Tendances de développement de l'industrie de l'IA : des grands modèles dans le cloud aux petits modèles locaux
Récemment, l'industrie de l'IA présente une tendance de développement intéressante : elle passe progressivement de grands modèles centralisés à de petits modèles décentralisés. Cette transformation se manifeste de plusieurs manières, y compris Apple Intelligence couvrant 500 millions d'appareils, Microsoft développant un petit modèle dédié de 330 millions de paramètres pour Windows 11, et Google DeepMind explorant les opérations hors ligne des robots, etc.
Cette transition signifie que la technologie de l'IA est en train de migrer des serveurs cloud vers des dispositifs locaux. L'IA cloud repose principalement sur une échelle de paramètres massive et des quantités énormes de données d'entraînement, la puissance financière étant un atout clé. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, offrant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cette transition découle en partie du problème des "illusions" qui existent avec les grands modèles généraux dans des scénarios spécifiques, ce qui affecte leur application dans des domaines verticaux.
Pour les projets Web3 AI, cette tendance apporte de nouvelles opportunités. Auparavant, dans la compétition pour la capacité de "généralisation", les projets Web3 avaient du mal à rivaliser avec les géants technologiques traditionnels, car ils étaient désavantagés en termes de ressources, de technologie et de base d'utilisateurs. Cependant, avec le développement de l'IA vers la localisation et le calcul en périphérie, les avantages de la technologie Web3 commencent à se manifester.
Lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs, comment garantir l'authenticité des résultats ? Comment réaliser la collaboration des modèles tout en protégeant la vie privée ? Ces questions sont précisément le domaine d'expertise de la technologie blockchain. Certains nouveaux projets Web3 AI explorent ces directions, par exemple en développant des protocoles de communication de données pour résoudre le problème du monopole des données des plateformes d'IA centralisées, ou en utilisant des dispositifs d'électroencéphalographie pour collecter des données humaines réelles afin de construire une "couche de vérification humaine".
Dans l'ensemble, la collaboration décentralisée ne pourra devenir une nécessité réelle que lorsque l'IA sera vraiment "immergée" dans chaque appareil. Pour les projets Web3 AI, plutôt que de continuer à s'engager dans une compétition généralisée, il serait préférable de réfléchir à la manière de fournir un soutien infrastructurel à la vague d'IA localisée, ce qui pourrait être une direction de développement plus prometteuse.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
13 J'aime
Récompense
13
5
Reposter
Partager
Commentaire
0/400
ProbablyNothing
· 08-12 02:32
Faire de grand à petit est manifestement une question de coûts.
Voir l'originalRépondre0
MeltdownSurvivalist
· 08-12 02:31
C'est vraiment fiable, il était temps de passer à la version locale.
Voir l'originalRépondre0
SatoshiLegend
· 08-12 02:30
Ce modèle ressemble un peu à l'orientation de l'expérience de zk-SNARKs de 1994... La localisation signifie que la Puissance de calcul sera répartie selon un modèle d'architecture P2P.
Voir l'originalRépondre0
BearMarketSurvivor
· 08-12 02:28
Le coût du petit modèle est beaucoup plus bas, faire un grand modèle finira par être Rekt.
La technologie AI se tourne vers des projets Web3 localisés, offrant de nouvelles opportunités.
Tendances de développement de l'industrie de l'IA : des grands modèles dans le cloud aux petits modèles locaux
Récemment, l'industrie de l'IA présente une tendance de développement intéressante : elle passe progressivement de grands modèles centralisés à de petits modèles décentralisés. Cette transformation se manifeste de plusieurs manières, y compris Apple Intelligence couvrant 500 millions d'appareils, Microsoft développant un petit modèle dédié de 330 millions de paramètres pour Windows 11, et Google DeepMind explorant les opérations hors ligne des robots, etc.
Cette transition signifie que la technologie de l'IA est en train de migrer des serveurs cloud vers des dispositifs locaux. L'IA cloud repose principalement sur une échelle de paramètres massive et des quantités énormes de données d'entraînement, la puissance financière étant un atout clé. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptation aux scénarios, offrant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cette transition découle en partie du problème des "illusions" qui existent avec les grands modèles généraux dans des scénarios spécifiques, ce qui affecte leur application dans des domaines verticaux.
Pour les projets Web3 AI, cette tendance apporte de nouvelles opportunités. Auparavant, dans la compétition pour la capacité de "généralisation", les projets Web3 avaient du mal à rivaliser avec les géants technologiques traditionnels, car ils étaient désavantagés en termes de ressources, de technologie et de base d'utilisateurs. Cependant, avec le développement de l'IA vers la localisation et le calcul en périphérie, les avantages de la technologie Web3 commencent à se manifester.
Lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs, comment garantir l'authenticité des résultats ? Comment réaliser la collaboration des modèles tout en protégeant la vie privée ? Ces questions sont précisément le domaine d'expertise de la technologie blockchain. Certains nouveaux projets Web3 AI explorent ces directions, par exemple en développant des protocoles de communication de données pour résoudre le problème du monopole des données des plateformes d'IA centralisées, ou en utilisant des dispositifs d'électroencéphalographie pour collecter des données humaines réelles afin de construire une "couche de vérification humaine".
Dans l'ensemble, la collaboration décentralisée ne pourra devenir une nécessité réelle que lorsque l'IA sera vraiment "immergée" dans chaque appareil. Pour les projets Web3 AI, plutôt que de continuer à s'engager dans une compétition généralisée, il serait préférable de réfléchir à la manière de fournir un soutien infrastructurel à la vague d'IA localisée, ce qui pourrait être une direction de développement plus prometteuse.