اتجاهات التوطين في صناعة الذكاء الاصطناعي وفرص Web3
في الآونة الأخيرة، يظهر قطاع الذكاء الاصطناعي اتجاهًا نحو "الانخفاض"، حيث انتقل من التركيز السابق على تركيز القوة الحاسوبية الكبيرة والنماذج الكبيرة إلى فرع جديد يميل نحو النماذج المحلية الصغيرة والحوسبة الطرفية. يتم تجسيد هذا الاتجاه في مجالات متعددة، بما في ذلك تغطية تقنيات آبل الذكية للعديد من الأجهزة، وإطلاق مايكروسوفت لنموذج صغير مخصص لنظام ويندوز 11، وتطوير تقنية الروبوتات غير المتصلة بالإنترنت من قبل جوجل DeepMind.
توجد اختلافات واضحة في نقاط التركيز التنافسية بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم النموذج وكمية بيانات التدريب، مما يجعل القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشاهد، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل أساسي من مشكلة الهلوسة التي قد تحدث عند تطبيق النماذج العامة في مشاهد محددة، مما يؤثر على استخدامها في المجالات الرأسية.
تتيح هذه الاتجاهات فرصًا جديدة لـ Web3 AI. في مرحلة السعي نحو القدرة "العامة"، تهيمن شركات التكنولوجيا التقليدية على السوق بفضل ميزاتها من الموارد والتكنولوجيا وقاعدة المستخدمين، مما يجعل مشروعات Web3 تواجه صعوبة في المنافسة. ومع ذلك، مع ظهور نماذج محلية وحوسبة الحافة، بدأت مزايا تكنولوجيا blockchain في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على أجهزة المستخدمين، فإن كيفية ضمان صحة نتائج الإخراج وكيفية تحقيق التعاون بين النماذج مع حماية الخصوصية هي بالضبط المجالات التي تتخصص فيها تقنية blockchain. وهذا يوفر اتجاهات جديدة للتطوير لمشاريع Web3 AI.
بعض مشاريع Web3 AI الناشئة بدأت بالفعل في استكشاف هذا المجال. على سبيل المثال، البروتوكول الخاص بنقل البيانات الذي أطلقته إحدى الشركات يهدف إلى حل مشكلات احتكار البيانات والشفافية في منصات الذكاء الاصطناعي المركزية. شركة أخرى تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، وتبني "طبقة التحقق الاصطناعي"، وقد حققت نتائج أولية. جميع هذه المشاريع تحاول حل مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية إلا عندما "تنزل" الذكاء الاصطناعي فعليًا إلى كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التركيز على تقديم الدعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية، والتي قد تكون اتجاهًا أكثر وعدًا للتطور.
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.
تزايد اتجاهات التوطين الذكاء الاصطناعي ، وWeb3 يرحب بفرص جديدة
اتجاهات التوطين في صناعة الذكاء الاصطناعي وفرص Web3
في الآونة الأخيرة، يظهر قطاع الذكاء الاصطناعي اتجاهًا نحو "الانخفاض"، حيث انتقل من التركيز السابق على تركيز القوة الحاسوبية الكبيرة والنماذج الكبيرة إلى فرع جديد يميل نحو النماذج المحلية الصغيرة والحوسبة الطرفية. يتم تجسيد هذا الاتجاه في مجالات متعددة، بما في ذلك تغطية تقنيات آبل الذكية للعديد من الأجهزة، وإطلاق مايكروسوفت لنموذج صغير مخصص لنظام ويندوز 11، وتطوير تقنية الروبوتات غير المتصلة بالإنترنت من قبل جوجل DeepMind.
توجد اختلافات واضحة في نقاط التركيز التنافسية بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم النموذج وكمية بيانات التدريب، مما يجعل القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشاهد، ويتميز في مجالات حماية الخصوصية والموثوقية والعملية. تنبع هذه الاختلافات بشكل أساسي من مشكلة الهلوسة التي قد تحدث عند تطبيق النماذج العامة في مشاهد محددة، مما يؤثر على استخدامها في المجالات الرأسية.
تتيح هذه الاتجاهات فرصًا جديدة لـ Web3 AI. في مرحلة السعي نحو القدرة "العامة"، تهيمن شركات التكنولوجيا التقليدية على السوق بفضل ميزاتها من الموارد والتكنولوجيا وقاعدة المستخدمين، مما يجعل مشروعات Web3 تواجه صعوبة في المنافسة. ومع ذلك، مع ظهور نماذج محلية وحوسبة الحافة، بدأت مزايا تكنولوجيا blockchain في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على أجهزة المستخدمين، فإن كيفية ضمان صحة نتائج الإخراج وكيفية تحقيق التعاون بين النماذج مع حماية الخصوصية هي بالضبط المجالات التي تتخصص فيها تقنية blockchain. وهذا يوفر اتجاهات جديدة للتطوير لمشاريع Web3 AI.
بعض مشاريع Web3 AI الناشئة بدأت بالفعل في استكشاف هذا المجال. على سبيل المثال، البروتوكول الخاص بنقل البيانات الذي أطلقته إحدى الشركات يهدف إلى حل مشكلات احتكار البيانات والشفافية في منصات الذكاء الاصطناعي المركزية. شركة أخرى تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، وتبني "طبقة التحقق الاصطناعي"، وقد حققت نتائج أولية. جميع هذه المشاريع تحاول حل مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لا يمكن أن يتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية إلا عندما "تنزل" الذكاء الاصطناعي فعليًا إلى كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التركيز على تقديم الدعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية، والتي قد تكون اتجاهًا أكثر وعدًا للتطور.