近期，NEAR的创始人@ilblackdragon在即将亮相英伟达AI大会的消息引起了人们对NEAR公链的关注。不少人纳闷，NEAR公链本来是全身心投入链抽象领域的，为何突然变成了人工智能领域的头部公链？接下来我将分享一些观察，并顺便科普一些AI模型训练的知识。摘要：而Transformer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NEARCON2023上推出过NEARTasks，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...
首先，NEAR的创始人Illia Polosukhin在成立NEAR之前有着长时间的人工智能背景，是Transformer架构的共同构建者。而Transformer架构正是如今LLMs大型语言模型训练ChatGPT的基础架构，这足以证明NEAR的创始人在人工智能大型系统的创建和领导方面有着丰富的经验。
其次，NEAR曾在NEARCON 2023上推出过NEAR Tasks，旨在进行人工智能模型的训练和改进。简而言之，模型训练需求方可以在平台发布任务请求，并上传基础数据素材，用户可以参与任务答题，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代币奖励，并将这些经过人工标注的数据用于训练相应的AI模型。
NEAR Tasks其实就是想通过社会化人工工程为AI模型提供基础服务，这一点非常重要。因为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，模型就无法高效学习，且标注数据量不够大会限制模型性能。
此外，NEAR还在生态系统中提供AI Agent服务，用来自动执行用户的链上行为和操作，从而提升用户链上交互体验。而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模型训练数据的有效性和真实性。
总之，借助高性能的链功能，NEAR在AI领域的技术延展和叙事引导远比纯链抽象更为深刻。这一波AI赋能再一次放大了人们的想象力，而长期关注NEAR在链抽象上的布局和产品推进，AI无疑会成为一个不错的加分项和牛市催化剂。
原文链接：[原文链接]
