État actuel et perspectives d'avenir du développement de l'IA Web3
Récemment, le prix des actions d'NVIDIA a atteint un nouveau sommet, et les progrès des modèles multimodaux ont encore renforcé la barrière technologique de l'IA Web2. De l'alignement sémantique à la compréhension visuelle, de l'incorporation de haute dimension à la fusion des caractéristiques, des modèles complexes intègrent à une vitesse sans précédent diverses modalités d'expression, construisant un bastion de l'IA de plus en plus fermé. Le marché boursier américain a également montré par des actions concrètes sa reconnaissance de cette tendance, que ce soit pour les actions liées à la cryptomonnaie ou pour les actions d'IA, toutes affichent une petite tendance haussière.
Cependant, cette vague semble être totalement déconnectée du domaine des cryptomonnaies. Les tentatives Web3 AI que nous avons observées, en particulier l'évolution vers la direction des Agents ces derniers mois, montrent un écart directionnel important : tenter d'assembler un système modulaire multimodal de style Web2 avec une structure décentralisée représente en réalité un double décalage technique et mental. Dans un environnement où la couplage des modules est extrêmement fort, la distribution des caractéristiques est hautement instable et la demande en puissance de calcul est de plus en plus concentrée, le modulaire multimodal a du mal à trouver sa place dans le domaine de Web3.
L'avenir de l'IA Web3 ne réside pas dans l'imitation, mais dans des détours stratégiques. De l'alignement sémantique dans des espaces de haute dimension, aux goulets d'étranglement d'information dans les mécanismes d'attention, jusqu'à l'alignement des caractéristiques sous une puissance de calcul hétérogène, l'IA Web3 doit adopter une approche tactique de "l'entourage rural à la ville".
Les défis auxquels fait face l'IA Web3
alignement sémantique et embeddings de haute dimension
Dans les systèmes multimodaux modernes de Web2 AI, le "alignement sémantique" est une technologie clé qui permet de mapper les informations de différentes modalités dans un même espace sémantique. Cela nécessite un espace d'incorporation de haute dimension comme base pour permettre une collaboration efficace entre les modules. Cependant, le protocole Web3 Agent peine à réaliser une incorporation de haute dimension, car il se contente souvent d'encapsuler des API prêtes à l'emploi, manquant d'un espace d'incorporation centralisé unifié et d'un mécanisme d'attention inter-modules.
Pour réaliser un agent intelligent de bout en bout avec des barrières à l'entrée dans l'industrie, il est nécessaire de commencer par une modélisation conjointe de bout en bout, une intégration unifiée entre les modules, ainsi qu'une ingénierie systématique pour l'entraînement et le déploiement collaboratifs. Cependant, le marché actuel manque de cette demande, ce qui entraîne également une absence de solutions correspondantes.
Les limites du mécanisme d'attention
Les modèles multimodaux de haut niveau nécessitent des mécanismes d'attention soigneusement conçus. L'IA Web2 a déjà réalisé des progrès significatifs à cet égard, comme les mécanismes d'auto-attention et de croisement d'attention dans les Transformateurs. Cependant, l'IA Web3 basée sur des modules peine à réaliser une planification uniforme de l'attention. Cela est dû au fait que les mécanismes d'attention dépendent d'un espace Query-Key-Value unifié, tandis que les formats et distributions des données retournées par les API indépendantes varient, rendant impossible la formation de Q/K/V interactifs.
Fusion des caractéristiques en surface
Web3 AI est encore au stade de la simple fusion statique des caractéristiques. Cela est dû au fait que la fusion dynamique des caractéristiques nécessite un espace de haute dimension et un mécanisme d'attention précis comme prérequis. L'IA Web2 a tendance à se concentrer sur l'entraînement conjoint de bout en bout, tandis que l'IA Web3 adopte souvent une approche de combinaison de modules discrets, manquant d'un objectif d'entraînement unifié et d'un flux de gradients entre les modules.
Barrières à l'entrée dans l'industrie de l'IA et opportunités futures
Les barrières technologiques de l'industrie de l'IA se creusent, mais les opportunités de l'IA Web3 ne se sont pas encore réellement manifestées. L'avantage clé de l'IA Web3 réside dans sa décentralisation, dont le chemin d'évolution se traduit par une haute parallélisation, un faible couplage et la compatibilité des puissances de calcul hétérogènes. Cela confère à l'IA Web3 un avantage dans des scénarios tels que le calcul en périphérie, adapté aux structures légères, aux tâches facilement parallélisables et incitatives.
À l'avenir, le développement de l'IA Web3 devrait adopter une stratégie de "l'encerclement des villes par la campagne" :
S'introduire par les bords et s'établir dans des scénarios à petite échelle.
Combinaison de points et de surfaces, avancée circulaire, mise à jour continue des produits dans de petits scénarios d'application.
Restez flexible et agile, capable d'ajuster rapidement votre stratégie en fonction des différents scénarios.
Ce n'est que lorsque les bénéfices de l'IA Web2 disparaîtront que les points de douleur laissés derrière pourraient devenir des opportunités d'entrée pour l'IA Web3. Avant cela, les praticiens de l'IA Web3 doivent soigneusement discerner les projets véritablement prometteurs, en se concentrant sur ceux qui peuvent se développer de manière stable dans des domaines de niche et posséder une flexibilité suffisante.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
16 J'aime
Récompense
16
5
Partager
Commentaire
0/400
rugdoc.eth
· 07-27 12:37
Il faut dire que le web3 est encore loin de l'intelligence.
Voir l'originalRépondre0
CryptoHistoryClass
· 07-24 18:36
*vérifie les graphiques de 2021* la même divergence alimentée par l'espoir que nous avons vue avant l'effondrement de Luna... l'histoire rime vraiment.
Voir l'originalRépondre0
ConfusedWhale
· 07-24 18:32
NVIDIA a fait ses devoirs anciennement.
Voir l'originalRépondre0
MEVSandwichVictim
· 07-24 18:17
Est-ce que c'est le résultat ? BTC n'est toujours pas To the moon ?
Voir l'originalRépondre0
MysteriousZhang
· 07-24 18:09
On va encore tout miser sur les cartes graphiques ?
Défis et voies de sortie du développement de l'IA Web3 : de l'imitation à la stratégie de contournement.
État actuel et perspectives d'avenir du développement de l'IA Web3
Récemment, le prix des actions d'NVIDIA a atteint un nouveau sommet, et les progrès des modèles multimodaux ont encore renforcé la barrière technologique de l'IA Web2. De l'alignement sémantique à la compréhension visuelle, de l'incorporation de haute dimension à la fusion des caractéristiques, des modèles complexes intègrent à une vitesse sans précédent diverses modalités d'expression, construisant un bastion de l'IA de plus en plus fermé. Le marché boursier américain a également montré par des actions concrètes sa reconnaissance de cette tendance, que ce soit pour les actions liées à la cryptomonnaie ou pour les actions d'IA, toutes affichent une petite tendance haussière.
Cependant, cette vague semble être totalement déconnectée du domaine des cryptomonnaies. Les tentatives Web3 AI que nous avons observées, en particulier l'évolution vers la direction des Agents ces derniers mois, montrent un écart directionnel important : tenter d'assembler un système modulaire multimodal de style Web2 avec une structure décentralisée représente en réalité un double décalage technique et mental. Dans un environnement où la couplage des modules est extrêmement fort, la distribution des caractéristiques est hautement instable et la demande en puissance de calcul est de plus en plus concentrée, le modulaire multimodal a du mal à trouver sa place dans le domaine de Web3.
L'avenir de l'IA Web3 ne réside pas dans l'imitation, mais dans des détours stratégiques. De l'alignement sémantique dans des espaces de haute dimension, aux goulets d'étranglement d'information dans les mécanismes d'attention, jusqu'à l'alignement des caractéristiques sous une puissance de calcul hétérogène, l'IA Web3 doit adopter une approche tactique de "l'entourage rural à la ville".
Les défis auxquels fait face l'IA Web3
alignement sémantique et embeddings de haute dimension
Dans les systèmes multimodaux modernes de Web2 AI, le "alignement sémantique" est une technologie clé qui permet de mapper les informations de différentes modalités dans un même espace sémantique. Cela nécessite un espace d'incorporation de haute dimension comme base pour permettre une collaboration efficace entre les modules. Cependant, le protocole Web3 Agent peine à réaliser une incorporation de haute dimension, car il se contente souvent d'encapsuler des API prêtes à l'emploi, manquant d'un espace d'incorporation centralisé unifié et d'un mécanisme d'attention inter-modules.
Pour réaliser un agent intelligent de bout en bout avec des barrières à l'entrée dans l'industrie, il est nécessaire de commencer par une modélisation conjointe de bout en bout, une intégration unifiée entre les modules, ainsi qu'une ingénierie systématique pour l'entraînement et le déploiement collaboratifs. Cependant, le marché actuel manque de cette demande, ce qui entraîne également une absence de solutions correspondantes.
Les limites du mécanisme d'attention
Les modèles multimodaux de haut niveau nécessitent des mécanismes d'attention soigneusement conçus. L'IA Web2 a déjà réalisé des progrès significatifs à cet égard, comme les mécanismes d'auto-attention et de croisement d'attention dans les Transformateurs. Cependant, l'IA Web3 basée sur des modules peine à réaliser une planification uniforme de l'attention. Cela est dû au fait que les mécanismes d'attention dépendent d'un espace Query-Key-Value unifié, tandis que les formats et distributions des données retournées par les API indépendantes varient, rendant impossible la formation de Q/K/V interactifs.
Fusion des caractéristiques en surface
Web3 AI est encore au stade de la simple fusion statique des caractéristiques. Cela est dû au fait que la fusion dynamique des caractéristiques nécessite un espace de haute dimension et un mécanisme d'attention précis comme prérequis. L'IA Web2 a tendance à se concentrer sur l'entraînement conjoint de bout en bout, tandis que l'IA Web3 adopte souvent une approche de combinaison de modules discrets, manquant d'un objectif d'entraînement unifié et d'un flux de gradients entre les modules.
Barrières à l'entrée dans l'industrie de l'IA et opportunités futures
Les barrières technologiques de l'industrie de l'IA se creusent, mais les opportunités de l'IA Web3 ne se sont pas encore réellement manifestées. L'avantage clé de l'IA Web3 réside dans sa décentralisation, dont le chemin d'évolution se traduit par une haute parallélisation, un faible couplage et la compatibilité des puissances de calcul hétérogènes. Cela confère à l'IA Web3 un avantage dans des scénarios tels que le calcul en périphérie, adapté aux structures légères, aux tâches facilement parallélisables et incitatives.
À l'avenir, le développement de l'IA Web3 devrait adopter une stratégie de "l'encerclement des villes par la campagne" :
Ce n'est que lorsque les bénéfices de l'IA Web2 disparaîtront que les points de douleur laissés derrière pourraient devenir des opportunités d'entrée pour l'IA Web3. Avant cela, les praticiens de l'IA Web3 doivent soigneusement discerner les projets véritablement prometteurs, en se concentrant sur ceux qui peuvent se développer de manière stable dans des domaines de niche et posséder une flexibilité suffisante.