Тенденції локалізації в галузі штучного інтелекту та їх вплив на Web3
Нещодавно спостерігаючи за розвитком AI-індустрії, яскраво виражена тенденція почала формуватися: з раніше загальної уваги до концентрації великих обчислювальних потужностей та великих моделей, поступово виникає новий напрямок, що акцентує увагу на локальних малих моделях та крайових обчисленнях.
Ця тенденція проявляється в кількох сферах. Наприклад, розумна система одного з технологічних гігантів охопила 500 мільйонів пристроїв, інша технологічна компанія запустила спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи, а відома дослідницька організація в галузі ШІ розробляє робототехніку, здатну працювати в "офлайн" режимі.
Хмарний ШІ та локальний ШІ мають очевидні відмінності у своїх конкурентних акцентах. Хмарний ШІ в основному змагається за масштаб параметрів та обсяг тренувальних даних, фінансова спроможність є основною конкурентною перевагою. У свою чергу, локальний ШІ більше зосереджується на оптимізації інженерії та адаптації до сцен, має переваги в захисті конфіденційності, надійності та практичності. Ця різниця в основному виникає через проблему "галюцинацій", яка часто виникає у загальних моделях при їх застосуванні в специфічних сферах, що впливає на їх проникнення в вертикальні області.
Для Web3 AI ця тенденція приносить нові можливості. Раніше, у змаганні за «універсальністю» (обчислення, дані, алгоритми), традиційні технологічні гіганти мали абсолютну перевагу, проекти Web3 важко було порівняти з ними. Але в новому середовищі локалізованих моделей та краєвих обчислень переваги технології блокчейн починають проявлятися.
Коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання якраз є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі інноваційні проекти, спрямовані на вирішення цих проблем. Наприклад, деякі компанії розробили протокол передачі даних, щоб вирішити питання монополії та непрозорості даних централізованих AI платформ. Інші проекти здійснюють збір реальних даних людей за допомогою пристроїв для зчитування електроенцефалограм, створюючи "шар штучної верифікації", і вже отримали значний дохід. Ці спроби сприяють вирішенню проблеми "довіри" у локальному AI.
Загалом, лише коли ШІ справді «зглине» в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати змагатися на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку локалізованій хвилі ШІ, що може бути більш перспективним напрямком.
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.
14 лайків
Нагородити
14
3
Поділіться
Прокоментувати
0/400
FarmHopper
· 08-06 05:23
Маленька модель - це можливість!
Переглянути оригіналвідповісти на0
GasBankrupter
· 08-06 05:23
І що з того, якщо це не можна їсти?
Переглянути оригіналвідповісти на0
OnchainSniper
· 08-06 05:18
Маленька модель справжня знахідка, хто розуміє, той і використовує.
Виникнення тенденцій локалізації штучного інтелекту: як Web3 може скористатися новими можливостями
Тенденції локалізації в галузі штучного інтелекту та їх вплив на Web3
Нещодавно спостерігаючи за розвитком AI-індустрії, яскраво виражена тенденція почала формуватися: з раніше загальної уваги до концентрації великих обчислювальних потужностей та великих моделей, поступово виникає новий напрямок, що акцентує увагу на локальних малих моделях та крайових обчисленнях.
Ця тенденція проявляється в кількох сферах. Наприклад, розумна система одного з технологічних гігантів охопила 500 мільйонів пристроїв, інша технологічна компанія запустила спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи, а відома дослідницька організація в галузі ШІ розробляє робототехніку, здатну працювати в "офлайн" режимі.
Хмарний ШІ та локальний ШІ мають очевидні відмінності у своїх конкурентних акцентах. Хмарний ШІ в основному змагається за масштаб параметрів та обсяг тренувальних даних, фінансова спроможність є основною конкурентною перевагою. У свою чергу, локальний ШІ більше зосереджується на оптимізації інженерії та адаптації до сцен, має переваги в захисті конфіденційності, надійності та практичності. Ця різниця в основному виникає через проблему "галюцинацій", яка часто виникає у загальних моделях при їх застосуванні в специфічних сферах, що впливає на їх проникнення в вертикальні області.
Для Web3 AI ця тенденція приносить нові можливості. Раніше, у змаганні за «універсальністю» (обчислення, дані, алгоритми), традиційні технологічні гіганти мали абсолютну перевагу, проекти Web3 важко було порівняти з ними. Але в новому середовищі локалізованих моделей та краєвих обчислень переваги технології блокчейн починають проявлятися.
Коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання якраз є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі інноваційні проекти, спрямовані на вирішення цих проблем. Наприклад, деякі компанії розробили протокол передачі даних, щоб вирішити питання монополії та непрозорості даних централізованих AI платформ. Інші проекти здійснюють збір реальних даних людей за допомогою пристроїв для зчитування електроенцефалограм, створюючи "шар штучної верифікації", і вже отримали значний дохід. Ці спроби сприяють вирішенню проблеми "довіри" у локальному AI.
Загалом, лише коли ШІ справді «зглине» в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати змагатися на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку локалізованій хвилі ШІ, що може бути більш перспективним напрямком.