Технологічні бар'єри Web2 AI та напрямки розвитку Web3 AI
З розвитком мультимодальних моделей технологічні бар'єри у сфері Web2 AI постійно поглиблюються. Від семантичного вирівнювання до візуального розуміння, від високо вимірних вбудовувань до злиття ознак, складні моделі об'єднують різні способи вираження з безпрецедентною швидкістю, створюючи дедалі більш закриту AI-екосистему.
Проте, розвиток Web3 AI, особливо спроби в напрямку Agent, останнім часом, здається, не знайшов правильного напрямку. Спроба зібрати систему багатокомпонентної модульності в стилі Web2 за допомогою децентралізованої структури насправді є подвійним дисонансом технології та мислення. У сьогоднішніх умовах, коли модульна сполучуваність є надзвичайно сильною, розподіл ознак надзвичайно нестабільний, а вимоги до обчислювальної потужності стають все більш централізованими, багатокомпонентна модульність важко знайти своє місце в Web3.
Web3 AI на базі плоскої мультимодальної моделі важко реалізувати семантичну відповідність, що призводить до низької продуктивності. Високовимірний векторний простір є ключем до досягнення семантичної відповідності, але протокол Web3 Agent важко це реалізувати. Більшість Web3 Agent просто упакували готові API в окремі модулі, їм бракує єдиного центрального векторного простору та міжмодульного механізму уваги.
У низьковимірному просторі механізм уваги також не може бути точно спроектований. Механізм уваги Web2 AI залежить від єдиного простору Query-Key-Value, тоді як дані різного формату, що повертаються незалежними API, важко формують інтерактивні Q/K/V. Крім того, у режимі API відсутній центральний контекст для реального обміну між модулями, що ускладнює реалізацію глобальних зв'язків та фокусування між модулями.
Через відсутність високорозмірного простору та точних механізмів уваги, злиття ознак Web3 AI часто залишається на поверхневій стадії статичного з'єднання. На відміну від цього, Web2 AI здатний реалізувати динамічне злиття ознак у високорозмірному просторі, захоплюючи глибокі, складні крос-модальні зв'язки.
Хоча бар'єри в AI-індустрії поглиблюються, але на даний момент болючі моменти Web2 AI ще не виявилися. Web3 AI повинен застосувати тактику "села оточують місто", тестуючи на малих масштабах у крайових сценах. Сценарії, що підходять для Web3 AI, включають легку структуру, завдання, які легко виконуються паралельно та можуть бути заохочені, такі як доопрацювання LoRA, завдання посттренування для узгодження поведінки, навчання і маркування даних через краудсорсинг, навчання малих базових моделей, а також спільне навчання на крайових пристроях.
У майбутньому проекти Web3 AI повинні мати достатню гнучкість, щоб швидко переходити між різними сценаріями. Тільки коли бонуси Web2 AI повністю зникнуть, залишені ним больові точки можуть стати справжньою можливістю для Web3 AI. До того часу учасники сфери Web3 AI повинні обережно розрізняти проекти, зосереджуючи увагу на тих, які можуть входити з краю, постійно ітеративно розвиватися і гнучко реагувати на зміни.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Виклики розвитку Web3 AI: технологічні дисбаланси та можливості для прориву
Технологічні бар'єри Web2 AI та напрямки розвитку Web3 AI
З розвитком мультимодальних моделей технологічні бар'єри у сфері Web2 AI постійно поглиблюються. Від семантичного вирівнювання до візуального розуміння, від високо вимірних вбудовувань до злиття ознак, складні моделі об'єднують різні способи вираження з безпрецедентною швидкістю, створюючи дедалі більш закриту AI-екосистему.
Проте, розвиток Web3 AI, особливо спроби в напрямку Agent, останнім часом, здається, не знайшов правильного напрямку. Спроба зібрати систему багатокомпонентної модульності в стилі Web2 за допомогою децентралізованої структури насправді є подвійним дисонансом технології та мислення. У сьогоднішніх умовах, коли модульна сполучуваність є надзвичайно сильною, розподіл ознак надзвичайно нестабільний, а вимоги до обчислювальної потужності стають все більш централізованими, багатокомпонентна модульність важко знайти своє місце в Web3.
Web3 AI на базі плоскої мультимодальної моделі важко реалізувати семантичну відповідність, що призводить до низької продуктивності. Високовимірний векторний простір є ключем до досягнення семантичної відповідності, але протокол Web3 Agent важко це реалізувати. Більшість Web3 Agent просто упакували готові API в окремі модулі, їм бракує єдиного центрального векторного простору та міжмодульного механізму уваги.
У низьковимірному просторі механізм уваги також не може бути точно спроектований. Механізм уваги Web2 AI залежить від єдиного простору Query-Key-Value, тоді як дані різного формату, що повертаються незалежними API, важко формують інтерактивні Q/K/V. Крім того, у режимі API відсутній центральний контекст для реального обміну між модулями, що ускладнює реалізацію глобальних зв'язків та фокусування між модулями.
Через відсутність високорозмірного простору та точних механізмів уваги, злиття ознак Web3 AI часто залишається на поверхневій стадії статичного з'єднання. На відміну від цього, Web2 AI здатний реалізувати динамічне злиття ознак у високорозмірному просторі, захоплюючи глибокі, складні крос-модальні зв'язки.
Хоча бар'єри в AI-індустрії поглиблюються, але на даний момент болючі моменти Web2 AI ще не виявилися. Web3 AI повинен застосувати тактику "села оточують місто", тестуючи на малих масштабах у крайових сценах. Сценарії, що підходять для Web3 AI, включають легку структуру, завдання, які легко виконуються паралельно та можуть бути заохочені, такі як доопрацювання LoRA, завдання посттренування для узгодження поведінки, навчання і маркування даних через краудсорсинг, навчання малих базових моделей, а також спільне навчання на крайових пристроях.
У майбутньому проекти Web3 AI повинні мати достатню гнучкість, щоб швидко переходити між різними сценаріями. Тільки коли бонуси Web2 AI повністю зникнуть, залишені ним больові точки можуть стати справжньою можливістю для Web3 AI. До того часу учасники сфери Web3 AI повинні обережно розрізняти проекти, зосереджуючи увагу на тих, які можуть входити з краю, постійно ітеративно розвиватися і гнучко реагувати на зміни.