원저자: Haotian(X: @tmel0211)
최근 NEAR 창립자 @ilblackdragon이 NVIDIA AI 컨퍼런스에 출연한다는 소식이 NEAR 퍼블릭 체인에서 많은 관심을 끌었고, 시장 가격 추세도 만족스럽습니다. 많은 친구들이 궁금합니다. NEAR 체인은 모두 체인 추상화를 수행하는 것이 아닌가요? 왜 설명할 수 없을 정도로 AI 헤드 퍼블릭 체인이 되었습니까? 다음으로, 관찰 내용을 공유하고 일부 AI 모델 교육 지식을 대중화하겠습니다.
1) NEAR 창립자 Illia Polosukhin은 장기적인 AI 배경을 갖고 있으며 Transformer 아키텍처의 공동 구축자입니다. Transformer 아키텍처는 오늘날 LLM의 대규모 언어 모델 교육을 위한 ChatGPT의 기본 아키텍처로, NEAR의 사장이 NEAR를 설립하기 전에 AI 대규모 모델 시스템을 만들고 주도한 경험이 있었음을 입증하기에 충분합니다.
2) NRAR은 인공지능 모델의 훈련과 개선을 목표로 NEARCON 2023에서 NEAR Tasks를 출시했습니다. 간단히 말해, 모델 훈련 수요자(Vendor)가 플랫폼에 작업 요청을 발행하고 기본 데이터 자료를 업로드할 수 있습니다. 사용자(Tasker)가 참여할 수 있습니다. 작업에 응답하고 데이터에 대한 텍스트 주석 및 이미지 인식과 같은 수동 작업을 수행합니다. 작업이 완료된 후 플랫폼은 사용자에게 NEAR 토큰을 보상하고 이러한 수동으로 레이블이 지정된 데이터는 해당 AI 모델을 훈련하는 데 사용됩니다.
예를 들어, AI 모델은 사진 속 개체를 식별하는 능력을 향상해야 합니다. 공급업체는 사진 속 다양한 개체가 포함된 대량의 원본 사진을 작업 플랫폼에 업로드할 수 있으며, 그런 다음 사용자는 개체의 위치를 수동으로 표시할 수 있습니다. 사진을 사용하여 수많은 사진-객체 위치 데이터를 생성하면 AI는 이러한 데이터를 사용하여 독립적으로 학습하여 이미지 인식 기능을 향상시킬 수 있습니다.
언뜻보기에 NEAR Tasks는 단순히 인공 공학을 사회화하여 AI 모델에 대한 기본 서비스를 제공하려는 것이 아닙니다. 정말 그렇게 중요합니까? 다음은 AI 모델에 대한 대중적인 과학 지식입니다.
일반적으로 완전한 AI 모델 훈련에는 데이터 수집, 데이터 전처리 및 주석, 모델 설계 및 훈련, 모델 조정, 미세 조정, 모델 검증 테스트, 모델 배포, 모델 모니터링 및 업데이트 등이 포함되며, 그중 데이터 주석 및 전처리는 다음과 같습니다. 수동 부분이고, 모델 훈련과 최적화는 기계 부분입니다.
당연히 대부분의 사람들은 기계 부품이 수동 부품보다 훨씬 더 크다는 것을 알고 있으며 결국 더 첨단 기술인 것처럼 보이지만 실제 상황에서는 전체 모델 훈련에서 수동 주석이 매우 중요합니다.
수동 주석은 컴퓨터용 이미지의 개체(사람, 장소, 사물)에 레이블을 추가하여 시각적 모델 학습을 향상시킬 수 있으며, 수동 주석은 음성 내용을 텍스트로 변환하고 특정 음절, 단어 문구 등을 표시하여 컴퓨터에 도움이 될 수 있습니다. 음성 인식 모델 훈련; 수동 주석을 사용하면 텍스트에 행복, 슬픔, 분노 등과 같은 감정 태그를 추가할 수 있어 인공 지능이 감정 분석 기술 등을 향상시킬 수 있습니다.
머신 기반 딥러닝 모델의 기본은 수동 주석(Manual Annotation)이라고 보는 것은 어렵지 않습니다. 제한된.
현재 최소 침습적 AI 분야에는 2차 미세 조정 또는 특수 교육을 위한 ChatGPT 대형 모델을 기반으로 하는 수직 방향이 많이 있습니다. 기본적으로 OpenAI의 데이터를 기반으로 특히 수동으로 레이블이 지정된 추가 새로운 데이터 소스가 있습니다. 모델 학습을 수행하기 위해 데이터가 추가됩니다.
예를 들어, 의료 회사가 의료 영상 AI를 기반으로 모델 훈련을 하고 병원에 일련의 온라인 AI 상담 서비스를 제공하려는 경우 대량의 의료 영상 원본 데이터를 태스크 플랫폼에 업로드하기만 하면 됩니다. 사용자는 작업을 표시하고 완료하며, 데이터에 수동으로 주석을 달고 이 데이터로 ChatGPT 대형 모델을 미세 조정하고 최적화하면 이 일반 AI 도구가 수직 분야의 전문가로 바뀔 것입니다.
그러나 NEAR가 Tasks 플랫폼에만 의존하는 것만으로는 AI 퍼블릭 체인의 리더가 되기에는 충분하지 않습니다. 실제로 NEAR는 생태계 내에서 AI 에이전트 서비스를 제공하여 사용자의 모든 온체인 행동과 작업을 자동으로 수행합니다. .사용자는 인증만 하면 자유롭게 시장에서 자산을 사고 팔 수 있습니다. 이는 AI 자동화 실행을 사용하여 사용자 온체인 상호 작용 경험을 향상시키는 의도 중심과 다소 유사합니다. 또한 NEAR의 강력한 DA 기능을 통해 AI 데이터 소스의 추적성 역할을 수행하고 AI 모델 교육 데이터의 유효성과 신뢰성을 추적할 수 있습니다.
요컨대, 고성능 체인 기능을 뒷받침하는 NEAR의 기술 확장과 AI 방향에 대한 내러티브 안내는 순수 체인 추상화보다 훨씬 더 강력해 보입니다.
반달 전 NRAR 체인 추상화를 분석할 때 NEAR 체인 성능 + 팀의 슈퍼 web2 리소스 통합 기능의 장점을 보았습니다. 체인 추상화가 아직 이 물결의 이점을 누릴 만큼 대중화되지 않았다는 것을 전혀 예상하지 못했습니다. AI의 재능으로 상상력을 다시 확장할 수 있어요.
참고: 장기적인 관심은 여전히 NEAR의 레이아웃과 체인 추상화의 제품 발전에 달려 있습니다. AI는 좋은 보너스이자 상승장 촉매제가 될 것입니다!
