Primeiro aspeto, o que exatamente é Bittensor?

O próprio Bittensor não é um produto de IA, nem produz ou fornece quaisquer produtos ou serviços de IA. Bittensor é um sistema econômico que serve como otimizador para o mercado de produtos de IA, fornecendo um sistema de incentivos altamente competitivo para os produtores de produtos de IA. No ecossistema Bittensor, os produtores de alta qualidade recebem mais incentivos, enquanto os produtores menos competitivos são gradualmente eliminados.

Então, como é que o Bittensor cria especificamente este mecanismo de incentivo que encoraja a competição eficaz e promove a produção orgânica de produtos de IA de alta qualidade?

Modelo de volante Bittensor

Bittensor alcança este objetivo através de um modelo de volante. Os validadores avaliam a qualidade dos produtos de IA no ecossistema e distribuem incentivos com base na sua qualidade, garantindo que os produtores de alta qualidade recebam mais incentivos. Isto estimula um aumento contínuo na produção de alta qualidade, aumentando assim o valor da rede Bittensor e aumentando a valorização do TAO. A valorização do TAO não só atrai mais produtores de alta qualidade para se juntarem ao ecossistema Bittensor, mas também aumenta o custo dos ataques por manipuladores que manipulam os resultados da avaliação de qualidade. Isto fortalece ainda mais o consenso dos validadores honestos e melhora a objetividade e equidade dos resultados da avaliação, alcançando assim um mecanismo de competição e incentivo mais eficaz.

Garantir a equidade e a objetividade dos resultados da avaliação é um passo crucial para fazer girar a roda. Esta é também a tecnologia central do Bittensor, ou seja, o sistema de validação abstrata baseado no Consenso Yuma.

Então, o que é Consenso Yuma e como garante que os resultados da avaliação de qualidade após o consenso sejam justos e objetivos?

O Consenso Yuma é um mecanismo de consenso projetado para calcular os resultados finais da avaliação diversificada fornecida por numerosos Validadores. Semelhante aos mecanismos de consenso de tolerância a falhas bizantinas, desde que a maioria dos Validadores na rede sejam honestos, a decisão correta pode ser alcançada no final. Supondo que os Validadores honestos possam fornecer avaliações objetivas, os resultados da avaliação após o consenso também serão justos e objetivos.

Tomando a avaliação da qualidade das Subnets como exemplo, os Validadores da Rede Raiz avaliam e classificam a qualidade de saída de cada Subnet. Os resultados da avaliação de 64 Validadores são agregados, e os resultados finais da avaliação são obtidos através do algoritmo de Consenso Yuma. Os resultados finais são então utilizados para alocar novo TAO cunhado a cada Subnet.

Atualmente, o Consenso Yuma de fato tem espaço para melhorias:

1. Os Validadores da Rede Root podem não representar totalmente todos os detentores de TAO, e os resultados da avaliação que fornecem podem não refletir necessariamente uma ampla gama de pontos de vista. Além disso, as avaliações de alguns dos principais Validadores podem nem sempre ser objetivas. Mesmo se forem identificados casos de viés, estes podem não ser corrigidos imediatamente.
2. A presença de Validadores de Rede Raiz limita o número de Sub-redes que Bittensor pode acomodar. Para competir com gigantes de IA centralizados, ter apenas 32 Sub-redes é insuficiente. No entanto, mesmo com 32 Sub-redes, os Validadores de Rede Raiz podem ter dificuldades em monitorar eficazmente todas elas.
3. Os validadores podem não ter uma forte inclinação para migrar para novas sub-redes. A curto prazo, os validadores podem perder algumas recompensas ao migrar de uma sub-rede mais antiga com uma emissão mais alta para uma nova sub-rede com uma emissão mais baixa. A incerteza sobre se a emissão da nova sub-rede eventualmente se equiparará, juntamente com a perda definitiva de recompensas durante a perseguição, diminui a sua vontade de migrar.

Bittensor está também a planear mecanismos de atualização para lidar com estas falhas:

1. O Dynamic TAO descentralizará o poder de avaliar a qualidade da Subnet distribuindo-o a todos os detentores de TAO, em vez de alguns Validadores. Os detentores de TAO poderão determinar indiretamente a taxa de alocação de cada Subnet através do staking.
2. Sem as limitações dos Validadores da Rede Root, o número máximo de Subredes ativas será aumentado para 1024. Isso reduzirá significativamente a barreira para novas equipes se juntarem ao ecossistema Bittensor, levando a uma competição mais acirrada entre as Subredes.
3. Validadores que migram para novas Sub-redes mais cedo provavelmente receberão recompensas mais altas. A migração antecipada para uma nova Sub-rede significa comprar dTAO dessa Sub-rede a um preço mais baixo, aumentando a probabilidade de receber mais TAO no futuro.

A forte inclusividade é também uma das principais vantagens do Consenso Yuma. O Consenso Yuma não é apenas usado para determinar as emissões de cada Subnet, mas também para decidir a proporção de alocação de cada Mineiro e Validador dentro da mesma Subnet. Além disso, independentemente da tarefa do Mineiro, as contribuições que contém, incluindo potência de cálculo, dados, contribuição humana e inteligência, são consideradas de forma abstrata. Portanto, qualquer estágio de produção de mercadorias de IA pode aceder ao ecossistema Bittensor, desfrutando de incentivos e ao mesmo tempo aumentando o valor da rede Bittensor.

A seguir, vamos explorar algumas Subredes líderes e observar como o Bittensor incentiva a saída dessas Subredes.

Subnet #3 Myshell TTS

GitHub — myshell-ai/MyShell-TTS-Subnet

Contribua para o desenvolvimento de myshell-ai/MyShell-TTS-Subnet criando uma conta no GitHub.

github.com

Emissão: 3.46% (2024-04-09)

Contexto: Myshell é a equipa por trás do Myshell TTS (Texto para Fala), composta por membros nucleares de instituições de renome como o MIT, a Universidade de Oxford e a Universidade de Princeton. Myshell tem como objetivo criar uma plataforma sem código, permitindo que estudantes universitários sem formação em programação criem facilmente os seus robôs desejados. Especializada no campo de TTS, audiolivros e assistentes virtuais, Myshell lançou o seu primeiro chatbot de voz, Samantha, em março de 2023. Com a expansão contínua da sua matriz de produtos, já angariou mais de um milhão de utilizadores registados até à data. A plataforma hospeda vários tipos de robôs, incluindo de aprendizagem de idiomas, educativos e focados em utilidade.

Posicionamento: A Myshell lançou esta Subnet para reunir a sabedoria de toda a comunidade de código aberto e construir os melhores modelos de TTS de código aberto. Em outras palavras, o TTS da Myshell não executa diretamente modelos ou lida com solicitações de usuários finais; em vez disso, é uma rede para treinar modelos de TTS.

Arquitetura Myshell TSS

O processo executado pela Myshell TTS está ilustrado no diagrama acima. Os mineradores são responsáveis por treinar modelos e carregar os modelos treinados para o Pool de Modelos (os metadados dos modelos também são armazenados na rede blockchain Bittensor); Os validadores avaliam os modelos gerando casos de teste, avaliando o desempenho do modelo e pontuando com base nos resultados; a blockchain Bittensor é responsável por agregar pesos usando o Consenso Yuma, determinando os pesos finais e as taxas de alocação para cada minerador.

Em conclusão, os mineiros devem continuar a apresentar modelos de maior qualidade continuamente para manter as suas recompensas.

Atualmente, o Myshell também lançou um demo na sua plataforma para os utilizadores experimentarem os modelos no Myshell TTS.

No futuro, à medida que os modelos treinados pela Myshell TTS se tornarem mais confiáveis, haverá mais casos de uso online. Além disso, como modelos de código aberto, eles não se limitarão apenas à Myshell, mas também poderão ser expandidos para outras plataformas. Não é exatamente isso que buscamos em IA Descentralizada: treinar e incentivar modelos de código aberto através de abordagens descentralizadas?

Subnet #5 Aberto Kaito

GitHub — OpenKaito/openkaito

Contribua para o desenvolvimento do OpenKaito/openkaito criando uma conta no GitHub.

github.com

Emissão: 4.39% (2024-04-09)

Contexto: Kaito.ai é apoiado pela equipa por trás do Open Kaito, cujos membros principais têm uma vasta experiência no campo da IA, tendo trabalhado anteriormente em empresas de primeira linha como AWS, META e Citadel. Antes de se aventurarem na Sub-rede Bittensor, lançaram o seu produto principal, Kaito.ai — um motor de busca de dados off-chain Web3, no quarto trimestre de 2023. Aproveitando algoritmos de IA, o Kaito.ai otimiza componentes principais de motores de busca, incluindo a recolha de dados, algoritmos de classificação e algoritmos de recuperação. Tem sido reconhecido como uma das principais ferramentas de recolha de informação na comunidade de criptomoedas.

Posicionamento: Open Kaito visa estabelecer uma camada de indexação descentralizada para apoiar a pesquisa e análise inteligentes. Um mecanismo de pesquisa não é simplesmente um banco de dados ou algoritmo de classificação, mas sim um sistema complexo. Além disso, um mecanismo de pesquisa eficaz também requer baixa latência, o que representa desafios adicionais para a construção de uma versão descentralizada. Felizmente, com o sistema de incentivo da Bittensor, espera-se que esses desafios sejam abordados.

Arquitetura Open Kaito

O processo de operação do Open Kaito é ilustrado no diagrama acima. O Open Kaito não descentraliza simplesmente cada componente do motor de busca, mas define o problema de indexação como um problema de Miner-Validator. Ou seja, os Miners são responsáveis por responder aos pedidos de indexação do utilizador, enquanto os Validators distribuem as demandas e pontuam as respostas dos Miners.

O Open Kaito não restringe como os Mineiros completam as tarefas de indexação, mas sim foca nos resultados finais produzidos pelos Mineiros para incentivar soluções inovadoras. Isso ajuda a fomentar um ambiente competitivo saudável entre os Mineiros. Diante das exigências de indexação dos usuários, os Mineiros se esforçam para melhorar seus planos de execução a fim de obter resultados de resposta de alta qualidade com menos recursos.

Subnet #6 Nous Finetuning

GitHub — NousResearch/finetuning-subnet

Contribua para o desenvolvimento do NousResearch/finetuning-subnet criando uma conta no GitHub.

github.com

Emissão: 6.26% (2024-04-09)

Antecedentes: A equipa por trás do Nous Finetuning vem da Nous Research, uma equipa de investigação dedicada à arquitetura de modelos de linguagem em grande escala (LLM), síntese de dados e inferência em dispositivos. Seus co-fundadores anteriormente trabalharam como Engenheiros Principais na Eden Network.

Posicionamento: Nous Finetuning é uma sub-rede dedicada ao ajuste fino de grandes modelos de linguagem. Além disso, os dados usados para o ajuste fino também vêm do ecossistema Bittensor, especificamente da Subnet #18.

O processo de operação do Nous Finetuning é semelhante ao do Myshell TSS. Os mineradores treinam modelos com base nos dados da Subnet #18 e regularmente os lançam para serem hospedados na Hugging Face; Os validadores avaliam os modelos e fornecem classificações; da mesma forma, a blockchain Bittensor é responsável por agregar pesos usando o Consenso Yuma, determinando os pesos finais e as emissões para cada minerador.

Sub-rede #18 Cortex.t

GitHub — corcel-api/cortex.t

Contribua para o desenvolvimento do corcel-api/cortex.t criando uma conta no GitHub.

github.com

Emissão: 7.74% (2024-04-09)

Contexto: A equipa por trás do Cortex.t é a Corcel.io, que recebeu apoio da Mog, o segundo maior validador na rede Bittensor. A Corcel.io é uma aplicação destinada a utilizadores finais, proporcionando uma experiência semelhante ao ChatGPT através da alavancagem de produtos de IA do ecossistema Bittensor.

Posicionamento: Cortex.t está posicionado como uma camada final antes de entregar resultados aos utilizadores finais. É responsável por detetar e otimizar as saídas de várias sub-redes para garantir que os resultados sejam precisos e fiáveis, especialmente quando um único comando chama vários modelos. Cortex.t tem como objetivo evitar saídas em branco ou inconsistentes, garantindo uma experiência de utilizador sem falhas.

Os mineiros na Cortex.t utilizam outras sub-redes dentro do ecossistema Bittensor para lidar com pedidos dos utilizadores finais. Eles também utilizam GPT-3.5-turbo ou GPT-4 para verificar os resultados de saída, garantindo fiabilidade para os utilizadores finais. Os validadores avaliam as saídas dos mineiros comparando-as com os resultados gerados pela OpenAI.

Subnet #19 Visão

GitHub — namoray/vision

Contribua para o desenvolvimento do namoray/vision, criando uma conta no GitHub.

github.com

Emissão: 9,47% (2024–04–09)

Contexto: A equipa de desenvolvimento por trás da Vision também é originária da Corcel.io.

Posicionamento: A Vision visa maximizar a capacidade de saída da rede Bittensor, aproveitando um framework de construção de sub-redes otimizado chamado DSIS (Inferência de sub-rede descentralizada em escala). Este framework acelera as respostas dos Mineradores aos Validadores. Atualmente, a Vision está focada no cenário de geração de imagens.

Os validadores recebem solicitações do frontend da Corcel.io e distribuem-nas para os Mineradores. Os Mineradores têm a liberdade de escolher sua pilha de tecnologia preferida (não limitada a modelos) para processar as solicitações e gerar respostas. Os validadores, em seguida, pontuam o desempenho dos Mineradores. Graças ao DSIS, a Vision pode responder a essas demandas de forma mais rápida e eficiente do que outras Sub-redes.

Resumo

Dos exemplos acima, é evidente que o Bittensor mostra um alto grau de inclusão. A geração pelos Mineradores e validação pelos Validadores ocorrem off-chain, com a rede Bittensor servindo exclusivamente para alocar recompensas para cada Minerador com base na avaliação dos Validadores. Qualquer aspecto da geração de produtos de IA que se encaixe na arquitetura Minerador-Validador pode ser transformado em uma Sub-rede.

Aviso de Responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.

As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.

Em teoria, a competição entre Subnets deve ser intensa. Para que qualquer Subnet continue a receber recompensas, deve produzir consistentemente resultados de alta qualidade. Caso contrário, se a produção de uma Subnet for considerada de baixo valor pelos Validadores da Rede Raiz, sua alocação pode diminuir e eventualmente ser substituída por uma nova Subnet.

No entanto, na realidade, de facto observamos algumas questões:

1. Redundância e duplicação de recursos devido ao posicionamento semelhante de Subnets. Entre os 32 Subnets existentes, existem vários Subnets focados em direções populares como texto para imagem, prompt de texto e previsão de preço.
2. Existência de Subnets sem casos de uso práticos. Embora as Subnets de previsão de preço possam ter valor teórico como fornecedores de oráculos, o desempenho atual dos dados de previsão está longe de ser utilizável pelos utilizadores finais.
3. Casos de “dinheiro ruim expulsando o bom.” Alguns dos principais Validadores podem não ter uma forte inclinação para migrar para novas Sub-redes, mesmo que algumas novas Sub-redes demonstrem uma qualidade significativamente superior. No entanto, devido à falta de apoio de capital, eles podem não receber emissões suficientes a curto prazo. Uma vez que as novas sub-redes têm um período de proteção de apenas 7 dias após o lançamento, se não conseguirem acumular rapidamente uma quantidade adequada de emissões, podem enfrentar o risco de serem gradualmente eliminadas e ficarem offline.

Estes problemas refletem uma competição insuficiente entre as Subredes, e alguns Validadores não desempenharam um papel na promoção de uma competição eficaz.

A Open Tensor Foundation Validator (OTF) implementou algumas medidas temporárias para aliviar esta situação. Como o maior Validator detentor de 23% do poder de staking (incluindo delegação), OTF fornece canais para Sub-redes competirem por mais TAO apostado: Os proprietários de sub-redes podem enviar pedidos à OTF semanalmente para ajustar a sua proporção de TAO bloqueado na Sub-rede. Esses pedidos devem abranger 10 aspectos, incluindo “Objetivos da Sub-rede e contribuições para o ecossistema Bittensor,” “Mecanismo de recompensa da Sub-rede,” “Design do protocolo de comunicação,” “Fontes de dados e segurança,” “Requisitos computacionais” e “Roadmap,” entre outros, para facilitar a tomada de decisão final da OTF.

No entanto, para resolver fundamentalmente este problema, por um lado, precisamos urgentemente do lançamento do dTAO (@0xai.dev/o-que-e-o-impacto-do-tao-dinamico-no-bittensor-efcc8ebe4e27">Dynamic TAO), que é projetado para mudar fundamentalmente os problemas mencionados acima de forma razoável. Alternativamente, podemos apelar aos grandes Validadores que detêm uma quantidade significativa de Staking TAO para considerar o desenvolvimento a longo prazo do ecossistema Bittensor mais a partir da perspetiva de 'desenvolvimento do ecossistema' do que apenas de um ponto de vista de 'retorno financeiro'.

Em conclusão, contando com sua forte inclusão, ambiente competitivo acirrado e mecanismo de incentivo eficaz, acreditamos que o ecossistema Bittensor pode produzir organicamente produtos de IA de alta qualidade. Embora nem todos os resultados dos Subnets existentes possam rivalizar com os dos produtos centralizados, não nos esqueçamos de que a arquitetura atual do Bittensor tem apenas um ano de idade (Subnet #1 foi registrada em 13 de abril de 2023). Para uma plataforma com potencial para rivalizar com gigantes de IA centralizados, talvez devamos nos concentrar em propor planos de melhoria práticos em vez de criticar apressadamente suas deficiências. Afinal, não queremos ver a IA constantemente controlada por alguns gigantes.

Aviso legal：

1. Este artigo é reproduzido a partir de [Medium], Todos os direitos autorais pertencem ao autor original [0xaiSe houver objeções a esta reimpressão, entre em contato com o Gate Learnequipa e eles tratarão disso prontamente.
2. Aviso de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.