작성자: 테크 플로우 (techflowpost) TechFlow
암호화폐 시장은 이번 주 '블랙 먼데이'를 경험하며 피를 흘리고 있었지만, 하루 만에 다양한 부문의 토큰이 반등했습니다.
그 중 가장 잘생긴 남자는 비트텐서(TAO)다.
코인마켓캡 데이터에 따르면 어제 시가 시총 상위 100개 토큰 중 Bittensor(TAO)가 23.08% 상승하여 반등 목록 1위를 차지했습니다.
비록 AI 내러티브가 연초만큼 인기는 없지만, 핫머니 선택은 해당 분야 최고 프로젝트에 대한 낙관론을 의미하기도 한다.
그러나 Bittensor는 이전에도 어느 정도의 논란에 시달렸습니다. 커뮤니티는 프로젝트 이름이 과도하고 서브넷에 실제 응용 프로그램이 없다고 믿었습니다.
(관련글 : FUD가 난리인데, 새로운 AI왕 비텐서가 제단에서 떨어질까? )
암호화 프로젝트의 유용성은 토큰 가격과 직접적인 관련이 없지만 Bittensor는 실제로 빈 껍질에 불과합니까?
지난 몇 달 동안 Bittensor에는 12개의 새로운 서브넷이 추가되었으며 각 서브넷은 어느 정도 AI 관련 개발을 촉진하고 있으며 그 중에는 새로운 Alpha 프로젝트도 있을 수 있습니다.
우리는 이러한 새로운 서브넷을 조사하고 TAO의 가격 반등에 초점을 맞추면서 펀더멘털의 변화도 살펴보았습니다.
서브넷 38: 70개 이상의 언어를 지원하는 텍스트 음성 변환 도구인 Sylliba
개발팀: Agent Artificial
소개:
Sylliba는 텍스트 및 음성 번역을 지원하고 70개 이상의 언어를 처리할 수 있는 번역 애플리케이션입니다.
이 프로그램은 온체인 AI 에이전트에서 사용할 수 있다는 점을 언급할 가치가 있습니다.
자동화된 번역 프로세스: AI 에이전트는 자동으로 이 서비스를 호출하여 언어 간 정보 처리 및 통신을 달성할 수 있습니다.
AI 기능 향상: 다국어 기능이 없는 AI 시스템이 다국어 작업을 처리할 수 있도록 지원합니다.
번역 요청 및 결과를 블록체인 온체인 확인할 수 있어 시스템의 신뢰성이 높아집니다.
인센티브 메커니즘: 토큰 이코노미 통해 고품질 번역 서비스 제공자에게 인센티브를 제공할 수 있습니다.
프로젝트 주소: https://github.com/agent-artificial/sylliba-subnet
서브넷 34: Bitmind, 실제 콘텐츠와 가짜 합성 콘텐츠를 감지하고 구별합니다.
개발팀: @BitMindAI
소개:
BitMind는 탈중앙화 에 중점을 두고 있습니다. 생성적 AI 모델의 급속한 발전으로 고품질 합성 미디어와 실제 콘텐츠를 구별하는 것이 점점 더 복잡해지고 있습니다.
BitMind 의 Subnet은 생성 및 판별 AI 모델을 사용하여 딥페이크를 효과적으로 식별하는 Bittensor 네트워크에 강력한 탐지 메커니즘을 배포함으로써 이 문제를 해결합니다.
동시에 BitMind API를 사용하면 서브넷의 딥페이크 탐지 기능을 활용하는 강력한 소비자 애플리케이션을 개발할 수 있습니다. 이미지 업로드 인터페이스가 있는 BitMind 웹 애플리케이션은 API를 사용하여 사용자가 이미지가 진짜인지 가짜인지 신속하게 식별할 수 있도록 돕고, 쉽게 액세스하고 해석하기 쉬운 스푸핑 방지 도구를 제공합니다.
서브넷 43: Graphite, 지능형 경로 계획 네트워크
개발팀: @GraphiteSubnet
소개:
Graphite는 특히 TSP(Traveling Salesman Problem)에 중점을 두고 그래프 문제를 처리하도록 특별히 설계된 서브넷입니다. TSP는 일련의 도시를 방문하고 출발점으로 돌아가는 가능한 최단 경로를 찾는 것이 목표인 고전적인 최적화 문제입니다.
Graphite는 Bittensor의 탈중앙화 머신러닝(ML) 네트워크를 활용하여 채굴자를 효율적으로 연결하여 TSP 및 유사한 그래프 문제의 계산 요구 사항을 처리합니다.
현재 검증인은 합성 요청을 생성하여 네트워크의 채굴자에게 보냅니다. 채굴자는 자신이 설계한 알고리즘을 사용하여 TSP를 해결하고 평가를 위해 결과를 검증자에게 다시 보내는 책임이 있습니다.
서브넷 42: Gen42, GitHub의 오픈 소스 AI 코딩 도우미
개발팀: @RizzoValidator , @FrankRizz07
소개:
Gen42는 Bittensor 네트워크를 활용하여 탈중앙화 코드 생성 서비스를 제공합니다. 이들은 오픈 소스 대규모 언어 모델을 기반으로 하는 코드 기반 질문 응답 및 코드 완성을 위한 강력하고 확장 가능한 도구를 만드는 데 중점을 두고 있습니다.
주요 상품:
a. 채팅 애플리케이션: 사용자가 서브넷과 상호 작용할 수 있는 채팅 프런트 엔드를 제공합니다. 이 앱의 주요 기능은 코드 기반 Q&A입니다.
b. 코드 완성: continue.dev와 함께 사용할 수 있는 OpenAI 호환 API를 제공합니다.
채굴자와 검증자가 참여하는 방법에 대한 자세한 내용은 프로젝트 Github를 참조하세요.
서브넷 41: Sportstensor, 스포츠 예측 모델
개발팀: @sportstensor
소개:
Sportstensor는 Bittensor 네트워크를 기반으로 하는 탈중앙화 스포츠 예측 알고리즘을 개발하는 데 전념하는 프로젝트입니다.
이 프로젝트는 채굴자가 훈련하고 개선할 수 있도록 오픈 소스 HuggingFace에 대한 기본 모델을 제공하는 동시에 과거 및 실시간 데이터를 기반으로 전략적 계획 및 성능 분석을 가능하게 하고 포괄적인 데이터 세트 수집 및 고성능 예측 모델 개발을 보상합니다.
채굴기 및 검증기 기능:
채굴자: 검증자로부터 요청을 받고 관련 데이터에 액세스하며 머신러닝(ML) 모델을 사용하여 예측합니다.
검증자(Verifier): 채굴자들의 예측을 수집하여 실제 결과와 비교하고 검증 결과를 기록합니다.
서브넷 29: coldint, 틈새 AI 모델 훈련
개발자: 아직 찾을 수 없습니다. 공식 웹사이트는 여기에 있습니다.
소개:
SN29 coldint, 전체 이름은 Collective Distributed Incentivized Training입니다.
목표: 틈새 모델의 사전 학습에 중점을 둡니다. "틈새 모델"은 대규모 일반 모델만큼 널리 적용할 수는 없지만 특정 영역이나 작업에서는 매우 가치 있는 모델을 의미할 수 있습니다.
광부 및 기타 역할의 참여 및 분업:
a) 채굴자는 주로 훈련 모델을 공개적으로 공유함으로써 인센티브를 받습니다.
b) 코드 베이스에 기여함으로써 통찰력을 공유하는 채굴자 또는 기타 기여자에게 2차 인센티브가 제공됩니다.
c) 작은 개선 사항에 대한 보상을 통해 광부들이 개선된 작업을 정기적으로 공유하도록 장려합니다.
d) 개별 교육 노력을 더 나은 결합 모델로 결합하는 코드 기여에 대해 높은 보상을 제공합니다.
서브넷 40: RAG(Retrieval-Augmented Generation) 애플리케이션을 위한 청킹, 최적화된 데이터 세트
개발팀: @Vectorchatai
토큰: $CHAT
소개:
SN40 Chunking은 대량 의 정보(텍스트, 그림, 사운드 등)를 작은 덩어리로 나누어 매우 영리한 사서와 같습니다. 이는 AI가 이 정보를 더 쉽게 이해하고 사용할 수 있도록 하기 위한 것입니다. 책장이 잘 정리되어 있으면 금방 찾을 수 있어요.
SN40 청킹은 AI가 '책장 정리'를 돕고 있다.
SN40 Chunking은 텍스트뿐만 아니라 사진, 사운드 등 다양한 형태의 정보도 처리할 수 있습니다. 책뿐만 아니라 사진집, 음악CD 등을 관리하는 다재다능한 사서와 같습니다.
서브넷 39: EdgeMaxxing, 소비자 장치에서 실행되도록 AI 모델 최적화
개발팀: @WOMBO
소개: SN39 EdgeMaxxing은 스마트폰에서 노트북에 이르기까지 소비자 장치용 AI 모델 최적화에 중점을 둔 서브넷입니다.
EdgeMaxxing 서브넷은 일일 경쟁과 함께 경쟁력 있는 보상 시스템을 사용합니다. 목적은 참가자들이 소비자 기기에서 AI 모델의 성능을 지속적으로 최적화하도록 장려하는 것입니다.
참가자 역할 및 업무 분담:
광부:
주요 업무는 최적화된 AI 모델 체크포인트를 제출하는 것입니다.
모델 성능을 향상시키기 위해 다양한 알고리즘과 도구를 사용합니다.
검증인:
지정된 대상 하드웨어(예: NVIDIA GeForce RTX 4090)에서 실행해야 합니다. 채굴자에게 제출된 모든 모델은 매일 수집되며 제출된 각 모델은 속도 개선, 정확성 유지 및 전체 효율성을 기반으로 기준 체크포인트와 비교하여 벤치마킹됩니다. 승리자가 된 날
프로젝트 오픈 소스 저장소: https://github.com/womboai/edge-maxxing
서브넷 30: Bettensor, 탈중앙화 스포츠 예측 시장
개발팀: @Bettensor
소개:
Bettensor는 스포츠 팬이 스포츠 게임의 결과를 예측할 수 있도록 하여 블록체인을 기반으로 하는 탈중앙화 스포츠 예측 시장을 만듭니다.
참가자 역할:
채굴자: 예측 결과 생성을 담당합니다.
검증기: 예측 결과의 정확성을 검증합니다.
데이터 수집기: 다양한 소스에서 스포츠 이벤트 데이터를 수집합니다.
프로젝트 오픈 소스 저장소: https://github.com/Bettensor/bettensor (아직 개발 중인 것으로 보임)
서브넷 06: Infinite Games, 일반 예측 시장
개발팀: @Playinfgames
소개:
Infinite Games는 시장 예측을 위한 실시간 예측 도구를 개발합니다. 동시에 프로젝트는 @Polymarket 및 @azuroprotocol과 같은 플랫폼에서 이벤트를 차익거래하고 집계합니다.
인센티브 시스템:
$TAO 토큰을 인센티브로 사용
정확한 예측과 가치 있는 정보 제공자에게 보상
전체적으로 이 프로젝트는 사용자들이 예측 및 정보 제공에 참여하도록 장려하여 활발한 예측 커뮤니티를 형성합니다.
서브넷 37: LLM 미세 조정, 대규모 언어 모델 미세 조정
개발팀: Taoverse & @MacrocosmosAI
소개:
이는 LLM(대형 언어 모델) 미세 조정에 초점을 맞춘 서브넷입니다. 채굴자는 모델 평가를 위해 서브넷 18의 지속적인 합성 데이터 스트림을 사용하여 LLM 미세 조정에 대해 보상을 받습니다.
작동 메커니즘:
채굴자들은 모델을 훈련시키고 정기적으로 Hugging Face 플랫폼에 게시합니다.
검증자는 Hugging Face에서 모델을 다운로드하고 합성 데이터를 사용하여 지속적으로 평가합니다.
평가 결과는 wandb 플랫폼에 기록됩니다.
무게에 따라 채굴자와 검증자에게 TAO 토큰 보상을 할당합니다.
프로젝트 창고 주소: https://github.com/macrocosm-os/finetuning
서브넷 21: Any to Any, 고급 AI 다중 모드 모델 생성
개발팀: @omegalabsai
소개:
이 프로젝트에서 "Any to Any"는 텍스트를 이미지로, 이미지를 텍스트로, 오디오를 비디오로, 비디오를 텍스트로 등 다양한 유형의 데이터 또는 정보를 변환하고 이해하는 다중 모드 AI 시스템의 기능을 나타냅니다.
시스템은 변환을 수행할 수 있을 뿐만 아니라 다양한 양식 간의 관계도 이해할 수 있습니다. 예를 들어 텍스트 설명과 이미지 간의 연결, 비디오와 해당 오디오 간의 연결을 이해할 수 있습니다.
이 서브넷에서는 전 세계 AI 연구자와 개발자가 프로젝트에 참여하도록 장려하기 위해 인센티브 메커니즘이 사용됩니다. 구체적으로:
기여자는 귀중한 모델, 데이터 또는 컴퓨팅 리소스를 제공하여 토큰 보상을 얻을 수 있습니다.
이러한 직접적인 재정적 인센티브는 고품질 AI 연구 및 개발을 지속 가능한 기업으로 만듭니다.
프로젝트 창고 주소: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor
추가 지식:
일부 독자가 Bittensor 서브넷의 의미를 모르는 경우 간단한 설명은 다음과 같습니다.
서브넷은 Bittensor 생태계 내의 특수 네트워크입니다.
각 서브넷은 특정 AI 또는 머신러닝(ML) 작업에 중점을 둡니다.
서브넷을 사용하면 개발자가 목적에 맞게 구축된 AI 모델을 생성하고 배포할 수 있습니다.
그들은 암호경제학을 사용하여 참여자들에게 컴퓨팅 리소스를 제공하고 모델을 개선하도록 장려합니다.
