الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: الانتقال من السحابة إلى المحلية
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا مثيرًا للتطور: من النهج السائد الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الضخمة، تطورت تدريجيًا إلى اتجاه جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن رؤية هذا التحول من عدة علامات: لقد غطت Apple Intelligence 500 مليون جهاز، وأطلقت Windows 11 نموذجًا صغيرًا مخصصًا بـ 330 مليون معلمة Mu، بينما تستكشف DeepMind أيضًا القدرة على التشغيل غير المتصل للروبوتات.
بالمقارنة مع الذكاء الاصطناعي السحابي الذي يعتمد على كميات هائلة من المعلمات وبيانات التدريب، ويعتبر القوة المالية جوهر المنافسة، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشاهد، مما يمنحه مزايا واضحة في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشاكل الوهم في النماذج الكبيرة العامة يمكن أن تؤثر بشكل كبير على تطبيقاتها في مجالات معينة.
بالنسبة لـ Web3 AI ، فإن هذا التغيير يجلب فرصًا جديدة. في الماضي ، كان من الصعب على مشاريع Web3 المنافسة مع عمالقة التكنولوجيا في "قدرة التعميم" ، حيث كانت تفتقر إلى الموارد والتقنيات وميزة قاعدة المستخدمين. ولكن في ظل النموذج المحلي والحوسبة الطرفية الجديدة ، بدأت مزايا تكنولوجيا blockchain في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي النقاط القوية لتقنية blockchain.
ظهرت بعض المشاريع الجديدة في الصناعة لمعالجة هذه القضايا. على سبيل المثال، تم تصميم بروتوكول الاتصالات البيانية Lattica الذي أطلقته Gradient لحل مشكلة احتكار البيانات وغموض منصات الذكاء الاصطناعي المركزية. مشروع آخر هو PublicAI الذي يجمع البيانات البشرية الحقيقية من خلال جهاز موجات الدماغ HeadCap، وبنى "طبقة التحقق البشرية"، وقد حقق بالفعل إيرادات جيدة. تحاول هذه المشاريع جميعها معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما تتوغل الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي Web3، بدلاً من الاستمرار في الانغماس في سباق التعميم، من الأفضل التفكير بجدية في كيفية تقديم الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية، فقد يكون هذا اتجاهًا 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 12
أعجبني
12
5
إعادة النشر
مشاركة
تعليق
0/400
SingleForYears
· منذ 3 س
هل هي مجرد حيلة جديدة من رأس المال؟
شاهد النسخة الأصليةرد0
VibesOverCharts
· منذ 3 س
囤储机قوة الحوسبةing... 寄！
شاهد النسخة الأصليةرد0
TooScaredToSell
· منذ 3 س
هل تم تحويل الخدمات المدفوعة إلى المحلية أيضًا؟
شاهد النسخة الأصليةرد0
CounterIndicator
· منذ 3 س
الذكاء الاصطناعي غير المتصل يبدو جذاباً
شاهد النسخة الأصليةرد0
GasFeeTears
· منذ 3 س
اشرب، أي نموذج كبير في منزل من يستطيع تحمل تكلفة النفط
الاتجاهات الجديدة في الذكاء الاصطناعي: الانتقال من السحابة إلى الفرص المحلية في Web3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: الانتقال من السحابة إلى المحلية
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا مثيرًا للتطور: من النهج السائد الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الضخمة، تطورت تدريجيًا إلى اتجاه جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن رؤية هذا التحول من عدة علامات: لقد غطت Apple Intelligence 500 مليون جهاز، وأطلقت Windows 11 نموذجًا صغيرًا مخصصًا بـ 330 مليون معلمة Mu، بينما تستكشف DeepMind أيضًا القدرة على التشغيل غير المتصل للروبوتات.
بالمقارنة مع الذكاء الاصطناعي السحابي الذي يعتمد على كميات هائلة من المعلمات وبيانات التدريب، ويعتبر القوة المالية جوهر المنافسة، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشاهد، مما يمنحه مزايا واضحة في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشاكل الوهم في النماذج الكبيرة العامة يمكن أن تؤثر بشكل كبير على تطبيقاتها في مجالات معينة.
بالنسبة لـ Web3 AI ، فإن هذا التغيير يجلب فرصًا جديدة. في الماضي ، كان من الصعب على مشاريع Web3 المنافسة مع عمالقة التكنولوجيا في "قدرة التعميم" ، حيث كانت تفتقر إلى الموارد والتقنيات وميزة قاعدة المستخدمين. ولكن في ظل النموذج المحلي والحوسبة الطرفية الجديدة ، بدأت مزايا تكنولوجيا blockchain في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي النقاط القوية لتقنية blockchain.
ظهرت بعض المشاريع الجديدة في الصناعة لمعالجة هذه القضايا. على سبيل المثال، تم تصميم بروتوكول الاتصالات البيانية Lattica الذي أطلقته Gradient لحل مشكلة احتكار البيانات وغموض منصات الذكاء الاصطناعي المركزية. مشروع آخر هو PublicAI الذي يجمع البيانات البشرية الحقيقية من خلال جهاز موجات الدماغ HeadCap، وبنى "طبقة التحقق البشرية"، وقد حقق بالفعل إيرادات جيدة. تحاول هذه المشاريع جميعها معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما تتوغل الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي Web3، بدلاً من الاستمرار في الانغماس في سباق التعميم، من الأفضل التفكير بجدية في كيفية تقديم الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية، فقد يكون هذا اتجاهًا أكثر وعدًا.