London, Inggris Raya, 9 April 2024, Chainwire
NeuroMesh (nmesh.io), pelopor kecerdasan buatan, mengumumkan peluncuran protokol pelatihan AI terdistribusi, yang siap merevolusi akses global dan kolaborasi dalam pengembangan AI. Dengan memanfaatkan kerangka kerja desentralisasi DePIN, NeuroMesh menjembatani kesenjangan antara permintaan untuk pelatihan model AI besar dan GPU terdistribusi. Inisiatif ini bertujuan untuk mendorong inklusivitas dalam pengembangan AI, memfasilitasi partisipasi di berbagai sektor dan geografi.
Visioner dalam AI: Ambisi Global Tim
Tim di belakang NeuroMesh, terdiri dari peneliti dan insinyur dari Oxford, NTU, PKU, THU, HKU, Google, dan Meta, memelopori proses pelatihan AI yang demokratis. Pendekatan visioner ini mengatasi keterbatasan pengembangan AI terpusat dengan memungkinkan pemilik GPU di seluruh dunia berkontribusi pada jaringan pelatihan yang luas, memberdayakan entitas dari semua ukuran untuk memanfaatkan layanan ini untuk kebutuhan pelatihan mereka.
NeuroMesh melampaui AI tradisional dengan mendorong kolaborasi. Visi mereka adalah membekali setiap pengembang dan organisasi, terlepas dari lokasi atau sumber dayanya, dengan kemampuan untuk melatih dan memanfaatkan model AI mutakhir. Hal ini selaras dengan visi pionir AI seperti Yann LeCun, yang mendukung masa depan yang didukung oleh pelatihan AI yang dilakukan secara crowdsourcing dan didistribusikan.
Desain Revolusioner Berdasarkan PCN
Inti dari protokol pelatihan terdistribusi NeuroMesh terletak pada algoritma pelatihan PCN (Predictive Coding Network) yang inovatif – sebuah terobosan nyata dalam bidang ini. Pendekatan ini memberdayakan pemilik GPU di seluruh dunia untuk menyumbangkan kekuatan mereka, mendorong upaya kolaboratif yang luas.
Algoritma Pelatihan PCN: Keajaiban di balik NeuroMesh terletak pada algoritma pelatihan PCN. Tidak seperti metode propagasi mundur (BP) tradisional, PCN memungkinkan pelatihan yang sepenuhnya lokal, paralel, dan otonom. Tim ini bertujuan untuk menciptakan jaringan yang luas, di mana setiap node—yang mewakili GPU yang berpartisipasi—belajar secara mandiri. PCN meminimalkan komunikasi antar lapisan, mengurangi lalu lintas data, dan memfasilitasi pelatihan asinkron. Anggap saja sebagai sebuah simfoni di mana setiap musisi memainkan perannya secara independen, namun berkontribusi pada keseluruhan yang harmonis.
Model mutakhir ini, yang terinspirasi oleh kemajuan terkini dalam penelitian ilmu saraf yang dipelopori oleh Universitas Oxford, meniru pendekatan pembelajaran lokal yang dilakukan otak manusia. Dengan menyimpan nilai kesalahan dan mengoptimalkan target lokal di setiap lapisan, ini mereplikasi perilaku neuron otak. Hal ini memungkinkan NeuroMesh untuk mendefinisikan model yang jauh lebih besar, dengan masing-masing komponen yang berkontribusi pada tujuan pengoptimalan akhir yang sama untuk keseluruhan jaringan, seperti otak manusia di mana rangsangan yang berbeda ditangani oleh kelompok neuron yang berbeda.
Pendekatan yang terinspirasi secara biologis ini, dipadukan dengan kemampuan distribusi yang melekat, membuka era baru pengembangan AI.
Panggilan untuk Menjalin Kemitraan Global
NeuroMesh mengundang kemitraan secara global, yang bertujuan untuk membentuk masa depan AI yang dapat diikuti oleh semua orang. Protokolnya adalah landasan di mana ekosistem yang beragam sedang dibangun. Ekosistem ini dirancang agar dinamis, kolaboratif, dan mudah beradaptasi, memastikan bahwa ekosistem ini dapat melayani kebutuhan pelatihan model AI dalam skala apa pun, dari industri apa pun.
Individu, proyek dengan sumber daya GPU, dan entitas dengan kebutuhan pelatihan dipersilakan untuk bergabung dalam inisiatif transformatif ini. Untuk rincian komprehensif tentang NeuroMesh dan untuk berpartisipasi dalam upaya terdepan ini, pengguna dapat mengunjungi nmesh.io.
Tentang NeuroMesh
NeuroMesh terdiri dari peneliti dan insinyur dari institusi terkemuka seperti Oxford, NTU, PKU, THU, HKU, Google dan Meta. Dengan memberdayakan pengembang dan organisasi untuk menerapkan model AI yang kuat, NeuroMesh mengembangkan ekosistem AI yang inklusif, menjembatani kesenjangan antara permintaan pelatihan model AI besar dan GPU yang didistribusikan ke seluruh dunia.
Untuk informasi lebih lanjut, pengguna dapat mengunjungi Twitter NeuroMesh | Telegram
Kontak
CMOKenchia LeeNeuroMeshkenchia@nmesh.io07746906341
