Новые тенденции в AI-индустрии: от облака к локальному
Недавние наблюдения в области искусственного интеллекта показывают, что формируется любопытная тенденция: от традиционной концепции, акцентирующей внимание на централизованных вычислительных мощностях и гигантских моделях, постепенно возникает новое направление, сосредоточенное на локальных малых моделях и вычислениях на границе.
Эта тенденция проявляется в различных областях. Например, интеллектуальная система, выпущенная одним из технологических гигантов, охватила 500 миллионов устройств; другая технологическая компания разработала специализированную малую модель на 330 миллионов параметров для своей операционной системы; а исследовательские учреждения изучают возможности оффлайн-операции роботов.
Облачный ИИ и локальный ИИ имеют значительные различия в акцентах конкуренции. Облачный ИИ в основном соревнуется по масштабам моделей и объемам обучающих данных, финансовая мощь является основным конкурентным преимуществом. В отличие от этого, локальный ИИ больше сосредоточен на оптимизации инженерных решений и адаптации к конкретным сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эти различия в основном связаны с возможными проблемами точности, которые могут возникнуть при использовании универсальных моделей в конкретных областях.
Эта тенденция открывает новые возможности для Web3 AI проектов. В области общего ИИ традиционные технологические гиганты благодаря своим ресурсам, технологиям и пользовательской базе почти сформировали монополию. Однако в новых областях локализованных моделей и крайних вычислений технологии блокчейн могут сыграть важную роль.
Когда AI-модель работает на устройстве пользователя, как гарантировать подлинность выходных результатов? Как обеспечить сотрудничество моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются областью специализации технологии блокчейн.
В отрасли уже появились некоторые новые проекты. Например, одна компания разработала протоколы передачи данных, направленные на решение проблем централизации данных и непрозрачности на AI-платформах. Другой проект собирает реальные данные человека с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже получил значительный доход. Эти проекты пытаются решить проблему доверия к локальному AI.
Короче говоря, децентрализованное сотрудничество может перейти от концепции к реальной необходимости только тогда, когда ИИ действительно будет внедрен в каждое устройство.
Для проектов Web3 AI, вместо того чтобы конкурировать на переполненной арене общего AI, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны AI. Это может быть более перспективным направлением развития.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
10 Лайков
Награда
10
6
Репост
Поделиться
комментарий
0/400
SadMoneyMeow
· 07-22 17:41
Хороший брат запихивает ИИ в телефон
Посмотреть ОригиналОтветить0
rug_connoisseur
· 07-21 15:15
Коротко, коротко, эти Передовые вычисления немного не по правилам.
Новые тенденции в AI: от облака к локальным решениям открываются новые возможности для проектов Web3
Новые тенденции в AI-индустрии: от облака к локальному
Недавние наблюдения в области искусственного интеллекта показывают, что формируется любопытная тенденция: от традиционной концепции, акцентирующей внимание на централизованных вычислительных мощностях и гигантских моделях, постепенно возникает новое направление, сосредоточенное на локальных малых моделях и вычислениях на границе.
Эта тенденция проявляется в различных областях. Например, интеллектуальная система, выпущенная одним из технологических гигантов, охватила 500 миллионов устройств; другая технологическая компания разработала специализированную малую модель на 330 миллионов параметров для своей операционной системы; а исследовательские учреждения изучают возможности оффлайн-операции роботов.
Облачный ИИ и локальный ИИ имеют значительные различия в акцентах конкуренции. Облачный ИИ в основном соревнуется по масштабам моделей и объемам обучающих данных, финансовая мощь является основным конкурентным преимуществом. В отличие от этого, локальный ИИ больше сосредоточен на оптимизации инженерных решений и адаптации к конкретным сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эти различия в основном связаны с возможными проблемами точности, которые могут возникнуть при использовании универсальных моделей в конкретных областях.
Эта тенденция открывает новые возможности для Web3 AI проектов. В области общего ИИ традиционные технологические гиганты благодаря своим ресурсам, технологиям и пользовательской базе почти сформировали монополию. Однако в новых областях локализованных моделей и крайних вычислений технологии блокчейн могут сыграть важную роль.
Когда AI-модель работает на устройстве пользователя, как гарантировать подлинность выходных результатов? Как обеспечить сотрудничество моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются областью специализации технологии блокчейн.
В отрасли уже появились некоторые новые проекты. Например, одна компания разработала протоколы передачи данных, направленные на решение проблем централизации данных и непрозрачности на AI-платформах. Другой проект собирает реальные данные человека с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже получил значительный доход. Эти проекты пытаются решить проблему доверия к локальному AI.
Короче говоря, децентрализованное сотрудничество может перейти от концепции к реальной необходимости только тогда, когда ИИ действительно будет внедрен в каждое устройство.
Для проектов Web3 AI, вместо того чтобы конкурировать на переполненной арене общего AI, лучше серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны AI. Это может быть более перспективным направлением развития.