Nouvelles tendances dans l'industrie de l'IA : du cloud à la localisation
Récemment, l'industrie de l'IA présente une tendance de développement intéressante : passant de l'orientation principale axée sur la puissance de calcul à grande échelle et les grands modèles, elle a progressivement dégagé une nouvelle voie orientée vers des modèles locaux de petite taille et le calcul en périphérie.
Cette tendance se manifeste dans plusieurs domaines. Par exemple, le système intelligent d'un géant technologique couvre 500 millions d'appareils, un autre géant du logiciel a lancé un modèle compact de 330 millions de paramètres pour son dernier système d'exploitation, et une institution de recherche en IA réputée développe une technologie robotique capable de fonctionner "hors ligne".
Il existe des différences significatives entre l'IA cloud et l'IA locale en termes de points de concurrence. L'IA cloud se concentre principalement sur l'échelle des paramètres et la quantité de données d'entraînement, la force financière devenant une compétence clé. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, ayant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cela est particulièrement important, car le problème d'illusion des modèles généraux peut gravement affecter leur application dans des domaines spécifiques.
Cette transformation offre de nouvelles opportunités aux projets AI Web3. Dans la compétition "généralisée" du passé, les géants de la technologie traditionnels ont dominé grâce à leurs ressources, technologies et bases d'utilisateurs. Les projets Web3 ont eu du mal à rivaliser. Cependant, dans le nouveau paysage des modèles de localisation et du calcul en périphérie, les avantages de la technologie blockchain commencent à se manifester.
Comment garantir l'authenticité des résultats lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs ? Comment réaliser la collaboration des modèles tout en protégeant la vie privée ? Ces questions relèvent précisément de l'expertise de la technologie blockchain.
Il existe déjà quelques projets innovants dans l'industrie pour aborder ces problèmes. Par exemple, un protocole de communication de données vise à résoudre les problèmes de monopole et d'opacité des données des plateformes d'IA centralisées. D'autres projets collectent des données humaines réelles à l'aide d'appareils EEG pour construire une "couche de validation humaine", ayant déjà généré des revenus significatifs. Ces tentatives contribuent toutes à résoudre le problème de la fiabilité de l'IA locale.
Dans l'ensemble, la collaboration décentralisée ne peut devenir une nécessité réelle que lorsque l'IA "plonge" vraiment dans chaque appareil. Pour les projets Web3 AI, il est peut-être plus prometteur de se concentrer sur le soutien à l'infrastructure pour le mouvement de l'IA localisée, plutôt que de rivaliser dans une voie généralisée déjà encombrée.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
11 J'aime
Récompense
11
4
Partager
Commentaire
0/400
EthSandwichHero
· 08-01 08:25
Enfin, je peux rivaliser avec les grandes entreprises.
Voir l'originalRépondre0
Hash_Bandit
· 07-29 22:16
il était temps... les mineurs attendent l'informatique en périphérie depuis 2017 pour être honnête. l'efficacité du réseau est la clé ici
Voir l'originalRépondre0
shadowy_supercoder
· 07-29 22:12
Eh bien, les infrastructures de base sont en train d'être construites.
Voir l'originalRépondre0
LiquidityNinja
· 07-29 22:09
Sans mots, encore une fois, on relance le concept.
Nouvelles tendances de l'IA : les modèles de localisation offrent des opportunités pour les projets Web3
Nouvelles tendances dans l'industrie de l'IA : du cloud à la localisation
Récemment, l'industrie de l'IA présente une tendance de développement intéressante : passant de l'orientation principale axée sur la puissance de calcul à grande échelle et les grands modèles, elle a progressivement dégagé une nouvelle voie orientée vers des modèles locaux de petite taille et le calcul en périphérie.
Cette tendance se manifeste dans plusieurs domaines. Par exemple, le système intelligent d'un géant technologique couvre 500 millions d'appareils, un autre géant du logiciel a lancé un modèle compact de 330 millions de paramètres pour son dernier système d'exploitation, et une institution de recherche en IA réputée développe une technologie robotique capable de fonctionner "hors ligne".
Il existe des différences significatives entre l'IA cloud et l'IA locale en termes de points de concurrence. L'IA cloud se concentre principalement sur l'échelle des paramètres et la quantité de données d'entraînement, la force financière devenant une compétence clé. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, ayant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cela est particulièrement important, car le problème d'illusion des modèles généraux peut gravement affecter leur application dans des domaines spécifiques.
Cette transformation offre de nouvelles opportunités aux projets AI Web3. Dans la compétition "généralisée" du passé, les géants de la technologie traditionnels ont dominé grâce à leurs ressources, technologies et bases d'utilisateurs. Les projets Web3 ont eu du mal à rivaliser. Cependant, dans le nouveau paysage des modèles de localisation et du calcul en périphérie, les avantages de la technologie blockchain commencent à se manifester.
Comment garantir l'authenticité des résultats lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs ? Comment réaliser la collaboration des modèles tout en protégeant la vie privée ? Ces questions relèvent précisément de l'expertise de la technologie blockchain.
Il existe déjà quelques projets innovants dans l'industrie pour aborder ces problèmes. Par exemple, un protocole de communication de données vise à résoudre les problèmes de monopole et d'opacité des données des plateformes d'IA centralisées. D'autres projets collectent des données humaines réelles à l'aide d'appareils EEG pour construire une "couche de validation humaine", ayant déjà généré des revenus significatifs. Ces tentatives contribuent toutes à résoudre le problème de la fiabilité de l'IA locale.
Dans l'ensemble, la collaboration décentralisée ne peut devenir une nécessité réelle que lorsque l'IA "plonge" vraiment dans chaque appareil. Pour les projets Web3 AI, il est peut-être plus prometteur de se concentrer sur le soutien à l'infrastructure pour le mouvement de l'IA localisée, plutôt que de rivaliser dans une voie généralisée déjà encombrée.