Bittensor (TAO) là đồng tiền AI đầu tiên được niêm yết trên Binance trong năm nay. Tưởng chừng đây là bước đầu tiên hướng tới sự ra mắt đầy đủ của con đường AI, nhưng không ngờ nó lại trở thành “bước cuối cùng” ngắn hạn. Kể từ khi ra mắt ngày 11 tháng 4, giá TAO đã giảm mạnh và vẫn chưa phục hồi.

Khi giá đồng tiền giảm, cuộc tranh luận trong cộng đồng về tính hiệu quả của dự án ngày càng trở nên gay gắt. Mọi chuyện bắt đầu khi người đồng sáng lập Taproot Wizards, Eric Wall, đưa ra hàng loạt câu hỏi sắc bén về Bittensor (TAO) trên mạng xã hội vào ngày 30/3, hiện đã đạt gần 2 triệu lượt xem.

Quan điểm cốt lõi của Eric Wall có thể được tóm tắt như sau:

・Nhiều thợ đào trong mạng con 1 liên tục thực hiện cùng một mô hình ngôn ngữ để trả lời các lời nhắc, điều này không hiệu quả và gây lãng phí tài nguyên. Một thợ đào có thể hoàn thành nhiệm vụ, không cần hàng nghìn thợ đào làm việc song song.

・Cơ chế xác minh của thợ đào con 1 quá đơn giản, chỉ so sánh sự giống nhau của các câu trả lời.

・Hiện tại, mạng con 1 chỉ chạy nội bộ và người dùng thông thường không thể sử dụng nên không có giá trị thực tế.

・Dự án Bittensor chỉ thổi phồng khái niệm "AI phi tập trung" để đánh lừa các nhà đầu tư nhà đầu tư bán lẻ và làm cho giá token tăng cao một cách giả tạo.

Mặc dù những nghi ngờ này trực tiếp chỉ ra một số điểm yếu của Bittensor, nhưng chúng cũng bị nghi ngờ là mang tính cục bộ và mù quáng. Dự phòng nhiều thợ đào khai thác có vẻ không hiệu quả, nhưng trên thực tế, đó là cách duy nhất để cộng tác phân tán. Mục tiêu của Bittensor là xây dựng một mạng AI quy mô toàn cầu và sự dư thừa là một chi phí cần thiết chứ không phải là một lỗi thiết kế.

Cơ chế xác minh vẫn còn tương đối thô sơ nhưng Bittensor đã và đang tích cực cải tiến nó. Kế hoạch mới nhất bao gồm việc giới thiệu cơ chế tỷ trọng Cam kết-Tiết lộ . Bằng cách trì hoãn việc tiết lộ tỷ trọng do thợ đào gửi, cơ chế Cam kết-Tiết lộ có thể hạn chế tốt hành vi đạo văn cơ hội.

Mạng con 1, là mạng con đầu tiên của Bittensor, chủ yếu được thiết kế để đào tạo và thử nghiệm nội bộ. Tuy nhiên, hệ sinh thái Bittensor đã mở rộng tới hàng chục mạng con cho các tình huống ứng dụng khác nhau, mang lại giá trị hữu hình trong tìm kiếm, y tế, giáo dục, trò chơi và các lĩnh vực khác. Đơn giản chỉ cần phân loại Bittensor là “đồng tiền meme AI” và phủ nhận giá trị của nó là một cách tiếp cận phi lý và thiển cận.

Đối diện những nghi ngờ và thách thức này, Bittensor vẫn không đứng yên. Thay vào đó, nó tiếp tục mở rộng và cải thiện mạng lưới của mình. Vào ngày 12 tháng 5, Bittensor thông báo rằng họ sẽ bổ sung thêm 4 vị trí mạng con mỗi tuần cho đến khi đạt giới hạn mới là 64 vị trí. Mục tiêu của năm nay là hướng tới 1024 mạng con.

Tính đến thời điểm hiện tại, Bittensor có 34 mạng con, bao gồm nhiều lĩnh vực và thể hiện đầy đủ tiềm năng cũng như tính đa dạng của AI phi tập trung. Tiếp theo, bài viết này sẽ lần lượt giới thiệu các mạng con này thuộc sáu lĩnh vực tạo nội dung, thu thập và xử lý dữ liệu, hệ sinh thái LLM, cơ sở hạ tầng phi tập trung, DeFi và các ứng dụng khác, hy vọng độc giả có thể có cái nhìn toàn diện và rõ ràng về Bittensor hệ sinh thái nhận thức.

tạo nội dung

Mạng con của danh mục tạo nội dung cung cấp nền tảng để tạo và tối ưu hóa văn bản, hình ảnh, âm thanh và video.

Lời nhắc văn bản (Mạng con 1) : Được phát triển bởi Opentensor Foundation, đây là mạng phi tập trung dành riêng cho việc tạo văn bản. Nó sử dụng các mô hình ngôn ngữ quy mô lớn (chẳng hạn như GPT-3, GPT-4, v.v.) để đưa ra lời nhắc và lý luận, thợ đào cung cấp dịch vụ AI và người xác minh chịu trách nhiệm xác minh kết quả dự đoán.

MyShell TTS (Subnet 3) : Được phát triển bởi MyShell, tập trung vào công nghệ chuyển văn bản thành giọng nói (TTS). Mạng con này phát triển và tối ưu hóa các mô hình TTS mã nguồn mở, chẳng hạn như OpenVoice và MeloTTS, thợ đào trách nhiệm đào tạo các mô hình và người xác minh đánh giá hiệu suất của mô hình và cam kết tạo ra các mô hình TTS mã nguồn mở chất lượng cao.

Đa phương thức (Mạng con 4) : Được phát triển bởi Manifold, nó tập trung vào các hệ thống AI đa phương thức xử lý và tạo thông tin trên nhiều loại và định dạng dữ liệu, bao gồm văn bản, hình ảnh và âm thanh.

Three Gen (Subnet 17) : là mạng phi tập trung trung tập trung vào việc tạo nội dung 3D do AI điều khiển. Mạng con Three Gen sử dụng công nghệ AI để tạo ra các mô hình và nội dung 3D. Thợ đào và người xác minh nhận được phần thưởng bằng cách đóng góp tài nguyên máy tính và xác minh chất lượng của nội dung được tạo ra, thúc đẩy sự phát triển của công nghệ tạo nội dung 3D.

Cortex.t (Subnet 18) : Được phát triển bởi Corcel, đây là mạng con phi phi tập trung trung tập trung vào phát triển AI và tạo dữ liệu tổng hợp.

Tầm nhìn (Subnet 19) : là một mạng phi tập trung trung tập trung vào việc tạo và suy luận hình ảnh. Mạng con Vision sử dụng khung Mạng con suy luận quy mô phân tán (DSIS) để tối đa hóa khả năng đầu ra của mạng Bittensor, cho phép thợ đào tự do lựa chọn ngăn xếp công nghệ để xử lý nhu cầu và tạo ra phản hồi. Người xác thực nhận được yêu cầu từ giao diện người dùng và phân phối chúng cho thợ đào, đánh giá hiệu suất của họ và làm cho quá trình tạo hình ảnh hiệu quả hơn.

Niche Image (Subnet 23) : là một mạng con tập trung vào việc tạo hình ảnh phi tập trung. Niche Image hỗ trợ nhiều mô hình tạo hình ảnh khác nhau. Thợ đào tạo ra hình ảnh bằng cách đóng góp tài nguyên máy tính và nhận phần thưởng dựa trên chất lượng. Các mô hình và chức năng mới liên tục được giới thiệu để đáp ứng nhu cầu của người dùng.

TensorAlchemy (Subnet 26) : là một mạng con tập trung vào việc chấm điểm con người và tạo hình ảnh phi tập trung. Nó đánh giá đầu ra của các mô hình tạo hình ảnh thông qua xếp hạng của con người và trao thưởng cho thợ đào dựa trên xếp hạng và chất lượng của hình ảnh được tạo ra, đồng thời có kế hoạch áp dụng công nghệ của mình trong các lĩnh vực như sáng tạo nghệ thuật và quảng cáo.

Fractal (Mạng con 29) : Được phát triển bởi Fractal Research, đây là mạng con phi tập trung trung tập trung vào các video tạo văn bản. Mạng con này sử dụng mô hình khuếch tán lưới và công nghệ lý luận nút để xử lý nhiệm vụ video tạo văn bản thông qua nút phân tán.

WomboAl (Subnet 30) : là một mạng phi tập trung trung tập trung vào việc tạo hình ảnh và chia sẻ xã hội. Mạng con WomboAl tạo ra hình ảnh chất lượng cao thông qua mạng Bittensor và hỗ trợ người dùng chia sẻ hình ảnh thông qua các ứng dụng như WOMBO Dream và WOMBO Me.

Thu thập và xử lý dữ liệu

Các mạng con trong danh mục Dữ liệu thập và Xử lý Dữ liệu tập trung vào các dịch vụ thu thập, lưu trữ và phân tích dữ liệu phi tập trung . Bằng cách xây dựng lớp lập chỉ mục phân tán và khung xử lý dữ liệu, các mạng con này có thể xử lý các tập dữ liệu quy mô lớn và cung cấp hỗ trợ dữ liệu cho các mạng con và người dùng khác.

Open Kaito (Subnet 5) : Được phát triển bởi Kaito AI, nó nhằm mục đích cung cấp các dịch vụ phân tích và tìm kiếm phi tập trung cho Web3. Mạng con này xây dựng một lớp lập chỉ mục phi tập trung để hỗ trợ tìm kiếm và phân tích thông minh nội dung Web3. Thông qua hệ thống khích lệ của Bittensor, thợ đào được khuyến khích giải quyết nhiệm vụ lập chỉ mục một cách sáng tạo.

Dataverse (Subnet 13) : là một mạng phi tập trung tập trung tập trung vào việc thu thập và lưu trữ lượng lớn dữ liệu . Các mạng con Dataverse thu thập và lưu trữ dữ liệu từ nhiều nguồn khác nhau và cung cấp hỗ trợ dữ liệu cho các mạng con khác. Thợ đào được thưởng bằng token TAO dựa trên lượng dữ liệu họ đóng góp và người xác minh định kì truy vấn và xác minh tính chính xác của dữ liệu .

Blockchain Insights (Subnet 15) : là một mạng phi tập trung trung tập trung vào việc chuyển đổi dữ liệu blockchain thô thành các mô hình đồ thị có cấu trúc. Mạng con này cung cấp chức năng truy vấn phân tích dữ liệu và trực quan hóa kết quả, hỗ trợ phân tích chuyên sâu về dữ liệu blockchain và người dùng có thể thực hiện các truy vấn tùy chỉnh.

Meta Search (Subnet 22) : Được phát triển bởi Datura-ai, đây là một mạng phi tập trung trung tập trung vào phân tích dữ liệu Twitter. Meta Search sử dụng công nghệ AI để tiến hành phân tích chuyên sâu dữ liệu Twitter, cung cấp quyền truy cập dữ liệu theo thời gian thực và phân tích cảm xúc để giúp người dùng hiểu được tâm lý của công chúng và đưa ra quyết định dựa dữ liệu .

Omega Labs (Subnet 24) : Được phát triển bởi Omega Labs, đây là mạng con tập trung vào việc tạo các bộ dữ liệu đa phương thức phi tập trung , thu thập video, âm thanh, văn bản và dữ liệu khác để nghiên cứu và phát triển trí tuệ nhân tạo nói chung (AGI) Hỗ trợ được cung cấp và thợ đào được khen thưởng dựa trên dữ liệu họ đóng góp.

Dự án bộ gen hội thoại (Mạng con 33) : Được phát triển bởi Afterparty AI, đây là mạng con tập trung phi tập trung xử lý dữ liệu hội thoại phi tập trung và truy cập AI được cá nhân hóa. Mạng con này xử lý và lập chỉ mục lượng lớn dữ liệu hội thoại theo cách phi tập trung, cung cấp các dịch vụ truy cập AI được cá nhân hóa và thợ đào được khen thưởng khi đóng góp tài nguyên máy tính.

Hệ sinh thái LLM

Các mạng con trong danh mục Hệ sinh thái LLM tập trung vào việc đào tạo, tinh chỉnh, bảo vệ và tối ưu hóa các mô hình ngôn ngữ lớn (LLM).

Nous Finetuning (Subnet 6) : Được phát triển bởi Nous Research, tập trung vào tinh chỉnh mô hình ngôn ngữ lớn (LLM). Mạng con này thưởng cho thợ đào thác tinh chỉnh LLM bằng cách sử dụng dữ liệu tổng hợp, cho phép giao tiếp giữa các mạng con và khích lệ thợ đào bằng cách đánh giá hiệu suất mô hình.

Pretraining (Subnet 9) : Được phát triển bởi Opentensor Foundation, nó tập trung vào đào tạo trước các mô hình ngôn ngữ lớn. Thợ đào đào tạo các mô hình trên dữ liệu Falcon Refined Web và cải thiện hiệu suất của mô hình thông qua các cơ chế xác minh và đo điểm chuẩn liên tục.

Dippy Roleplay (Mạng con 11) : Được phát triển bởi Impel, đây là mạng con tập trung vào việc tạo các mô hình nhân vật . Dippy Roleplay khích lệ cộng đồng tạo và tối ưu hóa các mô hình ngôn ngữ lớn (LLM) nhập nhân vật theo cách phi tập trung . Thợ đào và nhà phát triển được thưởng bằng token TAO dựa trên chất lượng mô hình và hiệu suất mà họ đóng góp.

LLM Defender (Subnet 14) : Được phát triển bởi Synapsec AI, đây là một mạng con phi phi tập trung trung tập trung vào việc bảo vệ các mô hình ngôn ngữ lớn (LLM) khỏi nhiều cuộc tấn công khác nhau. Mạng con LLM Defender phát hiện và ngăn chặn các cuộc tấn công vào ứng dụng LLM thông qua nhiều máy phân tích và công cụ, tận dụng tính chất phi tập trung để cung cấp cơ chế phòng thủ nhiều lớp.

Chuỗi NAS (Subnet 31) : là một mạng con phi tập trung tập trung vào Tìm kiếm Kiến trúc Thần kinh (NAS). Chuỗi NAS sử dụng thuật toán di truyền và tài nguyên điện toán phân tán để tối ưu hóa kiến ​​trúc mạng thần kinh. Thợ đào tham gia vào nhiệm vụ của NAS bằng cách đóng góp tài nguyên máy tính và nhận phần thưởng dựa trên sự đóng góp của họ.

Đó là AI (Subnet 32) : là một mạng con phi tập trung tập trung vào việc phát hiện nội dung được tạo bằng mô hình ngôn ngữ lớn (LLM). Mạng con này sử dụng mô hình deberta-v3-large để nhận dạng văn bản do LLM tạo và được sử dụng trong nhiều tình huống như học máy, giáo dục và mạng xã hội. Người xác minh sử dụng dữ liệu The Pile để đảm bảo tính chính xác và độ tin cậy của hệ thống phát hiện.

Cơ sở hạ tầng phi tập trung

Các mạng con trong danh mục cơ sở phi tập trung cải thiện phi tập trung và tính ổn định của mạng bằng cách cung cấp tài nguyên lưu trữ và tính toán phân tán.

Subvortex (Subnet 7) : Khuyến khích thợ đào chạy nút subtensor thông qua cơ chế khích lệ để tăng cường phi tập trung và tính ổn định của mạng Bittensor. Mạng con này triển khai nút trên toàn cầu với độ trễ thấp và độ dự phòng cao, hạ thấp ngưỡng tham gia.

Horde (Subnet 12) : Được phát triển bởi Backend Developers Ltd, đây là mạng con tập trung vào phân bổ tài nguyên máy tính phi tập trung. Mạng con Horde phân bổ nhiệm vụ cho nút thợ đào khác nhau thông qua điện toán phân tán để cải thiện hiệu quả và tốc độ xử lý nhiệm vụ. Thợ đào được khen thưởng dựa trên tài nguyên máy tính mà họ cung cấp và hiệu quả xử lý nhiệm vụ, đồng thời người xác thực đánh giá chất lượng công việc của thợ đào.

Filetao (Subnet 21) : Đây là mạng con lưu trữ phân tán phi tập trung. FileTAO triển khai một hệ thống lưu trữ hiệu quả và an toàn thông qua thuật toán không-thời gian Bằng chứng không tri thức, hỗ trợ cơ chế xác minh đa cấp và liên lạc giữa các mạng con, đồng thời, thợ đào được khen thưởng bằng cách đóng góp không gian lưu trữ.

Điện toán (Mạng con 27) : Được phát triển bởi Neural Inτerneτ, đây là mạng con tập trung vào phân bổ tài nguyên máy tính phi tập trung . Thợ đào con Điện toán cung cấp một thị trường điện toán không cần cấp phép và tích hợp nhiều nền tảng đám mây để tạo thành cơ sở hạ tầng điện toán đám mây cấp cao phi tập trung thống nhất nhận phần thưởng token TAO bằng cách đóng góp tài nguyên điện toán.

DeFi

Các mạng con trong danh mục DeFi tập trung vào việc tối ưu hóa và đổi mới các dịch vụ tài chính phi tập trung, bao gồm đặt cược thanh khoản, giao dịch định lượng, tối ưu hóa lợi nhuận và dự đoán thị trường tài chính.

Omron (Subnet 2) : Được phát triển bởi Inference Labs, nó nhằm mục đích tối ưu hóa và xác minh các chiến lược đặt cược thanh khoản và reStake thông qua trí tuệ nhân tạo và công nghệ máy học. Omron sử dụng hợp đồng thông minh và nút xác minh để cung cấp các chiến lược reStake tự động và đảm bảo tính xác thực và bảo mật của quá trình suy luận thông qua cơ chế Bằng chứng không tri thức.

Mạng giao dịch độc quyền (Subnet 8) : Được phát triển bởi Công ty Taoshi, nó tập trung vào các tín hiệu giao dịch định lượng phi tập trung. Thợ đào thác đóng góp tín hiệu giao dịch, bao trùm nhiều thị trường tài chính và người dùng có thể nhận được tín hiệu giao dịch chất lượng cao.

Robust (Subnet 10) : Được phát triển bởi Robust Finance, đây là mạng con tập trung vào tối ưu hóa lợi nhuận phi tập trung . Mạng con Robust cho phép thợ đào phân bổ tài sản cho các nhóm chiến lược khác nhau thông qua hợp đồng thông minh để đạt được lợi nhuận cao nhất. Thợ đào được khen thưởng dựa trên số tiền lợi nhuận mà chiến lược phân phối của họ tạo ra và người xác nhận đánh giá chiến lược phân phối của thợ đào và chấm điểm dựa trên hiệu suất lợi nhuận.

Foundry S&P 500 Oracle (Subnet 28) : Được phát triển bởi Foundry Digital LLC, đây là một mạng phi tập trung tập trung tập trung vào các dự đoán thị trường tài chính. Mạng con này khích lệ thợ đào dự đoán giá của Chỉ số S&P 500 và yêu cầu người xác nhận đánh giá các dự đoán.

những ứng dụng khác

Mạng con trong các danh mục ứng dụng khác bao gồm các lĩnh vực như phân phối quảng cáo, quản lý nhiệm vụ, nghiên cứu gấp protein và chăm sóc sức khỏe.

BitAds (Mạng con 16) : Đây là mạng con quảng cáo phi tập trung và khích lệ. Mạng con BitAds phân phối nhiệm vụ quảng cáo theo cách phi tập trung và thợ đào tạo ra lưu lượng truy cập không phải trả tiền bằng cách quảng cáo các liên kết quảng cáo và nhận phần thưởng token TAO.

BitAgent (Subnet 20) : là một mạng phi tập trung tập trung vào quản lý nhiệm vụ và quy trình công việc. BitAgent kết hợp các mô hình ngôn ngữ lớn (LLM) với các ứng dụng phổ biến của người dùng để cung cấp dịch vụ đại lý thông minh nhằm đơn giản hóa nhiệm vụ hàng ngày và quản lý quy trình làm việc. Thợ đào cạnh tranh dựa trên hiệu suất và được thưởng bằng token TAO dựa trên việc hoàn thành nhiệm vụ .

Protein Folding (Subnet 25) : Được phát triển bởi Opentensor Foundation, đây là một mạng phi tập trung trung tập trung vào nghiên cứu về việc gấp protein. Nghiên cứu gấp protein được thực hiện thông qua các tài nguyên điện toán phân tán và thợ đào được khen thưởng dựa trên sức mạnh tính toán đóng góp của họ, cung cấp nền tảng cho nghiên cứu y sinh.

Healthi (Subnet 34) : Được phát triển bởi Healthi Labs, đây là mạng phi tập trung trung tập trung vào việc sử dụng trí tuệ nhân tạo (AI) để cải thiện các dịch vụ chăm sóc sức khỏe. Mạng con Healthi sử dụng mô hình AI để thực hiện nhiệm vụ dự đoán lâm sàng, đồng thời quản lý và xử lý dữ liệu y tế theo cách phi tập trung để đảm bảo tính bảo mật và quyền riêng tư dữ liệu. Hợp đồng thông minh đơn giản hóa quy trình bảo hiểm và nâng cao hiệu quả của các dịch vụ y tế.

Kết luận: Xu hướng ứng dụng mới nổi của Bittensor

Như cựu nhà nghiên cứu của Messari, Sami Kassab đã chỉ ra trong một bài báo gần đây, Bittensor hiện có hai xu hướng ứng dụng mới nổi: Thứ nhất, các bên dự án thuê ngoài đổi mới công nghệ cho mạng con Bittensor, chẳng hạn như Kaito thuê ngoài việc nghiên cứu và phát triển công cụ tìm kiếm thông qua Bittensor. dự án sử dụng Bittensor làm lớp khích lệ để nhanh chóng thu thập tài nguyên thợ đào và cung cấp nguồn cung cấp hàng hóa kỹ thuật số cho mạng của mình. Ví dụ: Phòng thí nghiệm suy luận hướng dẫn việc cung cấp bộ chứng minh zk và bộ suy luận mô hình bằng cách khởi chạy mạng con Omron.

Khi Bittensor mở rộng mạng con của mình, nhiều dự án có thể chọn gia công các thành phần cụ thể của nhóm công nghệ cho Bittensor trong tương lai, điều này sẽ trở thành kịch bản ứng dụng lớn thứ ba của Bittensor. Bittensor đang đẩy nhanh quá trình phân công lao động chuyên nghiệp trong ngành AI và thúc đẩy sự xuất hiện của nhiều dự án nguyên bản hơn. Khi số lượng người tham gia tăng lên, hệ sinh thái Bittensor dự kiến ​​sẽ hình thành một chu kỳ tích cực và mở ra một giai đoạn phát triển mạnh mẽ mới.

Chào mừng bạn tham gia cộng đồng chính thức BlockBeats BlockBeats:

Nhóm đăng ký Telegram: https://t.me/theblockbeats

Nhóm liên lạc Telegram: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia