الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى المحلية
شهدت صناعة الذكاء الاصطناعي مؤخرًا تحولًا مثيرًا للاهتمام: من السعي السائد سابقًا نحو تركيز قوة الحوسبة الكبيرة والنماذج الضخمة، إلى تطور نحو اتجاه جديد يفضل النماذج الصغيرة المحلية والحوسبة الطرفية.
تظهر هذه الاتجاهات في عدة مجالات. على سبيل المثال، فإن النظام الذكي الذي أطلقته إحدى الشركات العملاقة في مجال التكنولوجيا قد غطى 500 مليون جهاز، وقد قامت إحدى شركات تطوير أنظمة التشغيل بتخصيص نموذج صغير مخصص يحتوي على 330 مليون معلمة لنظامها الأخير، كما أن الروبوتات التي طورتها مؤسسات البحث في الذكاء الاصطناعي قادرة على العمل بشكل مستقل بعيداً عن الشبكة.
تختلف تركيزات المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم النموذج وكمية بيانات التدريب، حيث تعتبر القوة المالية عنصرًا حاسمًا؛ بينما يولي الذكاء الاصطناعي المحلي مزيدًا من الاهتمام لتحسين الهندسة وتكييف المشهد، حيث يتمتع بميزة في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك بشكل أساسي إلى أن مشكلة الوهم في النماذج العامة الكبيرة تظهر بشكل أكثر وضوحًا في التطبيقات في سياقات محددة.
هذا التحول يوفر فرصًا جديدة لمشاريع الذكاء الاصطناعي في Web3. في الماضي، كان من الصعب على مشاريع Web3 منافسة عمالقة التكنولوجيا التقليديين في سباق القدرة العامة، بسبب نقص الموارد والتكنولوجيا وقاعدة المستخدمين. ولكن في مجالات النماذج المحلية والحوسبة الطرفية، قد يتغير الوضع بشكل ملحوظ.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط من النقاط القوية لتكنولوجيا blockchain.
ظهرت بعض المشاريع الجديدة ذات الصلة في الصناعة، مثل بروتوكول بيانات معين يهدف إلى حل مشكلات احتكار البيانات والصناديق السوداء في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، وتقوم ببناء "طبقة التحقق الاصطناعي"، وقد حققت عائدات ملحوظة. جميع هذه المشاريع تحاول معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. يجب على مشاريع الذكاء الاصطناعي في Web3 ألا تستمر في التنافس في المسار العام، بل يجب أن تفكر بجدية في كيفية توفير دعم البنية التحتية لظاهرة الذكاء الاصطناعي المحلية.
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 11
أعجبني
11
5
مشاركة
تعليق
0/400
BearMarketBro
· منذ 14 س
هل يستحق هذا الذكاء الاصطناعي الخصوصية؟
شاهد النسخة الأصليةرد0
GasWrangler
· منذ 19 س
في الواقع، ستكون الذكاء الاصطناعي المحلي أكثر كفاءة بشكل ملحوظ من حيث القدرة الحاسوبية... فقط قم بتحليل البيانات
شاهد النسخة الأصليةرد0
RunWithRugs
· 08-04 04:00
الذكاء الاصطناعي المحلي هو حاجة ملحة
شاهد النسخة الأصليةرد0
BtcDailyResearcher
· 08-04 03:59
سوف يعتمد الأمر على هذه الموجة سواء كان هناك انخفاض في BTC أو زيادة.
تقدم الذكاء الاصطناعي من السحابة نحو المشاريع المحلية في Web3 فرصًا جديدة
الاتجاهات الجديدة في صناعة الذكاء الاصطناعي: من السحابة إلى المحلية
شهدت صناعة الذكاء الاصطناعي مؤخرًا تحولًا مثيرًا للاهتمام: من السعي السائد سابقًا نحو تركيز قوة الحوسبة الكبيرة والنماذج الضخمة، إلى تطور نحو اتجاه جديد يفضل النماذج الصغيرة المحلية والحوسبة الطرفية.
تظهر هذه الاتجاهات في عدة مجالات. على سبيل المثال، فإن النظام الذكي الذي أطلقته إحدى الشركات العملاقة في مجال التكنولوجيا قد غطى 500 مليون جهاز، وقد قامت إحدى شركات تطوير أنظمة التشغيل بتخصيص نموذج صغير مخصص يحتوي على 330 مليون معلمة لنظامها الأخير، كما أن الروبوتات التي طورتها مؤسسات البحث في الذكاء الاصطناعي قادرة على العمل بشكل مستقل بعيداً عن الشبكة.
تختلف تركيزات المنافسة بين الذكاء الاصطناعي السحابي والذكاء الاصطناعي المحلي. يركز الذكاء الاصطناعي السحابي بشكل أساسي على حجم النموذج وكمية بيانات التدريب، حيث تعتبر القوة المالية عنصرًا حاسمًا؛ بينما يولي الذكاء الاصطناعي المحلي مزيدًا من الاهتمام لتحسين الهندسة وتكييف المشهد، حيث يتمتع بميزة في حماية الخصوصية والموثوقية والعملية. ويرجع ذلك بشكل أساسي إلى أن مشكلة الوهم في النماذج العامة الكبيرة تظهر بشكل أكثر وضوحًا في التطبيقات في سياقات محددة.
هذا التحول يوفر فرصًا جديدة لمشاريع الذكاء الاصطناعي في Web3. في الماضي، كان من الصعب على مشاريع Web3 منافسة عمالقة التكنولوجيا التقليديين في سباق القدرة العامة، بسبب نقص الموارد والتكنولوجيا وقاعدة المستخدمين. ولكن في مجالات النماذج المحلية والحوسبة الطرفية، قد يتغير الوضع بشكل ملحوظ.
عندما تعمل نماذج الذكاء الاصطناعي على أجهزة المستخدمين، كيف يمكن ضمان صحة النتائج الناتجة؟ كيف يمكن تحقيق التعاون بين النماذج مع حماية الخصوصية في نفس الوقت؟ هذه الأسئلة هي بالضبط من النقاط القوية لتكنولوجيا blockchain.
ظهرت بعض المشاريع الجديدة ذات الصلة في الصناعة، مثل بروتوكول بيانات معين يهدف إلى حل مشكلات احتكار البيانات والصناديق السوداء في منصات الذكاء الاصطناعي المركزية. هناك أيضًا مشاريع تجمع بيانات بشرية حقيقية من خلال أجهزة موجات الدماغ، وتقوم ببناء "طبقة التحقق الاصطناعي"، وقد حققت عائدات ملحوظة. جميع هذه المشاريع تحاول معالجة مشكلة موثوقية الذكاء الاصطناعي المحلي.
بشكل عام، لن تتحول التعاون اللامركزي من مفهوم إلى حاجة واقعية إلا عندما "تتعمق" الذكاء الاصطناعي حقًا في كل جهاز. يجب على مشاريع الذكاء الاصطناعي في Web3 ألا تستمر في التنافس في المسار العام، بل يجب أن تفكر بجدية في كيفية توفير دعم البنية التحتية لظاهرة الذكاء الاصطناعي المحلية.