Вступ

З останнім вибухом та зростанням популярності штучного інтелекту багато людей висловлюють різні тези щодо того, де перетинаються штучний інтелект та криптовалюти. Ці інновації мають потенціал революціонізувати різні аспекти нашого цифрового життя, від управління цифровими активами до збереження інтелектуальної власності та боротьби з шахрайством. Зокрема, ця зустріч породила два визначені тенденції:

• Інтеграція штучного інтелекту з блокчейнінфраструктурою, такою як Render ($RNDR), Akash ($AKT) або Fetch.ai ($FET).
• З'явлення протоколів, що стимулюють виробництво інтелектуального машинного навчання, таких як Bittensor ($TAO).

Попередні застосування штучного інтелекту в галузі блокчейну в основному концентрувалися на інфраструктурі, що дозволяє зберігання моделей штучного інтелекту/машинного навчання та оренду GPU. Це призвело до таких тенденцій, як нагороджене токенами навчання з посиленням стимулів, zkML та реєстри особистостей на основі блокчейну для боротьби з глибокими фейками. Водночас набирає силу паралельна тенденція: протоколи, які стимулюють інтелект.

У цьому звіті ми досліджуємо перетин штучного інтелекту та криптовалюти, зосереджуючись на Bittensor та токені $TAO, досліджуючи їхню роль на ринку розуму від однієї людини до однієї людини та зростання цифрового товарного ринку.

Використовуючи найновіше Оновлення революціїщо відбулося 2 жовтня, ми також надаємо історичний огляд, прогноз сектору, конкурентний аналіз та відомості про ціннісну пропозицію $TAO.

Огляд

Bittensor - це відкритий протокол з основною місією: прискорити розвиток штучного інтелекту за допомогою структури стимулів, що працює на блокчейні. У цій екосистемі учасники отримують $TAO токени в нагороду за свої зусилля.

Bittensor працює як мережа для видобутку, використовуючи токенові стимули для стимулювання участі, дотримуючись принципів відкритості та децентралізації. У цій мережі кілька вузлів господарюють моделями машинного навчання, спільно сприяючи пулу інтелекту. Ці моделі відіграють важливу роль у аналізі обширних текстових даних, вилученні семантичного значення та генерації цінних відомостей у різних галузях.

Для користувачів основними функціональностями є можливість запитувати мережу для доступу до інтелекту, співпрацювати з майнерами та валідаторами для майнінгу токенів $TAO та контролювати їх гаманці та баланси.

Мережа Bittensor ҉ покладається на внесок різноманітних зацікавлених сторін, включаючи рударів, валідаторів, номінантів та споживачів. Цей спільний підхід забезпечує, що найкращі моделі ШІ виходять на перший план, підвищуючи якість послуг з ШІ, пропонованих мережею.

Сторона поставки має два рівні: ШІ (Майнери) та блокчейн (Валідатори).

• Майнери в мережі Bittensor розміщують моделі штучного інтелекту та роблять їх доступними для мережі, їх успіх визначається якістю та продуктивністю, яку вони забезпечують.
  • Майнери компенсуються $TAO на підставі інтелекту, який вони вносять у мережу (хоча це залежить від конкретного завдання).
  • Найкращі моделі користуються великим попитом і приносять більше прибутку для майнерів.
• Валідатори виступають у ролі оцінювачів в мережі. Вони оцінюють якість та ефективність моделей штучного інтелекту та керують запитами користувачів. Таким чином, валідатори ранжирують моделі на основі їхньої продуктивності для конкретних завдань, допомагаючи споживачам знаходити найкращі рішення. Чим точніше та послідовніші їхні оцінки, тим більше вони заробляють у винагороду. Так само, неспівпадіння оцінок може призвести до покарань, що забезпечує валідаторам підтримку високих стандартів.
  • Валідатори стимулюються $TAO для ранжування шахтарів на підставі їхнього "внеску в інтелект".
  • Валідатори також відповідальні за направлення вхідних даних для отримання найкращого результату. Це досягається шляхом формування коаліцій між Майнерами (моделями), які доповнюють один одного (підмережі).

Зі сторони попиту розробники можуть будувати додатки на основі валідаторів, використовуючи (і платячи за) спеціалізовані можливості штучного інтелекту мережі.

• Кандидати - це особи, які утримують $TAO токени і активно підтримують конкретних валідаторів, делегуючи їм свої токени. Ця делегація допомагає валідаторам залучати більше підтримки та винагород. Сами кандидати отримують винагороду за участь у цьому процесі. Якщо валідатор показує погані результати або якщо кандидат вважає, що є краща альтернатива, вони можуть перенаправити свою підтримку на іншого валідатора.
• Споживачі - це кінцеві користувачі моделей штучного інтелекту, наданих Bittensor. Вони можуть бути розробниками додатків, які інтегрують можливості штучного інтелекту у свої додатки, або користувачами чат-ботів, які шукають відповіді високої якості.
  • Споживачі надають перевагу отриманню точних та цінних відповідей.
  • Розробники, зокрема, вибирають валідаторів, які, на їхню думку, найкраще відповідають їх вимогам, щоб забезпечити надання першокласних послуг з штучного інтелекту своїм користувачам.

Продукт координації між вищезазначеними зацікавленими сторонами призводить до мережі, яка підтримує найкращі моделі для визначеного випадку використання. З можливістю експериментувати кожному важко навіть конкурувати з закритими бізнесами на основі вихідного коду.

Кредит -Штучний інтелект Лего: Теза Bitensor by David Attermann

Одним із найпоширеніших помилкових уявлень є те, що мережа підтримує навчання ML. У поточному стані Bittensor виключно підтримує інференцію, яка полягає в процесі висновків та наданні відповідей на підставі доказів та міркувань. Навчання, з іншого боку, є відокремленим процесом, що включає навчання моделі машинного навчання виконувати завдання. Це досягається за допомогою подачі моделі значного набору даних з позначеними прикладами, що дозволяє їй вивчати закономірності та зв'язки між даними та мітками. Тим часом, інференція використовує навчену модель машинного навчання для прогнозування нових, невидимих даних. Наприклад, модель, навчена класифікувати зображення, може бути використана для інференції задля визначення класу нового, раніше не баченого зображення.

Отже, важливо зауважити, що Bittensor не виконує ML on-chain, а працює більше як on-chain Oracle або мережа валідаторів, яка з'єднує та оркеструє off-chain ML вузли (майнери). Ця конфігурація створює децентралізовану мережу змішаного експертів (MoE), архітектуру ML, яка поєднує кілька моделей, оптимізованих для різних можливостей, щоб сформувати більш стійку загальну модель.

Ринок рівних інтелектів

Підприємство Bittensor у сфері розвитку штучного інтелекту запропонувало перший в своєму роді ринок інтелектуальних послуг у форматі peer-to-peer, що пропонує децентралізовану та бездозвільну платформу, яка стоїть у яскравому контрасті з більш закритими моделями, такими як OpenAI або Gemini від Google.

Цей ринок призначений для сприяння конкурентної інновації, стимулювання зростання індустрії штучного інтелекту та доступу до ШІ для глобальної спільноти розробників та користувачів. Будь-яка форма цінності може бути стимульована - протокол для стимулювання / створення справедливого ринку для будь-якого цифрового товару.

Іншими словами, протокол втілює підхід від однієї до однієї для обміну можливостями машинного навчання та передбачень між учасниками у мережі. Він сприяє обміну та співпраці моделей та сервісів машинного навчання, сприяючи співпраці та інклюзивному середовищу, де можуть бути розміщені як відкриті, так і закриті моделі.

Зростання цифрового товарного ринку

Bittensor унікальний в тому сенсі, що він закладає основу для появи Цифрового Товарного Ринку, ефективно перетворюючи машинний інтелект на торговий актив. У своїй основі протокол встановлює ринок, де машинний інтелект комодифікується.

Так само, як генетичний алгоритм, інцентивна система Bittensor безперервно оцінює продуктивність Майнерів та з часом вибирає або переробляє їх. Цей динамічний процес забезпечує ефективність мережі та реагує на зміни у сфері розвитку штучного інтелекту.

У ринку інтелекту Bittensor генерація вартості йде по подвійному підходу:

• Високопродуктивні моделі штучного інтелекту, розміщені майнерами, відомі як учасники, отримують винагороду у вигляді токенів $TAO.
• Валідатори, які оцінюють та використовують інтелект, також отримують винагороду у вигляді токенів $TAO.

Варто зауважити, що Bittensor не лише винагороджує сироватий результат, але наголошує на створенні найціннішого "сигналу". Це означає, що система винагород пріоритизує створення інформації, яка пропонує суттєві користі широкій аудиторії, що врешті-решт сприяє розвитку більш цінного товару.

Умська консенсус

Як окремий блокчейн рівня 1, Bittensor працює на алгоритмі консенсусу Yuma. Це децентралізований алгоритм консенсусу з взаємодією між рівними, який дозволяє рівномірний розподіл обчислювальних ресурсів у мережі вузлів.

Yuma працює на гібридному механізмі консенсусу, поєднуючи елементи Proof-of-work (PoW) та proof-of-stake (PoS). Вузли всередині мережі виконують обчислювальну роботу для підтвердження транзакцій та створення нових блоків. Ця робота потім підтверджується іншими вузлами, а успішні учасники отримують винагороду у вигляді токенів. Саме компонент PoS заохочує вузли утримувати токени, вирівнюючи їхні інтереси зі стабільністю та зростанням мережі.

Порівняно з традиційними механізмами консенсусу, ця гібридна модель має кілька переваг. З одного боку, вона уникне надмірного енергоспоживання, яке часто пов'язують з доказом роботи (PoW), вирішуючи проблеми навколишнього середовища. З іншого боку, вона обходить ризики централізації, які спостерігаються в доказі стейкінгу (PoS), зберігаючи децентралізацію та безпеку мережі.

Механізм консенсусу Yuma виділяється своєю здатністю розподілити обчислювальні ресурси по обширній мережі вузлів. Цей підхід має далекосяжні наслідки, оскільки він дозволяє обробляти більше складні завдання штучного інтелекту та обробляти більші набори даних з легкістю. При додаванні додаткових вузлів в мережу вона природно масштабується для вміщення все більших навантажень.

У відміну від традиційних централізованих додатків штучного інтелекту, які ґрунтуються на одному сервері або кластері, додатки, які працюють на платформі Yuma, можуть бути розподілені по мережі вузлів. Це розподілення оптимізує обчислювальні ресурси, що дозволяє вирішувати складні завдання, уникати ризиків, пов'язаних з одиничними точками відмови та вразливостями безпеки.

Віддалене навчання - це цифровий груповий розум

Знання дистиляції - це фундаментальне поняття в протоколі Bittensor, яке сприяє спільному навчанню між мережевими вузлами для підвищення продуктивності та точності. Схоже на те, як працюють нейрони в людському мозку, знання дистиляції дозволяє вузлам колективно покращуватися в мережі.

Цей процес включає обмін вибірок даних та параметрів моделі між вузлами, що призводить до мережі, яка самооптимізується з часом для більш точних прогнозів. Кожен вузол вносить свій внесок у загальний пул, що в кінцевому підсумку покращує загальну ефективність мережі, роблячи її швидшою та краще підходящою для застосувань реального часу, таких як робототехніка та автономні автомобілі.

Цей метод важливо зменшує ризик катастрофічного забуття, загального виклику в машинному навчанні. Вузли зберігають і розширюють свої існуючі знання, враховуючи нові уявлення, підвищуючи стійкість та пристосованість мережі.

Розподіляючи знання по різних вузлах, мережа Bittensor TAO стає більш стійкою проти перешкод та потенційних порушень даних. Ця міцність особливо важлива для додатків, які працюють з високою безпекою та конфіденційними даними, такими як фінансова та медична інформація (більше про конфіденційність пізніше).

Змішана експертність (MoE)

Проводячи інновації на новий рівень, мережа Bittensor вводить концепцію децентралізованого змішаного експертів (MoE). Цей підхід використовує потужність кількох нейромереж, кожна з яких спеціалізується на різних аспектах даних. Коли вводяться нові дані, ці експерти співпрацюють, щоб створити більш точні колективні прогнози, ніж будь-який окремий експерт може досягти самостійно.

Застосований механізм згоди поєднує глибоке навчання з алгоритмами консенсусу блокчейну. Його основна мета - розподіл стейку як стимулу для пірів, які найбільше сприяють інформаційній цінності для мережі. У суті, це винагородження тих, хто збільшує знання та можливості мережі.

У своїй основі протокол Bittensor складається з параметризованих функцій, часто називаних нейронами. Ці нейрони розподілені у режимі пір-до-піра, при цьому кожен з них має нуль або більше мережевих ваг, записаних у цифровому реєстрі. Учасники активно займаються ранжуванням одне одного, тренуючи нейронні мережі для визначення значення їх сусідніх вузлів. Цей процес ранжування є ключовим для оцінки внеску окремих учасників у загальну продуктивність мережі.

Бали, згенеровані цим процесом ранжування, накопичуються на цифровому рахунку. Високорангові учасники отримують грошові винагороди, набуваючи додаткової ваги в мережі. Це встановлює прямий зв'язок між внеском учасника та його винагородами, сприяючи справедливості та прозорості в мережі.

Цей підхід пропонує ринок, де інтелект цінується іншими системами інтелекту у формі однорангового зв'язку через Інтернет. Це стимулює однорангові системи постійно покращувати свої знання та експертизу.

Для забезпечення справедливого розподілу винагород Bittensor використовує значення Шеплі, концепцію позичену з теорії кооперативних ігор. Значення Шеплі пропонують справедливий та ефективний спосіб розподілу винагород серед колег мережі на основі їх внеску. Ця спрямованість інцентивів на внесок мотивує вузли діяти в найкращих інтересах мережі, підвищуючи безпеку та ефективність, сприяючи постійному удосконаленню.

Основна місія Bittensor полягає в сприянні інноваціям та співпраці в галузі штучного інтелекту через децентралізовану структуру. Ця структура дозволяє швидко розширюватися та обмінюватися знаннями, створюючи постійно зростаючу та незупинну бібліотеку інформації. У цьому ринку розробники мають можливість заробляти гроші на своїх моделях штучного інтелекту та надавати цінні рішення бізнесу та фізичним особам.

Візія Bittensor простягається до майбутнього, де моделі штучного інтелекту легко доступні та можна їх впроваджувати в широкому спектрі галузей. Ця доступність сприяє прогресу та відкриває нові можливості, зменшуючи відстань між можливостями штучного інтелекту та реальними застосуваннями.

Так само, як визначні глобальні моделі штучного інтелекту, такі як Chat GPT, моделі Bittensor генерують 'репрезентації' на основі універсального набору даних. Для оцінки продуктивності моделі,Інформація Фішеравикористовується для оцінки впливу видалення вузла з мережі, схожого на втрату нейрона в людському мозку.

Поза ранжуванням моделі Bittensor надає великий акцент на інтерактивне навчання. Кожна модель активно співпрацює з мережею, намагаючись спілкуватися з іншими моделями, схоже на DNS-запит. Bittensor працює як API, яке сприяє обміну даними між цими моделями, сприяючи спільному навчанню та обміну знаннями - використовуючи як відкриті, так і закриті моделі.

Використання консенсусу Yuma, щоб забезпечити, що всі дотримуються правил, екосистема виступає як рушійна сила для розробників відкритого коду та дослідних лабораторій з штучного інтелекту, пропонуючи фінансові стимули для покращення відкритих фундаментальних моделей.

По суті, Біттензор працює як постійно розширюючийся сховище машинного інтелекту. Це досягається шляхом об'єднання 4 різних рівнів:

• Шар майнера відповідає за вироблення цінної роботи в мережі.
• Шар валідатора забезпечує дотримання шахтарями встановлених правил консенсусу.
• Шар підприємства базується на існуючій інфраструктурі для розробки інноваційних продуктів та послуг. Він служить платформою для використання колективного інтелекту мережі для створення нових рішень.
• Шар споживачів користується роботою, створеною шаром підприємств. Це представляє кінцевих користувачів або організації, які використовують продукти та послуги, що працюють на мережі Bittensor.

Історія

Bittensor був заснований в 2019 році двома дослідниками з інтелектуальних систем.Джейкоб Стівс та Ала Шабана(і один псевдонімний автор білого паперу, Юма Рао), які шукали спосіб зробити ШШ компаундабл. Вони швидко зрозуміли, що криптовалюта може бути рішенням - способом стимулювати та організовувати глобальну мережу вузлів ML для спільного навчання та вирішення конкретних проблем. Інкрементні ресурси, додані до мережі, збільшують загальний інтелект, компаундуючи роботу, виконану попередніми дослідниками та моделями.

Шлях Bittensor розпочався з запуску 'Kusanagi' в січні 2021 року, що позначило активацію мережі та дозволило шахтарям та валідаторам почати заробляти перші винагороди у $TAO. Однак ця початкова ітерація зіткнулася з тимчасовими зупинками через питання консенсусу. Відповідно, Bittensor розділив 'Kusanagi' на 'Nakamoto' у листопаді 2021 року.

20 березня 2023 року було досягнуто значного рубежу, оскільки ‘Nakamoto’ знову було розділено, на цей раз перетворившись у ‘Finney.’ Метою цього оновлення було покращення продуктивності ядра коду.

На відомо, що Bittensor початково планував стати парачейном на Polkadot, забезпечуючи слот парачейна через успішний аукціон у січні. Однак було прийнято рішення використовувати власний самостійний ланцюжок L1, побудований на Субстратзамість того, щоб покладатися на Polkadot через побоювання, пов'язані з швидкістю розвитку Polkadot.

Поточний статус

Bittensor був на головній мережі вже понад рік, і його увага була приурочена до проведення піонерських досліджень та закладання основ для його майбутнього потенціалу. Ось огляд поточного стану та причини, чому бізнес-випадки використання ще не були побудовані на основі його валідаторів:

• Розріджена змішана модель: Bittensor працює як один розріджена модель змішування. Він привертає конкретні моделі штучного інтелекту в цю суміш, кожна з яких вирішує вузькі ролі в розв'язанні більших проблем, визначених валідаторами. Налаштування та налаштування цієї моделі для досягнення рівня мистецтва та поза цим є складним та ітеративним процесом. Ця фаза дорожньої карти наразі очолюється Фондом Opentensor.
• Стиснення інтелекту (дистиляція): Стиснення інтелекту є центральною науковою спрямованістю для Bittensor. Це включає техніки дистиляції для підвищення ефективності та можливостей мережі.
• Оптимізація для великої мети: Основний акцент Bittensor був зроблений на оптимізацію для великої мети, а не на короткострокові бізнес-сценарії використання. Opentensor прагне створити мережу, яка виходить за межі простої платформи однорідних вузлів з ціновою системою для моделей.
• Прогрес та оновлення: Протягом останнього року Opentensor зробив значні досягнення, включаючи оновлення Synapse, яке відкрило Bittensor для зовнішніх запитів. У жовтні 2023 року оновлення Revolution дозволило розширення через підмережі. Це надає можливість великим перевіряючим визначати проблеми незалежно, створюючи можливості для готівкового потоку від їхнього стейкінгу.
• Напрямки розширення у реальному світі: мережа Finney відзначає поворотну точку для Bittensor, дозволяючи валідаторам діяти більш незалежно і зменшуючи початкову централізацію. При зростанні ставки в мережі та збільшенні блокових винагород, це підтримує розвиток штучного інтелекту.
• AI бізнес-сценарії, які на наближаються: Bittensor уявляє розширення використання реальних AI-бізнес-сценаріїв, коли зацікавлені сторони, включаючи людей та AI, слідкують за своїми стимулами. Мульти та мета-модальна реалізація на наближається, об'єднуючи підмережі в єдиний формат 'інтелекту'.

З останнім оновленням Revolution Bittensor відкрив можливість для будь-кого створити підмережу, яка спеціалізується на певному типі додатків. Наприклад Підмережа 4використовуєJEPA(Спільний вбудований передбачений архітектурний підхід), який був розроблений MetaYann LeCunобробляти різноманітні вхідні дані та типи виведення, такі як відео, зображення та аудіо в одній моделі.

Ще одним значущим досягненням є Головний мозок, BTLM-3B-8K (Мовна модель Bittensor, модель з 3 мільярдами параметрів, яка дозволяє запускати високоточні та продуктивні моделі на мобільних пристроях, роблячи ШІ значно більш доступною. BTLM-3B-8K доступний на Hugging Faceз ліцензією Apache 2.0 для комерційного використання.

Великі моделі GPT зазвичай мають понад 100 мільярдів параметрів, що потребує використання кількох високопродуктивних GPU для виконання інференції. Однак випуск LLaMA від Meta дав світу високопродуктивні моделі всього в 7 мільярдів параметрів, що дозволяє запускати LLM на високопродуктивних ПК.

Навіть модель з 7B параметрами, квантована до 4-бітної точності, не поміщається в багато популярних пристроїв, таких як iPhone 13 (4 ГБ ОЗП). Тоді як модель з 3B параметрами зручно поміщається на майже всіх мобільних пристроях, попередні моделі розміром 3B значно поступаються своїм 7B аналогам.

BTLM забезпечує баланс між розміром моделі та продуктивністю. З 3 мільярдами параметрів він пропонує рівень точності та здатності, який значно перевершує попередні моделі розміром 3 млрд.

При дослідженні окремих показників BTLM набирає найвищі бали у всіх категоріях за винятком TruthfulQA.

BTLM-3B не тільки перевершує всі моделі 3B, але й відповідає багатьом моделям 7B.

Революція – Оновлення підмережі Bittensor

Оновлення Bittensor Revolution, запущене 2 жовтня, є значним віхолом у розвитку Bittensor, впроваджуючи значні зміни в його операційну структуру. Центральним у цьому оновленні є впровадження 'підмереж', новаторська концепція, що надає розробникам небачену автономію у формуванні своїх інцентивних механізмів та встановленні ринків у екосистемі Bittensor.

Однією з ключових особливостей цього оновлення є введення спеціалізованої мови програмування, розробленої спеціально для створення інцентивних систем. Ця інновація дозволяє розробникам створювати та впроваджувати свої інцентивні механізми в мережі Bittensor, використовуючи її великий пул інтелекту для налаштування ринків під їхні конкретні вимоги та уподобання.

Це оновлення також є помітним відходом від централізованої моделі, де єдиний фонд контролює всі аспекти мережі, до більш децентралізованої структури. Різні особи або групи тепер мають можливість володіти підмережами та керувати ними.

З введенням «підмереж», тепер кожен може створювати власні підмережі та визначати свої стимулюючі механізми, сприяючи ширшому спектру послуг у екосистемі Біттензор. Цей зміщення сприяє різноманітності та децентралізації в мережі, узгоджуючись з принципами відкритості та співпраці, що лежать в основі місії Біттензор.

Крім того, підмережі будуть конкурувати за емісії, забираючи згоду від делегатів в новій “мережі маршрутів”, вводячи конкурентний елемент, який може стимулювати інновації та розподіл ресурсів.

Поява створених користувачем підмереж може нагадувати вибух додатків на Ethereum, коли він відкрив свої двері для глобальної спільноти розробників. Це оновлення також підкреслює потенціал об'єднання різноманітних інструментів та сервісів в єдину мережу. У суті, кожний елемент, необхідний для формування інтелекту, тепер розміщений під одним дахом, регулюється єдиним токеном ($TAO).

Маршрутна мережа

Маршрутна мережа виступає в якості ключового компонента у екосистемі Bittensor. Вона діє як мета-підмережа з вирішальною роллю розподілу викидів по іншим підмережам, всі ці процеси базуються на зваженій згоді ключових делегатів. Ця зміна є трансформаційною за своєю природою, оскільки вона фундаментально змінює Bittensor з одиночної контрольованої системи на динамічну «мережу мереж».

Найважливіше, графіки емісії більше не знаходяться виключно під контролемФонд Opentensor. Делегати в мережі 'root' тепер мають владу над розподілом стимулів. Цей зсув децентралізує контроль над стимулами, видаляючи єдину залежність від будь-якого окремого суб'єкта і передаючи її в руки мережі 'root'.

Підмережі

Підмережі в мережі Bittensor є самодостатніми стимулюючими механізмами, які надають структуру для залучення рударів до платформи. Ці підмережі відіграють важливу роль у визначенні протоколів, що регулюють взаємодію між рударями та валідаторами.

Крім того, конкрети процесів стимулювання більше не зашиті безпосередньо в кодовій базі Bittensor. Замість цього ці деталі визначаються в репозиторіях підмереж, що дозволяє більшу гнучкість та пристосованість.

Bittensor вводить специфічні підмережі, такі як підмережа підказок і підмережа часових рядів. Підмережа підказок дозволяє виконувати різні нейронні мережі підказок, включаючи GPT-3, GPT-4, ChatGPT та інші, для децентралізованого висновування. Ця функціональність дозволяє користувачам взаємодіяти з валідаторами в мережі та отримувати результати від найефективніших моделей, наділяючи їхні програми розширеними можливостями штучного інтелекту.

Підмережі працюють, розподіляючи $TAO токени між майнерами та валідаторами на основі цінності, яку вони вносять у мережу. Точні правила та протоколи відповідей майнерів на запити валідаторів та процес оцінки, що проводиться валідаторами, визначаються кодом у кожному репозиторії підмережі.

• Під час запуску буде доступно дев'ять слотів підмережі, кожен з яких за замовчуванням може вміщувати 256 UID (крім Підмережі 1, яка може вміщати 1024). Підмережі активно конкуруватимуть за емісії, шукаючи ваги згоди від делегатів у мережі 'корінь'.
• Для реєстрації підмережі фізичні особи або суб'єкти повинні заблокувати певну кількість $TAO на тривалість існування підмережі. Власники підмережі припускаються ролі повних адміністраторів мережі та мають право на розподіл емісій через свої відповідні підмережі. Вони мають повні дозволи, включаючи можливість викликати дії sudo по всій мережі, такі як встановлення гіперпараметрів, наприклад, мінімальних тарифів мережі.

• Кожна підмережа пов'язана з унікальним мережевим UID, а власність підмережі передається гаманцю, який заблокував необхідну кількість $TAO для її реєстрації. Коли створюється підмережа, від гаманця творця віднімається відповідна сума $TAO та прикріплюється до підмережі. У разі скасування реєстрації підмережі заблокована сума $TAO повертається власнику.
• Важливим аспектом є те, що 18% викидів, повернених на заложений $TAO в мережі, нагороджуються власнику підмережі. Це стимулює творців підмережі створювати механізми, які привертають делегатів на мережі маршрутизації, оскільки це збільшує їх шанси уникнути дереєстрації.
• Нові зареєстровані підмережі наділяються один тиждень імунітету, під час якого вони не можуть бути скасовані. Початкова вартість блокування встановлена на рівні 2500 $TAO, подвоюючись, коли нова підмережа реєструється. З часом вартість блокування поступово зменшується, слідуючи лінійному шаблону, схожому на механізм голландського аукціону. Цей підхід спрямований на досягнення рівноваги в попиті на слоти підмереж шляхом коригування вартості блокування з часом.

• Коли підмережа скасовує реєстрацію, $TAO, заблокований для її реєстрації, повертається власнику, всі майнери в підмережі видаляються, а стан мережі скидається.

Коренева мережа

Мережа Root служить як «мета-підмережа», що працює вище та впливає на інші підмережі, відіграючи вирішальну роль у визначенні балів емісії по всій системі.

Його основна функція полягає у використанні механізму зваженого консенсусу за участю делегатів для створення вектора емісії для кожної підмережі. Делегати в «кореневій» мережі призначають вагу різним підмережам на основі своїх уподобань, і механізм консенсусу в кінцевому підсумку визначає розподіл емісій.

Одним з помітних аспектів є те, що мережа 'root' ефективно об'єднує ролі як Сенату, так і механізмів делегування, об'єднуючи ці функції в одне ціле. Це узгодження оптимізує процеси прийняття рішень в екосистемі Bittensor.

Мережа «корінь» має владу формувати екосистему, впливаючи на розподіл емісій. Якщо вона вважає, що підмережа або певний аспект системи не є цінним, вона має здатність зменшити або усунути емісію для цього компонента.

Підмережі в мережі Bittensor повинні активно прагнути привернути більшість ваг делегатів у мережі 'корінь', щоб забезпечити значну частку емісії. Цей конкурентний аспект підкреслює важливість підмереж у демонстрації своєї цінності та корисності для ширшої екосистеми.

Крім того, воно надає можливість 12 найвищих ключів у мережі вето пропозицій, поданих триумвіратом, додаючи додатковий рівень управління та контрольно-заставних заходів до системи.

Перспективи сектору

У світі технологій влада давно сконцентрована в руках кількох технологічних гігантів. Ці гіганти утримували контроль над цінними цифровими товарами, які є необхідними для стимулювання інновацій. Однак Bittensor визнає цю парадигму та викликає її, представляючи більш демократичну та доступну систему через свій ринок.

Основна інсайт Bittensor полягає в розумінні того, що інтелект є результатом різних цифрових товарів, таких як обчислювальна потужність та дані. Історично ці товари були тісно контрольовані й обмежені сфері технологічних гігантів. Bittensor намагається розірвати ці ланцюги, вводячи створені користувачем підмережі. Ці ринки будуть працювати за єдиною системою токенів, що забезпечить розробникам по всьому світу рівний доступ до ресурсів, які раніше були виключною сферою обраної кількох осіб у закритій екосистемі Великого Технологічного.

Потенційне прийняття

У сучасну цифрову епоху перетворююча сила штучного інтелекту (AI) невідома. AI став неодмінною складовою нашого життя, спрощуючи дослідження, автоматизуючи робочі процеси, допомагаючи в кодуванні та генеруючи вміст з тексту. Швидкий ріст можливостей AI очевидний, але цей ріст супроводжується викликами, пов'язаними з масштабованістю та, що найважливіше, надійністю.

Нещодавні події, такі як тимчасовий вихід з ладу ChatGPT під час обговорень щодо регулювання штучного інтелекту в Вашингтоні, підкреслили критичну потребу в надійних рішеннях для вирішення масштабних викликів штучного інтелекту. Ці відмови залишили користувачів занепокоєними стабільністю та надійністю штучного інтелекту, оскільки він все більше інтегрується в наше повсякденне життя. Саме в такі моменти стає очевидним значення $TAO від Bittensor.

Підхід Bittensor не лише підтримує відкрите штучного інтелекту, але також демонструє, що це може бути фінансово вигідним заняттям. Він відображає конкурентну еволюцію, яку бачимо в майнінгу Bitcoin і відкриває шлях для процвітаючого ринку, де найкращі моделі штучного інтелекту виступають на передній план. Цей зсув надає можливість дослідникам ШІ вносити свій досвід у відкрите та динамічне середовище, що в кінцевому підсумку приносить користь суспільству в цілому.

$TAO пропонує децентралізовану інфраструктуру штучного інтелекту, яка може пом'якшити потенційні проблеми, подібні до тієї, з якою стикається ChatGPT. Децентралізуючи штучний інтелект, Bittensor забезпечує стійкість і надійність систем штучного інтелекту, навіть незважаючи на те, що попит на них продовжує зростати. Такий підхід закладає надійну основу для майбутнього послуг штучного інтелекту.

Просто кажучи, Bittensor виступає як глобальний ринок для штучного інтелекту відкритого коду, пропонуючи переконливе рішення для викликів, що постають у зв'язку з розробкою закритого коду ШІ.

• Гравітаційна сила для відмінності штучного інтелекту: Bittensor працює як гравітаційна сила, яка притягує найкращі моделі штучного інтелекту від дослідників з усього світу. Сприяючи вільному ринку штучного інтелекту, мережа заохочує подання передових моделей. По мірі зрілості Bittensor обіцяє низькі ціни, усуває ризики платформи та пропонує найкращі виходи штучного інтелекту, будь то в текстовому, зображеннєвому, відео або іншому форматі.
• Прибуткове відкрите джерело: Bittensor перетворює відкрите джерело штучного інтелекту на прибутковий бізнес. На слід прикладу Bitcoin, Bittensor побудований з припущенням, що зацікавлені сторони діють у здобутковому способі. У цій екосистемі найкращі моделі штучного інтелекту заробляють найбільше грошей. Це паралельно з еволюцією видобутку Bitcoin, переходячи в конкурентну та професіоналізовану галузь. Аспіранти з докторським ступенем тепер мають можливість внести свої дослідження на цей відкритий ринок, зводячи міст між академією та приватним сектором.
• Вражаючий масштаб: стимули Bittensor принесли помітні результати. Мережа обслуговує понад 4 000 моделей штучного інтелекту, які включають у себе дивовижні 10 трильйонів параметрів моделі. Щоб уявити це, GPT-3 має 175 мільярдів параметрів.
• Різноманітні учасники: екосистема Bittensor включає різноманітних зацікавлених сторін, включаючи шахтарів, валідаторів, номінантів та споживачів. Ця різноманітна участь забезпечує міцність мережі та її постійний ріст.

Важливим є поточний стан штучного інтелекту, багато з якого залишається зачиненим за закритими дверима та під контролем кількох технологічних гігантів. Це породжує питання: що, якщо штучний інтелект може бути відкритим і вчитися від інших моделей штучного інтелекту в спільному середовищі? $TAO від Bittensor прагне надати відповідь на це питання.

• Прийняття шляхом зростання: Хоча деякі великі компанії зі штучного інтелекту можуть сумніватися у публічному розголошенні своїх власних технологій штучного інтелекту, $TAO пропонує цікаву пропозицію. Він вводить можливість подальшої монетизації через мікротранзакції. Уявіть собі встановлені рішення зі штучного інтелекту, такі як OpenAI, які приймають мікроплатежі кожного разу, коли хтось використовує їхні моделі навчання в екосистемі Bittensor для створення своїх продуктів та бізнесу. Це може відкрити новий джерело доходу для цих компаній, що спонукає їх брати участь в відкритій мережі штучного інтелекту.
• Прийняття за попитом: Альтернативно, припустимо, що поточні рішення штучного інтелекту залишаються закритими та стійкими до відкритих мереж. Навіть з великим капіталом в своєму розпорядженні є шанс, що відкритий код може виросити ці важко фінансовані рішення. Хоча фінансові ресурси мають важливе значення для технологічного зростання, потенціал технології, яка може навчатися автономно та зі свого середовища, не повинен недооцінюватися.

Дилема відкритого коду

Дискусія щодо того, чи повинні бути відкритими джерелами моделі штучного інтелекту, набирає популярності, оскільки зростають обурення щодо проблеми узгодження в штучному інтелекті. Основне питання полягає в тому, чи фактичний код за моделями штучного інтелекту повинен бути вільно доступним для всіх. Цікаво, що навіть якби головні гравці, такі як OpenAI, вирішили зробити свої моделі відкритими, це не обов'язково становило б загрозу для Bittensor. У відкритій середовищі будь-хто міг би використовувати ці моделі в мережі Bittensor.

У технічній спільноті існує розбіжність думок з цього питання. Деякі вважають, що оприлюднення технології штучного інтелекту може дати змогу зловживати зловмисникам використовувати ШІ для шкідливих цілей. З іншого боку, інші стверджують, що надання ексклюзивних прав на технології ШІ великим корпораціям становить більш значний ризик. Наприклад, концентрація потужностей ШІ в руках кількох корпорацій на трильйон доларів, як це бачимо в прикладі з фокусуванням OpenAI на зборі значних коштів, може призвести до етичних проблем, підкреслюючи ризик корупції влади.

Рішення Meta відкрити свій ресурс кодуLlama2LLM вказує на зміну у галузі на користь прийняття відкритих практик. Цей крок надає можливість Bittensor навчитися від Meta та, можливо, інтегрувати до своєї мережі досягнення Meta, що дозволить швидше зменшити різницю в продуктивності.

Важливо дослідити оцінку як $TAO, так і OpenAI. На сьогоднішній день OpenAI займає домінуюче положення в галузі, з оцінка в діапазоні від $80 млрд до $90 млрд. Однак він працює в закритій екосистемі, яка значною мірою залежить від Microsoft та її дозволених хмарних сервісів. Незважаючи на це, OpenAI успішно залучила найкращі таланти з усього світу. З іншого боку, з плином часу та ініціативами з відкритим вихідним кодом стають все більш поширеними, пул доступних талантів готовий розширюватися в геометричній прогресії, охоплюючи кожен куточок Інтернету. Ця демократизація досвіду в галузі штучного інтелекту може зіграти вирішальну роль у формуванні прийняття Bittensor.

Конкурентна ландшафт – Централізований штучний інтелект

Прийняття розробників залишається ключовим фактором у подорожі Bittensor. На даний момент розробники можуть спілкуватися з мережею через Python API, розроблене Фондом OpenTensor, що підкреслює важливість створення потужної спільноти розробників для підтримки прийняття. На сьогодні Bittensor активно працює над децентралізацією критичних аспектів мережі, таких як створення та навчання моделей, винагороджуючи найкраще налаштовані моделі та сприяючи прийняттю рішень, що базуються на спільноті.

Цікаво, встановлені гравці в галузі штучного інтелекту, включаючи OpenAI та Google, зараз стали конкурентами $TAO. Вони глибоко втягнуті в етап генерації моделі штучного інтелекту і навіть ризикнули потенційними вертикальними інтеграціями в різних галузях промисловості. У цьому контексті однією з основних проблем, з якою стикається $TAO, є проблема розділення даних.

На відміну від технологічних гігантів, таких як Facebook, Apple, Amazon, Netflix та Google (FAANG), які мають доступ до великих сховищ цінних даних, спільноти, що базуються на внеску учасників, можуть бути позбавлені такого ж рівня ресурсів і доступу до даних. Організації FAANG обладнані фінансовими можливостями для підтримки своїх проектів зі штучного інтелекту потужним апаратним забезпеченням, таким як передові технології Nvidia, включаючи H100s та GH200s, які можуть значно прискорити навчання моделей штучного інтелекту.

У той же час важливо зазначити, що всі основні рішення штучного інтелекту сьогодні характеризуються закриттям і централізованістю. Сюди входять такі відомі компанії, як OpenAI, Google, Midjourney та інші, кожна з яких пропонує проривні рішення зі штучним інтелектом. Однак розрив між моделями із закритим і відкритим вихідним кодом стрімко скорочується. Моделі з відкритим вихідним кодом завойовують позиції з точки зору швидкості, кастомізації, конфіденційності та загальних можливостей. Вони досягають вражаючих функцій при відносно скромних бюджетах і розмірах параметрів у порівнянні зі своїми закритими аналогами. Крім того, ці моделі з відкритим вихідним кодом працюють за прискореним графіком, забезпечуючи результати за тижні, а не місяці.

Google, технологічний гігант, визнав цю трансформаційну тенденцію. A витік внутрішнього документа від компанії заявляє: «У нас немає рову, як і в OpenAI». Це визнання підкреслює зростаючий вплив штучного інтелекту з відкритим вихідним кодом у конкурентному середовищі.

У цій постійно змінюючійся екосистемі штучного інтелекту $TAO виступає як каталізатор змін, викликаючи традиційну модель розвитку та навчання штучного інтелекту. Його децентралізований підхід та спільното-орієнтований етос позиціонують його як учасника в динамічній арені, де колись панували технологічні гіганти.

На відміну від централізованих платформ, які обмежують доступ до однієї моделі штучного інтелекту, архітектура Bittensor забезпечує інклюзивний доступ до розвідувальних даних. Він служить єдиним вікном для розробників штучного інтелекту, пропонуючи всі необхідні обчислювальні ресурси, одночасно залучаючи зовнішні внески. Ця інклюзивна модель об'єднує нейронні мережі в Інтернеті, створюючи глобальну, розподілену та керовану стимулами систему машинного навчання.

Реалізація повного потенціалу штучного інтелекту вимагає відмови від практик розробки з закритим кодом та пов'язаних з ними обмежень. Точно так само, як діти розширюють своє розуміння через соціальні взаємодії, штучний інтелект розквітає в динамічних середовищах. Взаємодія з різноманітними наборами даних, інсайти від інноваційних дослідників та взаємодія з різними моделями сприяють створенню більш стійких та розумних систем штучного інтелекту. Траєкторія штучного інтелекту не повинна диктуватися однією сутністю.

У цьому різкому контрастному майбутньому вибір між світом, який контролюють алгоритми чорних скриньок та централізована влада, і відкритим, демократизованим ландшафтом штучного інтелекту стає вирішальним для суспільства.

За першим сценарієм, коли кермо влади в руках тримають мегакорпорації на кшталт OpenAI або Anthropic, ми ризикуємо жити в режимі постійного нагляду. Ці корпорації матимуть величезну владу над нашими персональними даними та повсякденною взаємодією, з повноваженнями відключати послуги та повідомляти про окремих осіб за незгодні погляди чи обговорення.

Однак більш оптимістична альтернатива пропонує світ, де штучний інтелект ґрунтується на відкритих платформах, побудованих на універсально власницьких мережах. Тут влада й контроль децентралізовані, а штучний інтелект служить інструментом для зміцнення, а не для спостереження. У цьому сценарії творчість та розвиток можуть процвітати без страху корпоративного упередження чи цензури.

Точно так само, як інтернет демократизував доступ до інформації, відкрита екосистема штучного інтелекту демократизувала б доступ до інтелекту. Вона забезпечує, що інтелект не монополізується обраними кількома, сприяючи рівному полі, де кожен може внести свій внесок, навчатися та користуватися.

$TAO Токеноміка

• Подібно до біткоїна, загальний максимальний обсяг $TAO токенів обмежений 21,000,000, які будуть випущені через 256 років.
• Халвінг $TAO відбуватиметься кожні 10,5 мільйонів блоків, з набором 64 подій халвінгу, які відбудуться протягом наступних 45+ років.

• Мережа працює на блочний час приблизно 12 секунд, з 1 $TAO винагородженням для рударів та валідаторів за блок.
• В даний час це становить 7 200 нових $TAO токенів, які випускаються щодня, рівномірно розподіляючись між майнерами та валідаторами.

Ще однією схожістю з Bitcoin є те, що графік випуску $TAO також слідує концепції подвоєння, яке відбувається приблизно кожні 4 роки. Однак це визначається загальним випуском токенів, а не номером блоку. Наприклад, як тільки було випущено половину загального обсягу, швидкість випуску зменшується вдвічі.

Важливо, що $TAO токени, які використовуються для переробки реєстрацій, спалюються назад у невипущену пропозицію, що призводить до поступового подовження інтервалів удвічі. Цей механізм гарантує, що графік випуску динамічно коригується з часом, відображаючи потреби мережі та економічну динаміку.

Економіка Токен $TAO

Економіка токенів Bittensor $TAO характеризується своєю простотою, прихильністю до децентралізації та справедливим розподілом. На відміну від багатьох інших блокчейн-проєктів, $TAO токени не були виділені жодній стороні через ICO, IDO, приватні продажі венчурним капіталістам або привілейовані асигнування команді, фонду чи радникам. Натомість кожен токен, що обертається, має бути зароблений шляхом активної участі в мережі.

Також у мережі беруть участь капіталовкладники, які виступають у якості майнерів або валідаторів, а також надають послуги з роботи на ринку, такі як DCG, GSR або Polychain. Важливою є той факт, що жоден з них не отримав виділення токенів, яке походить від попередньої продажу або приватного продажу.

Токен $TAO може бути використаний для управління, для стейкингу та участі в механізмі консенсусу, а також як засіб оплати в мережі Bittensor.

Таким чином, валідатори та майнери здійснюють стейкінг своїх токенів як заставу, щоб захистити мережу та отримати винагороду за рахунок інфляційної емісії, тоді як користувачі та підприємства можуть використовувати $TAO для доступу до сервісів штучного інтелекту та програм, створених у мережі.

Нові токени $TAO можуть бути створені лише шляхом майнінгу та валідації. Мережа винагороджує як майнерів, так і валідаторів, і кожен блок надає винагороду в розмірі 1 $TAO, яка розподіляється порівну між майнерами та валідаторами. Отже, єдиним способом отримати $TAO є або купівля токенів на відкритому ринку, або участь у діяльності з майнінгу та перевірки.

Пряма модель розподілу токенів $TAO відображає принципи децентралізації, що нагадують етос Біткойну, встановлений Сатоші Накамото. Материнське виготовлення $TAO відповідає графіку викидів Біткойну ($BTC), надаючи рівні можливості для усіх, хто вносить цінність у мережу. Цей підхід підкреслює важливість запобігання концентрації влади та власності, особливо в сфері штучного інтелекту, що має значущі соціальні наслідки і не повинен контролюватися кількома обраними особами.

Ця модель розподілу забезпечує, що добування залишається конкурентним процесом. Чим більше гірників приєднуються до мережі, тим більше зростає конкуренція, що ускладнює збереження прибутковості. Це, у свою чергу, мотивує гірників шукати способи зменшення їх операційних витрат, сприяючи ефективності та інноваціям у мережі.

Захоплення вартості $TAO

$TAO, нативний токен мережі Bittensor, отримує свою внутрішню цінність від своєї унікальної ролі в екосистемі. На відміну від стандартної моделі L1, де мережеві токени отримують свою цінність від продажу блокового простору, цінність $TAO прив'язана до послуг штучного інтелекту, які вона надає. У міру того, як ці послуги штучного інтелекту стають все більш ефективними та корисними, попит на $TAO зростає.

Утримання $TAO надає доступ до широкого спектру взаємопов'язаних цифрових ресурсів, включаючи дані, пропускну здатність та інтелект, що генерується та підтверджується учасниками мережі. Як відображено в графіку викидів, вартість $TAO не ґрунтується виключно на спекуляціях або дефіциті, але глибоко зарізана в матеріальних внесках та корисності, яку вона надає в мережі Bittensor.

Однак підтримка цього циклу створення та винагороди не є гарантованою. Шахтарі та валідатори, вносячи цінну інформацію до мережі та отримуючи $TAO токени в обмін, також мають стимул продавати їх, щоб покрити витрати, схожі на шахтарів Bitcoin.

Яка вартість в ціні токену?

Як і будь-який інший токен, ціна $TAO визначається фундаментальними економічними принципами попиту та пропозиції. Збільшення попиту на $TAO призводить до зростання цін, а зниження попиту – до знецінення ціни. Отже, ідея полягає в тому, що попит з боку екосистемної діяльності компенсує розблокування пропозиції.

Ви можете отримати $TAO лише, внесуючи внесок у мережу. Для цього вам потрібно купувати і утримувати або витрачати його, щоб почати використовувати мережу.

• Водії попиту:
  • Активність екосистеми:
    • Валідатори потребують $TAO токенів для реєстрації.
    • Користувачі можуть купувати $TAO для участі в процесах голосування, пов'язаних з узгодженням розвідувальних даних.
    • Використовуйте як оплату в мережі.
  • Попит на стейкінг та делегування $TAO для отримання винагороди за стейкінг. Це може допомогти захиститися від інфляційних емісій.
  • Спекулятивна премія як спосіб зробити ставку на потенціал зростання від злиття двох проривних технологій, таких як блокчейн і штучний інтелект.
  • Мережеві ефекти, які є результатом того, що все більше розробників входять у мережу та використовують потенціал моделей з відкритим вихідним кодом
• Джерела постачання:
  • Токен Емісія зі зростанням інфляції, щоб досягти загального обсягу в 21,000,000
  • Майнери та валідатори можуть продавати токени $TAO, щоб покрити свої оперативні витрати. Цей аспект подібний до ситуації, коли майнери Bitcoin продають для покриття витрат.

По мірі розширення мережі та додавання нових моделей ШІ та підмереж, зростає потенціал захоплення вартості. Зростання мережі також стимулюється синергією між ШІ та блокчейном, створюючи самопідсилюючий цикл.

Таким чином, Bittensor втілює принципи Закону Меткалфа, де вартість мережі пропорційна квадрату кількості підключених користувачів або вузлів. Чим більше учасників приєднуються до мережі, тим більше експоненційно зростає його вартість.

Як захопити таку цінність

У Bittensor валідатори зацікавлені в залученні частки від власників токенів, і ця частка є фундаментальною для їхньої роботи в мережі. Як власник токена, ви можете вибрати безліч різних валідаторів для стейкінгу своїх $TAO. Найпоширенішим варіантом є сам OpenTensor Foundation, який володіє близько 20% мережі.

Наразі валідатори розподіляють 82% своїх винагород делегатам у формі токенів $TAO. Внаслідок цього, делегування $TAO токени для валідатора надають власникам токенів можливість отримувати винагороди за стейкінг. Це може допомогти захистити користувачів від потенційного розмивання через інфляційні викиди.

• Винагороди валідатора в даний час становлять 22,45%
• Винагороди за стейкінг наразі становлять 18.41%

Ризик / Винагорода та Горизонт часу

При оцінці ризику/винагороди за виділення частини портфеля на $TAO важливо усвідомлювати, що саме ви фактично купуєте. Наприклад, придбання не дає власнику права на будь-який вид доходу, виплачуваний в доларах США, отриманий від економічної діяльності мережі. Замість цього ви отримуєте винагороду у вигляді токенів. Як власник токенів ви можете делегувати ці винагороди, щоб заробляти APY та збільшувати свої утримання $TAO.

Аналогії з біткойном зрозумілі, але за $BTC стоїть прихована історія, яка робить його унікальним. Ніхто не може дати задовільну відповідь щодо того, яка цінність $BTC або чому вона має якусь цінність, тому спільнота в кінцевому підсумку втілює трайбалістичну війну між тими, хто не монетує, «шиткойнером» і максі.

Фактично, економіка токенів біткоїна проста для розуміння: $BTC використовується для стимулювання майнерів на операцію та підтримку мережі. Як наслідок, існуючі власники стають розпорошеними (хоча вони можуть стати майнерами - або делегатами в разі Bittensor). Тому ті, хто утримує токен, не отримують винагороди та не отримують жодного стимулу від базової мережі.

Але у випадку з $BTC, однак, є важливий фактор, який слід враховувати, і це дефіцит. Той факт, що коли-небудь буде лише 21 мільйон доларів, робить його унікальним. І хоча економіка токенів $TAO була змодельована за зразком самого Bitcoin, все ще існує понад 70% невипущених токенів. Це ставить перед інвесторами дилему щодо того, що вони цінують більше: децентралізація мережі чи дефіцит активу.

У кінці корисність $TAO походить від доступу, який він надає до моделей ШІ, його використання для управління, доступ до винагород за стейкінг та як механізм стимулювання.

Операційні витрати

Поточні інфраструктурні розвитки оплачуються Фонд Opentensorчерез фінансування від делегування їм, а також винагороди за делегування. Інші розробки здійснюються третіми сторонами, які ведуть свої валідатори і отримують фінансування через делегування також.

Точно так, як будь-яка глобальна ініціатива потребує фінансування для досліджень, розробки та впровадження, успіх штучного інтелекту залежить від того, як координується капітал та як стейкхолдери винагороджуються за свій внесок. Саме це стратегічне розподіл ресурсів (дослідження, GPU для навчання...) підтримує ріст та вплив штучного інтелекту.

У сфері штучного інтелекту, особливо в разі великих мовних моделей, таких як ChatGPT, операційні витрати значні. Наприклад, OpenAI, ймовірно, витрачає приблизно $700,000 per day to operate ChatGPT, що підкреслює значний фінансовий тягар, пов'язаний з великомасштабними моделями штучного інтелекту. Вартість навчання може становити від мільйонів до десятків мільйонів доларів за кожну модель, що робить це ще більш ресурсоємним завданням. Вартість навчання моделі на великому наборі даних може бути ще вищою, сягаючи до $30 мільйонів.

Хоча компанія отримала значні інвестиції, включаючи недавню інвестицію від Microsoft (приблизно половина у вигляді кредитів Azure), зростаючі витрати на навчання великих мовних моделей є проблемою. Кожен навчальний запуск коштує мільйони, а необхідність починати спочатку для нових моделей загострює цю проблему.

Ось де підходу Bittensor до "Накопичення знань" стає важливим. Унікальний підхід Bittensor фокусується на децентралізації та співпраці через "Накопичення знань". Ця філософія дозволяє системам штучного інтелекту будувати на існуючих знаннях децентралізованим способом, пропонуючи переваги такі як:

• Ефективність витрат: За допомогою використання існуючих знань та постійного їх вдосконалення підходу Bittensor може потенційно зменшити потребу в дорогому повторному навчанні з нуля.
• Адаптивність: Широкомасштабні застосування штучного інтелекту часто стикаються з змінними потребами та викликами. Саме тут децентралізований підхід дозволяє організаціям гнучкіше адаптувати свої системи штучного інтелекту, забезпечуючи їх актуальність та ефективність в динамічному середовищі.
• Децентралізація: децентралізована мережа Bittensor дозволяє глобальній спільноті учасників зменшувати залежність від одного суб'єкта або централізованої інфраструктури. Це сприяє інноваціям та різноманітності у розвитку штучного інтелекту.
• Співпраця: Спільне природу Знання Компаундингу сприяє обміну знаннями та спільному навчанню серед вузлів в мережі, сприяючи динамічному середовищу для розвитку штучного інтелекту.

Команда та інвестори

Bittensor - це відкритий протокол, який працює з децентралізованою, блокчейн-орієнтованою мережею машинного навчання. Команда, що стоїть за Bittensor, включаєJacob Steeves (Засновник), Ала Шаабана (Засновник), Джеклін Дон(Директор з маркетингу), таСаїде Мотлаг(Blockchain Architect) серед інших. Фонд Opentensor також планує розширити свою команду цього року.

Існує псевдонім на ім'я Yuma Rao, який також згадується в білій книзі Bittensor, так само, як у Bitcoin Сатоші Накамото. Невідомо, чи існує ця особа насправді, і ми можли ніколи не дізнаємося більше про нього або неї.

Bittensor не розголошував жодних помітних радників або ключових інвесторів, крім фінансування від Фонду OpenTensor, який є неприбутковою організацією, що підтримує розвиток Bittensor. Bittensor також не оголосив жодних офіційних партнерств.

Теза

Більшість технологічних компаній значно втратили свої попандемійні оцінки, але компанії з штучним інтелектом зараз досягають рекордних значень як за оцінками, так і за темпами зростання.

З ринковою капіталізацією значно нижче, ніж у великих гігантів галузі, Bittensor може фактично бути ідеальною площадкою для широкомасштабних / високовимогових штучних інтелектуальних додатків та використання моделей з відкритим вихідним кодом.

Очевидно, що найпростіше порівняння для вимірювання потенційних можливостей - це порівняти з приватною оцінкою OpenAI в розмірі $29 млрд. Реалістично чи ні, це трохи більше, ніж в 28 разів вище, ніж $FDV TAO. Беручи до уваги, як довго знадобиться, щоб вся постачання увійшла в обіг, ми можемо використовувати обіговий ринковий капітал для отримання приблизної цифри, де приватна оцінка OpenAI перевищує ринковий капітал $TAO більше, ніж в 108 разів.

Проте, це дуже спекулятивний підхід, який можна спростити як зроблення ставок на проекти, які можуть скористатися тим, що знаходяться на перетині штучного інтелекту та криптовалюти.

Найважливіша риса, яку треба мати на увазі, це те, що Bittensor розв'язує проблему централізації штучного інтелекту. Зараз невелика кількість корпорацій контролюють меншість великих і потужних моделей, але вони всі ізольовані, і майже не відбувається співпраця або обмін знаннями.

Моделі штучного інтелекту, які знаходяться в силосах, не можуть навчатися одна від одної, тому вони не є компаундом (дослідники повинні починати з нуля кожен раз, коли вони створюють нові моделі). Це суттєво відрізняється від дослідження штучного інтелекту, де нові дослідники можуть будувати на роботі минулих дослідників, створюючи компаунд-ефект, який підсилює розвиток ідей.

Штучний інтелект, розміщений у силосах, також обмежений у функціональності, оскільки інтеграція сторонніх додатків та даних вимагає дозволу від власника моделі (у формі технологічних партнерств та угод з бізнесом). Це обмеження безпосередньо впливає на цінність та корисність штучного інтелекту, оскільки він може бути корисним лише настільки, наскільки широкий спектр застосувань він може ефективно підтримувати.

Таке централізоване середовище за принципом «переможець отримує все» не є вигідним для невеликих команд з меншими ресурсами. У цьому контексті основною перевагою Bittensor є їхня децентралізована мережа та механізм стимулювання, який заохочує невеликі команди та дослідників монетизувати свою роботу.

Якщо Bittensor вдасться скоротити різницю в продуктивності з провідними постачальниками закритого програмного забезпечення для штучного інтелекту, такими як GPT-4, він може стати вибором № 1 для розробників, бізнесу та дослідників у криптовалютному та інтелектуальному просторі. Його відкритий та спільний характер позиціонує його як привабливу альтернативу закритим екосистемам, що потенційно може призвести до значного прийняття.

У кінцевому підсумку, оцінка TAO може бути похідна від корисності мережі (економічна діяльність, побудована зверху) або безпосереднього грошового потоку до протоколу.

• Як утилітарний токен, $TAO потрібно для доступу до мережі. Тому його оцінка може бути похідна від економічної корисності, побудованої зверху.
• Як токен Staking, утримувачі можуть делегувати $TAO валідаторам та отримати частку доходу мережі.
• Ми також можемо виміряти доходи на основі частки ринку та кількох припущень (що також призводить до ненадійності передбачуваної вартості).

Оскільки корисність є більш суб'єктивною та абстрактною для оцінки, ми можемо почати з потоку готівки. Припускаючи, що ринок машинного навчання може досягти певного ринкового розміру в майбутньому (див. Precedence Research estimatesна зображенні нижче), ми можемо оцінити мережу Bittensor на основі її потенційної частки ринку та множник доходу.

Незалежно від оціненого розміру ринку, Bittensor все ще є високоспеціалізованим та складним проєктом для розуміння, що утруднює просте залучення розробників та прийняття користувачами.

Проект все ще знаходиться на дуже ранній стадії розвитку, і можуть виникнути непередбачувані проблеми з мережею. Наприклад, у червні між майнерами відбулася угода, яка спричинила гру в мережі та спричинила продаж $TAO на ринку. Тимчасовий виправлення полягало в зменшенні емісії на 90%, щоб надати додатковий час Фонду Opentensor на пошук рішення для збереження чесності мережі та дозволу протоколу працювати, як задумано.

Більшість продуктів, які зараз працюють в мережі, не можуть конкурувати з централізованими контрагентами, і поки мають низький рівень упровадження. Найкращий спосіб дізнатися і спробувати самому - це протестувати послуги, що пропонуються на Біттензор Хаб.

Ми також повинні задати питання, чи логіка токенів Bitcoin має сенс для мережі, спеціалізованої на наданні послуг штучного інтелекту, такої як Bittensor. Можливо, дезінфляційна природа $BTC не є найкращою для мережі, яка потребує зростаючої кількості шахтарів та додатків, побудованих зверху, щоб масштабуватися. Ідеальною було б, щоб токен інфлював разом із зростанням прийняття мережі, більше схоже на цифрове масло, аніж цифрове золото. У певному сенсі це вже побудовано, стимулюючи шахтарів конкурувати між собою та розподіляти запас протягом понад 200+ років.

Ще одним викликом є конфіденційність через неможливість шифрування даних перед їх проходженням через нейромережу. Це стає ще більш проблематичним в децентралізованому середовищі, оскільки будь-які дані, що проходять через процес навчання та/або інференції, обов'язково не будуть конфіденційними. Звичайно, це потенційна проблема і для централізованого середовища, але в такому випадку вам доведеться турбуватися лише про 1 відому сторону, яка бачить ваші дані, а не про невідомих багатьох.

Економіка

Ціна Токену

Ціна відносно ATH та ATL

Розподіл постачання

Висновок

Bittensor може бути потужною ставкою на перетині штучного інтелекту та криптовалюти. Однак безумовно, це один з найбільш складних проектів для оцінки темпів зростання та потенційного росту.

Очевидно, в децентралізованій мережі є великий потенціал для використання корисності штучного інтелекту, особливо коли йдеться про стимулювання відкритих моделей джерела та децентралізацію власності мережі. Однак послуги та бізнес-випадки, побудовані на основі Bittensor, ще не є достатньо конкурентоспроможними.

ШІ також є галуззю, яка потребує великих операційних витрат та великих сум фінансування, які можуть бути досяжні тільки великими гігантами галузі. Bittensor є дуже контрабанковим залогом у цьому розумінні, тому варто розглянути як можливість якнайбільшу кількість факторів ризику/винагороди.

Посилання

Bittensor – TAO

• Сайт
• Документи
• Білий папір
• Ума Консенсус
• Дослідники
• Таобрідж
• Делегат
• Taostats
• TAO News
• Coingecko
• Twitter
• Discord
• Телеграм-група спільноти
• Github
• @Bittensor">Youtube
• Блог Фонду Opentensor
• Фундація LinkedIn Opentensor
• Шаблон підмережі Bittensor
• Список валідаторів

Зовнішні джерела

• Злиття криптовалюти та штучного інтелекту від Multicoin Capital
• Центр Bittensor – Агрегатор контенту

Disclaimer：

1. Ця стаття була перепечатана з [ Компанія Revelointel]. Усі авторські права належать оригінальному автору [revelointel]. Якщо є заперечення проти цього перепублікування, будь ласка, зв'яжіться Gate Learnкоманда, і вони оперативно займуться цим.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, що належать авторові, і не становлять жодної інвестиційної поради.
3. Переклади статей на інші мови виконуються командою Gate Learn. Якщо не вказано інше, копіювання, поширення або плагіатування перекладених статей заборонене.