Тенденції локалізації в AI-індустрії та можливості Web3
Нещодавно в AI-індустрії спостерігається чітка тенденція до "зниження". З попереднього загального прагнення до великомасштабних обчислювальних потужностей та величезних моделей, поступово виникає новий напрямок, що схиляється до локальних невеликих моделей та обчислень на краю.
Цю зміну можна спостерігати з кількох аспектів. Наприклад, розумна система одного з технологічних гігантів охопила 500 мільйонів пристроїв; інший програмний гігант представив спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи; також відома AI-дослідна установа розробляє робототехніку, яка може працювати "офлайн".
Хмарний ШІ та локальний ШІ мають суттєві відмінності в акцентах конкуренції. Хмарний ШІ в основному змагається за розміром параметрів та обсягом навчальних даних, фінансові ресурси є ключовим фактором конкуренції. На відміну від цього, локальний ШІ більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті приватності, надійності та практичності. Це головним чином пов'язано з тим, що проблеми ілюзій загальних моделей можуть серйозно вплинути на їх застосування в певних сферах.
Ця тенденція надає більші можливості для Web3 AI. У минулому, коли різні сторони змагалися за "універсалізацію" (обчислення, дані, алгоритми), традиційні технологічні гіганти природно займали домінуюче положення. У такому середовищі просто застосувати концепцію децентралізації, щоб змагатися з гігантами галузі, є нереалістичним, оскільки бракує переваг у ресурсах, технологіях і базі користувачів.
Однак, у новій парадигмі локалізованих моделей і крайових обчислень ситуація, з якою стикається технологія блокчейн, зазнала суттєвих змін. Коли моделі ШІ працюють на пристроях користувачів, як довести достовірність виходу результатів? Як забезпечити співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання якраз є сильною стороною технології блокчейн.
В галузі з'явилися деякі нові проекти Web3 AI, які намагаються вирішити проблему "достовірності" локального AI. Наприклад, деякий протокол передачі даних має на меті вирішення проблеми монополії даних і чорної скриньки централізованих AI платформ; інший проект збирає реальні людські дані за допомогою пристроїв для зчитування електроенцефалограми, створюючи "шар штучної верифікації", і вже досяг значного доходу.
Загалом, тільки коли ШІ справді "заглибиться" у кожному пристрої, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того, щоб продовжувати конкурувати на загальному ринку, краще серйозно подумати про те, як забезпечити інфраструктурну підтримку для локалізованої хвилі ШІ. Це, можливо, є більш перспективним напрямком розвитку.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
16 лайків
Нагородити
16
6
Репост
Поділіться
Прокоментувати
0/400
FadCatcher
· 08-18 20:04
Не вірю в хмарний штучний інтелект
Переглянути оригіналвідповісти на0
SmartContractWorker
· 08-16 02:14
Я знаю, як це зробити. Місцевий пес не може змінити своє призначення.
Переглянути оригіналвідповісти на0
MemeTokenGenius
· 08-16 02:12
Все локалізовано, як бути з ефективністю капіталу?
Переглянути оригіналвідповісти на0
SybilSlayer
· 08-16 02:04
Я ж казав, що краще обчислювальна потужність на краю є майбутнім.
Тренди локалізації штучного інтелекту приносять нові можливості для Web3
Тенденції локалізації в AI-індустрії та можливості Web3
Нещодавно в AI-індустрії спостерігається чітка тенденція до "зниження". З попереднього загального прагнення до великомасштабних обчислювальних потужностей та величезних моделей, поступово виникає новий напрямок, що схиляється до локальних невеликих моделей та обчислень на краю.
Цю зміну можна спостерігати з кількох аспектів. Наприклад, розумна система одного з технологічних гігантів охопила 500 мільйонів пристроїв; інший програмний гігант представив спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи; також відома AI-дослідна установа розробляє робототехніку, яка може працювати "офлайн".
Хмарний ШІ та локальний ШІ мають суттєві відмінності в акцентах конкуренції. Хмарний ШІ в основному змагається за розміром параметрів та обсягом навчальних даних, фінансові ресурси є ключовим фактором конкуренції. На відміну від цього, локальний ШІ більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті приватності, надійності та практичності. Це головним чином пов'язано з тим, що проблеми ілюзій загальних моделей можуть серйозно вплинути на їх застосування в певних сферах.
Ця тенденція надає більші можливості для Web3 AI. У минулому, коли різні сторони змагалися за "універсалізацію" (обчислення, дані, алгоритми), традиційні технологічні гіганти природно займали домінуюче положення. У такому середовищі просто застосувати концепцію децентралізації, щоб змагатися з гігантами галузі, є нереалістичним, оскільки бракує переваг у ресурсах, технологіях і базі користувачів.
Однак, у новій парадигмі локалізованих моделей і крайових обчислень ситуація, з якою стикається технологія блокчейн, зазнала суттєвих змін. Коли моделі ШІ працюють на пристроях користувачів, як довести достовірність виходу результатів? Як забезпечити співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання якраз є сильною стороною технології блокчейн.
В галузі з'явилися деякі нові проекти Web3 AI, які намагаються вирішити проблему "достовірності" локального AI. Наприклад, деякий протокол передачі даних має на меті вирішення проблеми монополії даних і чорної скриньки централізованих AI платформ; інший проект збирає реальні людські дані за допомогою пристроїв для зчитування електроенцефалограми, створюючи "шар штучної верифікації", і вже досяг значного доходу.
Загалом, тільки коли ШІ справді "заглибиться" у кожному пристрої, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того, щоб продовжувати конкурувати на загальному ринку, краще серйозно подумати про те, як забезпечити інфраструктурну підтримку для локалізованої хвилі ШІ. Це, можливо, є більш перспективним напрямком розвитку.