原文作者：Haotian（X：@tmel0211）
最近，NEAR founder @ilblackdragon 将亮相英伟达 AI 大会的消息，让 NEAR 公链赚足了眼球，市场价格走势也喜人。不少朋友疑惑，NEAR 链不是 All in 在做链抽象么，怎么莫名其妙就成了 AI 头部公链了？接下来，分享下我的观察，顺带科普下一些 AI 模型训练知识：
1）NEAR 创始人 Illia Polosukhin 有过较长时间的 AI 背景，是 Tran**ormer 架构的共同构建者。而 Tran**ormer 架构是如今 LLMs 大型语言模型训练 ChatGPT 的基础架构，足以证明 NEAR 老板在成立 NEAR 前确实有 AI 大模型系统的创建和领导经验。
2）NRAR 曾在 NEARCON 2023 上推出过 NEAR Tasks，目标是为了进行人工智能模型的的训练和改进，简单来说，模型训练需求方（Vendor）可以在平台发布任务请求，并上传基础数据素材，用户（Tasker）可以参与进行任务答题，为数据进行文本标注和图像识别等人工操作。任务完成后，平台会给用户 NEAR **奖励，而这些经过人工标注的数据会被用于训练相应的 AI 模型。
比如：AI 模型需要提高识别图片中物体的能力，Vendor 可以将大量图片中带有不同物体的原始图片上传到 Tasks 平台，然后用户手动标注图片上上物**置，就可以生成大量「图片 - 物**置」的数据，AI 就可以用这些数据来自主学习来提高图片识别能力。
乍一听，NEAR Tasks 不就是想社会化人工工程来为 AI 模型做基础服务嘛，真有那么重要？在此加一点关于 AI 模型的科普知识。
通常情况下，一次完整的 AI 模型训练，包括数据采集、数据预处理和标注、模型设计与训练、模型调优、微调、模型验证测试、模型部署、模型监控与更新等等过程，其中数据标注和预处理为人工部分，而模型训练与优化为机器部分。
显然，大部分人理解中的机器部分要明显大于人工部分，毕竟显得更高科技一些，但实际情况下，人工标注在整个模型训练中至关重要。
人工标注可以为图像中的对象（人、地点、事物）等添加标签，供计算机提升视觉模型学习；人工标注还能将语音中的内容转化为文本，并标注特定音节、单词短语等帮助计算机进行语音识别模型训练；人工标注还可以给文本添加一些**、悲伤、愤怒等情感标签，让人工智能增强情感分析技能等等。
不难看出，人工标注是机器开展深度学习模型的基础，没有高质量的标注数据，模型就无法**学习，如果标注数据量不够大，模型性能也会受到限制。
目前，AI 微**域有很多基于 ChatGPT 大模型进行二次微调或专项训练的垂直方向，本质上都是在 OpenAI 的数据基础上，额外增加新的数据源尤其是人工标注数据来施展模型训练。
比如，医疗公司想基于医学影像 AI 做模型训练，为医院提供一套在线 AI 问诊服务，只需要将大量的原始医学影像数据上传到 Task 平台，然后让用户去标注并完成任务，就产生了人工标注数据，再将这些数据对 ChatGPT 大模型进行微调和优化，就会让这个通用 AI 工具变成垂直领域的专家。
不过，NEAR 仅仅凭借 Tasks 平台，就想成为 AI 公链龙头显然还不够，NEAR 其实还在生态系统中进行 AI Agent 服务，用来自动执行用户一切链上行为和操作，用户只需授权就可以自由在市场中买卖资产。这有点类似 Intent-centric，用 AI 自动化执行来提升用户链上交互体验。除此之外，NEAR 强大的 DA 能力可以让它在 AI 数据来源的可追溯性上发挥作用，追踪 AI 模型训练数据有效性和真实性。
总之，背靠高性能的链功能，NEAR 做 AI 方向的技术延展和叙事引导，似乎要比纯链抽象要不明觉厉多了。
半个月前我在分析 NRAR 链抽象时，就看到了 NEAR 链性能 团队** web2 资源整合能力的优势，万万没想到，链抽象还没有普及开来摘到果子，这一波 AI 赋能再一次把想象力放大了。
Note：长期关注还是得看 NEAR 在「链抽象」上的布局和产品推进，AI 会是个不错的加分项和牛市催化剂！
原文链接
| 正加财富网内容推荐 | ||
| OK交易所下载 | USDT钱包下载 | 比特币平台下载 |
| 新手交易教程 | 平台提币指南 | 挖矿方法讲解 |
