Согласно Foresight News, соучредитель NEAR Илья Полосухин принял участие в конференции NVIDIA GTC, где он поделился последними исследованиями NEAR AI в области конфиденциального машинного обучения и децентрализованных вычислений AI. Новый облачный подход предназначен для обучения, настройки и использования AI моделей и агентов, при этом решая несколько ключевых проблем. Эти проблемы включают конфиденциальность, позволяя пользователям использовать AI модели без раскрытия личных данных организации, размещающей модель; открытый исходный код, обеспечивая, чтобы модели были открытыми, прозрачными и проверяемыми; устойчивая экономика, позволяя создателям моделей зарабатывать доход от своей работы даже в децентрализованной среде; и сотрудничество в сообществе, позволяя группам совместно разрабатывать AI модели, деля затраты и прибыль без необходимости абсолютного доверия между участниками.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Согласно Foresight News, соучредитель NEAR Илья Полосухин принял участие в конференции NVIDIA GTC, где он поделился последними исследованиями NEAR AI в области конфиденциального машинного обучения и децентрализованных вычислений AI. Новый облачный подход предназначен для обучения, настройки и использования AI моделей и агентов, при этом решая несколько ключевых проблем. Эти проблемы включают конфиденциальность, позволяя пользователям использовать AI модели без раскрытия личных данных организации, размещающей модель; открытый исходный код, обеспечивая, чтобы модели были открытыми, прозрачными и проверяемыми; устойчивая экономика, позволяя создателям моделей зарабатывать доход от своей работы даже в децентрализованной среде; и сотрудничество в сообществе, позволяя группам совместно разрабатывать AI модели, деля затраты и прибыль без необходимости абсолютного доверия между участниками.