エヌビディアのカンファレンスに登場 NEARはなぜAIパブリックチェーンのトップになれたのか？

著者：Hao Tian、ソース：Chain View

最近、NEARの創始者@ilblackdragonがNVIDIA AIカンファレンスに登場するというニュースは、NEARパブリックチェーンを多くの注目を集めており、市場の価格動向も喜ばしいものです。多くの友人は、NEARチェーンはチェーンの抽象化を行う上ですべてではない、どのように何とかAIヘッドパブリックチェーンになったのだろうか？

1）NEARの創始者であるIlia Polosukhinは、長いAI経歴を持ち、Transformerアーキテクチャの共同構築者である。Transformerアーキテクチャは、今日のLLMのための大規模言語モデルトレーニングであるChatGPTを支えるインフラであり、NEARのオーナーがNEARを設立する前にAIの大規模モデルシステムを作成し、リードした経験があることを証明しています。

2)NRARはNEARCON2023で、AIモデルのトレーニングと改善を目的としたNEAR Tasksを立ち上げました。 簡単に言うと、モデルトレーニングの需要側（Vendor）はプラットフォームにタスクのリクエストを投稿し、基礎となるデータ素材をアップロードすることができ、ユーザー（Tasker）はタスクの実施に参加することができます。Tasker)は、タスクの回答に参加し、データに対するテキスト注釈や画像認識などの手動操作を行うことができる。タスクが完了すると、プラットフォームはユーザーにNEARトークンで報酬を与え、手動でアノテーションされたデータは対応するAIモデルを訓練するために使用されます。

例えば、AIモデルが写真内のオブジェクトを識別する能力を向上させる必要がある場合、ベンダーは異なるオブジェクトが写っている大量のオリジナル写真をタスクプラットフォームにアップロードすることができる。AIはこのデータを使って、画像認識を向上させるために独自に学習することができる。

一見したところ、NEAR TasksはAIモデルのための基本的なサービスを行うために人工工学を社会化させようとはしていない。ここでは、AIモデルに関する一般的な知識を少し追加します。

通常、データの取得、データの前処理とアノテーション、モデルの設計とトレーニング、モデルのチューニング、微調整、モデルの検証テスト、モデルの展開、モデルの監視と更新などを含む、完全なAIモデルのトレーニングは、手動部分はデータのアノテーションと前処理、機械部分はモデルのトレーニングと最適化です。機械の部分は、モデルのトレーニングと最適化です。

明らかに、ほとんどの人は、プロセスの機械部分が手動部分よりもかなり大きいと理解しています。結局のところ、それは少しハイテクに見えますが、実際には、手動アノテーションは全体的なモデルトレーニングにおいて重要です。

人工的なアノテーションは、コンピュータが視覚モデルの学習を強化するために、画像内のオブジェクト（人、場所、物）などにラベルを追加することができます。人工的なアノテーションは、音声のテキストに変換することもでき、コンピュータが音声認識モデルの学習を行うために、特定の音節、フレーズなどでラベルを付けることができます。人工的な注釈はまた、テキストにいくつかの幸せ、悲しい、怒りなどの感情的なラベルを追加することができ、AIは感情分析スキルなどを強化することができます。

人工的なアノテーションは、機械がディープラーニングモデルを実行するための基礎であり、高品質のアノテーションデータがなければ、モデルを効率的に学習することができず、アノテーションデータの量が十分でなければ、モデルの性能も制限されることが容易にわかる。

現在、AI低侵襲分野では、ChatGPT大規模モデルをベースにした二次的な微調整や特別なトレーニングなど、基本的にOpenAIのデータをベースとし、さらに新しいデータソース、特に手動でアノテーションしたデータを追加してモデルトレーニングを行う垂直方向が多く見られます。

例えば、医療企業が医療画像AIに基づいたモデルトレーニングを行い、病院向けに一連のオンラインAI相談サービスを提供したい場合、大量の生医療画像データをタスクプラットフォームにアップロードするだけでよく、その後、ユーザーにラベリングに行かせ、タスクを完了させることで、手動で注釈を付けたデータが生成され、ChatGPTモデルに微調整されます。微調整と最適化のためのChatGPTの大きなモデルは、この汎用AIツールを垂直分野の専門家にするでしょう。

しかし、NEARがそのTasksプラットフォームだけで、AIパブリックチェーンのリーディングカンパニーになるには不十分であることは明らかです。 NEARは実際に、そのエコシステムにおいてAIエージェントサービスを提供しています。これは、ユーザーのオンチェーンでの行動や操作のすべてを自動化するために使用され、ユーザーが承認するだけで、マーケットプレイスで資産を売買できるようにします。これは、AIによる自動化を利用してチェーン上でのユーザーとのインタラクション体験を向上させるIntent-centricとやや似ている。これに加えて、NEARの強力なDA機能は、AIモデルのトレーニングデータの有効性と真正性を追跡し、AIデータソースのトレーサビリティの役割を果たすことを可能にする。

全体として、高性能なチェーン機能に裏打ちされたNEARの技術拡張とAIの方向性を示す物語的なガイダンスは、純粋なチェーンの抽象化よりもはるかに不特定多数に思われる。

半月前、NRARのチェーン抽象化を分析していたとき、私はNEARのチェーンパフォーマンス+チームの優れたウェブ2リソース統合機能の利点を見たが、チェーン抽象化がまだ普及しておらず、AIの権限委譲の波の果実を摘み取り、再び想像力を増幅させるとは思わなかった。

注：長期的な懸念は、まだNEARのレイアウトと「チェーンの抽象化」上の製品プロモーションを見ることであり、AIは良いプラスポイントであり、強気市場のための触媒になります！