Тренди в галузі штучного інтелекту: від хмари до локалізації
Останнім часом індустрія ШІ демонструє цікаву тенденцію розвитку: з початкового зосередження на великих обчислювальних потужностях і масштабних моделях, вона поступово еволюціонує в напрямку локальних малих моделей і обчислень на краю. Цю зміну можна спостерігати за кількома ознаками, такими як те, що Apple Intelligence охоплює велику кількість пристроїв, Microsoft представила спеціальну малу модель для Windows 11, а Google DeepMind також досліджує офлайн-операції роботів.
Хмарний AI та локальний AI мають явні відмінності у сферах конкуренції. Хмарний AI в основному змагається за масштаб параметрів і обсяги тренувальних даних, фінансові ресурси є ключовою конкурентною перевагою. Локальний AI більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзій загальних моделей може серйозно вплинути на їх застосування в конкретних областях.
Ця тенденція принесла нові можливості для проектів Web3 AI. Раніше у конкуренції за універсальні можливості традиційні великі технологічні компанії мали абсолютну перевагу, і проектам Web3 було важко з ними конкурувати. Але в новій епосі локалізованих моделей та краєвих обчислень переваги технології блокчейн почали проявлятися.
Коли модель AI працює на пристрої користувача, як можна забезпечити достовірність виходу? Як досягти співпраці моделей, захищаючи при цьому конфіденційність? Це саме ті області, в яких технології блокчейну є сильні. Вже існує кілька нових проектів Web3 AI, які почали звертати увагу на ці питання, наприклад, впроваджуючи протоколи зв'язку даних для вирішення проблеми монополії даних централізованих AI платформ або використовуючи пристрої для збору електроенцефалографічних даних для створення "шару штучної верифікації" тощо.
Можна сказати, що лише коли ШІ справді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того, щоб продовжувати внутрішню конкуренцію на загальних треках, краще серйозно задуматися над тим, як надати інфраструктурну підтримку локалізованій хвилі ШІ, можливо, це більш перспективний напрямок.
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.
Нові тенденції в AI-індустрії: від хмари до локалізованих Web3-проектів виникають нові можливості
Тренди в галузі штучного інтелекту: від хмари до локалізації
Останнім часом індустрія ШІ демонструє цікаву тенденцію розвитку: з початкового зосередження на великих обчислювальних потужностях і масштабних моделях, вона поступово еволюціонує в напрямку локальних малих моделей і обчислень на краю. Цю зміну можна спостерігати за кількома ознаками, такими як те, що Apple Intelligence охоплює велику кількість пристроїв, Microsoft представила спеціальну малу модель для Windows 11, а Google DeepMind також досліджує офлайн-операції роботів.
Хмарний AI та локальний AI мають явні відмінності у сферах конкуренції. Хмарний AI в основному змагається за масштаб параметрів і обсяги тренувальних даних, фінансові ресурси є ключовою конкурентною перевагою. Локальний AI більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзій загальних моделей може серйозно вплинути на їх застосування в конкретних областях.
Ця тенденція принесла нові можливості для проектів Web3 AI. Раніше у конкуренції за універсальні можливості традиційні великі технологічні компанії мали абсолютну перевагу, і проектам Web3 було важко з ними конкурувати. Але в новій епосі локалізованих моделей та краєвих обчислень переваги технології блокчейн почали проявлятися.
Коли модель AI працює на пристрої користувача, як можна забезпечити достовірність виходу? Як досягти співпраці моделей, захищаючи при цьому конфіденційність? Це саме ті області, в яких технології блокчейну є сильні. Вже існує кілька нових проектів Web3 AI, які почали звертати увагу на ці питання, наприклад, впроваджуючи протоколи зв'язку даних для вирішення проблеми монополії даних централізованих AI платформ або використовуючи пристрої для збору електроенцефалографічних даних для створення "шару штучної верифікації" тощо.
Можна сказати, що лише коли ШІ справді "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того, щоб продовжувати внутрішню конкуренцію на загальних треках, краще серйозно задуматися над тим, як надати інфраструктурну підтримку локалізованій хвилі ШІ, можливо, це більш перспективний напрямок.