اتجاهات صناعة الذكاء الاصطناعي: الانتقال من السحابة إلى المحلية
تشير التطورات الأخيرة في صناعة الذكاء الاصطناعي إلى اتجاه مثير للاهتمام: من الاتجاه السائد السابق الذي يركز على قوة الحوسبة الكبيرة والنماذج الكبيرة، تخرج تدريجياً مسار جديد يركز على النماذج الصغيرة المحلية وحوسبة الحافة.
يمكن إثبات هذا الاتجاه من عدة جوانب. على سبيل المثال، لقد غطت أنظمة الذكاء الاصطناعي لشركة تكنولوجيا عملاقة 500 مليون جهاز؛ أطلقت شركة برمجيات معروفة نموذجاً مصغراً يحتوي على 330 مليون معلمة لنظام التشغيل الخاص بها؛ وهناك أيضاً مؤسسة بحثية في مجال الذكاء الاصطناعي تعمل على تطوير تقنية روبوتات قادرة على العمل "بشكل غير متصل".
توجد اختلافات واضحة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي في نقاط التركيز التنافسية. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتوافق المشاهد، ويتميز بفضل حماية الخصوصية والموثوقية والعملية. هذه النقطة مهمة بشكل خاص، لأن مشكلة الهلوسة في النماذج العامة قد تؤثر بشكل خطير على تطبيقها في مجالات معينة.
هذا التغيير جلب فرصًا جديدة لـ Web3 AI. في الماضي، عندما كانت الصناعة تركز على القدرة على "التعميم"، كانت الشركات الكبرى التقليدية تتمتع بميزة مطلقة، وكان من الصعب على مشاريع Web3 المنافسة. ولكن في مجالات النماذج المحلية والحوسبة الطرفية، بدأت مزايا تقنية البلوك تشين في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة نتائج الإخراج؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي المهارات التي تتقنها تقنية البلوكشين.
ظهرت بعض المشاريع الناشئة ذات الصلة في الصناعة. على سبيل المثال، أطلقت إحدى الشركات بروتوكول اتصالات بيانات يهدف إلى معالجة احتكار البيانات وعدم الشفافية على منصات الذكاء الاصطناعي المركزية. مشروع آخر يجمع بيانات بشرية حقيقية باستخدام أجهزة موجات الدماغ، ويقوم ببناء "طبقة التحقق الاصطناعي"، وقد حقق بالفعل إيرادات ملحوظة. تحاول هذه المشاريع جميعها معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لن يتحقق التعاون اللامركزي من مفهوم إلى حاجة حقيقية إلا عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التفكير بجدية في كيفية دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية.
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 10
أعجبني
10
4
مشاركة
تعليق
0/400
LiquidationSurvivor
· 07-08 15:33
أخذ القرض ورحل السيارة، وما زلت أعيش بعد كل الصعوبات.
شاهد النسخة الأصليةرد0
SeeYouInFourYears
· 07-07 01:34
الخصوصية هي المستقبل!
شاهد النسخة الأصليةرد0
AltcoinAnalyst
· 07-07 01:34
يحتاج إلى تحليل دقيق للأداء داخل السلسلة لهذا الاتجاه، وقد أظهرت بيانات TVL بعض الدلائل.
اتجاهات جديدة في الذكاء الاصطناعي: من السحابة إلى المشاريع المحلية في Web3 التي تكتسب فرصًا جديدة
اتجاهات صناعة الذكاء الاصطناعي: الانتقال من السحابة إلى المحلية
تشير التطورات الأخيرة في صناعة الذكاء الاصطناعي إلى اتجاه مثير للاهتمام: من الاتجاه السائد السابق الذي يركز على قوة الحوسبة الكبيرة والنماذج الكبيرة، تخرج تدريجياً مسار جديد يركز على النماذج الصغيرة المحلية وحوسبة الحافة.
يمكن إثبات هذا الاتجاه من عدة جوانب. على سبيل المثال، لقد غطت أنظمة الذكاء الاصطناعي لشركة تكنولوجيا عملاقة 500 مليون جهاز؛ أطلقت شركة برمجيات معروفة نموذجاً مصغراً يحتوي على 330 مليون معلمة لنظام التشغيل الخاص بها؛ وهناك أيضاً مؤسسة بحثية في مجال الذكاء الاصطناعي تعمل على تطوير تقنية روبوتات قادرة على العمل "بشكل غير متصل".
توجد اختلافات واضحة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي في نقاط التركيز التنافسية. يركز الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتوافق المشاهد، ويتميز بفضل حماية الخصوصية والموثوقية والعملية. هذه النقطة مهمة بشكل خاص، لأن مشكلة الهلوسة في النماذج العامة قد تؤثر بشكل خطير على تطبيقها في مجالات معينة.
هذا التغيير جلب فرصًا جديدة لـ Web3 AI. في الماضي، عندما كانت الصناعة تركز على القدرة على "التعميم"، كانت الشركات الكبرى التقليدية تتمتع بميزة مطلقة، وكان من الصعب على مشاريع Web3 المنافسة. ولكن في مجالات النماذج المحلية والحوسبة الطرفية، بدأت مزايا تقنية البلوك تشين في الظهور.
عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة نتائج الإخراج؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي المهارات التي تتقنها تقنية البلوكشين.
ظهرت بعض المشاريع الناشئة ذات الصلة في الصناعة. على سبيل المثال، أطلقت إحدى الشركات بروتوكول اتصالات بيانات يهدف إلى معالجة احتكار البيانات وعدم الشفافية على منصات الذكاء الاصطناعي المركزية. مشروع آخر يجمع بيانات بشرية حقيقية باستخدام أجهزة موجات الدماغ، ويقوم ببناء "طبقة التحقق الاصطناعي"، وقد حقق بالفعل إيرادات ملحوظة. تحاول هذه المشاريع جميعها معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بشكل عام، لن يتحقق التعاون اللامركزي من مفهوم إلى حاجة حقيقية إلا عندما "تنغمس" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في المسار العام، من الأفضل التفكير بجدية في كيفية دعم البنية التحتية لموجة الذكاء الاصطناعي المحلية.