
المؤلف: Teng Yan ، مشرف أبحاث Delphi Digital NFT ؛
أنا مفتون للغاية بفكرة الحكمة الجماعية اللامركزية ، في الآونة الأخيرة ، كنت أستكشف نموذج Bittensor لتوجيه إطلاق شبكات الذكاء الاصطناعى في حقول محددة.
لكنني وجدت أن الحلبة البيرة لديها العديد من العيوب الخطيرة.كان اكتشافي مروعًا وجعلني أتوقف.
مراجعة البيرة بسرعة
المصدر: bittensor.com
Bittensor هو عملية شبكات الحوافز اللامركزية كنموذج لمنظمة العفو الدولية.
من بين 32 شبكات فرعية ، ينشر عمال المناجم نماذج الذكاء الاصطناعى للتنافس وفقًا لمعايير محددة.ثم قامت التحققات بتقييم هذه المخرجات وتصنيفها ، وحصل عمال المناجم على رمز TAO استنادًا إلى أدائهم النسبي.في الوقت الحاضر ، تتعامل هذه الشبكات الفرعية مع مهام مثل توليد النص وتوليد الصور وصوت تحويل النص ونماذج رائعة.
“AI Model Horse”: استخدم الصورة التي تم إنشاؤها بواسطة Dall-E 2
باختصار: هذا هو سباق الخيل لنموذج الذكاء الاصطناعي.أفضل حصان (نموذج) يحصل على أكبر مكافأة.
الفكرة المهمة هنا هي أن حوافز العملة تجذب بشكل طبيعي أفضل النماذج والمبتكرين إلى الشبكات الفرعية الأكثر صلة.
لأول مرة ، شاركت بعض وجهات نظري المبكرة على البيرة في نوفمبر من العام الماضي.منذ ذلك الحين ، أصبح Bittersor تدريجياً محبوبًا لـ Crypto Twitter وحامل العلم لحركة الذكاء الاصطناعي اللامركزي.اعتبارًا من الآن ، تبلغ القيمة السوقية لـ Bittensor 2.8 مليار دولار أمريكي ، والتقييم المخفف بالكامل هو 8.5 مليار دولار أمريكي.
الطريق للمضي قدمًا وعرة
في رأيي ، أكبر مشكلة في حلومر هي:
1. الاقتصاد الأفقي مكسور
من المسلم به إذا تم تنفيذه بشكل صحيح ، وأن تنافس الحوافز في الشبكة الفرعية لإنتاج أفضل ناتج ذات معنى.
يرجى الانتباه إلى الجسم السميك ورأس المال “إذا”.
هناك تحديات مثل الألعاب الملهمة ، والتعدين التابع ، وفهم المصاحبين للإخراج الصحيح.أعتقد أن هذه المشاكل يمكن حلها من خلال البحث والتجارب الكافية.اتخذت بعض الشبكات الفرعية التدابير أو تعديل معاييرها لمنع التتابع الصيني من التعدين والسلوكيات غير السليمة الأخرى.
ومع ذلك ، عندما تتوسع المنافسة أفقياً ، يبدأ النموذج الاقتصادي في الانهيار.
يجب أن تتنافس NETs الفرعية مع بعضها البعض للحصول على مكافآت تضخم أكبر.بمجرد تحقيق TAO الديناميكي ، سيصبح هذا أكثر وضوحًا (سيكون للشبكة الفرعية رمزها الديناميكي الخاص ، يمكن أن يؤثر أصحاب الرمز المميز على توزيع المكافأة بين الشبكة الفرعية)
هذا يؤدي إلى مشكلة:
كيف يجب أن يقارن حاملي TAO القيمة الاقتصادية للشبكات الفرعية المختلفة بشبكة البيرة؟على سبيل المثال:
(1) رسالة نصية إلى صوت -To -Voice (الشبكة الفرعية 3) و
(2) فحص النموذج البصري لمرض الأشعة السينية؟
القيمة التي تم إنشاؤها في كل حالة مختلفة تمامًا.يمكنك شرح هذه المشكلة بطرق مختلفة ، لكن الإجابة ليست واضحة أبدًا.إن الاعتماد على قوى السوق لتحديد مساهمة قيمة كل شبكة فرعية ليس هو الخيار الأفضل للتنمية الاستراتيجية طويلة المدى.
هذا مثل مطالبة كل مساهم AAPL بالتصويت للمنتج التالي الذي يجب على Apple تطويره.
2. التحدي التنافسي لزيوانغ
أشك في ما إذا كانت الشبكة الفرعية للمرارة تنافسية في مهمة الجيل الأساسي من الذكاء الاصطناعي (مثل الصور العامة وتوليد النص).كان أداء بعض المشاريع مفتوحة المصدر أداءً جيدًا في هذه المجالات ، وعادة ما يتم الترويج لهذه المشاريع من خلال السمعة والمساهمات البحثية والخدمات العامة.
خذ نموذج اللغة الكبير القوي (LLM) LAMA-3 كمثال على أداة المصدر المفتوح الذي تم إصداره بواسطة META كمثال.على الرغم من أن تطوير LLAMA-3 قد استثمر مليارات الدولارات ، إلا أنه لا يزال من الممكن استخدامه مجانًا وحصل على دعم قوي من المجتمع.منذ إصدارها الأسبوع الماضي ، قامت بتنزيل أكثر من 500000 مرة على Huggingface.
توضح المقارنة المعيارية أن LLMs مفتوحة المصدر مثل LLAMA-3 هي بالفعل الأفضل من بين نفس النوع ، ويمكن القول أنها مماثلة للنماذج الحصرية مثل GPT-4 من Openai.
حتى الآن ، لم أر الشبكة الفرعية للمرارة حققت النتائج أو الوظائف التي تتجاوز نموذج المصدر المفتوح الحالي.لم أر دليلًا على أن أدائهم كان أفضل من المعيار المعمول به.في مرحلة ما ، يجب أن تسأل نفسك عما إذا كانوا سيفعلون ذلك.
3. تكلفة التشغيل العالية للشبكات الذكية
تعتمد الشبكة على عملتها الأصلية TAO إلى حد كبير.ينضم عمال المناجم بشكل رئيسي إلى الشبكة عندما يكتشفون فرصة حساب المراجحة ، خاصةً عند تجاوز مكافآت التعدين تكلفة الحساب.
يعتمد طلب تاو على ::
(1) المضاربين (الكثير من الديدان ، لن نناقش هنا)
(2) أضف المزيد من الشبكة الفرعية للمرارة ، أو زيادة احتياجات عمال المناجم أو التحديات.ومع ذلك ، فإن هذا النمو غالبا ما يضعف حماس المشاركين الحاليين.نظرًا لضغوط الفوائد الاقتصادية للعمال/التحقق ، فإن انخفاض أسعار الرمز المميز سيؤدي إلى انخفاض في معاداة الأنشطة عبر الإنترنت.
المصدر: taostats.io
تكلفة تشغيل البيرة مرتفعة للغاية ، ويدفع تضخم 7200 TAO البالغ 7200 TAO كل يوم.هذا يعادل حوالي 3.2 مليون دولار في اليوم أو 1.2 مليار دولار في السنة.
هذا يثير سؤالًا رئيسيًا: من أين يأتي هذا الصندوق؟المضاربين بشكل رئيسي.لكن البيرة سوف يولد 1.2 مليار دولار في عام واحد؟قد يكون تقييمه أبعد من قيمته الخاصة.
4. الشفافية
على الرغم من أن Bittensor يوفر درجة معينة من اللامركزية ، إلا أنه تجدر الإشارة إلى أنه غير مفتوح ، فهذا فرق حيوي.على الرغم من أن مشاركة Ziwang مفتوحة لأي شخص ، فإن الآلية الداخلية ليست شفافة ، مما يؤدي إلى فهم محدود لفهم المستخدمين للأنشطة التالية:
-
ماذا يفعل عمال المناجم؟
-
ما هي الخوارزميات التي يديرونها؟
-
كيف هي النتيجة النهائية؟
قد يحد هذا الافتقار إلى الشفافية من تنوع التطبيقات باستخدام تطوير شبكات الشبكة الفرعية ، لأن العديد من المطورين بحاجة إلى فهم عملية التفكير الأساسية بوضوح.
بعض التفكير
أنا لا أعارض البيرة.في الواقع ، وجدت أنها واحدة من أكثر التجارب إثارة للاهتمام في حقل Crypto X AI الناشئ.
نجحت في جمع مجموعة من الأشخاص الأذكياء حول رؤيتها.قد يحفز العديد من المشاريع المستقبلية.ومع ذلك ، يجب أن يتعامل البيتر مع التحديات الحالية من أجل أن تتاح الفرصة للنجاح في العالم الحقيقي ، وإلا فإنه سيضيع في قبر الضجيج المضاربة.
بعض الأفكار النهائية:
-
إذا كانت جميع الشبكات الفرعية في الشبكة تستهدف إدارات محددة بدلاً من مبعثر في مهام مختلفة غير ذات صلة ، فيمكنها تحقيق تآزر أكبر.
-
على سبيل المثال ، أتصور “Bittensor للبحث الجيني/اكتشاف المخدرات” أو “حلو للتمويل/المعاملات”.هذا يمكن أن يفعل بشكل جيد في الواقع.يمكن أن تعزز هذه الرؤية التماسك الاقتصادي والاتجاه الاستراتيجي وجهود تنمية الأعمال.
-
قد يكون النموذج الاقتصادي لـ Bittensor (في الحالة الحالية) هو الأنسب للنظام الإيكولوجي لمنظمة العفو الدولية.تشمل التطبيقات المحتملة مهام خاصة بالعملات المشفرة ، مثل التنبؤ بأسعار الرمز المميز.
أخيرًا ، أعتقد اعتقادا راسخا أن اللامركزية في الذكاء الاصطناعى لعبت دورًا مهمًا للغاية في العالم -وهي الهيمنة العالمية لشركات التكنولوجيا الكبيرة والمعززة للابتكار ، وخاصة من خلال تدابير المصادر المفتوحة.سأشرح أفكاري بالتفصيل في المقالات المستقبلية.