحله را جدا بنویس.»
- «راه‌حلِ زیر برایِ یک مسئله‌یِ احتمال را بخوان و اولین خطایش را پیدا کن؛ اگر خطایی ندارد، همین را بگو.» و راه‌حلی را که خودت عمداً یک جایش را خراب کرده‌ای زیرش بگذار.
- «معمایِ زیر را حل کن و جدا بنویس کدام فرض‌ها از متنِ معما آمده و کدام را خودت اضافه کردی.»
- «ضرب‌المثلِ آب که از سر گذشت، چه یک وجب چه صد وجب را برایِ کسی که فارسی را تازه یاد گرفته توضیح بده و یک موقعیتِ امروزی برایش مثال بزن.»
- «روشی بنویس که در یک فهرستِ مرتب، عددِ تکراری را پیدا کند، و توضیح بده چرا از بررسیِ همه‌یِ جفت‌ها سریع‌تر است.»
بخشِ «تفاوت‌هایِ اصلی» در پایانِ خروجی، بی‌آنکه برنده‌ای اعلام کند، چند جمله درباره‌یِ نقطه‌هایِ جدایی می‌نویسد. برایِ این جفت به‌خصوص ببین: آیا دو جوابِ نهایی یکی است، اگر نه از کدام قدم مسیرها جدا شده، و کدام فرضِ پنهانی وارد کرده که در صورتِ مسئله نبوده.
یک مسئله‌یِ تکی گمراه‌کننده است؛ شاید همان یک مسئله بر حسبِ تصادف به سودِ یکی تمام شده باشد. دو یا سه مسئله از درس یا کارِ واقعیِ خودت، ترجیحاً با سطحِ سختیِ متفاوت، نشان می‌دهد الگویی در کار است یا فقط تصادف.
وقتی دو راه‌حل به دو عددِ متفاوت رسیدند
اینجا جایِ بررسیِ متقابل است. یکی از دو راه‌حل را به عنوانِ ادعا در نشستِ راستی‌آزمایی بگذار: صندلی‌ها جداگانه بررسی‌اش می‌کنند، قدم‌هایِ نادرست را همراه با اصلاح فهرست می‌کنند و آخر می‌گویند ادعا درست، نادرست، تا حدی درست یا قابلِ‌راستی‌آزمایی نیست. اگر هنوز هم دو طرف سرِ حرفِ خودشان ماندند، خانواده‌یِ سومی مثلِ Qwen را به میز اضافه کن؛ مقایسه‌یِ DeepSeek با آن را در DeepSeek یا Qwen ببین.
با این حال، توافقِ سه مدل هم اثباتِ درستی نیست. مدل‌ها گاهی با اطمینانِ کامل اشتباه می‌کنند و یک اشتباهِ مشترک را تکرار می‌کنند؛ مقاله‌یِ چرا جوابِ مطمئن همیشه درست نیست این را باز کرده. عددی را که قرار است جایی به کار ببری، یک بار خودت هم حساب کن. هزینه‌یِ این نشست‌ها پیش از شروع برآورد می‌شود و می‌توانی برایش سقف بگذاری؛ جزئیات در صفحه‌یِ قیمت.
نمونه‌ی فرضی: کلیدِ پاسخ برایِ یک آزمونِ کلاسی
این مثال ساختگی است و یک نشستِ واقعی یا نتیجه‌یِ واقعی را گزارش نمی‌کند.
فرض کن معلمِ ریاضیِ دبیرستان هستی و برایِ یک آزمونِ شش‌سؤالی کلیدِ پاسخِ تشریحی لازم داری. فایلِ PDFِ سؤال‌ها را پیوست می‌کنی و نشستِ مقایسه‌یِ خالص با دو صندلی می‌سازی. در «دستورالعملِ این صندلی» برایِ هر دو می‌نویسی: «هر قدم را در یک خطِ جدا بنویس و از اصطلاح‌هایِ کتابِ درسی استفاده کن.»
در خروجی سه چیز را بررسی می‌کنی: سؤالی که دو جوابِ نهاییِ متفاوت دارد، که باید اول خودت با دست حلش کنی؛ توضیحی که قدمی را جا انداخته و دانش‌آموز را سردرگم می‌کند؛ و اصطلاحی که با کتابِ درسی جور نیست. برایِ سؤالی که اختلاف داشت، یک نشستِ راستی‌آزماییِ جدا با یک صندلیِ سوم راه می‌اندازی و کلیدِ نهایی را فقط بعد از بازبینیِ خودت به کلاس می‌دهی.
جمع‌بندی
ChatGPT یا DeepSeek را با شهرت نمی‌شود سنجید؛ با مسئله‌هایی سنجیده می‌شود که خودت جوابشان را می‌شناسی یا می‌توانی چک کنی. هر دو را کنارِ هم بگذار، به قدم‌ها نگاه کن نه فقط به عددِ آخر، و هر جا مسیرها جدا شد بررسیِ متقابل را جدی بگیر. خانواده‌هایِ دیگر را هم در مدل‌هایِ هوش مصنوعیِ چندهوش ببین.