Нові тенденції в AI-індустрії: перехід від хмари до локального
Нещодавно в індустрії штучного інтелекту спостерігається цікавий розвиток тенденцій: з попереднього прагнення до великомасштабних обчислень і величезних моделей поступово виникає новий напрямок, що схиляється до локальних малих моделей і краєвих обчислень.
Цю трансформацію можна побачити з кількох ознак: Apple Intelligence охопила 500 мільйонів пристроїв, Windows 11 випустила спеціалізовану модель Mu з 330 мільйонами параметрів, а DeepMind також досліджує можливості офлайн-операцій роботів.
На відміну від хмарного ШІ, який залежить від величезних параметрів і навчальних даних, а також має фінансову потужність як основну конкурентну перевагу, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до сценаріїв, що надає йому явні переваги в захисті конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзії загальних великих моделей може серйозно вплинути на їх застосування в конкретних сферах.
Для Web3 AI ця зміна принесла нові можливості. Раніше в конкурентній боротьбі за "універсальні" можливості проектам Web3 було важко конкурувати з технологічними гігантами через брак ресурсів, технологій та бази користувачів. Але в нових умовах локалізованих моделей і країв обчислення переваги технології блокчейн починають проявлятися.
Коли AI-моделі працюють на пристроях користувачів, як забезпечити правдивість виходу результатів? Як реалізувати співпрацю моделей, одночасно захищаючи конфіденційність? Це саме те, чим відзначається технологія блокчейн.
В індустрії з'явилися деякі нові проекти, спрямовані на вирішення цих проблем. Наприклад, протокол зв'язку даних Lattica, розроблений компанією Gradient, має на меті вирішити проблему монополії даних і «чорної скриньки» централізованих AI платформ. Інший проект PublicAI збирає реальні дані людей за допомогою пристрою для зчитування електроенцефалограми HeadCap, створюючи «шар штучної верифікації», і вже досяг непоганого доходу. Усі ці проекти намагаються вирішити проблему надійності локального AI.
В загальному, лише коли ШІ справді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати внутрішні змагання на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку локалізованій хвилі ШІ, що може бути більш перспективним напрямком.
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.
12 лайків
Нагородити
12
6
Репост
Поділіться
Прокоментувати
0/400
FarmToRiches
· 7год тому
Знову грати в капіталістичні ігри
Переглянути оригіналвідповісти на0
SingleForYears
· 08-09 20:55
Знову маленька хитрість капіталу?
Переглянути оригіналвідповісти на0
VibesOverCharts
· 08-09 20:55
Зберігання обчислювальної потужності... Надіслати!
Переглянути оригіналвідповісти на0
TooScaredToSell
· 08-09 20:54
Платні послуги також стали місцевими?
Переглянути оригіналвідповісти на0
CounterIndicator
· 08-09 20:38
Офлайн-ШІ звучить дуже привабливо
Переглянути оригіналвідповісти на0
GasFeeTears
· 08-09 20:29
Пий, жодна велика модель не витримає витрат на пальне.
Нові тренди в AI: перехід від хмари до локального, можливості Web3 з'являються
Нові тенденції в AI-індустрії: перехід від хмари до локального
Нещодавно в індустрії штучного інтелекту спостерігається цікавий розвиток тенденцій: з попереднього прагнення до великомасштабних обчислень і величезних моделей поступово виникає новий напрямок, що схиляється до локальних малих моделей і краєвих обчислень.
Цю трансформацію можна побачити з кількох ознак: Apple Intelligence охопила 500 мільйонів пристроїв, Windows 11 випустила спеціалізовану модель Mu з 330 мільйонами параметрів, а DeepMind також досліджує можливості офлайн-операцій роботів.
На відміну від хмарного ШІ, який залежить від величезних параметрів і навчальних даних, а також має фінансову потужність як основну конкурентну перевагу, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до сценаріїв, що надає йому явні переваги в захисті конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзії загальних великих моделей може серйозно вплинути на їх застосування в конкретних сферах.
Для Web3 AI ця зміна принесла нові можливості. Раніше в конкурентній боротьбі за "універсальні" можливості проектам Web3 було важко конкурувати з технологічними гігантами через брак ресурсів, технологій та бази користувачів. Але в нових умовах локалізованих моделей і країв обчислення переваги технології блокчейн починають проявлятися.
Коли AI-моделі працюють на пристроях користувачів, як забезпечити правдивість виходу результатів? Як реалізувати співпрацю моделей, одночасно захищаючи конфіденційність? Це саме те, чим відзначається технологія блокчейн.
В індустрії з'явилися деякі нові проекти, спрямовані на вирішення цих проблем. Наприклад, протокол зв'язку даних Lattica, розроблений компанією Gradient, має на меті вирішити проблему монополії даних і «чорної скриньки» централізованих AI платформ. Інший проект PublicAI збирає реальні дані людей за допомогою пристрою для зчитування електроенцефалограми HeadCap, створюючи «шар штучної верифікації», і вже досяг непоганого доходу. Усі ці проекти намагаються вирішити проблему надійності локального AI.
В загальному, лише коли ШІ справді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати внутрішні змагання на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку локалізованій хвилі ШІ, що може бути більш перспективним напрямком.