jakiro
Autor: Teng Yan, ex supervisor de investigación de Delphi Digital NFT;
Estoy muy fascinado por la idea de la sabiduría colectiva descentralizada, así que recientemente, he estado explorando el modelo Bittensor para guiar el lanzamiento de redes de IA en campos específicos.
Pero descubrí que Bittersor tenía varios defectos graves.Mi descubrimiento fue impactante y me hizo una pausa.
Bittersor revisó rápidamente
Fuente: bittensor.com
Bittensor es una operación de red de incentivos descentralizada como modelo de IA.
Entre sus 32 subredes, los mineros implementan modelos AI para competir de acuerdo con estándares específicos.Las verificaciones evaluaron y clasificaron estos resultados, y los mineros obtuvieron el token Tao en función de su rendimiento relativo.En la actualidad, estas subredes están tratando con tareas como la generación de texto, la generación de imágenes, la voz de conversión de texto y los modelos de fino.
«AI Model Horse»: use la imagen generada por Dall-E 2
En resumen: esta es la carrera de caballos del modelo AI.El mejor caballo (modelo) obtiene la mayor recompensa.
La idea importante aquí es que los incentivos monetarios naturalmente atraen a los mejores modelos e innovadores a las subredes más relacionadas.
Por primera vez, compartí algunas de mis primeras opiniones sobre Bittersor en noviembre del año pasado.Desde entonces, Bittersor se ha convertido gradualmente en el favorito de Crypto Twitter y el portador de la bandera del movimiento de IA descentralizado.A partir de ahora, el valor de mercado de Bittensor es de US $ 2.8 mil millones, y la valoración completamente diluida es de US $ 8.5 mil millones.
El camino para avanzar es resistente
En mi opinión, el mayor problema de Bittersor es:
1. La economía horizontal está rota
Es significativo si se implementa correctamente, y la competencia de los incentivos en la subred para producir el mejor resultado es significativo.
Preste atención al cuerpo grueso y al capital «si».
Hay desafíos como juegos inspiradores, minería de retransmisión y la comprensión de los autenticantes de la producción correcta.Creo que estos problemas pueden resolverse a través de suficientes investigaciones y experimentos.Algunas subredes han tomado medidas o enmendar sus estándares para evitar que el relé de China minera y otros comportamientos inadecuados.
Sin embargo, cuando la competencia se está expandiendo horizontalmente, el modelo económico comienza a colapsar.
Las sub -nets deben competir entre sí para obtener mayores recompensas de inflación.Una vez que se logra el Tao dinámico, esto será más obvio (la subred tendrá su propio token dinámico, los titulares de tokens pueden afectar la distribución de la recompensa entre la subred)
Esto lleva a un problema:
¿Cómo deben comparar los titulares de TAO el valor económico de las diferentes subredes con la red Bittersor?Por ejemplo:
(1) Modelo de texto a voz -a voice (subred 3) y y
(2) ¿Examinar el modelo visual de la enfermedad de rayos x?
El valor generado en cada caso es completamente diferente.Puede explicar este problema de varias maneras, pero la respuesta nunca está clara.Confiar en las fuerzas del mercado para determinar la contribución de valor de cada subred no es la mejor opción para el desarrollo estratégico a largo plazo.
Esto es como pedirle a cada accionista de AAPL que vote por el próximo producto que Apple debería desarrollar.
2. El desafío competitivo de Ziwang
Dudo si la subred de Bittersor es competitiva en la tarea de IA de generación básica (como imágenes generales y generación de texto).Algunos proyectos de código abierto han tenido un buen desempeño en estos campos, y estos proyectos generalmente se promueven por la reputación, las contribuciones de investigación y los servicios públicos.
Tome el poderoso modelo de lenguaje grande (LLM) Llama-3 como ejemplo de la herramienta de código abierto lanzada por Meta como ejemplo.Aunque el desarrollo de Llama-3 ha invertido miles de millones de dólares, aún se puede usar de forma gratuita y ha recibido un fuerte apoyo de la comunidad.Desde su lanzamiento la semana pasada, ha descargado más de 500,000 veces en Huggingface.
La comparación de referencia muestra que los LLM de código abierto como LLAMA-3 ya son los mejores entre el mismo tipo, y se puede decir que es comparable a los modelos exclusivos como el GPT-4 de OpenAI.
Hasta ahora, no he visto la subred de Bittersor logrado los resultados o las funciones que superan el modelo de código abierto existente.No vi evidencia de que su desempeño fuera mejor que el punto de referencia establecido.En algún momento, debes preguntarte si harán esto.
3. Alto costo operativo de redes inteligentes
La red se basa en su moneda nativa TAO en gran medida.Los mineros se unen principalmente a la red cuando descubren la oportunidad de calcular el arbitraje, especialmente cuando las recompensas de minería exceden el costo de cálculo.
La demanda de Tao depende de ::
(1) Especuladores (muchos gusanos, no discutiremos aquí)
(2) Agregue más subred de Bittersor o aumente las necesidades de los mineros o las verificaciones.Sin embargo, este crecimiento a menudo debilita el entusiasmo de los participantes existentes.Debido a la presión de los beneficios económicos de los mineros/verificaciones, la disminución de los precios de los tokens conducirá a una disminución en la anti -personalidad de las actividades en línea.
Fuente: taostats.io
El costo operativo de Bittersor es muy alto y paga una inflación de 7,200 Tao de 7.200 Tao todos los días.Esto es equivalente a aproximadamente $ 3.2 millones por día o $ 1.2 mil millones por año.
Esto plantea una pregunta clave: ¿de dónde viene este fondo?Principalmente especuladores.¿Pero Bittersor generará $ 1.2 mil millones en un año?Su valoración puede estar mucho más allá de su propio valor.
4. Transparencia
Aunque Bittensor proporciona un cierto grado de descentralización, vale la pena señalar que no está abierto, esta es una diferencia vital.Aunque la participación de Ziwang está abierta a cualquier persona, el mecanismo interno no es transparente, lo que resulta en una comprensión limitada de la comprensión de los usuarios de las siguientes actividades:
-
¿Qué están haciendo los mineros?
-
¿Qué algoritmos ejecutan?
-
¿Cómo es el resultado final?
Esta falta de transparencia puede limitar la diversidad de aplicaciones utilizando el desarrollo de resultados de subred, porque muchos desarrolladores deben comprender claramente el proceso de razonamiento subyacente.
Algunos pensamientos
No me opongo a Bittersor.De hecho, descubrí que es uno de los experimentos más interesantes en el campo emergente Crypto X AI.
Reunió con éxito a un grupo de personas inteligentes en torno a su visión.Puede estimular muchos proyectos futuros.Sin embargo, Bittersor debe enfrentar los desafíos actuales para tener la oportunidad de tener éxito en el mundo real, de lo contrario se perderá en la tumba de la exageración especulativa.
Algunas ideas finales:
-
Si todas las subredes en la red están dirigidas a departamentos específicos en lugar de dispersar en varias tareas no relacionadas, pueden lograr una mayor sinergia.
-
Por ejemplo, me imagino «Bittensor para la investigación genómica/descubrimiento de fármacos» o «Bittersor para finanzas/transacciones».Esto realmente puede funcionar bien.Esta visión puede promover la cohesión económica, la dirección estratégica y los esfuerzos de desarrollo empresarial.
-
El modelo económico de Bittensor (en el estado actual) puede ser más adecuado para el ecosistema de la IA.Las aplicaciones potenciales incluyen tareas específicas de las criptomonedas, como predecir los precios del token.
Finalmente, creo firmemente que la descentralización de la IA desempeñó un papel extremadamente importante en el mundo, el dominio global de las compañías de tecnología a gran escala y promoviendo la innovación, especialmente a través de medidas de código abierto.Explicaré mis pensamientos en detalle en los artículos futuros.
