الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: ظهور النماذج الصغيرة المحلية وحوسبة الحافة
شهدت صناعة الذكاء الاصطناعي في الآونة الأخيرة اتجاهًا مثيرًا للاهتمام: من الإجماع السابق على السعي نحو تركيز القوة الحسابية الكبيرة والنماذج الضخمة، بدأ يتفرع اتجاه جديد يركز على النماذج الصغيرة المحلية وحوسبة الحافة.
يمكن تأكيد هذا الاتجاه من عدة جوانب. على سبيل المثال، أصبحت التكنولوجيا الذكية لشركة تكنولوجيا عملاقة تغطي 500 مليون جهاز؛ أصدرت شركة تكنولوجيا أخرى نموذجًا صغيرًا مخصصًا مكونًا من 3.3 مليار معلمة لنظام التشغيل الخاص بها؛ كما طورت مؤسسة بحثية في مجال الذكاء الاصطناعي روبوتات يمكن أن تعمل "بشكل غير متصل".
تختلف النقاط الأساسية في المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الأول يعتمد بشكل رئيسي على حجم النموذج وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما الثاني يركز أكثر على تحسين الهندسة وتكييف المشاهد، متفوقًا في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة الوهم في النماذج العامة تؤثر بشدة على تطبيقاتها في المجالات الرأسية.
هذا الاتجاه يوفر المزيد من الفرص لـ web3 AI. في الماضي، كان الجميع يسعى لتحقيق "القدرة على التعميم"، مما أدى إلى هيمنة الشركات التكنولوجية التقليدية. من غير الواقعي المنافسة مع عمالقة الصناعة بمجرد تطبيق مفهوم اللامركزية، بسبب نقص الموارد والتكنولوجيا وقاعدة المستخدمين وغيرها من المزايا.
ومع ذلك، في ظل النماذج المحلية والنمط الجديد لحوسبة الحافة، فإن وضع تكنولوجيا البلوكشين يختلف بشكل كبير. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن إثبات صحة نتائج الإخراج؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي بالضبط نقاط القوة في تكنولوجيا البلوكشين.
ظهرت بالفعل بعض المشاريع الجديدة ذات الصلة في الصناعة. على سبيل المثال، بروتوكول الاتصال بالبيانات الذي أطلقته إحدى الشركات يهدف إلى معالجة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية؛ بينما طورت شركة أخرى جهاز موجات الدماغ لجمع بيانات البشر الحقيقيين، مما أسفر عن إنشاء "طبقة تحقق اصطناعية"، وقد حققت إيرادات ملحوظة. تحاول هذه المشاريع جميعها معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بناءً على ما سبق، فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية. بالنسبة لمشاريع الذكاء الاصطناعي في الويب 3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية في كيفية توفير الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية.
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.
الاتجاهات الجديدة في الذكاء الاصطناعي: ظهور نماذج صغيرة محلية وحوسبة الحافة استكشاف فرص Web3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: ظهور النماذج الصغيرة المحلية وحوسبة الحافة
شهدت صناعة الذكاء الاصطناعي في الآونة الأخيرة اتجاهًا مثيرًا للاهتمام: من الإجماع السابق على السعي نحو تركيز القوة الحسابية الكبيرة والنماذج الضخمة، بدأ يتفرع اتجاه جديد يركز على النماذج الصغيرة المحلية وحوسبة الحافة.
يمكن تأكيد هذا الاتجاه من عدة جوانب. على سبيل المثال، أصبحت التكنولوجيا الذكية لشركة تكنولوجيا عملاقة تغطي 500 مليون جهاز؛ أصدرت شركة تكنولوجيا أخرى نموذجًا صغيرًا مخصصًا مكونًا من 3.3 مليار معلمة لنظام التشغيل الخاص بها؛ كما طورت مؤسسة بحثية في مجال الذكاء الاصطناعي روبوتات يمكن أن تعمل "بشكل غير متصل".
تختلف النقاط الأساسية في المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. الأول يعتمد بشكل رئيسي على حجم النموذج وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما الثاني يركز أكثر على تحسين الهندسة وتكييف المشاهد، متفوقًا في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة الوهم في النماذج العامة تؤثر بشدة على تطبيقاتها في المجالات الرأسية.
هذا الاتجاه يوفر المزيد من الفرص لـ web3 AI. في الماضي، كان الجميع يسعى لتحقيق "القدرة على التعميم"، مما أدى إلى هيمنة الشركات التكنولوجية التقليدية. من غير الواقعي المنافسة مع عمالقة الصناعة بمجرد تطبيق مفهوم اللامركزية، بسبب نقص الموارد والتكنولوجيا وقاعدة المستخدمين وغيرها من المزايا.
ومع ذلك، في ظل النماذج المحلية والنمط الجديد لحوسبة الحافة، فإن وضع تكنولوجيا البلوكشين يختلف بشكل كبير. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن إثبات صحة نتائج الإخراج؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي بالضبط نقاط القوة في تكنولوجيا البلوكشين.
ظهرت بالفعل بعض المشاريع الجديدة ذات الصلة في الصناعة. على سبيل المثال، بروتوكول الاتصال بالبيانات الذي أطلقته إحدى الشركات يهدف إلى معالجة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية؛ بينما طورت شركة أخرى جهاز موجات الدماغ لجمع بيانات البشر الحقيقيين، مما أسفر عن إنشاء "طبقة تحقق اصطناعية"، وقد حققت إيرادات ملحوظة. تحاول هذه المشاريع جميعها معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بناءً على ما سبق، فقط عندما "تتعمق" الذكاء الاصطناعي في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة فعلية. بالنسبة لمشاريع الذكاء الاصطناعي في الويب 3، بدلاً من الاستمرار في التنافس في المسار العام، من الأفضل التفكير بجدية في كيفية توفير الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية.