Нові тренди в AI-індустрії: від хмари до локалізації
Нещодавно в галузі штучного інтелекту спостерігається цікава тенденція розвитку: від первісного зосередження на масштабних обчислювальних потужностях та великих моделях до локальних малих моделей та обчислень на краю мережі. Цю зміну можна побачити за кількома ознаками, такими як те, що технології штучного інтелекту Apple охопили 500 мільйонів пристроїв, Microsoft випустила спеціальну малу модель Mu з 330 мільйонами параметрів для Windows 11, а Google DeepMind провела спроби "офлайнових" операцій у сфері робототехніки.
Ця зміна призвела до різних акцентів у конкуренції. Хмарний ШІ в основному змагається за масштаб параметрів і обсяг навчальних даних, фінансова спроможність стає ключовою; тоді як локальний ШІ більше зосереджений на оптимізації інженерії та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Ця тенденція також пропонує потенційні рішення для проблеми "ілюзій", з якою стикаються загальні великі моделі при їх застосуванні в певних сферах.
Для проектів Web3 AI ця зміна принесла нові можливості. У минулому, у гонитві за конкурентоспроможністю в "універсальних" можливостях, проектам Web3 було важко конкурувати з традиційними технологічними гігантами, оскільки вони мали перевагу в ресурсах, технологіях і базі користувачів. Проте в новій парадигмі локалізованих моделей і крайових обчислень переваги технологій Web3 починають виявлятися.
Коли модель ШІ працює на пристрої користувача, як забезпечити справжність виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є саме тими сферами, в яких технології блокчейну мають великий досвід. Деякі нові проекти Web3 AI вже почали досліджувати ці напрямки, наприклад, протоколи обміну даними, які намагаються вирішити проблеми монополії даних і непрозорості централізованих платформ ШІ, а також проекти пристроїв для зчитування електроенцефалограм, які будують "шар штучної верифікації" шляхом збору реальних людських даних. Ці спроби спрямовані на вирішення проблеми довіри до локальних ШІ.
В цілому, тільки коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати змагатися на загальному рівні, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, 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.
10 лайків
Нагородити
10
3
Поділіться
Прокоментувати
0/400
JustHereForAirdrops
· 23год тому
Цей раз підхопити було вірно.
Переглянути оригіналвідповісти на0
MEVSandwichMaker
· 23год тому
Маленька модель – це майбутнє.
Переглянути оригіналвідповісти на0
SerumDegen
· 23год тому
сер це ринкова структура крайніх штучних інтелектів виглядає як класичний сигнал для дна... ngmi якщо ти все ще утримуєш токени хмарних обчислень зараз
Нові тенденції в галузі штучного інтелекту: зростання локалізованих моделей, Web3 зустрічає нові можливості
Нові тренди в AI-індустрії: від хмари до локалізації
Нещодавно в галузі штучного інтелекту спостерігається цікава тенденція розвитку: від первісного зосередження на масштабних обчислювальних потужностях та великих моделях до локальних малих моделей та обчислень на краю мережі. Цю зміну можна побачити за кількома ознаками, такими як те, що технології штучного інтелекту Apple охопили 500 мільйонів пристроїв, Microsoft випустила спеціальну малу модель Mu з 330 мільйонами параметрів для Windows 11, а Google DeepMind провела спроби "офлайнових" операцій у сфері робототехніки.
Ця зміна призвела до різних акцентів у конкуренції. Хмарний ШІ в основному змагається за масштаб параметрів і обсяг навчальних даних, фінансова спроможність стає ключовою; тоді як локальний ШІ більше зосереджений на оптимізації інженерії та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Ця тенденція також пропонує потенційні рішення для проблеми "ілюзій", з якою стикаються загальні великі моделі при їх застосуванні в певних сферах.
Для проектів Web3 AI ця зміна принесла нові можливості. У минулому, у гонитві за конкурентоспроможністю в "універсальних" можливостях, проектам Web3 було важко конкурувати з традиційними технологічними гігантами, оскільки вони мали перевагу в ресурсах, технологіях і базі користувачів. Проте в новій парадигмі локалізованих моделей і крайових обчислень переваги технологій Web3 починають виявлятися.
Коли модель ШІ працює на пристрої користувача, як забезпечити справжність виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є саме тими сферами, в яких технології блокчейну мають великий досвід. Деякі нові проекти Web3 AI вже почали досліджувати ці напрямки, наприклад, протоколи обміну даними, які намагаються вирішити проблеми монополії даних і непрозорості централізованих платформ ШІ, а також проекти пристроїв для зчитування електроенцефалограм, які будують "шар штучної верифікації" шляхом збору реальних людських даних. Ці спроби спрямовані на вирішення проблеми довіри до локальних ШІ.
В цілому, тільки коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати змагатися на загальному рівні, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, можливо, є більш перспективним напрямком розвитку.