شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا واضحًا نحو "الانخفاض". من التوافق السابق الذي كان يسعى بشكل عام إلى قوة حسابية كبيرة ونماذج ضخمة، تطورت تدريجياً إلى اتجاه جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن ملاحظة هذا التغيير من عدة جوانب. على سبيل المثال، غطت الأنظمة الذكية لشركة تكنولوجيا عملاقة 500 مليون جهاز؛ أطلقت شركة برمجيات عملاقة أخرى نموذجًا صغيرًا مخصصًا بنحو 3.3 مليار معلمة لنظام تشغيلها؛ وهناك مؤسسة بحثية متخصصة في الذكاء الاصطناعي معروفة تعمل على تطوير تقنيات الروبوتات التي يمكن أن تعمل "في وضع عدم الاتصال".
توجد اختلافات ملحوظة في أولويات المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تُعتبر الموارد المالية عامل المنافسة الرئيسي. في المقابل، يولي الذكاء الاصطناعي المحلي أهمية أكبر لتحسين الهندسة وتكييف السيناريو، ويمتاز في مجالات حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة الوهم في النماذج العامة قد تؤثر بشكل كبير على تطبيقاتها في مجالات معينة.
تقدم هذه الاتجاهات فرصًا أكبر لـ Web3 AI. في الماضي، عندما تنافس الأطراف على القدرة على "التعميم" (الحوسبة، البيانات، الخوارزميات)، كانت الشركات التكنولوجية التقليدية تهيمن بشكل طبيعي. في تلك البيئة، كان من غير الواقعي التنافس مع عمالقة الصناعة لمجرد تطبيق مفهوم اللامركزية، نظرًا لنقص المزايا في الموارد والتكنولوجيا وقاعدة المستخدمين.
ومع ذلك، في ظل النموذج المحلي والتغيرات الجديدة في الحوسبة الطرفية، شهدت وضعية تكنولوجيا blockchain تغييرات كبيرة. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن إثبات صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي نقاط قوة تكنولوجيا blockchain.
ظهرت بعض المشاريع الناشئة في مجال Web3 AI في الصناعة، في محاولة لحل مشكلة "موثوقية" الذكاء الاصطناعي المحلي. على سبيل المثال، تهدف بروتوكولات نقل البيانات إلى معالجة احتكار البيانات من منصات الذكاء الاصطناعي المركزية ومشاكل الصندوق الأسود؛ ومشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق صناعية"، وقد حقق دخلاً ملحوظاً.
بشكل عام، فقط عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز، يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية في كيفية تقديم دعم البنية التحتية لثورة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير أكثر وعدًا.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 16
أعجبني
16
6
إعادة النشر
مشاركة
تعليق
0/400
FadCatcher
· 08-18 20:04
لا أرى مستقبلًا جيدًا لـ Cloud AI
شاهد النسخة الأصليةرد0
SmartContractWorker
· 08-16 02:14
أعرف كيف أفعل ذلك، الكلب المحلي لا يمكنه تغيير مصيره في أكل xxx.
شاهد النسخة الأصليةرد0
MemeTokenGenius
· 08-16 02:12
تمت محليتها، ماذا عن كفاءة رأس المال؟
شاهد النسخة الأصليةرد0
SybilSlayer
· 08-16 02:04
لقد قلت في وقت سابق أن قوة الحوسبة الطرفية هي المستقبل.
توجهات الذكاء الاصطناعي في التوطين تجلب فرصًا جديدة لـ Web3
اتجاهات تعريب صناعة الذكاء الاصطناعي وفرص Web3
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا واضحًا نحو "الانخفاض". من التوافق السابق الذي كان يسعى بشكل عام إلى قوة حسابية كبيرة ونماذج ضخمة، تطورت تدريجياً إلى اتجاه جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن ملاحظة هذا التغيير من عدة جوانب. على سبيل المثال، غطت الأنظمة الذكية لشركة تكنولوجيا عملاقة 500 مليون جهاز؛ أطلقت شركة برمجيات عملاقة أخرى نموذجًا صغيرًا مخصصًا بنحو 3.3 مليار معلمة لنظام تشغيلها؛ وهناك مؤسسة بحثية متخصصة في الذكاء الاصطناعي معروفة تعمل على تطوير تقنيات الروبوتات التي يمكن أن تعمل "في وضع عدم الاتصال".
توجد اختلافات ملحوظة في أولويات المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تُعتبر الموارد المالية عامل المنافسة الرئيسي. في المقابل، يولي الذكاء الاصطناعي المحلي أهمية أكبر لتحسين الهندسة وتكييف السيناريو، ويمتاز في مجالات حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة الوهم في النماذج العامة قد تؤثر بشكل كبير على تطبيقاتها في مجالات معينة.
تقدم هذه الاتجاهات فرصًا أكبر لـ Web3 AI. في الماضي، عندما تنافس الأطراف على القدرة على "التعميم" (الحوسبة، البيانات، الخوارزميات)، كانت الشركات التكنولوجية التقليدية تهيمن بشكل طبيعي. في تلك البيئة، كان من غير الواقعي التنافس مع عمالقة الصناعة لمجرد تطبيق مفهوم اللامركزية، نظرًا لنقص المزايا في الموارد والتكنولوجيا وقاعدة المستخدمين.
ومع ذلك، في ظل النموذج المحلي والتغيرات الجديدة في الحوسبة الطرفية، شهدت وضعية تكنولوجيا blockchain تغييرات كبيرة. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن إثبات صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي نقاط قوة تكنولوجيا blockchain.
ظهرت بعض المشاريع الناشئة في مجال Web3 AI في الصناعة، في محاولة لحل مشكلة "موثوقية" الذكاء الاصطناعي المحلي. على سبيل المثال، تهدف بروتوكولات نقل البيانات إلى معالجة احتكار البيانات من منصات الذكاء الاصطناعي المركزية ومشاكل الصندوق الأسود؛ ومشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق صناعية"، وقد حقق دخلاً ملحوظاً.
بشكل عام، فقط عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز، يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية في كيفية تقديم دعم البنية التحتية لثورة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير أكثر وعدًا.