Нові тенденції в AI-індустрії: перехід від хмари до локальних рішень

Нещодавно спостерігаючи за розвитком індустрії штучного інтелекту, формується цікавий тренд: з попереднього загального акценту на концентрацію великих обчислювальних потужностей та гігантські моделі, поступово виникає новий напрямок, що схиляється до локальних малих моделей та обчислень на краю.

Цю трансформацію можна побачити з кількох ознак. Наприклад, розумна система одного технологічного гіганта охопила 500 мільйонів пристроїв; інший програмний гігант запустив спеціальну малу модель з 330 мільйонами параметрів для своєї нової операційної системи; ще один відомий дослідницький інститут ШІ досліджує "офлайн" можливості роботів.

Конкуренція між хмарним ІІ та локальним ІІ має різні акценти. Хмарний ІІ здебільшого змагається за масштаб параметрів та обсяг даних для навчання, фінансова спроможність є основною конкурентною перевагою. Локальний ІІ більше орієнтується на оптимізацію інженерії та адаптацію до сценаріїв, він має переваги в захисті конфіденційності, надійності та практичності. Це головним чином пов'язано з тим, що проблема ілюзій загальних моделей може серйозно впливати на їх застосування в специфічних сферах.

Ця тенденція принесла більше можливостей для проектів Web3 AI. Раніше, в боротьбі за здатності "універсалізації" (обчислення, дані, алгоритми), традиційні технологічні гіганти мали абсолютну перевагу. Лише застосування концепції децентралізації для конкуренції з цими гігантами безсумнівно є марною справою, оскільки бракує ресурсів, технологій і користувацької бази.

Проте, у новому середовищі локалізованих моделей та крайових обчислень перспективи застосування технології блокчейн значно змінилися. Коли моделі штучного інтелекту працюють на пристроях користувачів, як довести достовірність виходу? Як досягти співпраці моделей, захищаючи при цьому конфіденційність? Це, якраз, сильні сторони технології блокчейн.

В галузі вже з'явилися деякі нові проекти. Наприклад, один з протоколів передачі даних має на меті вирішення проблеми монополії даних і «чорної скриньки» централізованих платформ ШІ; інший проект збирає реальні дані людського мозку за допомогою пристроїв для зчитування електроенцефалограм, створюючи «шар штучної верифікації» і вже досягнув значного доходу. Усі ці проекти намагаються вирішити проблему «достовірності» локального ШІ.

В цілому, тільки коли ШІ справді "зануриться" в кожний пристрій, децентралізована співпраця зможе перетворитися з концепції на реальну потребу. Для проектів Web3 AI, замість того, щоб продовжувати конкурувати на загальному ринку, краще серйозно замислитися про те, як забезпечити інфраструктурну підтримку для локалізованої хвилі ШІ. Можливо, це напрямок, який варто детально дослідити.