![[content:title]](/upload/brand/1741764802619074.png)
near币价格今日行情
$7.3770
-2.80%
Near币 Protocol 价格实时数据
Near币 Protocol 价格表现 (美元)
| 时间范围 | 涨跌额 | 涨跌幅 |
|---|---|---|
| 今日 | -$0.21200 | -2.80% |
| 7 天 | -$0.54400 | -6.87% |
| 30 天 | $0.91600 | +14.17% |
| 3 个月 | $3.4200 | +86.42% |
Near币 Protocol 市场信息
near币正规交易所：点击下载
near币最新消息
最近，NEAR老牌公链的创始人Illia Polosukhin即将在3月20日亮相NVIDIA AI大会，这一消息让NEAR备受关注，其市场价格也呈现出令人欣喜的走势。
然而，许多人对此感到困惑：NEAR链不是一直在致力于链抽象吗？为何突然间就成了人工智能顶级公链呢？接下来，我将分享一些观察，并顺便科普一些与AI模型训练相关的知识：
NEAR的创始人Illia Polosukhin拥有着相当丰富的人工智能背景：他是Transformer架构的共同构建者。而Transformer架构正是如今LLMs（大型语言模型）如ChatGPT的基础架构之一，这足以证明NEAR老板在创建NEAR之前确实具备着AI大型模型系统的建立和领导经验。
NEAR在NEARCON 2023上推出了NEAR Tasks：旨在进行人工智能模型的训练和改进。简单来说，NEAR Tasks允许任务提供方（Vendor）发布任务请求，并上传基础资料素材，而任务执行者（Tasker）可以参与任务答题，为资料进行文字标注和影象识别等人工操作。任务完成后，平台会以NEAR代币作为奖励，而这些经过人工标注的资料会被用于训练相应的AI模型。
NEAR Tasks实质上是一种社会化人工工程，旨在为AI模型提供基础服务。为何这么重要呢？让我们稍微科普一下AI模型的训练流程。
一次完整的AI模型训练过程通常包括资料采集、资料预处理和标注、模型设计与训练、模型调优、微调、模型验证测试、模型部署、模型监控与更新等环节。其中，资料标注和预处理是人工部分，而模型训练与优化是机器部分。
人工标注在整个模型训练中至关重要：它为影像中的物件新增标签，供计算机提升视觉模型学习；它将语音内容转化为文字，并标注特定音节、单词短语，以帮助计算机进行语音识别模型训练；此外，人工标注还可以为文字添加情感标签，让人工智能增强情感分析技能。
NEAR Tasks的出现填补了这一人工标注的需求，为AI模型的训练提供了重要支持。通过NEAR Tasks，NEAR致力于为AI领域提供更多的人工标注数据，从而提升模型的效能。
然而，仅凭借NEAR Tasks还不足以让NEAR成为顶级AI公链。NEAR还在其生态系统中推出了AI Agent服务，旨在自动执行用户的链上操作。用户只需授权，即可轻松在市场中进行资产交易。这种Intent-centric的自动执行方式大大提升了用户链上互动的体验。
此外，NEAR强大的DA能力也可在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。
综上所述，NEAR在AI领域的技术延展和叙事引导使其比纯链抽象更具吸引力。长期来看，在关注NEAR在链抽象上的布局和产品推进的同时，关注其在AI领域的发展也是一个不错的策略。
半个月前，当我分析NRAR链抽象时，就已经看到了NEAR链的优势，而现在，NEAR在AI赋能领域的发展更是让人眼前一亮。
