الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحاب إلى المحلي، مما يتيح فرصًا جديدة لـ Web3
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا تطوريًا مثيرًا للاهتمام: من الاتجاه الرئيسي الذي كان يركز على القدرة الحسابية الكبيرة والنماذج الضخمة، نشأ تدريجيًا فرع جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تُظهر هذه الاتجاهات في عدة مجالات. على سبيل المثال، غطت الأنظمة الذكية لشركة تكنولوجيا عملاقة 500 مليون جهاز، بينما أطلقت شركة برمجيات أخرى نموذجًا صغيرًا مخصصًا يتكون من 330 مليون معلمة لنظام التشغيل الخاص بها، كما أن هناك مؤسسة معروفة لأبحاث الذكاء الاصطناعي تعمل على تطوير تقنية روبوتات قادرة على العمل في وضع عدم الاتصال.
تختلف نقاط تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يعتمد الأول بشكل رئيسي على حجم المعلمات الكبيرة وبيانات التدريب الضخمة، بينما تمثل القوة المالية ميزته الأساسية. من ناحية أخرى، يركز الثاني أكثر على تحسين الهندسة وتكييف المشاهد، وله مزايا واضحة في حماية الخصوصية والموثوقية والجدوى. هذه النقطة مهمة بشكل خاص، لأن النماذج العامة تواجه مشاكل الهلوسة عند استخدامها في مجالات محددة، مما قد يؤثر بشكل كبير على推广ها في المجالات الرأسية.
هذا التحول يوفر فرصًا جديدة لمشاريع Web3 AI. في الماضي، كانت الشركات التقنية التقليدية تتمتع بميزة مطلقة في المنافسة على القدرة على "التعميم" (بما في ذلك الحوسبة والبيانات والخوارزميات). من الصعب التنافس مع هذه الشركات العملاقة بمجرد تطبيق مفهوم اللامركزية على النماذج الحالية، لأن مشاريع Web3 تعاني من نقص في الموارد والتكنولوجيا وقاعدة المستخدمين.
ومع ذلك، مع ظهور نماذج التوطين والحوسبة الطرفية، أصبحت آفاق تطبيق تقنية blockchain في مجال الذكاء الاصطناعي أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج المخرجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط من نقاط قوة تقنية blockchain.
ظهرت حاليًا بعض المشاريع الابتكارية المتعلقة بـ Web3 AI. على سبيل المثال، تهدف بروتوكولات الاتصال بالبيانات إلى حل مشكلات احتكار البيانات وعدم الشفافية على منصات الذكاء الاصطناعي المركزية. مشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة تخطيط الدماغ، ويقوم بإنشاء "طبقة التحقق الاصطناعي"، وقد حقق إيرادات ملحوظة. تسعى هذه المشاريع جميعها إلى معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بعبارة بسيطة، لن يتحول التعاون اللامركزي من مفهوم إلى ضرورة إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في المنافسة في مسار التعميم، من الأفضل التفكير بجدية في كيفية تقديم دعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاهًا أكثر واعدًا للتطور.
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.
الذكاء الاصطناعي من السحابة إلى المحلية: فرص جديدة لمشاريع Web3
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحاب إلى المحلي، مما يتيح فرصًا جديدة لـ Web3
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا تطوريًا مثيرًا للاهتمام: من الاتجاه الرئيسي الذي كان يركز على القدرة الحسابية الكبيرة والنماذج الضخمة، نشأ تدريجيًا فرع جديد يركز على النماذج الصغيرة المحلية والحوسبة الطرفية.
تُظهر هذه الاتجاهات في عدة مجالات. على سبيل المثال، غطت الأنظمة الذكية لشركة تكنولوجيا عملاقة 500 مليون جهاز، بينما أطلقت شركة برمجيات أخرى نموذجًا صغيرًا مخصصًا يتكون من 330 مليون معلمة لنظام التشغيل الخاص بها، كما أن هناك مؤسسة معروفة لأبحاث الذكاء الاصطناعي تعمل على تطوير تقنية روبوتات قادرة على العمل في وضع عدم الاتصال.
تختلف نقاط تركيز المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يعتمد الأول بشكل رئيسي على حجم المعلمات الكبيرة وبيانات التدريب الضخمة، بينما تمثل القوة المالية ميزته الأساسية. من ناحية أخرى، يركز الثاني أكثر على تحسين الهندسة وتكييف المشاهد، وله مزايا واضحة في حماية الخصوصية والموثوقية والجدوى. هذه النقطة مهمة بشكل خاص، لأن النماذج العامة تواجه مشاكل الهلوسة عند استخدامها في مجالات محددة، مما قد يؤثر بشكل كبير على推广ها في المجالات الرأسية.
هذا التحول يوفر فرصًا جديدة لمشاريع Web3 AI. في الماضي، كانت الشركات التقنية التقليدية تتمتع بميزة مطلقة في المنافسة على القدرة على "التعميم" (بما في ذلك الحوسبة والبيانات والخوارزميات). من الصعب التنافس مع هذه الشركات العملاقة بمجرد تطبيق مفهوم اللامركزية على النماذج الحالية، لأن مشاريع Web3 تعاني من نقص في الموارد والتكنولوجيا وقاعدة المستخدمين.
ومع ذلك، مع ظهور نماذج التوطين والحوسبة الطرفية، أصبحت آفاق تطبيق تقنية blockchain في مجال الذكاء الاصطناعي أكثر اتساعًا. عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج المخرجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية؟ هذه الأسئلة هي بالضبط من نقاط قوة تقنية blockchain.
ظهرت حاليًا بعض المشاريع الابتكارية المتعلقة بـ Web3 AI. على سبيل المثال، تهدف بروتوكولات الاتصال بالبيانات إلى حل مشكلات احتكار البيانات وعدم الشفافية على منصات الذكاء الاصطناعي المركزية. مشروع آخر يجمع بيانات بشرية حقيقية من خلال أجهزة تخطيط الدماغ، ويقوم بإنشاء "طبقة التحقق الاصطناعي"، وقد حقق إيرادات ملحوظة. تسعى هذه المشاريع جميعها إلى معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بعبارة بسيطة، لن يتحول التعاون اللامركزي من مفهوم إلى ضرورة إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. بالنسبة لمشاريع الذكاء الاصطناعي في Web3، بدلاً من الاستمرار في المنافسة في مسار التعميم، من الأفضل التفكير بجدية في كيفية تقديم دعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية. قد يكون هذا اتجاهًا أكثر واعدًا للتطور.