Kontroversi terus berlanjut, tapi mengapa kami masih bullish di Bittensor?

Penulis: 0xai

Disusun oleh: Deep Wave TechFlow

Apa itu Bittensor?

Bittensor sendiri bukanlah produk kecerdasan buatan, juga tidak memproduksi atau menyediakan produk atau layanan kecerdasan buatan apa pun. Bittensor merupakan sistem ekonomi yang berperan sebagai pengoptimal pasar produk AI dengan menyediakan sistem insentif yang sangat kompetitif bagi produsen produk AI. Dalam ekosistem Bittensor, produsen berkualitas tinggi akan menerima lebih banyak insentif, sementara produsen yang kurang kompetitif secara bertahap akan tersingkir.

Jadi bagaimana sebenarnya Bittensor menciptakan mekanisme insentif untuk mendorong persaingan yang efektif dan mempromosikan produksi organik produk AI berkualitas tinggi?

Model roda gila Bittensor

Bittensor mencapai tujuan ini melalui model roda gila. Verifikator mengevaluasi kualitas produk kecerdasan buatan dalam ekosistem dan mengalokasikan insentif berdasarkan kualitasnya, sehingga memastikan bahwa produsen berkualitas tinggi menerima lebih banyak insentif. Hal ini menginspirasi peningkatan berkelanjutan dalam output berkualitas tinggi, sehingga meningkatkan nilai jaringan Bittensor dan meningkatkan nilai tambah TAO. Nilai tambah TAO tidak hanya menarik lebih banyak produsen berkualitas tinggi untuk bergabung dengan ekosistem Bittensor, namun juga meningkatkan biaya serangan bagi manipulator yang memanipulasi hasil penilaian kualitas. Hal ini semakin memperkuat konsensus validator yang jujur dan meningkatkan objektivitas dan keadilan hasil evaluasi, sehingga mencapai mekanisme kompetisi dan insentif yang lebih efektif.

Memastikan bahwa hasil penilaian adil dan obyektif merupakan langkah penting dalam memulai roda gila ini. Ini juga merupakan teknologi inti Bittensor, sebuah sistem verifikasi abstrak berdasarkan konsensus Yuma.

Jadi, apa yang dimaksud dengan konsensus Yuma, dan bagaimana cara memastikan bahwa hasil penilaian kualitas setelah konsensus bersifat adil dan obyektif?

Konsensus Yuma adalah mekanisme konsensus yang dirancang untuk menghitung hasil evaluasi akhir berdasarkan beragam evaluasi yang diberikan oleh banyak validator. Mirip dengan mekanisme konsensus toleransi kesalahan Bizantium, selama mayoritas validator di jaringan jujur, keputusan yang tepat pada akhirnya akan dibuat. Dengan asumsi validator yang jujur dapat memberikan penilaian yang obyektif, maka hasil evaluasi setelah konsensus juga akan adil dan obyektif.

Mengambil penilaian kualitas subnet sebagai contoh, validator rootnet mengevaluasi dan memberi peringkat kualitas keluaran setiap subnet. Hasil evaluasi dari 64 validator diagregasi dan hasil evaluasi akhir diperoleh melalui algoritma konsensus Yuma. Hasil akhir ini kemudian digunakan untuk mengalokasikan TAO yang baru dibuat ke setiap subnet.

Saat ini, konsensus Yuma masih memiliki ruang untuk perbaikan:

• Validator Rootnet mungkin tidak sepenuhnya mewakili semua pemegang TAO, dan hasil evaluasi yang mereka berikan mungkin tidak mencerminkan berbagai pandangan. Selain itu, evaluasi beberapa validator teratas mungkin tidak selalu objektif. Sekalipun ditemukan situasi bias, hal ini mungkin tidak dapat segera diperbaiki.
• Kehadiran validator jaringan root membatasi jumlah subnet yang dapat ditampung Bittensor. Untuk bersaing dengan raksasa AI terpusat, 32 subnet saja tidak cukup. Namun, bahkan dengan 32 subnet, mungkin sulit bagi validator jaringan root untuk memantau semua subnet secara efektif.
• Validator mungkin tidak memiliki kecenderungan kuat untuk bermigrasi ke subnet baru. Dalam jangka pendek, validator mungkin kehilangan sejumlah keuntungan saat bermigrasi dari subnet lama dengan penerbitan lebih tinggi ke subnet baru dengan penerbitan lebih rendah. Ketidakpastian apakah sirkulasi subnet baru pada akhirnya akan menyusul, ditambah dengan hilangnya imbalan dalam upaya mengejar, akan mengurangi kesediaan mereka untuk bermigrasi.

Bittensor juga berencana untuk meningkatkan mekanisme untuk mengatasi kekurangan berikut:

• TAO Dinamis akan mendesentralisasikan kekuatan evaluasi kualitas subnet ke semua pemegang TAO, bukan ke beberapa validator. Pemegang TAO akan dapat secara tidak langsung menentukan rasio alokasi setiap subnet melalui staking.
• Tanpa batasan validator jaringan root, jumlah maksimum subnet aktif akan ditingkatkan menjadi 1024. Hal ini akan sangat menurunkan ambang batas bagi tim baru untuk bergabung dengan ekosistem Bittensor, sehingga menyebabkan persaingan antar subnet menjadi lebih ketat.
• Validator yang bermigrasi ke subnet baru lebih awal mungkin menerima imbalan lebih tinggi. Migrasi awal ke subnet baru berarti membeli TAO dinamis untuk subnet tersebut dengan harga lebih rendah, sehingga meningkatkan kemungkinan memperoleh lebih banyak TAO di masa mendatang.

Inklusivitas yang kuat juga merupakan salah satu keunggulan utama konsensus Yuma. Konsensus Yuma digunakan untuk menentukan tidak hanya jumlah penerbitan untuk setiap subnet, tetapi juga rasio alokasi untuk setiap penambang dan validator dalam subnet yang sama. Selain itu, apa pun tugas penambang, kontribusi yang tercakup di dalamnya, termasuk daya komputasi, data, kontribusi manusia, dan kecerdasan, dipertimbangkan secara abstrak. Oleh karena itu, setiap tahap produksi komoditas kecerdasan buatan dapat mengakses ekosistem Bittensor dan menikmati insentif sekaligus meningkatkan nilai jaringan Bittensor.

Selanjutnya, mari kita jelajahi beberapa subnet terkemuka dan lihat bagaimana Bittensor memberi insentif pada keluarannya.

Subnet luar biasa

Subnet 3: Myshell TTS

Anda dapat berkontribusi pada pengembangan subnet myshell ai/MyShell TTS dengan membuat akun di GitHub.

Volume peredaran: 3,46% (9 April 2024)

Latar Belakang: Myshell adalah tim di balik Myshell TTS (text-to-speech) dan terdiri dari anggota inti dari institusi terkenal seperti MIT, Universitas Oxford, dan Universitas Princeton. Myshell bertujuan untuk menciptakan platform tanpa kode yang memungkinkan mahasiswa tanpa latar belakang pemrograman untuk dengan mudah membuat bot yang mereka inginkan. Berfokus pada bidang TTS, buku audio, dan asisten virtual, Myshell meluncurkan chatbot suara pertamanya, Samantha, pada Maret 2023. Dengan perluasan matriks produk yang berkelanjutan, sejauh ini telah mengumpulkan lebih dari satu juta pengguna terdaftar. Platform ini menampung berbagai jenis bot, termasuk bot pembelajaran bahasa, pendidikan, dan utilitas.

Penentuan posisi: Myshell meluncurkan subnet ini untuk mengumpulkan kebijaksanaan seluruh komunitas open source dan menciptakan model TTS open source terbaik. Dengan kata lain, Myshell TTS tidak secara langsung menjalankan model atau menangani permintaan pengguna akhir; melainkan jaringan yang digunakan untuk melatih model TTS.

Arsitektur Myshell TSS

Proses operasi Myshell TTS ditunjukkan pada gambar di atas. Penambang bertanggung jawab untuk melatih model dan mengunggah model terlatih ke kumpulan model (metadata model juga disimpan di jaringan blockchain Bittensor); verifikator mengevaluasi model dengan membuat kasus uji, mengevaluasi kinerja model, dan menilai berdasarkan hasil; Bittensor Blockchain bertanggung jawab untuk menggabungkan bobot menggunakan konsensus Yuma untuk menentukan bobot akhir dan rasio distribusi untuk setiap penambang.

Singkatnya, penambang harus terus mengirimkan model dengan kualitas lebih tinggi untuk mempertahankan imbalannya.

Saat ini, Myshell juga telah meluncurkan demo di platformnya agar pengguna dapat mencoba model-model di Myshell TTS.

Buka kerangka Kaito

Di masa depan, seiring dengan semakin andalnya model yang dilatih oleh Myshell TTS, semakin banyak kasus penggunaan yang akan online. Selain itu, sebagai model sumber terbuka, mereka tidak terbatas pada Myshell dan dapat diperluas ke platform lain. Bukankah pelatihan dan pemberian insentif pada model sumber terbuka melalui pendekatan desentralisasi ini merupakan tujuan kita dalam kecerdasan buatan yang terdesentralisasi?

子网5：Buka Kaito

Anda dapat berkontribusi pada pengembangan Open Kaito dengan membuat akun di GitHub.

Volume peredaran: 4,39% (9 April 2024)

Latar Belakang: Tim di balik Kaito.ai adalah tim Open Kaito, dan anggota intinya memiliki pengalaman luas di bidang kecerdasan buatan, setelah sebelumnya bekerja di perusahaan ternama seperti AWS, META, dan Citadel. Sebelum memasuki subnet Bittensor, mereka meluncurkan produk andalan mereka Kaito.ai – mesin pencari data off-chain Web3, yang diluncurkan pada kuartal keempat tahun 2023. Memanfaatkan algoritma kecerdasan buatan, Kaito.ai mengoptimalkan komponen inti mesin pencari, termasuk pengumpulan data, algoritma pemeringkatan, dan algoritma pengambilan. Ini telah diakui sebagai alat pengumpulan informasi terbaik di komunitas kripto.

Penentuan posisi: Open Kaito bertujuan untuk membangun lapisan pengindeksan terdesentralisasi untuk mendukung pencarian dan analisis cerdas. Mesin pencari bukan sekedar database atau algoritma pemeringkatan, melainkan sebuah sistem yang kompleks. Selain itu, mesin pencari yang efektif juga memerlukan latensi rendah, yang menimbulkan tantangan tambahan dalam membangun versi terdesentralisasi. Untungnya, melalui sistem insentif Bittensor, tantangan-tantangan ini diharapkan dapat diatasi.

Proses berjalannya Open Kaito ditunjukkan pada gambar di atas. Open Kaito tidak hanya mendesentralisasikan setiap komponen mesin pencari, tetapi juga membingkai masalah pengindeksan sebagai masalah validator penambang. Artinya, penambang bertanggung jawab untuk merespons permintaan pengindeksan pengguna, sementara validator mendistribusikan permintaan dan menilai respons penambang.

Open Kaito tidak membatasi cara penambang menyelesaikan tugas pengindeksan, namun berfokus pada hasil akhir keluaran penambang untuk mendorong solusi inovatif. Hal ini membantu menumbuhkan lingkungan persaingan yang sehat di antara para penambang. Menghadapi kebutuhan pengindeksan pengguna, penambang berupaya meningkatkan rencana eksekusi untuk mendapatkan hasil respons berkualitas lebih tinggi dengan menggunakan sumber daya yang lebih sedikit.

Subnet 6: Penyempurnaan Otak

Anda dapat berkontribusi pada pengembangan subnet Nous Research/penyempurnaan dengan membuat akun di GitHub.

Volume peredaran: 6,26% (9 April 2024)

Latar Belakang: Tim di balik Nous Finetuning berasal dari Nous Research, sebuah tim peneliti yang berfokus pada arsitektur model bahasa skala besar (LLM), sintesis data, dan inferensi pada perangkat. Salah satu pendirinya menjabat sebagai chief engineer Eden Network.

Pemosisian: Nous Finetuning adalah subnet yang didedikasikan untuk menyempurnakan model bahasa besar. Selain itu, data yang digunakan untuk penyesuaian juga berasal dari ekosistem Bittensor, khususnya subnet 18.

Proses menjalankan Nous Finetuning mirip dengan Myshell TSS. Penambang melatih model berdasarkan data dari subnet 18 dan menerbitkan model ini secara teratur untuk dihosting di Hugging Face; validator mengevaluasi model dan memberikan skor; demikian pula, blockchain Bittensor bertanggung jawab untuk menggabungkan bobot menggunakan konsensus Yuma untuk menentukan bobot akhir dan sirkulasi setiap penambang .

Subnet 18: Korteks.t

Anda dapat berkontribusi pada pengembangan corcel-api/cortex.t dengan membuat akun di GitHub.

Volume peredaran: 7,74% (9 April 2024)

Latar Belakang: Tim di belakang Cortex.t adalah Corcel.io, yang didukung oleh Mog, validator terbesar kedua di jaringan Bittensor. Corcel.io adalah aplikasi berorientasi pengguna akhir yang memberikan pengalaman serupa dengan ChatGPT dengan memanfaatkan produk kecerdasan buatan ekosistem Bittensor.

Positioning: Cortex.t diposisikan sebagai lapisan terakhir sebelum memberikan hasil kepada pengguna akhir. Ia bertanggung jawab untuk mendeteksi dan mengoptimalkan keluaran berbagai subjaringan untuk memastikan bahwa hasilnya akurat dan dapat diandalkan, terutama ketika beberapa model dipanggil dengan satu perintah. Cortex.t dirancang untuk mencegah keluaran kosong atau tidak konsisten, memastikan pengalaman pengguna yang lancar.

Penambang di Cortex.t memanfaatkan subnet lain di ekosistem Bittensor untuk menangani permintaan pengguna akhir. Mereka juga menggunakan GPT 3.5 turbo atau GPT 4 untuk memverifikasi keluaran guna memastikan keandalan bagi pengguna akhir. Validator mengevaluasi keluaran penambang dengan membandingkannya dengan hasil yang dihasilkan oleh OpenAI.

Subnet 19: Visi

Berkontribusi pada pengembangan namoray/vision dengan membuat akun di GitHub.

Volume peredaran: 9,47% (9 April 2024)

Latar Belakang: Tim pengembangan di balik Vision juga berasal dari Corcel.io.

Positioning: Vision bertujuan untuk memaksimalkan kemampuan keluaran jaringan Bittensor dengan memanfaatkan kerangka konstruksi subjaringan yang dioptimalkan yang disebut DSIS (Distributed Scale Inference Subnetwork). Kerangka kerja ini mempercepat respons penambang terhadap validator. Saat ini, Vision berfokus pada skenario pembuatan gambar.

Validator menerima permintaan dari frontend Corcel.io dan mendistribusikannya ke penambang. Penambang bebas memilih tumpukan teknologi pilihan mereka (tidak terbatas pada model) untuk menangani permintaan dan menghasilkan respons. Validator kemudian mengevaluasi kinerja para penambang. Berkat DSIS, Vision mampu merespons kebutuhan ini dengan lebih cepat dan efisien dibandingkan subnet lainnya.

Ringkaslah

Seperti yang terlihat dari contoh di atas, Bittensor sangat inklusif. Pembuatan penambang dan verifikasi validator terjadi secara off-chain, dan jaringan Bittensor hanya digunakan untuk mendistribusikan hadiah kepada setiap penambang berdasarkan evaluasi validator. Segala aspek pembuatan produk AI yang selaras dengan arsitektur validator penambang dapat dikonversi menjadi subnet.

Secara teori, persaingan antar subnet seharusnya sangat ketat. Agar subnet mana pun dapat terus menerima imbalan, subnet tersebut harus terus menghasilkan keluaran berkualitas tinggi. Sebaliknya, jika validator rootnet menganggap keluaran subnet bernilai rendah, alokasinya mungkin dikurangi dan akhirnya digantikan oleh subnet baru.

Namun pada kenyataannya, kami mengamati beberapa masalah:

• Redundansi dan duplikasi sumber daya karena posisi subnet yang serupa. Di antara 32 subnet yang ada, terdapat beberapa subnet yang berfokus pada arah populer seperti teks ke gambar, tip teks, dan prediksi harga.
• Ada subnet yang tidak memiliki kasus penggunaan nyata. Meskipun subnet prediksi harga dapat memberikan nilai teoritis sebagai ramalan, kinerja data prediksi saat ini masih jauh dari dapat digunakan oleh pengguna akhir.
• Ada situasi di mana “uang buruk mengusir uang baik”. Beberapa validator teratas mungkin tidak tertarik untuk bermigrasi ke subnet baru, meskipun beberapa subnet baru menunjukkan kualitas yang jauh lebih tinggi. Namun, karena kurangnya dukungan finansial, mereka mungkin tidak dapat memperoleh sirkulasi yang cukup dalam jangka pendek. Karena subnet baru hanya memiliki masa perlindungan 7 hari, subnet tersebut mungkin menghadapi risiko dihilangkan dan offline jika gagal mengumpulkan sirkulasi yang cukup dengan cepat.

Masalah ini mencerminkan kurangnya persaingan antar subnet, dan beberapa validator tidak berperan dalam mendorong persaingan yang efektif.

Validator Open Tensor Foundation (OTF) telah menerapkan beberapa tindakan sementara untuk memitigasi situasi ini. Sebagai validator terbesar yang memegang 23% hak staking (termasuk delegasi), OTF menyediakan saluran bagi subnet untuk bersaing mendapatkan lebih banyak TAO yang dijanjikan: pemilik subnet dapat mengirimkan permintaan mingguan ke OTF untuk menyesuaikan kepemilikan mereka dalam rasio subnet Pledge TAO. Permintaan ini harus mencakup 10 aspek, termasuk “tujuan subnet dan kontribusinya terhadap ekosistem Bittensor”, “mekanisme imbalan subnet”, “desain protokol komunikasi”, “sumber dan keamanan data”, “persyaratan komputasi”, dan Gambar “rute”, dll. ., untuk memudahkan pengambilan keputusan akhir OTF.

Namun, untuk mengatasi masalah ini secara mendasar, di satu sisi, kita perlu segera meluncurkan dTAO (Dynamic TAO), yang bertujuan untuk mengubah secara mendasar masalah-masalah tidak masuk akal yang disebutkan di atas. Sebagai alternatif, kami dapat meminta validator besar yang memiliki Stake TAO dalam jumlah besar untuk mempertimbangkan pengembangan jangka panjang ekosistem Bittensor lebih dari perspektif “pengembangan ekosistem” daripada hanya dari perspektif “pengembalian finansial”.

Singkatnya, dengan inklusivitas yang kuat, lingkungan persaingan yang ketat, dan mekanisme insentif yang efektif, kami yakin bahwa ekosistem Bittensor dapat secara organik menghasilkan produk kecerdasan buatan berkualitas tinggi. Meskipun tidak semua keluaran subnet yang ada sebanding dengan produk terpusat, jangan lupa bahwa arsitektur Bittensor saat ini baru saja merayakan hari jadinya yang pertama (Subnet 1 didaftarkan pada 13 April 2023). Untuk platform yang memiliki potensi untuk bersaing dengan raksasa AI terpusat, mungkin kita harus fokus pada membuat rencana praktis untuk melakukan perbaikan daripada terburu-buru mengkritik kekurangannya. Lagi pula, tidak ada satupun dari kita yang ingin melihat kecerdasan buatan terus dikendalikan oleh segelintir raksasa.