Введение

С недавним взрывом и увеличением популярности искусственного интеллекта многие выдвинули различные тезисы о том, где пересекаются искусственный интеллект и криптовалюта. Эти инновации имеют потенциал революционизировать различные аспекты нашей цифровой жизни, от управления цифровыми активами до сохранения интеллектуальной собственности и борьбы с мошенничеством. Особенно следует отметить, что эта сходимость привела к появлению двух важных тенденций:

• Интеграция искусственного интеллекта с блокчейн-инфраструктурой, такая как Render ($RNDR), Akash ($AKT) или Fetch.ai ($FET).
• Появление протоколов, поощряющих производство искусственного интеллекта машинного обучения, например, Bittensor ($TAO).

Предыдущие приложения искусственного интеллекта в области блокчейна в основном концентрировались на инфраструктуре, обеспечивая хранение моделей ИИ/МО и аренду графических процессоров. Это привело к таким тенденциям, как стимулирование токенов для обучения с подкреплением, zkML и реестры идентификации на основе блокчейна для борьбы с глубокими подделками. Одновременно набирает обороты параллельная тенденция: протоколы, стимулирующие интеллект.

В этом отчете мы погружаемся в пересечение искусственного интеллекта и криптовалюты, с особым вниманием к Bittensor и токену $TAO, исследуя их роли на рынке Peer-to-Peer Intelligence и восхождение Digital Commodity Marketplace.

Используя самые последние Обновление Революциикоторое произошло 2 октября, мы также предоставляем исторический обзор, прогноз по сектору, конкурентный анализ и идеи о ценностном предложении $TAO.

Обзор

Bittensor - это протокол с открытым исходным кодом с основной миссией: содействовать развитию искусственного интеллекта через блокчейн-ориентированную систему поощрений. В этой экосистеме участники получают награду в виде токенов $TAO за свои усилия.

Bittensor функционирует как сеть майнинга, используя токен-стимулы для поощрения участия, соблюдая принципы открытости и децентрализации. В рамках этой сети несколько узлов размещают модели машинного обучения, совместно внося вклад в пул интеллекта. Эти модели играют ключевую роль в анализе обширных текстовых данных, извлечении семантического значения и генерации ценных идей в различных областях.

Для пользователей основными функциями являются возможность запроса сети для доступа к информации, участие в майнерах и валидаторах для добычи токенов $TAO и контроль над своими кошельками и балансами.

Сеть Bittensor полагается на вклад разнообразного круга заинтересованных сторон, включая майнеров, валидаторов, номинантов и потребителей. Такой коллаборативный подход обеспечивает возвышение лучших моделей искусственного интеллекта, улучшая качество предлагаемых сетью услуг по искусственному интеллекту.

Сторона предложения имеет два уровня: ИИ (Майнеры) и блокчейн (Валидаторы).

• Майнеры в сети Bittensor размещают модели искусственного интеллекта и делают их доступными для сети, их успех определяется качеством и производительностью, которые они обеспечивают.
  • Майнерам компенсируют $TAO на основе их вклада в сеть (хотя это зависит от конкретной задачи).
  • Модели с высоким рейтингом пользуются большим спросом и приносят больше дохода майнерам.
• Валидаторы выступают в качестве оценщиков в сети. Они оценивают качество и эффективность моделей искусственного интеллекта и управляют запросами пользователей. Таким образом, валидаторы ранжируют модели на основе их производительности для конкретных задач, помогая потребителям находить лучшие решения. Чем более точные и последовательные их оценки, тем больше они зарабатывают в виде вознаграждения. Точно так же несогласованные оценки могут привести к штрафам, обеспечивая поддержание высоких стандартов валидаторами.
  • Валидаторы стимулируются $TAO, чтобы ранжировать майнеров на основе их "вклада в интеллект".
  • Валидаторы также отвечают за маршрутизацию входных данных для получения наилучшего результата. Это достигается путем формирования коалиций между Майнерами (моделями), которые дополняют друг друга (субсети).

Со стороны спроса разработчики могут создавать приложения поверх Валидаторов, используя (и платя за) специфические для конкретного случая возможности искусственного интеллекта сети.

• Номинанты - это лица, удерживающие токены $TAO и активно поддерживающие конкретных валидаторов, делегируя свои токены им. Эта делегация помогает валидаторам получить больше поддержки и наград. Сами номинанты зарабатывают награды за свое участие в этом процессе. Если валидатор плохо справляется с задачей или если номинант считает, что есть лучший вариант, они могут перенести свою поддержку на другого валидатора.
• Потребители являются конечными пользователями моделей искусственного интеллекта, предоставляемых Bittensor. Они могут быть как разработчиками приложений, интегрирующими возможности искусственного интеллекта в свои приложения, так и пользователями чат-ботов, ищущими высококачественные ответы.
  • Потребители отдают предпочтение получению точных и ценных ответов.
  • Разработчики, в частности, выбирают валидаторов, которые, по их мнению, лучше всего соответствуют их требованиям, чтобы гарантировать предоставление первоклассных ИИ-сервисов своим пользователям.

Продукт согласования между перечисленными заинтересованными сторонами приводит к сети, которая способствует лучшим моделям для определенного случая использования. Каждому можно экспериментировать, что затрудняет даже конкуренцию закрытым компаниям.

Кредит – Искусственный интеллект: Тезис Bittensor by David Attermann

Одним из наиболее распространенных заблуждений является то, что сеть поддерживает обучение ML. В своем текущем состоянии Bittensor исключительно поддерживает вывод, который представляет собой процесс вывода выводов и предоставления ответов на основе доказательств и рассуждений. Обучение, с другой стороны, представляет собой отдельный процесс, который включает в себя обучение модели машинного обучения выполнять задачу. Это достигается путем подачи модели обширного набора данных с метками примеров, позволяя ей изучать закономерности и ассоциации между данными и метками. В то время как вывод использует обученную модель машинного обучения для делания прогнозов по новым, невидимым данным. Например, модель, обученная классифицировать изображения, может быть использована для вывода с целью определения класса нового, ранее не виденного изображения.

Следовательно, важно отметить, что Bittensor не выполняет ML on-chain, а функционирует скорее как цепочка Oracle или сеть валидаторов, которая соединяет и оркестрирует узлы ML вне цепи (майнеров). Эта конфигурация создает децентрализованную смесь экспертов (MoE) сеть, архитектуру ML, которая объединяет несколько моделей, оптимизированных для различных возможностей, чтобы сформировать более надежную общую модель.

Рынок интеллекта Peer-to-Peer

Рыночное разведывание Bittensor - это новаторская концепция в области развития искусственного интеллекта, предлагающая децентрализованную и разрешающую платформу, которая резко контрастирует с более закрытыми моделями, такими как OpenAI или Gemini от Google.

Этот рынок создан для поощрения конкурентной инновации, стимулирования роста индустрии искусственного интеллекта и обеспечения доступа к ИИ глобальному сообществу разработчиков и пользователей. Любая форма ценности может быть стимулирована - протокол для поощрения/создания справедливого рынка для любого цифрового товара.

Другими словами, протокол воплощает подход от однорангового обмена возможностями машинного обучения и прогнозами среди участников в сети. Он облегчает обмен и сотрудничество моделями и сервисами машинного обучения, способствуя содействию и включению среды, где могут быть размещены как открытые, так и закрытые модели.

Рост цифрового товарного рынка

Bittensor уникален в том смысле, что он заложил основы для появления рынка цифровых товаров, эффективно превращая машинный интеллект в объект торговли. В своей основе протокол устанавливает рынок, где машинный интеллект становится товаром.

Подобно генетическому алгоритму, стимулирующая система Bittensor непрерывно оценивает производительность Майнеров и делает выбор или перерабатывает их со временем. Этот динамичный процесс обеспечивает эффективность и отзывчивость сети на изменяющийся ландшафт развития искусственного интеллекта.

На рынке интеллекта Bittensor создается ценность по двойному подходу:

• Высокопроизводительные модели ИИ, размещенные майнерами, известными как участники, получают вознаграждение в виде токенов $TAO.
• Валидаторы, которые оценивают и используют интеллект, также вознаграждаются токенами $TAO.

Стоит отметить, что Bittensor не вознаграждает исключительно за сырую производительность, но делает упор на создание наиболее ценного «сигнала». Это означает, что система вознаграждения приоритизирует создание информации, которая приносит существенные выгоды широкой аудитории, в конечном итоге способствуя развитию более ценного товара.

Согласие Юма

В качестве автономного блокчейна уровня 1 Bittensor работает на алгоритме согласия Yuma. Это децентрализованный алгоритм согласия, который обеспечивает справедливое распределение вычислительных ресурсов по сети узлов.

Yuma работает на гибридном механизме консенсуса, объединяющем элементы Proof-of-work (PoW) и proof-of-stake (PoS). Узлы в сети выполняют вычислительную работу для проверки транзакций и создания новых блоков. Эта работа затем проверяется другими узлами, и успешные участники получают вознаграждение токенами. Именно компонент PoS стимулирует узлы держать токены, согласуя их интересы с стабильностью и ростом сети.

По сравнению с традиционными механизмами консенсуса, эту гибридную модель предлагает несколько преимуществ. С одной стороны, она избегает излишнего потребления энергии, часто связанного с Proof of Work (PoW), решая проблемы окружающей среды. С другой стороны, она обходит риски централизации, видимые в proof of stake (PoS), сохраняя децентрализацию и безопасность сети.

Механизм консенсуса Yuma выделяется своей способностью распределять вычислительные ресурсы по обширной сети узлов. Этот подход имеет далеко идущие последствия, поскольку он позволяет обрабатывать более сложные задачи и обрабатывать большие наборы данных с легкостью. Поскольку в сеть включаются дополнительные узлы, она естественным образом масштабируется для обеспечения все более значительной нагрузки.

В отличие от традиционных централизованных приложений ИИ, которые зависят от одного сервера или кластера, приложения, работающие на платформе Yuma, могут быть распределены по сети узлов. Это распределение оптимизирует вычислительные ресурсы, позволяя справиться с сложными задачами и уменьшить риски, связанные с отказами и уязвимостями безопасности.

Процесс передачи знаний - цифровой мозговой trust

Дистилляция знаний - это фундаментальное понятие в протоколе Bittensor, способствующее совместному обучению сетевых узлов для повышения производительности и точности. Подобно тому, как нейроны в человеческом мозге работают вместе, дистилляция знаний позволяет узлам совместно улучшать свои навыки в сети.

Этот процесс включает обмен образцами данных и параметрами модели между узлами, что приводит к сети, которая самооптимизируется с течением времени для более точных прогнозов. Каждый узел вносит свой вклад в общий пул, в конечном итоге улучшая общую производительность сети, делая ее более быстрой и лучше подходящей для приложений обучения в реальном времени, таких как робототехника и автономные автомобили.

Этот метод критически важен, поскольку он смягчает риск катастрофического забывания, общего вызова в машинном обучении. Узлы сохраняют и расширяют свои существующие знания, в то время как интегрируют новые идеи, улучшая устойчивость и адаптивность сети.

Распределяя знания по нескольким узлам, сеть Bittensor TAO становится более устойчивой к сбоям и потенциальным нарушениям данных. Эта надежность особенно важна для приложений, работающих с высоко-защищенными и конфиденциальными данными, такими как финансовая и медицинская информация (больше о конфиденциальности позже).

Смесь экспертов (MoE)

Поднимая инновации на новый уровень, сеть Bittensor представляет концепцию децентрализованного Mixture of Experts (MoE). Этот подход использует мощь нескольких нейронных сетей, каждая из которых специализируется на различных аспектах данных. Когда вводятся новые данные, эти эксперты сотрудничают для получения более точных коллективных прогнозов, чем мог бы достичь любой отдельный эксперт в одиночку.

Механизм согласования, используемый, объединяет глубокое обучение с алгоритмами согласования блокчейна. Его основная цель - распределение доли в качестве стимула для участников, вносящих наибольшую информационную ценность в сеть. По сути, это вознаграждает тех, кто улучшает знания и возможности сети.

В своей основе протокол Bittensor состоит из параметризованных функций, часто называемых нейронами. Эти нейроны распределены между своими узлами в режиме равноправия, при этом каждый из них хранит ноль или более сетевых весов, записанных в цифровой реестр. Узлы активно участвуют в ранжировании друг друга, обучая нейронные сети для определения значения их соседних узлов. Этот процесс ранжирования имеет решающее значение для оценки вклада отдельных узлов в общую производительность сети.

Очки, сгенерированные в ходе этого процесса ранжирования, накапливаются на цифровом реестре. Высокорейтинговые участники получают денежные вознаграждения, приобретая дополнительный вес в сети. Это устанавливает прямую связь между вкладом участника и его вознаграждениями, способствуя справедливости и прозрачности в сети.

Этот подход представляет собой рынок, где интеллект ценится другими системами интеллекта в режиме равноправного взаимодействия через интернет. Это стимулирует сверстников постоянно улучшать свои знания и экспертизу.

Для обеспечения справедливого распределения вознаграждений Bittensor использует значения Шепли, концепцию, заимствованную из теории кооперативных игр. Значения Шепли предлагают справедливый и эффективный способ распределения вознаграждений среди узлов сети на основе их вкладов. Это выравнивание стимулов с вкладами мотивирует узлы действовать в лучших интересах сети, улучшая безопасность и эффективность, а также обеспечивая непрерывное совершенствование.

Ядро миссии Bittensor заключается в содействии инновациям и сотрудничеству в области искусственного интеллекта через децентрализованную структуру. Эта структура позволяет быстрому расширению и обмену знаниями, создавая постоянно растущую и непреодолимую библиотеку информации. На этом рынке разработчики могут монетизировать свои модели искусственного интеллекта и предоставлять ценные решения для бизнеса и частных лиц.

Видение Bittensor простирается в будущее, где модели искусственного интеллекта легко доступны и могут быть развернуты в широком спектре отраслей. Эта доступность способствует прогрессу и открывает новые возможности, сокращая разрыв между возможностями искусственного интеллекта и прикладными применениями в реальном мире.

Подобно ведущим глобальным моделям искусственного интеллекта, таким как Чат GPT, модели Bittensor генерируют «представления» на основе универсального набора данных. Для оценки производительности модели,Информация Фишераиспользуется для оценки влияния удаления узла из сети, подобно потере нейрона в человеческом мозге.

Помимо ранжирования моделей, Bittensor уделяет большое внимание интерактивному обучению. Каждая модель активно взаимодействует с сетью, стремясь взаимодействовать с другими моделями, аналогично поиску DNS. Bittensor функционирует как API, облегчающий обмен данными между этими моделями, способствуя совместному обучению и обмену знаниями - с использованием как открытых, так и закрытых моделей.

Используя консенсус Yuma для обеспечения того, что каждый играет по правилам, экосистема выступает в качестве движущей силы для разработчиков открытого исходного кода и лабораторий исследований искусственного интеллекта, предлагая финансовые стимулы для улучшения открытых базовых моделей.

По сути, Bittensor функционирует как постоянно расширяющийся репозиторий машинного интеллекта. Это достигается путем объединения 4 различных уровней:

• Слой майнера отвечает за производство ценной работы в сети.
• Слой валидатора обеспечивает соблюдение майнерами установленных правил консенсуса.
• Слой предприятия строится на существующей инфраструктуре для разработки инновационных продуктов и услуг. Он служит платформой для использования коллективного интеллекта сети для создания новых решений.
• Потребительский уровень получает выгоду от работы, выполняемой на предприятий уровне. Это представляет конечных пользователей или организации, которые используют продукты и услуги, основанные на сети Bittensor.

История

Bittensor был основан в 2019 году двумя исследователями в области искусственного интеллекта, Jacob SteevesиАла Шаабана(и один псевдонимный автор белой книги, Юма Рао), который искал способ сделать искусственный интеллект компаундабельным. Они вскоре поняли, что криптовалюта может быть решением - способом поощрять и оркестрировать глобальную сеть узлов ML для совместного обучения на конкретных проблемах. Постоянно добавляемые ресурсы в сеть повышают общий интеллект, накапливая работу, выполненную предыдущими исследователями и моделями.

Путь Bittensor начался с запуска 'Kusanagi' в январе 2021 года, что означало активацию сети и позволило майнерам и валидаторам начать зарабатывать первые $TAO вознаграждения. Однако эта первоначальная итерация столкнулась с временными остановками из-за проблем согласования. В ответ Bittensor разветвил 'Kusanagi' в 'Nakamoto' в ноябре 2021 года.

20 марта 2023 года был достигнут значительный этап, поскольку 'Nakamoto' был вновь разветвлен, на этот раз превратившись в 'Finney'. Цель этого обновления заключалась в улучшении производительности ядра кода.

Известно, что Bittensor изначально стремился стать парачейном на Polkadot, обеспечив парачейный слот через успешный аукцион в январе. Однако было принято решение использовать собственный автономный блокчейн L1, построенный наСубстратвместо того чтобы полагаться на Polkadot из-за опасений, связанных со скоростью развития Polkadot.

Текущий статус

Bittensor уже год находится в основной сети, и его основное внимание уделяется пионерским исследованиям и заложению основ для его будущего потенциала. Вот обзор текущего статуса и причины, по которым деловые сценарии еще не были построены на основе его валидаторов:

• Разреженная смесевая модель: Bittensor работает как одинразреженная смесовая модель. Он привлекает в эту смесь конкретные модели ИИ, каждая из которых решает нишевые роли в решении более крупных проблем, определенных валидаторами. Конфигурирование и настройка этой модели для достижения современного уровня и за его пределами является сложным и итеративным процессом. Этот этап дорожной карты в настоящее время возглавляет Opentensor Foundation.
• Сжатие интеллекта (дистилляция): Сжатие интеллекта является центральной научной задачей для Bittensor. Это включает в себя техники дистилляции для повышения эффективности и возможностей сети.
• Оптимизация для великой цели: Основное внимание Bittensor уделяется оптимизации для великой цели, а не краткосрочным бизнес-кейсам. Opentensor стремится создать сеть, которая выходит за рамки обычной пиринговой платформы с системой ценообразования для моделей.
• Прогресс и обновления: За последний год Opentensor сделал значительные успехи, включая обновление Synapse, которое открыло Bittensor для внешних запросов. В октябре 2023 года обновление Revolution позволило расшириться через субсети. Это дает возможность крупным валидаторам самостоятельно определять проблемы, создавая возможности для получения денежных потоков от их доли.
• К реальному расширению: Сеть Финни ставит точку развития для Bittensor, позволяя валидаторам действовать более независимо и уменьшая начальную централизацию. По мере роста стейка сети и увеличения блоков вознаграждения, это способствует росту искусственного интеллекта.
• Деловые кейсы использования искусственного интеллекта на горизонте: Bittensor предвидит расширение реальных деловых кейсов использования искусственного интеллекта по мере того, как заинтересованные стороны, включая людей и искусственный интеллект, следуют своим стимулам. Мульти- и мета-модальная реализация на горизонте, объединяя подсети в единый формат 'интеллекта'.

С последним обновлением Revolution Bittensor открыл возможность для любого создать субсеть, специализирующуюся на определенном типе приложения. Например, Подсеть 4используетJEPA (Совместное встраивание предсказанной архитектуры), которая является подходом в области искусственного интеллекта, созданным Meta's Янн ЛеКанобработать различные типы входных и выходных данных, такие как видео, изображения и звук в одной модели.

Еще одним замечательным достижением являетсяCerebras, BTLM-3B-8K (Bittensor Language Model, модель с 3B параметрами, которая позволяет запускать высокоточные и производительные модели на мобильных устройствах, делая искусственный интеллект значительно более доступным. BTLM-3B-8K доступен на Обнимающее лицос лицензией Apache 2.0 для коммерческого использования.

Крупные модели GPT обычно имеют более 100 миллиардов параметров, требующих несколько высокопроизводительных графических процессоров для выполнения вывода. Однако выпуск LLaMA от Meta дал миру высокопроизводительные модели с всего 7 миллиардами параметров, что позволяет запускать LLM на высокопроизводительных ПК.

Но даже модель с параметром 7B, квантованная до 4-битной точности, не помещается во многие популярные устройства, такие как iPhone 13 (4 ГБ ОЗУ). В то время как модель 3B легко поместилась бы на практически все мобильные устройства, ранее созданные модели такого размера существенно уступали своим аналогам с параметром 7B.

BTLM находит баланс между размером модели и производительностью. С 3 миллиардами параметров он предлагает уровень точности и способности, значительно превосходящий предыдущие модели размером 3 млрд.

При рассмотрении отдельных показателей BTLM занимает первое место в каждой категории, за исключением TruthfulQA.

BTLM-3B не только превосходит все модели 3B, но также работает на уровне многих моделей 7B.

Революция – Bittensor Subnet Upgrade

Обновление Bittensor Revolution, запущенное 2 октября, знаменует собой важную веху в развитии Bittensor, возвещая о существенных изменениях в его операционной структуре. Центральное место в этом обновлении занимает внедрение «подсетей» — новаторской концепции, которая предоставляет разработчикам беспрецедентную автономию в формировании своих механизмов стимулирования и создании рынков в экосистеме Bittensor.

Одной из ключевых особенностей этого обновления является введение специализированного языка программирования, разработанного специально для создания инцентивных систем. Это инновация дает разработчикам возможность создавать и внедрять свои инцентивные механизмы в сети Bittensor, используя ее обширный пул интеллекта для настройки рынков под свои конкретные требования и предпочтения.

Это обновление также представляет собой заметное отклонение от централизованной модели, в которой один фонд контролирует все аспекты сети, к более децентрализованной структуре. Теперь различным лицам или группам предоставляется возможность владеть и управлять подсетями.

С появлением «подсетей» теперь каждый может создавать свои собственные подсети и определять свои стимулирующие механизмы, способствуя более широкому спектру услуг в экосистеме Bittensor. Этот сдвиг способствует разнообразию и децентрализации в сети, соответствуя принципам открытости и сотрудничества, лежащим в основе миссии Bittensor.

Кроме того, подсети будут конкурировать за эмиссии, получая согласие от делегатов в новой «сети маршрутизации», вводя конкурентный элемент, который может стимулировать инновации и распределение ресурсов.

Появление пользовательских подсетей может напоминать взрыв приложений на Ethereum после того, как он открыл свои двери для мирового сообщества разработчиков. Это обновление также подчеркивает потенциал объединения различных инструментов и сервисов в единую сеть. По сути, каждый элемент, необходимый для формирования интеллекта, теперь находится под одной крышей, регулируемый единственным токеном ($TAO).

Сеть маршрутов

Сеть маршрутов служит ключевым компонентом в экосистеме Bittensor. Она выступает в качестве мета-подсети с решающей ролью в распределении эмиссий по другим подсетям, основанных на взвешенном согласии от ключевых делегатов. Этот сдвиг имеет трансформационный характер, поскольку он фундаментально изменяет Bittensor с единой контролируемой системы на динамичную «сеть сетей».

Критически важно, что графики эмиссии теперь не находятся исключительно под контролем Фонд Opentensor. Делегаты в сети 'корень' теперь имеют власть над распределением поощрений. Этот сдвиг децентрализует контроль над поощрениями, устраняя единоличную зависимость от любого отдельного субъекта и передавая ее в руки сети 'корень'.

Подсетей

Подсети в сети Bittensor - это самостоятельные инцентивные механизмы, которые обеспечивают каркас для взаимодействия майнеров с платформой. Эти подсети играют ключевую роль в определении протоколов, регулирующих взаимодействие между майнерами и валидаторами.

Кроме того, конкретика механизмов поощрения больше не зашита в кодовой базе Bittensor. Вместо этого эти детали определяются в репозиториях подсети, что обеспечивает большую гибкость и адаптивность.

Bittensor вводит специфические подсети, такие как подсеть подсказок и подсеть временных рядов. Подсеть подсказок позволяет выполнение различных нейронных сетей подсказок, включая GPT-3, GPT-4, ChatGPT и другие, для децентрализованного вывода. Эта функциональность позволяет пользователям взаимодействовать с валидаторами в сети и получать результаты от лучших моделей, обеспечивая свои приложения передовыми возможностями искусственного интеллекта.

Подсети работают посредством распределения токенов $TAO майнерам и валидаторам на основе вклада, который они вносят в сеть. Точные правила и протоколы для ответов майнеров на запросы валидатора и процесс оценки, проводимый валидаторами, определяются кодом в каждом репозитории подсети.

• При запуске будет доступно девять слотов подсети, каждая из которых по умолчанию вмещает 256 UID (за исключением Подсети 1, которая вмещает 1024). Подсети будут активно конкурировать за эмиссии, стремясь получить вес консенсуса от делегатов внутри сети 'root'.
• Для регистрации подсети физические лица или организации должны заблокировать определенное количество $TAO на протяжении существования подсети. Владельцы подсети берут на себя роль полных администраторов сети и имеют право на эмиссии, распределяемые через их соответствующие подсети. Они обладают полными разрешениями, включая возможность вызова действий sudo по всей сети, таких как установка гиперпараметров, например, минимальных тарифов сети.

• Каждая подсеть связана с уникальным UID сети, а право собственности на подсеть передается кошельку, который заблокировал необходимое количество $TAO для ее регистрации. При создании подсети соответствующая сумма $TAO списывается с кошелька создателя и прикрепляется к подсети. В случае снятия подсети с регистрации заблокированный $TAO возвращается владельцу.
• Заметным аспектом является то, что 18% выбросов, возвращенных на замороженный $TAO в подсети, присуждаются владельцу подсети. Это стимулирует создателей подсетей создавать механизмы, привлекающие делегатов в сеть маршрутизации, так как это повышает их шансы избежать дерегистрации.
• Вновь зарегистрированным подсетям предоставляется недельный период иммунитета, в течение которого они не могут быть отменены. Первоначальная стоимость блокировки составляет 2500 $TAO, которая удваивается при регистрации новой подсети. Со временем стоимость блокировки постепенно снижается, следуя линейной схеме, аналогичной механизму голландского аукциона. Этот подход направлен на поиск равновесия в спросе на слоты подсетей путем корректировки стоимости блокировки с течением времени.

• Когда подсеть дерегистрируется, $TAO, заблокированный для ее регистрации, возвращается владельцу, все майнеры внутри подсети удаляются, и состояние сети сбрасывается.

Сеть Root

Корневая сеть выступает в качестве «мета-подсети», которая работает над другими подсетями и влияет на них, играя ключевую роль в определении показателей выбросов во всей системе.

Его основная функция заключается в использовании взвешенного механизма консенсуса с участием делегатов для создания вектора эмиссии для каждой подсети. Делегаты внутри сети 'root' присваивают веса различным подсетям на основе своих предпочтений, и механизм консенсуса в конечном итоге определяет распределение эмиссий.

Один из заметных аспектов заключается в том, что сеть 'root' эффективно consolideert роли как Сената, так и механизмов делегирования, объединяя эти функции в единое целое. Эта консолидация оптимизирует процессы принятия решений в экосистеме Bittensor.

Сеть 'root' обладает полномочиями формировать экосистему путем влияния на выделение эмиссии. Если она считает какой-либо подсети или конкретный аспект системы неценным, у нее есть возможность сократить или устранить эмиссию для этого компонента.

Подсети в сети Bittensor должны активно стремиться привлечь большинство весов от делегатов в 'корневой' сети, чтобы обеспечить значительную долю эмиссий. Этот конкурентный аспект подчеркивает важность подсетей в демонстрации своей ценности и полезности для более широкой экосистемы.

Более того, она наделяет верхние 12 ключей в сети потенциалом вето на предложения, поданные триумвиратом, добавляя дополнительный уровень управления и систему контроля и балансировки в систему.

Прогноз сектора

В мире технологий власть давно сконцентрирована в руках нескольких гигантов технологической отрасли. Эти гиганты сохраняли контроль над ценными цифровыми товарами, необходимыми для стимулирования инноваций. Однако Bittensor признает и оспаривает доминирующую парадигму, представляя более демократичную и доступную систему через свой рынок.

Основное открытие Bittensor заключается в понимании того, что интеллект является результатом различных цифровых товаров, таких как вычислительная мощность и данные. Исторически эти товары были тщательно контролируемы и ограничены доменом техногигантов. Bittensor стремится разорвать эти цепи, представив пользовательские подсети. Эти рынки будут функционировать на основе единой системы токенов, обеспечивая равный доступ разработчикам по всему миру к ресурсам, которые ранее были исключительной прерогативой избранных лиц в закрытой экосистеме Big Tech.

Потенциальное внедрение

В сегодняшнюю цифровую эпоху преобразующая сила искусственного интеллекта (ИИ) неоспорима. Искусственный интеллект стал неотъемлемой частью нашей жизни, упрощая исследования, автоматизируя рабочие процессы, помогая в кодировании и создании контента из текста. Быстрый рост возможностей ИИ очевиден, но этот рост сопряжен с проблемами, связанными с масштабируемостью и, самое главное, надежностью.

Недавние инциденты, такие как временное прекращение работы ChatGPT во время обсуждения регулирования искусственного интеллекта в Вашингтоне, подчеркнули критическую необходимость надежных решений для решения масштабных вызовов искусственного интеллекта. Эти сбои заставили пользователей беспокоиться о стабильности и надежности искусственного интеллекта, поскольку он все более интегрируется в наш повседневной жизни. Именно в такие моменты становится очевидной значимость $TAO от Bittensor.

Подход Bittensor не только отстаивает открытый исходный код ИИ, но и демонстрирует, что это может быть финансово выгодным занятием. Он повторяет конкурентную эволюцию, наблюдаемую в майнинге биткойнов, и прокладывает путь к процветающему рынку, где лучшие модели ИИ выходят на передний план. Этот сдвиг дает возможность исследователям ИИ внести свой вклад в открытое и динамичное окружение, в конечном итоге принеся пользу обществу в целом.

$TAO предлагает децентрализованную инфраструктуру искусственного интеллекта, которая может смягчить потенциальные проблемы, подобные той, с которой столкнулся ChatGPT. Децентрализуя ИИ, Bittensor обеспечивает устойчивость и надежность систем ИИ, даже несмотря на то, что спрос на них продолжает расти. Такой подход закладывает надежную основу для будущего сервисов ИИ.

Простыми словами, Bittensor появляется как глобальный рынок для искусственного интеллекта с открытым исходным кодом, представляя убедительное решение для вызовов, стоящих перед развитием закрытого искусственного интеллекта.

• Гравитационная сила для достижения превосходства в области искусственного интеллекта: Bittensor действует как гравитационная сила, привлекающая лучшие модели искусственного интеллекта от исследователей со всего мира. Содействуя свободному рынку искусственного интеллекта, сеть поощряет представление передовых моделей. Стремясь к зрелости, Bittensor обещает более низкие цены, устраняет риски платформы и предлагает лучшие результаты искусственного интеллекта, будь то текст, изображения, видео или другие форматы.
• Прибыльный ПО с открытым исходным кодом: Bittensor превращает ИИ с открытым исходным кодом в прибыльное предприятие. Следуя примеру Биткойна, Bittensor структурирован с предположением, что заинтересованные стороны ориентированы на прибыль. В этой экосистеме лучшие модели ИИ зарабатывают больше всего денег. Это идет параллельно с эволюцией майнинга биткойнов, переходом в конкурентоспособную и профессиональную отрасль. Теперь у исследователей PhD есть возможность вывести свои исследования на этот открытый рынок, преодолевая разрыв между академическими кругами и частным бизнесом.
• Впечатляющий масштаб: Поощрения Bittensor принесли замечательные результаты. Сеть обслуживает более 4000 моделей ИИ, включающих в себя 10 триллионов параметров моделей. Чтобы представить это в перспективе, GPT-3 имеет 175 миллиардов параметров.
• Разнообразные заинтересованные стороны: экосистема Bittensor включает в себя широкий круг заинтересованных сторон, включая майнеров, валидаторов, номинантов и потребителей. Это разнообразное участие обеспечивает надежность сети и непрерывный рост.

Одним из важных соображений является текущее состояние искусственного интеллекта, большая часть которого остается недоступной за закрытыми дверьми и под контролем нескольких техногигантов. Это порождает вопрос: а что, если ИИ может быть открытым и учиться от других моделей ИИ в совместной среде? $TAO Bittensor стремится предложить решение этому вопросу.

• Принятие через рост: В то время как некоторые крупные компании по искусственному интеллекту могут колебаться, прежде чем сделать свои собственные технологии искусственного интеллекта общедоступными, $TAO предлагает интригующее предложение. Он вводит возможность дальнейшей монетизации через микротранзакции. Представьте установленные решения по искусственному интеллекту, такие как OpenAI, принимающие микроплатежи каждый раз, когда кто-то использует их обучающие модели в экосистеме Bittensor для создания своих продуктов и бизнеса. Это может открыть новый источник дохода для этих компаний, побуждая их участвовать в открытой сети искусственного интеллекта.
• Принятие по требованию: В противном случае предположим, что текущие решения искусственного интеллекта остаются закрытыми и сопротивляются открытым сетям. Даже имея значительные капиталовложения, существует вероятность того, что открытые решения могут выйти за рамки этих сильно финансируемых решений. В то время как финансовые ресурсы имеют решающее значение для технологического развития, потенциал технологии, способной учиться автономно и из своего окружения, не должен недооцениваться.

Дилемма открытого исходного кода

Дебаты вокруг того, следует ли делать модели искусственного интеллекта открытыми, становятся все более актуальными по мере роста опасений относительно проблемы выравнивания в ИИ. Основной вопрос заключается в том, следует ли фактический код моделей искусственного интеллекта быть доступным для всех. Интересно, что даже если крупные игроки, такие как OpenAI, решат сделать свои модели открытыми, это не обязательно представит угрозу для Bittensor. В условиях открытого исходного кода любой может использовать эти модели в сети Bittensor.

В технологическом сообществе существуют расхождения во мнениях по этому вопросу. Некоторые утверждают, что технология искусственного интеллекта с открытым исходным кодом может позволить злоумышленникам использовать ИИ во вредоносных целях. Другие, напротив, утверждают, что предоставление исключительных прав на технологии ИИ крупным корпорациям представляет собой более серьезную опасность. Например, концентрация мощностей ИИ в руках нескольких корпораций с оборотом в триллионы долларов, как видно из того, что OpenAI сосредоточена на привлечении значительных средств, может привести к этическим проблемам, подчеркивая риск коррупции во власти.

Решение Meta открыть исходный код ихLlama2LLM указывает на изменение в отрасли в сторону принятия практик с открытым исходным кодом. Этот шаг предоставляет возможность Bittensor учиться и, возможно, интегрировать достижения Meta в свою сеть, устраняя разрыв в производительности более быстро.

Важно изучить оценку как $TAO, так и OpenAI. В настоящее время OpenAI занимает доминирующее положение в отрасли, с оценка в диапазоне от $80 млрд до $90 млрд. Однако он работает в рамках закрытой экосистемы, тесно связанной с Microsoft и ее разрешенными облачными службами. Несмотря на это, OpenAI успешно привлекает лучшие кадры со всего мира. С другой стороны, по мере того, как время идет и инициативы с открытым исходным кодом становятся более распространенными, пул доступных кадров готов расшириться в геометрической прогрессии, достигнув каждого уголка интернета. Эта демократизация экспертизы в области искусственного интеллекта может сыграть решающую роль в формировании принятия Bittensor.

Конкурентная среда – Централизованный искусственный интеллект

Принятие разработчиками остается ключевым фактором в пути Bittensor. В настоящее время разработчики могут взаимодействовать с сетью через Python API, разработанный OpenTensor Foundation, подчеркивая важность развития крепкого сообщества разработчиков для стимулирования принятия. В настоящее время Bittensor активно работает над децентрализацией критически важных аспектов сети, таких как создание и обучение моделей, вознаграждая наиболее точно настроенные модели, способствуя принятию решений на основе сообщества.

Интересно, установленные игроки в области искусственного интеллекта, включая OpenAI и Google, теперь стали конкурентами $TAO. Они глубоко участвуют в этапе генерации модели искусственного интеллекта и даже рискнули потенциальными вертикальными интеграциями в различных отраслях. В этом контексте одной из основных проблем, с которыми сталкивается $TAO, является проблема разделения данных.

В отличие от технологических гигантов, таких как Facebook, Apple, Amazon, Netflix и Google (FAANG), которые имеют доступ к обширным репозиториям значимых данных, сообщества, собранные сообществами, могут не обладать тем же уровнем ресурсов и доступа к данным. Организации FAANG обладают финансовыми средствами для поддержки своих искусственного интеллекта с помощью мощного оборудования, такого как передовая технология Nvidia, включая H100 и GH200, которые могут значительно ускорить обучение модели искусственного интеллекта.

В то же время важно отметить, что все основные решения в области искусственного интеллекта сегодня характеризуются закрытостью и централизацией. К ним относятся такие крупные компании, как OpenAI, Google, Midjourney и другие, каждая из которых предлагает революционные решения в области искусственного интеллекта. Однако разрыв между закрытыми и открытыми моделями быстро сокращается. Открытые модели набирают популярность благодаря скорости, настраиваемости, конфиденциальности и общей эффективности. Они достигают впечатляющих результатов при относительно скромных бюджетах и параметрах по сравнению с закрытыми аналогами. Более того, эти открытые модели работают в ускоренном режиме, достигая результатов за недели, а не за месяцы.

Google, технологический гигант сам по себе, распознал эту трансформационную тенденцию. A утекший внутренний документиз компании заявляет: «У нас нет рви, и у OpenAI тоже нет рви». Это признание подчеркивает растущее влияние открытого ИИ в конкурентной среде.

В этой развивающейся экосистеме искусственного интеллекта $TAO появляется как катализатор перемен, бросающий вызов традиционной модели развития и обучения искусственного интеллекта. Его децентрализованный подход и принцип, ориентированный на сообщество, позиционируют его как претендента в динамичной арене, где когда-то царили технологические гиганты.

В отличие от централизованных платформ, которые ограничивают доступ к одной модели ИИ, архитектура Bittensor обеспечивает доступ без разрешения к интеллекту. Он служит в качестве единой площадки для разработчиков ИИ, предлагая все необходимые вычислительные ресурсы и принимая внешние вклады. Эта инклюзивная модель соединяет нейронные сети по всему интернету, создавая глобальную, распределенную и стимулируемую систему машинного обучения.

Реализация всего потенциала ИИ требует отхода от практик разработки с закрытым исходным кодом и связанных с ними ограничений. Подобно тому, как дети расширяют свое понимание через социальное взаимодействие, ИИ процветает в динамичной среде. Доступ к разнообразным наборам данных, идеи инновационных исследователей и взаимодействие с различными моделями способствуют созданию более надежных и интеллектуальных систем ИИ. Траектория развития ИИ не должна диктоваться какой-то одной сущностью.

В этом резко контрастирующем будущем выбор между миром, подчиненным алгоритмам черного ящика и централизованной власти, и открытым, демократизированным искусственным интеллектом становится решающим для общества.

В первом сценарии, когда мегакорпорации, такие как OpenAI или Anthropic, держат бразды правления решениями в области искусственного интеллекта, мы рискуем жить в режиме постоянной слежки. Эти корпорации будут обладать огромной властью над нашими персональными данными и повседневным взаимодействием, с правом отключать услуги и сообщать о людях за особые мнения или обсуждения.

Тем не менее, более оптимистичная альтернатива предлагает мир, в котором ИИ уходит корнями в платформы с открытым исходным кодом, построенные на универсальных сетях. Здесь власть и контроль децентрализованы, а ИИ служит инструментом расширения прав и возможностей, а не слежки. В этом сценарии творчество и развитие могут процветать, не опасаясь корпоративной предвзятости или цензуры.

Как интернет демократизировал доступ к информации, открытая экосистема искусственного интеллекта демократизировала бы доступ к интеллекту. Это обеспечивает, что интеллект не монополизируется избранными немногими, способствуя созданию равных условий, в которых любой может вносить свой вклад, учиться и получать выгоду.

$TAO Токеномика

• Как и в случае с биткоином, общее максимальное предложение токенов $TAO ограничено 21 000 000, которые будут выпущены через 256 лет.
• Халвинг $TAO будет происходить каждые 10,5 миллионов блоков, с 64 событиями халвинга, которые произойдут в течение следующих 45+ лет.

• Сеть работает с временем блока примерно 12 секунд, за каждый блок майнерам и валидаторам начисляется 1 $TAO.
• В настоящее время это означает, что каждый день выпускается 7 200 новых токенов $TAO, равномерно распределяемых между майнерами и валидаторами.

Еще одна сходство с биткоином заключается в том, что график выпуска $TAO также следует концепции уменьшения, которое происходит примерно каждые 4 года. Однако это определяется общим объемом выпуска токенов, а не номером блока. Например, после того как будет выпущена половина общего предложения, скорость выпуска уменьшается вдвое.

Важно, что токены $TAO, используемые для утилизации регистраций, сжигаются и возвращаются в неизданный запас, что приводит к постепенному увеличению интервалов деления пополам. Этот механизм гарантирует, что график выпуска динамически корректируется с течением времени, отражая потребности сети и экономическую динамику.

Экономика токенов $TAO

Экономика токенов $TAO Bittensor характеризуется своей простотой, приверженностью к децентрализации и справедливым распределением. В отличие от многих других блокчейн-проектов, токены $TAO не были выделены какой-либо стороне через ICO, IDO, частные продажи венчурным капиталом или привилегированные выделения команде, фонду или советникам. Вместо этого каждый циркулирующий токен должен быть заработан через активное участие в сети.

В сети также участвуют капиталоемкие участники, выступающие в качестве майнеров или валидаторов, а также предоставляющие услуги по созданию рынка, такие как DCG, GSR или Polychain. Важно то, что ни один из них не получил выделение токенов, происходящих из предварительной продажи или частной продажи.

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

Таким образом, валидаторы и майнеры ставят свои токены в качестве залога для обеспечения безопасности сети и получения вознаграждения за счет инфляционных эмиссий, в то время как пользователи и предприятия могут использовать $TAO для доступа к ИИ-сервисам и приложениям, построенным на сети.

Новые токены $TAO могут быть созданы только путем майнинга и валидации. Сеть вознаграждает как майнеров, так и валидаторов, и каждый блок предоставляет 1 награду в размере 1 $TAO, равномерно распределяемую между майнерами и валидаторами. Таким образом, единственными способами получения $TAO являются либо покупка токенов на открытом рынке, либо участие в майнинге и валидации.

Прямолинейная модель распределения токенов $TAO отражает принципы децентрализации, напоминающие этос биткоина, установленный Сатоши Накамото. Генезисная чеканка $TAO согласуется с графиком эмиссии биткоина ($BTC), обеспечивая равные возможности для всех, кто вносит свой вклад в сеть. Такой подход подчеркивает важность предотвращения концентрации власти и собственности, особенно в сфере ИИ, которая имеет значительные социальные последствия и не должна контролироваться немногими избранными.

Эта модель распределения гарантирует, что добыча остаётся конкурентным процессом. По мере присоединения к сети большего числа майнеров конкуренция увеличивается, что затрудняет поддержание прибыльности. Это, в свою очередь, мотивирует майнеров находить способы снижения своих операционных издержек, способствуя эффективности и инновациям в рамках сети.

Захват стоимости $TAO

$TAO, нативный токен сети Bittensor, извлекает свою внутреннюю стоимость из его уникальной роли в экосистеме. В отличие от стандартной модели L1, где сетевые токены извлекают свою стоимость из продажи блокчейн-пространства, стоимость $TAO связана с AI-сервисами, которые он активирует. Поскольку эти AI-сервисы становятся более влиятельными и полезными, возрастает спрос на $TAO.

Хранение $TAO предоставляет доступ к широкому спектру взаимосвязанных цифровых ресурсов, включая данные, пропускную способность и аналитику, генерируемую и проверяемую участниками сети. Как отражено в графике выбросов, ценность $TAO основана не только на спекуляциях или дефиците, но и глубоко укоренена в ощутимом вкладе и полезности, которые она обеспечивает в сети Bittensor.

Однако сохранение этого цикла создания и вознаграждения не гарантировано. Майнеры и валидаторы, внося ценную информацию в сеть и зарабатывая токены $TAO взамен, также имеют стимул продавать их, чтобы покрыть расходы, подобно майнерам биткойнов.

Какова стоимость в цене токена?

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

Вы можете получить только $TAO, внося вклад в сеть. Для этого вам нужно купить и удерживать или потратить его, чтобы начать использовать сеть.

• Факторы спроса:
  • Активность экосистемы:
    • Валидаторы требуют $TAO токенов для регистрации.
    • Пользователи могут приобрести $TAO для участия в процессах голосования, связанных с согласованием интеллекта.
    • Используйте в качестве оплаты в сети.
  • Спрос на стейкинг и делегирование $TAO для получения вознаграждения за стейкинг. Это может помочь защитить от инфляционных эмиссий.
  • Спекулятивная премия как способ сделать ставку на потенциал роста слияния двух прорывных технологий, таких как блокчейн и искусственный интеллект.
  • Сетевые эффекты, которые возникают при входе в сеть большего количества разработчиков и использовании потенциала моделей с открытым исходным кодом
• Подвижные механизмы предложения:
  • Эмиссия токенов из инфляционных эмиссий достигнет общего предложения в 21 000 000
  • Майнеры и валидаторы могут продавать токены $TAO, чтобы покрыть свои операционные расходы. Этот аспект схож с тем, что делают майнеры биткоина для покрытия затрат.

Поскольку сеть расширяется и добавляются новые модели и подсети ИИ, потенциал захвата стоимости увеличивается. Рост сети также поддерживается синергией между ИИ и блокчейном, создавая самоподдерживающийся цикл.

Таким образом, Bittensor воплощает принципы Закона Меткалфа, согласно которому стоимость сети пропорциональна квадрату числа подключенных пользователей или узлов. Чем больше участников присоединяется к сети, тем быстрее растет предлагаемая ею стоимость.

Как получить такую ценность

В Bittensor валидаторы стимулируются привлекать стейк от держателей токенов, и этот стейк фундаментален для их работы в сети. Как держатель токенов, вы можете выбрать различных валидаторов для стейкинга вашего $TAO. Самый распространенный вариант - это сама OpenTensor Foundation, с около 20% собственности в сети.

В настоящее время валидаторы распределяют 82% своих наград делегатам в форме токенов $TAO. В результате,делегирование $TAOтокены на валидатора предоставляют возможность держателям токенов зарабатывать награды за стейкинг. Это может помочь защитить пользователей от потенциального разбавления инфляционными эмиссиями.

• Награды валидаторов в настоящее время составляют 22.45%
• Награды за стейкинг в настоящее время составляют 18.41%

Риск/вознаграждение и временной горизонт

При оценке риска/вознаграждения за выделение части портфеля на $TAO важно понимать, что вы фактически покупаете. Например, покупка не дает право на какой-либо вид дохода, выплачиваемого в USD и генерируемого экономической деятельностью сети. Вместо этого вам предоставляются токеновые эмиссии. Как держатель токенов, вы можете делегировать эти эмиссии, чтобы заработать APY и увеличить свои запасы $TAO.

Аналогии с биткоином очевидны, но за $BTC стоит скрытая история, которая делает его уникальным. Никто не может дать удовлетворительного ответа на вопрос о том, в чем ценность $BTC или почему она имеет какую-либо ценность, поэтому сообщество в конечном итоге воплощает в себе племенную войну между ноу-чеканщиками, «шиткоинами» и макси.

Действительно, реальная токеномика биткойна проста в понимании: $BTC используется для поощрения майнеров к работе и обслуживанию сети. В результате существующие держатели разбавляются (хотя они могут стать майнерами - или делегатами в случае Bittensor). Таким образом, те, кто держит токен, не получают вознаграждения и не получают никакого стимула от базовой сети.

Но в случае с $BTC есть важный фактор, который следует учитывать, а именно - дефицит. Тот факт, что когда-либо будет всего $21M, делает его уникальным. И хотя экономика токенов $TAO была смоделирована по образу и подобию самого биткойна, все еще остается более 70% не выпущенных токенов. Это создает дилемму для инвесторов относительно того, что они ценят больше: децентрализацию сети или дефицит актива.

В конце концов, полезность $TAO происходит от доступа, который он обеспечивает к моделям искусственного интеллекта, его использования для управления, доступа к наградам за стейкинг и в качестве механизма стимулирования.

Операционные расходы

Текущие инфраструктурные разработки оплачиваются Фонд Opentensorчерез финансирование от делегации к ним, а также поощрения за делегацию. Другие разработки осуществляются третьими сторонами, которые управляют своими собственными валидаторами и финансируются через делегацию также.

Как и любая глобальная инициатива, требующая финансирования для исследований, разработки и внедрения, успех искусственного интеллекта зависит от того, как координируется капитал и как стейкхолдеры получают вознаграждение за свой вклад. Именно стратегическое распределение ресурсов (исследования, графические процессоры для обучения...) стимулирует рост и влияние искусственного интеллекта.

В мире искусственного интеллекта, особенно в случае больших языковых моделей, таких как ChatGPT, операционные издержки значительны. Например, OpenAI, предположительно, тратит приблизительно $700,000 в день на операцию ChatGPT, что подчеркивает значительную финансовую нагрузку, связанную с масштабными моделями искусственного интеллекта. Стоимость обучения может варьироваться от миллионов до десятков миллионов долларов за каждую модель, что делает этот процесс еще более ресурсоемким. Стоимость обучения модели на большом наборе данных может быть еще выше, достигая до $30 миллионов.

Пока компания привлекла значительное финансирование, включая недавние инвестиции от Microsoft (примерно половина в форме кредитов Azure), растущие затраты на обучение больших языковых моделей вызывают опасения. Каждый цикл обучения стоит миллионы, и необходимость начинать с нуля для новых моделей усугубляет эту проблему.

Именно здесь подход Bittensor к "Совокуплению знаний" становится актуальным. Уникальный подход Bittensor сосредотачивается на децентрализации и сотрудничестве через "Совокупление знаний". Эта философия позволяет ИИ-системам строить на основе существующих знаний децентрализованным образом, предлагая такие преимущества, как:

• Эффективность затрат: Используя существующие знания и постоянно их улучшая, подход Bittensor потенциально может сократить необходимость дорогостоящей переподготовки с нуля.
• Адаптивность: масштабные приложения искусственного интеллекта часто сталкиваются с изменяющимися потребностями и вызовами. Именно здесь децентрализованный подход позволяет организациям более гибко адаптировать свои системы искусственного интеллекта, обеспечивая их актуальность и эффективность в динамичной среде.
• Децентрализация: децентрализованная сеть Bittensor дает возможность глобальному сообществу участников, снижая зависимость от одного субъекта или централизованной инфраструктуры. Это способствует инновациям и разнообразию в развитии искусственного интеллекта.
• Сотрудничество: Совместная природа компаундирования знаний способствует обмену знаниями и кооперативному обучению среди узлов в сети, создавая динамичную среду для развития искусственного интеллекта.

Команда и Инвесторы

Bittensor — это протокол с открытым исходным кодом, который обеспечивает работу децентрализованной сети машинного обучения на основе блокчейна. Команда, стоящая за Bittensor, включает в себя Джейкоб Стивс (Основатель), Ала Шаабана (Основатель), Джаклин Даун (Директор по маркетингу), и Саиде Мотлах(Архитектор блокчейна) среди прочих. Фонд Opentensor также планирует расширить свою команду в этом году.

Существует псевдоним по имени Юма Рао, который также упоминается в белой книге Bittensor, как и в Bitcoin Сатоши Накамото. Неизвестно, существует ли на самом деле эта личность, и мы можем никогда не узнать о нем или о ней больше.

Bittensor не раскрыл никаких значительных советников или ключевых инвесторов, кроме получения финансирования от Фонда OpenTensor, который является некоммерческой организацией, поддерживающей развитие Bittensor. Bittensor также не объявил официальных партнерств.

Тезис

Большинство технологических компаний значительно упали по сравнению с предпандемийными оценками, в то время как компании по искусственному интеллекту сейчас достигают исторических максимумов как по множителям оценки, так и по темпам роста.

С рыночной капитализацией значительно ниже, чем у гигантов отрасли, Bittensor на самом деле может быть идеальной площадкой для масштабных/высокотребовательных приложений искусственного интеллекта и использования моделей с открытым исходным кодом.

Очевидно, самым простым способом сравнения для измерения потенциальной прибыли является сравнение с частной оценкой OpenAI в размере $29 млрд. Реалистично или нет, это немного более чем в 28 раз выше, чем FDV в размере $TAO. Учитывая, сколько времени потребуется для полной поставки для введения в оборот, мы можем использовать оборотный рыночный капитал для приблизительного определения, где частная оценка OpenAI превышает рыночную капитализацию $TAO более чем в 108 раз.

Однако это очень спекулятивный подход, который можно упростить, как сделать ставку на проекты, которые могут получить выгоду от нахождения на пересечении искусственного интеллекта и криптовалюты.

Самая важная особенность, которую следует иметь в виду, заключается в том, что Bittensor борется с проблемой централизации искусственного интеллекта. В настоящее время небольшое количество корпораций контролируют большинство крупных и мощных моделей, но они все изолированы, и практически нет сотрудничества или обмена знаниями.

Изолированные модели искусственного интеллекта не могут учиться друг у друга, и поэтому они не являются сложными (исследователям приходится начинать с нуля каждый раз, когда они создают новые модели). Это сильно контрастирует с исследованиями в области искусственного интеллекта, где новые исследователи могут строить на работе предыдущих исследователей, создавая сложный эффект, который ускоряет развитие идей.

Изолированный искусственный интеллект также ограничен функциональностью, поскольку интеграции сторонних приложений и данных требуют разрешения владельца модели (в форме технологических партнерств и бизнес-соглашений). Это ограничение непосредственно влияет на ценность и полезность искусственного интеллекта, поскольку он может быть ценным только в пределах диапазона приложений, которые он может эффективно обеспечить.

Это централизованная и победитель забирает все окружение не выгодно для маленьких команд с меньшими ресурсами. В этом контексте основная сила Bittensor - их децентрализованная сеть и механизм стимулирования для поощрения маленьких команд и исследователей монетизировать свою работу.

Если Bittensor сможет сузить разрыв производительности с ведущими поставщиками закрытого исходного кода искусственного интеллекта, такими как GPT-4, он может стать выбором разработчиков, бизнеса и исследователей в крипто- и ИИ-сфере. Его открытый и коллаборативный характер позиционирует его как привлекательную альтернативу закрытым экосистемам, что потенциально может привести к значительной адоптации.

В конечном итоге оценка TAO может быть получена либо из полезности сети (экономическая деятельность, построенная сверху), либо из прямого денежного потока в протокол.

• Как утилитарный токен, $TAO требуется для доступа к сети. Следовательно, его оценка может быть выведена из экономической полезности, построенной сверху.
• Как токен стекинга, держатели могут делегировать $TAO валидаторам и получать долю дохода сети.
• Мы также можем измерять доходы на основе рыночной доли и нескольких предположений (что также делает прогнозируемое значение ненадежным).

Поскольку полезность более субъективна и абстрактна по отношению к стоимости, мы можем начать с денежного потока. Предполагая, что рынок машинного обучения может достичь определенного размера рынка в будущем (см. Precedence Research estimatesна изображении ниже), мы можем оценить сеть Bittensor на основе ее потенциальной доли рынка и множителя доходов.

Независимо от оценочного размера рынка, Bittensor по-прежнему является высокоспециализированным и сложным проектом для понимания, что является препятствием для простого привлечения разработчиков и принятия пользователей.

Проект все еще на очень ранней стадии развития, и сеть может столкнуться с непредвиденными проблемами. Например, в июне произошло столкновение майнеров, которые играли в сети и вызвали продажу $TAO на рынке. Временным решением было снижение эмиссии на 90%, чтобы дать дополнительное время Фонду Opentensor для работы над решением, чтобы сеть работала честно и протокол мог функционировать по назначению.

Большинство продуктов, которые в настоящее время работают в сети, не могут конкурировать с централизованными контрагентами, и до сих пор имеют низкий уровень принятия. Лучший способ узнать и попробовать на себе - протестировать предлагаемые услуги на Хаб Bittensor.

Также стоит задать вопрос, имеет ли смысл токеномика биткойна для сети, специализирующейся на предоставлении ИИ-услуг, как Bittensor. Возможно, дезинфляционная природа $BTC не является наилучшим вариантом для сети, которая требует увеличения числа майнеров и приложений, построенных поверх нее, для масштабирования. В идеале токен должен надуваться с ростом принятия сети, больше похож на цифровое масло, а не на цифровое золото. В некотором смысле это уже заложено, поощряя майнеров конкурировать друг с другом и распределять предложение на протяжении более чем 200 лет.

Еще одной проблемой является конфиденциальность из-за невозможности шифрования данных перед их прохождением через нейронную сеть. Это еще более проблематично в децентрализованной среде, поскольку любые данные, проходящие через процесс обучения и/или вывода, определенно не будут конфиденциальными. Признано, что это потенциальная проблема и с централизованными системами, но здесь вам придется беспокоиться только о том, что 1 известная сторона увидит ваши данные, вместо неизвестного числа.

Экономика

Цена Токена

Цена относительно максимума и минимума

Распределение предложения

Заключение

Bittensor может быть мощной ставкой на пересечении искусственного интеллекта и криптовалюты. Однако это безусловно один из самых сложных проектов для оценки его темпов роста и потенциального восходящего тренда.

Очевидно, в децентрализованной сети есть большой потенциал для использования преимуществ искусственного интеллекта, особенно при стимулировании моделей с открытым исходным кодом и децентрализации собственности сети. Тем не менее, сервисы и бизнес-кейсы, построенные на основе Bittensor, пока еще не достаточно конкурентоспособны.

Искусственный интеллект также является отраслью, требующей огромных операционных расходов и больших объемов финансирования, которые могут обеспечить только гиганты отрасли. Bittensor - очень контрарный выбор в этом смысле, поэтому стоит рассмотреть как можно больше факторов риска/вознаграждения.

Ссылки

Bitensor – TAO

• Сайт
• Документы
• Белая бумага
• Консенсус Yuma
• Исследователи
• Таобридж
• Делегировать
• Таостатс
• Новости Тао
• Coingecko
• Twitter
• Discord
• Группа Telegram сообщества
• Github
• @Bittensor">Youtube
• Блог Фонда Opentensor
• Фонд Opentensor LinkedIn
• Шаблон подсети Bittensor
• Список валидаторов

Внешние источники

• Схождение криптовалют и искусственного интеллекта от Multicoin Capital
• Центр Bittensor - агрегатор контента

Отказ от ответственности:

1. Эта статья взята из [ РевелоИнтел]. Все авторские права принадлежат оригинальному автору [revelointel]. Если есть возражения по поводу этого перепечатывания, пожалуйста, свяжитесь с Gate Учитькоманда, и они незамедлительно справятся с этим.
2. Ответственность за отказ: Взгляды и мнения, выраженные в этой статье, являются исключительно мнениями автора и не являются инвестиционными советами.
3. Переводом статьи на другие языки занимается команда Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.