Tendencias de desarrollo en la industria de la IA: de grandes modelos en la nube a pequeños modelos locales
Recientemente, la industria de la IA ha mostrado una tendencia de desarrollo interesante: la transición de modelos grandes centralizados a modelos pequeños descentralizados. Esta transformación se refleja en varios aspectos, incluyendo la cobertura de Apple Intelligence en 500 millones de dispositivos, el desarrollo por parte de Microsoft de un modelo pequeño específico llamado Mu, con 330 millones de parámetros para Windows 11, así como la exploración por parte de Google DeepMind de operaciones robóticas fuera de línea.
Esta transformación significa que la tecnología de IA está migrando de la nube a dispositivos locales. La IA en la nube se basa principalmente en una gran escala de parámetros y enormes conjuntos de datos de entrenamiento, donde la fortaleza financiera es la competencia central. En comparación, la IA local se centra más en la optimización de ingeniería y la adaptación al escenario, teniendo ventajas en protección de la privacidad, fiabilidad y practicidad. Esta transformación se origina parcialmente en el problema de "ilusión" que presentan los modelos generales en escenarios específicos, lo que afecta su aplicación en campos verticales.
Para los proyectos de Web3 AI, esta tendencia trae nuevas oportunidades. Anteriormente, en la competencia por la capacidad de "generalización", los proyectos de Web3 tenían dificultades para competir con los gigantes tecnológicos tradicionales, ya que estaban en desventaja en términos de recursos, tecnología y base de usuarios. Sin embargo, a medida que la IA avanza hacia la localización y la computación en el borde, las ventajas de la tecnología Web3 comienzan a ponerse de manifiesto.
¿Cómo garantizar la veracidad de los resultados de salida cuando los modelos de IA se ejecutan en los dispositivos de los usuarios? ¿Cómo lograr la colaboración de modelos mientras se protege la privacidad? Estas cuestiones son precisamente el ámbito de especialización de la tecnología blockchain. Algunos proyectos emergentes de Web3 AI están explorando estas direcciones, como el desarrollo de protocolos de comunicación de datos para abordar el problema del monopolio de datos en las plataformas de IA centralizadas, o la utilización de dispositivos de ondas cerebrales para recopilar datos humanos reales para construir una "capa de verificación artificial".
En general, solo cuando la IA realmente "descienda" a cada dispositivo, la colaboración descentralizada podrá pasar de ser un concepto a una necesidad real. Para los proyectos de IA en Web3, en lugar de seguir compitiendo en la pista de la generalización, sería mejor pensar en cómo proporcionar apoyo de infraestructura para la ola de IA localizada; esta podría ser una dirección de desarrollo más prometedora.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
14 me gusta
Recompensa
14
6
Republicar
Compartir
Comentar
0/400
RetailTherapist
· hace4h
El pequeño modelo huele muy bien
Ver originalesResponder0
ProbablyNothing
· 08-12 02:32
De grande a pequeño, claramente es una consideración de costo.
Ver originalesResponder0
MeltdownSurvivalist
· 08-12 02:31
Es realmente fiable, ya debería haberse convertido a lo local.
Ver originalesResponder0
SatoshiLegend
· 08-12 02:30
Este patrón se asemeja un poco a la dirección del experimento de zk-SNARKs de 1994... La localización significa que la Potencia computacional se distribuirá siguiendo el modelo de arquitectura P2P.
Ver originalesResponder0
BearMarketSurvivor
· 08-12 02:28
El costo de un modelo pequeño es mucho más bajo, hacer uno grande tarde o temprano te dejará arruinado.
La tecnología de IA se dirige hacia la localización, los proyectos de Web3 enfrentan nuevas oportunidades
Tendencias de desarrollo en la industria de la IA: de grandes modelos en la nube a pequeños modelos locales
Recientemente, la industria de la IA ha mostrado una tendencia de desarrollo interesante: la transición de modelos grandes centralizados a modelos pequeños descentralizados. Esta transformación se refleja en varios aspectos, incluyendo la cobertura de Apple Intelligence en 500 millones de dispositivos, el desarrollo por parte de Microsoft de un modelo pequeño específico llamado Mu, con 330 millones de parámetros para Windows 11, así como la exploración por parte de Google DeepMind de operaciones robóticas fuera de línea.
Esta transformación significa que la tecnología de IA está migrando de la nube a dispositivos locales. La IA en la nube se basa principalmente en una gran escala de parámetros y enormes conjuntos de datos de entrenamiento, donde la fortaleza financiera es la competencia central. En comparación, la IA local se centra más en la optimización de ingeniería y la adaptación al escenario, teniendo ventajas en protección de la privacidad, fiabilidad y practicidad. Esta transformación se origina parcialmente en el problema de "ilusión" que presentan los modelos generales en escenarios específicos, lo que afecta su aplicación en campos verticales.
Para los proyectos de Web3 AI, esta tendencia trae nuevas oportunidades. Anteriormente, en la competencia por la capacidad de "generalización", los proyectos de Web3 tenían dificultades para competir con los gigantes tecnológicos tradicionales, ya que estaban en desventaja en términos de recursos, tecnología y base de usuarios. Sin embargo, a medida que la IA avanza hacia la localización y la computación en el borde, las ventajas de la tecnología Web3 comienzan a ponerse de manifiesto.
¿Cómo garantizar la veracidad de los resultados de salida cuando los modelos de IA se ejecutan en los dispositivos de los usuarios? ¿Cómo lograr la colaboración de modelos mientras se protege la privacidad? Estas cuestiones son precisamente el ámbito de especialización de la tecnología blockchain. Algunos proyectos emergentes de Web3 AI están explorando estas direcciones, como el desarrollo de protocolos de comunicación de datos para abordar el problema del monopolio de datos en las plataformas de IA centralizadas, o la utilización de dispositivos de ondas cerebrales para recopilar datos humanos reales para construir una "capa de verificación artificial".
En general, solo cuando la IA realmente "descienda" a cada dispositivo, la colaboración descentralizada podrá pasar de ser un concepto a una necesidad real. Para los proyectos de IA en Web3, en lugar de seguir compitiendo en la pista de la generalización, sería mejor pensar en cómo proporcionar apoyo de infraestructura para la ola de IA localizada; esta podría ser una dirección de desarrollo más prometedora.