0xaiチーム：なぜビテンサーについて楽観的なのですか？

著者：0xai、AI作成プラットフォーム出典：中翻訳：Shan Oba、Bitchain Vision Realm

筆者とは何ですか？

Bittersor自体は人工知能製品ではなく、人工知能製品やサービスを生産または提供していません。Bittersorは、AI製品生産者に非常に競争の激しいインセンティブシステムを提供する経済システムであり、AI製品市場で最適化者として機能します。両節の生態系では、高品質の生産者がより多くのインセンティブを獲得しており、競争力が低い生産者は徐々に排除されています。

>

グループディスカッションの0xaiチーム、ジェイコブ、ビタリク

それでは、効果的な競争を促進し、高品質のAI製品のオーガニック生産を促進するためのインセンティブメカニズムを作成するために、どのように双方機関がありますか？

>

ビテンサーフライホイールモデル

Bittersorは、フライホイールモデルを通じてこの目標を達成しました。この検証は、生態系における人工知能製品の品質を評価し、高品質の生産者がより多くのインセンティブを得ることができるように、品質分布に従ってインセンティブを評価します。これにより、高品質の出力の増加が増加し、それにより、上審員ネットワークの価値が高まり、TAOの評価が増加します。TAOの評価は、より高い品質の生産者を魅了して筆者の生態学に参加するだけでなく、マニピュレーターの品質評価の操作の攻撃コストを増加させました。これにより、正直な検証のコンセンサスがさらに強化され、評価結果の客観性と公平性が向上し、より効果的な競争とインセンティブメカニズムが達成されました。

評価結果の公平性と客観性を確保することは、フライホイールを回転させるための重要なステップです。これは、bitterSorのコアテクノロジー、つまりユマコンセンサスに基づく抽象的な検証システムでもあります。

それで、ジェイドホースのコンセンサスとは何ですか？コンセンサス後の品質評価が公正かつ客観的であることをどのように保証できますか？

ユマコンセンサスは、多くの検証によって提供される多様な評価から最終的な評価結果を計算するように設計されたコンセンサスメカニズムです。ビザンチンの過ちのコンセンサスメカニズムと同様に、ネットワーク内のほとんどの認証者が正直である限り、最終的には正しい決定に到達することができます。正直な検証が客観的な評価を提供できると仮定すると、コンセンサス後の評価の結果も公平かつ客観的です。

サブネットの品質評価を例にとると、ルートネットワーク検証デバイスは、各サブネット出力の品質を評価してランク付けします。64バリデーターの評価結果を要約し、ユマコンセンサスアルゴリズムを通じて最終評価結果を取得します。次に、最終結果を使用して、新しく作成されたTAOを各サブネットに割り当てます。

現在、ユマのコンセンサスにはまだ改善の余地があります。

1. ルートネットワークバリデーターは、すべてのTAO保有者を完全に表すわけではなく、提供する評価結果は必ずしも幅広い見解を反映していない場合があります。さらに、いくつかのトップレベルの検証の評価は、必ずしも客観的ではない場合があります。偏見が見つかったとしても、すぐに修正することはできません。

2. ルートネットワークの検証の存在は、ビテンサーによって収容できるサブネットの数を制限します。集中的な人工知能の巨人と競争するだけでは十分ではありません。ただし、32のサブネットがある場合でも、ルートネットワーク検証デバイスはすべてのサブネットを効果的に監視するのが難しい場合があります。

3. Veriversは、新しいサブネットに移行する強い意欲を持っていない場合があります。短期的には、検証は、より低い排出量で古いサブネットからXinzi.comに高排出量から移動します。Xinzi.comの排出が最終的に追いつくことができるかどうかは、追跡の過程での報酬の明確な損失と相まって、移住する意欲を弱めます。

BitterSorはまた、これらの欠点を解決するためにメカニズムをアップグレードする予定です。

1. ダイナミックタオは、少数の検証ではなく、サブネットの品質の力をすべてのTAO保有者に散在させました。TAO保有者は、誓約を通じて各サブネットの分布比を間接的に決定できます。

2. ルートネットワークバリデーターの制限がなければ、アクティブサブネットの最大数は1024に増加します。これにより、新しいチームがビテンサーエコシステムに参加するためのしきい値が大幅に減少し、サブネット間のより激しい競争につながります。

3. Xinzi.comに移行した以前の認証者は、より高い報酬を得るかもしれません。できるだけ早く新しいサブネットに移動すると、サブネットのDTAOをより低価格で購入することができ、将来より多くのTAOを受け取る可能性が高まります。

強い寛容は、ユマのコンセンサスの主要な利点でもあります。ユマのコンセンサスは、各サブネットの排出を決定するために使用されるだけでなく、同じサブネットの各マイナーと検証剤の分布比を決定するためにも使用されます。さらに、マイナーのタスクが何であれ、コンピューティングパワー、データ、人間の貢献、インテリジェンスなど、それに含まれる貢献は抽象的な考慮事項です。したがって、AIコモディティの任意の段階で両節の生態系を接続して、インセンティブを享受しながら、上Tirsorネットワークの価値を享受できます。

次に、いくつかの主要なサブネットを探索し、上あなたがこれらのサブネットの出力をどのように刺激するかを観察しましょう。

サブネットワーク

Ziyang 3：MyShell TTS

GitHubでアカウントを作成することにより、MyShell AI/MyShell TTSサブネットの開発に貢献できます。

循環：3.46％（2024年4月9日）

背景：MyshellはMyshell TTSの背後にあります。コアメンバーは、プリンストン大学のオックスフォード大学のマサチューセッツ工科大学などの有名な大学から来ています。MyShellは、バックグラウンドをプログラムしていない大学生が必要なロボットを簡単に作成できるようにする不明確なプラットフォームを作成することを目指しています。MyShellは、TTSフィールド、オーディオブック、仮想アシスタントに焦点を当てています。製品マトリックスの継続的な拡張により、現在の登録ユーザーは100万を超えています。プラットフォームは、言語学習、教育、実用的なロボットなど、さまざまな種類のロボットを監護しています。

ポジショニング：MyShellはこのサブネットを立ち上げて、オープンソースコミュニティ全体の知恵を収集し、最高のオープンソースTTSモデルを作成しました。言い換えれば、MyShell TTSはモデルを直接実行したり、エンドユーザーのリクエストを処理したりしません。

>

MyShell TSSアーキテクチャ


上の図に示すように、MyShell TTS実行のプロセスは実行されています。マイナーは、モデルのトレーニングを担当し、トレーニングモデルをモデルプールにアップロードします（モデルのメタデータもビテンサーブロックチェーンネットワークに保存されます）。結果;ブロックチェーンは、各鉱山労働者の最終的な重量と分布比を決定するために、ユマコンセンサス集約重量を使用する責任があります。

要するに、鉱夫は報酬を維持するために高品質のモデルを引き続き提出する必要があります。

現在、MyShellは、ユーザーがMyShell TTSでモデルを試すためのプラットフォームでデモを起動しています。

>

>

将来的には、MyShell TTSトレーニングのモデルがより信頼性が高くなるにつれて、より多くのユースケースが開始されます。さらに、オープンソースモードとして、それらはMyShellに限定されるだけでなく、他のプラットフォームにも拡張されます。この分散化方法によるオープンソースモデルのトレーニングと感動的なモデルは、分散型人工知能における私たちの目標ではありませんか？

Ziwang 5：kaitoを開きます

GitHubでアカウントを作成することにより、Open Kaitoの開発に貢献できます。

問題：4.39％（2024年4月9日）

背景：カイト。Bittensor Ziwangに入る前に、彼らは2023年の第4四半期に発売されたフラッグシップ製品kaito.ai -A Web3チェーンデータ検索エンジンを発売しました。人工知能アルゴリズムを使用して、kaito.aiは、データ収集、ランキングアルゴリズム、検索アルゴリズムなど、検索エンジンのコアコンポーネントを最適化します。暗号化されたコミュニティの最初のクラス情報収集ツールとして認識されています。

ポジショニング：Open Kaitoは、インテリジェントな検索と分析をサポートするために、分散型インデックスレイヤーを確立することを目指しています。検索エンジンは、データベースまたはランキングアルゴリズムだけでなく、複雑なシステムです。さらに、効果的な検索エンジンには低遅延が必要であり、分散バージョンの構築に追加の課題があります。幸いなことに、これらの課題は、Bittensorのインセンティブシステムを通じて解決されると予想されます。

>

オープンカイトの動作プロセスを上の図に示します。Open Kaitoは、検索エンジンの各コンポーネントを単純に分散させるだけでなく、インデックスの問題をマイナー検証問題として定義します。言い換えれば、マイナーはユーザーのインデックスリクエストに応答する責任がありますが、検証者は需要を分配し、マイナーの応答をスコアリングします。

Open Kaitoは、鉱夫がインデックスタスクをどのように完了するかを制限するものではありませんが、革新的なソリューションを奨励するために、鉱夫の最終出力に注意を払ってください。これは、鉱夫の間で健全な競争環境を作り出すのに役立ちます。ユーザーインデックスに直面して、マイナーは実装計画を改善して、より少ないリソースで高品質の対応結果を得るよう努めています。

Ziwang 6：Nous Finetuning

GitHubでアカウントを作成することにより、Nous Research/Finetuningサブネットの開発に貢献できます。

問題：6.26％（2024年4月9日）

背景：Nous Finetuningの背後にあるチームは、大規模な言語モデル（LLM）アーキテクチャ、データ統合、および式の式における明確な推論に焦点を当てた研究チームであるNous Researchから来ています。その共同ファウンダーは、Eden Networkのチーフエンジニアでした。

ポジショニング：Nous Finetuningは、素晴らしい大規模な言語モデルに特化したサブネットです。さらに、微調整に使用されるデータは、特にサブネット18です。

Nous Finetuningの実行プロセスは、MyShell TSSに似ています。マイナーは、Zhewang 18のデータトレーニングモデルに基づいており、これらのモデルを定期的にリリースして、検証剤を評価し、同様にスコアを提供して体重を使用します。最終的な重量と循環。

Ziwang 18：cortex.t

corcel-api/cortex.tは、GitHubでアカウントを作成することで寄稿できます。

問題：7.74％（2024年4月9日）

背景：Cortex.Tの背後にあるチームはcorcel.ioであり、上Tightsorネットワークの2番目に大きな検証であるMogからサポートを受けています。corcel.ioは、エンドユーザー向けのアプリケーションです。

ポジショニング：cortex.tは、エンドユーザーの結果の結果の前に最後のレイヤーとして配置されます。さまざまなシードネットワークの出力を検出および最適化して、特に単一のプロンプトが複数のモデルを呼び出す場合、結果が正確で信頼できることを確認する責任があります。cortex.tは、空白または一貫性のない出力を防ぎ、シームレスなユーザーエクスペリエンスを確保することを目指しています。

cortex.tのマイナーは、両項節エコシステムの他のサブネットを使用して、エンドユーザーの要求を処理します。また、GPT 3.5 TurboまたはGPT 4を使用して出力結果を検証して、エンドユーザーの信頼性を確保しています。検証は、OpenAIによって生成された結果を比較することにより、鉱夫の出力を評価します。

Ziwang 19：ビジョン

GitHubでアカウントを作成することにより、Namoray/Visionの開発に貢献します。

問題：9.47％（2024年4月9日）

背景：Visionの背後にある開発チームは、corcel.ioからもあります。

ポジショニング：Visionの目的は、DSIS（サブネットを変更するために分散スケール）と呼ばれる最適化されたサブネットを使用して、ビテンサーネットワークの出力容量を最大化することを目的としています。フレームワークは、検証に対する鉱夫の応答を加速します。現在、Visionは画像生成のシーンに焦点を当てています。

検証は、corcel.ioのフロントエンドから需要を受け取り、鉱夫に配布します。鉱夫は、需要に対処し、応答を生み出すために、お気に入りのテクノロジースタック（モデルに限定されない）を自由に選択できます。次に、検証はマイナーのパフォーマンスを評価します。DSISの存在により、ビジョンは他のサブネットよりも速く効果的に反応する可能性があります。

要約します

上記の例から、ビテンサーが高度な耐性を示していることがわかります。鉱山労働者の世代と検証の検証はチェーンの下で行われ、上審員ネットワークは、検証の評価に基づいて各鉱夫に報酬のみを分配しました。鉱夫の検証装置アーキテクチャに適した人工知能製品のあらゆる側面をサブネットに変換できます。

理論的には、サブネット間の競争は激しいものでなければなりません。あらゆるサブネットの報酬を引き続き取得するには、高品質の出力を生成し続ける必要があります。それ以外の場合、ルートネットワーク検証デバイスがサブネットの出力値が低いと考えられている場合、その分布は削減され、最終的に新しいサブネットに置き換えられる可能性があります。

しかし、実際には、いくつかの問題が見つかりました。

1. サブネットの同様の位置付け、リソースの冗長性と複製により。32のサブネットのうち、複数のサブネットは、テキスト転送画像、テキストプロンプト、価格予測などの一般的な方向に焦点を当てています。

2. 実際のユースケースのないサブネットがあります。預言者プロバイダーとしての価格予測サブネットは理論的価値を持っているかもしれませんが、予測データの現在のパフォーマンスはエンドユーザーが使用するにはほど遠いです。

3. 「下通貨は良い通貨を追放する」の例。一部のトップレベルの検証は、新しいサブネットが大幅に高品質を示していても、新しいサブネットに移行する意欲がない場合があります。ただし、財政的支援が不足しているため、短期的には十分な排出量が得られない場合があります。Xinzi Onlineの後の保護期間はわずか7日間であるため、十分な排出量を迅速に蓄積できない場合、排除されてオフラインのリスクに直面する可能性があります。

これらの問題は、サブネット間の競争が不十分であり、いくつかの検証が効果的な競争を促進する役割を果たしていないことを反映しています。

Open Tensor Foundation検証（OTF）は、これを緩和するためにいくつかの一時的な措置を実装しています。誓約権の23％（委員会を含む）を持つ最大の検証所有者として、OTFはZiwangがより染み込んだタオを競うためのチャネルを提供します。これらのリクエストは、OTFの最終を促進するために、「サブネットのターゲットとビターソアエコシステムへの貢献」、「サブネット報酬メカニズム」、「通信プロトコル設計」、「データソースとセキュリティ」、「計算要件」、「ロードマップ」などの10の側面をカバーする必要があります。決断。

しかし、この問題を根本的に解決するために、一方では、上記の不合理な問題を根本的に変更することを目的とするDTAO（Dynamic TAO）を緊急に起動する必要があります。あるいは、「財政的リターン」の観点から上審時生態系の長期的な発展を考慮するだけでなく、「生態系の開発」の観点から、多数の株式タオをより多くの株式タオを保持する大規模な検証を求めることができます。

要約すると、強力な耐性、激しい競争環境、効果的なインセンティブメカニズムにより、筆者の生態系は高品質の人工知能製品を有機的に生産できると考えています。既存のサブネットのすべての出力が集中製品の出力に匹敵するわけではありませんが、現在の筆者アーキテクチャが記念日を確立したばかりであることを忘れないでください（Ziwang＃1は2023年4月13日に登録）。潜在的で集中化された人工知能の巨人を備えたプラットフォームの場合、私たちはその欠点を批判することを切望するのではなく、実際の改善計画を提案することに焦点を当てるかもしれません。結局のところ、私たちは数人の巨人によって絶えず制御されている人工知能を見たくありません。