La principal razón por la que la especulación generalizada es que se espera que Bitcoin supere los 200.000 dólares es que ha entrado en una nueva etapa narrativa. Después de que las principales instituciones financieras reconozcan gradualmente el posicionamiento del oro digital, Bitcoin se está convirtiendo en una clase de activo importante: una reserva estratégica nacional. activo.
El 10 de noviembre, el director ejecutivo de la revista (Bitcoin), David Bailey, dijo en su plataforma social: "Al menos un país soberano está adquiriendo activamente Bitcoin y se encuentra entre los cinco principales poseedores. Espero que tengamos noticias de ellos pronto". '
En la actualidad, todos los países soberanos del mundo, incluidos los gobiernos de China, Estados Unidos y Rusia, participan en la tenencia de Bitcoin.

En la conferencia de NVIDIA, ¿por qué NEAR se convirtió inexplicablemente en la cadena pública líder en IA? Recientemente, la noticia de que el fundador de NEAR, @ilblackdragon, aparecerá en la Conferencia de IA de NVIDIA ha atraído mucha atención en la cadena pública de NEAR, y la tendencia de los precios del mercado también es gratificante. Muchos amigos se preguntan: ¿NEAR Chain no está abstrayendo la cadena? ¿Por qué se ha convertido inexplicablemente en una cadena pública principal de IA? A continuación, compartiré mis observaciones y popularizaré algunos conocimientos sobre el entrenamiento de modelos de IA: 1) La fundadora de NEAR, Illia Polosukhin, tiene una larga experiencia en IA y es cocreadora de la arquitectura Transformer. La arquitectura Transformer es la arquitectura básica de ChatGPT para la capacitación de modelos de lenguaje grandes de LLM en la actualidad, lo cual es suficiente para demostrar que el jefe de NEAR tenía experiencia en la creación y liderazgo de sistemas de modelos grandes de IA antes de establecer NEAR. 2) NRAR lanzó NEAR Tasks en NEARCON 2023. El objetivo es entrenar y mejorar modelos de inteligencia artificial. En pocas palabras, el demandante de capacitación del modelo (Proveedor) puede emitir solicitudes de tareas en la plataforma y cargar materiales de datos básicos. participar en la respuesta de tareas y realizar operaciones manuales como anotación de texto y reconocimiento de imágenes para datos. Una vez completada la tarea, la plataforma recompensará al usuario con tokens NEAR y estos datos etiquetados manualmente se utilizarán para entrenar el modelo de IA correspondiente. Por ejemplo, el modelo de IA necesita mejorar su capacidad para identificar objetos en imágenes. El proveedor puede cargar una gran cantidad de imágenes originales con diferentes objetos en las imágenes en la plataforma Tasks y luego los usuarios marcan manualmente las posiciones de los objetos en la página. imágenes para generar una gran cantidad de datos de "posiciones de imagen-objeto", la IA puede usar estos datos para aprender de forma independiente y mejorar las capacidades de reconocimiento de imágenes. A primera vista, NEAR Tasks solo quiere socializar la ingeniería artificial para proporcionar servicios básicos para los modelos de IA. ¿Es realmente tan importante? Agregue aquí algunos conocimientos científicos populares sobre los modelos de IA. Normalmente, un entrenamiento completo de un modelo de IA incluye recopilación de datos, preprocesamiento y anotación de datos, diseño y entrenamiento de modelos, ajuste de modelos, ajuste fino, pruebas de verificación de modelos, implementación de modelos, monitoreo y actualización de modelos, etc., entre los cuales se encuentran la anotación y el preprocesamiento de datos. la parte manual, mientras que el entrenamiento y la optimización del modelo son la parte de la máquina. Obviamente, la mayoría de la gente entiende que la parte de la máquina es significativamente más grande que la parte manual, después de todo, parece ser más de alta tecnología, pero en circunstancias reales, la anotación manual es crucial en todo el entrenamiento del modelo.La anotación manual puede agregar etiquetas a objetos (personas, lugares, cosas) en imágenes para computadoras para mejorar el aprendizaje del modelo visual. La anotación manual también puede convertir el contenido de voz en texto y marcar sílabas específicas, frases de palabras, etc. para ayudar a las computadoras a entrenar el modelo de reconocimiento de voz. La anotación manual también puede agregar algunas etiquetas emocionales como felicidad, tristeza, enojo, etc. al texto, lo que permite que la inteligencia artificial mejore las habilidades de análisis emocional, etc. No es difícil ver que la anotación manual es la base para que las máquinas desarrollen modelos de aprendizaje profundo. Sin datos anotados de alta calidad, el modelo no puede aprender de manera eficiente. Si la cantidad de datos anotados no es lo suficientemente grande, el rendimiento del modelo también lo será. Actualmente, existen muchos métodos mínimamente invasivos basados ​​​​en IA. La dirección vertical del ajuste fino secundario o el entrenamiento especial del modelo grande ChatGPT se basa esencialmente en los datos de OpenAI y en nuevas fuentes de datos adicionales, especialmente datos etiquetados manualmente. , se agregan para realizar el entrenamiento del modelo. Por ejemplo, si una empresa médica desea realizar una capacitación modelo basada en IA de imágenes médicas y proporcionar un conjunto de servicios de consulta de IA en línea para hospitales, solo necesita cargar una gran cantidad de datos de imágenes médicas originales en la plataforma Task y luego dejar que los usuarios marcan y completan la tarea, anotan datos manualmente y luego ajustan y optimizan el modelo grande ChatGPT con estos datos convertirán esta herramienta general de IA en una experta en un campo vertical. Sin embargo, obviamente no es suficiente que NEAR se convierta en el líder de la cadena pública de IA simplemente confiando en la plataforma Tasks. En realidad, NEAR también proporciona servicios de Agente de IA en el ecosistema para realizar automáticamente todos los comportamientos y operaciones en cadena de los usuarios. Los usuarios solo necesitan autorizarlos para comprar y vender activos en el mercado. Esto es algo similar a Centrado en intención, que utiliza la ejecución automatizada de IA para mejorar la experiencia de interacción del usuario en la cadena. Además, las poderosas capacidades DA de NEAR le permiten desempeñar un papel en la trazabilidad de las fuentes de datos de IA y rastrear la validez y autenticidad de los datos de entrenamiento del modelo de IA. En resumen, respaldada por funciones de cadena de alto rendimiento, la extensión técnica y la guía narrativa de NEAR en dirección a la IA parecen ser mucho más poderosas que la pura abstracción de la cadena. $NEAR