NEOR如何借助AI实现快速发展？

时间：2026-03-02 15:25

背靠高性能的链功能，NEAR做AI方向的技术延展和叙事引导，似乎要比纯链抽象要不明觉厉多了,NEAR如何搭上AI的顺风车？接下来，分享下我的观察，顺带科普下一些 AI 模型训练知识

```html

NEAR链如何成为AI领域的焦点？

近期，NEAR创始人Illia Polosukh在英伟达AI大会亮相的消息引发广泛关注，带动NEAR代币市场表现亮眼。许多用户感到好奇：NEAR链并非完全专注于链抽象领域，为何会成为AI公链的领头羊？接下来，让我们深入了解NEAR在AI方向的战略布局，同时科普一些AI模型训练的基本知识。

免费的交易所推荐：

创始人深厚的AI背景

NEAR创始人Illia Polosukh拥有丰富的AI行业经验，他是Transformer架构的共同构建者之一。而Transformer架构正是当今大型语言模型（如ChatGPT）的基础架构，这充分证明了NEAR团队在创建大规模AI系统方面具备深厚的技术积累和领导经验。

NEAR Tasks平台的核心作用

NEAR曾在NEARCON 2023大会上推出NEAR Tasks平台，该平台旨在为人工智能模型的训练和改进提供数据支持。具体运作模式包含以下关键环节：

需求方能够在平台发布任务请求，并上传基础数据素材
用户可参与完成任务，包括数据标注、图像识别等人工操作
任务完成后，平台会奖励用户NEAR代币

这些经过人工标注的数据将被用于训练相应的AI模型，形成完整的数据闭环。

具体应用场景示例

例如，当AI模型需要提升识别图片中物体的能力时：

需求方可上传包含不同物体的原始图片至Tasks平台
用户手动标注图片上物体位置信息
平台生成大量“图片-物体位置”配对数据
AI模型利用这些数据进行自主学习，从而提高图像识别能力

AI模型训练中的人工标注重要性

在完整的人工智能模型训练过程中，通常包含以下关键步骤：

数据采集与预处理
数据标注和分类
模型设计与训练
模型优化与微调
模型验证与部署

其中，数据标注和预处理属于人工环节，而模型训练与优化则由机器完成。虽然大多数人认为机器部分技术含量更高，但实际上，人工标注在整个模型训练过程中具有至关重要的作用。

人工标注的具体价值

人工标注在AI模型训练中发挥着多重关键作用：

为图像中的对象添加标签，提升计算机视觉模型的学习效果
将语音内容转化为文本，并标注特定音节、单词等语言要素
为文本数据添加情感标签，增强情感分析能力

高质量数据的基础性作用

显而易见，人工标注是机器学习模型开展深度学习的基础。没有高质量的标注数据，模型就无法高效学习。如果标注数据量不足，模型性能也会受到限制。

AI微创新领域的机遇

目前，AI微创新领域存在许多基于ChatGPT大模型进行二次微调或专项训练的垂直方向。本质上，这些应用都是在OpenAI的数据基础上，额外增加新的数据源来实施模型训练，特别是人工标注数据。

医疗领域的实践案例

比如，医疗公司希望基于医学影像AI做模型训练，为医院提供在线AI问诊服务，只需要将大量原始医学影像数据上传到Task平台，然后让用户去标注并完成任务，就产生了人工标注数据。再将这些数据对ChatGPT大模型进行微调和优化，就会让这个通用AI工具变成垂直领域的专家。

NEAR在AI领域的完整布局

不过，NEAR仅仅凭借Tasks平台就想成为AI公链龙头显然还不够。NEAR其实还在生态系统进行AI Agent服务，用来自动执行用户一切链上行为和操作，用户只需授权就可以自由在市场中买卖资产。这类似于Intent-centric理念，通过AI自动化执行来提升用户体验。除此之外，NEAR强大的DA能力可以确保AI数据来源的可追溯性，追踪AI模型训练数据的有效性和真实性。