jakiro
Autor: Teng Yan, ehemaliger Delphi Digital NFT Research Supervisor;
Ich bin sehr fasziniert von der Idee der dezentralen kollektiven Weisheit. Vor kurzem habe ich das Bittensor -Modell untersucht, um den Start von AI -Netzwerken in bestimmten Bereichen zu leiten.
Aber ich stellte fest, dass Bittersor mehrere ernsthafte Mängel hatte.Meine Entdeckung war schockierend und ließ mich innehalten.
Bittersor schnell bewerten
Quelle: bittensor.com
Bittensor ist ein dezentraler Anreiznetzwerk als KI -Modell.
Unter den 32 Subnetzen setzen die Bergleute KI -Modelle ein, um nach bestimmten Standards zu konkurrieren.Die Überprüfungen bewerteten und bewerteten diese Ausgaben und die Bergleute verdienten das Tao -Token auf der Grundlage ihrer relativen Leistung.Gegenwärtig befassen sich diese Subnetze mit Aufgaben wie Textgenerierung, Bildgenerierung, Textkonvertierungsstimme und feiner Tuning -Modellen.
„AI Model Horse“: Verwenden Sie das von Dall-E 2 generierte Bild
Kurz gesagt: Dies ist das Pferderennen des KI -Modells.Das beste Pferd (Modell) erhält die größte Belohnung.
Die wichtige Idee hier ist, dass Währungsanreize natürlich die besten Modelle und Innovatoren für die am meisten verwandten Subnetze anziehen.
Zum ersten Mal teilte ich im November letzten Jahres einige meiner frühen Ansichten über Bittersor.Seitdem ist Bittersor allmählich der Liebling von Crypto Twitter und der Flaggenträger der dezentralen KI -Bewegung.Der Marktwert von Bittensor beträgt derzeit 2,8 Milliarden US -Dollar und die voll verwässerte Bewertung 8,5 Milliarden US -Dollar.
Die Straße, um vorwärts zu gehen, ist robust
Meiner Meinung nach lautet Bittersors größtes Problem:
1. Die horizontale Wirtschaft ist gebrochen
Es ist aussagekräftig, wenn es ordnungsgemäß implementiert wird, und der Wettbewerb der Anreize im Subnetz, die beste Ausgabe zu erzeugen, ist aussagekräftig.
Bitte achten Sie auf den dicken Körper und das Kapital „wenn“.
Es gibt Herausforderungen wie inspirierende Spiele, Relaisabbau und das Verständnis der richtigen Ausgabe durch Authentiker.Ich glaube, diese Probleme können durch ausreichende Forschung und Experimente gelöst werden.Einige Subnets haben Maßnahmen ergriffen oder ihre Standards geändert, um zu verhindern, dass das China -Relais und andere unsachgemäße Verhaltensweisen angeht.
Wenn der Wettbewerb jedoch horizontal expandiert, beginnt das Wirtschaftsmodell zusammenzubrechen.
Sub -Nets müssen miteinander konkurrieren, um eine größere Inflationsbelohnung zu erhalten.Sobald das dynamische TAO erreicht ist, wird dies offensichtlicher (das Subnetz wird ein eigenes dynamisches Token haben. Token -Inhaber können die Verteilung der Belohnung zwischen dem Subnetz beeinflussen).
Dies führt zu einem Problem:
Wie sollten TAO -Inhaber den wirtschaftlichen Wert verschiedener Subnetze mit dem Bittersor -Netzwerk vergleichen?Zum Beispiel:
(1) Text zu Voice -to -Voice -Modell (Subnetz 3) und und und
(2) Screening des visuellen Modells der X -Ray -Krankheit?
Der in jedem Fall generierte Wert ist völlig unterschiedlich.Sie können dieses Problem auf verschiedene Weise erklären, aber die Antwort ist nie klar.Das Verlassen der Marktkräfte, um den Wertbeitrag jedes Subnetzes zu bestimmen, ist nicht die beste Wahl für die langfristige strategische Entwicklung.
Dies ist so, als würde man jeden AAPL -Anteilseigner bitten, für das nächste Produkt zu stimmen, das Apple entwickeln soll.
2. Die wettbewerbsfähige Herausforderung von Ziwang
Ich bezweifle, ob das Bittersor -Subnetz in der AI -Aufgabe der grundlegenden Generation (wie allgemeine Bilder und Textgenerierung) wettbewerbsfähig ist.Einige Open -Source -Projekte haben sich in diesen Bereichen gut entwickelt, und diese Projekte werden normalerweise durch Ruf, Forschungsbeiträge und öffentliche Dienste gefördert.
Nehmen Sie das leistungsstarke LLM-3-Modell (leistungsstark) als Beispiel für das von Meta veröffentlichte Open-Source-Tool als Beispiel.Obwohl die Entwicklung von LLAMA-3 Milliarden von Dollar investiert hat, kann sie dennoch kostenlos genutzt und stark unterstützt von der Gemeinschaft erhalten.Seit seiner Veröffentlichung in der letzten Woche hat es mehr als 500.000 Mal auf Huggingface heruntergeladen.
Der Benchmark-Vergleich zeigt, dass Open-Source-LLMs wie Lama-3 bereits die besten unter derselben Art sind, und es kann gesagt werden, dass er mit den exklusiven Modellen wie dem GPT-4 von OpenAI vergleichbar ist.
Bisher habe ich nicht gesehen, wie Bittersor Subnetz die Ergebnisse oder Funktionen erzielt hat, die das vorhandene Open -Source -Modell übertreffen.我也没有看到证据表明它们的表现优于既定基准。Irgendwann müssen Sie sich fragen, ob sie dies tun werden.
3、智能网运行成本高
该网络在很大程度上依赖其原生代币 TAO 来运行。Bergleute treten hauptsächlich dem Netzwerk bei, wenn sie die Möglichkeit ermitteln, Arbitrage zu berechnen, insbesondere wenn die Bergbau -Belohnungen die Berechnungskosten überschreiten.
TAO 的需求取决于：
(1) 投机者（一大堆蠕虫，我们不会在这里讨论）
(2) Fügen Sie mehr Bittersor -Subnetz hinzu oder erhöhen Sie die Bedürfnisse von Bergleuten oder Überprüfungen.Dieses Wachstum schwächt jedoch häufig die Begeisterung bestehender Teilnehmer.Aufgrund des Drucks der wirtschaftlichen Vorteile der Bergleute/Überprüfungen wird der Rückgang der Tokenpreise zu einem Rückgang der Anti -Persönlichkeit von Online -Aktivitäten führen.
Quelle: Taostats.io
Die Betriebskosten für Bittersor sind sehr hoch und zahlen täglich eine 7.200 TAO -Inflation von 7.200 TAO.Dies entspricht etwa 3,2 Millionen US -Dollar pro Tag oder 1,2 Milliarden US -Dollar pro Jahr.
Dies wirft eine Schlüsselfrage auf: Woher kommt dieser Fonds?Hauptsächlich Spekulanten.Aber Bittersor generiert 1,2 Milliarden US -Dollar in einem Jahr?Seine Bewertung kann weit über ihren eigenen Wert hinausgehen.
4. Transparenz
Obwohl Bittensor einen gewissen Grad an Dezentralisierung liefert, ist es erwähnenswert, dass es nicht offen ist -dies ist ein wesentlicher Unterschied.Obwohl die Beteiligung von Ziwang für jeden offen ist, ist der interne Mechanismus nicht transparent, was zu einem begrenzten Verständnis des Verständnisses der Benutzer der folgenden Aktivitäten führt:
-
Was machen die Bergleute?
-
Welche Algorithmen laufen sie?
-
Wie ist das Endergebnis?
Diese mangelnde Transparenz kann die Vielfalt der Anwendungen mithilfe der Subnetze -Ausgabeentwicklung einschränken, da viele Entwickler den zugrunde liegenden Argumentationsprozess klar verstehen müssen.
Einige denken
Ich lehne Bittersor nicht ab.Tatsächlich stellte ich fest, dass es eines der interessantesten Experimente im aufstrebenden Krypto X AI -Feld ist.
Es sammelte erfolgreich eine Gruppe kluger Menschen in seiner Vision.Es kann viele zukünftige Projekte anregen.Bittersor muss sich jedoch mit den aktuellen Herausforderungen befassen, um die Möglichkeit zu haben, in der realen Welt erfolgreich zu sein, sonst geht es im Grab des spekulativen Hype verloren.
Einige Endideen:
-
Wenn alle Subnetze im Netzwerk eher auf bestimmte Abteilungen als auf verschiedene nicht verwandte Aufgaben abzielen, können sie eine größere Synergie erreichen.
-
Zum Beispiel stelle ich mir „Bittensor für genomische Forschung/Arzneimittelentdeckung“ oder „Bittersor für Finanzen/Transaktionen“ vor.Dies kann eigentlich gut abschneiden.Diese Vision kann den wirtschaftlichen Zusammenhalt, die strategische Ausrichtung und die Bemühungen zur Geschäftsentwicklung fördern.
-
Bittensors Wirtschaftsmodell (im gegenwärtigen Zustand) ist für das Ökosystem der KI am besten geeignet.Potenzielle Anwendungen umfassen Aufgaben, die für Kryptowährungen spezifisch sind, z. B. die Vorhersage von Token -Preisen.
Schließlich bin ich fest davon überzeugt, dass die Dezentralisierung von KI eine äußerst wichtige Rolle in der Welt spielte -die globale Dominanz großer Technologieunternehmen und die Förderung von Innovationen, insbesondere durch Open -Source -Maßnahmen.Ich werde meine Gedanken in den zukünftigen Artikeln ausführlich erklären.
