اتجاهات تطوير صناعة الذكاء الاصطناعي: من نماذج السحابة الكبيرة إلى النماذج المحلية الصغيرة
في الآونة الأخيرة، يظهر قطاع الذكاء الاصطناعي اتجاهًا تطوريًا مثيرًا للاهتمام: الانتقال من النماذج الكبيرة المركزية إلى النماذج الصغيرة الموزعة. يتجلى هذا التحول في عدة جوانب، بما في ذلك تغطية Apple Intelligence لـ 500 مليون جهاز، وقيام Microsoft بتطوير نموذج صغير مخصص يحتوي على 330 مليون معلمة لـ Windows 11، بالإضافة إلى استكشاف Google DeepMind لعمليات الروبوت غير المتصلة بالإنترنت.
هذه التحول يعني أن تقنية الذكاء الاصطناعي تنتقل من السحابة إلى الأجهزة المحلية. يعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات الضخم وبيانات التدريب الهائلة، حيث تعد القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، ولديه مزايا في حماية الخصوصية والموثوقية والعملية. ينشأ هذا التحول جزئيًا من "مشكلة الوهم" الموجودة في النماذج العامة الكبيرة في سيناريوهات معينة، مما يؤثر على تطبيقها في المجالات الرأسية.
بالنسبة لمشاريع Web3 AI، فإن هذا الاتجاه يجلب فرصًا جديدة. سابقًا، في منافسة السعي نحو القدرة على "التعميم"، كانت مشاريع Web3 تواجه صعوبة في المنافسة مع عمالقة التكنولوجيا التقليديين، نظرًا لأنهم كانوا في وضع غير مؤات من حيث الموارد والتقنية وقاعدة المستخدمين. ومع ذلك، مع تطور الذكاء الاصطناعي نحو الحوسبة المحلية والحافة، بدأت مزايا تكنولوجيا Web3 في الظهور.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط المجالات التي تتخصص فيها تقنية blockchain. بعض المشاريع الناشئة في Web3 AI تستكشف هذه الاتجاهات، مثل تطوير بروتوكولات اتصالات البيانات لمعالجة مشكلة احتكار البيانات من قبل منصات الذكاء الاصطناعي المركزية، أو استخدام أجهزة قياس موجات الدماغ لجمع بيانات بشرية حقيقية لبناء "طبقة تحقق اصطناعية".
بشكل عام، فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير في كيفية توفير دعم البنية التحتية لتيار الذكاء الاصطناعي المحلي، فقد تكون هذه اتجاهًا أكثر وعدًا للتطوير.
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 13
أعجبني
13
5
إعادة النشر
مشاركة
تعليق
0/400
ProbablyNothing
· منذ 14 س
من الكبير إلى الصغير، من الواضح أنه اعتبارات التكلفة فقط
شاهد النسخة الأصليةرد0
MeltdownSurvivalist
· منذ 14 س
إنه موثوق حقًا، كان يجب تحويله إلى المحلي منذ فترة.
شاهد النسخة الأصليةرد0
SatoshiLegend
· منذ 14 س
هذا النمط يشبه قليلاً اتجاه تجربة zk-SNARKs من عام 94 ... التوطين يعني أن قوة الحوسبة ستتبع نموذج بنية P2P.
شاهد النسخة الأصليةرد0
BearMarketSurvivor
· منذ 14 س
تكلفة النموذج الصغير أقل بكثير، إذا قمت بعمل نموذج كبير، ستخسر مدمر في نهاية المطاف.
تتحول تقنيات الذكاء الاصطناعي نحو مشاريع Web3 المحلية وتفتح آفاق جديدة
اتجاهات تطوير صناعة الذكاء الاصطناعي: من نماذج السحابة الكبيرة إلى النماذج المحلية الصغيرة
في الآونة الأخيرة، يظهر قطاع الذكاء الاصطناعي اتجاهًا تطوريًا مثيرًا للاهتمام: الانتقال من النماذج الكبيرة المركزية إلى النماذج الصغيرة الموزعة. يتجلى هذا التحول في عدة جوانب، بما في ذلك تغطية Apple Intelligence لـ 500 مليون جهاز، وقيام Microsoft بتطوير نموذج صغير مخصص يحتوي على 330 مليون معلمة لـ Windows 11، بالإضافة إلى استكشاف Google DeepMind لعمليات الروبوت غير المتصلة بالإنترنت.
هذه التحول يعني أن تقنية الذكاء الاصطناعي تنتقل من السحابة إلى الأجهزة المحلية. يعتمد الذكاء الاصطناعي السحابي بشكل رئيسي على حجم المعلمات الضخم وبيانات التدريب الهائلة، حيث تعد القوة المالية هي القوة التنافسية الأساسية. بالمقابل، يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، ولديه مزايا في حماية الخصوصية والموثوقية والعملية. ينشأ هذا التحول جزئيًا من "مشكلة الوهم" الموجودة في النماذج العامة الكبيرة في سيناريوهات معينة، مما يؤثر على تطبيقها في المجالات الرأسية.
بالنسبة لمشاريع Web3 AI، فإن هذا الاتجاه يجلب فرصًا جديدة. سابقًا، في منافسة السعي نحو القدرة على "التعميم"، كانت مشاريع Web3 تواجه صعوبة في المنافسة مع عمالقة التكنولوجيا التقليديين، نظرًا لأنهم كانوا في وضع غير مؤات من حيث الموارد والتقنية وقاعدة المستخدمين. ومع ذلك، مع تطور الذكاء الاصطناعي نحو الحوسبة المحلية والحافة، بدأت مزايا تكنولوجيا Web3 في الظهور.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط المجالات التي تتخصص فيها تقنية blockchain. بعض المشاريع الناشئة في Web3 AI تستكشف هذه الاتجاهات، مثل تطوير بروتوكولات اتصالات البيانات لمعالجة مشكلة احتكار البيانات من قبل منصات الذكاء الاصطناعي المركزية، أو استخدام أجهزة قياس موجات الدماغ لجمع بيانات بشرية حقيقية لبناء "طبقة تحقق اصطناعية".
بشكل عام، فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير في كيفية توفير دعم البنية التحتية لتيار الذكاء الاصطناعي المحلي، فقد تكون هذه اتجاهًا أكثر وعدًا للتطوير.