英国伦敦，2024 年 4 月 9 日，Chainwire
人工智慧领域的拓荒者 NeuroMesh (nmesh.io) 宣布推出其分散式人工智慧训练协议，有望彻底改变人工智慧开发领域的全球存取和协作。 NeuroMesh 采用 DePIN 的去中心化框架，弥合了训练大型 AI 模型和分散式 GPU 的需求之间的差距。该倡议旨在促进人工智慧开发的包容性，促进不同部门和地区的参与。
人工智慧领域的远见者：团队的全球野心
NeuroMesh 背后的团队由来自牛津大学、南洋理工大学、北大、清华大学、香港大学、谷歌和 Meta 的研究人员和工程师组成，开创了民主的人工智慧训练过程。这种富有远见的方法使世界各地的GPU 所有者能够为庞大的培训网络做出贡献，从而使各种规模的实体能够利用该服务来满足其培训需求，从而解决了集中式AI 开发的局限性。
NeuroMesh 透过促进协作超越了传统人工智慧。他们的愿景是让每个开发人员和组织，无论位置或资源如何，都能够训练和利用尖端的人工智慧模型。这与 Yann LeCun 等人工智慧先驱的愿景完美契合，他们主张透过众包和分散式人工智慧培训来推动未来。
基于PCN的革命性设计
NeuroMesh 分散式训练协定的核心在于突破性的 PCN（预测编码网路）训练演算法——该领域真正的游戏规则改变者。这种方法使世界各地的 GPU 所有者能够贡献自己的力量，促进广泛的协作。
PCN 训练演算法：NeuroMesh 背后的魔力在于 PCN 训练演算法。与传统的反向传播 (BP) 方法不同，PCN 能够实现完全本地、并行和自主的训练。该团队的目标是创建一个庞大的网络，其中每个节点（代表参与的 GPU）独立学习。 PCN 最大限度地减少了层间通信，减少了资料流量并促进非同步训练。将其视为一首交响乐，每位音乐家都独立演奏自己的部分，但又为和谐的整体做出了贡献。
这个尖端模型的灵感来自牛津大学开创的神经科学研究的最新进展，模仿了人脑的局部学习方法。透过储存误差值并针对每一层中的局部目标进行最佳化，它复制了大脑神经元的行为。这使得 NeuroMesh 能够定义更大的模型，各个组件有助于整个网路实现相同的最终最佳化目标，就像人脑中不同的神经元组处理不同的刺激一样。
这种受生物学启发的方法与其固有的分发能力相结合，开启了人工智慧开发的新时代。
呼吁建立全球伙伴关系
NeuroMesh 邀请全球合作伙伴，旨在打造一个人人都可以参与的人工智慧未来。此生态系统的设计具有动态性、协作性和适应性，确保能够满足任何产业、任何规模的人工智慧模型训练需求。
欢迎个人、拥有 GPU 资源的专案以及有培训需求的实体加入这项变革性措施。有关 NeuroMesh 的全面详细资讯并参与这项前沿工作，用户可以访问 nmesh.io。
关于神经网格
NeuroMesh 由牛津大学、南洋理工大学、北大、清华大学、香港大学、谷歌和 Meta 等知名机构的研究人员和工程师组成。透过协助开发人员和组织部署强大的人工智慧模型，NeuroMesh 正在培育一个包容性的人工智慧生态系统，缩小全球范围内训练大型人工智慧模型和分散式 GPU 的需求之间的差距。
欲了解更多信息，用户可以访问 NeuroMesh 的 Twitter |电报
接触
CMOKenchia LeeNeuroMeshkenchia@nmesh.io07746906341
