В настоящее время созданы и активно используются во всем мире две глобальные нейросети DeepSeek  и ChatGPT.

Глобальная нейросеть разработана китайской компанией DeepSeek, ChatGPT разработана американской компанией OpenAI. Обе компании специализируются на разработке искусственного интеллекта, а также семейства больших языковых моделей.

Обе языковые модели нацелены на широкий спектр сценариев использования, но при этом различаются по фундаментальным приоритетам.

DeepSeek фокусируется на экономичности, прозрачном дизайне и специализированных задачах рассуждения, в то время как путь разработки ChatGPT подчеркивает широкий охват, отточенную генерацию естественного языка и удобное для пользователя общение.

Сравнивая DeepSeek и ChatGPT необходимо отметить, что что они иллюстрируют две все более важные философии развития:

Первый подход, реализуемый в DeepSeek использует открытый исходный код, ориентированный на специализированные логические задачи и прозрачное принятие решений.

Второй подход, реализуемый   в ChatGPT использует закрытый исходный код для широкого языкового охвата и отточенных взаимодействий общего назначения.

Одно из основных архитектурных новшеств DeepSeek заключается в модуле Mix of Experts, который эффективно распределяет параметры модели по нескольким специализированным подсетям, называемым «экспертами». Вместо того, чтобы полагаться на единое монолитное пространство параметров, модель развертывает этих экспертов выборочно: механизм шлюзования назначает каждый входящий токен эксперту или группе экспертов, которые лучше всего подходят для его обработки. При этом модель предотвращает активность всех параметров на каждом шаге вывода, тем самым сокращая количество избыточных вычислений.

ChatGPT использует многоступенчатый процесс обучения со значительным акцентом на человеческую обратную связь для согласования. Обучение с подкреплением на основе обратной связи с человеком позволяет ChatGPT иметь больше диалоговых функций с помощью ключевых этапов обучения, связанных с уточнением данных с тренировкой модели к более благоприятным результатам.

Рассмотрим особенности применения отмеченных выше глобальных нейросетей в задачах предупреждения и ликвидации чрезвычайных ситуаций

Архитектура построения DeepSeek позволяет высказать предположение, что эта глобальная нейросеть может хорошо справляться с решением таких задач на стадии предупреждения чрезвычайных ситуаций как обработка данных с различного рода датчиков( акселерометров для измерения ускорений,   датчиков уровня воды в реках, концентрации опасных веществ в атмосфере) и на основе этого выявлять аномалии и строить прогнозные модели, рассчитывать риски вероятности возникновения лесных пожаров на основе данных о температуре, влажности, направлении ветра и решения других подобных задач.

Сильная сторона   ChatGPT-работа с неструктурированной информацией, например, мониторинг социальных сетей и новостей с целью выявления информации о задымлении, запахе газа и др., которые могут служить предвестниками чрезвычайных ситуаций.

Кроме того, ChatGPT на стации предупреждения чрезвычайных ситуаций может быть использована для разработки сценариев развития чрезвычайных ситуаций для тренировок и планирования, создание текстов по правилам действия населения в случае возникновения чрезвычайных ситуаций.

На стадии ликвидации чрезвычайных ситуаций DeepSeek     может найти свое применение для расчета оптимальных маршрутов движения аварийно-спасательных сил и средств и доставки гуманитарных грузов , быстрое обновление моделей распространения поражающих факторов чрезвычайных ситуаций. связанных с пожарами, авариями на радиационных и химически опасных объектов и другими авариями и стихийными бедствиями.

ChatGPT будет полезен на стадии ликвидации чрезвычайных ситуаций для решения следующих задач: быстрое создание четких и адаптированных под конкретную ситуацию инструкций для спасателей и населения, оперативный поиск и структурирование информации (например, "Каковы основные признаки отравления аммиаком?" или "Протокол оказания первой помощи при ожогах"), работа в чат-ботах на горячих линиях для ответа на типовые вопросы населения, оказавшегося в зоне чрезвычайных ситуаций.

При этом необходимо отметить, что ни одна из отмеченных выше глобальных нейросетей не может нести ответственность за человеческие жизни. Все рекомендации и данные, полученные от них, должны обязательно проверяться и утверждаться человеком-экспертом.

Необходимо отметить, что первая модель нейросети DeepSeek появилась только в конце 2023 г., и поэтому практических примеров для ее применения для предупреждения и ликвидации чрезвычайных ситуаций практически нет, и эта работа только начинается.

По данным Bloomberg от 18.02.2025 Китайское государственное метеорологическое агентство рассматривает возможность использования DeepSeek для улучшения своих прогнозов и наблюдений за погодой, изменения которой могут привести к возникновению опасных метеорологических явлений, и связанных с ними чрезвычайных ситуаций.

Что же касается ChatGPT, то   история его создания тоже относительно недавняя( от 2018 GPT-1 до 7 августа 2025 GPT-5), и поэтому примеров его практического применения для решения задач предупреждения и ликвидации чрезвычайных ситуаций тоже немного. Одно из наиболее интересных примеров применения ChatGPT является его использование в   программных сервисах для повышения эффективности оповещения о ЧС с учетом индивидуального контекста абонента. Был разработан шаблон запроса, превращающий ChatGPT в помощника EmergencyGPT для обработки сообщений и выдачи рекомендаций. Тип использованной нейросети – GPT-3.5

Проведенные эксперименты демонстрируют принципиальную возможность использования больших языковых моделей (LLM) типа GPT для повышения качества выдаваемых пользователям уведомлений о ЧС за счет учета контекста.

При этом необходимо отметить, что некоторые уведомления, выданные LLM, содержали ошибочные рекомендации. Например, когда для человека, который согласно контексту находился в командировке в Новосибирске, было отправлено сообщение о воздушной тревоге в городе его постоянного проживания (Белгороде), EmergencyGPT выдал ему план действий в случае воздушной тревоги.

В данном примере нейросеть продемонстрировала неполное понимание контекста. По-видимому, эта проблема может быть устранена акцентированием внимания системы на том, что человек временно находится в другом городе.

Число ответов EmergencyGPT с ошибками такого рода составило около 5%. Предполагается, что версия ChatGPT, работающая на языковой модели нового поколения GPT-4,5 должна демонстрировать лучшее понимание контекста, что может значительно уменьшить число таких ошибок.

В настоящее время профессором кафедры Безопасность жизнедеятельности» Финансового университета при Правительстве РФ д.т.н. Шахраманьяном М.А. проводится комплекс работ по уточнению возможностей глобальных нейросетей DeepSeek  и ChatGPT для их использования в Российской системе предупреждения и ликвидации чрезвычайных ситуаций (РСЧС).

В заключение, исходя из вышеизложенного, можно сделать вывод, что DeepSeek наиболее  эффективно использовать для решения задач предупреждения и ликвидации чрезвычайных ситуаций как »аналитический вычислительный центр» для обработки данных с датчиков, моделирования и оптимизации и других аналитических задач, а ChatGPT  наиболее эффективно использовать как »информационно-коммуникационный центр» для работы с текстами, общения ,в том числе и с населением при ответах на типовые вопросы, и других задач подобного типа.