Équipe 0xai: Pourquoi sommes-nous optimistes sur Bittensor?

Auteur: 0xai, plate-forme de création AI Source: Traduction moyenne: Shan Oba, Royaume de Bitchain Vision

Qu’est-ce que Bittersor?

Bittersor lui-même n’est pas un produit d’intelligence artificielle, ni ne produit ou fournit des produits ou services d’intelligence artificielle.Bittersor est un système économique qui fournit aux producteurs de produits d’IA un système d’incitation très compétitif et agit comme optimisateurs sur le marché des produits d’IA.Dans l’écosystème Bittensor, les producteurs de haute qualité ont obtenu plus d’incitations et les producteurs ayant une mauvaise compétitivité ont progressivement été éliminés.

0xai Team, Jacob et Vitalik dans la discussion de groupe

Alors, comment Bittensor doit-il spécifiquement créer un mécanisme d’incitation pour encourager une concurrence efficace et promouvoir la production organique de produits d’IA de haute qualité?

Modèle de volant Bittensor

Bittersor a atteint cet objectif à travers le modèle de volant.Les vérifications évaluent la qualité des produits d’intelligence artificielle dans l’écosystème et les incitations en fonction de leur distribution de qualité pour garantir que les producteurs de haute qualité obtiennent plus d’incitations.Cela stimule l’augmentation croissante de la production à haute qualité, augmentant ainsi la valeur du réseau d’imernements et augmentant l’appréciation du TAO.L’appréciation de Tao a non seulement attiré des producteurs plus de haute qualité pour rejoindre l’écologie du passagers, mais a également augmenté le coût d’attaque de la manipulation par le manipulateur de l’évaluation de la qualité.Cela a encore renforcé le consensus des validations honnêtes, amélioré l’objectivité et l’équité des résultats de l’évaluation et a réalisé des mécanismes de concurrence et d’incitation plus efficaces.

Assurer l’équité et l’objectivité des résultats de l’évaluation sont une étape clé pour faire tourner le volant.Il s’agit également de la technologie de base du Bittersor, c’est-à-dire un système de vérification abstrait basé sur le consensus de Yuma.

Alors, quel est le consensus Jade Horse, comment peut-il garantir que l’évaluation de la qualité après consensus est juste et objective?

Le consensus de Yuma est un mécanisme de consensus conçu pour calculer les résultats de l’évaluation finale de la diversité d’évaluation fournie par de nombreuses vérifications.Semblable au mécanisme de consensus de défaut de Byzantine, tant que la plupart des authentifiants du réseau sont honnêtes, ils peuvent éventuellement parvenir à la bonne décision.En supposant que les vérifications honnêtes peuvent fournir une évaluation objective, les résultats de l’évaluation après consensus seront également justes et objectifs.

Prenant l’exemple de l’évaluation de la qualité du sous-réseau, le dispositif de vérification du réseau racine évalue et classe la qualité de chaque sortie de sous-réseau.Résumez les résultats de l’évaluation du validateur 64 et obtenez les résultats d’évaluation finaux via l’algorithme de consensus Yuma.Utilisez ensuite le résultat final pour allouer le TAO nouvellement créé à chaque sous-réseau.

À l’heure actuelle, le consensus de Yuma a toujours place à l’amélioration:

Les validateurs du réseau racine peuvent ne pas représenter complètement tous les détenteurs de TAO, et les résultats d’évaluation qu’ils fournissent ne peuvent pas nécessairement refléter un large éventail de vues.De plus, l’évaluation de certaines vérifications de niveau supérieur n’est pas toujours objective.Même si les préjugés sont trouvés, il peut ne pas être corrigé immédiatement.
L’existence de vérifications du réseau racine restreint le nombre de sous-réseaux qui peuvent être accueillis par Bittensor.Il ne suffit pas de rivaliser avec les géants de l’intelligence artificielle centralisée.Cependant, même s’il y a 32 sous-réseaux, le dispositif de vérification du réseau racine peut être difficile à surveiller efficacement tous les sous-réseaux.
Les Verteurs peuvent ne pas avoir une forte volonté de migrer vers le nouveau sous-réseau.À court terme, les vérifications migrent des émissions élevées de l’ancien sous-net vers Xinzi.com avec des émissions plus basses.La question de savoir si l’émission de xinzi.com peut éventuellement rattraper son retard, associée aux pertes claires de la récompense dans le processus de poursuite, affaiblir leur volonté de migrer.

Bittersor prévoit également de mettre à niveau les mécanismes pour résoudre ces lacunes:

Le Tao dynamique a dispersé la puissance de la qualité de sous-réseau à tous les porte-Tao, pas un petit nombre de vérifications.Les détenteurs de TAO pourront déterminer indirectement le rapport de distribution de chaque sous-réseau par l’engagement.
Sans les restrictions des validateurs du réseau racine, le nombre maximum de sous-réseaux actifs passera à 1024.Cela réduira considérablement le seuil pour que les nouvelles équipes rejoignent l’écosystème Bittensor, conduisant à une concurrence plus intense entre les sous-réseaux.
Les authentifiants antérieurs ont migré vers Xinzi.com peuvent obtenir des récompenses plus élevées.Le déménagement au nouveau sous-réseau le plus tôt possible signifie acheter le DTAO du sous-réseau à un prix inférieur, augmentant ainsi la possibilité de recevoir plus de Tao à l’avenir.

Une forte tolérance est également un avantage majeur du consensus de Yuma.Le consensus de Yuma est non seulement utilisé pour déterminer les émissions de chaque sous-réseau, mais aussi pour déterminer le rapport de distribution de chaque mineur et vérificateur dans le même sous-réseau.De plus, quelle que soit la tâche du mineur, la contribution qu’il contient, y compris la puissance de calcul, les données, la contribution humaine et l’intelligence, est une considération abstraite.Par conséquent, l’écosystème Bittensor peut être connecté à n’importe quel stade des produits d’IA pour profiter de la valeur du réseau d’imerbères tout en profitant des incitations.

Ensuite, explorons quelques sous-réseaux de premier plan et observons comment le Bittersor inspire la sortie de ces sous-réseaux.

Sous-réseau

Ziyang 3: Myshell TTS

Vous pouvez contribuer au développement du sous-réseau MyShell AI / Myshell TTS en créant un compte sur GitHub.

Circulation: 3,46% (9 avril 2024)

arrière-plan: Myshell est derrière l’équipe derrière Myshell TTS.Myshell vise à créer une plate-forme peu claire qui permet aux étudiants qui ne programment pas les antécédents pour créer facilement le robot qu’ils souhaitent.Myshell se concentre sur le champ TTS, les livres audio et les assistants virtuels.Avec l’expansion continue de la matrice du produit, les utilisateurs enregistrés actuels ont dépassé un million.La plate-forme garde divers types de robots, y compris l’apprentissage des langues, les robots éducatifs et pratiques.

Positionnement: Myshell a lancé ce sous-réseau pour rassembler la sagesse de toute la communauté open source et créer le meilleur modèle TTS open source.En d’autres termes, Myshell TTS n’exécute pas directement le modèle ou ne traite pas la demande de l’utilisateur final;

Architecture MyShell TSS

Le processus de fonctionnement de Myshell TTS est comme indiqué dans la figure ci-dessus.Les mineurs sont responsables des modèles de formation et téléchargent le modèle de formation dans le pool de modèles (les métadonnées du modèle également stockées dans le réseau de blockchain bittenseur); RÉSULTATS; la zone d’imerter La blockchain est responsable de l’utilisation du poids d’agrégation de consensus Yuma pour déterminer le poids final et le rapport de distribution de chaque mineur.

En bref, les mineurs doivent continuer à soumettre des modèles de qualité plus élevée pour maintenir leurs récompenses.

À l’heure actuelle, Myshell a également lancé une démo sur sa plate-forme pour que les utilisateurs puissent essayer le modèle dans Myshell TTS.

À l’avenir, comme le modèle de la formation MyShell TTS devient plus fiable, davantage de cas d’utilisation seront lancés.De plus, en mode open source, ils seront non seulement limités à Myshell, mais aussi à se développer à d’autres plates-formes.La formation et l’inspiration des modèles open source à travers cette méthode de décentralisation ne sont pas exactement notre objectif dans l’intelligence artificielle décentralisée?

Ziwang 5: Ouvrez Kaito

Vous pouvez contribuer au développement d’Open Kaito en créant un compte sur GitHub.

Question: 4,39% (9 avril 2024)

Contexte: L’équipe derrière Kaito.ai est l’équipe ouverte de Kaito.Avant d’entrer Bittensor Ziwang, ils ont lancé le produit phare Kaito.ai -a WEB3 Chain Data Search Engine, lancé au quatrième trimestre de 2023.En utilisant des algorithmes d’intelligence artificielle, Kaito.ai optimise les composants principaux des moteurs de recherche, y compris la collecte de données, les algorithmes de classement et les algorithmes de récupération.Il a été reconnu comme un outil de collecte d’informations de première classe dans la communauté cryptée.

Positionnement: Open Kaito vise à établir une couche d’index décentralisée pour soutenir la recherche et l’analyse intelligentes.Le moteur de recherche n’est pas seulement une base de données ou un algorithme de classement, mais un système complexe.De plus, un moteur de recherche efficace nécessite une faible latence, ce qui pose un défi supplémentaire à la construction d’une version décentralisée.Heureusement, ces défis devraient être résolus grâce au système d’incitation de Bittensor.

Le processus de fonctionnement de l’Open Kaito est illustré dans la figure ci-dessus.Open Kaito ne disperse pas simplement chaque composant du moteur de recherche, mais définit le problème d’index comme un problème de vérification des mineurs.En d’autres termes, les mineurs sont responsables de répondre à la demande d’index de l’utilisateur, tandis que le vérificateur distribue la demande et marque la réponse du mineur.

Open Kaito ne limite pas la façon dont les mineurs terminent la tâche d’index, mais prêtent attention à la production finale des mineurs pour encourager des solutions innovantes.Cela aide à créer un environnement concurrentiel sain entre les mineurs.Face aux indices d’utilisateurs, les mineurs s’efforcent d’améliorer leurs plans de mise en œuvre pour obtenir des résultats de réponse de meilleure qualité avec moins de ressources.

Ziwang 6: noux de Finetuning

Vous pouvez contribuer au développement du sous-réseau de recherche / finetun-finetun en créant un compte sur github.

Question: 6,26% (9 avril 2024)

CONTEXTE: L’équipe derrière le Finetuning de Dous provient de la recherche de nous, une équipe de recherche qui se concentre sur l’architecture des modèles de langage à grande échelle (LLM), la synthèse des données et le raisonnement d’équipage en équipement.Son co-fondateur était l’ingénieur en chef d’Eden Network.

Positionnement: le finetuning ntuel est un sous-réseau dédié à des modèles de grande langue fins.De plus, les données utilisées pour le tarif fin proviennent également de l’écosystème BittenSor, qui est spécifiquement le sous-réseau 18.

Le processus d’exécution de Do Finetuning est similaire à Myshell TSS.Les mineurs sont basés sur le modèle de formation des données de Zhewang 18 et publient régulièrement ces modèles pour héberger la face étreinte; Le poids final et la circulation.

Ziwang 18: Cortex.T

Corcel-API / Cortex.T peut être contribué en créant un compte sur GitHub.

Question: 7,74% (9 avril 2024)

Contexte: L’équipe derrière Cortex.t est Corcel.io, qui a reçu le support de MOG, la deuxième plus grande vérification du réseau d’imertés.Corcel.io est une application pour les utilisateurs finaux.

Positionnement: Cortex.T est positionné comme la dernière couche avant le résultat du résultat avec l’utilisateur final.Il est responsable de la détection et de l’optimisation de la sortie de divers réseaux de semences pour s’assurer que les résultats sont précis et fiables, en particulier lorsqu’une seule invite appelle plusieurs modèles.Cortex.t vise à empêcher la sortie vide ou incohérente et à assurer une expérience utilisateur transparente.

Les mineurs de cortex.T utilisent d’autres sous-réseaux de l’écosystème Bittensor pour traiter la demande de l’utilisateur final.Ils utilisent également GPT 3.5 Turbo ou GPT 4 pour vérifier les résultats de sortie pour assurer la fiabilité des utilisateurs finaux.Les vérifications évaluent la sortie des mineurs en comparant les résultats générés par OpenAI.

Ziwang 19: Vision

Contribution du développement de Namoray / Vision en créant un compte sur GitHub.

Question: 9,47% (9 avril 2024)

Contexte: L’équipe de développement derrière Vision vient également de Corcel.io.

Positionnement: Vision vise à maximiser la capacité de sortie du réseau Bittensor en utilisant un sous-réseau optimisé appelé DSIS (échelle distribuée pour modifier le sous-réseau).Le cadre accélère la réponse des mineurs à la vérification.À l’heure actuelle, Vision se concentre sur la scène de la génération d’images.

Les vérifications reçoivent la demande de l’avant du Corcel.io et la distribuent aux mineurs.Les mineurs peuvent librement choisir leurs piles technologiques préférées (sans s’y limiter les modèles) pour répondre à la demande et générer une réponse.Ensuite, les vérifications évaluent les performances du mineur.En raison de l’existence du DSIS, la vision peut répondre plus rapidement et plus efficacement que les autres sous-réseaux.

Résumer

À partir de l’exemple ci-dessus, on peut voir que Bittensor montre un degré élevé de tolérance.La génération et la vérification des mineurs se sont produites sous la chaîne, et le réseau d’imertés n’a distribué que des récompenses à chaque mineur en fonction de l’évaluation de la vérification.Tout aspect des produits de l’intelligence artificielle adaptés à l’architecture des dispositifs de vérification des mineurs peut être converti en sous-réseaux.

Théoriquement, la concurrence entre les sous-réseaux devrait être féroce.Pour continuer à obtenir des récompenses pour tout sous-réseau, il doit continuer à générer une sortie de qualité élevée.Sinon, si le dispositif de vérification du réseau racine estime que la valeur de sortie d’un sous-réseau est faible, sa distribution peut être réduite et finalement remplacée par de nouveaux sous-réseaux.

Mais en réalité, nous avons trouvé quelques problèmes:

En raison du positionnement similaire des sous-réseaux, de la redondance des ressources et du double.Sur le sous-réseau 32, plusieurs sous-réseau se concentrent sur les directions populaires telles que les images de transfert de texte, les invites de texte et la prédiction des prix.
Il y a des sous-réseaux sans cas d’utilisation réels.Bien que le sous-réseau de prédiction des prix en tant que fournisseur de prophète puisse avoir une valeur théorique, les performances actuelles des données prévues sont loin d’être utilisées par les utilisateurs finaux.
Exemple de « monnaie inférieure expulse une bonne monnaie ».Certaines vérifications de niveau supérieur peuvent ne pas avoir une forte volonté de migrer vers le nouveau sous-réseau, même si de nouveaux sous-réseaux affichent une qualité nettement supérieure.Cependant, en raison du manque de soutien financier, des émissions suffisantes ne peuvent pas être obtenues à court terme.Étant donné que la période de protection après Xinzi en ligne n’est que de 7 jours, si vous ne pouvez pas accumuler rapidement des émissions suffisantes, vous pouvez risquer d’être éliminé et hors ligne.

Ces problèmes reflètent que la concurrence entre les sous-réseaux est insuffisante, et certaines vérifications n’ont pas joué de rôle dans l’encouragement de la concurrence efficace.

L’Open Tensor Foundation Verification (OTF) a mis en œuvre certaines mesures temporaires pour l’atténuer.En tant que plus grand propriétaire de vérification avec 23% du droit de l’engagement (y compris la commission), OTF fournit un canal pour que Ziwang rivalise pour plus de Tao nagus: le propriétaire de Ziwang peut soumettre des demandes d’OTF chaque semaine pour ajuster son Tao marqué dans la proportion du sous-réseau.Ces demandes doivent couvrir 10 aspects tels que « cibles de sous-réseau et contribution à l’écosystème de l’ajecteur », « mécanisme de récompense de sous-réseau », « conception du protocole de communication », « source de données et sécurité », « exigences de calcul » et « feuille de route », pour faciliter la finale d’OTF d’OTF décision.

Cependant, pour résoudre fondamentalement ce problème, d’une part, nous devons urgencement à lancer DTAO (Tao dynamique), qui vise à modifier fondamentalement les problèmes déraisonnables ci-dessus.Alternativement, nous pouvons faire appel à des vérifications à grande échelle détenant davantage un grand nombre de pieu dans le point de vue du « développement des écosystèmes » au lieu de simplement considérer le développement à long terme de l’écosystème du passagers du point de vue des « rendements financiers ».

En résumé, avec sa forte tolérance, son environnement concurrentiel féroce et son mécanisme d’incitation efficace, nous pensons que l’écosystème de l’ampleur peut produire de manière organique des produits d’intelligence artificielle de haute qualité.Bien que toutes les sorties du sous-réseau existant ne puissent pas être comparables à la production de produits centralisés, nous ne devons pas oublier que l’architecture du Bittersor actuelle vient d’être établie un anniversaire (Ziwang # 1 enregistré le 13 avril 2023).Pour une plate-forme avec des géants de l’intelligence artificielle potentielle et centralisée, nous pouvons nous concentrer sur la proposition d’un plan d’amélioration pratique, plutôt que désireux de critiquer ses lacunes.Après tout, nous ne voulons pas voir l’intelligence artificielle constamment contrôlée par quelques géants.