الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى التوطين
مؤخراً، ظهر اتجاه مثير للاهتمام في صناعة الذكاء الاصطناعي: من النهج السائد الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الكبيرة، تطور تدريجياً اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن ملاحظة هذه الاتجاهات من عدة جوانب. لقد غطت تقنية الذكاء الاصطناعي التي أطلقتها إحدى شركات التكنولوجيا العملاقة 500 مليون جهاز؛ وقد أطلق مطور نظام تشغيل ما نموذجًا صغيرًا مخصصًا يحتوي على 330 مليون معلمة لنظامه الأخير؛ كما أن إحدى المؤسسات الشهيرة في أبحاث الذكاء الاصطناعي تستكشف أيضًا العمليات غير المتصلة للروبوتات.
تتنافس الذكاء الاصطناعي السحابي والمحلي في مجالات مختلفة. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما يركز الذكاء الاصطناعي المحلي بشكل أكبر على تحسين الهندسة وتناسب السيناريو، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة "الهلاوس" في النماذج الكبيرة العامة يمكن أن تؤثر بشكل كبير على تطبيقاتها في مجالات محددة.
يمثل هذا الاتجاه فرصًا أكبر لـ Web3 AI. في السابق، كان عمالقة التكنولوجيا التقليديين يتمتعون بميزة مطلقة في المنافسة على "التعميم" للقدرات ( والحسابات والبيانات والخوارزميات ). إذا أرادت مشاريع Web3 المنافسة، فإنها ستكون في وضع غير مواتٍ من حيث الموارد أو التكنولوجيا أو قاعدة المستخدمين.
ومع ذلك، في ظل نموذج التوطين الجديد وحساب الحافة، أصبحت آفاق تطبيق تقنية blockchain أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي بالضبط نقاط قوة تقنية blockchain.
ظهرت بعض المشاريع الناشئة ذات الصلة في الصناعة. على سبيل المثال، تهدف بروتوكولات بيانات معينة إلى حل مشكلة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية؛ ومشروع آخر يجمع بيانات حقيقية من البشر من خلال أجهزة موجات الدماغ، ويقوم بإنشاء "طبقة تحقق بشرية"، وقد حقق بالفعل إيرادات ملحوظة. جميع هذه المشاريع تحاول معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بإيجاز، لا يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما تغوص الذكاء الاصطناعي حقًا في كل جهاز.
بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في مجال التعميم، من الأفضل التفكير بجدية في كيفية تقديم الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير أكثر واعدًا.
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 24
أعجبني
24
8
إعادة النشر
مشاركة
تعليق
0/400
liquiditea_sipper
· 08-08 02:46
نماذج كبيرة وصغيرة مفتوحة!
شاهد النسخة الأصليةرد0
OptionWhisperer
· 08-07 11:36
المزايا واضحة نموذج صغير yyds
شاهد النسخة الأصليةرد0
SerumSqueezer
· 08-07 06:39
فهمت الأمور جيدًا، حتى الشركات الكبرى أصبحت مترددة.
شاهد النسخة الأصليةرد0
AirdropNinja
· 08-07 06:39
هل لا يزال يتعين عليك دفع المال لشراء قوة الحوسبة؟ يمكنك القيام بذلك محليًا.
شاهد النسخة الأصليةرد0
BanklessAtHeart
· 08-07 06:38
تدريب غير متصل yyds
شاهد النسخة الأصليةرد0
BakedCatFanboy
· 08-07 06:30
هل يمكن للنموذج الصغير أن يعمل؟ أنا أشك في الأمر.
شاهد النسخة الأصليةرد0
SighingCashier
· 08-07 06:23
هل هذه هي الذكاء الاصطناعي المحلي؟
شاهد النسخة الأصليةرد0
BloodInStreets
· 08-07 06:21
هل تُدبر الأمور أم تُدبر لك؟ كل الذكاء الاصطناعي الأساسي الآن هو مجرد حمقى.
الاتجاهات الجديدة في الذكاء الاصطناعي: النماذج المحلية توفر فرصًا جديدة لمشاريع Web3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى التوطين
مؤخراً، ظهر اتجاه مثير للاهتمام في صناعة الذكاء الاصطناعي: من النهج السائد الذي كان يركز على قوة الحوسبة الكبيرة والنماذج الكبيرة، تطور تدريجياً اتجاه جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
يمكن ملاحظة هذه الاتجاهات من عدة جوانب. لقد غطت تقنية الذكاء الاصطناعي التي أطلقتها إحدى شركات التكنولوجيا العملاقة 500 مليون جهاز؛ وقد أطلق مطور نظام تشغيل ما نموذجًا صغيرًا مخصصًا يحتوي على 330 مليون معلمة لنظامه الأخير؛ كما أن إحدى المؤسسات الشهيرة في أبحاث الذكاء الاصطناعي تستكشف أيضًا العمليات غير المتصلة للروبوتات.
تتنافس الذكاء الاصطناعي السحابي والمحلي في مجالات مختلفة. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم المعلمات وكمية بيانات التدريب، حيث تعتبر القوة المالية هي المفتاح؛ بينما يركز الذكاء الاصطناعي المحلي بشكل أكبر على تحسين الهندسة وتناسب السيناريو، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك أساسًا إلى أن مشكلة "الهلاوس" في النماذج الكبيرة العامة يمكن أن تؤثر بشكل كبير على تطبيقاتها في مجالات محددة.
يمثل هذا الاتجاه فرصًا أكبر لـ Web3 AI. في السابق، كان عمالقة التكنولوجيا التقليديين يتمتعون بميزة مطلقة في المنافسة على "التعميم" للقدرات ( والحسابات والبيانات والخوارزميات ). إذا أرادت مشاريع Web3 المنافسة، فإنها ستكون في وضع غير مواتٍ من حيث الموارد أو التكنولوجيا أو قاعدة المستخدمين.
ومع ذلك، في ظل نموذج التوطين الجديد وحساب الحافة، أصبحت آفاق تطبيق تقنية blockchain أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه هي بالضبط نقاط قوة تقنية blockchain.
ظهرت بعض المشاريع الناشئة ذات الصلة في الصناعة. على سبيل المثال، تهدف بروتوكولات بيانات معينة إلى حل مشكلة احتكار البيانات وعدم الشفافية في منصات الذكاء الاصطناعي المركزية؛ ومشروع آخر يجمع بيانات حقيقية من البشر من خلال أجهزة موجات الدماغ، ويقوم بإنشاء "طبقة تحقق بشرية"، وقد حقق بالفعل إيرادات ملحوظة. جميع هذه المشاريع تحاول معالجة مشكلة "موثوقية" الذكاء الاصطناعي المحلي.
بإيجاز، لا يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما تغوص الذكاء الاصطناعي حقًا في كل جهاز.
بالنسبة لمشاريع Web3 AI، بدلاً من الاستمرار في المنافسة في مجال التعميم، من الأفضل التفكير بجدية في كيفية تقديم الدعم للبنية التحتية لثورة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاه تطوير أكثر واعدًا.