Les tendances de la localisation dans l'industrie de l'IA et leur impact sur le Web3
Récemment, en observant le développement de l'industrie de l'IA, une tendance significative est en train de se former : de l'accent mis précédemment sur la concentration de la puissance de calcul à grande échelle et les grands modèles, il y a progressivement une évolution vers un nouveau direction axée sur les petits modèles locaux et le calcul en périphérie.
Cette tendance se manifeste dans plusieurs domaines. Par exemple, un géant de la technologie a déployé son système intelligent sur 500 millions d'appareils, une autre entreprise technologique a lancé un modèle compact de 3,3 milliards de paramètres pour son système d'exploitation, et un institut de recherche en IA réputé développe des technologies robotiques capables de fonctionner "hors ligne".
Il existe des différences significatives entre l'IA cloud et l'IA locale en termes de points de concurrence. L'IA cloud se concentre principalement sur l'échelle des paramètres et le volume des données d'entraînement, les ressources financières étant la principale force concurrentielle. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, offrant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cette différence provient principalement du problème d'"illusion" qui survient souvent lors de l'application de modèles généraux dans des domaines spécifiques, affectant leur pénétration dans des secteurs verticaux.
Pour l'IA Web3, cette tendance apporte de nouvelles opportunités. Auparavant, lors de la quête de capacités de "généralisation" (calcul, données, algorithmes), les géants technologiques traditionnels avaient un avantage absolu, rendant difficile la concurrence pour les projets Web3. Cependant, dans le nouvel environnement des modèles localisés et du calcul en périphérie, les avantages de la technologie blockchain commencent à se manifester.
Comment garantir l'authenticité des résultats produits lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs ? Comment réaliser une collaboration des modèles tout en protégeant la vie privée ? Ces questions sont précisément le domaine d'expertise de la technologie blockchain.
L'industrie a déjà vu émerger quelques projets innovants pour répondre à ces problèmes. Par exemple, certaines entreprises ont lancé des protocoles de communication de données visant à résoudre les problèmes de monopole et d'opacité des plateformes d'IA centralisées. D'autres projets collectent des données humaines réelles à l'aide d'appareils d'électroencéphalographie pour construire une "couche de validation humaine" et ont déjà généré des revenus considérables. Ces initiatives contribuent toutes aux efforts pour résoudre le problème de la "fiabilité" de l'IA locale.
Dans l'ensemble, la collaboration décentralisée ne pourra passer du concept à un besoin réel que lorsque l'IA sera véritablement "immergée" dans chaque appareil. Pour les projets Web3 AI, il pourrait être plus prometteur de réfléchir sérieusement à la manière de fournir un soutien infrastructurel à la vague d'IA localisée, plutôt que de continuer à rivaliser sur le terrain de la généralisation.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
12 J'aime
Récompense
12
3
Partager
Commentaire
0/400
FarmHopper
· Il y a 21h
Les petits modèles sont une opportunité !
Voir l'originalRépondre0
GasBankrupter
· Il y a 21h
On ne peut pas manger, à quoi ça sert ?
Voir l'originalRépondre0
OnchainSniper
· Il y a 21h
Les petits modèles sont vraiment intéressants, ceux qui comprennent, utilisent.
La montée des tendances de localisation de l'IA : comment le Web3 saisit de nouvelles opportunités
Les tendances de la localisation dans l'industrie de l'IA et leur impact sur le Web3
Récemment, en observant le développement de l'industrie de l'IA, une tendance significative est en train de se former : de l'accent mis précédemment sur la concentration de la puissance de calcul à grande échelle et les grands modèles, il y a progressivement une évolution vers un nouveau direction axée sur les petits modèles locaux et le calcul en périphérie.
Cette tendance se manifeste dans plusieurs domaines. Par exemple, un géant de la technologie a déployé son système intelligent sur 500 millions d'appareils, une autre entreprise technologique a lancé un modèle compact de 3,3 milliards de paramètres pour son système d'exploitation, et un institut de recherche en IA réputé développe des technologies robotiques capables de fonctionner "hors ligne".
Il existe des différences significatives entre l'IA cloud et l'IA locale en termes de points de concurrence. L'IA cloud se concentre principalement sur l'échelle des paramètres et le volume des données d'entraînement, les ressources financières étant la principale force concurrentielle. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, offrant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cette différence provient principalement du problème d'"illusion" qui survient souvent lors de l'application de modèles généraux dans des domaines spécifiques, affectant leur pénétration dans des secteurs verticaux.
Pour l'IA Web3, cette tendance apporte de nouvelles opportunités. Auparavant, lors de la quête de capacités de "généralisation" (calcul, données, algorithmes), les géants technologiques traditionnels avaient un avantage absolu, rendant difficile la concurrence pour les projets Web3. Cependant, dans le nouvel environnement des modèles localisés et du calcul en périphérie, les avantages de la technologie blockchain commencent à se manifester.
Comment garantir l'authenticité des résultats produits lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs ? Comment réaliser une collaboration des modèles tout en protégeant la vie privée ? Ces questions sont précisément le domaine d'expertise de la technologie blockchain.
L'industrie a déjà vu émerger quelques projets innovants pour répondre à ces problèmes. Par exemple, certaines entreprises ont lancé des protocoles de communication de données visant à résoudre les problèmes de monopole et d'opacité des plateformes d'IA centralisées. D'autres projets collectent des données humaines réelles à l'aide d'appareils d'électroencéphalographie pour construire une "couche de validation humaine" et ont déjà généré des revenus considérables. Ces initiatives contribuent toutes aux efforts pour résoudre le problème de la "fiabilité" de l'IA locale.
Dans l'ensemble, la collaboration décentralisée ne pourra passer du concept à un besoin réel que lorsque l'IA sera véritablement "immergée" dans chaque appareil. Pour les projets Web3 AI, il pourrait être plus prometteur de réfléchir sérieusement à la manière de fournir un soutien infrastructurel à la vague d'IA localisée, plutôt que de continuer à rivaliser sur le terrain de la généralisation.