jakiro
Auteur: Teng Yan, ancien superviseur de la recherche Delphi Digital NFT;
Je suis très fasciné par l’idée de la sagesse collective décentralisée, si récemment, j’ai exploré le modèle Bittensor pour guider le lancement des réseaux d’IA dans des domaines spécifiques.
Mais j’ai constaté que le passagers avait plusieurs défauts sérieux.Ma découverte était choquante et m’a fait une pause.
Bitresor Review rapidement
Source: bittensor.com
Bittensor est une opération de réseau incitative décentralisée en tant que modèle d’IA.
Parmi ses 32 sous-réseaux, les mineurs déploient des modèles AI pour rivaliser en fonction des normes spécifiques.Les vérifications ont ensuite évalué et classé ces sorties, et les mineurs ont gagné le jeton Tao en fonction de leurs performances relatives.À l’heure actuelle, ces sous-réseaux sont traités de tâches telles que la génération de texte, la génération d’images, la voix de conversion de texte et les modèles de tons fins.
« Ai Model Horse »: Utilisez l’image générée par Dall-E 2
En bref: il s’agit des courses de chevaux du modèle d’IA.Le meilleur cheval (modèle) obtient la plus grande récompense.
L’idée importante ici est que les incitations en devises attirent naturellement les meilleurs modèles et innovateurs vers les sous-réseaux les plus apparentés.
Pour la première fois, j’ai partagé certaines de mes premières vues sur le Bittersor en novembre de l’année dernière.Depuis lors, Bittersor est devenu progressivement le chouchou de Crypto Twitter et le porte-drapeau du mouvement d’IA décentralisé.À l’heure actuelle, la valeur marchande de Bittensor est de 2,8 milliards de dollars et l’évaluation entièrement diluée est de 8,5 milliards de dollars.
La route à avancer est accidentée
À mon avis, le plus gros problème de Bittersor est:
1. L’économie horizontale est brisée
Il est significatif s’il est mis en œuvre correctement, et la concurrence des incitations dans le sous-réseau à produire la meilleure sortie est significative.
Veuillez faire attention au corps épais et à la capitale « si ».
Il existe des défis tels que les jeux inspirants, l’extraction de relais et la compréhension des authentifiants de la bonne sortie.Je crois que ces problèmes peuvent être résolus grâce à des recherches et des expériences suffisantes.Certains sous-réseaux ont pris des mesures ou modifier leurs normes pour empêcher le relais de la Chine d’extraire et d’autres comportements inappropriés.
Cependant, lorsque la concurrence se développe horizontalement, le modèle économique commence à s’effondrer.
Les sous-réseaux doivent rivaliser les uns avec les autres pour obtenir de plus grandes récompenses d’inflation.Une fois le TAO dynamique atteint, cela deviendra plus évident (le sous-réseau aura son propre jeton dynamique, les détenteurs de jetons peuvent affecter la distribution de la récompense entre le sous-réseau)
Cela conduit à un problème:
Comment les titulaires de TAO devraient-ils comparer la valeur économique des différents sous-réseaux au réseau d’imertés?Par exemple:
(1) modèle de texte à voix -to-voice (sous-réseau 3) et et
(2) Dépistage du modèle visuel de la maladie des rayons x?
La valeur générée dans chaque cas est complètement différente.Vous pouvez expliquer ce problème de diverses manières, mais la réponse n’est jamais claire.S’appuyer sur les forces du marché pour déterminer la contribution de valeur de chaque sous-réseau n’est pas le meilleur choix pour le développement stratégique à long terme.
C’est comme demander à chaque actionnaire de l’AAPL de voter pour le prochain produit qu’Apple devrait développer.
2. Le défi compétitif de Ziwang
Je doute que le sous-réseau amère est compétitif dans la tâche de base de la génération de base (comme les images générales et la génération de texte).Certains projets open source ont bien performé dans ces domaines, et ces projets sont généralement promus par la réputation, les contributions de la recherche et les services publics.
Prenez le puissant modèle grand langage (LLM) LLAMA-3 comme exemple de l’outil open source publié par Meta comme exemple.Bien que le développement de Llama-3 ait investi des milliards de dollars, il peut toujours être utilisé gratuitement et a reçu un solide soutien de la communauté.Depuis sa sortie la semaine dernière, il a téléchargé plus de 500 000 fois sur Huggingface.
La comparaison de référence montre que les LLM open source telles que LLAMA-3 sont déjà les meilleures parmi les mêmes types, et on peut dire qu’elle est comparable aux modèles exclusifs tels que le GPT-4 d’Openai.
Jusqu’à présent, je n’ai pas vu le sous-réseau Bittersor a obtenu les résultats ou les fonctions qui dépassent le modèle open source existant.Je n’ai pas vu de preuves que leur performance était meilleure que l’indice de référence établie.À un moment donné, vous devez vous demander s’ils le feront.
3. Coût d’exploitation élevé des réseaux intelligents
Le réseau s’appuie dans une large mesure sur sa monnaie native.Les mineurs rejoignent principalement le réseau lorsqu’ils découvrent l’opportunité de calculer l’arbitrage, en particulier lorsque les récompenses minières dépassent le coût de calcul.
La demande de Tao dépend de ::
(1) les spéculateurs (beaucoup de vers, nous ne discuterons pas ici)
(2) Ajouter plus de sous-réseau d’icher ou augmenter les besoins des mineurs ou des vérifications.Cependant, cette croissance affaiblit souvent l’enthousiasme des participants existants.En raison de la pression des avantages économiques des mineurs / vérifications, la baisse des prix des jetons entraînera une baisse de l’anti-personnalité des activités en ligne.
Source: Taostats.io
Le coût d’exploitation de l’ampleur est très élevé et paie une inflation Tao de 7 200 de 7 200 Tao chaque jour.Cela équivaut à environ 3,2 millions de dollars par jour ou à 1,2 milliard de dollars par an.
Cela soulève une question clé: d’où vient ce fonds?Principalement des spéculateurs.Mais Bittersor générera 1,2 milliard de dollars en un an?Son évaluation peut être bien au-delà de sa propre valeur.
4. Transparence
Bien que Bittensor offre un certain degré de décentralisation, il convient de noter qu’il n’est pas ouvert – c’est une différence vitale.Bien que la participation de Ziwang soit ouverte à tous, le mécanisme interne n’est pas transparent, ce qui entraîne une compréhension limitée de la compréhension des utilisateurs des activités suivantes:
-
Que font les mineurs?
-
Quels algorithmes exécutent-ils?
-
Comment est le résultat final?
Ce manque de transparence peut limiter la diversité des applications en utilisant le développement de la sortie de sous-réseau, car de nombreux développeurs doivent comprendre clairement le processus de raisonnement sous-jacent.
Quelques pensées
Je ne m’oppose pas.En fait, j’ai trouvé que c’est l’une des expériences les plus intéressantes du champ émergent de la crypto x AI.
Il a réussi à rassembler un groupe de personnes intelligentes autour de sa vision.Il peut stimuler de nombreux projets futurs.Cependant, le Bittersor doit faire face aux défis actuels afin d’avoir la possibilité de réussir dans le monde réel, sinon il sera perdu dans la tombe du battage médiatique spéculatif.
Quelques idées de fin:
-
Si tous les sous-réseaux du réseau sont ciblés sur des départements spécifiques plutôt que dispersés dans diverses tâches non liées, ils peuvent réaliser une plus grande synergie.
-
Par exemple, j’imagine « Bittensor pour la recherche génomique / découverte de médicaments » ou « Bittersor pour les finances / transactions ».Cela peut en fait bien faire.Cette vision peut favoriser la cohésion économique, l’orientation stratégique et les efforts de développement des entreprises.
-
Le modèle économique de Bittensor (à l’état actuel) peut être le plus adapté à l’écosystème de l’IA.Les applications potentielles comprennent des tâches spécifiques aux crypto-monnaies, telles que la prévision des prix des jetons.
Enfin, je crois fermement que la décentralisation de l’IA a joué un rôle extrêmement important dans le monde – la domination mondiale des grandes entreprises technologiques à l’échelle et la promotion de l’innovation, en particulier grâce à des mesures open source.J’expliquerai mes pensées en détail dans les futurs articles.
