لا يزال الجدل مستمرًا، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

الكاتب: 0xai

تم إعداده بواسطة: Deep Wave TechFlow

ما هو بيتنسور؟

Bittensor في حد ذاته ليس منتجًا للذكاء الاصطناعي، كما أنه لا ينتج أو يقدم أي منتجات أو خدمات للذكاء الاصطناعي. Bittensor هو نظام اقتصادي يعمل كمُحسِّن لسوق منتجات الذكاء الاصطناعي من خلال توفير نظام حوافز تنافسي للغاية لمنتجي منتجات الذكاء الاصطناعي. في نظام Bittensor البيئي، سيحصل المنتجون ذوو الجودة العالية على المزيد من الحوافز، في حين سيتم التخلص تدريجياً من المنتجين الأقل قدرة على المنافسة.

إذن، كيف قامت Bittensor بالضبط بإنشاء آلية الحوافز هذه لتشجيع المنافسة الفعالة وتعزيز الإنتاج العضوي لمنتجات الذكاء الاصطناعي عالية الجودة؟

يستمر الجدل، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

نموذج دولاب الموازنة Bittensor

يحقق Bittensor هذا الهدف من خلال نموذج دولاب الموازنة. يقوم القائمون على التحقق بتقييم جودة منتجات الذكاء الاصطناعي في النظام البيئي وتخصيص الحوافز على أساس جودتها، مما يضمن حصول المنتجين ذوي الجودة العالية على المزيد من الحوافز. وهذا يلهم الزيادة المستمرة في الإنتاج عالي الجودة، وبالتالي تعزيز قيمة شبكة Bittensor وتعزيز القيمة المضافة لـ TAO. القيمة المضافة لـ TAO لا تجتذب المزيد من المنتجين ذوي الجودة العالية للانضمام إلى نظام Bittensor البيئي فحسب، بل تزيد أيضًا من تكلفة الهجوم على المتلاعبين الذين يتلاعبون بنتائج تقييم الجودة. وهذا يعزز إجماع المصادقين الصادقين ويعزز موضوعية وعدالة نتائج التقييم، وبالتالي تحقيق آلية منافسة وحوافز أكثر فعالية.

يعد التأكد من أن نتائج التقييم عادلة وموضوعية خطوة حاسمة في بدء دولاب الموازنة. هذه أيضًا هي التقنية الأساسية لـ Bittensor، وهو نظام تحقق مجرد يعتمد على إجماع Yuma.

إذًا، ما هو إجماع يوما، وكيف يضمن أن تكون نتائج تقييم الجودة بعد الإجماع عادلة وموضوعية؟

إجماع يوما هو آلية إجماع مصممة لحساب نتائج التقييم النهائية بناءً على تقييمات متنوعة يقدمها العديد من المدققين. على غرار آلية الإجماع البيزنطية المتسامحة مع الأخطاء، طالما أن غالبية المدققين في الشبكة صادقون، فسيتم اتخاذ القرار الصحيح في النهاية. على افتراض أن المدققين الصادقين يمكنهم تقديم تقييمات موضوعية، فإن نتائج التقييم بعد الإجماع ستكون أيضًا عادلة وموضوعية.

بأخذ تقييم جودة الشبكة الفرعية كمثال، يقوم مدققو شبكة الجذر بتقييم وتصنيف جودة المخرجات لكل شبكة فرعية. يتم تجميع نتائج التقييم من 64 مدققًا ويتم الحصول على نتائج التقييم النهائية من خلال خوارزمية إجماع Yuma. يتم بعد ذلك استخدام هذه النتائج النهائية لتخصيص TAOs التي تم سكها حديثًا لكل شبكة فرعية.

في الوقت الحالي، لا يزال هناك مجال للتحسين في إجماع يوما:

• قد لا يمثل مدققو Rootnet جميع حاملي TAO بشكل كامل، وقد لا تعكس نتائج التقييم التي يقدمونها بالضرورة نطاقًا واسعًا من وجهات النظر. بالإضافة إلى ذلك، قد لا تكون تقييمات بعض كبار المدققين موضوعية دائمًا. وحتى لو تم اكتشاف حالة التحيز، فقد لا يتم تصحيحها على الفور.
• وجود أدوات التحقق من صحة الشبكة الجذرية يحد من عدد الشبكات الفرعية التي يمكن لـ Bittensor استيعابها. للتنافس مع عمالقة الذكاء الاصطناعي المركزي، فإن 32 شبكة فرعية ليست كافية. ومع ذلك، حتى مع وجود 32 شبكة فرعية، قد يكون من الصعب على مدقق الشبكة الجذرية مراقبة جميع الشبكات الفرعية بشكل فعال.
• قد لا يكون لدى المدققين ميل قوي للانتقال إلى شبكة فرعية جديدة. على المدى القصير، قد تفقد أدوات التحقق من الصحة بعض المكافآت عند الترحيل من شبكة فرعية قديمة ذات إصدار أعلى إلى شبكة فرعية جديدة ذات إصدار أقل. إن عدم اليقين بشأن ما إذا كان تداول الشبكة الفرعية الجديدة سوف يلحق بالركب في نهاية المطاف، إلى جانب الخسارة الواضحة للمكافآت في السعي، من شأنه أن يقلل من استعدادهم للهجرة.

تخطط Bittensor أيضًا لترقية الآلية لمعالجة أوجه القصور هذه:

• سوف يقوم Dynamic TAO بإضفاء اللامركزية على قوة تقييم جودة الشبكة الفرعية لجميع حاملي TAO بدلاً من عدد قليل من المدققين. سيتمكن حاملو TAO من تحديد نسبة التخصيص لكل شبكة فرعية بشكل غير مباشر من خلال التوقيع المساحي.
• بدون قيود مدققي الشبكة الجذرية، سيتم زيادة الحد الأقصى لعدد الشبكات الفرعية النشطة إلى 1024. سيؤدي هذا إلى تقليل عتبة انضمام الفرق الجديدة إلى نظام Bittensor البيئي بشكل كبير، مما يؤدي إلى مزيد من المنافسة الشديدة بين الشبكات الفرعية.
• قد يحصل المدققون الذين ينتقلون إلى شبكة فرعية جديدة في وقت سابق على مكافآت أعلى. يعني الانتقال المبكر إلى شبكة فرعية جديدة شراء TAO الديناميكي لتلك الشبكة الفرعية بسعر أقل، مما يزيد من احتمالية الحصول على المزيد من TAO في المستقبل.

تعد الشمولية القوية أيضًا إحدى المزايا الرئيسية لإجماع يوما. يتم استخدام إجماع Yuma ليس فقط لتحديد مبلغ الإصدار لكل شبكة فرعية، ولكن أيضًا نسبة التخصيص لكل عامل تعدين ومدقق داخل نفس الشبكة الفرعية. علاوة على ذلك، مهما كانت مهمة عامل التعدين، فإن المساهمات التي تشملها، بما في ذلك القوة الحاسوبية والبيانات والمساهمات البشرية والذكاء، يتم أخذها في الاعتبار بشكل تجريدي. لذلك، يمكن لأي مرحلة من مراحل إنتاج سلع الذكاء الاصطناعي الوصول إلى نظام Bittensor البيئي والاستمتاع بالحوافز مع تعزيز قيمة شبكة Bittensor.

بعد ذلك، دعنا نستكشف بعض الشبكات الفرعية الرائدة ونرى كيف يقوم Bittensor بتحفيز إنتاجها.

شبكة فرعية ممتازة

الشبكة الفرعية 3: Myshell TTS

يمكنك المساهمة في تطوير شبكة myshell ai/MyShell TTS الفرعية عن طريق إنشاء حساب على GitHub.

حجم التداول: 3.46% (9 أبريل 2024)

الخلفية: Myshell هو الفريق الذي يقف وراء Myshell TTS (تحويل النص إلى كلام) ويتكون من أعضاء أساسيين من مؤسسات معروفة مثل معهد ماساتشوستس للتكنولوجيا، وجامعة أكسفورد، وجامعة برينستون. يهدف Myshell إلى إنشاء منصة بدون تعليمات برمجية تسمح لطلاب الجامعات الذين ليس لديهم خلفية برمجية بإنشاء الروبوتات التي يريدونها بسهولة. بالتركيز على مجال تحويل النص إلى كلام (TTS)، والكتب الصوتية والمساعدين الافتراضيين، أطلقت Myshell أول روبوت دردشة صوتي خاص بها، Samantha، في مارس 2023. ومع التوسع المستمر لمصفوفة المنتج، فقد جمع أكثر من مليون مستخدم مسجل حتى الآن. تستضيف المنصة أنواعًا مختلفة من الروبوتات، بما في ذلك تعلم اللغة والتعليم والروبوتات المساعدة.

تحديد الموقع: أطلقت Myshell هذه الشبكة الفرعية لجمع حكمة مجتمع المصادر المفتوحة بأكمله وإنشاء أفضل نموذج TTS مفتوح المصدر. بمعنى آخر، لا يقوم Myshell TTS بتشغيل النماذج مباشرة أو التعامل مع طلبات المستخدم النهائي؛ بدلاً من ذلك، فهو عبارة عن شبكة تستخدم لتدريب نماذج TTS.

يستمر الجدل، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

بنية مايشيل TSS

تظهر عملية تشغيل Myshell TTS في الشكل أعلاه. عمال المناجم مسؤولون عن نماذج التدريب وتحميل النماذج المدربة إلى مجموعة النماذج (يتم تخزين البيانات التعريفية للنموذج أيضًا في شبكة Bittensor blockchain)، ويقوم القائمون على التحقق بتقييم النموذج عن طريق إنشاء حالات اختبار، وتقييم أداء النموذج، والتسجيل بناءً على النتائج؛ Bittensor إن blockchain مسؤول عن تجميع الأوزان باستخدام إجماع Yuma لتحديد الوزن النهائي ونسبة التوزيع لكل عامل تعدين.

باختصار، يجب على القائمين بالتعدين تقديم نماذج ذات جودة أعلى باستمرار للحفاظ على مكافآتهم.

حاليًا، أطلقت Myshell أيضًا عرضًا توضيحيًا على منصتها للمستخدمين لتجربة النماذج في Myshell TTS.

يستمر الجدل، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

يستمر الجدل، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

افتح إطار كايتو

في المستقبل، عندما تصبح النماذج التي تم تدريبها بواسطة Myshell TTS أكثر موثوقية، سيتم توفير المزيد من حالات الاستخدام عبر الإنترنت. بالإضافة إلى ذلك، باعتبارها نموذجًا مفتوح المصدر، فهي لا تقتصر على Myshell ويمكن توسيعها لتشمل منصات أخرى. أليس تدريب وتحفيز النماذج مفتوحة المصدر من خلال هذا النهج اللامركزي هو بالضبط ما نهدف إليه في الذكاء الاصطناعي اللامركزي؟

子网5: افتح كايتو

يمكنك المساهمة في تطوير Open Kaito عن طريق إنشاء حساب على GitHub.

حجم التداول: 4.39% (9 أبريل 2024)

الخلفية: الفريق الذي يقف وراء Kaito.ai هو فريق Open Kaito، ويتمتع أعضاؤه الأساسيون بخبرة واسعة في مجال الذكاء الاصطناعي، حيث عملوا سابقًا في شركات كبرى مثل AWS وMETA وCitadel. قبل الدخول إلى شبكة Bittensor الفرعية، أطلقوا منتجهم الرئيسي Kaito.ai - وهو محرك بحث بيانات خارج السلسلة Web3، سيتم إطلاقه في الربع الأخير من عام 2023. باستخدام خوارزميات الذكاء الاصطناعي، تعمل Kaito.ai على تحسين المكونات الأساسية لمحركات البحث، بما في ذلك جمع البيانات وخوارزميات التصنيف وخوارزميات الاسترجاع. لقد تم الاعتراف بها كأداة لجمع المعلومات من الدرجة الأولى في مجتمع التشفير.

تحديد الموقع: يهدف Open Kaito إلى بناء طبقة فهرسة لا مركزية لدعم البحث والتحليل الذكي. محرك البحث ليس مجرد قاعدة بيانات أو خوارزمية تصنيف، بل هو نظام معقد. بالإضافة إلى ذلك، يتطلب محرك البحث الفعال أيضًا زمن وصول منخفض، مما يشكل تحديات إضافية لبناء إصدارات لا مركزية. لحسن الحظ، من خلال نظام الحوافز الخاص بـ Bittensor، من المتوقع أن يتم حل هذه التحديات.

يستمر الجدل، ولكن لماذا لا نزال متفائلين بشأن Bittensor؟

تظهر عملية تشغيل Open Kaito في الشكل أعلاه. لا يعمل Open Kaito على تحقيق اللامركزية في كل مكون من مكونات محرك البحث فحسب، بل يقوم أيضًا بتأطير مشكلة الفهرسة على أنها مشكلة مدقق منجم. أي أن القائمين بالتعدين مسؤولون عن الاستجابة لطلبات الفهرسة الخاصة بالمستخدمين، بينما يقوم المدققون بتوزيع الطلبات وتسجيل استجابات المعدنين.

لا يحد Open Kaito من كيفية إكمال القائمين بالتعدين لمهام الفهرسة، ولكنه يركز بدلاً من ذلك على النتيجة النهائية لمخرجات المعدن لتشجيع الحلول المبتكرة. وهذا يساعد على تعزيز بيئة تنافسية صحية بين عمال المناجم. في مواجهة احتياجات الفهرسة للمستخدمين، يسعى القائمون بالتعدين جاهدين لتحسين خطط التنفيذ للحصول على نتائج استجابة عالية الجودة باستخدام موارد أقل.

الشبكة الفرعية 6: ضبط دقيق

يمكنك المساهمة في تطوير الشبكة الفرعية Nous Research/finetuning عن طريق إنشاء حساب على GitHub.

حجم التداول: 6.26% (9 أبريل 2024)

الخلفية: يأتي فريق Nous Finetuning من Nous Research، وهو فريق بحث يركز على بنية نماذج اللغة واسعة النطاق (LLM)، وتوليف البيانات، والاستدلال على الجهاز. شغل مؤسسها المشارك منصب كبير المهندسين لشبكة Eden Network.

تحديد الموقع: Nous Finetuning عبارة عن شبكة فرعية مخصصة لتحسين نماذج اللغات الكبيرة. بالإضافة إلى ذلك، فإن البيانات المستخدمة للضبط تأتي أيضًا من النظام البيئي Bittensor، وتحديدًا الشبكة الفرعية 18.

تشبه عملية تشغيل Nous Finetuning عملية Myshell TSS. يقوم القائمون بالتعدين بتدريب النماذج بناءً على البيانات من الشبكة الفرعية 18 ونشر هذه النماذج بانتظام لاستضافتها على Hugging Face؛ ويقوم المدققون بتقييم النماذج وتقديم النتائج؛ وبالمثل، فإن Bittensor blockchain مسؤول عن تجميع الأوزان باستخدام إجماع Yuma لتحديد الوزن النهائي لكل عامل تعدين وتداوله. .

الشبكة الفرعية 18: Cortex.t

يمكنك المساهمة في تطوير corcel-api/cortex.t عن طريق إنشاء حساب على GitHub.

حجم التداول: 7.74% (9 أبريل 2024)

الخلفية: الفريق الذي يقف وراء Cortex.t هو Corcel.io، المدعوم من Mog، ثاني أكبر مدقق على شبكة Bittensor. Corcel.io هو تطبيق موجه للمستخدم النهائي يوفر تجربة مماثلة لـ ChatGPT من خلال الاستفادة من منتجات الذكاء الاصطناعي لنظام Bittensor البيئي.

تحديد الموضع: يتم وضع Cortex.t كطبقة أخيرة قبل تسليم النتائج إلى المستخدم النهائي. وهي مسؤولة عن اكتشاف مخرجات الشبكات الفرعية المختلفة وتحسينها للتأكد من أن النتائج دقيقة وموثوقة، خاصة عند استدعاء نماذج متعددة بواسطة موجه واحد. تم تصميم Cortex.t لمنع المخرجات الفارغة أو غير المتسقة، مما يضمن تجربة مستخدم سلسة.

يستفيد القائمون بالتعدين في Cortex.t من الشبكات الفرعية الأخرى في نظام Bittensor البيئي للتعامل مع طلبات المستخدم النهائي. كما أنهم يستخدمون GPT 3.5 Turbo أو GPT 4 للتحقق من الإخراج لضمان الموثوقية للمستخدمين النهائيين. يقوم المدققون بتقييم مخرجات عامل التعدين من خلال مقارنتها بالنتائج التي تم إنشاؤها بواسطة OpenAI.

الشبكة الفرعية 19: الرؤية

ساهم في تطوير namoray/vision من خلال إنشاء حساب على GitHub.

حجم التداول: 9.47% (9 أبريل 2024)

الخلفية: ينحدر فريق التطوير الذي يقف وراء Vision أيضًا من Corcel.io.

تحديد المواقع: تهدف Vision إلى تعظيم قدرات الإخراج لشبكة Bittensor من خلال استخدام إطار عمل محسّن لبناء شبكة فرعية يسمى DSIS (الشبكة الفرعية لاستدلال النطاق الموزع). يعمل الإطار على تسريع استجابة عمال المناجم للمدققين. تركز Vision حاليًا على سيناريوهات توليد الصور.

يتلقى المدققون الطلبات من الواجهة الأمامية لـ Corcel.io ويقومون بتوزيعها على عمال المناجم. يتمتع القائمون بالتعدين بحرية اختيار مجموعة التكنولوجيا المفضلة لديهم (لا تقتصر على النماذج) للتعامل مع الطلبات وإنشاء الاستجابات. ثم يقوم المدققون بتقييم أداء عمال المناجم. وبفضل DSIS، تستطيع Vision الاستجابة لهذه الاحتياجات بشكل أسرع وأكثر كفاءة من الشبكات الفرعية الأخرى.

لخص

كما هو واضح من الأمثلة أعلاه، فإن Bittensor شامل للغاية. يتم إنشاء القائمين بالتعدين والتحقق من المدققين خارج السلسلة، ويتم استخدام شبكة Bittensor فقط لتوزيع المكافآت على كل عامل تعدين بناءً على تقييم المدققين. يمكن تحويل أي جانب من جوانب إنشاء منتجات الذكاء الاصطناعي التي تتوافق مع بنية أداة التحقق من التعدين إلى شبكة فرعية.

من الناحية النظرية، يجب أن تكون المنافسة بين الشبكات الفرعية شرسة. لكي تستمر أي شبكة فرعية في تلقي المكافآت، يجب أن تستمر في إنتاج مخرجات عالية الجودة. بخلاف ذلك، إذا رأى مدققو شبكة الجذر أن مخرجات الشبكة الفرعية ذات قيمة منخفضة، فقد يتم تقليل تخصيصها وقد يتم استبدالها في النهاية بشبكة فرعية جديدة.

ولكن في الواقع، لاحظنا بعض المشاكل:

• تكرار الموارد وتكرارها بسبب تحديد موضع الشبكة الفرعية المماثل. من بين الشبكات الفرعية الموجودة البالغ عددها 32 شبكة، هناك العديد من الشبكات الفرعية التي تركز على الاتجاهات الشائعة مثل تحويل النص إلى صورة، ونصائح النص، والتنبؤ بالأسعار.
• توجد شبكات فرعية لا توجد لها حالة استخدام حقيقية. على الرغم من أن الشبكات الفرعية للتنبؤ بالأسعار قد توفر قيمة نظرية مثل أوراكل، إلا أن أداء بيانات التنبؤ الحالية بعيد كل البعد عن أن يكون قابلاً للاستخدام من قبل المستخدمين النهائيين.
• هناك موقف حيث “المال السيئ يطرد المال الجيد”. قد لا يميل بعض كبار المدققين إلى الانتقال إلى شبكات فرعية جديدة، حتى لو أظهرت بعض الشبكات الفرعية الجديدة جودة أعلى بشكل ملحوظ. ومع ذلك، بسبب نقص الدعم المالي، قد لا تتمكن من الحصول على تداول كافٍ على المدى القصير. نظرًا لأن الشبكات الفرعية الجديدة تتمتع بفترة حماية مدتها 7 أيام فقط، فقد تواجه خطر الإزالة وإيقاف الاتصال بالإنترنت إذا فشلت في تجميع ما يكفي من التوزيع بسرعة.

تعكس هذه المشكلات نقص المنافسة بين الشبكات الفرعية، حيث لا يلعب بعض المدققين دورًا في تشجيع المنافسة الفعالة.

قام مدقق Open Tensor Foundation (OTF) بتنفيذ بعض الإجراءات المؤقتة للتخفيف من هذا الوضع. باعتبارها أكبر جهة تحقق تمتلك 23% من حقوق التخزين (بما في ذلك التفويض)، توفر OTF للشبكة الفرعية قناة للتنافس على المزيد من TAO المتعهد به: يمكن لمالكي الشبكات الفرعية إرسال طلبات أسبوعية إلى OTF لتعديل حصتهم في نسبة TAO لتعهد الشبكة الفرعية. يجب أن تغطي هذه الطلبات 10 جوانب، بما في ذلك “أهداف الشبكة الفرعية والمساهمة في نظام Bittensor البيئي”، و"آلية مكافأة الشبكة الفرعية"، و"تصميم بروتوكول الاتصال"، و"مصادر البيانات والأمن"، و"متطلبات الحوسبة"، و"المسار" الشكل، وما إلى ذلك. .، لتسهيل القرار النهائي لـ OTF.

ومع ذلك، لحل هذه المشكلة بشكل أساسي، من ناحية، نحتاج بشكل عاجل إلى إطلاق dTAO (Dynamic TAO)، والذي يهدف إلى تغيير المشكلات غير المعقولة المذكورة أعلاه بشكل جذري. وبدلاً من ذلك، يمكننا دعوة كبار المدققين الذين يمتلكون كميات كبيرة من Stake TAO للنظر في التطوير طويل المدى لنظام Bittensor البيئي من منظور “تطوير النظام البيئي” وليس فقط من منظور “العائد المالي”.

باختصار، بفضل شموليته القوية وبيئته التنافسية الشرسة وآلية الحوافز الفعالة، نعتقد أن نظام Bittensor البيئي يمكنه إنتاج منتجات ذكاء اصطناعي عالية الجودة بشكل عضوي. على الرغم من أن مخرجات الشبكات الفرعية الحالية ليست جميعها قابلة للمقارنة مع تلك الخاصة بالمنتجات المركزية، دعونا لا ننسى أن بنية Bittensor الحالية قد احتفلت للتو بالذكرى السنوية الأولى لتأسيسها (تم تسجيل الشبكة الفرعية 1 في 13 أبريل 2023). بالنسبة لمنصة لديها القدرة على التنافس مع عمالقة الذكاء الاصطناعي المركزي، ربما ينبغي لنا أن نركز على الخروج بخطط عملية للتحسين بدلا من التسرع في انتقاد عيوبها. بعد كل شيء، لا أحد منا يريد أن يرى استمرار الذكاء الاصطناعي تحت سيطرة عدد قليل من العمالقة.