Hambatan Teknologi AI Web2 dan Arah Perkembangan AI Web3
Seiring kemajuan model multimodal, batasan teknologi di bidang AI Web2 semakin dalam. Dari penyelarasan semantik hingga pemahaman visual, dari嵌入 dimensi tinggi hingga penggabungan fitur, model kompleks sedang mengintegrasikan berbagai cara ekspresi dengan kecepatan yang belum pernah terjadi sebelumnya, membangun sebuah puncak AI yang semakin tertutup.
Namun, perkembangan Web3 AI baru-baru ini, terutama dalam upaya arah Agen, tampaknya belum menemukan arah yang benar. Mencoba menyusun sistem modular multimodal ala Web2 dengan struktur terdesentralisasi, sebenarnya adalah kesalahan ganda dalam teknologi dan pemikiran. Dalam situasi di mana keterkaitan modul sangat kuat, distribusi fitur sangat tidak stabil, dan kebutuhan daya komputasi semakin terpusat, modularitas multimodal sulit untuk berdiri di Web3.
Web3 AI didasarkan pada model multimodal yang datar, sulit untuk mencapai penyelarasan semantik, yang mengakibatkan kinerja yang rendah. Ruang嵌入 dimensi tinggi adalah kunci untuk mencapai penyelarasan semantik, tetapi protokol Web3 Agent sulit untuk mewujudkannya. Sebagian besar Web3 Agent hanya mengemas API yang sudah ada menjadi modul independen, kurang memiliki ruang嵌入 pusat yang seragam dan mekanisme perhatian lintas modul.
Dalam ruang dimensi rendah, mekanisme perhatian juga tidak dapat dirancang dengan presisi. Mekanisme perhatian AI Web2 bergantung pada ruang Query-Key-Value yang seragam, sementara data dalam format yang berbeda yang dikembalikan oleh API independen sulit untuk membentuk Q/K/V yang dapat berinteraksi. Selain itu, dalam mode API, modul-modul kurang memiliki konteks pusat yang dapat dibagikan secara real-time, sehingga tidak dapat mencapai korelasi dan fokus global antar modul.
Karena kurangnya ruang dimensi tinggi dan mekanisme perhatian yang cermat, penggabungan fitur Web3 AI sering kali terjebak pada tahap penyambungan statis yang dangkal. Sebagai perbandingan, Web2 AI dapat mencapai penggabungan fitur dinamis dalam ruang dimensi tinggi, menangkap hubungan lintas modal yang mendalam dan kompleks.
Meskipun hambatan di industri AI semakin dalam, tetapi saat ini titik sakit AI Web2 belum terlihat. AI Web3 harus mengambil taktik "desa mengepung kota", dengan melakukan percobaan skala kecil di skenario tepi. Skenario yang cocok untuk AI Web3 termasuk struktur ringan, tugas yang mudah diparalelkan dan dapat memotivasi, seperti fine-tuning LoRA, tugas pelatihan pasca-latihan yang sejalan dengan perilaku, pelatihan dan pelabelan data crowdsourcing, pelatihan model dasar kecil, serta pelatihan kolaboratif perangkat tepi.
Di masa depan, proyek Web3 AI perlu memiliki fleksibilitas yang cukup untuk dapat beralih dengan cepat di antara berbagai skenario. Hanya ketika keuntungan dari Web2 AI menghilang sepenuhnya, masalah yang ditinggalkannya mungkin menjadi peluang nyata bagi Web3 AI. Sebelum saat itu, para pelaku di bidang Web3 AI perlu berhati-hati dalam membedakan proyek, dengan fokus pada protokol yang dapat masuk dari pinggiran, terus beriterasi, dan responsif.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Kendala dalam Pengembangan Web3 AI: Ketidaksesuaian Teknologi dan Peluang Terobosan yang Berdampingan
Hambatan Teknologi AI Web2 dan Arah Perkembangan AI Web3
Seiring kemajuan model multimodal, batasan teknologi di bidang AI Web2 semakin dalam. Dari penyelarasan semantik hingga pemahaman visual, dari嵌入 dimensi tinggi hingga penggabungan fitur, model kompleks sedang mengintegrasikan berbagai cara ekspresi dengan kecepatan yang belum pernah terjadi sebelumnya, membangun sebuah puncak AI yang semakin tertutup.
Namun, perkembangan Web3 AI baru-baru ini, terutama dalam upaya arah Agen, tampaknya belum menemukan arah yang benar. Mencoba menyusun sistem modular multimodal ala Web2 dengan struktur terdesentralisasi, sebenarnya adalah kesalahan ganda dalam teknologi dan pemikiran. Dalam situasi di mana keterkaitan modul sangat kuat, distribusi fitur sangat tidak stabil, dan kebutuhan daya komputasi semakin terpusat, modularitas multimodal sulit untuk berdiri di Web3.
Web3 AI didasarkan pada model multimodal yang datar, sulit untuk mencapai penyelarasan semantik, yang mengakibatkan kinerja yang rendah. Ruang嵌入 dimensi tinggi adalah kunci untuk mencapai penyelarasan semantik, tetapi protokol Web3 Agent sulit untuk mewujudkannya. Sebagian besar Web3 Agent hanya mengemas API yang sudah ada menjadi modul independen, kurang memiliki ruang嵌入 pusat yang seragam dan mekanisme perhatian lintas modul.
Dalam ruang dimensi rendah, mekanisme perhatian juga tidak dapat dirancang dengan presisi. Mekanisme perhatian AI Web2 bergantung pada ruang Query-Key-Value yang seragam, sementara data dalam format yang berbeda yang dikembalikan oleh API independen sulit untuk membentuk Q/K/V yang dapat berinteraksi. Selain itu, dalam mode API, modul-modul kurang memiliki konteks pusat yang dapat dibagikan secara real-time, sehingga tidak dapat mencapai korelasi dan fokus global antar modul.
Karena kurangnya ruang dimensi tinggi dan mekanisme perhatian yang cermat, penggabungan fitur Web3 AI sering kali terjebak pada tahap penyambungan statis yang dangkal. Sebagai perbandingan, Web2 AI dapat mencapai penggabungan fitur dinamis dalam ruang dimensi tinggi, menangkap hubungan lintas modal yang mendalam dan kompleks.
Meskipun hambatan di industri AI semakin dalam, tetapi saat ini titik sakit AI Web2 belum terlihat. AI Web3 harus mengambil taktik "desa mengepung kota", dengan melakukan percobaan skala kecil di skenario tepi. Skenario yang cocok untuk AI Web3 termasuk struktur ringan, tugas yang mudah diparalelkan dan dapat memotivasi, seperti fine-tuning LoRA, tugas pelatihan pasca-latihan yang sejalan dengan perilaku, pelatihan dan pelabelan data crowdsourcing, pelatihan model dasar kecil, serta pelatihan kolaboratif perangkat tepi.
Di masa depan, proyek Web3 AI perlu memiliki fleksibilitas yang cukup untuk dapat beralih dengan cepat di antara berbagai skenario. Hanya ketika keuntungan dari Web2 AI menghilang sepenuhnya, masalah yang ditinggalkannya mungkin menjadi peluang nyata bagi Web3 AI. Sebelum saat itu, para pelaku di bidang Web3 AI perlu berhati-hati dalam membedakan proyek, dengan fokus pada protokol yang dapat masuk dari pinggiran, terus beriterasi, dan responsif.