اتجاهات التوطين في صناعة الذكاء الاصطناعي وتأثيرها على Web3
ظهر في الآونة الأخيرة اتجاه مثير للاهتمام في صناعة الذكاء الاصطناعي: من المسار السائد الذي كان يسعى دائمًا إلى قوة حسابية كبيرة ونماذج ضخمة، تطور تدريجياً اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تجسد هذه الاتجاهات في تحركات عدة من عمالقة التكنولوجيا. على سبيل المثال، تم تغطية 500 مليون جهاز من قبل نظام ذكي لشركة معروفة في تصنيع الهواتف المحمولة؛ أطلق مطور نظام تشغيل إصدارًا جديدًا يحتوي على نموذج صغير متخصص يتضمن 330 مليون معلمة؛ كما أن قسم الذكاء الاصطناعي في شركة محرك بحث معينة يقوم بتطوير تقنية الروبوتات القادرة على العمل في وضع عدم الاتصال.
توجد اختلافات ملحوظة في التركيز التنافسي بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الأول يتنافس بشكل رئيسي في حجم المعلمات وكمية بيانات التدريب، حيث تعتبر الموارد المالية عاملاً حاسماً؛ بينما يركز الثاني أكثر على تحسين الهندسة وتكييف السيناريو، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل رئيسي من مشكلة "الهلوسة" التي تظهر غالبًا عند تطبيق النماذج العامة في مجالات محددة.
هذه الاتجاهات توفر فرصًا جديدة لمشاريع الذكاء الاصطناعي في Web3. في الماضي، في السعي نحو القدرة على "التعميم"، كانت شركات التكنولوجيا التقليدية تستفيد من مواردها، وتقنياتها، وقاعدة مستخدميها، مما جعلها تحتكر السوق تقريبًا. إذا أرادت مشاريع Web3 المنافسة في هذا المجال، فإن الأمر لا يختلف عن حديث المجانين.
ومع ذلك، مع ظهور نماذج التوطين والحوسبة الطرفية، أصبحت آفاق تطبيق تقنية blockchain أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط ما تتميز به تقنية blockchain.
حتى الآن، بدأت بعض مشروعات الذكاء الاصطناعي في Web3 في استكشاف هذا المجال. على سبيل المثال، تهدف بروتوكول بيانات معين إلى حل مشكلة احتكار البيانات ومنصات الذكاء الاصطناعي المركزية ومشكلة الصناديق السوداء؛ ومشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق اصطناعية"، وقد حقق بالفعل إيرادات ملحوظة. كل هذه المشاريع تحاول معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة حقيقية إلا عندما "تنزل" الذكاء الاصطناعي فعليًا إلى كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في الانغماس في مسار التعميم، من الأفضل التفكير بجدية في كيفية توفير دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير 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 24
أعجبني
24
7
إعادة النشر
مشاركة
تعليق
0/400
TokenSherpa
· 07-24 19:18
دعني أوضح هذا... يمثل التحول نحو الحوسبة الطرفية نقطة تحول مثيرة في حوكمة مسار الويب3.
شاهد النسخة الأصليةرد0
FlatTax
· 07-22 11:22
هل يمكنك أن تجعلها بسيطة؟ يكفي أن نستخدم ذكاءً اصطناعيًا صغيرًا.
تزايد موجة التوطين للذكاء الاصطناعي ، وتأتي فرص جديدة لWeb3
اتجاهات التوطين في صناعة الذكاء الاصطناعي وتأثيرها على Web3
ظهر في الآونة الأخيرة اتجاه مثير للاهتمام في صناعة الذكاء الاصطناعي: من المسار السائد الذي كان يسعى دائمًا إلى قوة حسابية كبيرة ونماذج ضخمة، تطور تدريجياً اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تجسد هذه الاتجاهات في تحركات عدة من عمالقة التكنولوجيا. على سبيل المثال، تم تغطية 500 مليون جهاز من قبل نظام ذكي لشركة معروفة في تصنيع الهواتف المحمولة؛ أطلق مطور نظام تشغيل إصدارًا جديدًا يحتوي على نموذج صغير متخصص يتضمن 330 مليون معلمة؛ كما أن قسم الذكاء الاصطناعي في شركة محرك بحث معينة يقوم بتطوير تقنية الروبوتات القادرة على العمل في وضع عدم الاتصال.
توجد اختلافات ملحوظة في التركيز التنافسي بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الأول يتنافس بشكل رئيسي في حجم المعلمات وكمية بيانات التدريب، حيث تعتبر الموارد المالية عاملاً حاسماً؛ بينما يركز الثاني أكثر على تحسين الهندسة وتكييف السيناريو، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل رئيسي من مشكلة "الهلوسة" التي تظهر غالبًا عند تطبيق النماذج العامة في مجالات محددة.
هذه الاتجاهات توفر فرصًا جديدة لمشاريع الذكاء الاصطناعي في Web3. في الماضي، في السعي نحو القدرة على "التعميم"، كانت شركات التكنولوجيا التقليدية تستفيد من مواردها، وتقنياتها، وقاعدة مستخدميها، مما جعلها تحتكر السوق تقريبًا. إذا أرادت مشاريع Web3 المنافسة في هذا المجال، فإن الأمر لا يختلف عن حديث المجانين.
ومع ذلك، مع ظهور نماذج التوطين والحوسبة الطرفية، أصبحت آفاق تطبيق تقنية blockchain أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط ما تتميز به تقنية blockchain.
حتى الآن، بدأت بعض مشروعات الذكاء الاصطناعي في Web3 في استكشاف هذا المجال. على سبيل المثال، تهدف بروتوكول بيانات معين إلى حل مشكلة احتكار البيانات ومنصات الذكاء الاصطناعي المركزية ومشكلة الصناديق السوداء؛ ومشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق اصطناعية"، وقد حقق بالفعل إيرادات ملحوظة. كل هذه المشاريع تحاول معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة حقيقية إلا عندما "تنزل" الذكاء الاصطناعي فعليًا إلى كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في الانغماس في مسار التعميم، من الأفضل التفكير بجدية في كيفية توفير دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير أكثر وعدًا.