Xu hướng phát triển của ngành AI: từ mô hình lớn trên đám mây đến mô hình nhỏ tại chỗ
Gần đây, ngành AI đang xuất hiện một xu hướng phát triển thú vị: từ các mô hình lớn tập trung ban đầu dần chuyển sang các mô hình nhỏ phân tán. Sự chuyển biến này thể hiện qua nhiều khía cạnh, bao gồm Apple Intelligence bao phủ 500 triệu thiết bị, Microsoft phát triển mô hình nhỏ chuyên dụng Mu với 3,3 tỷ tham số cho Windows 11, cũng như Google DeepMind khám phá hoạt động robot ngoại tuyến.
Sự chuyển biến này có nghĩa là công nghệ AI đang di chuyển từ đám mây sang thiết bị cục bộ. AI trên đám mây chủ yếu dựa vào quy mô tham số khổng lồ và khối lượng dữ liệu huấn luyện khổng lồ, sức mạnh tài chính là lợi thế cạnh tranh cốt lõi. Ngược lại, AI cục bộ chú trọng vào tối ưu hóa kỹ thuật và thích ứng với cảnh, có lợi thế về bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Sự chuyển biến này một phần bắt nguồn từ vấn đề "ảo tưởng" của mô hình lớn tổng quát trong các cảnh cụ thể, ảnh hưởng đến ứng dụng của nó trong các lĩnh vực chuyên biệt.
Đối với các dự án Web3 AI, xu hướng này mang đến những cơ hội mới. Trước đây, trong cuộc cạnh tranh để đạt được khả năng "đại chúng hóa", các dự án Web3 khó có thể cạnh tranh với các gã khổng lồ công nghệ truyền thống, vì họ ở thế bất lợi về tài nguyên, công nghệ và cơ sở người dùng. Tuy nhiên, khi AI phát triển theo hướng địa phương hóa và tính toán biên, những ưu thế của công nghệ Web3 bắt đầu nổi bật.
Khi mô hình AI chạy trên thiết bị của người dùng, làm thế nào để đảm bảo tính xác thực của kết quả đầu ra? Làm thế nào để thực hiện sự hợp tác của mô hình trong khi bảo vệ quyền riêng tư? Những câu hỏi này chính xác là lĩnh vực chuyên môn của công nghệ blockchain. Một số dự án Web3 AI mới nổi đang khám phá những hướng đi này, chẳng hạn như phát triển giao thức truyền thông dữ liệu để giải quyết vấn đề độc quyền dữ liệu của các nền tảng AI tập trung, hoặc sử dụng thiết bị sóng não để thu thập dữ liệu của con người thực nhằm xây dựng "lớp xác thực nhân tạo".
Nói chung, chỉ khi AI thực sự "ngấm" vào từng thiết bị thì hợp tác phi tập trung mới có thể biến từ khái niệm thành nhu cầu thực tế. Đối với các dự án Web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực chung, tốt hơn là suy nghĩ cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương, điều này có thể là một hướng phát triển có triển vọng hơn.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
13 thích
Phần thưởng
13
5
Đăng lại
Chia sẻ
Bình luận
0/400
ProbablyNothing
· 08-12 02:32
Từ lớn đến nhỏ, rõ ràng là vì lý do chi phí.
Xem bản gốcTrả lời0
MeltdownSurvivalist
· 08-12 02:31
Thực sự đáng tin cậy, nên chuyển về địa phương từ sớm rồi.
Xem bản gốcTrả lời0
SatoshiLegend
· 08-12 02:30
Mẫu này có vẻ giống hướng của thí nghiệm zk-SNARK năm 94... Định vị địa phương có nghĩa là khả năng tính toán sẽ tuân theo mô hình kiến trúc P2P.
Xem bản gốcTrả lời0
BearMarketSurvivor
· 08-12 02:28
Mô hình nhỏ có chi phí thấp hơn nhiều, làm một cái lớn sớm muộn cũng Rekt.
Công nghệ AI chuyển sang các dự án Web3 địa phương mang đến cơ hội mới
Xu hướng phát triển của ngành AI: từ mô hình lớn trên đám mây đến mô hình nhỏ tại chỗ
Gần đây, ngành AI đang xuất hiện một xu hướng phát triển thú vị: từ các mô hình lớn tập trung ban đầu dần chuyển sang các mô hình nhỏ phân tán. Sự chuyển biến này thể hiện qua nhiều khía cạnh, bao gồm Apple Intelligence bao phủ 500 triệu thiết bị, Microsoft phát triển mô hình nhỏ chuyên dụng Mu với 3,3 tỷ tham số cho Windows 11, cũng như Google DeepMind khám phá hoạt động robot ngoại tuyến.
Sự chuyển biến này có nghĩa là công nghệ AI đang di chuyển từ đám mây sang thiết bị cục bộ. AI trên đám mây chủ yếu dựa vào quy mô tham số khổng lồ và khối lượng dữ liệu huấn luyện khổng lồ, sức mạnh tài chính là lợi thế cạnh tranh cốt lõi. Ngược lại, AI cục bộ chú trọng vào tối ưu hóa kỹ thuật và thích ứng với cảnh, có lợi thế về bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Sự chuyển biến này một phần bắt nguồn từ vấn đề "ảo tưởng" của mô hình lớn tổng quát trong các cảnh cụ thể, ảnh hưởng đến ứng dụng của nó trong các lĩnh vực chuyên biệt.
Đối với các dự án Web3 AI, xu hướng này mang đến những cơ hội mới. Trước đây, trong cuộc cạnh tranh để đạt được khả năng "đại chúng hóa", các dự án Web3 khó có thể cạnh tranh với các gã khổng lồ công nghệ truyền thống, vì họ ở thế bất lợi về tài nguyên, công nghệ và cơ sở người dùng. Tuy nhiên, khi AI phát triển theo hướng địa phương hóa và tính toán biên, những ưu thế của công nghệ Web3 bắt đầu nổi bật.
Khi mô hình AI chạy trên thiết bị của người dùng, làm thế nào để đảm bảo tính xác thực của kết quả đầu ra? Làm thế nào để thực hiện sự hợp tác của mô hình trong khi bảo vệ quyền riêng tư? Những câu hỏi này chính xác là lĩnh vực chuyên môn của công nghệ blockchain. Một số dự án Web3 AI mới nổi đang khám phá những hướng đi này, chẳng hạn như phát triển giao thức truyền thông dữ liệu để giải quyết vấn đề độc quyền dữ liệu của các nền tảng AI tập trung, hoặc sử dụng thiết bị sóng não để thu thập dữ liệu của con người thực nhằm xây dựng "lớp xác thực nhân tạo".
Nói chung, chỉ khi AI thực sự "ngấm" vào từng thiết bị thì hợp tác phi tập trung mới có thể biến từ khái niệm thành nhu cầu thực tế. Đối với các dự án Web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực chung, tốt hơn là suy nghĩ cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương, điều này có thể là một hướng phát triển có triển vọng hơn.