Локалізаційні тренди в індустрії ШІ та їхній вплив на Web3
Нещодавно в індустрії штучного інтелекту з'явилася цікава тенденція зміни: від попереднього однозначного прагнення до масштабних обчислень і великих моделей, поступово виникла нова напрямок, що зосереджується на локальних малих моделях і обчисленнях на краю.
Ця тенденція була відображена в діях багатьох технологічних гігантів. Наприклад, розумна система одного відомого виробника мобільних телефонів вже охопила 500 мільйонів пристроїв; розробник однієї операційної системи представив свою останню версію з спеціальною міні-моделлю з 330 мільйонами параметрів; а також штучний інтелект компанії одного пошукового двигуна працює над технологією роботів, які можуть працювати в офлайн-режимі.
Хмарний ШІ та локальний ШІ мають суттєві відмінності у своїх конкурентних пріоритетах. Перший в основному змагається за масштаб параметрів і обсяги навчальних даних, де фінансові ресурси є вирішальним фактором; другий більше зосереджується на інженерній оптимізації та адаптації до конкретних сценаріїв, маючи перевагу в захисті конфіденційності, надійності та практичності. Ця різниця в основному виникає з проблеми "ілюзій", що часто виникає при застосуванні загальних моделей у специфічних сферах.
Ця тенденція принесла нові можливості для проектів Web3 AI. У минулому, у гонитві за здатністю "універсалізації", традиційні технологічні гіганти завдяки своїм ресурсам, технологіям та базі користувачів майже монополізували ринок. Якщо проекти Web3 хочуть конкурувати в цій сфері, це не що інше, як марні мрії.
Однак, з появою локалізованих моделей і крайових обчислень перспективи застосування технології блокчейн стають ще ширшими. Коли моделі ШІ працюють на пристроях користувачів, як забезпечити真实性 виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є саме тією сферою, в якій технологія блокчейн має експертизу.
Наразі вже є кілька проектів Web3 AI, які почали досліджувати цю сферу. Наприклад, один протокол передачі даних має на меті вирішити проблему монополії даних централізованих AI-платформ і проблеми чорного ящика; інший проект використовує пристрої для збору реальних людських даних через електроенцефалографію, створюючи "шар штучної верифікації", і вже досяг значних доходів. Усі ці проекти намагаються вирішити проблему "довіри" локального AI.
Загалом, лише коли ШІ насправді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати конкурувати на загальному ринку, варто серйозно подумати про те, як надати інфраструктурну підтримку для локалізованої хвилі ШІ. Це може бути більш перспективним напрямком розвитку.
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.
24 лайків
Нагородити
24
7
Репост
Поділіться
Прокоментувати
0/400
TokenSherpa
· 07-24 19:18
дозвольте мені пояснити це... парадигмальний зсув у бік крайових обчислень є захоплюючою точкою інфляції управління в траєкторії web3
Переглянути оригіналвідповісти на0
FlatTax
· 07-22 11:22
Чи не можна простіше? Можна просто зробити маленький ШІ.
Переглянути оригіналвідповісти на0
GasSavingMaster
· 07-21 19:47
gg Передові обчислення才是王道
Переглянути оригіналвідповісти на0
BugBountyHunter
· 07-21 19:46
Чи всі хочуть обдурити мене, як лоха?
Переглянути оригіналвідповісти на0
defi_detective
· 07-21 19:43
Локалізація? Ха-ха, скільки параметрів можна запустити?
Переглянути оригіналвідповісти на0
ThatsNotARugPull
· 07-21 19:41
Локалізація має надію
Переглянути оригіналвідповісти на0
GhostAddressHunter
· 07-21 19:23
Їдучи на електричному автомобілі Wuling для майнінгу
Виникнення локалізації штучного інтелекту: Web3 отримує нові можливості
Локалізаційні тренди в індустрії ШІ та їхній вплив на Web3
Нещодавно в індустрії штучного інтелекту з'явилася цікава тенденція зміни: від попереднього однозначного прагнення до масштабних обчислень і великих моделей, поступово виникла нова напрямок, що зосереджується на локальних малих моделях і обчисленнях на краю.
Ця тенденція була відображена в діях багатьох технологічних гігантів. Наприклад, розумна система одного відомого виробника мобільних телефонів вже охопила 500 мільйонів пристроїв; розробник однієї операційної системи представив свою останню версію з спеціальною міні-моделлю з 330 мільйонами параметрів; а також штучний інтелект компанії одного пошукового двигуна працює над технологією роботів, які можуть працювати в офлайн-режимі.
Хмарний ШІ та локальний ШІ мають суттєві відмінності у своїх конкурентних пріоритетах. Перший в основному змагається за масштаб параметрів і обсяги навчальних даних, де фінансові ресурси є вирішальним фактором; другий більше зосереджується на інженерній оптимізації та адаптації до конкретних сценаріїв, маючи перевагу в захисті конфіденційності, надійності та практичності. Ця різниця в основному виникає з проблеми "ілюзій", що часто виникає при застосуванні загальних моделей у специфічних сферах.
Ця тенденція принесла нові можливості для проектів Web3 AI. У минулому, у гонитві за здатністю "універсалізації", традиційні технологічні гіганти завдяки своїм ресурсам, технологіям та базі користувачів майже монополізували ринок. Якщо проекти Web3 хочуть конкурувати в цій сфері, це не що інше, як марні мрії.
Однак, з появою локалізованих моделей і крайових обчислень перспективи застосування технології блокчейн стають ще ширшими. Коли моделі ШІ працюють на пристроях користувачів, як забезпечити真实性 виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є саме тією сферою, в якій технологія блокчейн має експертизу.
Наразі вже є кілька проектів Web3 AI, які почали досліджувати цю сферу. Наприклад, один протокол передачі даних має на меті вирішити проблему монополії даних централізованих AI-платформ і проблеми чорного ящика; інший проект використовує пристрої для збору реальних людських даних через електроенцефалографію, створюючи "шар штучної верифікації", і вже досяг значних доходів. Усі ці проекти намагаються вирішити проблему "довіри" локального AI.
Загалом, лише коли ШІ насправді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати конкурувати на загальному ринку, варто серйозно подумати про те, як надати інфраструктурну підтримку для локалізованої хвилі ШІ. Це може бути більш перспективним напрямком розвитку.