Розвиток Web3 AI: труднощі та майбутні напрямки

Швидкий розвиток технологій Web2 AI поглиблює галузеві бар'єри. Складність мультимодальних моделей постійно зростає, від семантичної відповідності до візуального розуміння, від високовимірних вбудувань до злиття ознак — на кожному етапі необхідно значне інвестування ресурсів. Ця тенденція розвитку призводить до подальшого збільшення технологічного розриву в галузі AI.

Однак Web3 AI, здається, відстає в цій конкуренції. Особливо нещодавні спроби в напрямку Agent мають серйозні проблеми з напрямком. Спроба сконструювати багатофункціональну модульну систему в стилі Web2 за допомогою децентралізованої структури насправді є подвійним невідповідністю в технологіях та мисленні. У контексті високої модулярності, нестабільності розподілу ознак і зростаючої концентрації вимог до обчислювальної потужності, багатофункціональна модульність важко закріплюється в середовищі Web3.

В інфраструктурі Web3 AI існує кілька ключових проблем:

1. Невідповідність семантики призводить до зниження продуктивності. Протокол Web3 Agent не може реалізувати високорозмірні вбудування, оскільки модульність сама по собі є ілюзією. Між різними модулями не вистачає єдиного семантичного подання, що ускладнює ефективний обмін і інтеграцію інформації.

2. У низьковимірному просторі механізм уваги не може бути точно спроектований. Модульна структура Web3 AI не дозволяє побудувати єдине простір Query-Key-Value, а також не має можливостей для паралельних обчислень і динамічного розподілу ваг.

3. Злиття ознак залишається на простій стадії статичного з'єднання. Через нестачу високорівневих представлень та точних механізмів уваги Web3 AI важко досягти складної взаємодії ознак та динамічного злиття.

Незважаючи на те, що бар'єри в AI-індустрії поглиблюються, на даний момент болі Web2 AI ще не проявилися в повній мірі. Для того щоб Web3 AI зміг прорватися, необхідно застосувати стратегію "села оточують місто", починаючи з периферійних сценаріїв. Можливі напрямки для уваги включають:

• Легка структура та просте паралельне виконання задач
• LoRA налаштування
• Завдання після тренування на узгодження поведінки
• Краудсорсинг навчання та анотація даних
• Тренування малих базових моделей
• Спільне навчання на крайових пристроях

Проекти Web3 AI повинні мати такі характеристики:

• З малого масштабу краєвого сценарію
• Можливість швидкої ітерації в конкретних сценаріях використання
• Зберігати гнучкість архітектури, щоб відповідати різним вимогам сценаріїв

Тільки коли вигода Web2 AI зникне, залишаючи очевидні болі, Web3 AI зможе знайти справжні можливості. До цього моменту Web3 AI потрібно обережно вибирати точки входу, уникаючи сліпого переслідування самостійно створених "болей". Успішними проектами Web3 AI у майбутньому стануть ті, які зможуть впевнено закріпитися в прикордонних сценах та мати швидку здатність до адаптації.