Нові тенденції в AI-індустрії: від хмари до локалізації
Нещодавно в індустрії штучного інтелекту спостерігається цікава тенденція розвитку: від початкового зосередження на масштабних обчисленнях та великих моделях, поступово переходять до локальних малих моделей та обчислень на краю. Цю тенденцію можна побачити в діях кількох основних технологічних компаній.
Наприклад, розумна система, запущена певним технологічним гігантом, охопила 500 мільйонів пристроїв. Інший гігант операційних систем також розробив спеціальну малу модель з лише 3,3 мільйона параметрів для своєї останньої версії. Існує також відомий дослідницький інститут штучного інтелекту, який досліджує можливість "офлайн" роботи роботів.
Ця трансформація призвела до нової конкурентної ситуації. Хмарний ШІ в основному залежить від масштабу моделей і величезних обсягів навчальних даних, а фінансова спроможність стала ключовою конкурентною перевагою. Натомість локальний ШІ більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, маючи переваги в захисті конфіденційності, надійності та практичності. Особливо в застосуванні в специфічних сферах, локальний ШІ може ефективно уникати поширених проблем "галюцинацій" великих універсальних моделей.
Ця тенденція приносить нові можливості для проектів Web3 AI. Раніше, на шляху до універсальності, проектам Web3 було важко конкурувати з традиційними технологічними гігантами, оскільки останні мали абсолютну перевагу в ресурсах, технологіях та базі користувачів. Проте, у нових сферах локальних моделей і обчислень на краю, переваги технологій Web3 починають проявлятися.
Коли модель ШІ працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є сильною стороною технології блокчейн.
На даний момент вже існує кілька проектів Web3 AI, які почали досліджувати цей напрямок. Наприклад, деякі проекти запровадили протоколи зв'язку даних, спрямовані на вирішення проблеми монополії та непрозорості даних централізованих AI платформ. Інші проекти збирають реальні дані людей за допомогою обладнання для зчитування електроенцефалограми, створюючи "шар штучної верифікації", і вже отримали значний дохід. Ці спроби намагаються вирішити питання довіри до локального AI.
Можна сказати, що тільки тоді, коли ШІ справді "поглине" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Щодо проектів Web3 AI, замість того щоб змагатися на переповненій загальній арені, краще розглянути, як забезпечити інфраструктурну підтримку для локалізованої хвилі ШІ, це, можливо, більш перспективний напрямок.
Переглянути оригінал
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.
Штучний інтелект від хмари до локалізації: нові можливості для проектів Web3
Нові тенденції в AI-індустрії: від хмари до локалізації
Нещодавно в індустрії штучного інтелекту спостерігається цікава тенденція розвитку: від початкового зосередження на масштабних обчисленнях та великих моделях, поступово переходять до локальних малих моделей та обчислень на краю. Цю тенденцію можна побачити в діях кількох основних технологічних компаній.
Наприклад, розумна система, запущена певним технологічним гігантом, охопила 500 мільйонів пристроїв. Інший гігант операційних систем також розробив спеціальну малу модель з лише 3,3 мільйона параметрів для своєї останньої версії. Існує також відомий дослідницький інститут штучного інтелекту, який досліджує можливість "офлайн" роботи роботів.
Ця трансформація призвела до нової конкурентної ситуації. Хмарний ШІ в основному залежить від масштабу моделей і величезних обсягів навчальних даних, а фінансова спроможність стала ключовою конкурентною перевагою. Натомість локальний ШІ більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, маючи переваги в захисті конфіденційності, надійності та практичності. Особливо в застосуванні в специфічних сферах, локальний ШІ може ефективно уникати поширених проблем "галюцинацій" великих універсальних моделей.
Ця тенденція приносить нові можливості для проектів Web3 AI. Раніше, на шляху до універсальності, проектам Web3 було важко конкурувати з традиційними технологічними гігантами, оскільки останні мали абсолютну перевагу в ресурсах, технологіях та базі користувачів. Проте, у нових сферах локальних моделей і обчислень на краю, переваги технологій Web3 починають проявлятися.
Коли модель ШІ працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є сильною стороною технології блокчейн.
На даний момент вже існує кілька проектів Web3 AI, які почали досліджувати цей напрямок. Наприклад, деякі проекти запровадили протоколи зв'язку даних, спрямовані на вирішення проблеми монополії та непрозорості даних централізованих AI платформ. Інші проекти збирають реальні дані людей за допомогою обладнання для зчитування електроенцефалограми, створюючи "шар штучної верифікації", і вже отримали значний дохід. Ці спроби намагаються вирішити питання довіри до локального AI.
Можна сказати, що тільки тоді, коли ШІ справді "поглине" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Щодо проектів Web3 AI, замість того щоб змагатися на переповненій загальній арені, краще розглянути, як забезпечити інфраструктурну підтримку для локалізованої хвилі ШІ, це, можливо, більш перспективний напрямок.