Pengantar

Dengan ledakan dan peningkatan popularitas AI baru-baru ini, banyak yang telah mengemukakan berbagai tesis tentang di mana AI dan crypto bersinggungan. Inovasi-inovasi ini memiliki potensi untuk merevolusi berbagai aspek kehidupan digital kita, mulai dari mengelola aset digital hingga melestarikan kekayaan intelektual dan memerangi penipuan. Secara mencolok, konvergensi ini telah melahirkan dua tren utama:

• Integrasi AI dengan infrastruktur blockchain, seperti Render ($RNDR), Akash ($AKT), atau Fetch.ai ($FET).
• Munculnya protokol yang mendorong produksi kecerdasan pembelajaran mesin, seperti Bittensor ($TAO).

Aplikasi AI sebelumnya di blockchain sebagian besar berfokus pada infrastruktur, memungkinkan penyimpanan model AI/ML dan sewa GPU. Hal ini mengarah pada tren seperti token-incentivized reinforcement learning, zkML, dan registri identitas berbasis blockchain untuk melawan deep fakes. Secara bersamaan, tren sejajar lainnya mulai mendapatkan momentum: protokol yang mendorong kecerdasan.

Dalam laporan ini, kami menyelami perpotongan AI dan crypto, dengan fokus pada Bittensor dan token $TAO, menjelajahi peran mereka dalam Peer-to-Peer Intelligence Marketplace dan munculnya Digital Commodity Marketplace.

Memanfaatkan yang paling baru Peningkatan Revolusiyang terjadi pada 2 Oktober kami juga memberikan tinjauan historis, prospek sektor, analisis kompetitif, dan wawasan tentang usulan nilai dari $TAO.

Ikhtisar

Bittensor adalah protokol sumber terbuka dengan misi inti: mendorong pengembangan kecerdasan buatan melalui struktur insentif yang didorong oleh blockchain. Dalam ekosistem ini, kontributor diberi imbalan dengan token $TAO atas usaha mereka.

Bittensor berfungsi sebagai jaringan penambangan, menggunakan insentif token untuk mendorong partisipasi sambil menjunjung prinsip-prinsip keterbukaan dan desentralisasi. Dalam jaringan ini, beberapa node menyimpan model pembelajaran mesin, secara kolektif berkontribusi pada kolam kecerdasan. Model-model ini memainkan peran penting dalam menganalisis data teks yang luas, mengekstraksi makna semantik, dan menghasilkan wawasan berharga di berbagai domain.

Bagi pengguna, fungsionalitas penting meliputi kemampuan untuk menanyakan jaringan untuk akses ke intelijen, terlibat dengan penambang dan validator untuk pertambangan token $TAO, dan mengawasi dompet dan saldo mereka.

Jaringan Bittensor bergantung pada kontribusi dari berbagai pemangku kepentingan, termasuk penambang, validator, nominator, dan konsumen. Pendekatan kolaboratif ini memastikan bahwa model AI terbaik naik ke puncak, meningkatkan kualitas layanan AI yang ditawarkan oleh jaringan.

Sisi pasokan memiliki dua lapisan: AI (Penambang) dan blockchain (Validator).

• Para penambang dalam jaringan Bittensor menjadi tuan rumah model AI dan membuatnya tersedia untuk jaringan, dengan keberhasilan mereka ditentukan oleh kualitas dan kinerja yang mereka hasilkan.
  • Para penambang dibayar dengan $TAO berdasarkan kecerdasan yang mereka sumbangkan ke jaringan (meskipun ini bergantung pada tugas tertentu yang ada).
  • Model-model terbaik sangat diminati dan menghasilkan lebih banyak pendapatan bagi para penambang.
• Validator berperan sebagai penilai dalam jaringan. Mereka menilai kualitas dan efektivitas model AI dan mengelola permintaan pengguna. Dengan cara ini, validator menilai model berdasarkan kinerja mereka untuk tugas tertentu, membantu konsumen menemukan solusi terbaik. Semakin akurat dan konsisten penilaian mereka, semakin banyak penghasilan yang mereka dapatkan sebagai imbalan. Demikian pula, penilaian yang tidak konsisten dapat mengakibatkan hukuman, memastikan bahwa validator mempertahankan standar yang tinggi.
  • Validasi didorong dengan $TAO untuk merangking penambang berdasarkan kontribusi "intelektual" mereka.
  • Validator juga bertanggung jawab atas routing masukan untuk menghasilkan output terbaik. Hal ini dicapai dengan membentuk koalisi antara Penambang (model) yang saling melengkapi (subjaringan).

Di sisi permintaan, pengembang dapat membangun aplikasi di atas Validator, memanfaatkan (dan membayar) kemampuan kecerdasan buatan yang spesifik untuk kasus penggunaan dari jaringan.

• Calon adalah individu yang memegang token $TAO dan aktif mendukung validator tertentu dengan mendelagasikan token mereka kepada mereka. Delegasi ini membantu validator mendapatkan lebih banyak dukungan dan imbalan. Calon sendiri mendapatkan imbalan atas partisipasi mereka dalam proses ini. Jika seorang Validator di bawah kinerja atau jika seorang calon percaya ada pilihan yang lebih baik, mereka dapat memindahkan dukungan mereka ke Validator lain.
• Konsumen adalah pengguna akhir dari model AI yang disediakan oleh Bittensor. Mereka dapat berasal dari pengembang aplikasi yang mengintegrasikan kemampuan AI ke dalam aplikasi mereka hingga pengguna chatbot yang mencari respon berkualitas tinggi.
  • Konsumen memprioritaskan menerima jawaban yang akurat dan berharga.
  • Pengembang, khususnya, memilih validator yang diyakini paling memenuhi persyaratan mereka untuk memastikan penyediaan layanan AI terbaik kepada pengguna mereka.

Produk dari koordinasi antara para pemangku kepentingan yang terdaftar di atas menghasilkan jaringan yang mempromosikan model-model terbaik untuk kasus penggunaan tertentu. Dengan siapa pun dapat bereksperimen, sulit bagi bisnis sumber tertutup untuk bersaing.

Kredit - AI Legos: Tesis Bittensoroleh David Attermann

Salah satu kesalahpahaman yang paling umum adalah bahwa jaringan mendukung pelatihan ML. Dalam keadaan saat ini, Bittensor secara eksklusif mendukung inferensi, yang merupakan proses menarik kesimpulan dan memberikan respons berdasarkan bukti dan penalaran. Pelatihan, di sisi lain, adalah proses yang berbeda yang melibatkan mengajari model pembelajaran mesin untuk melakukan tugas. Hal ini dicapai dengan memberi model dataset yang substansial dari contoh-contoh berlabel, memungkinkannya untuk belajar pola dan asosiasi antara data dan label. Sementara itu, inferensi memanfaatkan model pembelajaran mesin yang terlatih untuk membuat prediksi pada data baru yang belum pernah dilihat sebelumnya. Misalnya, model yang dilatih untuk mengklasifikasikan gambar dapat digunakan untuk inferensi untuk menentukan kelas dari gambar baru, sebelumnya tidak terlihat.

Oleh karena itu, penting untuk dicatat bahwa Bittensor tidak menjalankan ML on-chain tetapi berfungsi lebih seperti Oracle on-chain atau jaringan validator yang menghubungkan dan mengatur node ML off-chain (penambang). Konfigurasi ini menciptakan jaringan campuran pakar terdesentralisasi (MoE), sebuah arsitektur ML yang mencampur beberapa model yang dioptimalkan untuk kemampuan yang berbeda untuk membentuk model keseluruhan yang lebih kuat.

Pasar Intelijen Peer-to-Peer

Marketplace Intelligence Peer-to-Peer Bittensor adalah konsep yang berpionir dalam pengembangan AI, menawarkan platform terdesentralisasi dan tanpa izin yang bertentangan dengan model yang lebih tertutup seperti OpenAI atau Gemini milik Google.

Marketplace ini dirancang untuk mendorong inovasi yang kompetitif, mendorong pertumbuhan industri AI, dan membuat AI dapat diakses oleh komunitas pengembang dan pengguna global. Setiap bentuk nilai dapat diincentivasi — sebuah protokol untuk mengincentivasi/menciptakan pasar yang adil untuk komoditas digital apapun.

Dengan kata lain, protokol mewujudkan pendekatan peer-to-peer untuk pertukaran kemampuan pembelajaran mesin dan prediksi di antara peserta dalam jaringan. Ini memfasilitasi berbagi dan kolaborasi model dan layanan pembelajaran mesin, mempromosikan lingkungan kolaboratif dan inklusif di mana kedua model open-source dan closed-source dapat dihosting.

Meningkatnya Pasar Komoditas Digital

Bittensor unik dalam arti bahwa ia meletakkan dasar untuk munculnya Digital Commodity Marketplace, secara efektif mengubah kecerdasan mesin menjadi aset yang dapat diperdagangkan. Pada intinya, protokol ini membentuk pasar di mana kecerdasan mesin dikomodifikasi.

Seperti algoritma genetika, sistem insentif Bittensor secara terus menerus mengevaluasi kinerja Penambang dan membuat seleksi atau mendaur ulang penambang dari waktu ke waktu. Proses dinamis ini memastikan bahwa jaringan tetap efisien dan responsif terhadap perkembangan lanskap pengembangan AI.

Di pasar kecerdasan Bittensor, generasi nilai mengikuti pendekatan ganda:

• Model AI yang berperforma tinggi yang dihosting oleh para penambang, yang dikenal sebagai kontributor, menerima imbalan dalam bentuk token $TAO.
• Validator, yang menilai dan menggunakan kecerdasan, juga diberi imbalan dengan token $TAO.

Perlu dicatat bahwa Bittensor tidak hanya menghargai kinerja mentah tetapi menekankan pada generasi "sinyal" yang paling berharga. Ini berarti bahwa sistem penghargaan memprioritaskan penciptaan informasi yang menawarkan manfaat besar bagi khalayak luas, yang pada akhirnya berkontribusi pada pengembangan komoditas yang lebih berharga.

Konsensus Yuma

Sebagai blockchain layer1 mandiri, Bittensor didukung oleh algoritma konsensus Yuma. Ini adalah algoritma konsensus terdesentralisasi, peer-to-peer yang memberdayakan distribusi sumber daya komputasi yang adil di seluruh jaringan node.

Yuma beroperasi dengan mekanisme konsensus hibrid yang menggabungkan elemen Proof-of-work (PoW) dan proof-of-stake (PoS). Node-node dalam jaringan melakukan pekerjaan komputasi untuk memvalidasi transaksi dan membuat blok-blok baru. Pekerjaan ini kemudian divalidasi oleh node-node lain, dan kontributor yang berhasil akan mendapatkan imbalan dengan token. Komponen PoS adalah yang mendorong node-node untuk memegang token, menyelaraskan kepentingan mereka dengan stabilitas dan pertumbuhan jaringan.

Dibandingkan dengan mekanisme konsensus konvensional, model hibrida ini menawarkan beberapa keunggulan. Di satu sisi, model ini menghindari konsumsi energi yang berlebihan yang sering terkait dengan Proof of Work (PoW), mengatasi kekhawatiran lingkungan. Di sisi lain, model ini menghindari risiko sentralisasi yang terlihat dalam proof of stake (PoS), mempertahankan desentralisasi jaringan dan keamanan.

Mekanisme konsensus Yuma menonjol karena kemampuannya untuk mendistribusikan sumber daya komputasi di seluruh jaringan node yang luas. Pendekatan ini memiliki implikasi yang luas, karena memungkinkan penanganan tugas AI yang lebih kompleks dan pemrosesan kumpulan data yang lebih besar dengan mudah. Saat jaringan menggabungkan node tambahan, secara alami akan berkembang untuk mengakomodasi beban kerja yang semakin besar.

Berbeda dengan aplikasi Kecerdasan Buatan terpusat tradisional yang mengandalkan satu server atau klaster, aplikasi yang didukung Yuma dapat didistribusikan di sejumlah simpul jaringan. Distribusi ini mengoptimalkan sumber daya komputasi, memungkinkan penyelesaian tugas-tugas rumit sambil mengurangi risiko yang terkait dengan titik-titik kegagalan tunggal dan kerentanan keamanan.

Pengkristalan Pengetahuan – Sebuah Hivemind Digital

Penyulingan pengetahuan adalah konsep dasar dalam protokol Bittensor, mendorong pembelajaran kolaboratif di antara node jaringan untuk meningkatkan kinerja dan akurasi. Mirip dengan cara neuron dalam otak manusia bekerja sama, penyulingan pengetahuan memungkinkan node untuk secara kolektif meningkatkan diri dalam jaringan.

Proses ini melibatkan pertukaran sampel data dan parameter model di antara node, yang menghasilkan jaringan yang melakukan optimisasi sendiri dari waktu ke waktu untuk prediksi yang lebih tepat. Setiap node berkontribusi pada kolam bersama, yang pada akhirnya meningkatkan kinerja keseluruhan jaringan, sehingga membuatnya lebih cepat dan lebih cocok untuk aplikasi pembelajaran real-time seperti robotika dan mobil otonom.

Secara krusial, metode ini mengurangi risiko lupa yang menghancurkan, sebuah tantangan umum dalam pembelajaran mesin. Node-node tetap mempertahankan dan memperluas pengetahuan yang sudah ada sambil menggabungkan wawasan-wawasan baru, meningkatkan ketahanan dan adaptabilitas jaringan.

Dengan mendistribusikan pengetahuan di antara beberapa node, jaringan Bittensor TAO menjadi lebih tangguh terhadap gangguan dan potensi pelanggaran data juga. Ketangguhan ini sangat penting terutama untuk aplikasi yang menangani data keamanan tinggi dan sensitif privasi, seperti informasi keuangan dan medis (lebih lanjut tentang privasi nanti).

Campuran Ahli (MoE)

Mengambil inovasi ke langkah yang lebih jauh, jaringan Bittensor memperkenalkan konsep Mixture of Experts (MoE) terdesentralisasi. Pendekatan ini memanfaatkan kekuatan dari beberapa jaringan syaraf, masing-masing mengkhususkan diri dalam berbagai aspek data. Ketika data baru diperkenalkan, para ahli ini bekerja sama untuk menghasilkan prediksi kolektif yang lebih akurat daripada yang bisa dicapai oleh ahli individual sendirian.

Mekanisme konsensus yang digunakan menggabungkan pembelajaran mendalam dengan algoritma konsensus blockchain. Tujuan utamanya adalah mendistribusikan saham sebagai insentif kepada rekan-rekan yang memberikan nilai informasi paling besar kepada jaringan. Pada intinya, itu memberikan imbalan kepada mereka yang meningkatkan pengetahuan dan kemampuan jaringan.

Pada intinya, protokol Bittensor terdiri dari fungsi-parameter, sering disebut sebagai neuron. Neuron-neuron ini didistribusikan secara peer-to-peer, dengan masing-masing menyimpan nol atau lebih bobot jaringan yang dicatat pada buku besar digital. Para peer secara aktif terlibat dalam peringkat satu sama lain, melatih jaringan saraf untuk menentukan nilai dari node tetangga mereka. Proses peringkat ini sangat penting dalam menilai kontribusi para peer individu terhadap kinerja keseluruhan jaringan.

Skor yang dihasilkan melalui proses peringkat ini mengakumulasikan pada buku besar digital. Rekan-rekan peringkat tinggi menerima imbalan moneter, mendapatkan bobot tambahan dalam jaringan. Hal ini membentuk hubungan langsung antara kontribusi rekan sebaya dan imbalan mereka, mempromosikan keadilan dan transparansi dalam jaringan.

Pendekatan ini menyajikan pasar di mana kecerdasan dipatok oleh sistem kecerdasan lain secara sejawat melintasi internet. Ini memberikan insentif kepada sesama untuk terus meningkatkan pengetahuan dan keahlian mereka.

Untuk memastikan distribusi imbalan yang adil, Bittensor menggunakan nilai-nilai Shapley, sebuah konsep yang dipinjam dari teori permainan kooperatif. Nilai-nilai Shapley menawarkan cara yang adil dan efisien untuk mengalokasikan imbalan di antara rekan jaringan berdasarkan kontribusi mereka. Penyelarasan insentif dengan kontribusi memotivasi node-node untuk bertindak demi kepentingan terbaik jaringan, meningkatkan keamanan dan efisiensi sambil mendorong perbaikan terus-menerus.

Misi inti Bittensor berpusat pada memfasilitasi inovasi dan kolaborasi di ruang AI melalui kerangka terdesentralisasi. Kerangka ini memungkinkan ekspansi cepat dan berbagi pengetahuan, menciptakan perpustakaan informasi yang terus berkembang dan tak terhentikan. Di pasar ini, pengembang diberdayakan untuk menguangkan model AI mereka dan menyediakan solusi berharga bagi bisnis dan individu.

Visi Bittensor meluas ke masa depan di mana model AI mudah diakses dan dapat diterapkan di berbagai industri. Aksesibilitas ini mendorong kemajuan dan membuka kemungkinan baru, menjembatani kesenjangan antara kemampuan AI dan aplikasi dunia nyata.

Seperti model AI global terkemuka seperti Obrolan GPT, model Bittensor menghasilkan ‘representasi’ berdasarkan kumpulan data universal. Untuk mengevaluasi kinerja model,Informasi Fisherdigunakan, memperkirakan dampak penghapusan simpul dari jaringan, mirip dengan kehilangan sebuah neuron dalam otak manusia.

Selain peringkat model, Bittensor memberikan penekanan yang kuat pada pembelajaran interaktif. Setiap model secara aktif terlibat dengan jaringan, mencari interaksi dengan model lain, mirip dengan pencarian DNS. Bittensor berfungsi sebagai API yang memfasilitasi pertukaran data di antara model-model ini, mendorong pembelajaran kolaboratif dan berbagi pengetahuan - menggunakan model open-source dan closed-source.

Menggunakan konsensus Yuma untuk memastikan bahwa semua orang bermain sesuai aturan, ekosistem bertindak sebagai kekuatan pendorong bagi pengembang open-source dan laboratorium penelitian AI, menawarkan insentif keuangan untuk meningkatkan model dasar terbuka.

Pada intinya, Bittensor berfungsi sebagai repositori kecerdasan mesin yang terus berkembang. Hal ini dicapai dengan menyatukan 4 lapisan yang berbeda:

• Lapisan Miner bertanggung jawab untuk menghasilkan pekerjaan berharga dalam jaringan.
• Lapisan Validator memastikan bahwa para penambang mematuhi aturan konsensus yang telah ditetapkan.
• Lapisan perusahaan dibangun di atas infrastruktur yang ada untuk mengembangkan produk dan layanan inovatif. Ini berfungsi sebagai platform untuk memanfaatkan kecerdasan kolektif jaringan untuk menciptakan solusi baru.
• Lapisan konsumen mendapat manfaat dari hasil kerja yang dihasilkan oleh lapisan perusahaan. Ini mewakili pengguna akhir atau organisasi yang memanfaatkan produk dan layanan yang didukung oleh jaringan Bittensor.

Sejarah

Bittensor didirikan pada tahun 2019 oleh dua peneliti kecerdasan buatan, Jacob SteevesdanAla Shaabana(dan satu penulis whitepaper berpseudonim, Yuma Rao) yang sedang mencari cara untuk membuat AI dapat dikompaund. Mereka segera menyadari bahwa kripto bisa menjadi solusi — cara untuk memberikan insentif dan mengatur jaringan global dari simpul ML untuk melatih & belajar bersama tentang masalah tertentu. Sumber daya tambahan yang ditambahkan ke jaringan meningkatkan kecerdasan secara keseluruhan, menggabungkan pekerjaan yang dilakukan oleh peneliti & model sebelumnya.

Perjalanan Bittensor dimulai dengan peluncuran 'Kusanagi' pada Januari 2021, menandai aktivasi jaringan dan memungkinkan para penambang dan validator untuk mulai menghasilkan imbalan $TAO pertama. Namun, iterasi awal ini mengalami jeda sementara karena masalah konsensus. Sebagai tanggapan, Bittensor mencabut 'Kusanagi' menjadi 'Nakamoto' pada November 2021.

Pada 20 Maret 2023, tonggak penting tercapai karena 'Nakamoto' sekali lagi difork, kali ini berevolusi menjadi 'Finney.' Tujuan dari upgrade ini adalah untuk meningkatkan kinerja kode kernel.

Terutama, Bittensor awalnya bertujuan untuk menjadi sebuah parachain di Polkadot, mengamankan slot parachain melalui lelang yang sukses pada bulan Januari. Namun, keputusan diambil untuk memanfaatkan blockchain L1 mandiri yang dibangun diSubstratdaripada bergantung pada Polkadot karena kekhawatiran terkait kecepatan pengembangan Polkadot.

Status Saat Ini

Bittensor telah berada di mainnet selama lebih dari satu tahun, dan fokusnya telah pada penelitian pionir dan menyiapkan dasar-dasar untuk potensi masa depannya. Berikut adalah gambaran tentang status saat ini dan alasan mengapa kasus penggunaan bisnis belum dibangun di atas validatornya:

• Model Campuran Jarang: Bittensor beroperasi sebagai satumodel campuran jarang. Ini menarik model AI spesifik ke dalam campuran ini, masing-masing menangani peran niche dalam menyelesaikan masalah yang lebih besar yang ditentukan oleh validator. Mengonfigurasi dan menyetel model ini untuk mencapai state of the art dan lebih dari itu adalah proses kompleks dan iteratif. Fase jalan raya ini saat ini dipimpin oleh Yayasan Opentensor.
• Kompresi Kecerdasan (Distilasi): Kompresi kecerdasan adalah fokus penelitian utama untuk Bittensor. Ini melibatkan teknik distilasi untuk meningkatkan efisiensi dan kapabilitas jaringan.
• Mengoptimalkan untuk Tujuan Besar: Fokus utama Bittensor telah pada mengoptimalkan untuk tujuan besar daripada kasus penggunaan bisnis jangka pendek. Opentensor berkomitmen untuk menciptakan jaringan yang melebihi menjadi platform sejawat sederhana dengan sistem harga untuk model.
• Kemajuan dan Pembaruan: Selama setahun terakhir, Opentensor telah membuat kemajuan signifikan, termasuk pembaruan Synapse, yang membuka Bittensor untuk permintaan eksternal. Pada Oktober 2023, peningkatan Revolusi memungkinkan perluasan melalui sub-jaringan. Ini memberdayakan validator besar untuk menentukan masalah secara independen, menciptakan peluang arus kas dari kepemilikan mereka.
• Menuju Perluasan Dunia Nyata: Jaringan Finney menandai titik balik bagi Bittensor, memungkinkan validator untuk bertindak lebih independen dan mengurangi sentralisasi awal. Seiring bertambahnya taruhan jaringan dan peningkatan hadiah blok, ini menggerakkan pertumbuhan kecerdasan buatan.
• Kasus Penggunaan Bisnis AI di Horizon: Bittensor memvisualisasikan ekspansi kasus penggunaan bisnis AI dunia nyata ketika para pemangku kepentingan, termasuk manusia dan AI, mengikuti insentif mereka. Implementasi multi dan meta-modalitas berada di cakrawala, menggabungkan subjaringan ke dalam format 'kecerdasan' yang terpadu.

Dengan upgrade Revolusi terbaru, Bittensor membuka kemampuan bagi siapa pun untuk membuat sub jaringan yang mengkhususkan diri dalam jenis aplikasi tertentu. Sebagai contoh, Subnet 4menggunakanJEPA(Joint Embedding Predicted Architecture), yang merupakan pendekatan kecerdasan buatan yang dipelopori oleh Meta’sYann LeCununtuk menangani berbagai jenis input dan output seperti video, gambar, dan audio dalam satu model.

Prestasi luar biasa lainnya adalah Cerebras, BTLM-3B-8K (Model Bahasa Bittensor, model parameter 3B yang memungkinkan untuk menjalankan model yang sangat akurat dan performa tinggi pada perangkat mobile, membuat Kecerdasan Buatan menjadi jauh lebih mudah diakses. BTLM-3B-8K tersedia di Hugging Facedengan lisensi Apache 2.0 untuk penggunaan komersial.

Model GPT besar biasanya memiliki lebih dari 100 miliar parameter, memerlukan beberapa GPU high-end untuk melakukan inferensi. Namun, rilis LLaMA dari Meta memberikan model kinerja tinggi kepada dunia dengan hanya 7 miliar parameter, memungkinkan untuk menjalankan LLM pada PC high-end.

Namun, bahkan model parameter 7B yang dikuantisasi menjadi presisi 4-bit tidak muat di banyak perangkat populer seperti iPhone 13 (RAM 4GB). Sementara model 3B akan pas dengan nyaman di hampir semua perangkat seluler, model berukuran 3B sebelumnya secara substansial kurang bertenaga dibandingkan dengan model 7B mereka.

BTLM menemukan keseimbangan antara ukuran model dan kinerja. Dengan 3 miliar parameter, itu menawarkan tingkat akurasi dan kemampuan yang jauh melebihi model berukuran 3B sebelumnya.

Ketika melihat penilaian individu, BTLM mendapatkan skor tertinggi dalam setiap kategori kecuali TruthfulQA.

BTLM-3B tidak hanya melampaui semua model 3B, tetapi juga berperforma sejajar dengan banyak model 7B.

Revolusi - Pembaruan Subnet Bittensor

Bittensor Revolution Upgrade, diluncurkan pada 2 Oktober, menandakan tonggak penting dalam pengembangan Bittensor, mengantarkan perubahan substansial pada struktur operasionalnya. Inti dari peningkatan ini adalah pengenalan "subnet," sebuah konsep inovatif yang memberi pengembang otonomi yang belum pernah terjadi sebelumnya dalam membentuk mekanisme insentif mereka dan membangun pasar dalam ekosistem Bittensor.

Fitur utama dari upgrade ini adalah pengenalan bahasa pemrograman khusus yang dirancang khusus untuk menyusun sistem insentif. Inovasi ini memberdayakan pengembang untuk membuat dan menerapkan mekanisme insentif mereka di jaringan Bittensor, memanfaatkan kumpulan kecerdasannya yang luas untuk menyesuaikan pasar dengan persyaratan dan preferensi spesifik mereka.

Upgrade ini juga merupakan sebuah perubahan yang signifikan dari model terpusat, di mana sebuah yayasan tunggal mengontrol semua aspek jaringan, menuju kerangka kerja yang lebih terdesentralisasi. Berbagai individu atau kelompok kini memiliki kesempatan untuk memiliki dan mengelola sub-jaringan.

Dengan diperkenalkannya “subnets,” siapa pun sekarang dapat membuat sub jaringan mereka sendiri dan mendefinisikan mekanisme insentif mereka, memupuk berbagai layanan yang lebih luas dalam ekosistem Bittensor. Perubahan ini mempromosikan keragaman dan desentralisasi dalam jaringan, sejalan dengan prinsip-prinsip keterbukaan dan kerjasama yang mendasari misi Bittensor.

Selain itu, subnets akan bersaing untuk emisi dengan mendapatkan persetujuan dari delegasi dalam jaringan rute baru, memperkenalkan elemen kompetitif yang dapat mendorong inovasi dan alokasi sumber daya.

Kehadiran subnets yang dibuat oleh pengguna dapat mengingatkan pada ledakan aplikasi di Ethereum ketika pintunya dibuka untuk komunitas pengembang global. Upgrade ini juga menekankan potensi penggabungan berbagai alat dan layanan ke dalam jaringan yang padu. Pada intinya, setiap elemen yang diperlukan untuk membentuk kecerdasan kini disatukan di bawah satu atap, diatur oleh token tunggal ($TAO).

Jaringan Rute

Jaringan rute berfungsi sebagai komponen penting dalam ekosistem Bittensor. Ini bertindak sebagai meta-subnet dengan peran penting mendistribusikan emisi di subnet lain, semua berdasarkan konsensus tertimbang dari delegasi utama. Pergeseran ini bersifat transformatif, karena secara mendasar mengubah Bittensor dari sistem terkontrol tunggal menjadi "jaringan jaringan" yang dinamis.

Pentingnya, jadwal emisi tidak lagi sepenuhnya di bawah kendali Yayasan OpentensorDelegasi dalam jaringan 'root' kini memiliki wewenang atas distribusi insentif. Pergeseran ini mendekantralkan kontrol insentif, menghilangkan ketergantungan tunggal pada entitas tertentu dan menempatkannya di tangan jaringan 'root'.

Subnets

Subnet dalam jaringan Bittensor adalah mekanisme insentif mandiri yang menyediakan kerangka kerja bagi penambang untuk terlibat dengan platform. Subnet-subnet ini memainkan peran penting dalam menentukan protokol yang mengatur interaksi antara penambang dan validator.

Selain itu, detail-detail mekanisme insentif tidak lagi diprogram secara kaku dalam basis kode Bittensor. Sebaliknya, detail ini didefinisikan dalam repositori subnet, memungkinkan fleksibilitas dan adaptabilitas yang lebih besar.

Bittensor memperkenalkan sub jaringan khusus, seperti sub jaringan pendorong dan sub jaringan deret waktu. Sub jaringan pendorong memungkinkan pelaksanaan berbagai jaringan saraf pendorong, termasuk GPT-3, GPT-4, ChatGPT, dan lainnya, untuk inferensi terdesentralisasi. Fungsionalitas ini memungkinkan pengguna berinteraksi dengan Validator di jaringan dan mendapatkan output dari model-model terbaik, memberdayakan aplikasi mereka dengan kemampuan Kecerdasan Buatan yang canggih.

Subnet beroperasi dengan mendistribusikan token $TAO kepada para penambang dan validator berdasarkan nilai yang mereka kontribusikan ke jaringan. Aturan dan protokol yang tepat untuk respons penambang terhadap kueri Validator dan proses evaluasi yang dilakukan oleh validator ditentukan oleh kode dalam repositori subnet masing-masing.

• Saat diluncurkan, sembilan slot subnet akan tersedia, masing-masing menampung 256 UID secara default (kecuali untuk Subnet 1, yang menampung 1024). Subnet akan aktif bersaing untuk emisi dengan mencari bobot konsensus dari delegasi dalam jaringan 'root'.
• Untuk mendaftarkan subnet, individu atau entitas harus mengunci sejumlah tertentu $TAO selama subnet tersebut ada. Pemilik subnet mengasumsikan peran administrator jaringan penuh dan berhak atas emisi yang didistribusikan melalui subnet masing-masing. Mereka memiliki izin lengkap, termasuk kemampuan untuk melakukan tindakan sudo di seluruh jaringan, seperti mengatur hiperparameter seperti tingkat min jaringan.

• Setiap subnet terkait dengan UID jaringan unik, dan kepemilikan subnet dialihkan ke dompet yang mengunci jumlah $TAO yang diperlukan untuk pendaftarannya. Ketika sebuah subnet dibuat, jumlah $TAO yang sesuai dikurangkan dari dompet pencipta dan dilampirkan ke subnet. Jika sebuah subnet didaftarkan, $TAO yang dikunci dikembalikan ke pemilik.
• Aspek penting adalah bahwa 18% emisi yang dikembalikan pada $TAO yang dipertaruhkan dalam subnet diberikan kepada pemilik subnet. Ini memberi insentif kepada pembuat subnet untuk membuat mekanisme yang menarik delegasi di jaringan rute, karena meningkatkan peluang mereka untuk menghindari deregistrasi.
• Subnet yang baru terdaftar diberikan periode kekebalan selama seminggu di mana mereka tidak dapat dibatalkan pendaftarannya. Biaya kunci awal diatur pada 2500 $TAO, berlipat ganda ketika sebuah subnet baru mendaftar. Seiring waktu, biaya kunci secara bertahap menurun, mengikuti pola linear yang mirip dengan mekanisme lelang Belanda. Pendekatan ini bertujuan untuk menemukan keseimbangan dalam permintaan untuk slot subnet dengan menyesuaikan biaya kunci dari waktu ke waktu.

• Ketika sebuah subnet didaftarkan kembali, $TAO yang terkunci untuk pendaftarannya dikembalikan kepada pemiliknya, semua penambang dalam subnet tersebut dihapus, dan status jaringan diatur ulang.

Jaringan Akar

Jaringan Root berfungsi sebagai "subnet meta" yang beroperasi di atas dan memengaruhi subnet lain sambil memainkan peran penting dalam menentukan skor emisi di seluruh sistem.

Fungsinya utama adalah menggunakan mekanisme konsensus berbobot melibatkan delegasi untuk menghasilkan vektor emisi untuk setiap subnet. Delegasi dalam jaringan 'root' memberikan bobot ke subnet yang berbeda berdasarkan preferensi mereka, dan mekanisme konsensus pada akhirnya menentukan alokasi emisi.

Salah satu aspek yang mencolok adalah bahwa jaringan ‘root’ secara efektif mengkonsolidasikan peran-peran dari kedua mekanisme Senat dan delegasi, menyatukan fungsi-fungsi ini ke dalam satu entitas tunggal. Konsolidasi ini menyederhanakan proses pengambilan keputusan dalam ekosistem Bittensor.

Jaringan 'root' memiliki kewenangan untuk membentuk ekosistem dengan memengaruhi alokasi emisi. Jika dianggap suatu subnet atau aspek tertentu dari sistem tidak berharga, ia memiliki kapasitas untuk mengurangi atau menghilangkan emisi ke komponen tersebut.

Subnet dalam jaringan Bittensor harus aktif berupaya untuk menarik sebagian besar bobot dari delegasi dalam jaringan 'root' untuk mengamankan bagian yang signifikan dari emisi. Aspek kompetitif ini menegaskan pentingnya subnets dalam menunjukkan nilai dan utilitasnya bagi ekosistem yang lebih luas.

Selain itu, itu memberdayakan 12 kunci teratas dalam jaringan dengan potensi untuk memveto proposal yang diajukan oleh triumvirate, menambahkan lapisan tambahan tata kelola dan keseimbangan dalam sistem.

Prospek Sektor

Dalam ranah teknologi, kekuatan telah lama terkonsentrasi di tangan beberapa raksasa teknologi. Para raksasa ini telah mempertahankan kontrol atas komoditas digital berharga yang penting untuk mendorong inovasi. Bittensor, bagaimanapun, mengakui dan menantang paradigma yang ada dengan memperkenalkan sistem yang lebih demokratis dan mudah diakses melalui pasarannya.

Wawasan mendasar Bittensor terletak pada pemahaman bahwa kecerdasan adalah hasil dari berbagai komoditas digital, seperti daya komputasi dan data. Secara historis, komoditas ini telah dikontrol ketat dan dibatasi untuk domain raksasa teknologi. Bittensor berusaha untuk memutus rantai ini dengan memperkenalkan subnet yang dibuat pengguna. Pasar-pasar ini akan beroperasi di bawah sistem token terpadu, memastikan bahwa pengembang di seluruh dunia memiliki akses yang sama ke sumber daya yang sebelumnya merupakan domain eksklusif dari beberapa orang terpilih dalam ekosistem tertutup Big Tech.

Adopsi Potensial

Di era digital saat ini, kekuatan transformasional Artificial Intelligence (AI) tidak dapat disangkal. AI telah menjadi bagian integral dari kehidupan kita, menyederhanakan penelitian, mengotomatisasi alur kerja, membantu dalam pengkodean, dan menghasilkan konten dari teks. Pertumbuhan cepat kemampuan AI terbukti, namun pertumbuhan ini datang dengan tantangan terkait skalabilitas, dan yang paling penting, keandalan.

Insiden-insiden terbaru, seperti gangguan sementara ChatGPT selama diskusi tentang regulasi kecerdasan buatan di Washington, telah menyoroti kebutuhan kritis akan solusi yang kuat untuk mengatasi tantangan skalabilitas kecerdasan buatan. Gangguan-gangguan ini membuat pengguna khawatir tentang stabilitas dan keandalan kecerdasan buatan saat semakin terintegrasi ke dalam kehidupan sehari-hari kita. Saat-saat seperti ini-lah pentingnya $TAO Bittensor menjadi jelas.

Pendekatan Bittensor tidak hanya memperjuangkan kecerdasan buatan sumber terbuka tetapi juga menunjukkan bahwa ini bisa menjadi usaha yang menguntungkan secara finansial. Ini mencerminkan evolusi kompetitif yang terlihat dalam penambangan Bitcoin dan membuka jalan bagi pasar yang berkembang di mana model AI terbaik naik ke posisi terdepan. Perubahan ini memberdayakan peneliti AI untuk memberikan kontribusi keahlian mereka ke lingkungan yang terbuka dan dinamis, yang pada akhirnya menguntungkan masyarakat secara keseluruhan.

$TAO menawarkan infrastruktur AI terdesentralisasi yang dapat mengurangi masalah potensial seperti yang dialami oleh ChatGPT. Dengan mendesentralisasi AI, Bittensor memastikan ketahanan dan keandalan sistem AI, bahkan saat permintaan mereka terus berkembang. Pendekatan ini membentuk dasar yang dapat diandalkan untuk masa depan layanan AI.

Singkatnya, Bittensor muncul sebagai pasar global untuk kecerdasan buatan open-source, menyajikan solusi yang menarik untuk tantangan yang ditimbulkan oleh pengembangan AI sumber tertutup.

• Gaya Gravitasi untuk Keunggulan Kecerdasan Buatan: Bittensor beroperasi sebagai gaya gravitasi yang menarik model AI terbaik dari peneliti di seluruh dunia. Dengan memfasilitasi pasar bebas untuk AI, jaringan mendorong pengajuan model-model terkini. Saat ia berkembang, Bittensor menjanjikan harga yang lebih rendah, menghilangkan risiko platform, dan menawarkan output AI terbaik, baik dalam teks, gambar, video, atau format lainnya.
• Open Source yang Menguntungkan: Bittensor mengubah kecerdasan buatan open-source menjadi usaha yang menguntungkan. Mengikuti contoh yang ditetapkan oleh Bitcoin, Bittensor dibentuk dengan asumsi bahwa para pemangku kepentingan didorong oleh keuntungan. Dalam ekosistem ini, model kecerdasan buatan terbaik menghasilkan uang paling banyak. Ini sejalan dengan evolusi penambangan Bitcoin, beralih menjadi industri yang kompetitif dan profesional. Peneliti PhD kini memiliki kesempatan untuk membawa penelitian mereka ke pasar terbuka ini, menjembatani kesenjangan antara akademisi dan industri swasta.
• Skala Mengesankan: Insentif Bittensor telah menghasilkan hasil yang luar biasa. Jaringan ini melayani lebih dari 4.000 model AI, yang terdiri dari 10 triliun parameter model yang menakjubkan. Untuk menempatkan ini ke dalam perspektif, GPT-3 memiliki 175 miliar parameter.
• Stakeholder yang Beragam: Ekosistem Bittensor melibatkan berbagai pemangku kepentingan, termasuk penambang, validator, nominee, dan konsumen. Partisipasi yang beragam ini memastikan ketangguhan jaringan dan pertumbuhan yang berkelanjutan.

Pertimbangan penting adalah kondisi saat ini dari kecerdasan buatan (AI), sebagian besar masih terkunci di balik pintu tertutup dan di bawah kontrol beberapa raksasa teknologi. Hal ini menimbulkan pertanyaan: bagaimana jika AI bisa terbuka dan belajar dari model AI lainnya dalam lingkungan kolaboratif? $TAO Bittensor berusaha memberikan solusi atas pertanyaan ini.

• Adopsi melalui pertumbuhan: Meskipun beberapa perusahaan AI besar mungkin ragu-ragu untuk membuat teknologi AI propieternya menjadi publik, $TAO menawarkan proposisi yang menarik. Ini memperkenalkan kemungkinan monetisasi lebih lanjut melalui microtransactions. Bayangkan solusi AI terkemuka seperti OpenAI menerima micropayments setiap kali seseorang menggunakan model pelatihan mereka dalam ekosistem Bittensor untuk membangun produk dan bisnis mereka. Ini bisa membuka aliran pendapatan baru bagi perusahaan-perusahaan ini, mendorong mereka untuk berpartisipasi dalam jaringan AI terbuka.
• Adopsi oleh permintaan: Sebagai alternatif, asumsikan bahwa solusi AI saat ini tetap tertutup dan tahan terhadap jaringan terbuka. Bahkan dengan modal yang substansial tersedia bagi mereka, ada kemungkinan bahwa open-source bisa melebihi solusi yang didanai dengan sangat besar ini. Meskipun sumber daya keuangan penting untuk pertumbuhan teknologi, potensi teknologi yang dapat belajar secara otonom dan dari lingkungannya seharusnya tidak dianggap enteng.

Dilema Sumber Terbuka

Debat seputar apakah model AI harus open source telah semakin mencuat karena kekhawatiran tentang masalah keselarasan dalam AI terus berkembang. Pertanyaan mendasar adalah apakah kode sebenarnya di balik model AI harus dapat diakses secara bebas oleh semua orang. Menariknya, bahkan jika pemain utama seperti OpenAI memutuskan untuk membuka sumber model mereka, itu tidak akan secara otomatis mengancam Bittensor. Dalam lingkungan open-source, siapa pun dapat memanfaatkan model-model ini pada jaringan Bittensor.

Dalam komunitas teknologi, terdapat perbedaan pendapat mengenai masalah ini. Ada yang berpendapat bahwa teknologi AI sumber terbuka dapat memberdayakan pelaku jahat untuk mengeksploitasi AI untuk tujuan berbahaya. Sebaliknya, yang lain berpendapat bahwa memberikan hak eksklusif kepada teknologi AI kepada perusahaan-perusahaan besar menimbulkan bahaya yang lebih signifikan. Sebagai contoh, mengkonsentrasikan kekuatan AI di tangan beberapa perusahaan triliun dolar, seperti yang terlihat dengan fokus OpenAI dalam mengumpulkan dana yang substansial, dapat menimbulkan kekhawatiran etika, menyoroti risiko korupsi kekuasaan.

Keputusan Meta untuk membuka sumber mereka Llama2LLM menunjukkan pergeseran dalam industri menuju merangkul praktik open-source. Langkah ini memberikan kesempatan bagi Bittensor untuk belajar dari dan berpotensi mengintegrasikan kemajuan Meta ke dalam jaringannya, menutup kesenjangan kinerja lebih cepat.

Penting untuk memeriksa penilaian baik $TAO maupun OpenAI. Saat ini, OpenAI menduduki posisi dominan di industri, dengan penilaian berkisar antara $80B dan $90BNamun, ia beroperasi dalam ekosistem tertutup yang sangat bergantung pada Microsoft dan layanan cloud yang diizinkan. Meskipun demikian, OpenAI telah berhasil menarik bakat teratas dari seluruh dunia. Di sisi lain, seiring berjalannya waktu dan inisiatif open-source menjadi lebih merata, kolam bakat yang tersedia siap untuk berkembang secara eksponensial, mencapai setiap sudut internet. Demokratisasi keahlian kecerdasan buatan ini bisa memainkan peran penting dalam membentuk adopsi Bittensor.

Lanskap Kompetitif – AI Terpusat

Adopsi pengembang tetap menjadi faktor penting dalam perjalanan Bittensor. Saat ini, pengembang dapat berinteraksi dengan jaringan melalui API Python yang dikembangkan oleh Yayasan OpenTensor, yang menekankan pentingnya memelihara komunitas pengembang yang kuat untuk mendorong adopsi. Saat ini, Bittensor sedang aktif bekerja untuk mendesentralisasi aspek-aspek kritis jaringan, seperti penciptaan dan pelatihan model, memberikan imbalan kepada model-model yang paling terfein sambil memupuk pengambilan keputusan yang didorong oleh komunitas.

Menariknya, pemain mapan di domain AI, termasuk OpenAI dan Google, kini telah menjadi pesaing $TAO. Mereka sangat terlibat dalam tahap pembuatan model AI dan bahkan telah berkelana ke integrasi vertikal potensial dalam berbagai industri. Dalam konteks ini, salah satu tantangan utama yang $TAO hadapi adalah masalah kesenjangan data.

Berbeda dengan raksasa teknologi seperti Facebook, Apple, Amazon, Netflix, dan Google (FAANG), yang memiliki akses ke repositori data berarti yang luas, komunitas sumber daya maya mungkin kurang memiliki tingkat sumber daya dan akses data yang sama. Organisasi FAANG dilengkapi dengan sarana finansial untuk mendukung upaya kecerdasan buatan mereka dengan perangkat keras yang tangguh seperti teknologi mutakhir Nvidia, termasuk H100s dan GH200s, yang dapat secara signifikan mempercepat pelatihan model kecerdasan buatan.

Pada saat yang sama, penting untuk dicatat bahwa semua solusi AI arus utama saat ini ditandai dengan tertutup dan terpusat. Ini termasuk perusahaan terkemuka seperti OpenAI, Google, Midjourney, dan lainnya, masing-masing menawarkan solusi AI yang mengganggu. Namun, kesenjangan antara model sumber tertutup dan sumber terbuka dengan cepat menyempit. Model open-source semakin berkembang dalam hal kecepatan, penyesuaian, privasi, dan kemampuan keseluruhan. Mereka mencapai fitur yang mengesankan dengan anggaran dan ukuran parameter yang relatif sederhana dibandingkan dengan rekan-rekan tertutup mereka. Selain itu, model sumber terbuka ini beroperasi pada garis waktu yang dipercepat, memberikan hasil dalam beberapa minggu, bukan bulan.

Google, sebuah raksasa teknologi yang cukup dikenal, telah mengakui tren transformatif ini. Sebuahdokumen internal yang bocordari perusahaan menyatakan, “Kami tidak memiliki parit, dan begitu juga OpenAI.” Pengakuan ini menegaskan pengaruh yang semakin meningkat dari AI open-source dalam lanskap kompetitif.

Dalam ekosistem AI yang berkembang ini, $TAO muncul sebagai katalisator perubahan, menantang model tradisional pengembangan dan pelatihan AI. Pendekatannya yang terdesentralisasi dan etos berbasis komunitas memposisikannya sebagai pesaing di arena dinamis di mana raksasa teknologi pernah berkuasa.

Berbeda dengan platform terpusat yang membatasi akses ke satu model AI, arsitektur Bittensor memberikan akses tanpa izin ke kecerdasan. Ini berfungsi sebagai pusat belanja bagi pengembang AI, menawarkan semua sumber daya komputasi yang diperlukan sambil menerima kontribusi eksternal. Model inklusif ini menghubungkan jaringan saraf di seluruh internet, menciptakan sistem pembelajaran mesin global, terdistribusi, dan berinsentif.

Mewujudkan potensi penuh AI menuntut keberangkatan dari praktik pengembangan sumber tertutup dan keterbatasan yang terkait. Sama seperti anak-anak memperluas pemahaman mereka melalui interaksi sosial, AI berkembang di lingkungan yang dinamis. Paparan terhadap dataset yang beragam, wawasan dari para peneliti inovatif, dan interaksi dengan berbagai model mengembangkan penciptaan sistem AI yang lebih kuat dan cerdas. Trajektori AI tidak boleh ditentukan oleh satu entitas saja.

Di masa depan yang sangat kontras ini, pilihan antara dunia yang dikuasai oleh algoritma kotak hitam dan otoritas terpusat dan lanskap AI yang terbuka dan terdemokratisasi menjadi penting bagi masyarakat.

Dalam skenario pertama, di mana mega-perusahaan seperti OpenAI atau Anthropic mengendalikan solusi AI, kita berisiko hidup di bawah rezim surveilans konstan. Perusahaan-perusahaan ini akan memiliki kekuatan besar atas data pribadi dan interaksi sehari-hari kita, dengan otoritas untuk mematikan layanan dan melaporkan individu atas pandangan atau diskusi yang tidak setuju.

Namun, alternatif yang lebih optimis menawarkan dunia di mana AI berakar di platform open-source, dibangun di jaringan yang dimiliki secara universal. Di sini, kekuatan dan kontrol didesentralisasi, dan AI berfungsi sebagai alat pemberdayaan daripada surveilans. Dalam skenario ini, kreativitas dan pengembangan dapat berkembang tanpa takut akan bias perusahaan atau sensor.

Sama seperti internet mendemokratisasi akses informasi, ekosistem AI terbuka akan mendemokratisasi akses ke kecerdasan. Ini memastikan bahwa kecerdasan tidak dimonopoli oleh segelintir orang, mempromosikan lapangan bermain yang adil di mana siapa pun dapat berkontribusi, belajar, dan mendapatkan manfaat.

Tokenomics $TAO

• Sama seperti bitcoin, pasokan maksimum total dari token $TAO dibatasi hingga 21.000.000, yang akan dikeluarkan setelah 256 tahun.
• $TAO halving akan terjadi setiap 10,5 juta blok, dengan 64 acara pembagian set yang akan terjadi selama lebih dari 45 tahun ke depan.

• Jaringan beroperasi pada waktu blok sekitar 12 detik, dengan 1 $TAO diberikan kepada para penambang dan validator per blok.
• Saat ini, itu berarti ada 7.200 token $TAO baru yang diterbitkan setiap hari, didistribusikan secara merata antara penambang dan validator.

Kesamaan lain dengan Bitcoin adalah jadwal penerbitan $TAO juga mengikuti konsep halving, yang terjadi kira-kira setiap 4 tahun. Namun, ini ditentukan oleh total penerbitan token daripada nomor blok. Misalnya, setelah setengah dari total pasokan telah dikeluarkan, tingkat penerbitan dikurangi setengahnya.

Pentingnya, token $TAO yang digunakan untuk mendaur ulang pendaftaran dibakar kembali ke pasokan yang belum diterbitkan, sehingga mengakibatkan perpanjangan bertahap dari interval pengurangan separuh. Mekanisme ini memastikan bahwa jadwal penerbitan menyesuaikan secara dinamis dari waktu ke waktu, mencerminkan kebutuhan jaringan dan dinamika ekonomi.

Ekonomi Token $TAO

Ekonomi token $TAO Bittensor ditandai dengan kesederhanaannya, komitmen terhadap desentralisasi, dan distribusi yang adil. Berbeda dengan banyak proyek blockchain lainnya, token $TAO tidak dialokasikan kepada pihak manapun melalui ICO, IDO, penjualan pribadi kepada VC, atau alokasi istimewa kepada tim, yayasan, atau penasihat. Sebaliknya, setiap token yang beredar harus diperoleh melalui partisipasi aktif dalam jaringan.

Terdapat juga para alokator modal yang terlibat dalam jaringan, berpartisipasi sebagai penambang atau validator serta menyediakan layanan pembuatan pasar, seperti DCG, GSR, atau Polychain. Yang relevan adalah bahwa tidak ada dari mereka yang menerima alokasi token yang berasal dari pre-sale atau private sale.

Token $TAO dapat digunakan untuk tata kelola, untuk Staking dan berpartisipasi dalam mekanisme konsensus, dan sebagai alat pembayaran dalam jaringan Bittensor.

Dengan cara ini, validator dan penambang mempertaruhkan token mereka sebagai jaminan untuk mengamankan jaringan dan mendapatkan imbalan melalui emisi inflasi, sementara pengguna dan perusahaan dapat menggunakan $TAO untuk mengakses layanan kecerdasan buatan dan aplikasi yang dibangun di atas jaringan.

Token $TAO baru hanya dapat diproduksi melalui penambangan dan validasi. Jaringan memberikan imbalan kepada kedua penambang dan validator, dan setiap blok memberikan 1 imbalan $TAO, dibagi secara merata antara penambang dan validator. Oleh karena itu, satu-satunya cara untuk mendapatkan $TAO adalah dengan membeli token di pasar terbuka atau terlibat dalam kegiatan penambangan dan validasi.

Model distribusi token yang langsung dari $TAO mencerminkan prinsip desentralisasi, yang mengingatkan pada etos Bitcoin yang ditetapkan oleh Satoshi Nakamoto. Pembuatan awal $TAO sejalan dengan jadwal emisi Bitcoin ($BTC), memberikan kesempatan yang sama bagi siapa pun yang memberikan nilai kepada jaringan. Pendekatan ini menegaskan pentingnya mencegah konsentrasi kekuasaan dan kepemilikan, terutama dalam ranah AI, yang memiliki implikasi sosial yang signifikan dan seharusnya tidak dikendalikan oleh beberapa orang terpilih.

Model distribusi ini memastikan bahwa penambangan tetap menjadi proses yang kompetitif. Karena semakin banyak penambang bergabung dengan jaringan, persaingan meningkat, sehingga sulit untuk mempertahankan profitabilitas. Hal ini, pada gilirannya, memotivasi penambang untuk menemukan cara untuk mengurangi biaya operasional mereka, mempromosikan efisiensi dan inovasi dalam jaringan.

Penangkapan Nilai dari $TAO

$TAO, token asli jaringan Bittensor, mendapatkan nilai intrinsiknya dari peran uniknya dalam ekosistem. Berbeda dengan model L1 standar di mana token jaringan mendapatkan nilai dari penjualan ruang blok, nilai $TAO terikat pada layanan AI yang memungkinkannya. Ketika layanan AI ini menjadi lebih berdampak dan berguna, permintaan akan $TAO meningkat.

Mempertahankan $TAO memberikan akses ke berbagai sumber daya digital yang saling terhubung, termasuk data, bandwidth, dan kecerdasan yang dihasilkan dan diverifikasi oleh peserta jaringan. Seperti tercermin dalam jadwal emisi, nilai $TAO tidak semata-mata didasarkan pada spekulasi atau kelangkaan tetapi sangat berkaitan dengan kontribusi nyata dan utilitas yang diberikannya dalam jaringan Bittensor.

Namun, menjaga siklus penciptaan dan imbalan ini tidak dijamin. Para penambang dan validator, sambil memberikan kontribusi intelijen berharga ke jaringan dan mendapatkan token $TAO sebagai imbalannya, juga memiliki insentif untuk menjual untuk menutupi biaya, mirip dengan penambang Bitcoin.

Bagaimana Nilai Dalam Harga Token?

Seperti token lainnya, harga $TAO ditentukan oleh prinsip ekonomi dasar dari penawaran dan permintaan. Permintaan yang meningkat untuk $TAO mengakibatkan apresiasi harga, sementara permintaan yang menurun mengakibatkan depresiasi harga. Oleh karena itu, gagasannya adalah bahwa permintaan dari aktivitas ekosistem akan menutupi penguncian pasokan.

Anda hanya bisa mendapatkan $TAO dengan berkontribusi ke jaringan. Untuk itu, Anda perlu membeli dan menahan atau membelanjakannya untuk mulai menggunakan jaringan.

• Pendorong Permintaan:
  • Aktivitas ekosistem:
    • Validator memerlukan token $TAO untuk registrasi.
    • Pengguna dapat membeli $TAO untuk berpartisipasi dalam proses pemungutan suara yang terkait dengan penyelarasan intelijen.
    • Digunakan sebagai pembayaran dalam jaringan.
  • Permintaan untuk Staking dan menugaskan $TAO untuk mendapatkan imbalan Staking. Ini dapat membantu melindungi terhadap emisi inflasi.
  • Premi Spekulatif sebagai cara untuk bertaruh pada potensi kenaikan dua teknologi gangguan seperti blockchain dan AI yang bergabung.
  • Efek jaringan yang dihasilkan dari lebih banyak pengembang masuk ke jaringan dan memanfaatkan potensi model sumber terbuka
• Pendorong Pasokan:
  • Penerbitan Token dari emisi inflasi hingga mencapai total pasokan 21.000.000
  • Penambang dan validator dapat menjual token $TAO untuk menutupi biaya operasional mereka. Aspek ini mirip dengan penambang Bitcoin yang menjual untuk menutupi biaya.

Saat jaringan berkembang dan lebih banyak model AI dan subnets ditambahkan, potensi penangkapan nilai meningkat. Pertumbuhan jaringan juga didorong oleh sinergi antara AI dan blockchain, menciptakan siklus yang saling memperkuat.

Dengan cara ini, Bittensor mewujudkan prinsip Hukum Metcalfe, di mana nilai jaringan sebanding dengan kuadrat jumlah pengguna atau node yang terhubung. Saat lebih banyak peserta bergabung dengan jaringan, nilai yang ditawarkannya meningkat secara eksponensial.

Bagaimana Menangkap Nilai Tersebut

Dalam Bittensor, validator termotivasi untuk menarik staking dari pemegang token, dan staking ini merupakan hal yang mendasar bagi operasi mereka dalam jaringan. Sebagai pemegang token, Anda dapat memilih berbagai validator yang berbeda untuk melakukan staking $TAO Anda. Pilihan yang paling umum adalah Yayasan OpenTensor itu sendiri, dengan sekitar 20% kepemilikan jaringan.

Saat ini, validator membagikan 82% dari hadiah mereka kepada delegasi dalam bentuk token $TAO. Sebagai konsekuensinya, mendelegasikan $TAOtoken ke Validator memberikan kesempatan bagi pemegang token untuk mendapatkan imbalan Staking. Ini dapat membantu melindungi pengguna dari potensi dilusi akibat emisi inflasi.

• Hadiah validator saat ini berada di 22.45%
• Imbal hasil staking saat ini berada di 18.41%

Risiko/Hadiah dan Jangka Waktu

Ketika menilai risiko/imbalan dari mengalokasikan bagian dari portofolio ke $TAO, penting untuk menyadari apa yang sebenarnya Anda beli. Misalnya, pembelian tidak memberi hak kepada pemegang untuk jenis imbalan apa pun yang dibayarkan dalam USD yang dihasilkan dari aktivitas ekonomi jaringan. Sebaliknya, Anda akan diberi imbalan dengan emisi token. Sebagai pemegang token, Anda kemudian dapat mendelegasikan emisi tersebut untuk menghasilkan APY dan meningkatkan kepemilikan $TAO Anda.

Analogi dengan Bitcoin jelas, tetapi ada cerita tersirat di balik $BTC yang membuatnya unik. Tidak ada yang dapat memberikan jawaban yang memuaskan tentang apa nilai dari $BTC atau mengapa memiliki nilai tertentu, oleh karena itu komunitas akhirnya terlibat dalam perang suku antara no-coiners, "shitcoiner", dan maxis.

Memang, ekonomi token sebenarnya dari Bitcoin mudah dipahami: $BTC digunakan untuk mendorong penambang untuk mengoperasikan dan menjalankan jaringan. Sebagai konsekuensinya, pemegang eksisting menjadi terdilusi (meskipun mereka dapat menjadi penambang - atau delegasi dalam kasus Bittensor). Oleh karena itu, mereka yang memegang token tidak dihargai, dan tidak menerima insentif apa pun dari jaringan yang mendasarinya.

Tetapi dalam kasus $BTC, bagaimanapun, ada faktor penting untuk dipertimbangkan, dan itu adalah kelangkaan. Fakta bahwa hanya akan ada $ 21 juta membuatnya unik. Dan sementara ekonomi token $TAO telah dimodelkan setelah Bitcoin itu sendiri, masih ada lebih dari 70% token yang belum diterbitkan. Ini menghadirkan dilema bagi investor tentang apa yang lebih mereka hargai: desentralisasi jaringan, atau kelangkaan aset.

Pada akhirnya, utilitas $TAO berasal dari akses yang diberikannya ke model AI, penggunaannya untuk tata kelola, akses ke hadiah Staking, dan sebagai mekanisme insentif.

Biaya Operasional

Pengembangan infrastruktur saat ini dibayar oleh Yayasan Opentensor melalui pendanaan dari delegasi kepada mereka serta oleh imbalan delegasi. Pengembangan lain dilakukan oleh pihak ketiga yang mengoperasikan validator mereka sendiri dan didanai melalui delegasi juga.

Sama seperti inisiatif global lainnya memerlukan pendanaan untuk penelitian, pengembangan, dan implementasi, kesuksesan AI bergantung pada bagaimana modal dikoordinasikan dan bagaimana pemangku kepentingan diberi imbalan atas kontribusi mereka. Itulah alokasi sumber daya strategis (penelitian, GPU untuk pelatihan…) yang mendorong pertumbuhan dan dampak AI.

Dalam ranah AI, terutama dalam kasus model bahasa besar seperti ChatGPT, biaya operasional sangat besar. OpenAI, misalnya, diperkirakan menghabiskan sekitar$700,000 per hari untuk mengoperasikan ChatGPT, yang menyoroti beban keuangan yang besar terkait dengan model AI berskala besar. Biaya pelatihan dapat berkisar dari jutaan hingga puluhan juta dolar untuk setiap model, menjadikannya usaha yang lebih membutuhkan sumber daya. Biaya pelatihan model pada dataset besar bahkan bisa lebih tinggi, mencapai hingga $30 juta.

Sementara perusahaan telah mengumpulkan pendanaan yang substansial, termasuk investasi terbaru dari Microsoft (sekitar separuh dalam bentuk kredit Azure), biaya yang semakin besar untuk melatih model bahasa besar menjadi suatu kekhawatiran. Setiap proses pelatihan membutuhkan jutaan biaya, dan kebutuhan untuk memulai dari awal untuk model-model baru memperparah masalah ini.

Inilah tempat pendekatan Bittensor tentang "Penggabungan Pengetahuan" menjadi relevan. Pendekatan unik Bittensor berfokus pada desentralisasi dan kolaborasi melalui "Penggabungan Pengetahuan". Filosofi ini memungkinkan sistem AI untuk membangun pengetahuan yang sudah ada secara desentralisasi, menawarkan keuntungan seperti:

• Efisiensi Biaya: Dengan memanfaatkan pengetahuan yang sudah ada dan terus-menerus memperbaikinya, pendekatan Bittensor ini berpotensi untuk mengurangi kebutuhan akan pelatihan ulang yang mahal dari awal.
• Ketangguhan: Aplikasi AI berukuran besar sering menghadapi kebutuhan dan tantangan yang terus berkembang. Inilah tempat pendekatan terdesentralisasi memungkinkan organisasi untuk menyesuaikan sistem AI mereka dengan lebih fleksibel, memastikan tetap relevan dan efektif dalam lingkungan yang dinamis.
• Desentralisasi: jaringan terdesentralisasi Bittensor memberdayakan komunitas global kontributor, mengurangi ketergantungan pada satu entitas atau infrastruktur terpusat. Hal ini mempromosikan inovasi dan keragaman dalam pengembangan AI.
• Kolaborasi: Sifat kolaboratif dari Penumpukan Pengetahuan mendorong berbagi pengetahuan dan pembelajaran kooperatif di antara node-node dalam jaringan, memupuk lingkungan dinamis untuk kemajuan kecerdasan buatan.

Tim dan Investor

Bittensor adalah protokol sumber terbuka yang menggerakkan jaringan pembelajaran mesin berbasis blockchain yang terdesentralisasi. Tim di belakang Bittensor termasuk Jacob Steeves(Pendiri),Ala Shaabana(Pendiri),Jacqueline Dawn(Direktur Pemasaran), danSaeideh Motlagh(Arsitek Blockchain) di antara lain. Yayasan Opentensor juga berencana untuk memperluas tim mereka tahun ini.

Ada sebuah nama samaran yang disebut Yuma Rao yang juga disebutkan dalam white paper Bittensor, sama seperti dalam Bitcoin Satoshi Nakamoto. Tidak diketahui apakah orang ini benar-benar ada dan kita mungkin tidak akan pernah tahu lebih banyak tentang dia atau dia.

Bittensor tidak mengungkapkan penasihat atau investor kunci yang mencolok, selain menerima pendanaan dari Yayasan OpenTensor, yang merupakan organisasi nirlaba yang mendukung pengembangan Bittensor. Bittensor juga belum mengumumkan kemitraan resmi apa pun.

Tesis

Kebanyakan perusahaan teknologi jauh di bawah valuasi pra-pandemi mereka, namun perusahaan kecerdasan buatan sekarang mencapai ATHs baik pada multi valuasi maupun tingkat pertumbuhan.

Dengan kapitalisasi pasar yang jauh lebih rendah dari raksasa industri, Bittensor mungkin sebenarnya menjadi tempat bermain yang sempurna untuk aplikasi AI skala besar/tinggi permintaan dan penggunaan model open-source.

Jelas, perbandingan paling sederhana untuk mengukur potensi kenaikan adalah dengan membandingkan dengan valuasi swasta OpenAI sebesar $29M. Realistis atau tidak, ini sedikit lebih dari 28x lipat lebih tinggi dari FDV $TAO. Mengingat berapa lama waktu yang dibutuhkan untuk seluruh pasokan masuk ke peredaran, kita dapat menggunakan kapitalisasi pasar beredar untuk memperkirakan secara kasar di mana valuasi swasta OpenAI lebih dari 108x kapitalisasi pasar $TAO.

Namun, ini adalah pendekatan yang sangat spekulatif yang dapat disederhanakan sebagai bertaruh pada proyek-proyek yang dapat diuntungkan dari duduk di persimpangan AI dan crypto.

Fitur paling penting yang perlu diingat adalah fakta bahwa Bittensor sedang menangani masalah sentralisasi kecerdasan buatan. Saat ini, sejumlah kecil perusahaan mengendalikan sebagian besar model besar dan kuat, tetapi semuanya terisolasi dan hampir tidak ada kolaborasi atau berbagi pengetahuan.

Model Kecerdasan Buatan yang terisolasi tidak dapat belajar satu sama lain, dan oleh karena itu tidak dapat dikompound (para peneliti harus memulai dari awal setiap kali mereka membuat model baru). Ini sangat berbeda dengan penelitian kecerdasan buatan, di mana para peneliti baru dapat membangun atas karya para peneliti masa lalu, menciptakan efek pengganda yang mempercepat perkembangan ide.

Kecerdasan Buatan yang disilo juga terbatas dalam fungsinya karena integrasi aplikasi pihak ketiga & data memerlukan izin dari pemilik model (dalam bentuk kemitraan teknologi & perjanjian bisnis). Pembatasan ini secara langsung memengaruhi nilai dan manfaat AI, karena AI hanya bisa seberharga aplikasi yang bisa didukungnya secara efektif.

Lingkungan terpusat dan pemenang-mengambil-semua ini tidak menguntungkan bagi tim kecil dengan sumber daya yang kurang. Dalam konteks ini, keunggulan inti dari Bittensor adalah jaringan terdesentralisasi dan mekanisme insentif untuk mendorong tim kecil dan peneliti untuk memonetisasi karyanya.

Jika Bittensor berhasil menyempitkan kesenjangan kinerja dengan penyedia AI sumber tertutup terkemuka seperti GPT-4, dapat menjadi pilihan utama bagi pengembang, bisnis, dan peneliti di ruang kripto dan AI. Sifatnya yang terbuka dan kolaboratif menempatkannya sebagai alternatif menarik untuk ekosistem tertutup, yang berpotensi mengarah pada adopsi yang signifikan.

Pada akhirnya, valuasi TAO dapat berasal dari utilitas jaringan (aktivitas ekonomi yang dibangun di atasnya) atau arus kas langsung ke protokol.

• Sebagai token utilitas, $TAO diperlukan untuk mengakses jaringan. Oleh karena itu, valuasinya bisa berasal dari utilitas ekonomi yang dibangun di atasnya.
• Sebagai token Staking, pemegang dapat menugaskan $TAO ke validator dan menerima bagian dari pendapatan jaringan.
• Kita juga dapat mengukur pengembalian berdasarkan pangsa pasar dan beberapa asumsi (yang juga menyebabkan nilai yang diprediksi menjadi tidak dapat diandalkan).

Karena utilitas lebih subjektif dan abstrak untuk nilai, kita bisa memulai dengan arus kas. Dengan asumsi pasar ML bisa mencapai ukuran pasar tertentu di masa depan (lihatPrecedence Research memperkirakanpada gambar di bawah), kita dapat menilai jaringan Bittensor berdasarkan pangsa pasar potensialnya dan kelipatan pendapatan.

Terlepas dari ukuran pasar yang diperkirakan, Bittensor masih merupakan proyek yang sangat spesialis dan kompleks untuk dipahami, yang merupakan hambatan bagi pengembang yang mudah untuk bergabung dan diadopsi oleh pengguna.

Proyek ini masih berada pada tahap pengembangan yang sangat awal, dan mungkin akan muncul isu-isu tak terduga dengan jaringan. Misalnya, pada bulan Juni terjadi kolusi antara para penambang yang memanipulasi jaringan dan menyebabkan $TAO dijual di pasar. Solusi sementara adalah menurunkan emisi sebesar 90% untuk memberi waktu ekstra kepada Yayasan Opentensor untuk mencari solusi agar jaringan tetap jujur dan memungkinkan protokol beroperasi sebagaimana dimaksud.

Sebagian besar produk yang saat ini aktif di jaringan tidak dapat bersaing dengan pihak berwenang terpusat, dan sejauh ini memiliki tingkat adopsi yang rendah. Cara terbaik untuk belajar dan mencoba sendiri adalah dengan menguji layanan yang ditawarkan di Pusat Bittensor.

Kita juga seharusnya bertanya apakah tokenomika Bitcoin masuk akal untuk jaringan yang mengkhususkan diri dalam menyediakan layanan kecerdasan buatan seperti Bittensor. Mungkin sifat disinflesi $BTC tidak terbaik untuk jaringan yang membutuhkan jumlah penambang dan aplikasi yang terus meningkat untuk dapat berkembang. Idealnya, token tersebut seharusnya mengalami inflasi seiring dengan pertumbuhan adopsi jaringan, lebih mirip dengan minyak digital daripada emas digital. Dalam beberapa hal, ini sudah terintegrasi, mendorong para penambang untuk bersaing satu sama lain dan mendistribusikan pasokan selama lebih dari 200 tahun.

Tantangan lain adalah privasi, karena tidak mungkin mengenkripsi data sebelum melewati jaringan saraf. Ini bahkan lebih bermasalah dalam pengaturan terdesentralisasi, karena setiap data yang melewati proses pembelajaran dan/atau inferensi pasti tidak akan bersifat pribadi. Memang ini adalah masalah potensial dengan pusat juga, tetapi kemudian Anda hanya perlu khawatir tentang 1 pihak yang diketahui melihat data Anda daripada banyak yang tidak diketahui.

Ekonomi

Harga Token

Harga relatif terhadap ATH dan ATL

Distribusi Pasokan

Kesimpulan

Bittensor bisa menjadi taruhan yang kuat pada perpotongan AI dan crypto. Namun, ini tanpa ragu merupakan salah satu proyek paling kompleks untuk mengevaluasi tingkat pertumbuhannya dan potensi keuntungan.

Terdapat potensi besar dalam jaringan terdesentralisasi untuk memanfaatkan utilitas AI, terutama ketika mendorong model open source dan mendesentralisasikan kepemilikan jaringan. Namun, layanan dan kasus bisnis yang dibangun di atas Bittensor belum cukup kompetitif.

AI juga merupakan industri yang memerlukan biaya operasional yang besar dan jumlah pendanaan yang hanya dapat dicapai oleh raksasa industri. Bittensor adalah taruhan yang sangat kontra dalam hal ini, itulah sebabnya layak untuk mempertimbangkan sebanyak mungkin faktor risiko/imbalan.

Referensi

Bittensor - TAO

• Situs web
• Dokumen
• Whitepaper
• Konsensus Yuma
• Penjelajah
• Jembatan TAO
• Delegasi
• Taostats
• Berita TAO
• Coingecko
• Twitter
• Discord
• Grup Telegram Komunitas
• Github
• @Bittensor">Youtube
• Blog Yayasan Opentensor
• Yayasan Opentensor LinkedIn
• Template subnet Bittensor
• Daftar Validator

Sumber eksternal

• Konvergensi Crypto dan AI oleh Multicoin Capital
• The Bittensor Hub – Pengumpul konten

Penafian：

1. Artikel ini dicetak ulang dari [inirevelointel]. Semua hak cipta milik penulis asli [revelointel]. Jika ada keberatan dengan cetak ulang ini, silakan hubungi Gerbang Belajartim, dan mereka akan menanganinya dengan segera.
2. Penafian Kewajiban: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata milik penulis dan bukan merupakan saran investasi.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.