اتجاهات صناعة الذكاء الاصطناعي: من السحابة إلى المحلي
تشهد صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا مثيرًا في التطور: من التركيز السابق على قدرات الحساب الضخمة والنماذج الكبيرة، تطورت تدريجيًا إلى فرع يميل إلى النماذج المحلية الصغيرة والحوسبة الطرفية. يمكن ملاحظة هذا التغيير من عدة علامات، مثل تغطية Apple Intelligence للعديد من الأجهزة، وإصدار مايكروسوفت لنموذج صغير مخصص لنظام Windows 11، واستكشاف Google DeepMind أيضًا لعمليات الروبوتات غير المتصلة بالإنترنت.
توجد اختلافات واضحة في تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الذكاء الاصطناعي السحابي ينافس بشكل رئيسي في حجم المعلمات وبيانات التدريب، حيث تعتبر الموارد المالية هي القوة التنافسية الأساسية. بينما يركز الذكاء الاصطناعي المحلي بشكل أكبر على تحسين الهندسة وتكييف المشاهد، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلات الوهم في النماذج العامة قد تؤثر بشكل كبير على تطبيقها في مجالات معينة.
تقدم هذه الاتجاهات فرصًا جديدة لمشاريع Web3 AI. في الماضي، كانت الشركات الكبيرة التقليدية تتمتع بميزة مطلقة في المنافسة على القدرة العامة، وكان من الصعب على مشاريع Web3 المنافسة معها. ولكن في ظل النموذج المحلي والحوسبة الطرفية الجديد، بدأت مزايا تقنية blockchain في الظهور.
عند تشغيل نموذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان دقة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي المجالات التي تتفوق فيها تقنية blockchain. لقد بدأت بعض مشاريع Web3 AI الناشئة بالتركيز على هذه القضايا، مثل إطلاق بروتوكولات الاتصالات البيانية لحل مشكلة احتكار البيانات من منصات الذكاء الاصطناعي المركزية، أو استخدام أجهزة تخطيط الدماغ لجمع بيانات بشرية حقيقية لبناء "طبقة تحقق اصطناعي" وما إلى ذلك.
يمكن القول إنه فقط عندما تتعمق الذكاء الاصطناعي "في كل جهاز"، يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية حول كيفية تقديم الدعم للبنية التحتية لتيار الذكاء الاصطناعي المحلي، وقد يكون هذا اتجاهًا أكثر وعدًا.
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.
تسجيلات الإعجاب 17
أعجبني
17
5
مشاركة
تعليق
0/400
rugpull_survivor
· 08-05 00:07
يبدو كأنه مضاربة صغيرة.
شاهد النسخة الأصليةرد0
MentalWealthHarvester
· 08-04 10:31
ها，让 قوة الحوسبة تعود إلى المنزل. أنا أحب هذه النغمة.
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى المشاريع المحلية في Web3 التي تستقبل فرص جديدة
اتجاهات صناعة الذكاء الاصطناعي: من السحابة إلى المحلي
تشهد صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا مثيرًا في التطور: من التركيز السابق على قدرات الحساب الضخمة والنماذج الكبيرة، تطورت تدريجيًا إلى فرع يميل إلى النماذج المحلية الصغيرة والحوسبة الطرفية. يمكن ملاحظة هذا التغيير من عدة علامات، مثل تغطية Apple Intelligence للعديد من الأجهزة، وإصدار مايكروسوفت لنموذج صغير مخصص لنظام Windows 11، واستكشاف Google DeepMind أيضًا لعمليات الروبوتات غير المتصلة بالإنترنت.
توجد اختلافات واضحة في تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الذكاء الاصطناعي السحابي ينافس بشكل رئيسي في حجم المعلمات وبيانات التدريب، حيث تعتبر الموارد المالية هي القوة التنافسية الأساسية. بينما يركز الذكاء الاصطناعي المحلي بشكل أكبر على تحسين الهندسة وتكييف المشاهد، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلات الوهم في النماذج العامة قد تؤثر بشكل كبير على تطبيقها في مجالات معينة.
تقدم هذه الاتجاهات فرصًا جديدة لمشاريع Web3 AI. في الماضي، كانت الشركات الكبيرة التقليدية تتمتع بميزة مطلقة في المنافسة على القدرة العامة، وكان من الصعب على مشاريع Web3 المنافسة معها. ولكن في ظل النموذج المحلي والحوسبة الطرفية الجديد، بدأت مزايا تقنية blockchain في الظهور.
عند تشغيل نموذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان دقة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي المجالات التي تتفوق فيها تقنية blockchain. لقد بدأت بعض مشاريع Web3 AI الناشئة بالتركيز على هذه القضايا، مثل إطلاق بروتوكولات الاتصالات البيانية لحل مشكلة احتكار البيانات من منصات الذكاء الاصطناعي المركزية، أو استخدام أجهزة تخطيط الدماغ لجمع بيانات بشرية حقيقية لبناء "طبقة تحقق اصطناعي" وما إلى ذلك.
يمكن القول إنه فقط عندما تتعمق الذكاء الاصطناعي "في كل جهاز"، يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية حول كيفية تقديم الدعم للبنية التحتية لتيار الذكاء الاصطناعي المحلي، وقد يكون هذا اتجاهًا أكثر وعدًا.