Подробное объяснение: как сеть Bittensor и токен TAO революционизируют индустрию искусственного интеллекта

2023-11-21 04:01:28

原文:Revelointel

编译:Zen,PANews

Введение

В связи с недавним взрывом и популярностью искусственного интеллекта многие люди выдвигают различные аргументы о пересечении искусственного интеллекта и криптовалюты. Эти инновации могут произвести революцию во всех аспектах нашей цифровой жизни, от управления цифровыми активами до защиты интеллектуальной собственности и борьбы с мошенничеством. Примечательно, что эта конвергенция вызвала две заметные тенденции:

Интеграция ИИ с инфраструктурой блокчейна, такой как Render ($RNDR), Akash ($AKT) или Fetch.ai ($FET). • Появились протоколы, стимулирующие интеллектуальное производство машинного обучения, такие как Bittensor ($TAO).

Приложения ИИ до появления блокчейна были в основном ориентированы на инфраструктуру, позволяя хранить модели AI/ML (искусственный интеллект/машинное обучение) и арендовать графические процессоры. Это привело к таким тенденциям, как обучение с подкреплением, стимулируемое токенами, машинное обучение с нулевым разглашением (zkML) и регистрация личности на основе блокчейна для борьбы с дипфейками. В то же время процветает параллельная тенденция: протоколы, стимулирующие интеллект. "

! [Объяснение 10 000 слов: как сеть Bittensor и токен TAO произвели революцию в индустрии искусственного интеллекта] (https://cdn-img.panewslab.com//panews/2022/11/21/images/8297ccd75919cf094c6294fd3218a259.jpeg)

В этом отчете мы углубляемся в пересечение искусственного интеллекта и криптовалюты, уделяя особое внимание токенам Bittensor и $TAO, исследуя роль, которую они играют в росте одноранговых смарт-рынков и рынков цифровых товаров.

«Используя недавнее обновление Revolution, которое произошло 2 октября, в этой статье также представлен исторический обзор, перспективы отрасли, конкурентный анализ и углубленный взгляд на ценностное предложение $TAO. "

Обзор

Bittensor — это протокол с открытым исходным кодом, основная миссия которого заключается в продвижении искусственного интеллекта с помощью структуры стимулов на основе блокчейна. В этой экосистеме вкладчики вознаграждаются $TAO токенами за свои усилия.

Bittensor, как майнинговая сеть, использует символические стимулы для поощрения участия, придерживаясь при этом принципов открытости и децентрализации. В этой сети на нескольких узлах размещаются модели машинного обучения, которые в совокупности вносят свой вклад в интеллектуальный пул. Эти модели играют жизненно важную роль в анализе больших объемов текстовых данных, извлечении семантики и получении ценной информации в различных областях. Для пользователей основные функции включают в себя запрос сети для интеллектуального доступа, участие в майнинге токенов $TAO с майнерами и валидаторами, а также контроль их кошельков и балансов.

Сеть Bittensor опирается на вклад различных заинтересованных сторон, включая майнеров, валидаторов, номинальных держателей и потребителей. Такой совместный подход гарантирует, что лучшие модели ИИ выделяются и улучшают качество услуг ИИ, предоставляемых сетью.

На стороне предложения есть два уровня: ИИ (майнеры) и блокчейн (валидаторы).

Майнеры в сети Bittensor размещают модели искусственного интеллекта и скармливают их в сеть, а успех майнеров зависит от качества и производительности, которые они предоставляют.
Майнеры получают вознаграждение $TAO в зависимости от интеллекта, который они вносят в сеть (хотя это зависит от конкретной задачи).
Модель верхнего уровня пользуется большим спросом и может приносить больший доход майнерам.
Валидаторы выступают в качестве оценщиков внутри сети. Они оценивают качество и эффективность моделей ИИ и управляют запросами пользователей. Таким образом, валидаторы могут ранжировать модели на основе их производительности для конкретных задач, помогая потребителям найти лучшее решение. Чем точнее и последовательнее их оценки, тем больше вознаграждений они получают. Точно так же непоследовательные оценки могут привести к штрафам, гарантируя, что валидаторы будут поддерживать высокие стандарты.
Валидаторы получают стимул от $TAO ранжировать майнеров на основе их «разумного вклада».
Валидатор также отвечает за маршрутизацию входных данных для получения наилучшего результата. Это достигается за счет формирования альянсов между майнерами (моделями), которые дополняют друг друга (подсети).

Что касается спроса, разработчики могут создавать приложения на основе валидаторов, используя (и оплачивая) возможности искусственного интеллекта из сети для конкретных сценариев использования.

Номинанты — это физические лица, которые владеют токенами $TAO и активно поддерживают конкретных валидаторов, делегируя их конкретным валидаторам, что может помочь валидаторам получить больше поддержки и вознаграждений. Сами номинанты вознаграждаются за участие в процессе. Если валидатор работает недостаточно эффективно или если номинальный держатель считает, что есть лучший вариант, он может передать поддержку другому валидатору.
Потребители — это конечные пользователи моделей искусственного интеллекта, предоставляемых Bittensor. Это могут быть разработчики приложений, которые интегрируют возможности искусственного интеллекта в свои приложения, или пользователи чат-ботов, ищущие качественные ответы.
Потребители отдают приоритет получению точных и ценных ответов.
Разработчики выбирают валидаторов, которые, по их мнению, лучше всего соответствуют их требованиям, чтобы обеспечить лучшие в своем классе сервисы ИИ для своих пользователей.

Координация между вышеуказанными заинтересованными сторонами приводит к созданию сети, которая способствует созданию наилучшей модели для конкретного варианта использования. Экспериментировать может каждый, что затрудняет конкуренцию с ним предприятиям с закрытым исходным кодом.

Одним из самых распространенных заблуждений является убеждение, что сеть поддерживает обучение машинного обучения (ML). В своем нынешнем состоянии Bittensor поддерживает только умозаключение, которое представляет собой процесс получения выводов и предоставления ответов, основанных на доказательствах и рассуждениях. Обучение, с другой стороны, является отдельным процессом, который включает в себя обучение модели машинного обучения для выполнения задачи. Это достигается за счет предоставления модели большого набора данных с размеченными примерами, что позволяет ей изучать закономерности и связи между данными и метками. В то же время логический вывод использует обученные модели машинного обучения для прогнозирования новых, невидимых данных. Например, можно использовать модель, обученную классифицировать изображения для вывода, чтобы определить категорию новых изображений, которые не были замечены ранее.

Поэтому важно отметить, что Bittensor не выполняет ончейн-машинное обучение, а функционирует скорее как ончейн-оракул или сеть валидаторов, которые соединяют и оркеструют оффчейн-узлы ML (майнеры). Эта конфигурация создает децентрализованную гибридную сеть экспертов (MoE), архитектуру машинного обучения, которая объединяет несколько моделей, оптимизированных для различных возможностей, для формирования более надежной общей модели.

Одноранговый смарт-маркетплейс

Одноранговый умный маркетплейс Bittensor — это новаторская концепция в области разработки искусственного интеллекта, предлагающая децентрализованную и не требующую разрешений платформу, в отличие от более закрытых моделей, таких как OpenAI или Google Gemini.

Маркетплейс призван способствовать конкурентным инновациям, продвигать индустрию ИИ и делать ИИ доступным для глобального сообщества разработчиков и пользователей. Любая форма стоимости может быть стимулирована, т.е. соглашение о создании справедливого рынка для любого цифрового товара. Другими словами, протокол воплощает в себе одноранговый подход к обмену возможностями машинного обучения и прогнозами между участниками сети. Он упрощает совместное использование и совместную работу моделей и служб машинного обучения, создавая совместную и инклюзивную среду, в которой могут размещаться как модели с открытым, так и с закрытым исходным кодом.

Подъем рынка цифровых товаров

Bittensor уникален тем, что он заложил основу для появления рынка цифровых товаров, эффективно превратив машинный интеллект в торгуемый актив. В основе протокола лежит создание маркетплейса для коммодитизации машинного интеллекта.

Подобно генетическим алгоритмам, система поощрения Bittensor постоянно оценивает производительность майнеров и со временем отбирает или перерабатывает майнеров. Этот динамический процесс гарантирует, что сеть остается эффективной и реагирует на постоянно меняющийся ландшафт разработки ИИ.

В Bittensor Intelligence Marketplace генерация ценности следует двоякому подходу:

Высокопроизводительные модели ИИ, размещенные майнерами, называемыми контрибьюторами, вознаграждаются в виде токенов $TAO.
Валидаторы, которые оценивают и используют интеллект, также будут вознаграждены $TAO токенами.

Стоит отметить, что Bittensor не просто вознаграждает за чистую производительность, он также делает акцент на генерации наиболее ценных «сигналов». Это означает, что система вознаграждений ставит во главу угла создание информации, которая приносит существенную пользу широкой аудитории, в конечном итоге способствуя развитию более ценных товаров.

尤马共识(Yuma Consensus)

Будучи независимым блокчейном уровня 1, Bittensor работает на алгоритме консенсуса Yuma. Это децентрализованный одноранговый алгоритм консенсуса, который направлен на достижение справедливого распределения вычислительных ресурсов по сети узлов.

Yuma использует гибридный механизм консенсуса, который сочетает в себе элементы Proof-of-Work (PoW) и Proof-of-Stake (PoS). Узлы внутри сети выполняют вычислительную работу, проверяют транзакции и создают новые блоки. Эта работа также будет проверена другими узлами, а успешные участники будут вознаграждены токенами. Компонент PoS побуждает узлы держать токены, согласовывая свои интересы со стабильностью и ростом сети.

Эта гибридная модель имеет ряд преимуществ по сравнению с традиционными механизмами консенсуса. С одной стороны, это позволяет избежать чрезмерного потребления энергии, обычно связанного с Proof of Work (PoW), и решает экологические проблемы. С другой стороны, это позволяет избежать рисков централизации, возникающих в Proof-of-Stake (PoS), и обеспечивает децентрализацию и безопасность сети.

Механизм консенсуса Yuma выделяется своей способностью распределять вычислительные ресурсы по широкой сети узлов. Этот подход имеет далеко идущие последствия, поскольку он может легко справляться с более сложными задачами ИИ и большими наборами данных. По мере того, как сеть интегрирует все больше узлов, она естественным образом масштабируется для удовлетворения все более крупных рабочих нагрузок.

В отличие от традиционных централизованных приложений ИИ, которые полагаются на один сервер или кластер, приложения, поддерживаемые Yuma, могут быть распределены по сети узлов. Такое распределение оптимизирует использование вычислительных ресурсов, позволяя выполнять сложные задачи и снижая риски, связанные с едиными точками отказа и нарушениями безопасности.

Уточнение знаний - Цифровой Разум Улья (Цифровой Разум Улья)

Уточнение знаний является фундаментальной концепцией в протоколе Bittensor, которая способствует совместному обучению между узлами сети для повышения производительности и точности. Подобно тому, как нейроны в человеческом мозге работают вместе, дистилляция знаний позволяет узлам коллективно подниматься в сеть.

Этот процесс включает в себя обмен образцами данных и параметрами модели между узлами, в результате чего сеть оптимизируется с течением времени для более точных прогнозов. Каждый узел вносит свой вклад в общий пул, что в конечном итоге повышает общую производительность сети, делая ее более быстрой и подходящей для приложений обучения в реальном времени, таких как робототехника и автономные транспортные средства.

Важно отметить, что такой подход снижает риск катастрофического забывания, что является распространенной проблемой в машинном обучении. Узлы сохраняют и расширяют свои существующие знания, внедряя новые идеи, повышая устойчивость и адаптивность сети.

Распределяя знания между несколькими узлами, сеть Bittensor TAO становится более устойчивой к помехам и более устойчивой к потенциальным утечкам данных. Эта надежность особенно важна для приложений, которые имеют дело с высокозащищенными и конфиденциальными данными, такими как финансовая и медицинская информация (конфиденциальность будет рассмотрена более подробно позже).

Эксперт Микс (МО)**

Сеть Bittensor продолжает внедрять инновации, представляя концепцию децентрализованного экспертного гибрида (MoE). Этот подход использует возможности нескольких нейронных сетей, каждая из которых специализируется на разных аспектах данных. Когда появляются новые данные, эти эксперты работают вместе, чтобы сделать более точные коллективные прогнозы, чем любой отдельный эксперт мог бы сделать в одиночку.

Принятый механизм консенсуса сочетает в себе глубокое обучение с алгоритмами консенсуса блокчейна. Его основная цель — распределить долю для поощрения тех узлов, которые вносят наибольшую информационную ценность в сеть. По сути, он вознаграждает тех, кто совершенствует свои знания и способности в нетворкинге.

Ядро протокола Bittensor состоит из параметризованных функций, обычно называемых нейронами. Эти нейроны распределены по принципу peer-to-peer, при этом каждый нейрон содержит ноль или более сетевых весов, записанных в цифровом реестре. Узлы активно участвуют в ранжировании друг друга, обучая нейронные сети определять ценность своих соседей. Этот процесс ранжирования имеет решающее значение для оценки вклада отдельных узлов в общую производительность сети.

Баллы, полученные в процессе ранжирования, накапливаются в цифровом реестре. Узлы с более высоким рейтингом вознаграждаются денежными вознаграждениями, которые придают им дополнительный вес в сети. Это создает прямую связь между вкладом узла и вознаграждением, способствуя справедливости и прозрачности внутри сети.

Такой подход обеспечивает рынок, на котором другие интеллектуальные системы оценивают аналитику на одноранговой основе через Интернет. Это стимулирует узлы постоянно совершенствовать свои знания и опыт.

Чтобы обеспечить справедливое распределение вознаграждений, Bittensor использует ценности Шепли, концепцию, заимствованную из кооперативной теории игр. Ценности Shapley обеспечивают справедливый и эффективный способ распределения вознаграждений между узлами сети на основе их вклада. Такое сочетание поощрений и взносов побуждает узлы действовать в интересах сети, повышая безопасность и эффективность при постоянном совершенствовании.

Основная миссия Bittensor заключается в содействии инновациям и сотрудничеству в области искусственного интеллекта с помощью децентрализованной структуры. Эта структура позволяет быстро расширять и обмениваться знаниями, создавая растущее и неудержимое хранилище информации. На этом рынке разработчики имеют возможность монетизировать свои модели ИИ и предоставлять ценные решения предприятиям и частным лицам.

Видение Bittensor распространяется на будущее, где модели искусственного интеллекта могут быть легко доступны и развернуты в различных отраслях. Эта доступность способствует прогрессу и открывает новые возможности, устраняя разрыв между возможностями ИИ и реальными приложениями.

Подобно известным глобальным моделям искусственного интеллекта, таким как Chat GPT, модель Bittensor генерирует «представления» на основе общих наборов данных. Чтобы оценить производительность модели, информация Фишера была использована для оценки влияния удаления узла из сети, аналогично потере нейрона в человеческом мозге.

В дополнение к ранжированию моделей, Bittensor уделяет большое внимание интерактивному обучению. Каждая модель активно взаимодействует с сетью, стремясь к взаимодействию с другими моделями, подобно DNS-поиску. Bittensor выступает в качестве API, который использует модели с открытым и закрытым исходным кодом для облегчения обмена данными между этими моделями, способствуя совместному обучению и обмену знаниями.

Экосистема использует консенсус Yuma, чтобы гарантировать, что все следуют правилам, становясь движущей силой для разработчиков ПО с открытым исходным кодом и исследовательских лабораторий ИИ, обеспечивая финансовые стимулы для улучшения базовых моделей с открытым исходным кодом.

По сути, Bittensor — это постоянно расширяющийся репозиторий машинного интеллекта. Это достигается за счет объединения 4 разных слоев:

Miner Layer: отвечает за генерацию ценной работы в сети.
Уровень валидатора: гарантирует, что майнеры придерживаются установленных правил консенсуса. • Корпоративный уровень: Использование существующей инфраструктуры для разработки инновационных продуктов и услуг. Это платформа, которая использует коллективный разум Интернета для создания новых решений.
Потребительский уровень: Воспользуйтесь преимуществами заданий, создаваемых корпоративным уровнем. От имени конечного пользователя или организации, которая использует продукты и услуги на базе сети Bittensor.

Bittensor发展史

Bittensor был основан в 2019 году двумя исследователями ИИ, Джейкобом Стивзом и Аллой Шаабаной (и анонимным автором white paper Юмой Рао). Они искали способ сделать ИИ композитным. Вскоре они поняли, что криптовалюты могут стать решением — способом стимулирования и координации глобальной сети узлов машинного обучения для совместного обучения и изучения конкретных проблем. Дополнительные ресурсы, добавляемые в сеть, улучшают общий интеллект, усугубляя работу предыдущих исследований и моделей.

Путь Bittensor начался с запуска «Kusanagi» в январе 2021 года, ознаменовавшего активацию сети, позволившую майнерам и валидаторам начать зарабатывать первые $TAO вознаграждения. Однако эта первоначальная версия была приостановлена из-за проблем с консенсусом. В ответ на это в ноябре 2021 года Bittensor развевил «Kusanagi» на «Nakamoto».

20 марта 2023 года Bittensor достиг важной вехи, когда «Накамото» снова был разветвлен, на этот раз эволюционировав в «Финни». Целью этого обновления является повышение производительности кода ядра.

Примечательно, что Bittensor изначально задумывался как парачейн на Polkadot, сумев получить слот парачейна на аукционе в январе 2021 года. Однако из-за опасений по поводу скорости разработки Polkadot впоследствии было решено использовать собственный независимый блокчейн L1, построенный на Substrate, вместо того, чтобы полагаться на Polkadot.

Текущий статус

Bittensor работает в основной сети уже более года, уделяя особое внимание проведению пилотных исследований и закладке основы для будущего потенциала. Вот обзор текущего состояния и того, почему бизнес-сценарий использования еще не построен на основе валидатора:

Модель разреженного микса: Bittensor использует модель разреженного микса в качестве модели. Он вовлекает в эту смесь конкретные модели ИИ, каждая из которых решает определенную роль в более крупной задаче, определенной валидатором. Настройка и адаптация модели к современному состоянию — сложный и итеративный процесс. В настоящее время фазу этой дорожной карты возглавляет Opentensor Foundation.
Интеллектуальное сжатие (дистилляция): Интеллектуальное сжатие является основным направлением исследований Bittensor. Это включает в себя методы дистилляции, которые повышают эффективность и возможности сети.
Оптимизация для больших целей: Bittensor уделяет основное внимание оптимизации для больших целей, а не для краткосрочных бизнес-сценариев. Opentensor стремится создать сеть, которая выходит за рамки простой одноранговой платформы и имеет модельную систему ценообразования.
Прогресс и обновления: За последний год Opentensor добился значительного прогресса, включая обновление Synapse, которое открыло Bittensor для внешних запросов. В октябре 2023 года в обновлении Revolution реализовано расширение через подсети. Это позволяет крупным валидаторам самостоятельно определять проблемы, создавая возможности для денежного потока в своих стейках.
Экспансия в реальный мир: Сеть Finney знаменует собой поворотный момент для Bittensor, позволяя валидаторам действовать более независимо и уменьшать первоначальную централизацию. С ростом сетевых стейков и увеличением вознаграждения за блок росту искусственного интеллекта способствовал рост.
Предстоящие бизнес-сценарии использования ИИ: Bittensor предполагает, что реальные бизнес-сценарии использования ИИ будут расширяться по мере того, как заинтересованные стороны, включая людей и ИИ, будут следовать их стимулам. Грядут реализации мультимодальности и метамодальности, объединяющие подсети в единый «умный» формат.

Благодаря последнему обновлению Revolution Bittensor позволяет любому желающему создавать подсети специально для определенных типов приложений. Например, подсеть 4 использует JEPA (Joint Embedding Predicted Architecture) — подход к искусственному интеллекту, впервые предложенный Яном Лекуном из Meta, который обрабатывает различные типы входных и выходных данных, такие как видео, изображения и аудио.

Еще одним заметным достижением является BTLM-3B-8K (Bittensor Language Model) от Cerebras, параметрическая модель 3B, которая позволяет запускать высокоточные и высокопроизводительные модели на мобильных устройствах, делая ИИ более доступным. BTLM-3B-8K доступен на Hugging Face для коммерческого использования под лицензией Apache 2.0.

Большие GPT-модели обычно имеют более 100 миллиардов параметров и требуют нескольких высокопроизводительных графических процессоров для создания логических выводов. Однако выпуск LLaMA от Meta позволил миру получить высокопроизводительные модели всего с 7 миллиардами параметров, что позволило LLM работать на высокопроизводительных ПК.

Даже если модель с 7 миллиардами параметров квантована до 4-битной точности, она все равно не сможет адаптироваться ко многим популярным устройствам, таким как iPhone 13 (4 ГБ ОЗУ). Модель с 3 миллиардами параметров может легко вписаться практически в любое мобильное устройство, но предыдущие модели с 3 миллиардами параметров работали гораздо меньше, чем их аналоги с 7 миллиардами параметров. BTLM обеспечивает баланс между размером модели и производительностью. Имея 3 миллиарда параметров, он обеспечивает значительно более высокий уровень точности и возможностей, чем предыдущие модели с размером в 3 миллиарда параметров.

Если посмотреть на отдельные бенчмарки, BTLM набрал самые высокие баллы во всех категориях, кроме TruthfulQA.

BTLM-3B не только превосходит все модели с 3 миллиардами параметров, но и соперничает со многими моделями с 7 миллиардами параметров с точки зрения производительности.

Революция – Bittensor 子网升级

Обновление Bittensor Revolution было запущено 2 октября и знаменует собой важную веху в эволюции Bittensor, принося значительные изменения в его операционную структуру. В основе этого обновления лежит введение «подсетей», новаторской концепции, которая дает разработчикам беспрецедентную автономию в формировании своих стимулов и создании рынка в экосистеме Bittensor.

Ключевой особенностью этого обновления является внедрение специального языка программирования, специально разработанного для разработки систем поощрения. Эта инновация позволяет разработчикам создавать и внедрять свои стимулы в сети Bittensor, используя ее обширный пул умных умов для адаптации рынка в соответствии с их конкретными требованиями и предпочтениями.

Обновление также представляет собой значительный отход от централизованной модели, в которой единая основа контролирует все аспекты сети, переходя к более децентрализованной структуре. Теперь все виды людей или групп имеют возможность владеть подсетями и управлять ими.

С введением «подсетей» любой желающий теперь может создавать свои собственные подсети и определять свои стимулы, способствуя более широкому спектру услуг в экосистеме Bittensor. Этот сдвиг способствует разнообразию и децентрализации внутри сети в соответствии с принципами открытости и сотрудничества миссии Bittensor.

Кроме того, подсети будут конкурировать за эмиссию, получая консенсус представителей в новой «маршрутной сети», внося конкурентный фактор, который может стимулировать инновации и распределение ресурсов.

Появление пользовательских подсетей может напоминать взрывной рост приложений после того, как Ethereum открыл свои двери для глобального сообщества разработчиков. Обновление также подчеркивает потенциал консолидации различных инструментов и сервисов в единую сеть. По сути, каждый элемент, необходимый для создания интеллекта, теперь централизован под одной крышей и управляется одним токеном ($TAO).

Сеть маршрутизации

Маршрутная сеть играет ключевую роль в экосистеме Bittensor. Она выступает в роли мета-подсети, и ее ключевая роль заключается в распределении распределений между другими подсетями на основе взвешенного консенсуса основных представителей. Этот сдвиг является глубоким, поскольку он фундаментально превращает Bittensor из системы единого управления в динамическую «сеть сетей».

Важно отметить, что план выпуска больше не находится под полным контролем Opentensor Foundation. Представители «корневой» сети теперь имеют полномочия по распределению поощрений. Этот сдвиг децентрализует контроль над стимулами, больше не полагаясь исключительно на какую-либо одну организацию, и ставит их под контроль «корневой» сети.

Подсеть

Подсети в сети Bittensor — это независимые стимулы, которые обеспечивают майнерам основу для взаимодействия с платформой. Эти подсети играют ключевую роль в определении протоколов, которые управляют взаимодействием между майнерами и валидаторами.

Кроме того, детали механизма поощрения больше не жестко запрограммированы в кодовой базе Bittensor. Вместо этого эти сведения определяются в репозитории подсети, что обеспечивает большую гибкость и адаптируемость.

Bittensor вводит специальные подсети, такие как подсеть приглашения и подсеть временных рядов. Подсеть prompt способна выполнять различные нейронные сети, включая GPT-3, GPT-4, ChatGPT и другие, для децентрализованного вывода. Эта функция позволяет пользователям взаимодействовать с валидаторами в сети и получать выходные данные из наиболее эффективных моделей, предоставляя расширенные возможности искусственного интеллекта для своих приложений.

Подсеть функционирует, распределяя токены $TAO майнерам и валидаторам в зависимости от стоимости их вклада в сеть. Конкретные правила и протоколы для ответа майнера на запрос валидатора и процесса оценки, проводимого валидатором, определяются кодом в каждом репозитории подсети.

При запуске будет предоставлено 9 слотов подсетей, каждый из которых по умолчанию будет иметь емкость 256 UID (за исключением подсети 1, которая может вместить 1024 UID). Подсети будут активно конкурировать за эмиссию, добиваясь консенсусных весов от представителей «корневой» сети.
Чтобы зарегистрировать подсеть, физическое или юридическое лицо должно заблокировать определенное количество $TAO на время существования подсети. Владельцы подсетей берут на себя роль полноправного сетевого администратора и имеют право назначать выбросы через соответствующие подсети. У них есть полные разрешения, в том числе возможность вызывать операции sudo по сети, такие как установка минимальных тарифов сети и т. д.

Каждая подсеть привязана к уникальному сетевому UID, а право собственности на подсеть передается кошельку, который блокирует $TAO сумму, необходимую для ее регистрации. При создании подсети соответствующая сумма $TAO будет списана с кошелька создателя и прикреплена к подсети. Если подсеть выходит из системы, заблокированный $TAO возвращается владельцу.
Стоит отметить, что 18% от $TAO рибейта, размещенного в пределах подсети, будет присуждено владельцу подсети. Это побуждает создателей подсетей разрабатывать механизмы для привлечения представителей в сеть маршрутизации, поскольку это увеличивает их шансы избежать выхода из системы.
Вновь зарегистрированным подсетям предоставляется период освобождения в течение одной недели, и в течение этого периода они не могут быть сняты с регистрации. Первоначальная стоимость блокировки составляет 2 500 $TAO, которая удваивается при регистрации новой подсети. Со временем стоимость лок-ина постепенно снижается, следуя линейной схеме, аналогичной механизму голландского аукциона. Этот подход направлен на поиск баланса между спросом на подслоты путем корректировки затрат на блокировку с течением времени.

При отмене регистрации подсети $TAO, использованная для ее регистрации, будет возвращена владельцу, все майнеры в подсети будут удалены, а состояние сети будет сброшено.

Корневая сеть

Корневая сеть действует как «мета-подсеть», располагаясь поверх других подсетей и влияя на их работу, играя при этом ключевую роль в определении рейтинга выдачи всей системы.

Его основная функция заключается в генерации вектора эмиссии для каждой подсети с использованием механизма взвешенного консенсуса, в котором участвуют делегаты. Представители внутри корневой сети присваивают веса различным подсетям в зависимости от своих предпочтений, а окончательный механизм консенсуса определяет распределение эмиссий.

Одним из примечательных аспектов является то, что «корневая» сеть эффективно консолидировала роль Сената и представительского механизма, консолидировав эти функции в единое целое. Такая интеграция упрощает процесс принятия решений в экосистеме Bittensor.

«Корневая» сеть может формировать экосистему, влияя на распределение стимулов. Если он считает, что какой-то аспект подсети или системы бесполезен, он может уменьшить или отменить выделение стимулов для этого компонента.

Подсети в сети Bittensor должны активно работать над привлечением большей части веса, представленного в «корневой» сети, чтобы обеспечить значительную долю стимулов к выпуску. Этот конкурентный аспект подчеркивает важность того, чтобы подсети демонстрировали свою ценность и полезность для более широкой экосистемы.

Кроме того, это дает 12 ведущим ключам в сети возможность наложить вето на предложения, представленные «Большой тройкой», добавляя дополнительный уровень управления и сдержек и противовесов в систему.

Перспективы развития отрасли

В технологическом секторе власть уже давно сосредоточена в руках горстки технологических гигантов. Эти гиганты сохранили контроль над ценными цифровыми товарами, которые необходимы для стимулирования инноваций. Тем не менее, Bittensor представил более демократичную и доступную систему через свою торговую площадку, признав и бросив вызов этой популярной модели.

Фундаментальная идея Bittensor заключается в том, что интеллект является результатом различных цифровых товаров, таких как вычислительные мощности и данные. Исторически сложилось так, что эти товары жестко контролировались и ограничивались сферой технологических гигантов. Bittensor пытается разорвать эти оковы, вводя пользовательские подсети. Эти торговые площадки будут работать в рамках единой системы токенов, гарантируя, что разработчики по всему миру будут иметь равный доступ к ресурсам, которые когда-то были исключительной вотчиной горстки элит в закрытой экосистеме Big Tech.

Потенциальное усыновление

В сегодняшнюю цифровую эпоху преобразующая сила искусственного интеллекта (ИИ) неоспорима. Искусственный интеллект стал неотъемлемой частью нашей жизни, оптимизируя исследования, автоматизируя рабочие процессы, помогая с кодированием и созданием контента из текста. Стремительный рост возможностей ИИ очевиден, но этот рост также сопряжен с проблемами, связанными с масштабируемостью и, самое главное, надежностью. В частности, недавние события, такие как временная приостановка работы ChatGPT в Вашингтоне для обсуждения регулирования ИИ, подчеркивают острую необходимость надежных решений проблем масштабирования ИИ. Эти сбои заставили пользователей беспокоиться о стабильности и надежности ИИ, поскольку он становится все более интегрированным в их повседневную жизнь. Именно в такие моменты становится очевидной важность $TAO Bittensor.

Подход Bittensor не только поддерживает ИИ с открытым исходным кодом, но и показывает, что это может быть финансово выгодным занятием. Он опирается на эволюцию конкуренции, наблюдаемую в майнинге биткойнов, и прокладывает путь к процветающему рынку, где лучшие модели искусственного интеллекта выходят на первый план. Этот сдвиг дает исследователям ИИ возможность делиться своим опытом в открытой и динамичной среде, которая в конечном итоге приносит пользу обществу в целом.

$TAO предоставляет децентрализованную инфраструктуру искусственного интеллекта, которая может смягчить потенциальные проблемы, с которыми сталкивается ChatGPT. Децентрализуя ИИ, Bittensor обеспечивает отказоустойчивость и надежность систем ИИ, даже несмотря на растущий спрос на них. Такой подход закладывает прочный фундамент для будущего сервисов ИИ.

Короче говоря, Bittensor — это глобальный рынок ИИ с открытым исходным кодом, который предлагает убедительное решение проблем, связанных с разработкой ИИ с закрытым исходным кодом.

Превосходное гравитационное притяжение искусственного интеллекта: Bittensor действует как гравитационная сила, которая привлекает лучшие модели искусственного интеллекта от исследователей со всего мира. Продвигая свободный рынок для ИИ, сеть поощряет представление передовых моделей. По мере взросления Bittensor обещает снизить цены, устранить риски платформы и обеспечить наилучший результат ИИ, будь то текст, изображения, видео или другие форматы.
Прибыльный ИИ с открытым исходным кодом: Bittensor превращает ИИ с открытым исходным кодом в прибыльный бизнес. Следуя примеру Биткойна, Bittensor построен на предположении, что заинтересованные стороны ориентированы на прибыль. В этой экосистеме лучшие модели ИИ приносят больше всего денег. Параллельно с развитием майнинга биткоина она трансформировалась в высококонкурентную и специализированную индустрию. Теперь у исследователей PhD есть возможность представить свои исследования на этом открытом рынке, преодолевая разрыв между академическими кругами и частным сектором.
Впечатляющий масштаб: Поощрения Bittensor принесли значительные результаты. Сеть обслуживает более 4000 моделей ИИ, включая ошеломляющие 10 триллионов параметров моделей. Это можно увидеть, сравнив это со 175 миллиардами параметров GPT-3.
Разнообразие заинтересованных сторон: экосистема Bittensor включает в себя ряд заинтересованных сторон, включая майнеров, валидаторов, номинаторов и потребителей. Такое разнообразное взаимодействие обеспечивает надежность и непрерывный рост сети.

Нынешнее состояние искусственного интеллекта является важным фактором, большая часть которого по-прежнему находится под контролем закрытых Big Tech. В связи с этим возникает вопрос: что, если бы ИИ мог быть открытым в среде совместной работы и иметь возможность учиться у других моделей ИИ? Bittensor $TAO пытается найти решение этой проблемы.

• Рост внедрения: В то время как некоторые крупные компании, занимающиеся искусственным интеллектом, могут не решаться раскрывать свою запатентованную технологию искусственного интеллекта, $TAO предлагает интересное предложение. Он вводит возможность дальнейшей монетизации за счет микротранзакций. Представьте себе полноценное ИИ-решение, такое как OpenAI, принимающее микроплатежи каждый раз, когда кто-то использует свои обученные модели в экосистеме Bittensor для создания своих продуктов и бизнеса. Это может открыть новые потоки доходов для этих компаний, побуждая их участвовать в открытых сетях ИИ. • Внедрение в зависимости от спроса: предполагается, что существующие решения ИИ остаются закрытыми и устойчивыми к открытым сетям. Даже имея в своем распоряжении много денег, открытый исходный код может превзойти эти хорошо финансируемые решения. Несмотря на то, что финансовые ресурсы имеют важнейшее значение для технологического развития, не следует недооценивать потенциал технологий, которые позволяют осуществлять самостоятельное обучение и извлекать уроки из окружающей среды.

Дилемма открытого исходного кода

По мере того, как опасения по поводу согласованности в ИИ продолжают расти, дебаты о том, должны ли модели ИИ быть с открытым исходным кодом, набирают обороты. Фундаментальный вопрос заключается в том, должен ли фактический код, лежащий в основе моделей ИИ, быть свободным и открытым для всех. Интересно, что даже если такой крупный игрок, как OpenAI, откроет исходный код своих моделей, это не обязательно будет представлять угрозу для Bittensor. В среде с открытым исходным кодом любой желающий может воспользоваться преимуществами этих моделей в сети Bittensor.

В техническом сообществе существуют разные мнения по этому вопросу. Было высказано предположение, что технология искусственного интеллекта с открытым исходным кодом может дать злоумышленникам возможность использовать ИИ во вредоносных целях. Другие, напротив, утверждают, что предоставление исключительных прав на технологии ИИ крупным компаниям может представлять большую опасность. Например, концентрация мощности ИИ в руках горстки компаний с оборотом в триллионы долларов, как показывает сосредоточенность OpenAI на привлечении больших сумм денег, может вызвать этические проблемы и подчеркнуть риск коррупции во власти.

Решение Meta открыть исходный код своего Llama2 LLM является признаком сдвига в отрасли в сторону внедрения практик с открытым исходным кодом. Этот шаг дает Bittensor возможность изучить и потенциально интегрировать прогресс Meta в свою сеть, быстрее сокращая разрыв в производительности.

Необходимо посмотреть на оценки $TAO и OpenAI. В настоящее время OpenAI доминирует в отрасли с оценкой от $80 млрд до $90 млрд. Однако он работает в закрытой экосистеме, которая в значительной степени зависит от Microsoft и контролируемых ею облачных служб. Несмотря на это, OpenAI удалось привлечь лучшие таланты со всего мира. С другой стороны, с течением времени и распространением инициатив с открытым исходным кодом, ожидается, что диапазон доступных талантов будет расширяться в геометрической прогрессии, охватывая все уголки Интернета. Эта демократизация опыта в области искусственного интеллекта может сыграть ключевую роль в формировании принятия Bittensor.

Конкурентная среда - централизованный ИИ

Принятие разработчиками остается ключевым фактором на пути роста Bittensor. Теперь разработчики могут взаимодействовать с сетью через API Python, разработанный OpenTensor Foundation, что подчеркивает важность создания сильного сообщества разработчиков для стимулирования внедрения. Сегодня Bittensor активно работает над децентрализацией ключевых аспектов сети, таких как создание и обучение моделей, вознаграждая самые тонко настроенные модели и способствуя принятию решений сообществом.

Интересно, что признанные игроки в сфере искусственного интеллекта, в том числе OpenAI и Google, теперь стали конкурентами $TAO. Они глубоко вовлечены в фазу генерации моделей ИИ и даже занимаются потенциальной вертикальной интеграцией в различных отраслях. В этом контексте одной из основных проблем, стоящих перед $TAO, является проблема сегментации данных.

В отличие от технологических гигантов, таких как Facebook, Apple, Amazon, Netflix и Google (FAANG), которые имеют доступ к огромному количеству значимых хранилищ данных, краудсорсинговые сообщества могут не иметь такого же уровня ресурсов и доступа к данным. Организации FAANG имеют финансовую поддержку, чтобы воспользоваться преимуществами мощного оборудования, такого как передовые технологии Nvidia, включая H100 и GH200, которые могут значительно ускорить обучение моделей ИИ.

При этом стоит отметить, что все мейнстримные на сегодняшний день AI-решения существуют в закрытом и централизованном виде. К ним относятся такие известные компании, как OpenAI, Google, Midjourney и другие, каждая из которых предлагает прорывные решения в области искусственного интеллекта. Однако разрыв между моделями с закрытым и открытым исходным кодом быстро сокращается. Модели с открытым исходным кодом набирают обороты с точки зрения скорости, настройки, конфиденциальности и общих возможностей. По сравнению со своими закрытыми аналогами они достигают впечатляющих характеристик при относительно небольшом бюджете и масштабе параметров. Кроме того, эти модели с открытым исходным кодом работают в ускоренные сроки, что позволяет получать результаты в течение нескольких недель, а не месяцев.

Будучи мощным технологическим гигантом, Google осознал эту тенденцию к изменениям. «У нас нет рва, как и у OpenAI», — говорится во внутренней утечке из компании. В нем подчеркивается растущее влияние ИИ с открытым исходным кодом в конкурентной среде.

В этой растущей экосистеме ИИ $TAO становятся катализатором изменений, бросая вызов традиционным моделям разработки и обучения ИИ. Его децентрализованный подход и дух сообщества, делают его претендентом на динамичной арене, где когда-то доминировали технологические гиганты.

В отличие от централизованных платформ, которые ограничивают доступ к отдельным моделям ИИ, архитектура Bittensor обеспечивает несанкционированный доступ к аналитике. Это универсальный магазин для разработчиков ИИ, предоставляющий все необходимые вычислительные ресурсы и принимающий внешние вклады. Эта инклюзивная модель объединяет нейронные сети через Интернет для создания глобальной, распределенной, управляемой стимулами системы машинного обучения.

Чтобы реализовать весь потенциал ИИ, необходимо отойти от практик разработки с закрытым исходным кодом и связанных с ними ограничений. Точно так же, как дети расширяют свое понимание через социальное взаимодействие, ИИ процветает в динамичной среде. Доступ к разнообразным наборам данных, идеи от исследователей-новаторов и взаимодействие с различными моделями способствуют созданию более мощных и интеллектуальных систем ИИ. Траектория развития ИИ не должна определяться одним субъектом.

В контексте этих двух противоположных вариантов будущего выбор между миром, в котором доминируют алгоритмы «черного ящика» и централизованная власть, или открытым, демократизированным ландшафтом искусственного интеллекта имеет решающее значение для общества.

В первом сценарии, когда крупные компании, такие как OpenAI или Anthropic, берут под контроль ИИ-решение, мы рискуем жить в режиме постоянной слежки. Эти компании будут иметь огромную власть над нашими персональными данными и повседневным взаимодействием, с правом закрывать сервисы и сообщать о лицах, которые не согласны или ведут дискуссии.

Однако более оптимистичный вариант предлагает мир искусственного интеллекта, основанный на платформе с открытым исходным кодом и построенный на универсальной сети. Здесь власть и контроль децентрализованы, а ИИ является инструментом расширения прав и возможностей, а не мониторинга. В этом случае творчество и развитие могут процветать, не опасаясь корпоративной предвзятости или цензуры.

Точно так же, как Интернет демократизирует доступ к информации, открытая экосистема ИИ демократизирует доступ к разведданным. Она гарантирует, что интеллект не будет монополизирован немногими, способствуя созданию равных условий, в которых каждый может вносить свой вклад, учиться и извлекать выгоду.

$TAO Токеномика

Как и в случае с биткоином, общее максимальное предложение токенов $TAO ограничено 21 000 000 и будет выпущено через 256 лет. • Халвинг $TAO будет происходить каждые 10,5 миллионов блоков, при этом в течение следующих 45 лет произойдет 64 события халвинга.

Время блока в сети составляет около 12 секунд, и каждый блок вознаграждает майнеров и валидаторов за 1 $TAO.
В настоящее время это приравнивается к выпуску 7 200 новых токенов $TAO в день, которые равномерно распределяются между майнерами и валидаторами.

Еще одно сходство с биткоином заключается в том, что график эмиссии $TAO также следует концепции халвинга, который происходит примерно раз в 4 года. Однако это определяется общим количеством выпущенных токенов, а не количеством блоков. Например, как только выпускается половина от общего объема предложения, уровень эмиссии уменьшается вдвое.

Важно отметить, что токены $TAO, использованные для регистрации утилизации, сжигаются обратно в невыпущенное предложение, что приводит к постепенному увеличению интервала халвинга. Этот механизм гарантирует, что график эмиссии динамически корректируется с течением времени, отражая потребности и экономическую динамику сети.

$TAO Экономика токенов

Экономика токенов $TAO Bittensor отличается простотой, приверженностью децентрализации и справедливым распределением. В отличие от многих других блокчейн-проектов, токены $TAO не распределяются между сторонами через ICO, IDO, частные размещения для венчурных инвесторов или привилегированные назначения командам, фондам или консультантам. Вместо этого каждый токен в обращении должен быть заработан, активно участвуя в сети.

В сети также есть распределители капитала, которые участвуют в качестве майнеров или валидаторов и предоставляют услуги маркет-мейкинга, такие как DCG, GSR или Polychain. Важно отметить, что ни один из них не получил распределения токенов через предварительные продажи или частные размещения.

$TAO токены можно использовать для управления, стейкинга и участия в механизмах консенсуса, а также в качестве платежного средства внутри сети Bittensor.

Таким образом, валидаторы и майнеры используют свои токены в качестве залога для обеспечения безопасности сети и получения вознаграждений за инфляционную эмиссию, в то время как пользователи и предприятия могут использовать $TAO для доступа к сервисам и приложениям искусственного интеллекта, созданным в сети.

Новые токены $TAO могут быть сгенерированы только путем майнинга и верификации. Сеть вознаграждает майнеров и валидаторов, при этом за каждый блок присуждается вознаграждение в размере 1 $TAO, которое делится поровну между майнерами и валидаторами. В результате единственный способ заработать $TAO — это купить токены на открытом рынке или участвовать в деятельности по майнингу и валидации.

$TAO Простая модель распределения токенов отражает принцип децентрализации и напоминает дух биткоина, заданный Сатоши Накамото. Чеканка генезиса $TAO соответствует графику выпуска биткоина ($BTC), предоставляя равные возможности для всех, кто вносит свой вклад в сеть. Такой подход подчеркивает важность предотвращения концентрации власти и собственности, особенно в области искусственного интеллекта, которая имеет значительные социальные последствия и не должна контролироваться немногими.

Такая модель распределения гарантирует, что майнинг остается конкурентным процессом. По мере того, как все больше майнеров присоединяются к сети, конкуренция усиливается, и поддержание прибыльности становится сложной задачей. Это, в свою очередь, побуждает майнеров искать способы снижения эксплуатационных расходов, тем самым повышая эффективность и инновации внутри сети.

$TAO Захват ценности

$TAO — это нативный токен сети Bittensor, и его внутренняя ценность проистекает из его уникальной роли в экосистеме. В отличие от стандартной модели L1, где токены сети получают ценность за счет продажи пространства блока, стоимость $TAO привязана к сервисам ИИ, которые она поддерживает. По мере того, как эти ИИ-сервисы становятся все более эффективными и практичными, спрос на $TAO растет.

Держатели $TAO получают доступ к целому ряду взаимосвязанных цифровых ресурсов, включая данные, пропускную способность и аналитику, генерируемую и проверяемую участниками сети. Как отражено в плане эмиссии, ценность $TAO основана не только на спекуляциях или дефиците, но и глубоко укоренена в ощутимом вкладе и полезности, которые они обеспечивают в сети Bittensor.

Тем не менее, поддержание этого цикла созидания и вознаграждения не гарантируется. Майнеры и валидаторы, предоставляя ценную информацию сети и получая взамен $TAO токены, также имеют стимул продавать токены для покрытия расходов, аналогично майнерам биткоина.

Каково значение цены токена?

Как и любой другой токен, цена $TAO определяется фундаментальными экономическими принципами спроса и предложения. Увеличение спроса на $TAO приводит к росту цен, в то время как снижение спроса приводит к снижению цен. Таким образом, идея заключается в том, что спрос на экосистемную деятельность будет компенсировать высвобождение предложения.

Вы можете зарабатывать $TAO, только внося свой вклад в сеть. Для этого его нужно купить и держать или потратить на то, чтобы начать пользоваться сетью.

Драйверы спроса:

Экосистемная деятельность:
Валидаторам необходимо $TAO токенов для регистрации.
Пользователи могут приобрести $TAO для участия в процессе голосования, связанного с выравниванием интеллекта.
Используется в качестве внутрисетевого платежа.
Вам нужно делать ставки и делегировать $TAO, чтобы получать вознаграждение за стейкинг. Это помогает защититься от инфляционной эмиссии.
Спекулятивные премии — это способ сделать ставку на потенциал роста конвергенции двух прорывных технологий — блокчейна и искусственного интеллекта.
Сетевые эффекты, связанные с тем, что все больше разработчиков выходят в сеть и используют потенциал моделей с открытым исходным кодом

Зависит от поставки:

Общий объем эмиссии токенов инфляционной эмиссии достиг 21 000 000
Майнеры и валидаторы могут продавать токены $TAO для оплаты операционных расходов. Этот аспект похож на то, как майнеры биткойнов продают биткойны, чтобы покрыть расходы.

По мере расширения сети и добавления новых моделей и подсетей ИИ растет и потенциал для получения ценности. Синергия между искусственным интеллектом и блокчейном также способствовала росту сети, создав самоусиливающийся цикл.

Таким образом, Bittensor воплощает принцип закона Меткалфа, который гласит, что ценность сети пропорциональна квадрату количества подключенных пользователей или узлов. По мере того, как все больше и больше участников присоединяются к сети, ценность, которую она предоставляет, растет в геометрической прогрессии.

Как получить такое значение

В Bittensor валидаторы заинтересованы в получении доли от держателей токенов, и этот стейкинг необходим для их функционирования в сети. Как держатель токена, у вас есть возможность делегировать $TAO различным валидаторам. Наиболее распространенным вариантом является сам OpenTensor Foundation, которому принадлежит около 20% владения сетью.

В настоящее время валидаторы распределяют 82% своих вознаграждений делегаторам в виде токенов $TAO. Таким образом, делегирование $TAO токенов валидаторам — это возможность для держателей токенов заработать вознаграждение за стейкинг. Это помогает защитить пользователей от потенциального разводнения, вызванного инфляционной эмиссией токенов.

Вознаграждение валидаторов в настоящее время составляет 22,45%
Текущее вознаграждение за стейкинг составляет 18,41%

Риск/Вознаграждение и Временной Горизонт

При оценке соотношения риска и доходности от размещения части вашего портфеля для $TAO важно понимать, что вы на самом деле покупаете. Например, покупка не дает владельцу права на какую-либо форму заработка, выплачиваемого в долларах за хозяйственную деятельность сети. Вместо этого вы вознаграждаетесь выпуском токенов. Как держатель токенов, вы можете делегировать эти выпущенные токены валидатору, чтобы заработать годовую процентную ставку и увеличить свои $TAO активы.

$TAO аналогия с Биткойном очевидна, но у Биткойна есть внутренняя история, которая делает его уникальным. Никто не смог дать удовлетворительного ответа на вопрос о том, какова ценность $BTC или почему она имеет какую-либо ценность, поэтому сообщество оказывается втянутым в племенную войну между безмонетными, «шиткоинами» и экстремистами.

На самом деле, токеномика биткоина проста для понимания: $BTC используется для стимулирования майнеров к работе и поддержанию сети, поэтому существующие держатели размываются (хотя они могут стать майнерами или, в случае с Bittensor, делегаторами). В результате те, кто владеет токенами, не стимулируются и не получают никаких вознаграждений от базовой сети.

Но для $BTC есть один важный фактор, который следует учитывать, и это дефицит. На самом деле, $BTC будет всего 21 миллион, что делает его уникальным. Несмотря на то, что экономика токенов $TAO смоделирована по образцу биткоина, все еще существует более 70% невыпущенных токенов. Это ставит перед инвесторами дилемму: ценят ли они децентрализацию сети больше, чем дефицит активов.

В конечном счете, полезность $TAO проистекает из доступа к моделям ИИ, использованию управления, доступу к вознаграждениям за стейкинг и возможностям в качестве механизма стимулирования.

Операционные расходы

Текущие затраты на строительство инфраструктуры получаются Opentensor Foundation за счет делегирования и вознаграждения за делегирование. Другие разработки осуществляются третьими лицами, которые управляют собственными валидаторами, которые также финансируются через делегации.

Точно так же, как любая глобальная инициатива требует финансирования исследований, разработок и внедрения, успех ИИ зависит от того, как распределяется капитал и как заинтересованные стороны вознаграждаются за свой вклад. Именно это стратегическое распределение ресурсов (исследования, графические процессоры для обучения и т. д.) стимулирует развитие и влияние ИИ.

В области искусственного интеллекта, особенно больших языковых моделей, таких как ChatGPT, эксплуатационные расходы очень высоки. Например, по оценкам OpenAI, эксплуатация ChatGPT обходится примерно в 700 000 долларов в день, что свидетельствует о высоком финансовом бремени, связанном с крупномасштабными моделями ИИ. Стоимость обучения одной модели может варьироваться от миллионов до десятков миллионов долларов, что делает ее более ресурсоемкой. Стоимость обучения модели на большом наборе данных может быть еще выше — до 30 миллионов долларов. Несмотря на то, что компания привлекла значительное финансирование, в том числе недавние инвестиции от Microsoft (около половины из которых поступили в виде кредитов Azure), растущая стоимость обучения больших языковых моделей остается проблемой. Каждый прогон обучения стоит миллионы долларов, а необходимость начинать с нуля для новой модели усугубляет проблему.

Именно здесь на помощь приходит подход Bittensor к «сложению знаний». Уникальный подход Bittensor фокусируется на децентрализации и сотрудничестве через «комбинирование знаний». Эта философия позволяет создавать системы ИИ на основе существующих знаний децентрализованным образом, обеспечивая такие преимущества, как:

• Экономическая эффективность: Используя существующие знания и постоянно совершенствуясь, подход Bittensor обещает снизить потребность в дорогостоящей переподготовке с нуля.

Адаптивность: Крупномасштабные приложения ИИ часто сталкиваются с меняющимися потребностями и проблемами. В связи с этим децентрализованный подход позволяет организациям более гибко адаптировать свои системы ИИ, гарантируя, что они остаются актуальными и эффективными в динамичных средах.
Децентрализация: Децентрализованная сеть Bittensor расширяет возможности глобального сообщества участников, снижая зависимость от одной организации или централизованной инфраструктуры. Это способствует инновациям и разнообразию в развитии ИИ. • Сотрудничество: Коллаборативный характер объединения знаний способствует обмену знаниями и совместному обучению между узлами в сети, создавая динамическую среду для развития ИИ.

Команда и инвесторы

Bittensor — это протокол с открытым исходным кодом, который обеспечивает работу децентрализованной сети машинного обучения на основе блокчейна. В команду Bittensor входят, среди прочих, Джейкоб Стивз (основатель), Ала Шаабана (основатель), Жаклин Доун (директор по маркетингу) и Сейде Мотлаг (архитектор блокчейна). В этом году Opentensor Foundation планирует расширить свою команду.

Персонаж по имени Юма Рао также упоминается в whitepaper Bittensor, как и Сатоши Накамото в Bitcoin. Неясно, реален ли этот человек, и, возможно, мы никогда не сможем узнать о нем больше.

Bittensor не раскрыл каких-либо известных советников или ключевых инвесторов, кроме как для получения финансовой поддержки от OpenTensor Foundation, некоммерческой организации, которая поддерживает развитие Bittensor. Bittensor пока не объявлял о каких-либо официальных партнерствах.

МНЕНИЕ

Оценки большинства технологических компаний значительно ниже допандемических оценок, но компании, занимающиеся искусственным интеллектом, сейчас находятся на самых высоких мультипликаторах и темпах роста.

С рыночной капитализацией, значительно ниже, чем у гигантов отрасли, Bittensor действительно может стать идеальной платформой для крупномасштабных/востребованных приложений искусственного интеллекта и моделей с открытым исходным кодом.

Очевидно, что самое простое сравнение для измерения потенциала роста — это сравнение с оценкой частного размещения OpenAI, которая составляет $29 млрд. Независимо от реалистичности, это немного выше, чем у $TAO FDV. Учитывая, сколько времени потребуется для того, чтобы все предложение попало в обращение, мы можем использовать рыночную капитализацию в обращении, чтобы получить приблизительную цифру того, что оценка частного размещения OpenAI более чем в 108 раз превышает рыночную капитализацию $TAO. Однако это очень спекулятивный подход, который можно свести к ставке на проекты, которые могут извлечь выгоду из пересечения ИИ и крипты.

Важнейшей особенностью Bittensor является то, что он решает проблему централизации ИИ. В настоящее время горстка компаний контролирует несколько крупных и мощных моделей, но все они изолированы и практически не сотрудничают и не обмениваются знаниями.

Изолированные модели ИИ не могут учиться друг у друга, поэтому они не являются сложными (исследователям приходится начинать с нуля каждый раз, когда они создают новую модель). Это резко контрастирует с исследованиями в области искусственного интеллекта, где новые исследователи могут опираться на работу прошлых исследователей, создавая эффект роста, который значительно ускоряет развитие идей.

Разрозненный ИИ также ограничен в функциональности, так как сторонние приложения и интеграция данных требуют разрешения от владельца модели (в виде технического партнерства и деловых соглашений). Это ограничение оказывает непосредственное влияние на ценность и полезность ИИ, поскольку он может работать только в рамках приложений, которые он эффективно поддерживает.

Такая централизованная среда, в которой победитель получает все, не подходит для небольших команд с меньшими ресурсами. В этом случае основная сила Bittensor заключается в их децентрализованной сети и стимулах, поощряющих небольшие команды и исследователей монетизировать свою работу.

Если Bittensor удастся сократить разрыв в производительности с ведущими поставщиками ИИ с закрытым исходным кодом, такими как GPT-4, он может стать первым выбором для разработчиков, предприятий и исследователей в области криптовалют и ИИ. Его открытый и совместный характер делает его привлекательной альтернативой закрытым экосистемам с потенциалом значительного внедрения. В конечном счете, оценка TAO может исходить из полезности сети (экономической деятельности, на которой она построена) или прямого денежного потока протокола.

В качестве служебного токена $TAO нужен доступ к сети. В результате, его оценка может быть выведена на основе экономической полезности, построенной на его основе.
В качестве токена стейкинга держатели могут делегировать $TAO валидаторам и получать долю от дохода сети.
Мы также можем измерять доходность на основе доли рынка и нескольких допущений (что также может привести к ненадежным прогнозам).

Поскольку практичность более субъективна и абстрактна, мы можем начать с денежного потока. Предполагая, что рынок машинного обучения достигнет определенного размера рынка в будущем (см. оценки Precedence Research на графике ниже), мы можем оценить сеть Bittensor, основываясь на ее потенциальной доле рынка и удвоении дохода.

Независимо от предполагаемого размера рынка, Bittensor по-прежнему является очень специализированным и сложным проектом, что является препятствием как для легкой адаптации для разработчиков, так и для принятия пользователями.

Проект все еще находится на ранних стадиях разработки, и могут возникнуть неожиданные проблемы с сетью. Например, в июне произошел сговор между майнерами с целью манипулирования сетью, в результате чего $TAO были распроданы на рынке. Временное решение состоит в том, чтобы сократить эмиссию на 90%, чтобы дать Opentensor Foundation дополнительное время для решения проблем с сетью, чтобы протокол мог функционировать должным образом.

Большинство продуктов, работающих в настоящее время в сети, не могут конкурировать с централизованными аналогами и до сих пор имели низкие темпы внедрения. Лучший способ узнать и попробовать на себе — протестировать услуги, предлагаемые Bittensor Hub.

Мы также должны задаться вопросом о том, применима ли токеномика биткоина к такой сети, как Bittensor, которая специализируется на предоставлении услуг искусственного интеллекта. Возможно, сокращенный характер $BTC не очень хорошо подходит для сети, которой необходимо добавлять майнеры и приложения, построенные на ней, для масштабирования. В идеале токен должен расти по мере роста популярности сети, больше похожей на цифровую нефть, чем на цифровое золото. Отчасти это было встроено в него, стимулируя майнеров конкурировать друг с другом и распределять предложение в течение более чем 200 лет.

Еще одной проблемой является конфиденциальность, так как невозможно зашифровать данные до того, как они пройдут через нейронную сеть. В децентрализованной среде это еще сложнее, потому что любые данные, которые проходят через процесс обучения и/или вывода, определенно не будут конфиденциальными. Конечно, это также может быть потенциальной проблемой в централизованной среде, но тогда вам нужно беспокоиться только о том, что одна известная сторона увидит ваши данные, а не о множестве неизвестных сторон.

Экономика

Цена токена

Цена относительно ATH и ATL

Распределение поставок

Заключение

Bittensor может стать сильной ставкой на стыке искусственного интеллекта и криптовалют. Тем не менее, нет никаких сомнений в том, что это один из самых сложных проектов для оценки темпов его роста и потенциального роста. Очевидно, что существует большой потенциал для использования полезности ИИ в децентрализованной сети, особенно с точки зрения стимулирования моделей с открытым исходным кодом и децентрализации владения сетью. Тем не менее, сервисы и бизнес-кейсы, построенные на основе Bittensor, в настоящее время недостаточно конкурентоспособны.

Искусственный интеллект – это индустрия, которая требует огромных операционных расходов и больших денег на поддержку, и добиться этого могут только гиганты отрасли. В этом смысле Bittensor является очень противоположной ставкой, поэтому стоит учитывать как можно больше факторов риска и прибыли.

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

Награда
лайк
комментарий
Репост
Поделиться

комментарий

Добавить комментарий

Нет комментариев

Популярные темы
Подробнее
#
GateGoldenTouch
67.78K Популярность
#
CryptoMarketsRiseBroadly
31.78K Популярность
#
IsraelStrikesIranBTCPlunges
19.32K Популярность
#
PowellDovishRemarksReviveRateCutHopes
2.82M Популярность
#
TrumpSignalsPossibleCeasefire
409.07K Популярность

Горячее на Gate Fun
Подробнее

1
mb
macbook
РК:$2.27KДержатели:2
0.00%
2
TBKB
特不靠谱
РК:$2.37KДержатели:2
1.04%
3
ch
chill
РК:$2.24KДержатели:1
0.00%
4
MIP
MIP
РК:$2.24KДержатели:1
0.00%
5
Usdc
Usdc
РК:$2.25KДержатели:1
0.00%

Закрепить

Карта сайта

Подробное объяснение: как сеть Bittensor и токен TAO революционизируют индустрию искусственного интеллекта

Введение

Обзор

Одноранговый смарт-маркетплейс

Подъем рынка цифровых товаров

尤马共识(Yuma Consensus)

Уточнение знаний** - Цифровой Разум Улья (Цифровой Разум Улья)**

**Эксперт Микс (МО)

Bittensor发展史

Текущий статус

Революция – Bittensor 子网升级

Сеть маршрутизации

Подсеть

Корневая сеть

Перспективы развития отрасли

Потенциальное усыновление

Дилемма открытого исходного кода

Конкурентная среда - централизованный ИИ

$TAO Токеномика

$TAO Экономика токенов

$TAO Захват ценности

Каково значение цены токена?

Как получить такое значение

Риск/Вознаграждение и Временной Горизонт

Операционные расходы

Команда и инвесторы

МНЕНИЕ

Экономика

Заключение

Популярные темы

GateGoldenTouch

CryptoMarketsRiseBroadly

IsraelStrikesIranBTCPlunges

PowellDovishRemarksReviveRateCutHopes

TrumpSignalsPossibleCeasefire

Горячее на Gate Fun

mb

macbook

TBKB

特不靠谱

ch

chill

MIP

MIP

Usdc

Usdc

Закрепить

Уточнение знаний - Цифровой Разум Улья (Цифровой Разум Улья)

Эксперт Микс (МО)**