اتجاهات التوطين في صناعة الذكاء الاصطناعي وتأثيرها على Web3
في الآونة الأخيرة، رصدت تطور صناعة الذكاء الاصطناعي، ويتشكل اتجاه ملحوظ: من التركيز السابق على تركيز الحوسبة الكبيرة والنماذج الكبيرة، تطور تدريجياً إلى اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تظهر هذه الاتجاهات في مجالات متعددة. على سبيل المثال، قامت شركة تكنولوجيا عملاقة بتغطية 500 مليون جهاز بنظامها الذكي، بينما أطلقت شركة تكنولوجيا أخرى نموذجًا صغيرًا مخصصًا يتضمن 330 مليون معلمة لنظام التشغيل الخاص بها، كما تعمل مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي على تطوير تقنيات روبوتية يمكنها العمل "في وضع عدم الاتصال".
توجد اختلافات واضحة في تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر الموارد المالية القوة التنافسية الأساسية. بالمقابل، يولي الذكاء الاصطناعي المحلي أهمية أكبر لتحسين الهندسة وتكييف السيناريوهات، ويتميز بميزاته في حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل رئيسي من مشكلة "الهلاوس" التي تظهر غالبًا عند تطبيق النماذج العامة في مجالات محددة، مما يؤثر على اختراقها في المجالات الرأسية.
بالنسبة لـ Web3 AI ، توفر هذه الاتجاهات فرصًا جديدة. سابقًا ، في المنافسة على القدرة على "التوحيد" (الحوسبة والبيانات والخوارزميات) ، كانت الشركات التكنولوجية التقليدية تتمتع بميزة مطلقة ، وكان من الصعب على مشاريع Web3 المنافسة معها. لكن في بيئة النماذج المحلية والحوسبة على الحافة ، بدأت مزايا تقنية blockchain في الظهور.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط ما تتخصص فيه تقنية البلوكشين.
ظهرت في الصناعة بعض المشاريع الابتكارية التي تستهدف هذه المشكلات. على سبيل المثال، أطلقت بعض الشركات بروتوكولات اتصال البيانات، تهدف إلى حل مشكلة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. وهناك مشاريع أخرى تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، لبناء "طبقة تحقق بشرية"، وقد حققت بالفعل إيرادات ملحوظة. جميع هذه المحاولات تهدف إلى معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية إلا عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي على Web3، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التفكير بجدية في كيفية تقديم دعم البنية التحتية لتيار الذكاء الاصطناعي المحلي، وهو ما قد يكون اتجاهًا أكثر واعدًا.
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.
تزايد اتجاهات التوطين الذكي: كيف يمكن لـ Web3 الاستفادة من الفرص الجديدة
اتجاهات التوطين في صناعة الذكاء الاصطناعي وتأثيرها على Web3
في الآونة الأخيرة، رصدت تطور صناعة الذكاء الاصطناعي، ويتشكل اتجاه ملحوظ: من التركيز السابق على تركيز الحوسبة الكبيرة والنماذج الكبيرة، تطور تدريجياً إلى اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تظهر هذه الاتجاهات في مجالات متعددة. على سبيل المثال، قامت شركة تكنولوجيا عملاقة بتغطية 500 مليون جهاز بنظامها الذكي، بينما أطلقت شركة تكنولوجيا أخرى نموذجًا صغيرًا مخصصًا يتضمن 330 مليون معلمة لنظام التشغيل الخاص بها، كما تعمل مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي على تطوير تقنيات روبوتية يمكنها العمل "في وضع عدم الاتصال".
توجد اختلافات واضحة في تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر الموارد المالية القوة التنافسية الأساسية. بالمقابل، يولي الذكاء الاصطناعي المحلي أهمية أكبر لتحسين الهندسة وتكييف السيناريوهات، ويتميز بميزاته في حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل رئيسي من مشكلة "الهلاوس" التي تظهر غالبًا عند تطبيق النماذج العامة في مجالات محددة، مما يؤثر على اختراقها في المجالات الرأسية.
بالنسبة لـ Web3 AI ، توفر هذه الاتجاهات فرصًا جديدة. سابقًا ، في المنافسة على القدرة على "التوحيد" (الحوسبة والبيانات والخوارزميات) ، كانت الشركات التكنولوجية التقليدية تتمتع بميزة مطلقة ، وكان من الصعب على مشاريع Web3 المنافسة معها. لكن في بيئة النماذج المحلية والحوسبة على الحافة ، بدأت مزايا تقنية blockchain في الظهور.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط ما تتخصص فيه تقنية البلوكشين.
ظهرت في الصناعة بعض المشاريع الابتكارية التي تستهدف هذه المشكلات. على سبيل المثال، أطلقت بعض الشركات بروتوكولات اتصال البيانات، تهدف إلى حل مشكلة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. وهناك مشاريع أخرى تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، لبناء "طبقة تحقق بشرية"، وقد حققت بالفعل إيرادات ملحوظة. جميع هذه المحاولات تهدف إلى معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية إلا عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي على Web3، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التفكير بجدية في كيفية تقديم دعم البنية التحتية لتيار الذكاء الاصطناعي المحلي، وهو ما قد يكون اتجاهًا أكثر واعدًا.