Primero lo primero, ¿qué es exactamente Bittensor?

Bittensor en sí no es un producto de IA, ni produce ni proporciona ningún producto o servicio de IA. Bittensor es un sistema económico que sirve como optimizador para el mercado de productos de IA al proporcionar un sistema de incentivos altamente competitivo para los productores de productos de IA. En el ecosistema de Bittensor, los productores de alta calidad reciben más incentivos, mientras que los productores menos competitivos son eliminados gradualmente.

Entonces, ¿cómo crea Bittensor específicamente este mecanismo de incentivos que fomenta la competencia efectiva y promueve la producción orgánica de productos de IA de alta calidad?

Modelo de volante Bittensor

Bittensor logra este objetivo a través de un modelo de volante. Los validadores evalúan la calidad de los productos de IA en el ecosistema y distribuyen incentivos basados en su calidad, asegurando que los productores de alta calidad reciban más incentivos. Esto estimula un aumento continuo en la producción de alta calidad, mejorando así el valor de la red Bittensor y aumentando la apreciación de TAO. La apreciación de TAO no solo atrae a más productores de alta calidad a unirse al ecosistema de Bittensor, sino que también aumenta el costo de los ataques por parte de los manipuladores que manipulan los resultados de la evaluación de calidad. Esto refuerza aún más el consenso de los validadores honestos y mejora la objetividad y equidad de los resultados de la evaluación, logrando así un mecanismo de competencia e incentivos más efectivo.

Garantizar la equidad y objetividad de los resultados de evaluación es un paso crucial para poner en marcha la rueda. Esta también es la tecnología central de Bittensor, es decir, el sistema de validación abstracto basado en el Consenso Yuma.

Entonces, ¿qué es el Consenso Yuma y cómo se asegura de que los resultados de la evaluación de calidad después del consenso sean justos y objetivos?

Yuma Consensus es un mecanismo de consenso diseñado para calcular los resultados de evaluación final a partir de las diversas evaluaciones proporcionadas por numerosos Validadores. Similar a los mecanismos de consenso de tolerancia a fallas bizantinas, siempre y cuando la mayoría de los Validadores en la red sean honestos, la decisión correcta se puede alcanzar al final. Suponiendo que los Validadores honestos pueden proporcionar evaluaciones objetivas, los resultados de la evaluación después del consenso también serán justos y objetivos.

Tomando la evaluación de la calidad de las Subredes como ejemplo, los Validadores de la Red Raíz evalúan y clasifican la calidad de la producción de cada Subred. Los resultados de la evaluación de 64 Validadores se agregan, y los resultados finales de la evaluación se obtienen a través del algoritmo de Consenso Yuma. Los resultados finales se utilizan luego para asignar TAO recién acuñado a cada Subred.

Actualmente, Yuma Consensus tiene efectivamente margen de mejora:

1. Los validadores de la red raíz pueden no representar completamente a todos los titulares de TAO, y los resultados de la evaluación que proporcionan pueden no reflejar necesariamente una amplia gama de puntos de vista. Además, las evaluaciones de algunos de los principales validadores no siempre son objetivas. Incluso si se identifican instancias de sesgo, es posible que no se corrijan de inmediato.
2. La presencia de Validadores de la Red Raíz limita el número de Subredes que Bittensor puede alojar. Para competir con los gigantes de la IA centralizada, tener solo 32 Subredes es insuficiente. Sin embargo, incluso con 32 Subredes, los Validadores de la Red Raíz pueden tener dificultades para monitorear efectivamente todas ellas.
3. Los validadores pueden no tener una fuerte inclinación a migrar a nuevas subredes. A corto plazo, los validadores pueden perder algunas recompensas al migrar de una subred más antigua con una emisión más alta a una nueva subred con una emisión más baja. La incertidumbre de si la emisión de la nueva subred finalmente se pondrá al día, junto con la pérdida definitiva de recompensas durante la búsqueda, disminuye su voluntad de migrar.

Bittensor también está planeando mecanismos de actualización para abordar estas deficiencias:

1. Dynamic TAO descentralizará el poder para evaluar la calidad de la Subred distribuyéndolo a todos los poseedores de TAO, en lugar de a unos pocos Validadores. Los poseedores de TAO podrán determinar indirectamente la proporción de asignación de cada Subred a través del staking.
2. Sin las limitaciones de los Validadores de la Red Raíz, el número máximo de Subredes activas se incrementará a 1024. Esto reducirá significativamente la barrera para que los nuevos equipos se unan al ecosistema de Bittensor, lo que conducirá a una competencia más feroz entre las Subredes.
3. Los validadores que migren a nuevas subredes antes probablemente recibirán recompensas más altas. La migración temprana a una nueva subred significa comprar dTAO de esa subred a un precio más bajo, aumentando la probabilidad de recibir más TAO en el futuro.

La fuerte inclusividad es también una de las principales ventajas del Consenso Yuma. El Consenso Yuma no solo se utiliza para determinar las emisiones de cada Subred, sino también para decidir la proporción de asignación de cada Minero y Validador dentro de la misma Subred. Además, independientemente de la tarea del Minero, se consideran abstractamente las contribuciones que contiene, incluida la potencia de cálculo, los datos, la contribución humana y la inteligencia. Por lo tanto, cualquier etapa de la producción de productos básicos de IA puede acceder al ecosistema de Bittensor, disfrutando de incentivos y al mismo tiempo mejorando el valor de la red de Bittensor.

A continuación, exploremos algunos Subredes líderes y observemos cómo Bittensor incentiva la producción de estas Subredes.

Subred #3 Myshell TTS

GitHub — myshell-ai/MyShell-TTS-Subnet

Contribuye al desarrollo de myshell-ai/MyShell-TTS-Subnet creando una cuenta en GitHub.

github.com

Emisión: 3.46% (2024-04-09)

Antecedentes: Myshell es el equipo detrás de Myshell TTS (Texto a Voz), compuesto por miembros principales de instituciones reconocidas como MIT, la Universidad de Oxford y la Universidad de Princeton. Myshell tiene como objetivo crear una plataforma sin código, que permita a los estudiantes universitarios sin experiencia en programación crear fácilmente sus robots deseados. Especializado en el campo de TTS, audiolibros y asistentes virtuales, Myshell lanzó su primer chatbot de voz, Samantha, en marzo de 2023. Con la continua expansión de su matriz de productos, ha acumulado más de un millón de usuarios registrados hasta la fecha. La plataforma alberga varios tipos de robots, incluidos los de aprendizaje de idiomas, educativos y enfocados en utilidades.

Posicionamiento: Myshell lanzó esta Subred para reunir la sabiduría de toda la comunidad de código abierto y construir los mejores modelos de TTS de código abierto. En otras palabras, Myshell TTS no ejecuta directamente modelos o maneja las solicitudes de los usuarios finales; en cambio, es una red para entrenar modelos de TTS.

Arquitectura Myshell TSS

El proceso ejecutado por Myshell TTS se ilustra en el diagrama anterior. Los mineros son responsables de entrenar modelos y subir los modelos entrenados al Grupo de Modelos (los metadatos de los modelos también se almacenan en la red blockchain de Bittensor); Los validadores evalúan los modelos generando casos de prueba, evaluando el rendimiento del modelo y puntuando según los resultados; la blockchain de Bittensor es responsable de agregar pesos usando Yuma Consensus, determinando los pesos finales y las ratios de asignación para cada minero.

En conclusión, los Mineros deben presentar continuamente modelos de mayor calidad para mantener sus recompensas.

Actualmente, Myshell también ha lanzado una demo en su plataforma para que los usuarios prueben los modelos en Myshell TTS.

En el futuro, a medida que los modelos entrenados por Myshell TTS se vuelvan más confiables, habrá más casos de uso en línea. Además, como modelos de código abierto, no solo estarán limitados a Myshell, sino que también se pueden expandir a otras plataformas. ¿No es precisamente lo que buscamos en la IA descentralizada: entrenar e incentivar modelos de código abierto a través de enfoques descentralizados?

Subred #5 Abierto Kaito

GitHub — OpenKaito/openkaito

Contribuye al desarrollo de OpenKaito/openkaito creando una cuenta en GitHub.

github.com

Emisión: 4.39% (2024-04-09)

Antecedentes: Kaito.ai cuenta con el respaldo del equipo detrás de Open Kaito, cuyos miembros principales tienen una amplia experiencia en el campo de la inteligencia artificial, habiendo trabajado previamente en empresas de primer nivel como AWS, META y Citadel. Antes de aventurarse en la Subred Bittensor, lanzaron su producto estrella, Kaito.ai, un motor de búsqueda de datos fuera de cadena de Web3, en el cuarto trimestre de 2023. Aprovechando algoritmos de inteligencia artificial, Kaito.ai optimiza componentes clave de los motores de búsqueda, incluida la recopilación de datos, los algoritmos de clasificación y los algoritmos de recuperación. Ha ganado reconocimiento como una de las principales herramientas de recopilación de información en la comunidad criptográfica.

Posicionamiento: Open Kaito tiene como objetivo establecer una capa de indexación descentralizada para respaldar la búsqueda y análisis inteligentes. Un motor de búsqueda no es simplemente una base de datos o algoritmo de clasificación, sino un sistema complejo. Además, un motor de búsqueda efectivo también requiere baja latencia, lo que plantea desafíos adicionales para construir una versión descentralizada. Afortunadamente, con el sistema de incentivos de Bittensor, se espera que estos desafíos sean abordados.

Abrir la arquitectura Kaito

El proceso de operación de Open Kaito se ilustra en el diagrama anterior. Open Kaito no descentraliza simplemente cada componente del motor de búsqueda, sino que define el problema de indexación como un problema de Minero-Validador. Es decir, los Mineros son responsables de responder a las solicitudes de indexación de los usuarios, mientras que los Validadores distribuyen las demandas y puntúan las respuestas de los Mineros.

Open Kaito no restringe cómo los Mineros completan las tareas de indexación, sino que se centra en los resultados finales producidos por los Mineros para fomentar soluciones innovadoras. Esto ayuda a fomentar un entorno competitivo saludable entre los Mineros. Frente a las demandas de indexación de los usuarios, los Mineros se esfuerzan por mejorar sus planes de ejecución para lograr resultados de respuesta de mayor calidad con menos recursos.

Subred #6 Afinando Nous

GitHub — NousResearch/finetuning-subnet

Contribuir al desarrollo de NousResearch/finetuning-subnet creando una cuenta en GitHub.

github.com

Emisión: 6.26% (2024-04-09)

Antecedentes: El equipo detrás de Nous Finetuning proviene de Nous Research, un equipo de investigación dedicado centrado en la arquitectura de modelos de lenguaje a gran escala (LLM), síntesis de datos e inferencia en dispositivos. Sus cofundadores anteriormente se desempeñaron como Ingenieros Principales en la Red Eden.

Posicionamiento: Nous Finetuning es una subred dedicada a ajustar modelos de lenguaje grandes. Además, los datos utilizados para el ajuste fino también provienen del ecosistema de Bittensor, específicamente de la Subred #18.

El proceso de operación de Nous Finetuning es similar al de Myshell TSS. Los mineros entrenan modelos basados en los datos de Subred #18 y los lanzan regularmente para ser alojados en Hugging Face; Los validadores evalúan los modelos y proporcionan calificaciones; de manera similar, la cadena de bloques Bittensor es responsable de agregar pesos mediante Yuma Consensus, determinando los pesos finales y emisiones para cada minero.

Subred #18 Cortex.t

GitHub — corcel-api/cortex.t

Contribuye al desarrollo de corcel-api/cortex.t creando una cuenta en GitHub.

github.com

Emisión: 7.74% (2024-04-09)

Antecedentes: El equipo detrás de Cortex.t es Corcel.io, que ha recibido apoyo de Mog, el segundo validador más grande en la red Bittensor. Corcel.io es una aplicación dirigida a los usuarios finales, que brinda una experiencia similar a ChatGPT aprovechando los productos de IA del ecosistema Bittensor.

Posicionamiento: Cortex.t se posiciona como una capa final antes de entregar resultados a los usuarios finales. Es responsable de detectar y optimizar las salidas de varias subredes para asegurar que los resultados sean precisos y confiables, especialmente cuando una sola indicación llama a múltiples modelos. Cortex.t tiene como objetivo evitar salidas en blanco o inconsistentes, asegurando una experiencia de usuario fluida.

Los mineros en Cortex.t utilizan otras subredes dentro del ecosistema de Bittensor para manejar las solicitudes de los usuarios finales. También emplean GPT-3.5-turbo o GPT-4 para verificar los resultados de salida, garantizando confiabilidad para los usuarios finales. Los validadores evalúan las salidas de los mineros comparándolas con los resultados generados por OpenAI.

Subnet #19 Visión

GitHub — namoray/vision

Contribuye al desarrollo de namoray/vision creando una cuenta en GitHub.

github.com

Emisión: 9.47% (2024-04-09)

Antecedentes: El equipo de desarrollo detrás de Vision también proviene de Corcel.io.

Posicionamiento: Vision tiene como objetivo maximizar la capacidad de salida de la red Bittensor aprovechando un marco de construcción de subred optimizado llamado DSIS (Inferencia descentralizada de subred a escala). Este marco acelera las respuestas de los mineros a los validadores. Actualmente, Vision se enfoca en el escenario de generación de imágenes.

Los validadores reciben demandas del frontend de Corcel.io y las distribuyen a los Mineros. Los Mineros tienen la libertad de elegir su pila de tecnología preferida (sin limitarse a modelos) para procesar las demandas y generar respuestas. Los validadores luego puntúan el rendimiento de los Mineros. Gracias a DSIS, Vision puede responder a estas demandas de manera más rápida y eficiente que otros Subredes.

Resumen

De los ejemplos anteriores, es evidente que Bittensor exhibe un alto grado de inclusividad. La generación por parte de los Miners y la validación por parte de los Validators ocurren fuera de la cadena, con la red de Bittensor sirviendo únicamente para asignar recompensas a cada Miner basándose en la evaluación de los Validators. Cualquier aspecto de la generación de productos de IA que se ajuste a la arquitectura de Miners-Validators puede transformarse en una Subred.

Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente del autor y no constituyen ningún consejo de inversión.

Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.

En teoría, la competencia entre Subredes debería ser intensa. Para que una Subred siga recibiendo recompensas, debe producir consistentemente resultados de alta calidad. De lo contrario, si la producción de una Subred es considerada de bajo valor por los Validadores de la Red Raíz, su asignación puede disminuir y eventualmente ser reemplazada por una nueva Subred.

Sin embargo, en realidad, hemos observado algunas cuestiones:

1. Redundancia y duplicación de recursos debido a la posición similar de las Subredes. Entre las 32 Subredes existentes, hay múltiples Subredes que se centran en direcciones populares como texto a imagen, texto de guía y predicción de precios.
2. Existencia de Subredes sin casos de uso práctico. Si bien las Subredes de predicción de precios pueden tener un valor teórico como proveedores de oráculos, el rendimiento actual de los datos de predicción está lejos de ser utilizable por los usuarios finales.
3. Casos de “dinero malo desplazando al bueno”. Es posible que algunos de los Validadores principales no tengan una fuerte inclinación a migrar a nuevas Subredes, incluso si algunas nuevas Subredes muestran una calidad significativamente superior. Sin embargo, debido a la falta de apoyo de capital, es posible que no reciban emisiones suficientes a corto plazo. Dado que las nuevas subredes tienen un período de protección de solo 7 días después del lanzamiento, si no logran acumular rápidamente una cantidad adecuada de emisiones, podrían enfrentar el riesgo de ser desplazados y salir fuera de línea.

Estos problemas reflejan una competencia insuficiente entre las Subredes, y algunos Validadores no han desempeñado un papel en fomentar una competencia efectiva.

La Fundación Validadora Open Tensor (OTF) ha implementado algunas medidas temporales para aliviar esta situación. Siendo el Validador más grande que posee el 23% del poder de apuestas (incluida la delegación), OTF proporciona canales para que las Subredes compitan por más TAO apostado: Los propietarios de subredes pueden enviar solicitudes a OTF semanalmente para ajustar su proporción de TAO apostado en la subred. Estas solicitudes deben cubrir 10 aspectos, incluyendo "Objetivos de la subred y contribuciones al ecosistema de Bittensor", "Mecanismo de recompensa de la subred", "Diseño de protocolo de comunicación", "Fuentes de datos y seguridad", "Requisitos computacionales" y "Hoja de ruta", entre otros, para facilitar la toma de decisiones final de OTF.

Sin embargo, para abordar fundamentalmente esta cuestión, por un lado, necesitamos urgentemente el lanzamiento de dTAO (@0xai.dev/what-is-the-impact-of-dynamic-tao-on-bittensor-efcc8ebe4e27">Dynamic TAO), que está diseñado para cambiar fundamentalmente los problemas irrazonables mencionados anteriormente. Alternativamente, podemos apelar a los Grandes Validadores que poseen una cantidad significativa de Staking TAO para considerar el desarrollo a largo plazo del ecosistema Bittensor más desde la perspectiva de "desarrollo del ecosistema" en lugar de únicamente desde un punto de vista de "retorno financiero".

En conclusión, confiando en su fuerte inclusividad, entorno competitivo feroz y mecanismo de incentivos efectivo, creemos que el ecosistema de Bittensor puede producir orgánicamente productos de IA de alta calidad. Aunque no todos los resultados de las Subredes existentes pueden rivalizar con los de los productos centralizados, no olvidemos que la arquitectura actual de Bittensor acaba de cumplir un año (la Subred #1 se registró el 13 de abril de 2023). Para una plataforma con el potencial de rivalizar con los gigantes de IA centralizados, quizás deberíamos centrarnos en proponer planes de mejora prácticos en lugar de criticar apresuradamente sus deficiencias. Después de todo, no queremos ver la IA constantemente controlada por unos pocos gigantes.

Descargo de responsabilidad:

1. Este artículo se ha reimpreso de [Medium], Todos los derechos de autor pertenecen al autor original [0xai]. If there are objections to this reprint, please contact the Gate Learnequipo, y ellos lo manejarán rápidamente.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.