Escrito por: Shenchao TechFlow
El mercado de criptomonedas estaba sangrando después de vivir el "lunes negro" de esta semana, pero los tokens en diferentes sectores se recuperaron después de un día.
Entre ellos, el más bello es Bittensor (TAO).
Los datos de Coinmarketcap muestran que entre los 100 tokens principales por capitalización de mercado ayer, Bittensor (TAO) subió un 23,08% y encabezó la lista de rebotes.
Aunque la narrativa de la IA no es tan popular como a principios de año, la elección del dinero caliente también representa optimismo sobre los principales proyectos del sector.
Sin embargo, Bittensor también ha sufrido cierto grado de confusión antes. La comunidad creía que el proyecto tenía un nombre excesivo y que no había aplicaciones prácticas en la subred.
(Lectura relacionada: FUD está furioso, ¿se caerá del altar el nuevo rey de la IA, Bittensor?)
Aunque la utilidad de un proyecto de cifrado no está directamente relacionada con el precio del token, ¿Bittensor es realmente solo una cáscara vacía?
En los últimos meses, se han agregado 12 nuevas subredes a Bittensor, y cada subred promueve el desarrollo relacionado con la IA hasta cierto punto, y también puede haber nuevos proyectos Alpha entre ellas.
Hicimos un balance de estas nuevas subredes y observamos los cambios en sus fundamentos centrándonos en el repunte del precio de TAO.
Subred 38: Sylliba, una herramienta de traducción de texto a voz que admite más de 70 idiomas
Equipo de desarrollo: Agente artificial
Introducción:
Sylliba es una aplicación de traducción que admite traducción de texto y voz y puede manejar más de 70 idiomas.
Cabe mencionar que este programa puede ser utilizado por agentes de IA en cadena:
Proceso de traducción automatizado: los agentes de IA pueden llamar automáticamente a este servicio para lograr el procesamiento y la comunicación de información en varios idiomas.
Mejorar las capacidades de IA: habilite los sistemas de IA que no tienen capacidades multilingües para manejar tareas multilingües.
Las solicitudes de traducción y los resultados se pueden verificar en blockchain, lo que aumenta la credibilidad del sistema.
Mecanismo de incentivos: a través de la economía simbólica, se pueden incentivar a los proveedores de servicios de traducción de alta calidad.
Dirección del proyecto: https://github.com/agent-artificial/sylliba-subnet
Subred 34: Bitmind, detectando y distinguiendo contenido real de contenido sintético falso
Equipo de desarrollo: @BitMindAI
Introducción:
BitMind se centra en el desarrollo de tecnología descentralizada de detección de deepfakes. Con el rápido avance de los modelos de IA generativa, distinguir los medios sintéticos de alta calidad del contenido real se vuelve cada vez más complejo.
La subred de BitMind resuelve este problema implementando un poderoso mecanismo de detección en la red Bittensor, utilizando modelos de IA generativos y discriminativos para identificar de manera efectiva los deepfakes.
Al mismo tiempo, la API BitMind permite el desarrollo de potentes aplicaciones de consumo que aprovechan las capacidades de detección de deepfake de la subred. La aplicación web BitMind con una interfaz de carga de imágenes puede utilizar la API para ayudar a los usuarios a identificar rápidamente la probabilidad de que una imagen sea real o falsa, proporcionando una herramienta antisuplantación de identidad de fácil acceso y fácil de interpretar.
Subred 43: Graphite, red de planificación de rutas inteligente
Equipo de desarrollo: @GraphiteSubnet
Introducción:
Graphite es una subred diseñada específicamente para manejar problemas de gráficos, con un enfoque particular en el problema del viajante (TSP). TSP es un problema de optimización clásico donde el objetivo es encontrar la ruta más corta posible que visite un conjunto de ciudades y regrese al punto de partida.
Graphite aprovecha la red descentralizada de aprendizaje automático de Bittensor para conectar de manera eficiente a los mineros para manejar las necesidades computacionales de TSP y problemas gráficos similares.
Actualmente, los validadores generan solicitudes sintéticas y las envían a los mineros de la red. Los mineros son responsables de resolver los TSP utilizando algoritmos que diseñaron y enviar los resultados a los validadores para su evaluación.
Subred 42: Gen42, el asistente de codificación de IA de código abierto de GitHub
Equipo de desarrollo: @RizzoValidator, @FrankRizz07
Introducción:
Gen42 aprovecha la red Bittensor para proporcionar servicios descentralizados de generación de código. Su objetivo es crear herramientas potentes y escalables para responder preguntas basadas en código y completar código impulsadas por grandes modelos de lenguaje de código abierto.
Productos principales:
a. Aplicación de chat: proporciona una interfaz de chat que permite a los usuarios interactuar con sus subredes. La característica principal de esta aplicación son las preguntas y respuestas basadas en código.
b. Finalización del código: proporcione una API compatible con OpenAI que se pueda utilizar con continue.dev.
Para obtener detalles sobre cómo participan los mineros y validadores, consulte el proyecto Github.
Subred 41: Sportstensor, modelo de predicción deportiva
Equipo de desarrollo: @sportstensor
Introducción:
Sportstensor es un proyecto dedicado al desarrollo de algoritmos de predicción deportiva descentralizados, impulsado por la red Bittensor.
El proyecto proporciona modelos básicos en HuggingFace de código abierto para que los mineros se capaciten y mejoren, al tiempo que permite la planificación estratégica y el análisis de rendimiento basado en datos históricos y en tiempo real, y recompensa la recopilación integral de conjuntos de datos y el desarrollo de modelos de predicción de alto rendimiento.
Funciones de minero y validador:
Mineros: reciba solicitudes de validadores, acceda a datos relevantes y utilice modelos de aprendizaje automático para hacer predicciones.
Verificador: recopila las predicciones de los mineros, las compara con los resultados reales y registra los resultados de la verificación.
Subred 29: coldint, entrenamiento de modelos de IA de nicho
Desarrollador: Aún no encontrado, el sitio web oficial está aquí
Introducción:
SN29 coldint, el nombre completo es Capacitación incentivada distribuida colectiva.
Objetivo: centrarse en la formación previa de modelos de nicho. Los "modelos de nicho" pueden referirse a modelos que no se utilizan tan ampliamente como los modelos generales grandes, pero que son muy valiosos en un dominio o tarea específica.
Participación y división del trabajo de los mineros y otros roles:
a) Los mineros se ven incentivados principalmente al compartir públicamente modelos de capacitación.
b) Se otorgan incentivos secundarios a los mineros u otros contribuyentes que comparten conocimientos contribuyendo a la base del código.
c) Alentar a los mineros a compartir periódicamente su trabajo mejorado recompensando las pequeñas mejoras.
d) Recompensar en gran medida las contribuciones de código que combinen los esfuerzos de capacitación individuales en mejores modelos combinados.
Subred 40: conjunto de datos optimizados y fragmentados para la aplicación RAG (generación aumentada de recuperación)
Equipo de desarrollo: @vectorchatai
Ficha: $CHAT
Introducción:
SN40 Chunking es como un bibliotecario muy inteligente que divide grandes cantidades de información (texto, imágenes, sonidos, etc.) en pequeños fragmentos. Esto se hace para que a la IA le resulte más fácil comprender y utilizar esta información. Si tu estantería está bien organizada, podrás encontrarla rápidamente.
SN40 Chunking ayuda a la IA a "organizar la estantería".
No solo texto, SN40 Chunking también puede procesar varios tipos de información, como imágenes y sonidos. Es como un bibliotecario versátil, que gestiona no sólo libros sino también colecciones de fotografías, CD de música, etc.
Subred 39: EdgeMaxxing, optimizando modelos de IA para ejecutarlos en dispositivos de consumo
Equipo de desarrollo: @WOMBO
Introducción: SN39 EdgeMaxxing es una subred centrada en optimizar modelos de IA para dispositivos de consumo, desde teléfonos inteligentes hasta computadoras portátiles.
La subred EdgeMaxxing utiliza un sistema de recompensa competitivo con concursos diarios. El objetivo es animar a los participantes a optimizar continuamente el rendimiento de los modelos de IA en los dispositivos de consumo.
Roles de los participantes y división del trabajo:
Mineros:
La tarea principal es enviar el punto de control del modelo de IA optimizado.
Utilizan varios algoritmos y herramientas para mejorar el rendimiento del modelo.
Validadores:
Debe ejecutarse en el hardware de destino específico (por ejemplo, NVIDIA GeForce RTX 4090). Todos los modelos enviados por mineros se recopilan diariamente y cada modelo enviado se compara con puntos de control básicos en función de las mejoras de velocidad, el mantenimiento de la precisión y la eficiencia general. Aumente la puntuación y elija el modelo de mejor rendimiento; el día como ganador
Almacén de código abierto del proyecto: https://github.com/womboai/edge-maxxing
Subred 30: Bettensor, mercado de predicción deportiva descentralizado
Equipo de desarrollo: @Bettensor
Introducción:
Bettensor permite a los aficionados a los deportes predecir los resultados de los juegos deportivos, creando un mercado de predicción deportiva descentralizado basado en blockchain.
Rol de participante:
Minero: Responsable de generar resultados de predicción.
Validador: verifica la precisión de los resultados de la predicción
Recopilador de datos: recopile datos de eventos deportivos de diversas fuentes
Repositorio de código abierto del proyecto: https://github.com/Bettensor/bettensor (parece estar todavía en desarrollo)
Subred 06: Infinite Games, mercado de predicción general
Equipo de desarrollo: @Playinfgames
Introducción:
Infinite Games desarrolla herramientas predictivas y en tiempo real para predecir mercados. Al mismo tiempo, el proyecto arbitra y agrega eventos en plataformas como @Polymarket y @azuroprotocol.
Sistema incentivador:
Utilice tokens $TAO como incentivos
Recompense a los proveedores de pronósticos precisos e información valiosa.
En general, el proyecto anima a los usuarios a participar en la predicción y el suministro de información, formando una comunidad de predicción activa.
Subred 37: Ajuste fino de LLM, ajuste fino de modelos de lenguaje grande
Equipo de desarrollo: Taoverse y @MacrocosmosAI
Introducción:
Esta es una subred centrada en el ajuste de modelos de lenguajes grandes (LLM): los mineros son recompensados por ajustar los LLM, utilizando un flujo continuo de datos sintéticos de la subred 18 para la evaluación del modelo.
Mecanismo de trabajo:
Los mineros entrenan modelos y los publican periódicamente en la plataforma Hugging Face.
Los validadores descargan el modelo de Hugging Face y lo evalúan continuamente utilizando datos sintéticos.
Los resultados de la evaluación se registran en la plataforma wandb.
Asigne recompensas de tokens TAO a mineros y validadores según el peso.
Dirección del almacén del proyecto: https://github.com/macrocosm-os/finetuning
Subred 21: Cualquiera a Cualquiera, creando modelos multimodales de IA avanzados
Equipo de desarrollo: @omegalabsai
Introducción:
"Cualquiera a cualquiera" en este proyecto se refiere a la capacidad de un sistema de inteligencia artificial multimodal para convertir y comprender diferentes tipos de datos o información, como texto a imagen, imagen a texto, audio a video, video a texto.
El sistema no sólo puede realizar transformaciones sino también comprender las relaciones entre diferentes modalidades. Por ejemplo, puede comprender la conexión entre una descripción de texto y una imagen, o la conexión entre un vídeo y el audio correspondiente.
En esta subred, se utilizan mecanismos de incentivos para alentar a los investigadores y desarrolladores de IA de todo el mundo a participar en proyectos. Específicamente:
Los contribuyentes pueden ganar recompensas simbólicas proporcionando modelos, datos o recursos informáticos valiosos.
Este incentivo financiero directo hace que la investigación y el desarrollo de IA de alta calidad sean una empresa sostenible.
Dirección del almacén del proyecto: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor
Conocimiento adicional:
En caso de que algunos lectores no conozcan el significado de subred Bittensor, una explicación sencilla puede ser:
Una subred es una red especializada dentro del ecosistema Bittensor.
Cada subred se centra en una tarea específica de IA o aprendizaje automático.
Las subredes permiten a los desarrolladores crear e implementar modelos de IA diseñados específicamente.
Utilizan la criptoeconomía para incentivar a los participantes a proporcionar recursos informáticos y mejorar los modelos.
