صناعة الذكاء الاصطناعي تتجه من السحابة إلى الحافة: بروز نماذج صغيرة محلية يتيح فرص جديدة
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا واضحًا: الانتقال من السعي نحو نماذج سحابية ضخمة في الماضي، إلى التركيز أكثر على نماذج محلية صغيرة والحوسبة الطرفية. يظهر هذا التحول في عدة جوانب، مثل تغطية Apple Intelligence لخمسمائة مليون جهاز، وتطوير Microsoft لنموذج Mu الذي يحتوي على 330 مليون معلمة لنظام Windows 11، واستكشاف Google DeepMind لعمليات الروبوت غير المتصلة بالإنترنت.
أدى هذا التغيير إلى ظهور مشهد تنافسي جديد. يتميز الذكاء الاصطناعي السحابي بشكل أساسي بقوة التمويل وحجم المعلمات وكمية بيانات التدريب، بينما يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. خاصة في بعض المجالات المحددة، قد تؤدي النماذج المحلية بشكل أفضل من النماذج الكبيرة العامة.
بالنسبة لمشاريع Web3 AI، فإن هذا الاتجاه يحمل فرصًا هائلة. في الماضي، كان من الصعب على مشاريع Web3 المنافسة ضد عمالقة التكنولوجيا في مجال الذكاء الاصطناعي العام. ولكن في ظل نماذج التوطين وسيناريوهات الحوسبة الطرفية، يمكن أن تظهر مزايا تكنولوجيا blockchain بشكل كامل.
على سبيل المثال، عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي المجالات التي تتفوق فيها تقنية البلوكشين.
لقد بدأت بعض مشاريع Web3 AI بالفعل في استكشاف هذا الاتجاه. على سبيل المثال، هناك بروتوكول بيانات يهدف إلى حل مشكلة احتكار البيانات من منصات AI المركزية ومشكلة الصناديق السوداء؛ وهناك مشروع آخر يجمع البيانات البشرية الحقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق بشرية"، وقد حقق نجاحًا تجاريًا أوليًا. تهدف هذه المحاولات جميعها إلى حل مشكلة موثوقية AI المحلي.
يمكن القول إنه فقط عندما "تغوص" الذكاء الاصطناعي حقًا في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع AI في Web3، فإنه من الأفضل التركيز على تقديم الدعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية بدلاً من المنافسة في مجال الذكاء الاصطناعي العام، وقد يكون هذا اتجاهًا 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.
ظهور نماذج صغيرة محلية للذكاء الاصطناعي، ومشاريع Web3 تواجه فرصًا جديدة
صناعة الذكاء الاصطناعي تتجه من السحابة إلى الحافة: بروز نماذج صغيرة محلية يتيح فرص جديدة
شهدت صناعة الذكاء الاصطناعي مؤخرًا اتجاهًا واضحًا: الانتقال من السعي نحو نماذج سحابية ضخمة في الماضي، إلى التركيز أكثر على نماذج محلية صغيرة والحوسبة الطرفية. يظهر هذا التحول في عدة جوانب، مثل تغطية Apple Intelligence لخمسمائة مليون جهاز، وتطوير Microsoft لنموذج Mu الذي يحتوي على 330 مليون معلمة لنظام Windows 11، واستكشاف Google DeepMind لعمليات الروبوت غير المتصلة بالإنترنت.
أدى هذا التغيير إلى ظهور مشهد تنافسي جديد. يتميز الذكاء الاصطناعي السحابي بشكل أساسي بقوة التمويل وحجم المعلمات وكمية بيانات التدريب، بينما يركز الذكاء الاصطناعي المحلي أكثر على تحسين الهندسة وتكييف المشهد، مما يمنحه مزايا في حماية الخصوصية والموثوقية والعملية. خاصة في بعض المجالات المحددة، قد تؤدي النماذج المحلية بشكل أفضل من النماذج الكبيرة العامة.
بالنسبة لمشاريع Web3 AI، فإن هذا الاتجاه يحمل فرصًا هائلة. في الماضي، كان من الصعب على مشاريع Web3 المنافسة ضد عمالقة التكنولوجيا في مجال الذكاء الاصطناعي العام. ولكن في ظل نماذج التوطين وسيناريوهات الحوسبة الطرفية، يمكن أن تظهر مزايا تكنولوجيا blockchain بشكل كامل.
على سبيل المثال، عندما يعمل نموذج الذكاء الاصطناعي على جهاز المستخدم، كيف يمكن ضمان صحة نتائج المخرجات؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه هي المجالات التي تتفوق فيها تقنية البلوكشين.
لقد بدأت بعض مشاريع Web3 AI بالفعل في استكشاف هذا الاتجاه. على سبيل المثال، هناك بروتوكول بيانات يهدف إلى حل مشكلة احتكار البيانات من منصات AI المركزية ومشكلة الصناديق السوداء؛ وهناك مشروع آخر يجمع البيانات البشرية الحقيقية من خلال أجهزة موجات الدماغ، ويقوم ببناء "طبقة تحقق بشرية"، وقد حقق نجاحًا تجاريًا أوليًا. تهدف هذه المحاولات جميعها إلى حل مشكلة موثوقية AI المحلي.
يمكن القول إنه فقط عندما "تغوص" الذكاء الاصطناعي حقًا في كل جهاز، يمكن أن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية. بالنسبة لمشاريع AI في Web3، فإنه من الأفضل التركيز على تقديم الدعم للبنية التحتية لموجة الذكاء الاصطناعي المحلية بدلاً من المنافسة في مجال الذكاء الاصطناعي العام، وقد يكون هذا اتجاهًا أكثر واعدًا.