الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى التوطين
مؤخراً، يظهر قطاع الذكاء الاصطناعي اتجاه تطوير مثير للاهتمام: من الاتجاه الرئيسي الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الضخمة، بدأت تتفرع تدريجياً مسار جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
تتجلى هذه الاتجاهات في عدة مجالات. على سبيل المثال، تم تغطية 500 مليون جهاز بواسطة نظام ذكي لشركة تكنولوجيا كبرى، بينما أصدرت شركة برمجيات كبرى نموذجاً صغيراً مخصصاً يتضمن 330 مليون معلمة لنظام تشغيلها الأحدث، وهناك مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي تعمل على تطوير تقنيات الروبوتات التي يمكن أن تعمل "بشكل غير متصل".
توجد اختلافات ملحوظة في نقاط التركيز التنافسية بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم المعلمات وكمية بيانات التدريب، حيث تصبح القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يولي الذكاء الاصطناعي المحلي اهتمامًا أكبر لتحسين الهندسة وتكييف المشاهد، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. هذه النقطة مهمة بشكل خاص، لأن مشكلة الوهم في النماذج العامة قد تؤثر بشكل خطير على تطبيقاتها في مجالات معينة.
هذا التحول يجلب فرصًا جديدة لمشاريع Web3 AI. في المنافسة السابقة "لتعميم"، كانت الشركات الكبرى التقليدية تهيمن بفضل مواردها وتقنياتها وقاعدة مستخدميها، مما جعل من الصعب على مشاريع Web3 المنافسة. ومع ذلك، تحت النموذج المحلي والبيئة الجديدة للحوسبة الطرفية، بدأت مزايا تقنية blockchain تظهر.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان مصداقية النتائج التي يتم إخراجها؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط المجالات التي تتخصص فيها تقنية blockchain.
ظهرت بالفعل بعض المشاريع الابتكارية في الصناعة لمعالجة هذه القضايا. على سبيل المثال، تم تصميم بروتوكول بيانات معين لمعالجة مسألة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تجمع البيانات البشرية الحقيقية من خلال أجهزة موجات الدماغ، لبناء "طبقة التحقق الاصطناعي"، وقد حققت إيرادات ملحوظة. كل هذه المحاولات تبذل جهودًا لحل مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لن يتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من المنافسة في حلبة مزدحمة بالفعل، من الأفضل التركيز على توفير دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية، وهو ما قد يكون 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 11
أعجبني
11
4
مشاركة
تعليق
0/400
EthSandwichHero
· 08-01 08:25
أخيرًا يمكنني التنافس مع الشركات الكبرى
شاهد النسخة الأصليةرد0
Hash_Bandit
· 07-29 22:16
لقد حان الوقت... لقد كان عمال المناجم ينتظرون الحوسبة الطرفية منذ عام 2017 بصراحة. كفاءة الشبكة هي المفتاح هنا
شاهد النسخة الأصليةرد0
shadowy_supercoder
· 07-29 22:12
يا إلهي، البنية التحتية الأساسية، نعم، بُنيت.
شاهد النسخة الأصليةرد0
LiquidityNinja
· 07-29 22:09
لا أستطيع الكلام، لقد عادوا لتداول المفاهيم مرة أخرى
اتجاهات جديدة في الذكاء الاصطناعي: النماذج المحلية تقدم فرصاً لمشاريع الويب 3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى التوطين
مؤخراً، يظهر قطاع الذكاء الاصطناعي اتجاه تطوير مثير للاهتمام: من الاتجاه الرئيسي الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الضخمة، بدأت تتفرع تدريجياً مسار جديد يميل نحو النماذج الصغيرة المحلية والحوسبة الطرفية.
تتجلى هذه الاتجاهات في عدة مجالات. على سبيل المثال، تم تغطية 500 مليون جهاز بواسطة نظام ذكي لشركة تكنولوجيا كبرى، بينما أصدرت شركة برمجيات كبرى نموذجاً صغيراً مخصصاً يتضمن 330 مليون معلمة لنظام تشغيلها الأحدث، وهناك مؤسسة بحثية معروفة في مجال الذكاء الاصطناعي تعمل على تطوير تقنيات الروبوتات التي يمكن أن تعمل "بشكل غير متصل".
توجد اختلافات ملحوظة في نقاط التركيز التنافسية بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم المعلمات وكمية بيانات التدريب، حيث تصبح القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يولي الذكاء الاصطناعي المحلي اهتمامًا أكبر لتحسين الهندسة وتكييف المشاهد، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. هذه النقطة مهمة بشكل خاص، لأن مشكلة الوهم في النماذج العامة قد تؤثر بشكل خطير على تطبيقاتها في مجالات معينة.
هذا التحول يجلب فرصًا جديدة لمشاريع Web3 AI. في المنافسة السابقة "لتعميم"، كانت الشركات الكبرى التقليدية تهيمن بفضل مواردها وتقنياتها وقاعدة مستخدميها، مما جعل من الصعب على مشاريع Web3 المنافسة. ومع ذلك، تحت النموذج المحلي والبيئة الجديدة للحوسبة الطرفية، بدأت مزايا تقنية blockchain تظهر.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان مصداقية النتائج التي يتم إخراجها؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط المجالات التي تتخصص فيها تقنية blockchain.
ظهرت بالفعل بعض المشاريع الابتكارية في الصناعة لمعالجة هذه القضايا. على سبيل المثال، تم تصميم بروتوكول بيانات معين لمعالجة مسألة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تجمع البيانات البشرية الحقيقية من خلال أجهزة موجات الدماغ، لبناء "طبقة التحقق الاصطناعي"، وقد حققت إيرادات ملحوظة. كل هذه المحاولات تبذل جهودًا لحل مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لن يتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من المنافسة في حلبة مزدحمة بالفعل، من الأفضل التركيز على توفير دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية، وهو ما قد يكون اتجاهًا أكثر وعدًا.