Об'єднання ІШ та Web3: як Bittensor перетворює мережу колективного розуму

Нова ера революції штучного інтелекту

Швидкий розвиток технологій штучного інтелекту веде нас у нову еру, яка базується на даних. Проривні досягнення в таких сферах, як глибоке навчання та обробка природної мови, зробили застосування ШІ повсюдними. Випуск ChatGPT у 2022 році спровокував вибуховий ріст у галузі ШІ, за яким послідувало з'явлення ряду інноваційних інструментів ШІ, таких як генерація відео та автоматизовані офісні додатки. Широке застосування технологій ШІ також стало актуальним, і очікується, що до 2030 року ринкова вартість галузі ШІ досягне 185 мільярдів доларів.

Однак швидкий розвиток галузі ШІ також приніс певні виклики. Наразі ця галузь в основному контролюється кількома технологічними гігантами, що призводить до проблем з централізацією даних та нерівним розподілом обчислювальних ресурсів. Водночас, децентралізована концепція Web3 відкриває нові можливості для вирішення цих проблем. У рамках розподіленої мережевої архітектури Web3, розвиток ШІ має шанс бути перетвореним.

На цьому фоні з'явилося багато якісних проектів Web3+AI. Наприклад, Fetch.ai створює децентралізовану економіку за допомогою технології блокчейн, підтримуючи автономних агентів і смарт-контракти, що використовуються для оптимізації навчання та застосування AI-моделей. Numerai використовує технологію блокчейн і спільноту науковців даних для прогнозування ринкових тенденцій. Velas, у свою чергу, побудував високопродуктивну платформу смарт-контрактів на основі AI та блокчейн.

Проект Bittensor скористався цією можливістю, створивши платформу AI-алгоритмів з вбудованим механізмом відбору та конкуренції через блокчейн, що має на меті зберегти найкращі AI-проєкти.

Огляд проєкту Bittensor

Bittensor є децентралізованою мережею машинного навчання з винагородою та ринком цифрових товарів. Його основні характеристики включають:

1. Децентралізація: працює на розподіленій комп'ютерній мережі, що контролюється різними суб'єктами, вирішуючи проблеми, такі як централізація даних.

2. Справедлива механіка стимулювання: токени TAO, які надає мережа підмережам, пропорційні внескам, а внутрішні винагороди підмереж також пропорційні внескам вузлів.

3. Ресурси машинного навчання: надання послуг особам, які потребують обчислювальних ресурсів для машинного навчання.

4. Різноманітний ринок цифрових товарів: спочатку розроблений для торгівлі моделями машинного навчання та відповідними даними, тепер розширений для торгівлі будь-якими формами даних.

Історія розвитку Bittensor почалася в 2021 році, коли група технічних ентузіастів і експертів, які прагнули просувати децентралізовані AI-мережі, створила цей проект. Проект використовує фреймворк Substrate для побудови блокчейну, що забезпечує гнучкість і масштабованість. У 2022 році було випущено альфа-версію мережі для перевірки життєздатності децентралізованого AI та введено механізм консенсусу Yuma. У 2023 році була випущена бета-версія, в якій було представлено економічну модель токена TAO. У 2024 році проект використовує технологію DHT для підвищення ефективності зберігання та пошуку даних і починає зосереджуватися на розширенні підмереж і ринку цифрових товарів.

Токен TAO Bittensor спроектовано аналогічно біткоїну, загальна кількість становить 21 мільйон монет, кожні чотири роки відбувається зменшення вдвічі. Токени розподіляються через справедливий запуск, без попереднього видобутку або резервування для команди. Наразі кожні 12 секунд генерується один блок, кожен блок винагороджується 1 TAO, щодня виробляється близько 7200 TAO. Ці винагороди розподіляються відповідно до внеску серед усіх підмереж, а потім підмережі розподіляють їх між власниками, валідаторами та майнерами.

Станом на сьогодні, загальна кількість облікових записів у мережі Bittensor перевищує 100 тисяч, а кількість облікових записів з ненульовим балансом досягла 80 тисяч. Протягом минулого року ціна TAO зросла в десятки разів, наразі ринкова капіталізація становить приблизно 2,278 мільярда доларів, а ціна монети - 321 долар.

Архітектура підмережі Bittensor

Протокол Bittensor є децентралізованим протоколом машинного навчання, що підтримує обмін можливостями машинного навчання та прогнозами між учасниками мережі, сприяючи спільній співпраці моделей та послуг. Протокол містить компоненти, такі як архітектура мережі, підтензори, архітектура підмережі тощо. Мережа складається з кількох вузлів, кожен з яких виконує програмне забезпечення клієнта Bittensor. Підмережа є ключовим компонентом мережі, відповідаючи за управління вузлами та впровадження механізму відбору.

Субмережі можна вважати незалежно працюючими фрагментами коду, які визначають специфічні користувацькі стимули та функції, але зберігають такий же консенсусний інтерфейс, як і основна мережа. Наразі, окрім кореневої субмережі, існує 45 субмереж. Очікується, що в період з травня по липень 2024 року кількість субмереж зросте з 32 до 64, щотижня додаючи 4 нові субмережі.

У підмережі є три основні ролі:

1. Власник підмережі: відповідає за надання базового коду та встановлення механізму стимулювання.

2. Майнери: працюють на серверах і використовують код для видобутку, змагаючись один з одним за лідерство.

3. Верифікатор: оцінює внесок підмережі та гарантує правильність, отримує відповідну винагороду.

Випуск підмережі є механізмом розподілу токенів TAO, зазвичай розробленим для розподілу 18% власникам, 41% валідаторам, 41% майнерам. Підмережа містить 256 слоти UDI, з яких 64 розподілено валідаторам, а 192 - майнерам.

Після реєстрації підмережі є 7-денний імунітет, а перший реєстраційний внесок становить 100 TAO. Коли всі позиції підмережі заповнені, нова реєстрація підмережі замінить ту, що має найнижчий викид і не знаходиться в імунітеті. Тому підмережі повинні постійно підвищувати кількість стейків валідаторів та ефективність майнерів, щоб уникнути виключення.

Консенсус і механізм доказу Bittensor

Мережа Bittensor використовує різноманітні механізми консенсусу та доказу:

1. Механізм підтвердження інтелекту (PoI):

   • Майнери доводять свій внесок, виконуючи завдання розумних обчислень
   • Верифікатори розподіляють завдання та оцінюють якість результатів

2. Yuma консенсус:

   • Основний механізм консенсусу, інтеграція оцінки валідаторів
   • Валідатори з більшою кількістю закладених TAO мають вищий рейтинг.
   • Відфільтрувати результати, що відхиляються від більшості валідаторів
   • Розподіл винагород відповідно до загальної оцінки
   • Дотримуйтесь принципу невідомості даних, захищаючи конфіденційність та безпеку
   • На основі продуктивності розподіл нагород, забезпечуючи ефективні та високоякісні обчислення

3. Механізм MOE:

   • Інтеграція кількох експертних підмоделей
   • Різні підмоделі працюють разом, покращуючи загальну продуктивність
   • Валідатори можуть оцінювати та ранжувати експертні моделі
   • Розподіл токенів винагороди, оптимізація моделі стимулювання

Ці механізми разом забезпечують безпеку мережі, якість даних та ефективне використання обчислювальних ресурсів.

Огляд проекту підмережі Bittensor

Наразі Bittensor має 45 зареєстрованих підмереж, з яких 40 мають назви. Зі збільшенням кількості підмереж конкуренція за реєстрацію зменшилась, але нові підмережі можуть бути менш стабільними та ефективними, ніж підмережі, що працюють довше. Проте механізм відбору забезпечить збереження якісних підмереж у довгостроковій перспективі.

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

1. Підмережа 19 (Vision):

   • Сфокусуйтеся на децентралізованому генеруванні зображень та висновках
   • Надання доступу до відкритих LLM та моделей генерації зображень
   • Загальний дохід від вузлів за 24 години приблизно 627,84 TAO
   • Середній денний дохід нового вузла приблизно 866 доларів США

2. Субмережа 18 (Cortex.t):

   • Розроблено Corcel, створено передову платформу ШІ
   • Надання текстових та графічних відповідей через API
   • Загальний дохід від вузлів за 24 години становить приблизно 457.2 TAO
   • Середня денна прибутковість нового вузла становить близько 553,64 доларів

3. 1-й підмережа:

   • Підмережа генерації тексту, розроблена Фондом Opentensor
   • Як перший проект підмережі, він зазнав критики.

Крім того, існують й інші типи підмереж, такі як моделі обробки даних та торгові AI моделі. Загалом, прибутки від успішно працюючих вузлів є значними, але нові зареєстровані вузли потребують високопродуктивного обладнання та оптимізованих алгоритмів, щоб вижити в конкурентній боротьбі.

Перспективи на майбутнє

1. AI+Web3 продовжать бути гарячою темою на ринку, залучаючи значні інвестиції.

2. Архітектура проекту Bittensor унікальна, поєднує в собі технологічну та ринкову підтримку, має можливість продовжувати розвиток.

3. Архітектура підмережі знижує бар'єри для команд AI у переході до децентралізованої мережі, що сприяє швидкому отриманню прибутку.

4. Механізм конкуренції та淘汰促使子网项目不断优化模型和提高质押量。

5. Збільшення кількості підмереж може призвести до деяких ризиків, таких як зростання кількості неперевірених проектів, зниження доходів окремих підмереж тощо, тому варто звернути увагу на динаміку ціни токена TAO.