作者：郝天；來源：鏈上觀

最近，NEAR founder @ilblackdragon 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！