[Пресс -релиз - Лондон, Великобритания, 9 апреля 2024 года]

NeuroMesh (nmesh.io), первопроходца в искусственном интеллекте, объявляет о развертывании своего распределенного протокола обучения ИИ, готового революционизировать глобальный доступ и сотрудничество в разработке ИИ. Охватывая децентрализованную структуру Депина, нейромеш соединяет пробелы между спросом на обучение крупных моделей ИИ и распределенными графическими процессорами. Эта инициатива направлена ​​на развитие инклюзивности в развитии ИИ, способствуя участию в различных секторах и географии.

Провидцы в ИИ: глобальные амбиции команды

Команда NeuRomesh, состоящая из исследователей и инженеров из Оксфорда, NTU, PKU, THU, HKU, Google и Meta, пионера в процессе обучения Демократической ИИ. Этот дальновидный подход учитывает ограничения централизованного развития ИИ, позволяя владельцам графических процессоров по всему миру внести свой вклад в обширную тренировочную сеть, расширяя возможности организаций всех размеров для использования этой услуги для их потребностей в обучении.

Нейромеш выходит за рамки традиционного ИИ, способствуя сотрудничеству. Их видение состоит в том, чтобы вооружить каждого разработчика и организации, независимо от местоположения или ресурсов, с возможностью обучения и использования передовых моделей искусственного интеллекта. Это прекрасно согласуется с видением пионеров ИИ, таких как Янн Лекун, который выступает за будущее, основанное на краудсорсингах и распределенных тренингах ИИ.

Революционный дизайн, основанный на PCN

В основе распределенного тренировочного протокола NeuRomesh лежит революционный алгоритм обучения PCN (предиктивная сеть кодирования)-настоящий изменение игры в этой области. Этот подход дает владельцам графических процессоров во всем мире внести свой вклад, способствуя обширным совместным усилиям.

Алгоритм обучения PCN: волшебство нейромеша лежит в алгоритме обучения PCN. В отличие от традиционных методов обратного распространения (BP), PCN обеспечивает полностью локальную, параллельную и автономную подготовку. Команда стремится создать обширную сеть, где каждый узел, представляющий участвующий графический процессор, самостоятельно. PCN минимизирует межслойную связь, сокращает трафик данных и облегчает асинхронное обучение. Думайте об этом как о симфонии, где каждый музыкант играет свою роль независимо, но вносит свой вклад в гармоничное целое.

Эта передовая модель, вдохновленная недавними достижениями в области исследований нейробиологии, впервые представленной Оксфордским университетом, имитирует локализованный подход к обучению человеческого мозга. Хранив значения ошибок и оптимизируя для локальной цели в каждом слое, он повторяет поведение нейронов мозга. Это позволяет NeuRomesh определять модели, которые намного больше, с отдельными компонентами, которые способствуют одной и той же целевой цели оптимизации для всей сети, как и человеческий мозг, где разные стимулы обрабатываются разными группами нейронов.

Этот биологически вдохновленный подход в сочетании с его неотъемлемыми возможностями распределения открывает новую эру развития ИИ.

Призыв к глобальным партнерским отношениям

NeuroMesh приглашает партнерские отношения во всем мире, стремясь создать будущее ИИ, в котором каждый может участвовать. Его протокол - это основание, на которой строится разнообразная экосистема. Экосистема предназначена для динамичной, совместной и адаптируемой, гарантируя, что она может удовлетворить потребности в обучении в моделе ИИ любого размера из любой отрасли.

Люди, проекты с ресурсами графических процессоров и организациями с потребностями в обучении, приглашаются присоединиться к этой трансформационной инициативе. Для получения исчерпывающей детали о нейромеше и для участия в этом передовом начинании пользователи могут посетить nmesh.io.

О нейромеше

Нейромеш состоит из исследователей и инженеров из уважаемых учреждений, таких как Оксфорд, NTU, PKU, THU, HKU, Google и Meta. Расширяя возможности разработчикам и организациям для развертывания надежных моделей искусственного интеллекта, NeuRomesh культивирует инклюзивную экосистему ИИ, соединяя пробелы между спросом на обучение крупных моделей ИИ и распределенными графическими процессорами по всему миру.

Для получения дополнительной информации пользователи могут посетить Twitter NeuroMesh | Телеграмма

Источник