最近，NEAR Founder Illia Polosukhin 將亮相英偉達(dá) AI 大會(huì)的消息，讓 NEAR 公鏈賺足了眼球，市場(chǎng)價(jià)格走勢(shì)也喜人。不少朋友疑惑，NEAR 鏈不是 All in 在做鏈抽象么，怎么莫名其妙就成了 AI 頭部公鏈了？

接下來，分享下我的觀察，順帶科普下一些 AI 模型訓(xùn)練知識(shí)：

1）NEAR 創(chuàng)始人 Illia Polosukhin 有過較長(zhǎng)時(shí)間的 AI 背景，是 Transformer 架構(gòu)的共同構(gòu)建者。而 Transformer 架構(gòu)是如今 LLMs 大型語言模型訓(xùn)練 ChatGPT 的基礎(chǔ)架構(gòu)，足以證明 NEAR 老板在成立 NEAR 前確實(shí)有 AI 大模型系統(tǒng)的創(chuàng)建和領(lǐng)導(dǎo)經(jīng)驗(yàn)。

2）NRAR 曾在 NEARCON 2023 上推出過 NEAR Tasks，目標(biāo)是為了進(jìn)行人工智能模型的的訓(xùn)練和改進(jìn)，簡(jiǎn)單來說，模型訓(xùn)練需求方（Vendor）可以在平臺(tái)發(fā)布任務(wù)請(qǐng)求，并上傳基礎(chǔ)數(shù)據(jù)素材，用戶（Tasker）可以參與進(jìn)行任務(wù)答題，為數(shù)據(jù)進(jìn)行文本標(biāo)注和圖像識(shí)別等人工操作。任務(wù)完成后，平臺(tái)會(huì)給用戶 NEAR 代幣獎(jiǎng)勵(lì)，而這些經(jīng)過人工標(biāo)注的數(shù)據(jù)會(huì)被用于訓(xùn)練相應(yīng)的 AI 模型。

比如：AI 模型需要提高識(shí)別圖片中物體的能力，Vendor 可以將大量圖片中帶有不同物體的原始圖片上傳到 Tasks 平臺(tái)，然后用戶手動(dòng)標(biāo)注圖片上上物體位置，就可以生成大量「圖片 - 物體位置」的數(shù)據(jù)，AI 就可以用這些數(shù)據(jù)來自主學(xué)習(xí)來提高圖片識(shí)別能力。

乍一聽，NEAR Tasks 不就是想社會(huì)化人工工程來為 AI 模型做基礎(chǔ)服務(wù)嘛，真有那么重要？ 在此加一點(diǎn)關(guān)于 AI 模型的科普知識(shí)。

通常情況下，一次完整的 AI 模型訓(xùn)練，包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和標(biāo)注、模型設(shè)計(jì)與訓(xùn)練、模型調(diào)優(yōu)、微調(diào)、模型驗(yàn)證測(cè)試、模型部署、模型監(jiān)控與更新等等過程，其中數(shù)據(jù)標(biāo)注和預(yù)處理為人工部分，而模型訓(xùn)練與優(yōu)化為機(jī)器部分。

顯然，大部分人理解中的機(jī)器部分要明顯大于人工部分，畢竟顯得更高科技一些，但實(shí)際情況下，人工標(biāo)注在整個(gè)模型訓(xùn)練中至關(guān)重要。

人工標(biāo)注可以為圖像中的對(duì)象（人、地點(diǎn)、事物）等添加標(biāo)簽，供計(jì)算機(jī)提升視覺模型學(xué)習(xí)；人工標(biāo)注還能將語音中的內(nèi)容轉(zhuǎn)化為文本，并標(biāo)注特定音節(jié)、單詞短語等幫助計(jì)算機(jī)進(jìn)行語音識(shí)別模型訓(xùn)練；人工標(biāo)注還可以給文本添加一些快樂、悲傷、憤怒等情感標(biāo)簽，讓人工智能增強(qiáng)情感分析技能等等。

不難看出，人工標(biāo)注是機(jī)器開展深度學(xué)習(xí)模型的基礎(chǔ)，沒有高質(zhì)量的標(biāo)注數(shù)據(jù)，模型就無法高效學(xué)習(xí)，如果標(biāo)注數(shù)據(jù)量不夠大，模型性能也會(huì)受到限制。

目前，AI 微創(chuàng)領(lǐng)域有很多基于 ChatGPT 大模型進(jìn)行二次微調(diào)或?qū)ｍ?xiàng)訓(xùn)練的垂直方向，本質(zhì)上都是在 OpenAI 的數(shù)據(jù)基礎(chǔ)上，額外增加新的數(shù)據(jù)源尤其是人工標(biāo)注數(shù)據(jù)來施展模型訓(xùn)練。

比如，醫(yī)療公司想基于醫(yī)學(xué)影像 AI 做模型訓(xùn)練，為醫(yī)院提供一套在線 AI 問診服務(wù)，只需要將大量的原始醫(yī)學(xué)影像數(shù)據(jù)上傳到 Task 平臺(tái)，然后讓用戶去標(biāo)注并完成任務(wù)，就產(chǎn)生了人工標(biāo)注數(shù)據(jù)，再將這些數(shù)據(jù)對(duì) ChatGPT 大模型進(jìn)行微調(diào)和優(yōu)化，就會(huì)讓這個(gè)通用 AI 工具變成垂直領(lǐng)域的專家。

不過，NEAR 僅僅憑借 Tasks 平臺(tái)，就想成為 AI 公鏈龍頭顯然還不夠，NEAR 其實(shí)還在生態(tài)系統(tǒng)中進(jìn)行 AI Agent 服務(wù)，用來自動(dòng)執(zhí)行用戶一切鏈上行為和操作，用戶只需授權(quán)就可以自由在市場(chǎng)中買賣資產(chǎn)。這有點(diǎn)類似 Intent-centric，用 AI 自動(dòng)化執(zhí)行來提升用戶鏈上交互體驗(yàn)。除此之外，NEAR 強(qiáng)大的 DA 能力可以讓它在 AI 數(shù)據(jù)來源的可追溯性上發(fā)揮作用，追蹤 AI 模型訓(xùn)練數(shù)據(jù)有效性和真實(shí)性。

總之，背靠高性能的鏈功能，NEAR 做 AI 方向的技術(shù)延展和敘事引導(dǎo)，似乎要比純鏈抽象要不明覺厲多了。

半個(gè)月前我在分析 NRAR 鏈抽象時(shí)，就看到了 NEAR 鏈性能 + 團(tuán)隊(duì)超強(qiáng) Web2 資源整合能力的優(yōu)勢(shì)，萬萬沒想到，鏈抽象還沒有普及開來摘到果子，這一波 AI 賦能再一次把想象力放大了。

Note：長(zhǎng)期關(guān)注還是得看 NEAR 在「鏈抽象」上的布局和產(chǎn)品推進(jìn)，AI 會(huì)是個(gè)不錯(cuò)的加分項(xiàng)和牛市催化劑！

拓展閱讀：

NEAR幣是什么？NEAR幣未來價(jià)格預(yù)測(cè)2024-2030年

NEAR幣怎么購(gòu)買?NEAR幣買賣交易操作步驟教程

NEAR幣交易所有哪些?NEAR幣上線交易所盤點(diǎn)