英国伦敦,2024 年 4 月 9 日,Chainwire
人工智能领域的先驱者 NeuroMesh (nmesh.io) 宣布推出其分布式 AI 训练协议,旨在彻底改变 AI 开发领域的全球访问和协作。NeuroMesh 采用 DePIN 的去中心化框架,弥补了训练大型 AI 模型的需求与分布式 GPU 之间的差距。该计划旨在促进 AI 开发的包容性,促进不同行业和地区的参与。
人工智能领域的远见卓识者:团队的全球抱负
NeuroMesh 背后的团队由来自牛津大学、南洋理工大学、北京大学、清华大学、香港大学、谷歌和 Meta 的研究人员和工程师组成,他们开创了一种民主的 AI 训练流程。这种富有远见的方法解决了集中式 AI 开发的局限性,让世界各地的 GPU 所有者能够为庞大的训练网络做出贡献,使各种规模的实体都能利用这项服务来满足他们的训练需求。
NeuroMesh 通过促进协作超越了传统 AI。他们的愿景是让每个开发人员和组织,无论身在何处或拥有多少资源,都能够训练和利用尖端 AI 模型。这与 Yann LeCun 等 AI 先驱的愿景完全一致,他们提倡由众包和分布式 AI 训练驱动的未来。
基于PCN的革命性设计
NeuroMesh 分布式训练协议的核心是突破性的 PCN(预测编码网络)训练算法,这是该领域的真正变革者。这种方法使世界各地的 GPU 所有者能够贡献自己的力量,促进广泛的协作努力。
PCN 训练算法:NeuroMesh 背后的魔力在于 PCN 训练算法。与传统的反向传播 (BP) 方法不同,PCN 可以实现完全本地、并行和自主训练。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)都可以独立学习。PCN 最大限度地减少了层间通信,减少了数据流量并促进了异步训练。可以把它想象成一首交响乐,每个音乐家都独立演奏自己的部分,但又为和谐的整体做出贡献。
这一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,它模仿了人类大脑的局部学习方法。通过存储误差值并针对每一层的局部目标进行优化,它可以复制大脑神经元的行为。这使得 NeuroMesh 能够定义更大的模型,其中的各个组件有助于实现整个网络的相同最终优化目标,就像人类大脑一样,不同的刺激由不同的神经元组处理。
这种受生物启发的方法与其固有的分布能力相结合,开启了人工智能发展的新时代。
呼吁建立全球伙伴关系
NeuroMesh 在全球范围内邀请合作伙伴,旨在打造人人都能参与的 AI 未来。其协议是构建多样化生态系统的基石。该生态系统旨在实现动态、协作和适应性,确保它能够满足任何行业、任何规模的 AI 模型训练需求。
欢迎个人、拥有 GPU 资源的项目和有培训需求的实体加入这一变革计划。如需了解有关 NeuroMesh 的全面详细信息并参与这一前沿努力,用户可以访问 nmesh.io。
关于 NeuroMesh
NeuroMesh 由来自牛津大学、南洋理工大学、北京大学、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。通过赋能开发人员和组织部署强大的 AI 模型,NeuroMesh 正在培育一个包容性的 AI 生态系统,弥补全球训练大型 AI 模型的需求与分布式 GPU 之间的差距。
欲了解更多信息,用户可以访问 NeuroMesh 的 Twitter | Telegram
接触
首席营销官
李健琪
神经网
kenchia@nmesh.io
07746906341