Эндрю Ын (Andrew Ng)

Ведущий преподаватель, исследователь и предприниматель, трудившийся над демократизацией образования в области машинного обучения и созданием инструментов, существенно снизил порог вхождения для инженеров и учёных, способных разрабатывать и разворачивать нейросети. Благодаря массовым курсам, распространённым фреймворкам и коммерческим инициативам вырос пул специалистов, умеющих писать модели, преобразовывать архитектуры в эффективные рантайм‑форматы и оценивать компромиссы между точностью, задержкой и потреблением ресурсов. Для блокчейн‑проекта, ориентированного на хостинг и исполнение ML‑моделей, как Cortex, экосистема, сформированная этими образовательными и инструментальными усилиями, является критически важной: практики авторства моделей, воспроизводимые пайплайны обучения и стандартизованные процедуры оценки делают возможным формализовать ончейн-описатели моделей, протоколы верификации весов и системы репутации для владельцев моделей. Акцент на практическом деплое и инференсе на устройствах также повлиял на проектные решения Cortex относительно компактных представлений моделей, учёта затрат газа за шаги инференса и стимулов, вознаграждающих проверяемую производительность моделей. В результате влияние проявляется не в виде прямого спонсорства продукта, а как системное создание методов, практик и человеческого капитала, позволяющих проектам стремиться к ончейн‑ML в масштабах, которые целит Cortex. Проще говоря, движение в сторону образования и инструментов изменило границы осуществимости блокчейн‑нативного ИИ, породив технические артефакты и подготовленных специалистов для запуска ончейн‑ИИ‑экосистем.