Локалізаційні тенденції в індустрії штучного інтелекту та можливості Web3

Нещодавно в індустрії штучного інтелекту спостерігається тенденція до "згортання", від попереднього фокусу на концентрованих обчислювальних потужностях та великих моделях до поступового виникнення нового напрямку, що орієнтується на локальні малі моделі та обчислення на краю. Ця тенденція проявляється в багатьох сферах, зокрема, у широкому покритті пристроїв розумними технологіями Apple, запуску спеціальних малих моделей для Windows 11 компанією Microsoft, а також у технологіях офлайн-роботів, розроблених DeepMind від Google.

Хмарний ШІ та локальний ШІ мають суттєві відмінності в акцентах конкуренції. Хмарний ШІ в основному залежить від масштабу моделі та обсягу навчальних даних, а фінансові можливості стають ключовою конкурентною перевагою. У порівнянні з цим, локальний ШІ більше зосереджується на оптимізації інженерії та адаптації до сценаріїв, маючи переваги в захисті конфіденційності, надійності та практичності. Ця різниця в основному зумовлена проблемами ілюзій, які можуть виникати у загальних моделях при застосуванні в певних сценаріях, що впливає на їх використання в вертикальних сферах.

Ця тенденція приносить нові можливості для Web3 AI. На етапі прагнення до "універсальності" традиційні технологічні гіганти займають домінуючу позицію завдяки своїм ресурсам, технологіям та базі користувачів, що ускладнює конкуренцію проектам Web3. Однак, з появою локалізованих моделей і краєвих обчислень, переваги технології блокчейн починають виявлятися.

Коли моделі ШІ працюють на пристроях користувачів, питання, як забезпечити достовірність вихідних результатів і як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність, є саме тими сферами, в яких спеціалізується технологія блокчейн. Це відкриває нові напрямки розвитку для проектів Web3 AI.

Деякі нові проекти Web3 AI вже почали досліджувати цю сферу. Наприклад, запущений однією компанією протокол для передачі даних має на меті вирішити проблеми монополії даних та прозорості централізованих платформ AI. Інша компанія за допомогою пристроїв для зчитування електроенцефалограм збирає реальні дані людей, створюючи "шар штучної верифікації", і вже досягла попередніх результатів. Ці проекти намагаються вирішити проблему надійності локального AI.

В загальному, лише коли ШІ справді "зануриться" в кожний пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того щоб продовжувати змагання на загальносвітовій арені, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що може стати більш перспективним напрямком розвитку.