NeuroMesh は分散トレーニング プロトコルで人工知能の新時代をリードします

London, United Kingdom, April 9th, 2024, Chainwire

イギリス、ロンドン、2024 年 4 月 9 日、チェーンワイヤー

NeuroMesh (nmesh.io), a trailblazer in artificial intelligence, announces the rollout of its distributed AI training protocol, poised to revolutionize global access and collaboration in AI development. Embracing DePIN’s decentralized framework, NeuroMesh bridges the gaps between the demand for training large AI models and distributed GPUs. This initiative aims to foster inclusivity in AI development, facilitating participation across diverse sectors and geographies.

人工知能の先駆者である NeuroMesh (nmesh.io) は、分散型 AI トレーニング プロトコルの展開を発表し、AI 開発におけるグローバルなアクセスとコラボレーションに革命を起こす構えです。 DePIN の分散フレームワークを採用した NeuroMesh は、大規模な AI モデルのトレーニングに対する需要と分散型 GPU の間のギャップを埋めます。この取り組みは、AI 開発における包括性を促進し、多様なセクターや地域を超えた参加を促進することを目的としています。

Visionaries in AI: The team’s global ambition

The team behind NeuroMesh, composed of researchers and engineers from Oxford, NTU, PKU, THU, HKU, Google, and Meta, pioneers a democratic AI training process. This visionary approach addresses the limitations of centralized AI development by enabling GPU owners worldwide to contribute to a vast training network, empowering entities of all sizes to leverage this service for their training needs.

AI の先見者: チームの世界的な野心NeuroMesh を支えるチームは、オックスフォード、NTU、PKU、THU、HKU、Google、Meta の研究者とエンジニアで構成され、民主的な AI トレーニング プロセスの先駆者です。この先見の明のあるアプローチは、世界中の GPU 所有者が広大なトレーニング ネットワークに貢献できるようにすることで、集中型 AI 開発の限界に対処し、あらゆる規模の企業がトレーニング ニーズに合わせてこのサービスを活用できるようにします。

NeuroMesh transcends traditional AI by fostering collaboration. Their vision is to equip every developer and organization, regardless of location or resources, with the ability to train and utilize cutting-edge AI models. This aligns perfectly with the vision of AI pioneers like Yann LeCun, who advocate for a future powered by crowdsourced and distributed AI training.

NeuroMesh は、コラボレーションを促進することで従来の AI を超越します。彼らのビジョンは、場所やリソースに関係なく、すべての開発者と組織が最先端の AI モデルをトレーニングして利用できるようにすることです。これは、クラウドソーシングと分散型 AI トレーニングを活用した未来を提唱するヤン ルカン氏のような AI 先駆者のビジョンと完全に一致しています。

A revolutionary design based on PCN

At the heart of NeuroMesh’s distributed training protocol lies the groundbreaking PCN (Predictive Coding Network) training algorithm – a true game-changer in this field. This approach empowers GPU owners worldwide to contribute their power, fostering a vast collaborative effort.

PCNA に基づく革新的な設計 NeuroMesh の分散トレーニング プロトコルの中心には、この分野で真の変革をもたらす画期的な PCN (予測コーディング ネットワーク) トレーニング アルゴリズムがあります。このアプローチにより、世界中の GPU 所有者がその力を貢献できるようになり、大規模な共同作業が促進されます。

The PCN Training Algorithm: The magic behind NeuroMesh lies in the PCN training algorithm. Unlike traditional backpropagation (BP) methods, PCN enables fully local, parallel, and autonomous training. The team aims to create a vast network, where each node—representing a participating GPU—learns independently. PCN minimizes inter-layer communication, reducing data traffic and facilitating asynchronous training. Think of it as a symphony where each musician plays their part independently, yet contributes to a harmonious whole.

PCN トレーニング アルゴリズム: NeuroMesh の背後にある魔法は、PCN トレーニング アルゴリズムにあります。従来のバックプロパゲーション (BP) 手法とは異なり、PCN では完全にローカル、並列、自律的なトレーニングが可能になります。チームは、参加している GPU を表す各ノードが独立して学習する、広大なネットワークを作成することを目指しています。 PCN は層間通信を最小限に抑え、データ トラフィックを削減し、非同期トレーニングを容易にします。これを、各音楽家が独立して自分のパートを演奏しながら、調和のとれた全体に貢献する交響曲と考えてください。

This cutting-edge model, inspired by recent advancements in neuroscience research pioneered by Oxford University, mimics the human brain’s localized learning approach. By storing error values and optimizing for a local target in each layer, it replicates the behavior of brain neurons. This allows NeuroMesh to define models that are much larger, with individual components that contribute to the same ultimate optimization objective for the whole network, just like the human brain where different stimuli are handled by different groups of neurons.

この最先端のモデルは、オックスフォード大学が開拓した神経科学研究の最近の進歩に触発されており、人間の脳の局所学習アプローチを模倣しています。エラー値を保存し、各層のローカルターゲットに合わせて最適化することで、脳ニューロンの動作を再現します。これにより、NeuroMesh は、さまざまな刺激がさまざまなニューロンのグループによって処理される人間の脳と同じように、ネットワーク全体の同じ最終的な最適化目標に貢献する個々のコンポーネントを備えた、より大規模なモデルを定義できます。

This biologically-inspired approach, combined with its inherent distribution capabilities, unlocks a new era of AI development.

この生物学にヒントを得たアプローチは、その固有の分散機能と組み合わせることで、AI 開発の新時代を切り開きます。

A call to forge global partnerships

NeuroMesh invites partnerships globally, aiming to forge an AI future that everyone can participate in. Its protocol is the bedrock upon which a diverse ecosystem is being built. The ecosystem is designed to be dynamic, collaborative, and adaptable, ensuring that it can serve the AI model training needs of any size, from any industry.

グローバルなパートナーシップ構築への呼びかけNeuroMesh は、誰もが参加できる AI の未来を築くことを目指して、世界中でパートナーシップを呼びかけています。そのプロトコルは、多様なエコシステムが構築される基盤です。このエコシステムは、動的かつ協調的で適応性があるように設計されており、あらゆる業界のあらゆる規模の AI モデル トレーニングのニーズに確実に対応できます。

Individuals, projects with GPU resources, and entities with training needs are all welcome to join this transformative initiative. For comprehensive details on NeuroMesh and to participate in this leading-edge endeavor, users can visit nmesh.io.

個人、GPU リソースを備えたプロジェクト、トレーニングが必要な団体はすべて、この革新的な取り組みへの参加を歓迎します。 NeuroMesh の包括的な詳細を確認し、この最先端の取り組みに参加するには、ユーザーは nmesh.io にアクセスしてください。

About NeuroMesh

NeuroMesh comprises researchers and engineers from esteemed institutions such as Oxford, NTU, PKU, THU, HKU, Google and Meta. By empowering developers and organizations to deploy robust AI models, NeuroMesh is cultivating an inclusive AI ecosystem, bridging the gaps between the demand of training large AI models and distributed GPUs worldwide.

NeuroMesh についてNeuroMesh は、オックスフォード、NTU、PKU、THU、HKU、Google、Meta などの著名な機関の研究者とエンジニアで構成されています。 NeuroMesh は、開発者や組織が堅牢な AI モデルを展開できるようにすることで、包括的な AI エコシステムを育成し、大規模な AI モデルのトレーニング需要と世界中の分散型 GPU の間のギャップを埋めています。

For more information, users can visit NeuroMesh’s

詳細については、NeuroMesh の Web サイトにアクセスしてください。

• Twitter
• Telegram

ツイッター電報

Contact

接触

CMO
Kenchia Lee
NeuroMesh
[email protected]
07746906341

CMOKenchia LeeNeuroMesh[email protected]07746906341

この記事をシェアする カテゴリー プレスリリース