陈子祺先生先后于清华大学、卡耐基梅隆大学、加州大学圣克鲁斯分校学习。在早期的学习经历中，师从David P. Helmbold研究机器学习理论和各种算法应用，包括围棋算法。精通共识算法和公有链生态，其带领的公司团队具有一线的矿池、多数字资产钱包和挖矿软件的开发经历。
关于Cortex
简单来讲，人工智能/机器学习是对大数据进行提炼，用算力迭代不断找到合理的参数得到数据拟合的优化模型，用这个模型可以进行数据泛化的推断。
首先之前社区有很多机器学习和人工智能的项目了，有的是链上训练，有的讲数据共享。Cortex这个定位比较清晰，是解决模型的链上推断共识。
其次Cortex这个项目没有纠结于数据金矿这个思维，大量数据其实也是类似于未加工的矿石，而是把训练后的模型放到链上相当于从矿石提炼的黄金;由于大量机器学习的数据具有隐私性，他们的白皮书探讨了同态加密等技术为何还不能用在链上的数据训练，而提供训练好的模型放到公链，既不会泄露隐私，也能惠泽更多社区开发，本质来讲，BAT的推荐系统、今日头条、芝麻信用分数这些大家常用的传统中心化互联网产品背后都是一个非常值钱的数据模型，而大公司是不愿意分享到社区的，这个团队定位比较清晰的就是把世界一流的模型开放到公链。
再次，Cortex这个团队的成员具有一线的数字货币钱包、矿池、挖矿软件的经验，同时在机器学习领域我们看到有MXNet(是开源社区对抗Google TensorFlow的一个项目，也是亚马逊机器学习云标准框架)精品项目贡献者，相信执行力应该是没有问题的。
最后，这个项目如果实现，可以说是对现有以太坊架构比较大的技术冲击，这并不同于扩容路线，目前以太坊的智能合约-比如云吸猫这样的应用，只能跑在全节点的CPU上，具有人工智能计算问题的各种应用是无法在现有智能合约基础上开发的，应该说Cortex这个项目本身是聚焦在智能合约计算的扩展能力和模型存储上的，为今后的生态内开发者留下很多想象空间和舞台。
