الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: ظهور نماذج محلية صغيرة وحوسبة الحافة

في الآونة الأخيرة، شهدت تطور صناعة الذكاء الاصطناعي، هناك اتجاه بارز يتشكل: من الاتجاه السائد السابق الذي كان يركز على تركيز القدرة الحاسوبية الكبيرة والنماذج الكبيرة، بدأ يتطور تدريجياً نحو مسار جديد يميل إلى النماذج الصغيرة المحلية وحوسبة الحافة.

تظهر هذه الاتجاهات في عدة مجالات. على سبيل المثال، تم تغطية 500 مليون جهاز بواسطة نظام ذكي أطلقته إحدى الشركات التقنية الكبرى؛ وطورت شركة تقنية أخرى نموذجًا صغيرًا مخصصًا يتكون من 330 مليون معلمة لنظام تشغيلها؛ كما تستكشف بعض المؤسسات البحثية قدرة الروبوتات على العمل في وضع عدم الاتصال. هذه كلها علامات واضحة على تطور الذكاء الاصطناعي المحلي.

توجد اختلافات ملحوظة في تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يعتمد الذكاء الاصطناعي السحابي بشكل أساسي على حجم المعلمات الضخم وكمية البيانات التدريبية الهائلة، حيث تصبح القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يولي الذكاء الاصطناعي المحلي اهتمامًا أكبر لتحسين الهندسة وتكييف المشاهد، مما يمنحه ميزة في حماية خصوصية المستخدم وزيادة موثوقية النظام وعمليته. هذه النقطة مهمة بشكل خاص، لأن النماذج العامة تواجه في كثير من الأحيان مشكلة عدم الدقة عند تطبيقها في مجالات محددة.

هذا التحول جلب فرصًا جديدة لمشروعات Web3 AI. في المنافسة السابقة التي كانت تسعى لتحقيق القدرة على التعميم، كانت الشركات التكنولوجية التقليدية تهيمن بفضل مواردها وتقنياتها وقاعدة مستخدميها. ومع ذلك، في مجالات النماذج المحلية وحوسبة الحافة الجديدة، قد تجد تقنية blockchain المزيد من المساحة للعب.

عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة نتائج الإخراج؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي بالتحديد المشكلات التي تتقن تقنية blockchain حلها.

ظهرت بالفعل بعض المشاريع الابتكارية في الصناعة للتصدي لهذه التحديات. على سبيل المثال، طورت شركة بروتوكول اتصالات البيانات بهدف معالجة احتكار البيانات وعدم الشفافية في اتخاذ القرارات على منصات الذكاء الاصطناعي المركزية. وهناك مشاريع أخرى تجمع بيانات بشرية حقيقية من خلال أجهزة تخطيط الدماغ، وتبني "طبقة التحقق الاصطناعي"، وقد حققت بالفعل إيرادات ملحوظة. هذه المحاولات تستكشف جميعها كيفية تعزيز مصداقية الذكاء الاصطناعي المحلي.

بناءً على ما سبق، فقط عندما تتعمق تكنولوجيا الذكاء الاصطناعي في كل جهاز نهائي، يمكن أن يتحول التعاون اللامركزي من فكرة إلى حاجة فعلية. بالنسبة لمشاريع Web3 AI، بدلاً من التنافس في مجال الذكاء الاصطناعي العام المليء بالتحديات، من الأفضل التفكير بجدية في كيفية توفير الدعم اللازم للبنية التحتية لثورة الذكاء الاصطناعي المحلية، فقد يكون هذا اتجاهًا أكثر وعدًا للتطور.