Нові тенденції в AI-індустрії: перехід від хмари до локального
Нещодавно в індустрії штучного інтелекту з'явилася помітна тенденція: від колишнього фокусу на великих хмарних моделях і централізованих обчисленнях поступово розвивається новий напрямок, що орієнтується на локальні малі моделі та обчислення на краю. Це зміна підтверджується з кількох аспектів, включаючи те, що технології AI компанії Apple охоплюють 500 мільйонів пристроїв, Microsoft запустила спеціальну малу модель Mu з кількістю параметрів 330 мільйонів для Windows 11, а також робот, розроблений Google DeepMind, який може працювати офлайн.
Ця зміна призвела до суттєвих відмінностей. Хмарний ШІ в основному покладається на величезну кількість параметрів і масивні навчальні дані, тому фінансова спроможність стала ключовою конкурентною перевагою. На відміну від цього, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до конкретних сценаріїв, має переваги в захисті конфіденційності користувачів, підвищенні надійності та практичності. Це особливо важливо, оскільки проблеми "галюцинацій", які часто виникають у загальних моделях під час застосування в конкретних сферах, можуть серйозно вплинути на їх проникнення в вертикальні галузі.
Ця тенденція відкриває нові можливості для проектів Web3 AI. У минулому, коли конкурентоспроможність у галузі зосереджувалася на "універсальних" можливостях (таких як обчислення, дані та алгоритми), традиційні технологічні гіганти природно займали домінуючу позицію. У цій ситуації просто застосувати концепцію децентралізації для конкуренції з такими гігантами, як Google, Amazon Web Services або OpenAI, безумовно, нереалістично, оскільки ці нові проекти не мають ні ресурсів і технологічних переваг, ні міцної користувацької бази.
Однак, з розвитком локалізаційних моделей та обчислень на краю, перспективи застосування технології блокчейн у сфері ШІ стали ще більш широкими. Коли моделі ШІ працюють на власних пристроях користувачів, як забезпечити достовірність вихідних даних і запобігти їх підробці? Як досягти співпраці між моделями, захищаючи при цьому конфіденційність? Ці питання є перевагами технології блокчейн.
В галузі вже з'явилися деякі нові Web3 AI проєкти, спрямовані на ці виклики. Наприклад, нещодавно проєкт, який отримав інвестиції в розмірі 10 мільйонів доларів, запустив протокол зв'язку даних, що має на меті вирішити проблеми монополії даних та "чорної скриньки", притаманні централізованим AI платформам. Інший проєкт за допомогою пристроїв для зчитування електроенцефалограм збирає реальні дані людей, створюючи "шар штучної верифікації", вже отримав 14 мільйонів доларів доходу. Ці проєкти намагаються вирішити проблему "достовірності" місцевого AI.
В цілому, лише коли технології ШІ дійсно "заглибляться" в кожний пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 ШІ, замість того щоб продовжувати конкурувати на вже переповненій універсальній арені, краще серйозно подумати про те, як надати необхідну інфраструктурну підтримку для локалізованої хвилі ШІ. Це може бути більш перспективним напрямком розвитку.
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.
16 лайків
Нагородити
16
5
Репост
Поділіться
Прокоментувати
0/400
SighingCashier
· 07-22 09:13
AI крайня пастка вже забагато, так?
Переглянути оригіналвідповісти на0
MEVHunterWang
· 07-22 09:12
Місцеві тенденції досить хороші, також покращилась конфіденційність.
Тренди локалізації ШІ: Нові можливості та виклики для проектів Web3
Нові тенденції в AI-індустрії: перехід від хмари до локального
Нещодавно в індустрії штучного інтелекту з'явилася помітна тенденція: від колишнього фокусу на великих хмарних моделях і централізованих обчисленнях поступово розвивається новий напрямок, що орієнтується на локальні малі моделі та обчислення на краю. Це зміна підтверджується з кількох аспектів, включаючи те, що технології AI компанії Apple охоплюють 500 мільйонів пристроїв, Microsoft запустила спеціальну малу модель Mu з кількістю параметрів 330 мільйонів для Windows 11, а також робот, розроблений Google DeepMind, який може працювати офлайн.
Ця зміна призвела до суттєвих відмінностей. Хмарний ШІ в основному покладається на величезну кількість параметрів і масивні навчальні дані, тому фінансова спроможність стала ключовою конкурентною перевагою. На відміну від цього, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до конкретних сценаріїв, має переваги в захисті конфіденційності користувачів, підвищенні надійності та практичності. Це особливо важливо, оскільки проблеми "галюцинацій", які часто виникають у загальних моделях під час застосування в конкретних сферах, можуть серйозно вплинути на їх проникнення в вертикальні галузі.
Ця тенденція відкриває нові можливості для проектів Web3 AI. У минулому, коли конкурентоспроможність у галузі зосереджувалася на "універсальних" можливостях (таких як обчислення, дані та алгоритми), традиційні технологічні гіганти природно займали домінуючу позицію. У цій ситуації просто застосувати концепцію децентралізації для конкуренції з такими гігантами, як Google, Amazon Web Services або OpenAI, безумовно, нереалістично, оскільки ці нові проекти не мають ні ресурсів і технологічних переваг, ні міцної користувацької бази.
Однак, з розвитком локалізаційних моделей та обчислень на краю, перспективи застосування технології блокчейн у сфері ШІ стали ще більш широкими. Коли моделі ШІ працюють на власних пристроях користувачів, як забезпечити достовірність вихідних даних і запобігти їх підробці? Як досягти співпраці між моделями, захищаючи при цьому конфіденційність? Ці питання є перевагами технології блокчейн.
В галузі вже з'явилися деякі нові Web3 AI проєкти, спрямовані на ці виклики. Наприклад, нещодавно проєкт, який отримав інвестиції в розмірі 10 мільйонів доларів, запустив протокол зв'язку даних, що має на меті вирішити проблеми монополії даних та "чорної скриньки", притаманні централізованим AI платформам. Інший проєкт за допомогою пристроїв для зчитування електроенцефалограм збирає реальні дані людей, створюючи "шар штучної верифікації", вже отримав 14 мільйонів доларів доходу. Ці проєкти намагаються вирішити проблему "достовірності" місцевого AI.
В цілому, лише коли технології ШІ дійсно "заглибляться" в кожний пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 ШІ, замість того щоб продовжувати конкурувати на вже переповненій універсальній арені, краще серйозно подумати про те, як надати необхідну інфраструктурну підтримку для локалізованої хвилі ШІ. Це може бути більш перспективним напрямком розвитку.