Направления и вызовы развития Web3 и искусственного интеллекта
Акции Nvidia недавно достигли новых рекордов, что демонстрирует оптимизм рынка по поводу перспектив развития мультимодального искусственного интеллекта. В то же время попытки искусственного интеллекта в области Web3 не привлекли большого внимания. Это связано с тем, что в настоящее время в технологической стратегии Web3 AI есть некоторые заблуждения, которые затрудняют конкуренцию с быстро развивающимся Web2 AI.
Web3 AI в настоящее время в основном использует модульный подход к проектированию, пытаясь создать сложные системы путем комбинирования различных функциональных модулей. Однако этот метод имеет врожденные недостатки при решении ключевых проблем, таких как выравнивание семантики в высоких измерениях, механизмы внимания и интеграция признаков.
Во-первых, Web3 AI трудно реализовать в высокоразмерном семантическом пространстве. Web2 AI может с помощью обучения от конца до конца отображать информацию из разных модальностей в одно и то же высокоразмерное пространство, достигая семантического выравнивания. Однако модульная архитектура Web3 AI затрудняет поддержку такого единого представления.
Во-вторых, механизм внимания трудно реализовать в Web3 AI. Точный механизм внимания требует динамического распределения вычислительных ресурсов в высокоразмерном пространстве, тогда как модульная структура Web3 AI в низкой размерности не может поддерживать такую сложную операцию.
Наконец, характеристики Web3 AI остаются на стадии простого соединения. Web2 AI может реализовать сложные взаимодействия характеристик в высокоразмерном пространстве, в то время как Web3 AI может только выполнять поверхностные комбинации характеристик.
В настоящее время Web2 AI создает все более высокие технологические барьеры, и Web3 AI трудно добиться прорыва в короткие сроки. В будущем Web3 AI, возможно, придется использовать стратегию "окружения города из деревни", начиная с периферийных сценариев и постепенно накапливая опыт. Можно рассмотреть возможность использования легковесных моделей для дообучения, вычислений на краю и других приложений с низким порогом для входа в эту область.
В общем, Web3 AI в настоящее время все еще трудно соперничать с Web2 AI в сложных задачах ИИ. Однако с разумной позиционированием и выбором стратегии Web3 AI все еще имеет пространство для развития. В будущем, с развитием технологий, у Web2 AI могут возникнуть новые проблемы, и это будет возможность для Web3 AI достигнуть прорыва.
Посмотреть Оригинал
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» .
18 Лайков
Награда
18
7
Поделиться
комментарий
0/400
MrDecoder
· 08-04 07:02
Еще верю в потенциал AI в блокчейне
Посмотреть ОригиналОтветить0
WalletDetective
· 08-03 16:51
в блокчейне AI немного прохладно
Посмотреть ОригиналОтветить0
OffchainWinner
· 08-01 07:59
Истинное знание проявляется только в трудностях.
Посмотреть ОригиналОтветить0
AirdropBuffet
· 08-01 07:59
Запускать проекты, которые никого не интересуют
Посмотреть ОригиналОтветить0
GasFeeThunder
· 08-01 07:58
объем真是卡脖子
Посмотреть ОригиналОтветить0
CryptoCross-TalkClub
· 08-01 07:53
Торговля криптовалютой не так хороша, как рассказать анекдоты.
Развитию Web3 AI ставятся перед технологическими барьерами, необходимо искать новые пути для прорыва.
Направления и вызовы развития Web3 и искусственного интеллекта
Акции Nvidia недавно достигли новых рекордов, что демонстрирует оптимизм рынка по поводу перспектив развития мультимодального искусственного интеллекта. В то же время попытки искусственного интеллекта в области Web3 не привлекли большого внимания. Это связано с тем, что в настоящее время в технологической стратегии Web3 AI есть некоторые заблуждения, которые затрудняют конкуренцию с быстро развивающимся Web2 AI.
Web3 AI в настоящее время в основном использует модульный подход к проектированию, пытаясь создать сложные системы путем комбинирования различных функциональных модулей. Однако этот метод имеет врожденные недостатки при решении ключевых проблем, таких как выравнивание семантики в высоких измерениях, механизмы внимания и интеграция признаков.
Во-первых, Web3 AI трудно реализовать в высокоразмерном семантическом пространстве. Web2 AI может с помощью обучения от конца до конца отображать информацию из разных модальностей в одно и то же высокоразмерное пространство, достигая семантического выравнивания. Однако модульная архитектура Web3 AI затрудняет поддержку такого единого представления.
Во-вторых, механизм внимания трудно реализовать в Web3 AI. Точный механизм внимания требует динамического распределения вычислительных ресурсов в высокоразмерном пространстве, тогда как модульная структура Web3 AI в низкой размерности не может поддерживать такую сложную операцию.
Наконец, характеристики Web3 AI остаются на стадии простого соединения. Web2 AI может реализовать сложные взаимодействия характеристик в высокоразмерном пространстве, в то время как Web3 AI может только выполнять поверхностные комбинации характеристик.
В настоящее время Web2 AI создает все более высокие технологические барьеры, и Web3 AI трудно добиться прорыва в короткие сроки. В будущем Web3 AI, возможно, придется использовать стратегию "окружения города из деревни", начиная с периферийных сценариев и постепенно накапливая опыт. Можно рассмотреть возможность использования легковесных моделей для дообучения, вычислений на краю и других приложений с низким порогом для входа в эту область.
В общем, Web3 AI в настоящее время все еще трудно соперничать с Web2 AI в сложных задачах ИИ. Однако с разумной позиционированием и выбором стратегии Web3 AI все еще имеет пространство для развития. В будущем, с развитием технологий, у Web2 AI могут возникнуть новые проблемы, и это будет возможность для Web3 AI достигнуть прорыва.