Нові тенденції в галузі штучного інтелекту: від хмари до локалізації
Останнім часом в індустрії ШІ спостерігається цікава тенденція розвитку: з основного напрямку, що акцентує увагу на великомасштабних обчислювальних потужностях і великих моделях, поступово виникає новий шлях, орієнтований на локальні малі моделі та обчислення на краю.
Цей тренд проявляється в багатьох сферах. Наприклад, один з технологічних гігантів впровадив свої смарт-системи на 500 мільйонах пристроїв, інший програмний гігант запустив спеціалізовану малу модель з 330 мільйонами параметрів для своєї новітньої операційної системи, а відомий дослідницький інститут ШІ працює над технологією роботів, здатних працювати в "офлайн" режимі.
Хмарний ШІ та локальний ШІ мають значні відмінності в акцентах конкуренції. Хмарний ШІ переважно змагається за масштаб параметрів і обсяги навчальних даних, фінансові ресурси стають основною конкурентною перевагою. У порівнянні з цим, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Це особливо важливо, оскільки проблема ілюзій загальних моделей може серйозно вплинути на їх застосування в конкретних сферах.
Ця трансформація принесла нові можливості для проектів Web3 AI. У минулій конкуренції за "універсальність" традиційні технологічні гіганти завдяки своїм ресурсам, технологіям та базі користувачів займали домінуючу позицію, і проектам Web3 було важко з ними змагатися. Однак у новій ситуації з локалізованими моделями та крайовими обчисленнями переваги технології блокчейн починають проявлятися.
Коли моделі ШІ працюють на пристроях користувачів, як забезпечити правдивість вихідних результатів? Як реалізувати співпрацю моделей, захищаючи приватність? Ці питання якраз є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі інноваційні проекти, спрямовані на вирішення цих проблем. Наприклад, один з протоколів передачі даних має на меті вирішення проблеми монополії на дані та непрозорості централізованих AI платформ. Інший проект використовує пристрої для зчитування електроенцефалографії для збору реальних людських даних, створюючи "шар штучної верифікації", що вже забезпечив значний дохід. Ці спроби сприяють вирішенню проблеми довіри до локального AI.
В цілому, лише коли ШІ дійсно "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб змагатися в уже переповненій універсальній ніші, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, можливо, є більш перспективним напрямком.
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.
11 лайків
Нагородити
11
4
Поділіться
Прокоментувати
0/400
EthSandwichHero
· 15год тому
Нарешті можна змагатися з великими компаніями!
Переглянути оригіналвідповісти на0
Hash_Bandit
· 07-29 22:16
проходить час... майнери чекали на крайні обчислення з 2017 року, чесно кажучи. ефективність мережі є ключовою тут
Нові тренди AI: Локалізовані моделі приносять можливості для проектів Web3
Нові тенденції в галузі штучного інтелекту: від хмари до локалізації
Останнім часом в індустрії ШІ спостерігається цікава тенденція розвитку: з основного напрямку, що акцентує увагу на великомасштабних обчислювальних потужностях і великих моделях, поступово виникає новий шлях, орієнтований на локальні малі моделі та обчислення на краю.
Цей тренд проявляється в багатьох сферах. Наприклад, один з технологічних гігантів впровадив свої смарт-системи на 500 мільйонах пристроїв, інший програмний гігант запустив спеціалізовану малу модель з 330 мільйонами параметрів для своєї новітньої операційної системи, а відомий дослідницький інститут ШІ працює над технологією роботів, здатних працювати в "офлайн" режимі.
Хмарний ШІ та локальний ШІ мають значні відмінності в акцентах конкуренції. Хмарний ШІ переважно змагається за масштаб параметрів і обсяги навчальних даних, фінансові ресурси стають основною конкурентною перевагою. У порівнянні з цим, локальний ШІ більше зосереджений на інженерній оптимізації та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Це особливо важливо, оскільки проблема ілюзій загальних моделей може серйозно вплинути на їх застосування в конкретних сферах.
Ця трансформація принесла нові можливості для проектів Web3 AI. У минулій конкуренції за "універсальність" традиційні технологічні гіганти завдяки своїм ресурсам, технологіям та базі користувачів займали домінуючу позицію, і проектам Web3 було важко з ними змагатися. Однак у новій ситуації з локалізованими моделями та крайовими обчисленнями переваги технології блокчейн починають проявлятися.
Коли моделі ШІ працюють на пристроях користувачів, як забезпечити правдивість вихідних результатів? Як реалізувати співпрацю моделей, захищаючи приватність? Ці питання якраз є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі інноваційні проекти, спрямовані на вирішення цих проблем. Наприклад, один з протоколів передачі даних має на меті вирішення проблеми монополії на дані та непрозорості централізованих AI платформ. Інший проект використовує пристрої для зчитування електроенцефалографії для збору реальних людських даних, створюючи "шар штучної верифікації", що вже забезпечив значний дохід. Ці спроби сприяють вирішенню проблеми довіри до локального AI.
В цілому, лише коли ШІ дійсно "заглибиться" в кожен пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб змагатися в уже переповненій універсальній ніші, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, можливо, є більш перспективним напрямком.