В последнее время в индустрии ИИ наблюдается интересная тенденция: вместо прежнего стремления к масштабной вычислительной мощности и большим моделям, постепенно возникает новое направление, сосредоточенное на локальных малых моделях и периферийных вычислениях.
Эта тенденция проявляется в действиях нескольких технологических гигантов. Например, умная система известного производителя мобильных телефонов охватывает 500 миллионов устройств; разработчик одной операционной системы выпустил специализированную небольшую модель с 330 миллионами параметров для своей последней версии; а искусственный интеллект компании поисковой системы разрабатывает робототехнические технологии, способные работать в оффлайне.
Существует значительная разница в акцентах конкуренции между облачным ИИ и локальным ИИ. Первый в основном конкурирует по масштабам параметров и объему обучающих данных, где финансовые ресурсы являются решающим фактором; второй же больше ориентирован на оптимизацию проекта и адаптацию к сценарию, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эта разница в основном возникает из-за проблемы "галлюцинации", которая часто возникает при применении универсальных моделей в определенных областях.
Эта тенденция открыла новые возможности для проектов Web3 AI. В прошлом, в конкуренции за способность "универсальности", традиционные технологические гиганты, обладая преимуществами в ресурсах, технологиях и пользовательской базе, почти монополизировали рынок. Проектам Web3, если они хотят конкурировать в этой области, не остаётся ничего иного, как мечтать.
Тем не менее, с ростом локализованных моделей и периферийных вычислений перспективы применения технологии блокчейн становятся еще более широкими. Как обеспечить достоверность выходных данных, когда модели ИИ работают на устройствах пользователей? Как осуществить совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз и являются специализацией технологии блокчейн.
В настоящее время уже появились некоторые проекты Web3 AI, которые начали исследовать эту область. Например, один протокол передачи данных нацелен на решение проблемы монополии данных и черного ящика централизованных платформ AI; другой проект с помощью устройств для считывания мозговых волн собирает реальные данные о людях и создает "уровень искусственной проверки", что уже принесло значительный доход. Эти проекты пытаются решить проблему "достоверности" локального AI.
В целом, только когда ИИ действительно "снизится" до каждого устройства, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать углубляться в универсальную нишу, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Это может быть более перспективным направлением развития.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
24 Лайков
Награда
24
7
Репост
Поделиться
комментарий
0/400
TokenSherpa
· 07-24 19:18
давайте я объясню это... парадигмальный сдвиг к вычислениям на краю представляет собой увлекательную точку изменения управления в траектории web3
Посмотреть ОригиналОтветить0
FlatTax
· 07-22 11:22
Может ли быть проще? Давайте сделаем небольшой ИИ.
Посмотреть ОригиналОтветить0
GasSavingMaster
· 07-21 19:47
gg Передовые вычисления才是王道
Посмотреть ОригиналОтветить0
BugBountyHunter
· 07-21 19:46
Неужели все хотят разыгрывать людей как лохов?
Посмотреть ОригиналОтветить0
defi_detective
· 07-21 19:43
Локализация? Ха-ха, сколько параметров можно запустить?
Волна локализации ИИ поднимается, Web3 встречает новые возможности
Локализация в AI-индустрии и ее влияние на Web3
В последнее время в индустрии ИИ наблюдается интересная тенденция: вместо прежнего стремления к масштабной вычислительной мощности и большим моделям, постепенно возникает новое направление, сосредоточенное на локальных малых моделях и периферийных вычислениях.
Эта тенденция проявляется в действиях нескольких технологических гигантов. Например, умная система известного производителя мобильных телефонов охватывает 500 миллионов устройств; разработчик одной операционной системы выпустил специализированную небольшую модель с 330 миллионами параметров для своей последней версии; а искусственный интеллект компании поисковой системы разрабатывает робототехнические технологии, способные работать в оффлайне.
Существует значительная разница в акцентах конкуренции между облачным ИИ и локальным ИИ. Первый в основном конкурирует по масштабам параметров и объему обучающих данных, где финансовые ресурсы являются решающим фактором; второй же больше ориентирован на оптимизацию проекта и адаптацию к сценарию, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эта разница в основном возникает из-за проблемы "галлюцинации", которая часто возникает при применении универсальных моделей в определенных областях.
Эта тенденция открыла новые возможности для проектов Web3 AI. В прошлом, в конкуренции за способность "универсальности", традиционные технологические гиганты, обладая преимуществами в ресурсах, технологиях и пользовательской базе, почти монополизировали рынок. Проектам Web3, если они хотят конкурировать в этой области, не остаётся ничего иного, как мечтать.
Тем не менее, с ростом локализованных моделей и периферийных вычислений перспективы применения технологии блокчейн становятся еще более широкими. Как обеспечить достоверность выходных данных, когда модели ИИ работают на устройствах пользователей? Как осуществить совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз и являются специализацией технологии блокчейн.
В настоящее время уже появились некоторые проекты Web3 AI, которые начали исследовать эту область. Например, один протокол передачи данных нацелен на решение проблемы монополии данных и черного ящика централизованных платформ AI; другой проект с помощью устройств для считывания мозговых волн собирает реальные данные о людях и создает "уровень искусственной проверки", что уже принесло значительный доход. Эти проекты пытаются решить проблему "достоверности" локального AI.
В целом, только когда ИИ действительно "снизится" до каждого устройства, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать углубляться в универсальную нишу, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Это может быть более перспективным направлением развития.