Bittensor: Децентралізація AI мережі піонер, що веде нову хвилю Web3+AI

Нова хвиля революції ШІ

Швидкий розвиток технологій штучного інтелекту веде нас у нову епоху, керовану даними. Прориви в таких областях, як глибоке навчання та обробка природної мови, зробили застосування ШІ всюдисущими. Випуск ChatGPT у 2022 році сприяв буму в сфері ШІ, після чого з'явилося багато інноваційних інструментів ШІ, таких як генерація відео та розумні офісні помічники. Концепція "ШІ+" також широко обговорюється та застосовується. Ринкова вартість галузі ШІ зростає експоненціально, і, за прогнозами, до 2030 року вона досягне 1850 мільярдів доларів.

Однак, нинішня індустрія ШІ в основному контролюється кількома технологічними гігантами, що призводить до ряду викликів, таких як концентрація даних і нерівномірний розподіл обчислювальних ресурсів. Водночас децентралізована ідея Web3 пропонує нові можливості для вирішення цих проблем. У рамках розподіленої мережевої архітектури Web3 розвиток ШІ має шанс бути переосмисленим.

У той час, коли галузь штучного інтелекту стрімко розвивається, з'являється низка якісних проектів Web3+AI. Наприклад, Fetch.ai використовує технологію блокчейн для побудови децентралізованої економіки, підтримуючи автономних агентів і смарт-контракти для оптимізації навчання та застосування AI-моделей. Numerai, у свою чергу, використовує блокчейн і спільноту дата-сайентистів для прогнозування ринкових тенденцій, заохочуючи розробку моделей через механізми стимулювання. Velas зосереджується на створенні платформи смарт-контрактів високої продуктивності, що поєднує AI та блокчейн, забезпечуючи вищу швидкість транзакцій та більшу безпеку.

AI проекти зазвичай містять три основні елементи: дані, алгоритми та обчислювальну потужність. Наразі напрямки Web3+дані, Web3+обчислювальна потужність розвиваються швидко, але область Web3+алгоритмів відстає; різні проекти часто працюють окремо, що ускладнює їх об'єднання. Bittensor гостро усвідомив цей розрив і, за допомогою механізмів конкуренції та стимулювання в блокчейні, створив платформу AI алгоритмів з вбудованим механізмом відбору конкуренції, яка має потенціал для розвитку галузі при збереженні якісних AI проектів.

Bittensor: піонер децентралізованої AI мережі

Bittensor є децентралізованою мережею машинного навчання та ринком цифрових товарів. Вона має кілька помітних характеристик:

1. Децентралізована архітектура: Bittensor працює в мережі, що складається з тисяч розподілених комп'ютерів, ефективно вирішуючи проблеми, пов'язані з централізацією даних.

2. Справедлива механіка стимулювання: винагороди токенами, які мережа надає підмережам, пропорційні їх внеску, а розподіл винагород усередині підмережі також слідує тому ж принципу.

3. Відкриті ресурси машинного навчання: мережа надає послуги кожному, хто потребує обчислювальних ресурсів для машинного навчання.

4. Різноманітна торгівля цифровими товарами: спочатку зосереджена на торгівлі моделями машинного навчання та відповідними даними, тепер розширилася до платформи, де можна торгувати будь-якою формою даних.

Розвиток Bittensor унікальний, він відрізняється від багатьох високовартісних венчурних проектів, це скоріше справедливий, цікавий та змістовний проект для гіків. Його розвиток можна охарактеризувати наступним чином:

• 2021 рік: Проект запущено, створений групою технічних ентузіастів та експертів, які прагнуть просувати децентралізовану мережу ШІ.
• 2022 рік: випуск альфа-версії мережі, перевірка життєздатності децентралізованого штучного інтелекту. Введення консенсусу Yuma, акцент на принципі невідомості даних.
• 2023 рік: випуск бета-версії, впровадження економічної моделі токенів TAO для стимулювання підтримки мережі.
• 2024 рік: використання технології DHT для підвищення ефективності зберігання та пошуку даних, посилення реклами та розширення підмереж і ринку цифрових товарів.

Токен мережі Bittensor - це TAO, загальна постачання складає 21 мільйон монет, кожні чотири роки відбувається вдвічі менше. TAO розподіляється через справедливий запуск, без попереднього видобутку або резервів команди. Наразі приблизно кожні 12 секунд створюється один блок, кожен блок винагороджує 1 TAO. Ці винагороди розподіляються між різними підмережами відповідно до внеску, а потім підмережі розподіляють їх між власниками, валідаторами та майнерами.

TAO може бути використаний для покупки обчислювальних ресурсів, даних і AI-моделей в мережі, а також є свідченням участі в управлінні спільнотою. Наразі загальна кількість облікових записів у мережі Bittensor перевищує 100 тисяч, з яких майже 80 тисяч є ненульовими. Протягом минулого року ціна TAO зросла в кілька десятків разів, наразі ринкова капіталізація складає приблизно 2.278 мільярда доларів, а ціна за одиницю - 321 долар.

Ядро Bittensor: архітектура підмереж

Протокол Bittensor є децентралізованим протоколом машинного навчання, який підтримує обмін можливостями машинного навчання та прогнозами між учасниками мережі, сприяючи обміну та співпраці моделей і послуг. Протокол містить кілька складових частин, таких як архітектура мережі, підтензори, архітектура підмережі тощо. Мережа складається з кількох вузлів, які управляються підмережею та використовують механізм природного відбору.

Субмережа є найважливішою частиною мережі Bittensor. Її можна розглядати як незалежно працюючий код, що визначає певні стимули для користувачів та функції, але зберігає той же інтерфейс консенсусу, що і основна мережа. На сьогоднішній день, крім кореневої субмережі, існує 45 субмереж. Очікується, що в період з травня по липень 2024 року кількість субмереж зросте з 32 до 64, щотижня додаючи по 4.

У підмережі є три ролі: власник підмережі, майнери та валідатори, що ставлять.

• Власник підмережі відповідає за надання базового коду та налаштування механізму стимулювання.
• Майнери відповідають за ітерацію серверів та коду для видобутку, щоб підтримувати конкурентоспроможність.
• Валідаори відповідають за оцінку внеску підмережі та забезпечення його правильності.

Розподіл підмереж є механізмом розподілу винагород у мережі Bittensor, зазвичай 18% розподіляється власникам, 41% - валідаторам, 41% - майнерам. Кожна підмережа має 256 слотів UDI, з яких 64 розподіляються валідаторам, а 192 - майнерам.

Після реєстрації підмережі є 7-денний імунітет, перший реєстраційний внесок становить 100 TAO. Коли всі позиції підмережі заповнені, нова реєстрація підмережі замінить ту, що має найнижчі показники, і не підлягає імунітету. Тому підмережі повинні постійно підвищувати кількість застави валідаторів та ефективність майнерів, щоб забезпечити своє виживання.

Інновації Bittensor: механізми консенсусу та доказу

Мережа Bittensor використовує різноманітні механізми консенсусу та доказів, серед яких найяскравішими є механізм доказу розуму (PoI) та консенсус Yuma.

Механізм PoI є унікальним механізмом верифікації та стимулювання Bittensor, що доводить внесок учасників через виконання розумових обчислювальних завдань. Майнер виконує завдання, призначені веріфікатором, а веріфікатор оцінює за якістю виконання. Цей механізм забезпечує безпеку мережі, якість даних та ефективне використання обчислювальних ресурсів.

Консенсус Yuma є основним механізмом консенсусу Bittensor. Оцінка валідаторів обробляється за допомогою цього алгоритму, при цьому валідатори з більшою кількістю заблокованих TAO мають вищу вагу оцінки. Алгоритм відфільтровує результати, які відхиляються від більшості валідаторів, а в кінцевому підсумку винагороди розподіляються на основі комплексної оцінки. Особливості консенсусу Yuma включають:

• Принцип невідомості даних: захист приватності та безпеки під час обробки даних.
• Нагороди на основі продуктивності: розподіл нагород відповідно до показників вузлів, що стимулює ефективну та якісну обробку даних.

Крім того, Bittensor також впровадив механізм MOE( змішаних експертів), що інтегрує кілька експертних підмоделей в одній архітектурі моделі. Цей підхід дозволяє різним підмоделям працювати разом, генеруючи кращі результати, ніж одна модель. У співпраці з консенсусом Yuma, валідатори можуть оцінювати та ранжувати експертні моделі, а також розподіляти винагороди, що сприяє постійному оптимізації та вдосконаленню моделі.

Екосистема підмережі Bittensor

Наразі в Bittensor є 45 зареєстрованих підмереж, з яких 40 мають назви. З відкриттям більшої кількості місць для підмереж конкуренція за реєстрацію дещо зменшилася, але механізм відсічення підмереж забезпечує виживання якісних проектів у довгостроковій перспективі.

Окрім кореневої мережі, найбільшу увагу привертають підмережі 19, 18 та 1, частка викидів яких становить відповідно 8,72%, 6,47% та 4,16%.

Субмережа 19 Vision зосереджена на децентралізованій генерації зображень та інференції, надає доступ до провідних відкритих LLM та моделей генерації зображень. Наразі середній добовий дохід вузлів становить приблизно 866 доларів.

Субмережа № 18 Cortex.t прагне побудувати передову платформу штучного інтелекту, надаючи API високоякісні текстові та зображення відповіді. Наразі щоденний дохід вузлів складає приблизно 553,64 доларів.

Субмережа №1 є першим підпроектом Bittensor, призначеним для генерації тексту. Незважаючи на сумніви, вона все ще займає високе місце.

З точки зору категорій моделей, більшість субмереж у верхній частині рейтингу є генеративними моделями. Крім того, є великі моделі обробки даних, моделі AI для торгівлі та інші, такі як субмережа 22 Meta Search, яка аналізує дані Twitter для надання інформації про ринкові настрої, та субмережа 2 Omron, яка оптимізує стратегії стейкінгу за допомогою глибоких нейронних мереж.

З точки зору прибутковості та ризику, успішно працюючі вузли приносять значний дохід, але новим вузлам потрібні високопродуктивні пристрої та оптимізовані алгоритми, щоб вижити в конкурентній боротьбі.

Перспективи майбутнього

1. Поєднання ШІ та Web3 залишатиметься в центрі уваги ринку протягом тривалого часу, привертаючи значні інвестиції.

2. Bittensor, як нетрадиційний венчурний проект, має як технічну силу, так і ринкове визнання, і має потенціал для збереження зростаючого імпульсу.

3. Його інноваційна архітектура підмережі надає командам ШІ зручний шлях для доступу до децентралізованої мережі, що сприяє швидкому отриманню прибутків. Механізм конкуренції також спонукатиме проекти підмереж до постійної оптимізації моделей та збільшення обсягу стейкінгу.

4. Зі збільшенням кількості підмереж, поріг реєстрації може знизитися, що підвищить можливість входження неякісних проектів. Водночас, винагороди TAO, отримані від існуючих підмереж, можуть зменшитися, якщо ціна TAO не зможе відповідним чином зрости, що може вплинути на очікування прибутку.