Bittensor (TAO) to pierwsza moneta AI notowana na Binance w tym roku. Myślałem, że to pierwszy krok w kierunku pełnego uruchomienia ścieżki AI, ale nieoczekiwanie stał się krótkoterminowym „ostatnim krokiem”. Od premiery 11 kwietnia cena TAO gwałtownie spadła i nadal nie powróciła do normy.

Wraz ze spadkiem ceny waluty debata społeczna na temat efektywności projektu stała się coraz bardziej zacięta. Wszystko zaczęło się 30 marca, kiedy współzałożyciel Taproot Wizards, Eric Wall, zadał w mediach społecznościowych serię ostrych pytań na temat Bittensor (TAO), które osiągnęły obecnie prawie 2 miliony wyświetleń.

Główne punkty Erica Walla można podsumować w następujący sposób:

・Wielu górników w podsieci 1 wielokrotnie uruchamia ten sam model językowy, aby odpowiedzieć na monity, co jest nieefektywne i marnuje zasoby. Zadanie może wykonać jeden górnik, nie ma potrzeby, aby tysiące górników pracowało równolegle.

・Mechanizm weryfikacji podsieci 1 jest zbyt prosty. Porównuje jedynie podobieństwo odpowiedzi. Górnicy są podatni na oportunizm i oszukiwanie.

・Obecnie podsieć 1 działa tylko wewnętrznie i nie może być używana przez zwykłych użytkowników, więc nie ma praktycznej wartości.

・Projekt Bittensor po prostu rozdmuchuje koncepcję „zdecentralizowanej sztucznej inteligencji”, oszukując inwestorów detalicznych i sztucznie zawyżając cenę tokena.

Chociaż wątpliwości te bezpośrednio wskazują na niektóre bolączki Bittensora, podejrzewa się, że są one również częściowe i zaślepiające. Redundancja wielu kopaczy może wydawać się nieefektywna, ale w rzeczywistości jest to jedyny sposób na rozproszoną współpracę. Celem Bittensor jest zbudowanie sieci AI na skalę globalną, w której redundancja jest niezbędnym kosztem, a nie wadą projektową.

Mechanizm weryfikacji jest wciąż stosunkowo prosty, ale Bittensor aktywnie go udoskonala. Najnowszy plan obejmuje wprowadzenie mechanizmu wagi Commit-Reveal Opóźniając ujawnienie wagi przesyłanej przez górników, mechanizm Commit-Reveal może skutecznie ograniczyć oportunistyczne plagiaty.

Podsieć 1, jako pierwsza podsieć Bittensora, jest przeznaczona głównie do wewnętrznych szkoleń i testów. Jednak ekosystem Bittensor rozszerzył się do kilkudziesięciu podsieci dla różnych scenariuszy zastosowań, które zapewniają wymierną wartość w wyszukiwarkach, medycynie, edukacji, grach i innych dziedzinach. Klasyfikowanie Bittensora jako „monety memów AI” i zaprzeczanie jego wartości samo w sobie jest podejściem irracjonalnym i krótkowzrocznym.

Pomimo tych wątpliwości i wyzwań Bittensor nie stoi w miejscu. Zamiast tego kontynuuje rozbudowę i udoskonalanie swojej sieci. 12 maja firma Bittensor ogłosiła, że ​​będzie co tydzień dodawać cztery gniazda podsieci, aż osiągnie nowy limit 64 gniazd, a celem jest osiągnięcie w tym roku liczby 1024 podsieci.

Obecnie Bittensor ma 34 podsieci obejmujące wiele dziedzin, co w pełni demonstruje potencjał i różnorodność zdecentralizowanej sztucznej inteligencji. Następnie w tym artykule zostaną przedstawione te podsieci, jedna po drugiej, z sześciu obszarów generowania treści, gromadzenia i przetwarzania danych, ekosystemu LLM, zdecentralizowanej infrastruktury, DeFi i innych aplikacji, w nadziei, że czytelnicy będą mogli kompleksowo i jasno zrozumieć Bittensor poznanie ekosystemu.

generowanie treści

Podsieć kategorii generowania treści zapewnia platformę do generowania i optymalizacji tekstu, obrazów, dźwięku i wideo.

Wskazówki tekstowe (podsieć 1): Opracowana przez Opentensor Foundation, jest zdecentralizowaną podsiecią przeznaczoną do generowania tekstu. Wykorzystuje wielkoskalowe modele językowe (takie jak GPT-3, GPT-4 itp.) do podpowiedzi i wnioskowania, przy czym górnicy zapewniają usługi AI, a walidatorzy są odpowiedzialni za weryfikację wyników przewidywań.

MyShell TTS (podsieć 3): opracowana przez firmę MyShell i skupiająca się na technologii zamiany tekstu na mowę (TTS). Ta podsieć rozwija i optymalizuje modele TTS typu open source, takie jak OpenVoice i MeloTTS. Minerzy są odpowiedzialni za szkolenie modeli, a walidatorzy oceniają wydajność modelu i są zaangażowani w tworzenie wysokiej jakości modeli TTS typu open source.

Multimodalność (podsieć 4): opracowana przez firmę Manifold i skupiająca się na multimodalnych systemach sztucznej inteligencji, które przetwarzają i generują informacje w wielu typach i formatach danych, w tym w tekście, obrazach i dźwięku.

Three Gen (Subnet 17): to zdecentralizowana podsieć skupiająca się na generowaniu treści 3D w oparciu o sztuczną inteligencję. Podsieć Three Gen wykorzystuje technologię sztucznej inteligencji do generowania modeli i treści 3D. Górnicy i weryfikatorzy otrzymują nagrody za udostępnianie zasobów obliczeniowych i weryfikację jakości wygenerowanych treści, promując rozwój technologii generowania treści 3D.

Cortex.t (podsieć 18): opracowana przez firmę Corcel, jest zdecentralizowaną podsiecią skupiającą się na rozwoju sztucznej inteligencji i generowaniu danych syntetycznych.

Wizja (podsieć 19): to zdecentralizowana podsieć skupiona na generowaniu obrazów i rozumowaniu. Podsieć Vision wykorzystuje platformę Distributed Scale Inference Subnet (DSIS), aby zmaksymalizować możliwości wyjściowe sieci Bittensor, umożliwiając górnikom swobodny wybór stosu technologii w celu przetwarzania potrzeb i generowania odpowiedzi. Walidatorzy otrzymują żądania od front-endu i przekazują je górnikom, oceniając ich wydajność i zwiększając efektywność procesu generowania obrazów.

Niche Image (podsieć 23): to podsieć skupiona na zdecentralizowanym generowaniu obrazów. Niche Image obsługuje różne modele generowania obrazów. Górnicy generują obrazy, wnosząc zasoby komputerowe i otrzymują nagrody w oparciu o jakość. Nowe modele i funkcje są stale wprowadzane w celu zaspokojenia potrzeb użytkowników.

TensorAlchemy (podsieć 26): to podsieć skupiająca się na ludzkiej punktacji i zdecentralizowanym generowaniu obrazów. Ocenia wyniki modeli generowania obrazów na podstawie ocen ludzkich i nagradza górników na podstawie ocen i jakości wygenerowanych obrazów, planując zastosowanie swojej technologii w takich obszarach, jak tworzenie dzieł sztuki i reklama.

Fractal (podsieć 29): opracowana przez Fractal Research, jest to zdecentralizowana podsieć skupiająca się na filmach generowanych tekstowo. Podsieć ta wykorzystuje model dyfuzji siatki i technologię wnioskowania węzłów brzegowych do przetwarzania zadań wideo związanych z generowaniem tekstu za pośrednictwem rozproszonych węzłów.

WomboAl (podsieć 30): to zdecentralizowana podsieć skupiająca się na generowaniu obrazów i udostępnianiu społecznościowym. Podsieć WomboAl generuje wysokiej jakości obrazy za pośrednictwem sieci Bittensor i umożliwia użytkownikom udostępnianie obrazów za pośrednictwem aplikacji takich jak WOMBO Dream i WOMBO Me.

Gromadzenie i przetwarzanie danych

Podsieci w kategorii Gromadzenie i przetwarzanie danych skupiają się na zdecentralizowanych usługach gromadzenia, przechowywania i analizy danych. Budując rozproszoną warstwę indeksowania i strukturę przetwarzania danych, podsieci te mogą przetwarzać zbiory danych na dużą skalę i zapewniać obsługę danych innym podsieciom i użytkownikom.

Open Kaito (podsieć 5): opracowany przez Kaito AI w celu zapewnienia zdecentralizowanych usług wyszukiwania i analizy dla Web3. Ta podsieć tworzy zdecentralizowaną warstwę indeksowania, aby wspierać inteligentne wyszukiwanie i analizę treści Web3. Dzięki systemowi motywacyjnemu Bittensor górnicy są zachęcani do wprowadzania innowacji w rozwiązywaniu zadań indeksowania.

Dataverse (podsieć 13): to zdecentralizowana podsieć skupiona na gromadzeniu i przechowywaniu dużych ilości danych. Podsieci Dataverse gromadzą i przechowują dane z różnych źródeł oraz zapewniają obsługę danych innym podsieciom. Górnicy są nagradzani tokenami TAO w oparciu o ilość dostarczanych danych, a walidatorzy regularnie sprawdzają i weryfikują poprawność danych.

Blockchain Insights (Subnet 15): to zdecentralizowana podsieć skupiająca się na konwertowaniu surowych danych blockchain na ustrukturyzowane modele wykresów. Ta podsieć zapewnia funkcje zapytań do analizy danych i wizualizacji wyników, obsługuje dogłębną analizę danych blockchain, a użytkownicy mogą wykonywać niestandardowe zapytania.

Meta Search (Subnet 22): Opracowana przez Datura-ai, jest zdecentralizowaną podsiecią skupiającą się na analizie danych z Twittera. Meta Search wykorzystuje technologię sztucznej inteligencji do przeprowadzania dogłębnej analizy danych z Twittera, zapewniając dostęp do danych w czasie rzeczywistym i analizę nastrojów, aby pomóc użytkownikom zrozumieć nastroje społeczne i podejmować decyzje oparte na danych.

Omega Labs (Subnet 24): Opracowana przez Omega Labs, jest to podsieć skupiająca się na tworzeniu zdecentralizowanych multimodalnych zbiorów danych, gromadzeniu wideo, audio, tekstu i innych danych na potrzeby badań i rozwoju ogólnej sztucznej inteligencji (AGI). Zapewnione jest wsparcie a górnicy są nagradzani na podstawie dostarczanych przez nich danych.

Conversation Genome Project (podsieć 33): opracowana przez Afterparty AI podsieć skupiająca się na zdecentralizowanym przetwarzaniu danych rozmów i spersonalizowanym dostępie AI. Ta podsieć przetwarza i indeksuje duże ilości danych rozmów w sposób zdecentralizowany, zapewniając spersonalizowane usługi dostępu do sztucznej inteligencji, a górnicy są nagradzani za udostępnianie zasobów obliczeniowych.

Ekosystem LLM

Podsieci w kategorii Ekosystem LLM skupiają się na szkoleniu, dostrajaniu, ochronie i optymalizacji dużych modeli językowych (LLM).

Nous Finetuning (podsieć 6): opracowany przez Nous Research, skupiający się na dostrajaniu dużego modelu językowego (LLM). Ta podsieć nagradza górników za dostrajanie LLM przy użyciu danych syntetycznych, umożliwia komunikację między podsieciami i motywuje górników poprzez ocenę wydajności modelu.

Szkolenie wstępne (podsieć 9): opracowane przez Fundację Opentensor i koncentruje się na wstępnym szkoleniu dużych modeli językowych. Górnicy szkolą modele w zbiorze danych Falcon Refined Web, poprawiając wydajność modeli poprzez ciągłe testy porównawcze i mechanizmy walidacji.

Dippy Roleplay (Subnet 11): Opracowana przez Impel podsieć skupiająca się na tworzeniu modeli odgrywania ról. Dippy Roleplay zachęca społeczność do tworzenia i optymalizowania dużych modeli językowych odgrywania ról (LLM) w sposób zdecentralizowany. Górnicy i programiści są nagradzani tokenami TAO w oparciu o jakość modelu i wydajność, którą wnoszą.

LLM Defender (podsieć 14): opracowana przez Synapsec AI, jest zdecentralizowaną podsiecią skupiającą się na ochronie dużych modeli językowych (LLM) przed różnymi atakami. Podsieć LLM Defender wykrywa i zapobiega atakom na aplikacje LLM za pośrednictwem wielu analizatorów i silników, wykorzystując swój zdecentralizowany charakter do zapewnienia wielowarstwowego mechanizmu obrony.

Łańcuch NAS (podsieć 31): to zdecentralizowana podsieć skupiająca się na wyszukiwaniu architektury neuronowej (NAS). NAS Chain wykorzystuje algorytmy genetyczne i rozproszone zasoby obliczeniowe do optymalizacji architektury sieci neuronowej. Górnicy uczestniczą w zadaniach NAS, wnosząc zasoby obliczeniowe i otrzymują nagrody na podstawie ich wkładu.

Jego sztuczna inteligencja (podsieć 32): to zdecentralizowana podsieć skupiona na wykrywaniu treści generowanych przez duże modele językowe (LLM). Ta podsieć wykorzystuje model deberta-v3-large do rozpoznawania tekstu generowanego przez LLM i jest stosowana w wielu scenariuszach, takich jak uczenie maszynowe, edukacja i media społecznościowe. Walidatorzy korzystają ze zbioru danych The Pile, aby zapewnić dokładność i niezawodność systemu wykrywania.

Zdecentralizowana infrastruktura

Podsieci w kategorii infrastruktury zdecentralizowanej poprawiają decentralizację i stabilność sieci, zapewniając rozproszone zasoby obliczeniowe i magazynowe.

Subvortex (podsieć 7): Zachęcaj górników do uruchamiania węzłów podtensorowych poprzez mechanizm motywacyjny w celu zwiększenia decentralizacji i stabilności sieci Bittensor. Ta podsieć wdraża węzły na całym świecie z niskim opóźnieniem i dużą redundancją, obniżając próg uczestnictwa.

Horde (podsieć 12): opracowana przez Backend Developers Ltd, jest to podsieć skupiająca się na zdecentralizowanej alokacji zasobów obliczeniowych. Podsieć Hordy przydziela zadania różnym węzłom wydobywczym poprzez przetwarzanie rozproszone, aby poprawić wydajność i szybkość przetwarzania zadań. Górnicy są nagradzani na podstawie zapewnianych przez nich zasobów obliczeniowych i wydajności przetwarzania zadań, a walidatorzy oceniają jakość pracy górników.

Filetao (podsieć 21): Jest to zdecentralizowana podsieć rozproszonej pamięci masowej. FileTAO wdraża wydajny i bezpieczny system przechowywania danych za pomocą algorytmu czasoprzestrzennego odpornego na wiedzę zerową, obsługuje wielopoziomowy mechanizm weryfikacji i komunikację między podsieciami, a górnicy są nagradzani za udostępnianie przestrzeni dyskowej.

Compute (Subnet 27): opracowana przez Neural Inτerneτ, jest to podsieć skupiająca się na zdecentralizowanej alokacji zasobów obliczeniowych. Podsieć Compute zapewnia rynek przetwarzania bez uprawnień i integruje wiele platform chmurowych, tworząc ujednoliconą zdecentralizowaną infrastrukturę przetwarzania w chmurze wysokiego poziomu. Górnicy otrzymują nagrody w postaci tokenów TAO, wnosząc zasoby obliczeniowe.

DeFi

Podsieci w kategorii DeFi koncentrują się na optymalizacji i innowacjach zdecentralizowanych usług finansowych, w tym ustalaniu płynności, handlu ilościowym, optymalizacji przychodów i prognozach rynku finansowego.

Omron (podsieć 2): opracowana przez Inference Labs w celu optymalizacji i walidacji strategii stakowania i ponownego stakowania płynności za pomocą sztucznej inteligencji i technologii uczenia maszynowego. Firma Omron wykorzystuje inteligentne kontrakty i węzły weryfikacyjne, aby zapewniać zautomatyzowane strategie ponownego składania zobowiązań oraz zapewniać autentyczność i bezpieczeństwo procesu wnioskowania za pomocą mechanizmu sprawdzającego wiedzę zerową.

Własna sieć handlowa (podsieć 8): opracowana przez firmę Taoshi i koncentruje się na zdecentralizowanych ilościowych sygnałach handlowych. Górnicy dostarczają sygnały transakcyjne obejmujące wiele rynków finansowych, a użytkownicy mogą uzyskać wysokiej jakości sygnały transakcyjne.

Sturdy (podsieć 10): opracowana przez Sturdy Finance podsieć skupiająca się na zdecentralizowanej optymalizacji zysków. Podsieć Sturdy umożliwia górnikom alokację zasobów do różnych pul strategicznych za pomocą inteligentnych kontraktów, aby osiągnąć najwyższe zyski. Górnicy są nagradzani na podstawie tego, ile przychodów generuje ich strategia dystrybucji, a walidatorzy oceniają strategie dystrybucji górników i oceniają je na podstawie wyników w zakresie przychodów.

Foundry SP 500 Oracle (podsieć 28): opracowana przez Foundry Digital LLC, jest zdecentralizowaną podsiecią skupiającą się na prognozach rynków finansowych. Podsieć ta zachęca górników do przewidywania ceny indeksu SP 500, a walidatorzy oceniają te przewidywania.

inne aplikacje

Podsieci w innych kategoriach aplikacji obejmują takie obszary, jak dystrybucja reklam, zarządzanie zadaniami, badania nad zwijaniem białek i opieka zdrowotna.

BitAds (podsieć 16): to zdecentralizowana i motywowana podsieć reklamowa. Podsieć BitAds rozdziela zadania reklamowe w sposób zdecentralizowany, a górnicy generują ruch organiczny promując linki reklamowe i otrzymując nagrody w postaci tokenów TAO.

BitAgent (Subnet 20): to zdecentralizowana podsieć skupiona na zarządzaniu zadaniami i przepływem pracy. BitAgent łączy duże modele językowe (LLM) z powszechnie używanymi aplikacjami użytkowników, aby zapewnić inteligentne usługi agenta upraszczające codzienne zadania i zarządzanie przepływem pracy. Górnicy rywalizują w oparciu o wyniki i są nagradzani tokenami TAO za wykonanie zadania.

Zwijanie białek (podsieć 25): Opracowana przez Fundację Opentensor jest zdecentralizowaną podsiecią skupiającą się na badaniach nad zwijaniem białek. Badania nad zwijaniem białek prowadzone są przy użyciu rozproszonych zasobów obliczeniowych, a górnicy są nagradzani na podstawie wniesionej przez nich mocy obliczeniowej, co stanowi platformę do badań biomedycznych.

Healthi (podsieć 34): opracowana przez Healthi Labs, jest zdecentralizowaną podsiecią skupiającą się na wykorzystaniu sztucznej inteligencji (AI) do poprawy usług opieki zdrowotnej. Podsieć Healthi wykorzystuje modele sztucznej inteligencji do zadań związanych z prognozowaniem klinicznym oraz zarządza danymi medycznymi i je przetwarza w sposób zdecentralizowany, aby zapewnić bezpieczeństwo i prywatność danych. Inteligentne kontrakty upraszczają proces ubezpieczenia i poprawiają efektywność usług medycznych.

Wniosek: Pojawiające się trendy w zastosowaniu Bittensor

Jak zauważył w niedawnym artykule były badacz Messari, Sami Kassab, Bittensor ma obecnie dwa wyłaniające się trendy w zakresie zastosowań: po pierwsze, strony projektu zlecają podsieci Bittensor innowacje technologiczne, takie jak Kaito AI zleca badania i rozwój wyszukiwarek za pośrednictwem Bittensor; po drugie, projekt wykorzystuje Bittensor jako warstwę motywacyjną do szybkiego gromadzenia zasobów wydobywczych w celu zapewnienia dostaw towarów cyfrowych dla swojej sieci. Na przykład Inference Labs kieruje dostawami narzędzi do sprawdzania i wnioskowania modeli ZK, uruchamiając podsieć firmy Omron.

W miarę jak Bittensor rozbudowuje swoją podsieć, więcej projektów może w przyszłości zdecydować się na outsourcing określonych komponentów stosu technologicznego do Bittensor, co stanie się trzecim co do wielkości scenariuszem zastosowań dla Bittensor. Bittensor przyspiesza profesjonalny podział pracy w branży AI i promuje powstawanie bardziej oryginalnych projektów. Oczekuje się, że wraz ze wzrostem liczby uczestników ekosystem Bittensor utworzy pozytywny cykl i zapoczątkuje nowy etap energicznego rozwoju.