英國倫敦，2024 年4 月9 日，Chainwire
人工智慧領域的開拓者NeuroMesh (nmesh.io) 宣布推出其分散式人工智慧訓練協議，預計將徹底改變人工智慧開發領域的全球存取和協作。 NeuroMesh 採用DePIN 的去中心化框架，彌合了訓練大型AI 模型和分散式GPU 的需求之間的差距。該倡議旨在促進人工智慧開發的包容性，促進不同部門和地區的參與。
人工智慧領域的遠見者：團隊的全球野心
NeuroMesh 背後的團隊由來自牛津大學、南洋理工大學、北大、清華大學、香港大學、谷歌和Meta 的研究人員和工程師組成，開創了民主的人工智慧訓練過程。這種富有遠見的方法使世界各地的GPU 所有者能夠為龐大的訓練網絡做出貢獻，從而使各種規模的實體能夠利用該服務來滿足其訓練需求，從而解決了中心化AI 開發的局限性。
NeuroMesh 透過促進協作超越了傳統人工智慧。他們的願景是讓每個開發人員和組織，無論位置或資源如何，都能夠訓練和利用尖端的人工智慧模型。這與Yann LeCun 等人工智慧先驅的願景完美契合，他們主張透過眾包和分散式人工智慧培訓來推動未來。
基於PCN的革命性設計
NeuroMesh 分散式訓練協定的核心在於突破性的PCN（預測編碼網路）訓練演算法– 是該領域真正的遊戲規則改變者。這種方法使世界各地的GPU 所有者能夠貢獻自己的力量，促進廣泛的協作。
PCN 訓練演算法：NeuroMesh 背後的魔力在於PCN 訓練演算法。與傳統的反向傳播(BP) 方法不同，PCN 能夠實現完全本地、並行和自主的訓練。該團隊的目標是創建一個龐大的網絡，其中每個節點（代表參與的GPU）獨立學習。 PCN 最大限度地減少了層間通信，減少了資料流量並促進非同步訓練。將其視為一首交響樂，每位音樂家都獨立演奏自己的部分，但又為和諧的整體做出了貢獻。
這個尖端模型的靈感來自牛津大學開創的神經科學研究的最新進展，模仿了人腦的局部學習方法。透過儲存誤差值並針對每一層中的局部目標進行最佳化，它複製了大腦神經元的行為。這使得NeuroMesh 能夠定義更大的模型，各個組件有助於整個網路實現相同的最終最佳化目標，就像人腦中不同的神經元組處理不同的刺激一樣。
這種受生物學啟發的方法與其固有的分發能力相結合，開啟了人工智慧開發的新時代。
呼籲建立全球夥伴關係
NeuroMesh 邀請全球合作夥伴，旨在打造一個人人都可以參與的人工智慧未來。它的協議是建構多元化生態系統的基石。此生態系統的設計具有動態性、協作性和適應性，確保能夠滿足任何產業、任何規模的人工智慧模型訓練需求。
歡迎個人、擁有GPU 資源的項目以及有培訓需求的實體加入這項變革性措施。有關NeuroMesh 的全面詳細資訊並參與這項前沿工作，用戶可以訪問nmesh.io。
關於神經網格
NeuroMesh 由牛津大學、南洋理工大學、北大、清華大學、香港大學、谷歌和Meta 等知名機構的研究人員和工程師組成。透過協助開發人員和組織部署強大的人工智慧模型，NeuroMesh 正在培育一個包容性的人工智慧生態系統，縮小全球範圍內訓練大型人工智慧模型和分散式GPU 的需求之間的差距。
欲了解更多信息，用戶可以訪問NeuroMesh 的Twitter | 電報
聯絡方式CMOKenchia LeeNeuroMeshkenchia@nmesh.io07746906341
免責聲明：這是贊助新聞稿，僅供參考。它不反映每日加密貨幣的觀點，也不打算用作法律、稅務、投資或財務建議。
資訊來源：由0x資訊編譯自CRYPTODAILY。版權所有，未經許可，不得轉載