الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى المحلية
مؤخراً، أظهر قطاع الذكاء الاصطناعي اتجاهًا مثيرًا في التطور: من التركيز سابقًا على قوة الحوسبة الكبيرة والنماذج الضخمة، بدأ الاتجاه تدريجيًا نحو النماذج الصغيرة المحلية والحوسبة الطرفية. يمكن رؤية هذا الاتجاه في تحركات العديد من الشركات التقنية الكبرى.
على سبيل المثال، قامت إحدى الشركات التكنولوجية الكبرى بإطلاق نظام ذكي يغطي 500 مليون جهاز. كما أن إحدى شركات أنظمة التشغيل الكبرى قد طورت نموذجًا صغيرًا مخصصًا يحتوي على 3.3 مليون معلمة للإصدار الأحدث. وهناك أيضًا مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي تستكشف إمكانية تشغيل الروبوتات "في وضع عدم الاتصال".
أدى هذا التحول إلى ظهور مشهد تنافسي جديد. تعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم النموذج وبيانات التدريب الضخمة، بينما أصبحت القوة المالية هي القدرة التنافسية الرئيسية. من ناحية أخرى، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، مما يمنحه مزايا في مجالات حماية الخصوصية والموثوقية والعملية. خاصة عند تطبيقه في مجالات محددة، يمكن للذكاء الاصطناعي المحلي أن يتجنب بفعالية مشكلة "الوهم" الشائعة في النماذج العامة الكبيرة.
لقد جلب هذا الاتجاه فرصًا جديدة لمشاريع Web3 AI. في السابق، كان من الصعب على مشاريع Web3 المنافسة مع عمالقة التكنولوجيا التقليديين في سباق السعي نحو القدرة الشاملة، لأن الأخيرين يحتلون ميزة مطلقة من حيث الموارد والتكنولوجيا وقاعدة المستخدمين. ومع ذلك، بدأت مزايا تقنية Web3 في الظهور في مجالات النماذج المحلية والحوسبة الطرفية.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط نقاط القوة في تقنية blockchain.
توجد حاليًا بعض مشاريع Web3 AI التي بدأت في استكشاف هذا الاتجاه. على سبيل المثال، هناك مشاريع أطلقت بروتوكولات اتصالات البيانات، تهدف إلى حل مشكلات احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تقوم بجمع بيانات البشر الحقيقية من خلال أجهزة تخطيط الدماغ، لبناء "طبقة تحقق اصطناعية"، وقد حققت بالفعل إيرادات ملحوظة. تسعى هذه المحاولات جميعًا إلى معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
يمكن القول إنه فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع Web3 AI، بدلاً من التنافس في المسار العام المزدحم، من الأفضل التفكير في كيفية تقديم دعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية، وقد يكون هذا اتجاهًا أكثر وعدًا.
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
الذكاء الاصطناعي من السحابة إلى المحلية: فرص جديدة لمشاريع Web3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى المحلية
مؤخراً، أظهر قطاع الذكاء الاصطناعي اتجاهًا مثيرًا في التطور: من التركيز سابقًا على قوة الحوسبة الكبيرة والنماذج الضخمة، بدأ الاتجاه تدريجيًا نحو النماذج الصغيرة المحلية والحوسبة الطرفية. يمكن رؤية هذا الاتجاه في تحركات العديد من الشركات التقنية الكبرى.
على سبيل المثال، قامت إحدى الشركات التكنولوجية الكبرى بإطلاق نظام ذكي يغطي 500 مليون جهاز. كما أن إحدى شركات أنظمة التشغيل الكبرى قد طورت نموذجًا صغيرًا مخصصًا يحتوي على 3.3 مليون معلمة للإصدار الأحدث. وهناك أيضًا مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي تستكشف إمكانية تشغيل الروبوتات "في وضع عدم الاتصال".
أدى هذا التحول إلى ظهور مشهد تنافسي جديد. تعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم النموذج وبيانات التدريب الضخمة، بينما أصبحت القوة المالية هي القدرة التنافسية الرئيسية. من ناحية أخرى، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، مما يمنحه مزايا في مجالات حماية الخصوصية والموثوقية والعملية. خاصة عند تطبيقه في مجالات محددة، يمكن للذكاء الاصطناعي المحلي أن يتجنب بفعالية مشكلة "الوهم" الشائعة في النماذج العامة الكبيرة.
لقد جلب هذا الاتجاه فرصًا جديدة لمشاريع Web3 AI. في السابق، كان من الصعب على مشاريع Web3 المنافسة مع عمالقة التكنولوجيا التقليديين في سباق السعي نحو القدرة الشاملة، لأن الأخيرين يحتلون ميزة مطلقة من حيث الموارد والتكنولوجيا وقاعدة المستخدمين. ومع ذلك، بدأت مزايا تقنية Web3 في الظهور في مجالات النماذج المحلية والحوسبة الطرفية.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط نقاط القوة في تقنية blockchain.
توجد حاليًا بعض مشاريع Web3 AI التي بدأت في استكشاف هذا الاتجاه. على سبيل المثال، هناك مشاريع أطلقت بروتوكولات اتصالات البيانات، تهدف إلى حل مشكلات احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تقوم بجمع بيانات البشر الحقيقية من خلال أجهزة تخطيط الدماغ، لبناء "طبقة تحقق اصطناعية"، وقد حققت بالفعل إيرادات ملحوظة. تسعى هذه المحاولات جميعًا إلى معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
يمكن القول إنه فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع Web3 AI، بدلاً من التنافس في المسار العام المزدحم، من الأفضل التفكير في كيفية تقديم دعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية، وقد يكون هذا اتجاهًا أكثر وعدًا.