Bittensor (TAO)

Глубокое погружение.

Введение

С недавним взрывным ростом и увеличением популярности искусственного интеллекта, многие предложили различные тезисы о пересечении ИИ и криптовалют. Эти инновации обладают потенциалом для радикального изменения различных аспектов нашей цифровой жизни, от управления цифровыми активами до сохранения интеллектуальной собственности и борьбы с мошенничеством. Особенно это слияние привело к возникновению двух выдающихся тенденций:

• Интеграция ИИ с блокчейн-инфраструктурой, как в случае с Render ($RNDR), Akash ($AKT) или Fetch.ai ($FET).
• Появление протоколов, стимулирующих создание машинного интеллекта, таких как Bittensor ($TAO).

Предыдущие применения ИИ в блокчейне в основном сосредоточивались на инфраструктуре, позволяя хранить модели ИИ/ML и арендовать GPU. Это привело к тенденциям, таким как обучение с подкреплением, стимулируемое токенами, zkML, и регистры идентичности на основе блокчейна для борьбы с глубокими подделками. Одновременно, параллельный тренд набирает обороты: протоколы, стимулирующие интеллект.

В этом отчете мы погружаемся в пересечение ИИ и крипто, сосредотачиваясь на Bittensor и токене $TAO, изучая их роли в рынке Peer-to-Peer Intelligence и возвышении цифрового товарного рынка.

Используя преимущества последнего обновления "Revolution", которое произошло 2 октября, мы также предоставляем исторический обзор, перспективы сектора, конкурентный анализ и взгляд на ценностное предложение $TAO.

Сейчас будет долгая техническая муть. Если вам это не интересно, рекомендую пропустить.

Обзор

Bittensor - это протокол с открытым исходным кодом с основной миссией: стимулировать развитие ИИ через структуру стимулирования на базе блокчейна. В этой экосистеме участники вознаграждаются токенами $TAO за свои усилия.

Bittensor функционирует как сеть майнинга, используя стимулы в токенах для поощрения участия, при этом придерживаясь принципов открытости и децентрализации. В этой сети множество узлов размещают модели машинного обучения, коллективно внося вклад в пул интеллекта. Эти модели играют ключевую роль в анализе обширных текстовых данных, извлечении семантического смысла и генерации ценных выводов в различных областях.

Для пользователей основные функциональные возможности включают возможность запроса у сети доступа к интеллекту, взаимодействие с майнерами и валидаторами для майнинга токенов $TAO, а также управление своими кошельками и балансами.

Сеть Bittensor зависит от вкладов разнообразной группы заинтересованных сторон, включая майнеров, валидаторов, номинантов и потребителей. Этот коллаборативный подход обеспечивает, что лучшие модели ИИ выходят на передний план, улучшая качество предлагаемых сетью услуг ИИ.

Поставка включает два уровня: ИИ (майнеры) и блокчейн (валидаторы).

1. Майнеры в сети Bittensor размещают модели ИИ и делают их доступными для сети, причем их успех определяется качеством и эффективностью, которую они предоставляют.

• Майнеры вознаграждаются токенами $TAO в зависимости от интеллекта, который они вносят в сеть (хотя это зависит от конкретной задачи).
• Модели с высоким рейтингом пользуются большим спросом и приносят больше дохода майнерам.

2. Валидаторы служат оценщиками в сети. Они оценивают качество и эффективность моделей ИИ и управляют запросами пользователей. Таким образом, валидаторы ранжируют модели на основе их производительности для конкретных задач, помогая потребителям найти лучшие решения. Чем точнее и последовательнее их оценки, тем больше они зарабатывают вознаграждений. Аналогично, несоответствующие оценки могут привести к штрафам, обеспечивая высокие стандарты валидаторов.

• Валидаторы стимулируются токенами $TAO для ранжирования майнеров на основе их "вклада в интеллект".
• Валидаторы также отвечают за маршрутизацию входных данных для получения лучшего результата. Это достигается за счет формирования коалиций между майнерами (моделями), которые дополняют друг друга (подсети).

Со стороны спроса разработчики могут создавать приложения на основе валидаторов, используя (и оплачивая) специфичные для конкретного случая возможности ИИ сети.

1. Номинанты - это лица, владеющие токенами $TAO и активно поддерживающие конкретных валидаторов путем делегирования своих токенов им. Это делегирование помогает валидаторам получать больше поддержки и вознаграждений. Номинанты также зарабатывают вознаграждения за участие в этом процессе. Если валидатор плохо справляется с задачей или если номинант считает, что есть лучший вариант, он может перенаправить свою поддержку на другого валидатора.

2. Потребители являются конечными пользователями моделей ИИ, предоставляемых Bittensor. Они могут варьироваться от разработчиков приложений, интегрирующих возможности ИИ в свои приложения, до пользователей чат-ботов, ищущих качественные ответы.

• Потребители приоритезируют получение точных и ценных ответов.
• Разработчики, в частности, выбирают валидаторов, которые, по их мнению, лучше всего соответствуют их требованиям, чтобы обеспечить предоставление своим пользователям высококачественных услуг ИИ.

Продукт координации между вышеупомянутыми заинтересованными сторонами приводит к сети, которая продвигает лучшие модели для данного случая использования. Поскольку каждый может экспериментировать, компаниям с закрытым исходным кодом трудно даже конкурировать.

Одно из наиболее распространенных заблуждений заключается в том, что сеть поддерживает обучение машинного обучения (ML). В своем текущем состоянии Bittensor исключительно поддерживает вывод, который представляет собой процесс вывода заключений и предоставления ответов на основе доказательств и рассуждений. Обучение, с другой стороны, является отдельным процессом, который включает обучение модели машинного обучения выполнению задачи. Это достигается путем подачи модели значительного набора данных с маркированными примерами, позволяющими ей учиться на закономерностях и ассоциациях между данными и метками. Вывод, в свою очередь, использует обученную модель машинного обучения для предсказания новых, ранее не виденных данных. Например, модель, обученная классифицировать изображения, может быть использована для вывода для определения класса нового, ранее не виденного изображения.

Таким образом, важно отметить, что Bittensor не выполняет машинное обучение на блокчейне, а функционирует больше как блокчейн-оракул или сеть валидаторов, которая соединяет и оркестрирует off-chain узлы машинного обучения (майнеры). Эта конфигурация создает децентрализованную сеть смешения экспертов (MoE), архитектуру машинного обучения, которая объединяет несколько моделей, оптимизированных для различных способностей, чтобы сформировать более надежную общую модель.

Одноранговый рынок интеллекта

Одноранговая интеллектуальная торговая площадка Bittensor - это новаторская концепция в области разработки ИИ, предлагающая децентрализованную и свободную от разрешений платформу, которая резко отличается от более закрытых моделей, таких как OpenAI или Gemini от Google.

Этот рынок создан для стимулирования конкурентных инноваций, способствования росту индустрии ИИ и обеспечения доступности ИИ для глобального сообщества разработчиков и пользователей. Любая форма ценности может быть стимулирована — это протокол для стимулирования/создания справедливого рынка для любой цифровой товарности.

Другими словами, протокол воплощает подход от участника к участнику к обмену возможностями машинного обучения и прогнозами между участниками в сети. Он облегчает обмен и сотрудничество моделей и услуг машинного обучения, способствуя созданию совместной и инклюзивной среды, где могут размещаться как открытые, так и закрытые модели.

Возникновение Рынка Цифровых Товаров

Bittensor уникален тем, что заложил основу для возникновения Рынка Цифровых Товаров, фактически превращая машинный интеллект в торгуемый актив. В своей основе протокол устанавливает рынок, где машинный интеллект коммерциализируется.

Похоже на генетический алгоритм, система стимулов Bittensor непрерывно оценивает производительность майнеров и со временем выбирает или перерабатывает майнеров. Этот динамичный процесс гарантирует, что сеть остается эффективной и отзывчивой к меняющемуся ландшафту разработки ИИ.

В рынке интеллекта Bittensor генерация ценности следует двойному подходу:

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

Стоит отметить, что Bittensor вознаграждает не только за сырую производительность, но и делает акцент на создании наиболее ценного "сигнала". Это означает, что система вознаграждений приоритетно отдает предпочтение созданию информации, которая приносит значительные преимущества широкой аудитории, в конечном итоге способствуя разработке более ценной товарности.

Консенсус Yuma

Как самостоятельная блокчейн layer1, Bittensor работает на алгоритме консенсуса Yuma. Это децентрализованный алгоритм консенсуса от участника к участнику, который способствует равномерному распределению вычислительных ресурсов по сети узлов.

Yuma работает на гибридном механизме консенсуса, сочетающем элементы Proof-of-Work (PoW) и Proof-of-Stake (PoS). Узлы в сети выполняют вычислительную работу для валидации транзакций и создания новых блоков. Затем эта работа валидируется другими узлами, и успешные участники вознаграждаются токенами. Именно компонент PoS стимулирует узлы держать токены, выравнивая их интересы с устойчивостью и ростом сети.

По сравнению с традиционными механизмами консенсуса, этот гибридный модель предлагает несколько преимуществ. С одной стороны, он избегает чрезмерного энергопотребления, часто связанного с PoW, уменьшая экологические опасения. С другой стороны, он обходит риски централизации, видимые в 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, так как он позволяет легко обрабатывать более сложные задачи ИИ и обрабатывать большие наборы данных. По мере присоединения дополнительных узлов сеть естественным образом масштабируется для выполнения все более значительных рабочих нагрузок.

В отличие от традиционных централизованных приложений ИИ, которые зависят от одного сервера или кластера, приложения на основе Yuma могут быть распределены по сети узлов. Это распределение оптимизирует вычислительные ресурсы, позволяя справляться со сложными задачами, снижая риски, связанные с одними точками отказа и уязвимостями безопасности.

Дистилляция Знаний - Цифровой Разум Коллектива

Дистилляция знаний является основополагающим концептом в протоколе Bittensor, способствующим совместному обучению среди узлов сети для повышения производительности и точности. Подобно тому, как нейроны в человеческом мозге работают вместе, дистилляция знаний позволяет узлам коллективно улучшаться в сети.

Этот процесс включает обмен образцами данных и параметрами модели между узлами, приводя к сети, которая самооптимизируется со временем для более точных прогнозов. Каждый узел вносит свой вклад в общий пул, улучшая общую производительность сети, делая ее быстрее и более подходящей для приложений реального времени, таких как робототехника и автономные автомобили.

Этот метод ключевым образом снижает риск катастрофического забывания, общей проблемы в машинном обучении. Узлы сохраняют и расширяют свои существующие знания, одновременно включая новые идеи, улучшая устойчивость и адаптивность сети.

Распределение знаний по множеству узлов также делает сеть Bittensor TAO более устойчивой к сбоям и потенциальным утечкам данных. Эта надежность особенно важна для приложений, работающих с данными высокой безопасности и чувствительными к конфиденциальности, такими как финансовая и медицинская информация (больше о конфиденциальности позже).

Смешение Экспертов (MoE)

Продвигая инновации еще дальше, сеть Bittensor представляет концепцию децентрализованного Смешения Экспертов (MoE). Этот подход использует мощь нескольких нейронных сетей, каждая из которых специализируется на разных аспектах данных. Когда вводятся новые данные, эти эксперты сотрудничают, чтобы произвести более точные коллективные прогнозы, чем мог бы достичь любой отдельный эксперт.

Используемый механизм консенсуса сочетает глубокое обучение с алгоритмами консенсуса блокчейна. Его основная цель - распределять stake в качестве стимула для участников, которые вносят наибольшую информационную ценность в сеть. По сути, он вознаграждает тех, кто улучшает знания и возможности сети.

В основе протокола Bittensor лежат параметризованные функции, часто называемые нейронами. Эти нейроны распределены в одноранговой манере, каждый из которых содержит ноль или больше сетевых весов, записанных в цифровом реестре. Участники активно участвуют в ранжировании друг друга, обучая нейронные сети для определения ценности соседних узлов. Этот процесс ранжирования имеет решающее значение для оценки вклада отдельных участников в общую производительность сети.

Процесс ранжирования генерирует баллы, которые накапливаются в цифровом реестре. Участники с высоким рейтингом получают денежные вознаграждения, увеличивая свой вес в сети. Это создает прямую связь между вкладом участника и его вознаграждениями, способствуя справедливости и прозрачности в сети.

Такой подход представляет рынок, где интеллект оценивается другими системами интеллекта в рамках интернета. Это стимулирует участников постоянно совершенствовать свои знания и опыт.

Для обеспечения равномерного распределения вознаграждений Bittensor использует значения Шепли, концепцию, заимствованную из теории кооперативных игр. Значения Шепли предлагают справедливый и эффективный способ распределения вознаграждений между участниками сети на основе их вклада. Это согласование стимулов с вкладами мотивирует узлы действовать в интересах сети, повышая безопасность и эффективность, а также способствуя постоянному улучшению.

Основная миссия Bittensor - способствовать инновациям и сотрудничеству в области искусственного интеллекта через децентрализованную структуру. Эта структура позволяет быстро расширять и делиться знаниями, создавая постоянно растущую и неостановимую библиотеку информации. На этом рынке разработчики имеют возможность монетизировать свои модели ИИ и предоставлять ценные решения для бизнеса и частных лиц.

Видение Bittensor охватывает будущее, в котором модели ИИ легко доступны и применимы в широком спектре отраслей. Эта доступность способствует прогрессу и открывает новые возможности, сокращая разрыв между возможностями ИИ и его реальным применением.

Так же, как и знаменитые глобальные модели ИИ, такие как Chat GPT, модели Bittensor генерируют «представления» на основе универсального набора данных. Для оценки производительности модели используется информация Фишера, позволяющая оценить влияние удаления узла из сети, аналогично потере нейрона в человеческом мозге.

Помимо ранжирования моделей, Bittensor уделяет большое внимание интерактивному обучению. Каждая модель активно взаимодействует с сетью, ища взаимодействия с другими моделями, аналогично поиску DNS. Bittensor функционирует как API, облегчающий обмен данными между этими моделями, способствуя совместному обучению и обмену знаниями – используя как открытые, так и закрытые модели.

Используя консенсус Yuma для обеспечения соблюдения правил всеми участниками, экосистема становится движущей силой для разработчиков с открытым исходным кодом и исследовательских лабораторий ИИ, предлагая финансовые стимулы для улучшения открытых основополагающих моделей.

По сути, Bittensor функционирует как постоянно расширяющийся репозиторий машинного интеллекта. Это достигается за счет объединения четырех различных слоев:

• Слой Майнеров отвечает за производство ценной работы в сети.
• Слой Валидаторов гарантирует, что майнеры придерживаются установленных правил консенсуса.
• Слой предприятий базируется на существующей инфраструктуре для разработки инновационных продуктов и услуг. Он выступает в роли платформы, использующей коллективный интеллект сети для создания новых решений.
• Потребительский слой извлекает выгоду из работы, выполненной на уровне предприятий. Он представляет конечных пользователей или организации, которые используют продукты и услуги, созданные с помощью сети Bittensor.

История

Bittensor был основан в 2019 году двумя исследователями в области искусственного интеллекта, Jacob Steeves и Ala Shaabana (а также одним псевдонимным автором белой книги, Yuma Rao), которые искали способ сделать ИИ кумулятивным. Они вскоре поняли, что криптовалюта может стать решением — способом стимулирования и организации глобальной сети узлов машинного обучения для совместного обучения и решения конкретных задач. Добавление ресурсов в сеть увеличивает общий интеллект, наращиваясь на работе предыдущих исследователей и моделей.

Путь Bittensor начался с запуска "Kusanagi" в январе 2021 года, что ознаменовало активацию сети и позволило майнерам и валидаторам начать зарабатывать первые вознаграждения $TAO. Однако, этот первоначальный вариант столкнулся с временными простоями из-за проблем с консенсусом. В ответ на это, Bittensor форкнул "Kusanagi" в "Nakamoto" в ноябре 2021 года.

20 марта 2023 года был достигнут значительный этап, когда "Nakamoto" вновь был форкнут, на этот раз превратившись в "Finney". Целью этого обновления было повышение производительности кода ядра.

Особо следует отметить, что первоначально Bittensor стремился стать парачейном на Polkadot, обеспечив слот парачейна через успешный аукцион в январе. Однако было принято решение использовать собственный автономный блокчейн L1, построенную на Substrate, вместо того чтобы полагаться на Polkadot из-за опасений, связанных со скоростью развития Polkadot.

Текущее Положение

Bittensor уже более года работает в основной сети, и его фокус смещен на пионерские исследования и подготовку основы для его будущего потенциала. Вот обзор текущего статуса и причин, по которым бизнес-кейсы пока не были построены на основе его валидаторов:

• Sparse Mixture Model: Bittensor работает как одна sparse mixture model. Он привлекает конкретные модели ИИ в эту смесь, каждая из которых решает узкие задачи в решении более крупных проблем, определенных валидаторами. Настройка и тюнинг этой модели для достижения и превышения современного уровня является сложным и итеративным процессом. Этот этап дорожной карты в настоящее время возглавляет Фонд Opentensor.
• Intelligence Compression (Distillation): Компрессия интеллекта является ключевым направлением исследований для Bittensor. Это включает в себя техники дистилляции для повышения эффективности и возможностей сети.
• Оптимизация для Глобальной Цели: Основное внимание Bittensor уделяется оптимизации для глобальной цели, а не краткосрочным бизнес-кейсам. Opentensor стремится создать сеть, которая будет не просто обычной пиринговой платформой с системой ценообразования для моделей.
• Прогресс и Обновления: За прошедший год Opentensor достиг значительного прогресса, включая обновление Synapse, которое открыло Bittensor для внешних запросов. В октябре 2023 года обновление Revolution позволило расшириться за счет подсетей. Это дает возможность крупным валидаторам независимо определять проблемы, создавая возможности для денежного потока от их стейка.
• Towards Real-World Expansion: Сеть Finney стала поворотным моментом для Bittensor, позволяя валидаторам действовать более независимо и уменьшая первоначальную централизацию. По мере роста стейка в сети и увеличения вознаграждений за блоки это способствует росту ИИ.
• Бизнес-Приложения ИИ на Горизонте: Bittensor видит расширение реальных бизнес-приложений ИИ, поскольку участники, включая людей и ИИ, следуют своим стимулам. Реализация multi and meta-modality находится на горизонте, объединяя подсети в единый формат «интеллекта».
  

С последним обновлением Revolution, Bittensor открыл возможность для всех создавать подсети, специализирующиеся на конкретных типах приложений. Например, Подсеть 4 использует JEPA (Joint Embedding Predicted Architecture), метод ИИ, разработанный Yann LeCun из Meta, который позволяет обрабатывать различные типы ввода и вывода, такие как видео, изображения и аудио в одной модели.

Еще одним замечательным достижением является Cerebras, BTLM-3B-8K (Bittensor Language Model с 3 миллиардами параметров), которая позволяет запускать высокоточные и производительные модели на мобильных устройствах, делая ИИ значительно более доступным. BTLM-3B-8K доступна на Hugging Face с лицензией Apache 2.0 для коммерческого использования.

Большие модели GPT обычно имеют более 100 миллиардов параметров и требуют нескольких высокопроизводительных GPU для инференса. Однако выход LLaMA от Meta позволил миру получить высокопроизводительные модели всего с 7 миллиардами параметров, что делает возможным запуск крупных языковых моделей на мощных ПК.

Даже модель с 7 миллиардами параметров, квантизированная до 4-битной точности, не помещается во многие популярные устройства, такие как iPhone 13 (4 ГБ ОЗУ). Хотя 3-миллиардная модель удобно поместится на почти всех мобильных устройствах, предыдущие модели такого размера значительно уступали своим 7-миллиардным аналогам.

BTLM находит баланс между размером модели и производительностью. С 3 миллиардами параметров она обеспечивает уровень точности и возможностей, который значительно превосходит предыдущие 3-миллиардные модели.

При рассмотрении отдельных бенчмарков, BTLM показывает лучшие результаты в каждой категории, за исключением TruthfulQA.

Не только BTLM-3B превосходит все 3-миллиардные модели, но также показывает результаты, сопоставимые с многими 7-миллиардными моделями.

Revolution – Обновление Подсетей Bittensor

Обновление Bittensor Revolution, запущенное 2 октября, ознаменовало значительный этап в развитии Bittensor, вводя существенные изменения в его операционную структуру. Центральным элементом этого обновления является введение "подсетей", революционного концепта, который предоставляет разработчикам беспрецедентную автономию в формировании механизмов стимулирования и установлении рынков в экосистеме Bittensor.

Ключевой особенностью этого обновления является введение специализированного языка программирования, разработанного специально для создания систем стимулирования. Это нововведение дает разработчикам возможность создавать и реализовывать свои механизмы стимулирования в сети Bittensor, используя ее обширный пул интеллекта для адаптации рынков к своим конкретным требованиям и предпочтениям.

Это обновление также представляет собой заметный отход от централизованной модели, где один фонд контролирует все аспекты сети, к более децентрализованной структуре. Различные индивиды или группы теперь имеют возможность владеть и управлять подсетями.

С введением "подсетей" теперь каждый может создать свои собственные подсети и определить свои механизмы стимулирования, способствуя более широкому диапазону услуг в экосистеме Bittensor. Этот сдвиг способствует разнообразию и децентрализации в сети, соответствуя принципам открытости и сотрудничества, которые лежат в основе миссии Bittensor.

Кроме того, подсети будут конкурировать за эмиссии, привлекая консенсус от делегатов в новой "сети маршрутизации", вводя конкурентный элемент, который может стимулировать инновации и распределение ресурсов.

Появление пользовательских подсетей напоминает взрыв приложений на Ethereum, когда он открыл свои двери для глобального сообщества разработчиков. Это обновление также подчеркивает потенциал объединения различных инструментов и услуг в единую сеть. По сути, каждый элемент, необходимый для создания интеллекта, теперь находится под одной крышей, регулируемый единым токеном ($TAO).

The Route Network

Сеть маршрутизации является ключевым компонентом в экосистеме Bittensor. Она действует как мета-подсеть с важной ролью распределения эмиссий по другим подсетям, все на основе взвешенного консенсуса от ключевых делегатов. Этот сдвиг является трансформационным по своей природе, так как он кардинально меняет Bittensor с единой контролируемой системы на динамичную "сеть сетей".

Ключевым моментом является то, что графики эмиссий больше не находятся исключительно под контролем фонда Opentensor. Делегаты внутри "корневой" сети теперь имеют власть над распределением стимулов. Этот сдвиг децентрализует контроль над стимулами, устраняя единоличную зависимость от какой-либо единственной сущности и передавая ее в руки "корневой" сети.

Подсети

Подсети в сети Bittensor представляют собой самостоятельные механизмы стимулирования, предоставляющие рамки для взаимодействия майнеров с платформой. Эти подсети играют ключевую роль в определении протоколов, управляющих взаимодействиями между майнерами и валидаторами.

Кроме того, детали механизмов стимулирования больше не жестко закодированы в кодовой базе Bittensor. Вместо этого эти детали определяются в репозиториях подсетей, что позволяет большей гибкости и адаптивности.

Bittensor вводит конкретные подсети, такие как prompting subnetwork and the time series subnetwork. The prompting subnetwork позволяет выполнять различные нейросетевые запросы, включая GPT-3, GPT-4, ChatGPT и другие, для децентрализированного вывода. Эта функциональность позволяет пользователям взаимодействовать с валидаторами в сети и получать выводы от наилучших моделей, обогащая свои приложения передовыми возможностями ИИ.

Подсети функционируют, распределяя токены $TAO между майнерами и валидаторами на основе их вклада в сеть. Точные правила и протоколы для ответов майнеров на запросы валидаторов и процесс оценки, проводимый валидаторами, определяются кодом в каждом репозитории подсети.

• На момент запуска будет доступно девять слотов для подсетей, каждый из которых по умолчанию вмещает 256 UID (за исключением Подсети 1, которая вмещает 1024). Подсети будут активно конкурировать за эмиссии, стремясь получить веса консенсуса от делегатов внутри "корневой" сети.
• Для регистрации подсети лица или организации должны заблокировать определенное количество токенов $TAO на время существования подсети. Владельцы подсетей принимают на себя роль полных администраторов сети и имеют право на эмиссии, распределяемые через их соответствующие подсети.
  Они обладают полными правами, включая возможность вызывать действия sudo в сети, такие как установка гиперпараметров, например минимальных ставок сети.

• Каждая подсеть связана с уникальным UID сети, и владение подсетью передается кошельку, который заблокировал необходимое количество токенов $TAO для ее регистрации. При создании подсети соответствующее количество $TAO вычитается из кошелька создателя и привязывается к подсети. В случае дерегистрации подсети заблокированные $TAO возвращаются владельцу.
• Важным аспектом является то, что 18% эмиссий, возвращаемых на застейканные токены $TAO в подсети, присуждаются владельцу подсети. Это стимулирует создателей подсетей разрабатывать механизмы, привлекающие делегатов в сети маршрутизации, так как это повышает их шансы избежать дерегистрации.
• Новым подсетям предоставляется недельный иммуните, в течение которого они не могут быть дерегистрированы. Начальная стоимость блокировки установлена в 2500 $TAO, удваивается при регистрации новой подсети. Со временем стоимость блокировки постепенно снижается, следуя линейному паттерну, аналогичному механизму голландского аукциона. Этот подход направлен на поиск равновесия в спросе на слоты подсетей путем корректировки стоимости блокировки со временем.

Когда подсеть дерегистрируется, заблокированные $TAO, заложенные для ее регистрации, возвращаются владельцу, все майнеры в подсети удаляются, и состояние сети сбрасывается.

The Root Network

The Root Network служит как "мета-подсеть", которая функционирует выше и влияет на другие подсети, играя ключевую роль в определении эмиссионных оценок по всей системе.

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

Особенностью "root" сети является то, что она эффективно объединяет роли как Сената, так и механизмов делегирования, объединяя эти функции в единую сущность. Это объединение упрощает процессы принятия решений в экосистеме Bittensor.

"Root" сеть обладает полномочиями формировать экосистему, влияя на распределение эмиссий. Если она считает, что подсеть или определенный аспект системы не ценны, она имеет возможность сократить или устранить эмиссии для этого компонента.

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

Кроме того, он наделяет 12 ключевых элементов в сети потенциалом накладывать вето на предложения, представленные триумвиратом, добавляя дополнительный уровень управления и систему сдержек и противовесов к системе.

Перспективы сектора

В сфере технологий власть долгое время была сосредоточена в руках нескольких технологических гигантов. Эти гиганты сохраняли контроль над ценными цифровыми активами, необходимыми для стимулирования инноваций. Однако Bittensor признает и оспаривает этот господствующий парадигм, представляя более демократичную и доступную систему через свой рынок.

Основное понимание Bittensor заключается в том, что интеллект является результатом различных цифровых активов, таких как вычислительная мощность и данные. Исторически эти активы были строго контролируемы и ограничены сферой технологических гигантов. Bittensor стремится разорвать эти цепи, вводя пользовательские подсети. Эти рынки будут функционировать в рамках единой системы токенов, обеспечивая разработчикам по всему миру равный доступ к ресурсам, которые ранее были исключительной сферой немногих в закрытой экосистеме Big Tech.

Потенциальное Принятие

В современную цифровую эпоху трансформационная сила искусственного интеллекта (ИИ) несомненна. ИИ стал неотъемлемой частью нашей жизни, упрощая исследования, автоматизируя рабочие процессы, помогая в программировании и генерируя контент из текста. Быстрый рост возможностей ИИ очевиден, но этот рост сопровождается проблемами, связанными с масштабируемостью и, что наиболее важно, надежностью.

Недавние инциденты, такие как временное отключение ChatGPT во время обсуждений регулирования ИИ в Вашингтоне, подчеркнули критическую необходимость надежных решений для решения проблем масштабирования ИИ. Эти сбои вызвали у пользователей беспокойство о стабильности и надежности ИИ по мере его все более широкого интегрирования в нашу повседневную жизнь. Именно в такие моменты становится очевидной значимость $TAO Bittensor.

Подход Bittensor не только поддерживает открытый ИИ, но и демонстрирует, что он может быть финансово выгодным занятием. Он отражает конкурентное развитие, увиденное в майнинге Bitcoin, и прокладывает путь к процветающему рынку, где лучшие модели ИИ выходят на первый план. Это сдвиг усиливает возможности исследователей ИИ внести свой вклад в открытую и динамичную среду, в конечном итоге принося пользу всему обществу.

$TAO предлагает децентрализованную инфраструктуру ИИ, которая может смягчить потенциальные проблемы, подобные тем, с которыми столкнулся ChatGPT. Децентрализация ИИ обеспечивает устойчивость и надежность систем ИИ, даже по мере роста их спроса. Этот подход создает надежную основу для будущего ИИ-услуг.

Проще говоря, Bittensor выступает как глобальный рынок открытого искусственного интеллекта, представляя убедительное решение проблем, возникающих при разработке закрытого ИИ.

• Гравитационная Сила для Исключительности ИИ: Bittensor действует как гравитационная сила, привлекающая лучшие модели ИИ от исследователей со всего мира. Способствуя свободному рынку ИИ, сеть поощряет представление передовых моделей. По мере развития Bittensor обещает снижение цен, устранение рисков платформы и предложение лучших ИИ-выводов, будь то в тексте, изображениях, видео или других форматах.
• Прибыльный Открытый Исходный Код: Bittensor превращает открытый исходный код ИИ в прибыльное занятие. Следуя примеру, установленному Bitcoin, Bittensor построен на предположении, что заинтересованные стороны мотивированы прибылью. В этой экосистеме лучшие модели ИИ зарабатывают больше всего денег. Это параллель с эволюцией майнинга Bitcoin, переходящего в конкурентную и профессионализированную отрасль. Доктора наук теперь имеют возможность представить свои исследования на этом открытом рынке, преодолевая разрыв между академическим миром и частной индустрией.
• Впечатляющий Масштаб: Стимулы Bittensor принесли замечательные результаты. Сеть обслуживает более 4 000 ИИ-моделей, включающих в себя поразительные 10 триллионов параметров моделей. Для сравнения, GPT-3 имеет 175 миллиардов параметров.
• Разнообразные Заинтересованные Стороны: В экосистеме Bittensor участвуют различные заинтересованные стороны, включая майнеров, валидаторов, номинантов и потребителей. Это разнообразие участия обеспечивает устойчивость сети и непрерывный рост.

Особое внимание следует уделить текущему состоянию ИИ, большая часть которого по-прежнему закрыта и находится под контролем нескольких технологических гигантов. Это поднимает вопрос: что если ИИ мог бы быть открытым и учиться у других ИИ-моделей в коллаборативной среде? $TAO Bittensor стремится предложить решение этого вопроса.

• Принятие через Рост: Хотя некоторые крупные ИИ-компании могут колебаться сделать свои проприетарные ИИ-технологии общедоступными, $TAO предлагает интригующую перспективу. Он вводит возможность дополнительной монетизации через микротранзакции. Представьте, что установленные ИИ-решения, такие как OpenAI, принимают микроплатежи каждый раз, когда кто-то использует их обучающие модели в экосистеме Bittensor для развития своих продуктов и бизнеса. Это может открыть новый источник дохода для этих компаний, поощряя их участие в открытой ИИ-сети.
• Принятие через Спрос: Как альтернатива, предположим, что текущие ИИ-решения останутся закрытыми и устойчивыми к открытым сетям. Даже при значительных капиталовложениях существует шанс, что открытый исходный код может превзойти эти хорошо финансируемые решения. Хотя финансовые ресурсы критически важны для технологического роста, потенциал технологии, которая может учиться автономно и из своего окружения, не следует недооценивать.

Дилемма Открытого Исходного Кода

Дебаты о том, должны ли модели ИИ быть с открытым исходным кодом, обрели актуальность на фоне растущих опасений по поводу проблемы согласования в ИИ. Основной вопрос заключается в том, должен ли фактический код за моделями ИИ быть свободно доступен для всех. Интересно, что даже если крупные игроки, такие как OpenAI, откроют исходный код своих моделей, это не обязательно создаст угрозу для Bittensor. В открытой среде каждый может использовать эти модели в сети Bittensor.

В техническом сообществе существует разногласие мнений по этому вопросу. Некоторые утверждают, что открытие ИИ-технологий может усилить возможности злоумышленников использовать ИИ во вред. В то же время другие настаивают, что предоставление исключительных прав на ИИ-технологии крупным корпорациям представляет собой более значительную опасность. Например, концентрация ИИ-власти в руках нескольких корпораций с триллионной капитализацией, как это видно на примере OpenAI с их акцентом на привлечении значительных фондов, может привести к этическим проблемам и высветить риск коррупции власти.

Решение Meta открыть исходный код своей модели Llama2 LLM указывает на сдвиг в индустрии в сторону принятия практик с открытым исходным кодом. Этот шаг предоставляет Bittensor возможность изучить и потенциально интегрировать достижения Meta в свою сеть, быстрее сокращая разрыв в производительности.

Важно рассмотреть оценку как $TAO, так и OpenAI. В настоящее время OpenAI занимает доминирующее положение в индустрии с оценкой между 80 и 90 миллиардами долларов. Однако она работает в закрытой экосистеме, сильно зависящей от Microsoft и их разрешенных облачных сервисов. Несмотря на это, OpenAI успешно привлекает ведущих таланты со всего мира. С другой стороны, по мере того, как со временем становятся более распространенными инициативы с открытым исходным кодом, пул доступных талантов готов к экспоненциальному росту, охватывая каждый уголок Интернета. Эта демократизация экспертизы в области ИИ может сыграть ключевую роль в формировании принятия Bittensor.

Конкурентный Пейзаж – Централизованный ИИ

Привлечение разработчиков остается ключевым фактором в пути Bittensor. В настоящее время разработчики могут взаимодействовать с сетью через Python API, разработанный Фондом OpenTensor, что подчеркивает важность создания сильного сообщества разработчиков для продвижения принятия. В наши дни Bittensor активно работает над децентрализацией ключевых аспектов сети, таких как создание и обучение моделей, поощряя наиболее точно настроенные модели и способствуя принятию решений, основанных на сообществе.

Интересно, что установленные игроки в области ИИ, включая OpenAI и Google, теперь стали конкурентами $TAO. Они глубоко вовлечены в этап создания моделей ИИ и даже проникают в потенциальные вертикальные интеграции в различных отраслях. В этом контексте одной из основных проблем, с которыми сталкивается $TAO, является проблема разделения данных.

В отличие от таких технологических гигантов, как Facebook, Apple, Amazon, Netflix и Google (FAANG), которые имеют доступ к огромным репозиториям значимых данных, сообщества, основанные на краудсорсинге, могут не иметь такого же уровня ресурсов и доступа к данным. Организации FAANG обладают финансовыми средствами для поддержки своих ИИ-проектов мощной аппаратурой, такой как передовые технологии Nvidia, включая H100s и GH200s, которые могут значительно ускорить обучение ИИ-моделей.

В то же время важно отметить, что все основные ИИ-решения на сегодняшний день характеризуются тем, что они закрыты и централизованы. Это включает в себя такие известные компании, как OpenAI, Google, Midjourney и другие, каждая из которых предлагает революционные ИИ-решения. Однако разрыв между закрытыми и открытыми исходными моделями стремительно сокращается. Открытые исходные модели набирают обороты с точки зрения скорости, настройки, конфиденциальности и общей способности. Они достигают впечатляющих результатов с относительно скромными бюджетами и размерами параметров по сравнению со своими закрытыми аналогами. Более того, эти открытые модели работают по ускоренному графику, доставляя результаты за недели, а не месяцы.

Google, сам по себе технологический гигант, признал эту трансформационную тенденцию. Утечка внутреннего документа компании гласит: «У нас нет защитного рва, и у OpenAI тоже его нет». Это признание подчеркивает растущее влияние открытого исходного кода ИИ в конкурентном ландшафте.

В этой развивающейся экосистеме ИИ, $TAO выступает как катализатор изменений, оспаривая традиционную модель разработки и обучения ИИ. Его децентрализованный подход и этика, ориентированная на сообщество, позиционируют его как конкурента на динамичной арене, где ранее царили технологические гиганты.

В отличие от централизованных платформ, которые ограничивают доступ к одной модели ИИ, архитектура Bittensor обеспечивает беспрепятственный доступ к интеллекту. Он служит универсальным магазином для разработчиков ИИ, предлагая все необходимые вычислительные ресурсы и открываясь для внешних вкладов. Эта инклюзивная модель объединяет нейронные сети через интернет, создавая глобальную, распределенную и мотивированную систему машинного обучения.

Для осознания полного потенциала ИИ требуется отход от практик закрытого исходного кода и связанных с ними ограничений. Так же, как дети расширяют свое понимание через социальные взаимодействия, ИИ процветает в динамичных средах. Воздействие на разнообразные наборы данных, взгляды инновационных исследователей и взаимодействие с различными моделями способствуют созданию более надежных и интеллектуальных систем ИИ. Траектория ИИ не должна диктоваться одной сущностью.

В этом резко контрастном будущем выбор между миром, доминируемым черными ящиками алгоритмов и централизованной властью, и открытым, демократизированным ландшафтом ИИ становится критически важным для общества.

В первом сценарии, где мегакорпорации, такие как OpenAI или Anthropic, держат власть над ИИ-решениями, мы рискуем жить под постоянным режимом наблюдения. Эти корпорации будут обладать огромной властью над нашими личными данными и повседневными взаимодействиями, с правом отключать услуги и докладывать о лицах за высказывания, противоречащие их взглядам.

Однако более оптимистичная альтернатива предлагает мир, где ИИ основан на открытых платформах и построен на общедоступных сетях. Здесь власть и контроль децентрализованы, и ИИ служит инструментом расширения возможностей, а не наблюдения. В этом сценарии творчество и разработка могут процветать без страха перед корпоративными предубеждениями или цензурой.

Так же, как интернет демократизировал доступ к информации, открытая экосистема ИИ демократизирует доступ к интеллекту. Она обеспечивает, что интеллект не монополизирован немногими, способствуя равным условиям, где каждый может вносить свой вклад, учиться и получать пользу.

Токеномика $TAO

• Аналогично биткоину, максимальное общее количество токенов $TAO ограничено 21,000,000, которые будут выпущены через 256 лет.
• Халвинг $TAO происходит каждые 10,5 миллиона блоков с установленными 64 событиями халвинга, которые произойдут в течение следующих 45+ лет.

• Сеть работает с временем блока примерно в 12 секунд, с вознаграждением в 1 $TAO за блок для майнеров и валидаторов.
• В настоящее время это составляет 7,200 новых токенов $TAO, выпускаемых каждый день, равномерно распределяемых между майнерами и валидаторами.

Еще одно сходство с биткоином заключается в том, что график выпуска $TAO также следует концепции халвинга, который происходит примерно каждые 4 года. Однако это определяется общим выпуском токенов, а не количеством блоков. Например, как только половина общего предложения будет выпущена, скорость выпуска уменьшается вдвое.

Важно отметить, что токены $TAO, использованные для повторной регистрации, сжигаются обратно в не выпущенное предложение, что приводит к постепенному увеличению интервалов халвинга. Этот механизм обеспечивает динамичную корректировку графика выпуска со временем, отражая потребности сети и экономическую динамику.

Экономика Токенов $TAO

Экономика токенов $TAO в Bittensor характеризуется своей простотой, приверженностью к децентрализации и справедливому распределению. В отличие от многих других блокчейн-проектов, токены $TAO не были распределены ни одной стороне через ICO, IDO, частные продажи венчурным капиталистам или привилегированные распределения команде, фонду или советникам. Вместо этого каждый циркулирующий токен должен быть заработан через активное участие в сети.

В сети также участвуют распределители капитала, выступающие в роли майнеров или валидаторов, а также предоставляющие услуги маркет-мейкинга, такие как DCG, GSR или Polychain. Важно, что ни одна из этих компаний не получила токенов $TAO из предпродажи или частной продажи.

Токены $TAO можно использовать для управления, стейкинга, участия в механизме консенсуса и в качестве средства оплаты в сети Bittensor.

Таким образом, валидаторы и майнеры ставят свои токены в качестве залога для обеспечения безопасности сети и зарабатывают награды за счет инфляционных эмиссий, в то время как пользователи и предприятия могут использовать $TAO для доступа к ИИ-услугам и приложениям, созданным в сети.

Новые токены $TAO могут быть произведены только через майнинг и валидацию. Сеть вознаграждает как майнеров, так и валидаторов, и каждый блок приносит награду в 1 $TAO, которая делится поровну между майнерами и валидаторами. Таким образом, единственными способами приобретения $TAO являются либо покупка токенов на открытом рынке, либо участие в деятельности майнинга и валидации.

Простая модель распределения токенов $TAO отражает принципы децентрализации, напоминая о духе биткоина, заданном Сатоши Накамото. Первоначальное создание токенов $TAO согласуется с графиком эмиссий биткоина ($BTC), предоставляя равные возможности для всех, кто вносит ценность в сеть. Этот подход подчеркивает важность предотвращения концентрации власти и собственности, особенно в сфере ИИ, который имеет значительные общественные последствия и не должен контролироваться избранными.

Эта модель распределения обеспечивает конкурентоспособность процесса майнинга. По мере присоединения большего количества майнеров к сети, конкуренция увеличивается, что делает поддержание прибыльности затруднительным. Это, в свою очередь, мотивирует майнеров искать способы снижения операционных расходов, способствуя эффективности и инновациям в сети.

Захват стоимости $TAO

$TAO, родной токен сети Bittensor, получает свою внутреннюю ценность из-за своей уникальной роли в экосистеме. В отличие от стандартной модели L1, где токены сети получают свою ценность от продажи блоков, ценность $TAO связана с ИИ-услугами, которые он обеспечивает. По мере того, как эти ИИ-услуги становятся более влиятельными и полезными, спрос на $TAO увеличивается.

Владение $TAO предоставляет доступ к широкому спектру взаимосвязанных цифровых ресурсов, включая данные, пропускную способность и интеллект, созданный и проверенный участниками сети. Как отражено в графике эмиссий, ценность $TAO не основана только на спекуляции или дефиците, а глубоко укоренена в ощутимых вкладах и полезности, которую она обеспечивает в сети Bittensor.

Однако поддержание этого цикла создания и вознаграждения не гарантировано. Майнеры и валидаторы, вносящие ценный интеллект в сеть и зарабатывающие токены $TAO взамен, также имеют стимул продавать их для покрытия расходов, подобно майнерам биткоина.

Как Определяется Ценность Токена?

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

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

Драйверы спроса:

• Активность экосистемы:
• Валидаторы требуют токены $TAO для регистрации.
• Пользователи могут покупать $TAO для участия в процессах голосования, связанных с согласованием интеллекта.
• Использование в качестве средства оплаты в сети.

• Спрос на стейкинг и делегирование $TAO для получения вознаграждений за стейкинг. Это может помочь защитить от инфляционных эмиссий.
• Спекулятивная премия как способ делать ставки на потенциал роста за счет объединения двух революционных технологий, таких как блокчейн и ИИ.
• Сетевые эффекты, возникающие в результате присоединения большего количества разработчиков к сети и использования потенциала открытых моделей.

Драйверы Предложения:

• Выпуск токенов из-за инфляционных эмиссий для достижения общего предложения в 21,000,000.
• Майнеры и валидаторы могут продавать токены $TAO для покрытия операционных расходов, что аналогично майнерам биткоина, продававшим для покрытия расходов.
  

По мере расширения сети и добавления большего количества ИИ-моделей и субсетей, потенциал захвата ценности увеличивается. Рост сети также подпитывается синергией между ИИ и блокчейном, создавая самоподдерживающийся цикл.

Таким образом, Bittensor воплощает принципы закона Меткалфа, согласно которому ценность сети пропорциональна квадрату числа подключенных пользователей или узлов. По мере присоединения большего числа участников к сети, ее ценность растет экспоненциально.

Как Захватить Такую Ценность

В Bittensor валидаторы стимулируются привлекать стейки от держателей токенов, и этот стейк является фундаментальным для их работы в сети. В качестве держателя токенов вы можете выбрать различных валидаторов для стейкинга ваших токенов $TAO. Наиболее распространенным вариантом является сам Фонд OpenTensor, владеющий около 20% сети.

В настоящее время валидаторы распределяют 82% своих вознаграждений делегатам в виде токенов $TAO. Следовательно, делегирование токенов $TAO валидатору представляет собой возможность для держателей токенов заработать вознаграждения за стейкинг. Это может помочь защитить пользователей от потенциального разводнения из-за инфляционных эмиссий.

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

Риск/Вознаграждение и Горизонт Времени

При оценке риска/вознаграждения при выделении части портфеля в $TAO, важно осознавать, что именно вы покупаете. Например, покупка не дает владельцу права на какой-либо доход в USD, генерируемый от экономической активности сети. Вместо этого вы вознаграждаетесь эмиссиями токенов. Как держатель токенов, вы можете затем делегировать эти эмиссии для получения APY и увеличения ваших запасов $TAO.

Аналогии с биткоином очевидны, но за $BTC стоит неявная история, делающая его уникальным. Никто не может удовлетворительно объяснить, почему $BTC имеет какую-либо ценность, поэтому сообщество склонно к племенной войне между теми, кто не владеет криптовалютами, "шиткоинерами" и максималистами.

Действительно, экономика токенов биткоина проста для понимания: $BTC используется для стимулирования майнеров к управлению и поддержке сети. В результате существующие держатели токенов испытывают разбавление (хотя они могут стать майнерами – или делегатами в случае Bittensor). Таким образом, держатели токенов не получают вознаграждения и не имеют стимулов от основной сети.

Однако в случае с $BTC есть важный фактор, который следует учитывать – это дефицитность. Факт, что будет выпущено только $21M, делает его уникальным. И хотя экономика токенов $TAO создана по образцу биткоина, все еще более 70% токенов не выпущены. Это представляет собой дилемму для инвесторов относительно того, что они ценят больше: децентрализацию сети или дефицитность актива.

В конечном итоге, полезность $TAO проистекает из доступа, который он предоставляет к моделям ИИ, его использования для управления, доступа к вознаграждениям за стейкинг и как механизма стимулирования.

Операционные Расходы

Текущие разработки инфраструктуры финансируются Фондом Opentensor за счет фандинга от делегирования им, а также вознаграждений за делегирование. Другие разработки выполняются сторонними организациями, которые управляют своими валидаторами и финансируются также через делегирование.

Как и любая глобальная инициатива, требующая финансирования для исследований, разработки и внедрения, успех ИИ зависит от того, как координируется капитал и как вознаграждаются участники за их вклад.
Это стратегическое распределение ресурсов (исследования, GPU для обучения...) стимулирует рост и влияние ИИ.

В сфере ИИ, особенно в случае крупных языковых моделей, таких как ChatGPT, операционные затраты значительны. Например, предполагается, что OpenAI тратит около 700,000 долларов в день на эксплуатацию ChatGPT, что подчеркивает значительную финансовую нагрузку, связанную с масштабными ИИ-моделями. Стоимость обучения модели может варьироваться от миллионов до десятков миллионов долларов для каждой модели, делая это еще более ресурсоемким процессом. Стоимость обучения модели на большом наборе данных может быть еще выше, достигая до 30 миллионов долларов.

Несмотря на то, что компания привлекла значительное финансирование, включая недавнее инвестирование от Microsoft (примерно наполовину в виде кредитов Azure), растущие затраты на обучение крупных языковых моделей являются проблемой. Каждый цикл обучения стоит миллионы, и необходимость начинать с нуля для новых моделей усугубляет эту проблему.

Здесь становится актуальным подход Bittensor, основанный на "Knowledge Compounding". Уникальный подход Bittensor сосредоточен на децентрализации и сотрудничестве через "Совокупное Знание". Эта философия позволяет ИИ-системам строить на существующих знаниях децентрализованным образом, предлагая преимущества, такие как:

• Эффективность по затратам: За счет использования существующих знаний и их непрерывного улучшения подход Bittensor потенциально может снизить необходимость в дорогостоящем повторном обучении с нуля.
• Адаптивность: Большим ИИ-приложениям часто требуются эволюционирующие потребности и решение проблем. Децентрализованный подход позволяет организациям более гибко адаптировать свои ИИ-системы, обеспечивая их актуальность и эффективность в динамичной среде.
• Децентрализация: Децентрализованная сеть Bittensor дает возможность глобальному сообществу участников вносить свой вклад, уменьшая зависимость от единой организации или централизованной инфраструктуры. Это способствует инновациям и разнообразию в разработке ИИ.
• Сотрудничество: Коллаборативный характер "Совокупного Знания" стимулирует обмен знаниями и совместное обучение среди узлов в сети, создавая динамичную среду для прогресса ИИ.

Команда и Инвесторы

Bittensor — это открытый протокол, который поддерживает децентрализованную, основанную на блокчейне сеть машинного обучения. Команда Bittensor включает в себя основателей Jacob Steeves и Ala Shaabana, директора по маркетингу Jacqueline Dawn, архитектора блокчейна Saeideh Motlagh и других. Фонд Opentensor также планирует расширить свою команду в этом году.

В документации Bittensor упоминается псевдоним Yuma Rao, так же, как Сатоши Накамото в биткоине. Неизвестно, существует ли этот человек на самом деле, и мы, возможно, никогда не узнаем больше о нем или о ней.

Bittensor не раскрывал информацию о значимых советниках или ключевых инвесторах, кроме финансирования от Фонда Opentensor, который является некоммерческой организацией, поддерживающей развитие Bittensor. Bittensor также не объявлял о каких-либо официальных партнерствах.

Тезис

Большинство технологических компаний упали в цене с момента пандемии, но теперь компании, работающие в сфере ИИ, достигают исторических максимумов по оценочным множителям и темпам роста.

С значительно меньшей рыночной капитализацией по сравнению с гигантами индустрии, Bittensor может оказаться идеальной площадкой для масштабных ИИ-приложений с высоким спросом и использованием открытых моделей.

Самое простое сравнение для измерения потенциала - это сравнение с частной оценкой OpenAI в $29B. Реалистично это или нет, но это примерно на 28 раз выше, чем FDV $TAO. Учитывая, сколько времени потребуется, чтобы вся эмиссия вошла в оборот, мы можем использовать текущую рыночную капитализацию для приблизительной оценки, где частная оценка OpenAI превышает рыночную капитализацию $TAO более чем в 108 раз.

Однако это сильно спекулятивный подход, который можно упростить до ставки на проекты, которые могут извлечь выгоду из нахождения на пересечении ИИ и криптовалют.

Самой важной особенностью, которую следует помнить, является то, что Bittensor решает проблему централизации ИИ. В настоящее время небольшое количество корпораций контролирует меньшинство крупных и мощных моделей, но все они изолированы и почти не сотрудничают или не делятся знаниями.

Изолированные ИИ-модели не могут учиться друг у друга, и поэтому они не накапливают знания (исследователям приходится начинать с нуля каждый раз, когда они создают новые модели). Это резко контрастирует с исследованиями в области ИИ, где новые исследователи могут строить на работе предыдущих исследователей, создавая эффект накопления, который ускоряет развитие идей.

Изолированный ИИ также ограничен в функциональности, поскольку интеграции сторонних приложений и данных требуют разрешения от владельца модели (в виде технологических партнерств и деловых соглашений). Это ограничение напрямую влияет на ценность и полезность ИИ, поскольку он может быть столь же ценным, насколько широко он может эффективно использоваться.

Эта централизованная и выигрышная для одного победителя среда не выгодна для малых команд с меньшими ресурсами. В этом контексте основной силой Bittensor является их децентрализованная сеть и механизм стимулирования, поощряющий малые команды и исследователей к монетизации своих работ.

Если Bittensor удастся сузить разрыв в производительности с ведущими закрытыми ИИ-провайдерами, такими как GPT-4, она может стать предпочтительным выбором для разработчиков, бизнеса и исследователей в крипто и ИИ-сферах. Её открытая и коллаборативная природа позиционирует её как привлекательную альтернативу закрытым экосистемам, что может привести к значительному принятию.

В конечном счете, оценка TAO может быть получена либо из полезности сети (экономическая активность, построенная поверх), либо из прямого денежного потока в протокол.

• Как утилитарный токен, $TAO требуется для доступа к сети. Следовательно, его оценка может быть получена из экономической полезности, созданной поверх.
• Как стейкинг-токен, держатели могут делегировать $TAO валидаторам и получать долю дохода сети.
• Мы также можем измерять доходность, основываясь на доле рынка и предположениях о множителях (что также делает предсказанную ценность ненадежной).

Поскольку полезность более субъективна и абстрактна для оценки, мы можем начать с денежного потока. Предполагая, что рынок машинного обучения может достигнуть определенного размера рынка в будущем (см. оценки Precedence Research на изображении ниже), мы можем оценить сеть Bittensor, основываясь на её потенциальной доле рынка и множителе дохода.

Независимо от оценочного размера рынка, Bittensor все еще является высокоспециализированным и сложным проектом для понимания, что является препятствием для легкого привлечения разработчиков и принятия пользователями.

Проект также находится на очень ранней стадии разработки, и могут возникнуть непредвиденные проблемы с сетью. Например, в июне произошло сговор майнеров, которые манипулировали сетью и вызвали продажу $TAO на рынке. Временное решение заключалось в снижении эмиссии на 90%, чтобы дать Фонду Opentensor дополнительное время для работы над решением, чтобы сохранить честность сети и позволить протоколу работать как предполагалось.

Тык

Большинство продуктов, которые в настоящее время работают в сети, также не могут конкурировать с централизованными аналогами и пока имеют низкий уровень принятия. Лучший способ узнать и попробовать самостоятельно - это протестировать услуги, предлагаемые на Bittensor Hub.

Мы также должны задать вопрос, имеют ли смысл токеномика биткоина для сети, специализированной на предоставлении услуг ИИ, таких как Bittensor. Возможно, дефляционная природа $BTC не лучший вариант для сети, которой требуется увеличение числа майнеров и приложений, построенных поверх, для масштабирования. Идеально токен должен увеличиваться в количестве с ростом принятия сети, больше напоминая цифровое масло, а не цифровое золото. В каком-то смысле это уже заложено, стимулируя майнеров конкурировать друг с другом и распределять запас на протяжении более чем 200+ лет.

Другой 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 или вывода, определенно не будут конфиденциальными. Конечно, это потенциальная проблема и для централизованных систем, но тогда вам нужно беспокоиться только о 1 известной стороне, видящей ваши данные, а не о неизвестном многих.

Экономика

Статья написана 25 октября, ребята неплохо предсказали up.

Token Price

Цена относительно ATH и ATL

Supply Distribution

Заключение

Bittensor может быть мощной ставкой на пересечении ИИ и крипто. Однако это, безусловно, один из самых сложных проектов для оценки темпов роста и потенциального возвышения.

Ясно, что в децентрализованной сети есть много потенциала для использования полезности ИИ, особенно при стимулировании открытых моделей и децентрализации владения сетью. Однако услуги и бизнес-кейсы, построенные на базе Bittensor, пока не достаточно конкурентоспособны.

ИИ также является отраслью, которая требует огромных эксплуатационных расходов и больших объемов финансирования, достижимых только для гигантов отрасли. В этом смысле Bittensor является очень контринтуитивной ставкой, поэтому стоит учитывать как можно больше факторов риска и вознаграждения.

Оригинал

• Канал про DeFi

• Лучший публичный чат по DeFi

Delphi Digital. Будущее Сross-Сhain Мостов