С быстрым развитием мультимодальных моделей барьеры AI-технологий Web2 продолжают углубляться. От семантической согласованности до визуального понимания, от высокоразмерных встраиваний до слияния признаков, сложные модели интегрируют различные модальности выражения с беспрецедентной скоростью, создавая все более закрытую вершину AI. В то же время попытки Web3 AI в области Crypto, особенно недавние исследования в направлении Agent, сталкиваются с проблемами направленности.
Web3 AI основан на плоском многомодальном моделировании, что приводит к неэффективному выравниванию семантики и серьёзным ограничениям производительности. В пространстве низкой размерности механизм внимания также не может быть точно спроектирован и полностью использован. Кроме того, дискретный модульный подход к сборке делает так, что слияние признаков остается на поверхностном статическом уровне. Эти проблемы совместно приводят к тому, что Web3 AI в реальных приложениях трудно достигает ожидаемых результатов.
Однако будущее Web3 AI не так мрачно. Его ключевое преимущество заключается в децентрализации, а путь эволюции проявляется в высокой параллельности, низкой связности и совместимости гетерогенных вычислительных мощностей. Это делает Web3 AI более перспективным в таких сценариях, как краевая обработка данных, подходящих для легковесной структуры, легкой параллелизации и мотивируемых задач. Например, настройка LoRA, задачи постобучения по выравниванию поведения, обучение и аннотирование данных через краудсорсинг, обучение небольших базовых моделей и совместное обучение на краевых устройствах и т.д.
Чтобы добиться прорыва в области ИИ, Web3 AI необходимо применять тактическую стратегию "окружения города деревнями":
Начните с краев, сначала установите свои позиции на малых рынках с низкой конкуренцией и малым количеством корневых сценариев, постепенно накапливая ресурсы и опыт.
Сочетание точек и плоскостей, круговое продвижение, постоянное обновление продуктов в достаточно малых сценариях применения.
Оставайтесь гибкими и подвижными, быстро адаптируйтесь к различным ситуациям, перемещайтесь между разными "сельскими" районами и стремитесь к "городам" с максимальной скоростью.
Избегайте чрезмерной зависимости от инфраструктуры или создания крупных сетевых архитектур, поддерживайте легкость и гибкость.
В будущем, с углублением барьеров Web2 AI, могут возникнуть новые болевые точки и возможности. Web3 AI необходимо заранее подготовиться, чтобы в подходящий момент войти в соответствующие сценарии и постепенно добиться прорыва от периферии к ядру. Только через долгосрочные накопления и стратегическое планирование Web3 AI сможет занять свое место в будущем AI-экосистеме.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
16 Лайков
Награда
16
4
Поделиться
комментарий
0/400
LiquidityWitch
· 07-24 05:42
Старый, избитый прием не сработал.
Посмотреть ОригиналОтветить0
HodlNerd
· 07-24 04:39
бычий af на децентрализованном AI tbh... статистические паттерны не врут
Посмотреть ОригиналОтветить0
ForkItAll
· 07-21 06:27
Село окружает город???? Даже старый Мао сказал, что это нормально
Посмотреть ОригиналОтветить0
LazyDevMiner
· 07-21 06:27
Пора начинать! Продолжайте жить жизнью кибер-решателя задач.
Путь прорыва Web3 AI: постепенный выход на передний план с краев
Проблемы и будущее развития Web3 AI
С быстрым развитием мультимодальных моделей барьеры AI-технологий Web2 продолжают углубляться. От семантической согласованности до визуального понимания, от высокоразмерных встраиваний до слияния признаков, сложные модели интегрируют различные модальности выражения с беспрецедентной скоростью, создавая все более закрытую вершину AI. В то же время попытки Web3 AI в области Crypto, особенно недавние исследования в направлении Agent, сталкиваются с проблемами направленности.
Web3 AI основан на плоском многомодальном моделировании, что приводит к неэффективному выравниванию семантики и серьёзным ограничениям производительности. В пространстве низкой размерности механизм внимания также не может быть точно спроектирован и полностью использован. Кроме того, дискретный модульный подход к сборке делает так, что слияние признаков остается на поверхностном статическом уровне. Эти проблемы совместно приводят к тому, что Web3 AI в реальных приложениях трудно достигает ожидаемых результатов.
Однако будущее Web3 AI не так мрачно. Его ключевое преимущество заключается в децентрализации, а путь эволюции проявляется в высокой параллельности, низкой связности и совместимости гетерогенных вычислительных мощностей. Это делает Web3 AI более перспективным в таких сценариях, как краевая обработка данных, подходящих для легковесной структуры, легкой параллелизации и мотивируемых задач. Например, настройка LoRA, задачи постобучения по выравниванию поведения, обучение и аннотирование данных через краудсорсинг, обучение небольших базовых моделей и совместное обучение на краевых устройствах и т.д.
Чтобы добиться прорыва в области ИИ, Web3 AI необходимо применять тактическую стратегию "окружения города деревнями":
Начните с краев, сначала установите свои позиции на малых рынках с низкой конкуренцией и малым количеством корневых сценариев, постепенно накапливая ресурсы и опыт.
Сочетание точек и плоскостей, круговое продвижение, постоянное обновление продуктов в достаточно малых сценариях применения.
Оставайтесь гибкими и подвижными, быстро адаптируйтесь к различным ситуациям, перемещайтесь между разными "сельскими" районами и стремитесь к "городам" с максимальной скоростью.
Избегайте чрезмерной зависимости от инфраструктуры или создания крупных сетевых архитектур, поддерживайте легкость и гибкость.
В будущем, с углублением барьеров Web2 AI, могут возникнуть новые болевые точки и возможности. Web3 AI необходимо заранее подготовиться, чтобы в подходящий момент войти в соответствующие сценарии и постепенно добиться прорыва от периферии к ядру. Только через долгосрочные накопления и стратегическое планирование Web3 AI сможет занять свое место в будущем AI-экосистеме.