Bittensor (TAO) は、今年バイナンスに上場された最初の AI コインです。これがAIトラックの本格始動に向けた第一歩と思われたが、期せずして短期的な「最後のステップ」となった。 4月11日の発売以来、TAOの価格は急落し、いまだに回復していない。

通貨の価格が下落するにつれて、プロジェクトの有効性に関するコミュニティの議論はますます激しくなりました。すべては、Taproot Wizards の共同創設者である Eric Wall がソーシャル メディア上で Bittensor (TAO) について一連の鋭い質問を発した 3 月 30 日に始まり、その閲覧回数は現在 200 万近くに達しています。

エリック・ウォール氏の要点は次のように要約できます。

・サブネット 1 の多くのマイナーは、プロンプトに答えるために同じ言語モデルを繰り返し実行しますが、これは非効率であり、リソースを無駄にします。 1 人のマイナーがタスクを完了でき、何千人ものマイナーが並行して作業する必要はありません。

・サブネット 1 の検証メカニズムは単純すぎます。マイナーは回答の類似性を比較するだけです。

・現状、サブネット1は内部でのみ動作しており、一般ユーザーは利用できないため実用的価値がありません。

・Bittensorプロジェクトは「分散型AI」の概念を誇大宣伝しているだけで、個人投資家を騙し、トークン価格を人為的に高くしている。

これらの疑惑はビッテンソール氏の問題点の一部を直接指摘しているが、部分的で盲目的なものである疑いもある。マルチマイナーの冗長性は非効率的に見えるかもしれませんが、実際にはこれが分散コラボレーションの唯一の方法です。 Bitensor の目標は、冗長性が設計上の欠陥ではなく、必要なコストとなる世界規模の AI ネットワークを構築することです。

検証メカニズムはまだ比較的初歩的なものですが、Bittensor は積極的に改良を行っています。最新の計画には、コミット-公開ウェイトメカニズムの導入が含まれており、マイナーによって提出されたウェイトの開示を遅らせることで、コミット-公開メカニズムは日和見的な盗用を十分に抑制できます。

サブネット 1 は Bittensor の最初のサブネットであり、主に内部トレーニングとテスト用に配置されています。ただし、Bittensor エコシステムは、さまざまなアプリケーション シナリオに合わせて数十のサブネットに拡張されており、検索、医療、教育、ゲームなどの分野で具体的な価値を提供しています。 Bittensor を単に「AI ミーム コイン」として分類し、その価値を否定すること自体、非合理的で近視眼的なアプローチです。

こうした疑問や課題にもかかわらず、ビッテンソール氏は立ち止まっていません。その代わりに、ネットワークの拡大と改善を続けています。 5 月 12 日、Bittensor は、今年 1024 サブネットに移行することを目標に、64 スロットの新たな上限に達するまで毎週 4 つのサブネット スロットを追加すると発表しました。

現時点で、Bittensor には複数の分野をカバーする 34 のサブネットがあり、分散型 AI の可能性と多様性を十分に実証しています。次に、この記事では、コンテンツ生成、データ収集と処理、LLM エコシステム、分散型インフラストラクチャ、DeFi およびその他のアプリケーションの 6 つの分野からこれらのサブネットを 1 つずつ紹介し、読者が Bittensor について包括的かつ明確に理解できるようにします。生態系の認識。

コンテンツの生成

コンテンツ生成カテゴリのサブネットは、テキスト、画像、オーディオ、ビデオの生成と最適化のためのプラットフォームを提供します。

テキストのヒント (サブネット 1): Opentensor Foundation によって開発された、テキスト生成専用の分散型サブネットです。プロンプトと推論のために大規模な言語モデル (GPT-3、GPT-4 など) を利用し、マイナーが AI サービスを提供し、バリデーターが予測結果の検証を担当します。

MyShell TTS (サブネット 3): Text-to-Speech (TTS) テクノロジーに重点を置いて、MyShell によって開発されました。このサブネットは、OpenVoice や MeloTTS などのオープンソース TTS モデルを開発および最適化します。マイナーはモデルのトレーニングを担当し、バリデーターはモデルのパフォーマンスを評価し、高品質のオープンソース TTS モデルの作成に取り組んでいます。

マルチ モダリティ (サブネット 4): Manifold によって開発され、テキスト、画像、音声など、複数のデータ型と形式にわたる情報を処理および生成するマルチモーダル AI システムに焦点を当てています。

Three Gen (サブネット 17): AI 主導の 3D コンテンツ生成に焦点を当てた分散型サブネットです。 Three Gen サブネットは AI テクノロジーを使用して 3D モデルとコンテンツを生成し、マイナーと検証者はコンピューティング リソースを提供し、生成されたコンテンツの品質を検証することで報酬を受け取り、3D コンテンツ生成テクノロジーの開発を促進します。

Cortex.t (サブネット 18): Corcel によって開発された、AI 開発と合成データ生成に焦点を当てた分散型サブネットです。

Vision (サブネット 19): 画像の生成と推論に焦点を当てた分散型サブネットです。 Vision サブネットは、Distributed Scale Inference Subnet (DSIS) フレームワークを活用して Bittensor ネットワークの出力機能を最大化し、マイナーがニーズを処理して応答を生成するためのテクノロジー スタックを自由に選択できるようにします。バリデーターはフロントエンドから要求を受け取り、それをマイナーに配布してパフォーマンスを評価し、イメージ生成プロセスをより効率的にします。

Niche Image (サブネット 23): 分散型イメージ生成に焦点を当てたサブネットです。 Niche Image はさまざまな画像生成モデルをサポートしており、マイナーはコンピューティング リソースを提供することで画像を生成し、ユーザーのニーズを満たすために新しいモデルや機能が常に導入されます。

TensorAlchemy (サブネット 26): 人間によるスコアリングと分散画像生成に焦点を当てたサブネットです。同社は人間による評価を通じて画像生成モデルの出力を評価し、評価と生成された画像の品質に基づいて採掘者に報酬を与えており、その技術をアート制作や広告などの分野に応用する予定です。

Fractal (サブネット 29): Fractal Research によって開発された、これはテキスト生成ビデオに焦点を当てた分散型サブネットです。このサブネットワークは、グリッド拡散モデルとエッジ ノード推論テクノロジーを利用して、分散ノードを通じてテキスト生成ビデオ タスクを処理します。

WomboAl (サブネット 30): 画像生成とソーシャル共有に焦点を当てた分散型サブネットです。 WomboAl サブネットは、Bittensor ネットワークを通じて高品質の画像を生成し、ユーザーが WOMBO Dream や WOMBO Me などのアプリケーションを通じて画像を共有できるようにします。

データの収集と処理

データ収集と処理カテゴリのサブネットは、分散型データ収集、ストレージ、および分析サービスに焦点を当てています。分散インデックス層とデータ処理フレームワークを構築することにより、これらのサブネットは大規模なデータ セットを処理し、他のサブネットやユーザーにデータ サポートを提供できます。

Open Kaito (サブネット 5): Web3 向けの分散型検索および分析サービスを提供するために Kaito AI によって開発されました。このサブネットは、Web3 コンテンツのインテリジェントな検索と分析をサポートする分散型インデックス レイヤーを構築します。Bittensor のインセンティブ システムを通じて、マイナーはインデックス作成タスクを解決するための革新を奨励します。

Dataverse (サブネット 13): 大量のデータの収集と保存に重点を置いた分散型サブネットです。 Dataverse サブネットは、さまざまなソースからデータを収集して保存し、他のサブネットにデータ サポートを提供します。マイナーには、貢献したデータの量に基づいて TAO トークンが報酬として与えられ、バリデーターは定期的にクエリを実行してデータの正確性を検証します。

Blockchain Insights (サブネット 15): 生のブロックチェーン データを構造化グラフ モデルに変換することに重点を置いた分散型サブネットです。このサブネットは、データ分析クエリと結果の視覚化機能を提供し、ブロックチェーン データの詳細な分析をサポートし、ユーザーはカスタマイズされたクエリを実行できます。

メタ検索 (サブネット 22): Datura-ai によって開発された、Twitter データ分析に焦点を当てた分散型サブネットです。 Meta Search は、AI テクノロジーを使用して Twitter データの詳細な分析を実行し、リアルタイムのデータ アクセスと感情分析を提供して、ユーザーが世論を理解し、データに基づいた意思決定を行えるようにします。

Omega Labs (サブネット 24): Omega Labs によって開発された、分散型マルチモーダル データ セットの作成、汎用人工知能 (AGI) の研究開発のためのビデオ、オーディオ、テキスト、その他のデータの収集に焦点を当てたサブネットです。サポートが提供されます。そしてマイナーは貢献したデータに基づいて報酬を受け取ります。

Conversation Genome Project (サブネット 33): Afterparty AI によって開発され、分散型会話データ処理とパーソナライズされた AI アクセスに焦点を当てたサブネットです。このサブネットは、分散型の方法で大量の会話データを処理してインデックスを作成し、パーソナライズされた AI アクセス サービスを提供し、マイナーはコンピューティング リソースの貢献に対して報酬を受け取ります。

LLM エコシステム

LLM エコシステム カテゴリのサブネットは、大規模言語モデル (LLM) のトレーニング、微調整、保護、最適化に焦点を当てています。

Nous Finetuning (Subnet 6): 大規模言語モデル (LLM) の微調整に重点を置いて、Nous Research によって開発されました。このサブネットは、合成データを使用して LLM を微調整したマイナーに報酬を与え、サブネット間通信を可能にし、モデルのパフォーマンスを評価することでマイナーにインセンティブを与えます。

事前トレーニング (サブネット 9): Opentensor Foundation によって開発され、大規模な言語モデルの事前トレーニングに焦点を当てています。マイナーは Falcon Refined Web データセットでモデルをトレーニングし、継続的なベンチマークと検証メカニズムを通じてモデルのパフォーマンスを向上させます。

Dippy roleplay (サブネット 11): Impel によって開発された、これはロールプレイング モデルの作成に焦点を当てたサブネットです。 Dippy Roleplay は、コミュニティが分散型の方法でロールプレイング大規模言語モデル (LLM) を作成および最適化することを奨励します。マイナーと開発者には、貢献したモデルの品質とパフォーマンスに基づいて TAO トークンが与えられます。

LLM Defender (サブネット 14): Synapsec AI によって開発された、大規模言語モデル (LLM) をさまざまな攻撃から保護することに重点を置いた分散型サブネットです。 LLM Defender サブネットは、複数のアナライザーとエンジンを通じて LLM アプリケーションに対する攻撃を検出および防止し、分散型の性質を利用して多層防御メカニズムを提供します。

NAS チェーン (サブネット 31): ニューラル アーキテクチャ検索 (NAS) に焦点を当てた分散型サブネットです。 NAS チェーンは、遺伝的アルゴリズムと分散コンピューティング リソースを使用して、ニューラル ネットワーク アーキテクチャを最適化します。マイナーは、コンピューティング リソースを提供することで NAS タスクに参加し、その貢献に基づいて報酬を受け取ります。

その AI (サブネット 32): は、大規模言語モデル (LLM) によって生成されたコンテンツの検出に焦点を当てた分散型サブネットです。このサブネットは、deberta-v3-large モデルを使用して LLM によって生成されたテキストを認識し、機械学習、教育、ソーシャル メディアなどの複数のシナリオに適用されます。バリデーターは Pile データセットを使用して、検出システムの精度と信頼性を保証します。

分散型インフラストラクチャ

分散型インフラストラクチャ カテゴリのサブネットは、分散型コンピューティング リソースとストレージ リソースを提供することで、ネットワークの分散化と安定性を向上させます。

Subvortex (サブネット 7): Bittensor ネットワークの分散化と安定性を強化するためのインセンティブ メカニズムを通じて、マイナーがサブテンサー ノードを実行することを奨励します。このサブネットは、低遅延と高冗長性を備えたノードをグローバルに展開するため、参加のしきい値が低くなります。

Horde (サブネット 12): Backend Developers Ltd によって開発され、分散型コンピューティング リソースの割り当てに重点を置いたサブネットです。 Horde サブネットは、分散コンピューティングを通じてタスクをさまざまなマイナー ノードに割り当て、タスク処理の効率と速度を向上させます。マイナーは、提供するコンピューティング リソースとタスク処理効率に基づいて報酬を受け取り、バリデーターはマイナーの作業の品質を評価します。

Filetao (サブネット 21): 分散型分散ストレージ サブネットです。 FileTAO は、ゼロ知識証明時空間アルゴリズムを通じて効率的で安全なストレージ システムを実装し、マルチレベル検証メカニズムとサブネット間通信をサポートし、マイナーはストレージ スペースに貢献することで報酬を受け取ります。

Compute (サブネット 27): Neural Inτerneτ によって開発された、分散型コンピューティング リソース割り当てに焦点を当てたサブネットです。 Compute サブネットは、パーミッションレス コンピューティング マーケットを提供し、複数のクラウド プラットフォームを統合して、統合された分散型の高レベルのクラウド コンピューティング インフラストラクチャを形成します。マイナーは、コンピューティング リソースを提供することで TAO トークンの報酬を受け取ります。

分散金融

DeFi カテゴリのサブネットは、流動性ステーキング、定量的取引、収益の最適化、金融市場の予測など、分散型金融サービスの最適化と革新に焦点を当てています。

オムロン (サブネット 2): 人工知能と機械学習テクノロジーを通じて流動性ステーキングおよび再ステーキング戦略を最適化および検証するために、Inference Labs によって開発されました。オムロンは、スマート コントラクトと検証ノードを使用して、自動化された再誓約戦略を提供し、ゼロ知識証明メカニズムを通じて推論プロセスの信頼性とセキュリティを確保します。

独自の取引ネットワーク (サブネット 8): Taoshi Company によって開発され、分散型定量取引シグナルに焦点を当てています。マイナーは複数の金融市場をカバーする取引シグナルを提供し、ユーザーは高品質の取引シグナルを取得できます。

Sturdy (サブネット 10): Sturdy Finance によって開発された、分散型利回りの最適化に焦点を当てたサブネットです。 Sturdy サブネットにより、マイナーはスマート コントラクトを通じて資産をさまざまな戦略プールに割り当て、最高の収益を達成できます。マイナーは、その配信戦略が生み出す収益に基づいて報酬を受け取り、バリデーターはマイナーの配信戦略を評価し、収益実績に基づいてスコアを付けます。

Foundry SP 500 Oracle (サブネット 28): Foundry Digital LLC によって開発された、金融市場の予測に焦点を当てた分散型サブネットです。このサブネットは、マイナーに SP 500 インデックスの価格を予測するよう促し、バリデーターにその予測を評価させます。

他のアプリ

他のアプリケーション カテゴリのサブネットは、広告配信、タスク管理、タンパク質フォールディング研究、ヘルスケアなどの分野をカバーしています。

BitAds (サブネット 16): 分散型でインセンティブのある広告サブネットです。 BitAds サブネットは分散型で広告タスクを配布し、マイナーは広告リンクを宣伝することでオーガニック トラフィックを生成し、TAO トークンの報酬を受け取ります。

BitAgent (サブネット 20): タスクとワークフローの管理に焦点を当てた分散型サブネットです。 BitAgent は、大規模言語モデル (LLM) とユーザーがよく使用するアプリケーションを組み合わせて、日常のタスクとワークフロー管理を簡素化するインテリジェントなエージェント サービスを提供します。マイナーはパフォーマンスに基づいて競争し、タスクの完了に基づいて TAO トークンを受け取ります。

タンパク質フォールディング (サブネット 25): Opentensor Foundation によって開発された、タンパク質フォールディング研究に焦点を当てた分散型サブネットです。タンパク質のフォールディング研究は分散コンピューティング リソースを通じて行われ、マイナーは貢献したコンピューティング能力に基づいて報酬を受け取り、生物医学研究のプラットフォームを提供します。

Healthi (サブネット 34): Healthi Labs によって開発された、人工知能 (AI) を使用して医療サービスを向上させることに重点を置いた分散型サブネットです。 Healthi サブネットは、臨床予測タスクに AI モデルを使用し、分散型で医療データを管理および処理して、データのセキュリティとプライバシーを確​​保します。スマート コントラクトは保険プロセスを簡素化し、医療サービスの効率を向上させます。

結論: Bittensor の新たなアプリケーション トレンド

元 Messari 研究者の Sami Kassab 氏が最近の記事で指摘したように、Bittensor には現在 2 つの新しいアプリケーション トレンドがあります。1 つは、プロジェクト関係者が技術革新を Bittensor サブネットにアウトソーシングすることです。たとえば、Kaito AI は Bittensor の作業を通じて検索エンジンの研究開発をアウトソーシングします。 2 番目に、プロジェクトは Bittensor をインセンティブ レイヤーとして使用し、マイナー リソースを迅速に収集してネットワークにデジタル コモディティを供給します。たとえば、Inference Labs はオムロン サブネットを立ち上げることで、zk 証明者とモデル推論者の供給をガイドします。

Bittensor がサブネットを拡大するにつれて、将来的にはより多くのプロジェクトがテクノロジー スタックの特定のコンポーネントを Bittensor にアウトソーシングすることを選択する可能性があり、これは Bittensor にとって 3 番目に大きなアプリケーション シナリオとなるでしょう。 Bitensor は AI 業界における専門的な分業を加速し、より独創的なプロジェクトの出現を促進しています。参加者の数が増加するにつれて、Bittensor エコシステムは好循環を形成し、活発な発展の新たな段階を迎えることが期待されます。