Новые тренды в AI-индустрии: от облаков к локальным решениям, открывающим новые возможности для Web3
Недавно в AI-отрасли наблюдается интересная тенденция развития: от первоначального фокуса на крупномасштабной вычислительной мощности и крупных моделях постепенно возникла новая ветвь, ориентированная на локальные маломасштабные модели и вычисления на границе.
Эта тенденция проявляется в нескольких областях. Например, интеллектуальная система одного из технологических гигантов охватывает 500 миллионов устройств, другая программная компания выпустила специализированную модель малого размера с 3,3 миллиарда параметров для своей операционной системы, а известный исследовательский институт в области ИИ разрабатывает технологии роботов, способных работать в оффлайн-режиме.
Конкуренция между облачным ИИ и локальным ИИ имеет разные акценты. Первый в основном полагается на огромные масштабы параметров и массивные обучающие данные, финансовые ресурсы являются его основным преимуществом. Второй же больше сосредоточен на инженерной оптимизации и адаптации к сценарию, обладая явными преимуществами в области защиты конфиденциальности, надежности и практичности. Это особенно важно, поскольку общий модельные системы часто сталкиваются с проблемами галлюцинаций при применении в конкретных областях, что может серьезно повлиять на их продвижение в вертикальных областях.
Это изменение открыло новые возможности для проектов Web3 AI. В прошлом традиционные технологические гиганты имели абсолютное преимущество в конкуренции за возможность "универсальности" (включая вычисления, данные и алгоритмы). Применение концепции децентрализации только к существующим моделям затрудняет конкуренцию с этими гигантами, поскольку проекты Web3 находятся в невыгодном положении по ресурсам, технологиям и пользовательской базе.
Однако с ростом локализованных моделей и вычислений на краю, перспективы применения технологии блокчейн в области ИИ становятся еще более широкими. Когда модели ИИ работают на устройствах пользователей, как гарантировать достоверность выходных данных? Как обеспечить сотрудничество моделей при защите конфиденциальности? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В настоящее время появилось несколько связанных с Web3 AI инновационных проектов. Например, один из протоколов передачи данных направлен на решение проблем монополии и непрозрачности данных централизованных AI платформ. Другой проект собирает реальные данные человека с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже получил значительный доход. Эти проекты пытаются решить проблему доверия к локальному AI.
Короче говоря, только когда ИИ действительно "опустится" на каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к необходимости. Для проектов Web3 AI, вместо того чтобы продолжать конкурировать на универсальной арене, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Это, возможно, более перспективное направление развития.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
6 Лайков
Награда
6
3
Репост
Поделиться
комментарий
0/400
ForkTongue
· 08-13 22:15
Что за AI на web3, это чисто будут играть для лохов
Искусственный интеллект от облака к локальному: новые возможности для проектов Web3
Новые тренды в AI-индустрии: от облаков к локальным решениям, открывающим новые возможности для Web3
Недавно в AI-отрасли наблюдается интересная тенденция развития: от первоначального фокуса на крупномасштабной вычислительной мощности и крупных моделях постепенно возникла новая ветвь, ориентированная на локальные маломасштабные модели и вычисления на границе.
Эта тенденция проявляется в нескольких областях. Например, интеллектуальная система одного из технологических гигантов охватывает 500 миллионов устройств, другая программная компания выпустила специализированную модель малого размера с 3,3 миллиарда параметров для своей операционной системы, а известный исследовательский институт в области ИИ разрабатывает технологии роботов, способных работать в оффлайн-режиме.
Конкуренция между облачным ИИ и локальным ИИ имеет разные акценты. Первый в основном полагается на огромные масштабы параметров и массивные обучающие данные, финансовые ресурсы являются его основным преимуществом. Второй же больше сосредоточен на инженерной оптимизации и адаптации к сценарию, обладая явными преимуществами в области защиты конфиденциальности, надежности и практичности. Это особенно важно, поскольку общий модельные системы часто сталкиваются с проблемами галлюцинаций при применении в конкретных областях, что может серьезно повлиять на их продвижение в вертикальных областях.
Это изменение открыло новые возможности для проектов Web3 AI. В прошлом традиционные технологические гиганты имели абсолютное преимущество в конкуренции за возможность "универсальности" (включая вычисления, данные и алгоритмы). Применение концепции децентрализации только к существующим моделям затрудняет конкуренцию с этими гигантами, поскольку проекты Web3 находятся в невыгодном положении по ресурсам, технологиям и пользовательской базе.
Однако с ростом локализованных моделей и вычислений на краю, перспективы применения технологии блокчейн в области ИИ становятся еще более широкими. Когда модели ИИ работают на устройствах пользователей, как гарантировать достоверность выходных данных? Как обеспечить сотрудничество моделей при защите конфиденциальности? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В настоящее время появилось несколько связанных с Web3 AI инновационных проектов. Например, один из протоколов передачи данных направлен на решение проблем монополии и непрозрачности данных централизованных AI платформ. Другой проект собирает реальные данные человека с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже получил значительный доход. Эти проекты пытаются решить проблему доверия к локальному AI.
Короче говоря, только когда ИИ действительно "опустится" на каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к необходимости. Для проектов Web3 AI, вместо того чтобы продолжать конкурировать на универсальной арене, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Это, возможно, более перспективное направление развития.