In-Depth Exploration: How Bittensor Network and TAO Token Revolutionize the AI Industry
導入
最近、AIの爆発的な人気と増加に伴い、AIと暗号通貨が交差する場所についてさまざまな論文が出てきました。これらのイノベーションは、デジタル資産の管理から知的財産の保護、詐欺の防止まで、私たちのデジタルライフのさまざまな側面を革新する可能性を秘めています。特筆すべきは、この収束が2つの主要なトレンドを生み出していることです。
- AIとブロックチェーンインフラストラクチャーの統合、たとえばRender（$RNDR）、Akash（$AKT）、またはFetch.ai（$FET）のようなもの。
- 機械学習インテリジェンスの生産をインセンティブするプロトコルの登場、例えばBittensor（$TAO）のようなもの。
ブロックチェーンの以前のAIアプリケーションは主にインフラに集中し、AI/MLモデルのストレージやGPUのレンタルを可能にしました。これにより、トークンをインセンティブとした強化学習、zkML、およびディープフェイクと戦うためのブロックチェーンベースのアイデンティティレジストリなどのトレンドが生まれました。同時に、並行して別のトレンドが勢いを増しています：知能をインセンティブとするプロトコル。
このレポートでは、Bittensorと$TAOトークンを中心に、AIと暗号通貨の交差点に掘り下げ、ピア・ツー・ピア・インテリジェンス・マーケットプレイスとデジタル商品マーケットプレイスの台頭を探ります。
最新の利用をするレボリューションアップグレード10月2日に行われたことに加えて、歴史的な概要、セクター展望、競争分析、および$TAOの価値提案に関する洞察も提供しています。
概要
Bittensorは、ブロックチェーン駆動のインセンティブ構造を通じてAI開発を推進することを核とするオープンソースプロトコルです。このエコシステムでは、貢献者は彼らの努力に対して$TAOトークンで報酬を受け取ります。
Bittensorは、トークンインセンティブを利用して参加を促進し、オープンさと分散を維持する原則を守りながら、マイニングネットワークとして機能します。このネットワーク内では、複数のノードが機械学習モデルをホストし、知能プールに寄与しています。これらのモデルは、幅広いドメインで包括的なテキストデータの分析、意味の抽出、貴重なインサイトの生成に重要な役割を果たしています。
ユーザーにとって、必須機能には、インテリジェンスへのアクセスをクエリする能力、$TAOトークンのマイニングのためにマイナーやバリデータと関わる能力、およびウォレットと残高を管理する能力が含まれます。
Bittensorのネットワークは、鉱夫、検証者、ノミネート者、消費者を含む多様な利害関係者の貢献に依存しています。この協力的なアプローチにより、最高のAIモデルがトップに立ち、ネットワークによって提供されるAIサービスの品質が向上します。
供給側には2つのレイヤーがあります：AI（マイナー）とブロックチェーン（バリデーター）
- Bittensorネットワーク内のマイナーは、AIモデルをホストし、その成功は提供される品質とパフォーマンスによって決定されます。
- マイナーは、ネットワークに貢献した知識に基づいて$TAOで補償されます（ただし、これは具体的なタスクに依存します）。
- トップ評価モデルは需要が高く、鉱夫により多くの収入をもたらします。
- バリデータはネットワーク内で評価者として機能します。彼らはAIモデルの品質と効果を評価し、ユーザーリクエストを管理します。これにより、バリデータは特定のタスクのパフォーマンスに基づいてモデルをランク付けし、消費者が最適なソリューションを見つけるのを支援します。彼らの評価がより正確で一貫しているほど、報酬も増えます。同様に、一貫性のない評価はペナルティを引き起こす可能性があり、バリデータが高い基準を維持することを保証します。
- バリデーターは、鉱山労働者を「知的貢献」に基づいてランク付けするために、$TAOでインセンティブが与えられます。
- バリデーターは、最適な出力を生成するために入力をルーティングする責任も担っています。これは、互いに補完する鉱夫（モデル）間の連携（サブネットワーク）を形成することによって達成されます。
需要側では、開発者はバリデーターの上にアプリケーションを構築し、ネットワークからユースケース固有のAI機能を利用（および支払う）することができます。
- ノミニーは、$TAOトークンを保有し、それらを特定のバリデータを支持するためにデリゲートすることで積極的に支援する個人です。このデリゲーションにより、バリデータはさらなるサポートと報酬を得ることができます。ノミニー自体もこのプロセスへの参加に対する報酬を得ます。バリデータが期待以下の成績を収めた場合、またはノミニーがより良い選択肢があると考える場合、彼らは別のバリデータにサポートを移すことができます。
- 消費者はBittensorによって提供されるAIモデルの最終ユーザーです。彼らは、アプリ開発者から彼らのアプリケーションにAI機能を統合することを求めるチャットボットユーザーまでさまざまです。
- 消費者は正確で価値のある回答を優先します。
- 開発者は特に、彼らの要件に最も適合すると考える検証者を選択し、ユーザーに最高のAIサービスを提供することを確実にします。
上記にリストされたステークホルダー間の連携の製品は、特定のユースケースに最適なモデルを促進するネットワークを生み出します。誰もが実験できるため、クローズドソースのビジネスが競争するのは難しいです。
クレジット -AI Legos: ザBittensorテーゼby David Attermann
最も一般的な誤解の1つは、ネットワークがMLトレーニングをサポートしているということです。現在の状態では、Bittensorは推論のみをサポートしており、これは証拠と推論に基づいて結論を導き、回答を提供するプロセスです。一方、トレーニングは、機械学習モデルにタスクを実行させるための教育を含む異なるプロセスです。これは、モデルにラベル付きの例の大規模なデータセットを提供し、データとラベルの間のパターンと関連付けを学習させることで達成されます。一方、推論では、訓練された機械学習モデルを使用して新しい、見たことのないデータについて予測を行います。たとえば、画像を分類するために訓練されたモデルは、新しい、以前に見たことのない画像のクラスを判定するために推論に使用されることがあります。
したがって、Bittensorはオンチェーンの機械学習を実行しないことに注意することが重要ですが、むしろオンチェーンのOracleまたはオフチェーンのMLノード（マイナー）を接続および組織化する検証者のネットワークのように機能します。この構成により、複数のモデルを組み合わせた分散型の専門家（MoE）ネットワークが作成され、異なる能力に最適化された複数のモデルを組み合わせて、より強固な全体モデルを形成します。
ピア・ツー・ピア・インテリジェンス・マーケット
Bittensorのピアツーピアインテリジェンスマーケットプレイスは、AI開発の分野で先駆的なコンセプトであり、分散化された許可なしのプラットフォームを提供し、OpenAIやGoogleのジェミニのようなより閉じたモデルとは対照的です。
このマーケットプレイスは競争力のあるイノベーションを育成し、AI産業の成長を促進し、開発者やユーザーのグローバルコミュニティにAIを利用可能にすることを目的として設計されています。どんな形の価値でもインセンティブを与えることができます — 任意のデジタル商品に対して公正な市場をインセンティブ付け/作成するためのプロトコルです。
言い換えると、プロトコルはネットワーク内の参加者の間で機械学習の能力と予測を交換するためのピアツーピアアプローチを具現化しています。機械学習モデルとサービスの共有と協力を促進し、オープンソースとクローズドソースの両方のモデルがホストされる協力的かつ包括的な環境を推進しています。
デジタル商品取引所の台頭
Bittensorは、デジタル商品マーケットの出現の基盤を築く点でユニークであり、機械知能を取引可能な資産に効果的に変換します。そのプロトコルの中心には、機械知能が商品化されるマーケットプレイスが確立されています。
Bittensorのインセンティブシステムは、ジェネティックアルゴリズムのように、継続的にマイナーのパフォーマンスを評価し、時間の経過とともにマイナーを選択またはリサイクルします。このダイナミックなプロセスにより、ネットワークが効率的でAI開発の進化する環境に対応できるようになります。
Bittensorインテリジェンスマーケットプレイスでは、価値の創出は二重アプローチに従います:
- マイナーがホストする高性能AIモデル、貢献者として知られる人々は、$TAOトークンの形で報酬を受け取ります。
- バリデータは、知能を評価し活用することで、$TAO トークンで報酬を受け取ります。
Bittensorは単なるパフォーマンスだけでなく、最も価値のある「シグナル」の生成に重点を置いて報酬を与えることが価値があるということに値する。つまり、報酬システムは広範な観衆に実質的な利益をもたらす情報の創造を優先し、最終的により価値のある商品の開発に貢献しています。
ユマコンセンサス
独立したレイヤー1ブロックチェーンとして、BittensorはYumaコンセンサスアルゴリズムによって動作しています。これは分散型のピアツーピアコンセンサスアルゴリズムであり、計算リソースの公正な分配をノードネットワーク全体に可能にします。
Yumaは、プルーフ・オブ・ワーク（PoW）とプルーフ・オブ・ステーク（PoS）の要素を組み合わせたハイブリッドなコンセンサスメカニズムで動作します。ネットワーク内のノードは、トランザクションを検証し新しいブロックを作成するために計算作業を行います。この作業は他のノードによって検証され、成功した貢献者にはトークンが報酬として与えられます。PoSコンポーネントは、ノードがトークンを保有することを促し、彼らの利益をネットワークの安定性と成長と一致させる役割を果たします。
従来のコンセンサスメカニズムと比較して、このハイブリッドモデルにはいくつかの利点があります。一方で、Proof of Work（PoW）にしばしば関連する過剰なエネルギー消費を避け、環境問題に対処しています。他方で、Proof of Stake（PoS）で見られる中央集権化のリスクを迂回し、ネットワークの分散化とセキュリティを維持しています。
Yumaコンセンサスメカニズムは、計算リソースを広範囲のノードネットワークに分散させる能力で際立っています。このアプローチには遠大な影響があり、より複雑なAIタスクの処理やより大きなデータセットの処理を容易に行えるようになります。ネットワークに追加のノードが組み込まれると、自然にますます大きな作業量に対応できるようにスケールします。
従来の中央集権型AIアプリケーションが単一のサーバーまたはクラスターに依存しているのに対し、Yumaパワードアプリケーションはノードネットワーク全体に分散することができます。この分散により、計算リソースが最適化され、単一障害点やセキュリティの脆弱性に関連するリスクを軽減しながら複雑なタスクに取り組むことが可能になります。
ナレッジディスティレーション – デジタルハイブマインド
知識の蒸留は、Bittensorプロトコル内での基本的なコンセプトであり、ネットワークノード間での協力学習を促進し、パフォーマンスと精度を向上させます。人間の脳内のニューロンが協力する方法と同様に、知識の蒸留はノードがネットワーク内で共同して改善することを可能にします。
このプロセスは、ノード間でデータサンプルとモデルパラメーターの交換を行い、より正確な予測のために時間の経過とともに自己最適化するネットワークを形成します。各ノードは共有プールに貢献し、ネットワーク全体のパフォーマンスを向上させ、ロボティクスや自動運転車などのリアルタイム学習アプリケーションに適しています。
この方法は、機械学習における一般的な課題である壊滅的な忘却のリスクを緩和します。ノードは既存の知識を保持し拡大させながら新しい洞察を取り込み、ネットワークの弾力性と適応性を向上させます。
複数のノードに知識を分散させることで、Bittensor TAOネットワークは障害や潜在的なデータ侵害に対してより強靭になります。この頑健性は、特に金融や医療情報などの高セキュリティかつプライバシーに敏感なデータを扱うアプリケーションにとって非常に重要です（プライバシーについては後述）。
エキスパートの混合（MoE）
革新をさらに進め、Bittensorネットワークは分散型エキスパートの混合（MoE）の概念を導入します。このアプローチは、異なるデータの側面に特化した複数のニューラルネットワークの力を活用します。新しいデータが導入されると、これらのエキスパートは個々のエキスパートだけでは達成できないより正確な集合的な予測を生み出すために協力します。
採用されているコンセンサスメカニズムは、ディープラーニングとブロックチェーンコンセンサスアルゴリズムを組み合わせたものです。その主な目的は、ネットワークに最も情報価値を提供するピアにインセンティブとしてステークを分配することです。要するに、ネットワークの知識と能力を高めた人に報いるのです。
Bittensorプロトコルの核心は、しばしばニューロンと呼ばれるパラメータ化された機能から構成されています。これらのニューロンはピア・ツー・ピア方式で分散されており、それぞれがデジタル台帳に記録されたゼロ個以上のネットワークの重みを保持しています。ピアはお互いをランキングし、隣接ノードの価値を決定するためにニューラルネットワークをトレーニングしています。このランキングプロセスは、個々のピアのネットワーク全体のパフォーマンスへの貢献を評価する上で重要です。
このランキングプロセスを通じて生成されたスコアはデジタル台帳に蓄積されます。上位の仲間は報酬を受け取り、ネットワーク内での重みをさらに増やします。これにより、仲間の貢献と報酬との直接的な関連が確立され、ネットワーク内での公平性と透明性が促進されます。
このアプローチは、インテリジェンスが他のインテリジェンスシステムによってインターネット全体を横断してピア・ツー・ピアの形で価格設定されるマーケットプレイスを提供しています。これにより、他のピアに知識と専門知識を継続的に向上させるようインセンティブが与えられます。
報酬の公平な分配を確保するため、Bittensorは、協力ゲーム理論から借用した概念であるシャプレー値を採用しています。シャプレー値は、ネットワークのピア間での貢献に基づいて報酬を公平かつ効率的に配分する方法を提供します。インセンティブを貢献と一致させることで、ノードがネットワークの最善の利益のために行動するよう促し、セキュリティと効率性を向上させ、継続的な改善を推進します。
Bittensorの中核任務は、分散フレームワークを通じてAI領域での革新と協力を促進することに焦点を当てています。このフレームワークにより、知識の迅速な拡大と共有が可能となり、絶えず成長し続け、止められない情報ライブラリが作成されます。このマーケットプレイスでは、開発者は自らのAIモデルを収益化し、企業や個人に有益なソリューションを提供する力を与えられています。
Bittensorのビジョンは、AIモデルが幅広い産業で簡単にアクセス可能で展開可能な未来にまで広がっています。このアクセシビリティは進歩を促し、新しい可能性を開拓し、AIの能力と現実世界のアプリケーションとの間のギャップを埋めるものです。
Chat GPTなどの主要なグローバルAIモデルと同様に、Bittensorモデルは普遍的なデータセットに基づいて '表現' を生成します。モデルのパフォーマンスを評価するために、フィッシャーの情報ネットワークからノードを削除する影響を推定するために利用され、人間の脳のニューロンの損失に似ています。
モデルのランキングを超えて、Bittensorはインタラクティブな学習に重点を置いています。各モデルはネットワークと積極的に関わり、他のモデルとの相互作用を求めます。これは、DNSルックアップに似ています。 Bittensorは、これらのモデル間でデータ交換を促進するAPIとして機能し、共同学習と知識共有を促進します。これにはオープンソースとクローズドソースのモデルの両方が使用されます。
Yumaコンセンサスを使用して、誰もがルールに従うことを保証し、エコシステムはオープンソース開発者やAI研究所にとって推進力となり、オープンな基盤モデルを向上させるための金銭的インセンティブを提供しています。
基本的に、Bittensorは常に拡大し続ける機械知能のリポジトリとして機能します。これは、4つの異なるレイヤーを組み合わせることによって達成されます。
- マイナーレイヤーはネットワーク内で価値ある仕事を生み出す責任があります。
- バリデーターレイヤーは、マイナーが合意の確立されたルールに従うことを保証します。
- エンタープライズレイヤーは、既存のインフラをベースに革新的な製品やサービスを開発するための基盤として機能します。ネットワークの集合知を活用して新しいソリューションを生み出すプラットフォームとして機能します。
- 企業層が生み出す成果を受け取るのは、消費者層です。それは、Bittensorネットワークで提供される製品やサービスを利用するエンドユーザーや組織を表しています。
歴史
Bittensorは2019年に2人のAI研究者によって設立されました。Jacob SteevesそしてAla Shaabana（および疑名を用いた白書の著者であるYuma Raoを含む）は、AIを複利化する方法を探していました。彼らはすぐに、暗号通貨が解決策になり得ることに気づきました-特定の問題について一緒にトレーニング＆学習するための世界中のMLノードのネットワークを促進し調整する方法。ネットワークに追加される増分リソースは、前の研究者＆モデルによって行われた作業に複利効果をもたらします。
Bittensorの旅は、2021年1月に「草薙（Kusanagi）」のローンチで始まり、ネットワークのアクティベーションを記念し、マイナーやバリデーターが最初の$TAO報酬を獲得することを可能にしました。しかし、この最初のイテレーションはコンセンサスの問題により一時停止を迎えました。これに対応して、Bittensorは2021年11月に「中本（Nakamoto）」にフォークしました。
2023年3月20日、『中本』が再度フォークされ、今度は『フィニー』に進化し、重要なマイルストーンが達成されました。このアップグレードの目的は、カーネルコードのパフォーマンスを向上させることでした。
特に、Bittensorは最初にPolkadotのパラチェーンになることを目指し、1月の成功したオークションを通じてパラチェーンスロットを確保しました。しかし、その後、独自のスタンドアロンL1ブロックチェーンを利用することに決定されましたサブストレートPolkadotの開発速度に関連する懸念からPolkadotに依存する代わりに。
現在の状況
Bittensorは1年以上の間メインネット上にあり、その焦点は先駆的な研究と将来の可能性のための基盤を築くことにありました。現在の状況の概要と、なぜビジネスユースケースがまだそのバリデータの上に構築されていない理由についての概要をご覧ください。
- 疎混合モデル: Bittensor は 1 つとして動作します疎な混合モデル. それは特定のAIモデルをこの混合物に引き付け、各々が検証者によって定義されたより大きな問題を解決するニッチな役割に対処しています。このモデルを最先端以上の状態に達するように構成および調整することは、複雑で反復的なプロセスです。この段階のロードマップは現在、Opentensor Foundationによって主導されています。
- 知識圧縮（蒸留）：知識圧縮はBittensorの中心的な研究焦点です。これには、ネットワークの効率と機能を向上させる蒸留技術が含まれています。
- 大きな目標に最適化する：Bittensorの主な焦点は、短期的なビジネスユースケースではなく、大きな目標に最適化することにあります。Opentensorは、価格設定システムを備えたシンプルなピアツーピアプラットフォームを超えるネットワークを作成することにコミットしています。
- 進捗状況と更新: 過去 1 年間で、Opentensor は、Bittensor を外部からの要求に開放した Synapse の更新を含め、大きな進歩を遂げました。2023 年 10 月、Revolution のアップグレードにより、サブネットワークを介した拡張が可能になりました。これにより、大規模なバリデーターは問題を独立して定義することができ、ステークからキャッシュフローの機会を生み出すことができます。
- 実世界拡張に向けて：FinneyネットワークはBittensorにとっての転換点となり、バリデーターがより独立して行動し、初期の中央集権化を減らすことができます。ネットワークのステークが増加し、ブロック報酬が増加すると、AIの成長を支えます。
- ホライズン上のAIビジネスユースケース：Bittensorは、ステークホルダー（人間やAIを含む）がインセンティブに従って、リアルワールドのAIビジネスユースケースの拡大を展望しています。 マルチおよびメタモダリティの実装が見通しにあり、サブネットワークを統一された「インテリジェンス」形式に統合します。
最新のRevolutionアップグレードにより、Bittensorは、特定のタイプのアプリケーションに特化したサブネットワークを誰でも作成できるようになりました。例えばサブネット 4使用しますJEPA(共有埋め込み予測アーキテクチャ)は、Metaが先駆けたAIアプローチです。Yann LeCunさまざまな入力および出力タイプ（ビデオ、画像、音声など）を単一のモデルで処理する
もう一つの注目すべき成果はCerebras, BTLM-3B-8K（Bittensor Language Model、3Bパラメーターモデルで、モバイルデバイスで高精度かつ高性能なモデルを実行できるようにすることで、AIを大幅に利用可能にします。 BTLM-3B-8Kは利用可能ですHugging Face商用での使用のためのApache 2.0ライセンス付き。
大規模なGPTモデルには通常100B以上のパラメータが必要で、推論を行うために複数のハイエンドGPUが必要です。しかし、MetaのLLaMAのリリースにより、わずか7Bのパラメータで高性能モデルを世界に提供し、ハイエンドPCでLLMを実行できるようになりました。
しかし、7Bのパラメーターモデルを4ビットの精度に量子化しても、iPhone 13（4GB RAMなど）などの多くの人気デバイスには収まりません。 3Bのモデルはほとんどすべてのモバイルデバイスに快適に収まりますが、3Bサイズのモデルは、従来の7Bサイズのモデルよりも大幅に性能が低下していました。
BTLMはモデルのサイズとパフォーマンスのバランスを取っています。30億のパラメータを持ち、これまでの30億サイズのモデルを大幅に上回る精度と能力を提供しています。
個々のベンチマークを見ると、TruthfulQAを除いて、BTLMはすべてのカテゴリーで最も高いスコアを獲得しています。
BTLM-3Bはすべての3Bモデルを凌駕するだけでなく、多くの7Bモデルと同等の性能を発揮します。
Revolution – ビットテンサーサブネットのアップグレード
10月2日に開始されたBittensor Revolution Upgradeは、Bittensorの開発における重要なマイルストーンを示し、その運用構造に大きな変化をもたらしました。このアップグレードの中心にあるのは、「サブネット」という画期的なコンセプトの導入であり、開発者に自前のインセンティブメカニズムを形成し、Bittensorエコシステム内で市場を確立するための前代未聞の自律性を与えています。
このアップグレードの主要な特徴の1つは、専用のプログラミング言語の導入であり、これは特にインセンティブシステムの構築に設計されています。この革新により、開発者はBittensorネットワークでの自分たちのインセンティブメカニズムを作成し実装する能力が強化され、その豊富な知識を活用して市場を自分たちの要件と好みに合わせることができます。
このアップグレードは、ネットワークのすべての側面を制御する単一の財団が中心となる中央集権モデルから、より分散型のフレームワークに向けての著しい脱却を表しています。さまざまな個人やグループが、今やサブネットを所有および管理する機会を持っています。
「サブネット」の導入により、誰でも独自のサブネットを作成し、インセンティブメカニズムを定義することができるようになり、Bittensorエコシステム内でさまざまなサービスを育むことが可能になりました。この変化は、Bittensorのミッションを支えるオープンさと協力の原則に沿って、ネットワーク内での多様性と分散化を促進しています。
さらに、サブネットは、新しい「ルートネットワーク」の代表者からコンセンサスを得ることで排出量を競い合い、イノベーションとリソース配分を推進できる競争力のある要素を導入します。
ユーザー作成のサブネットの出現は、それがグローバルな開発者コミュニティにドアを開けたときのEthereum上のアプリケーションの爆発を連想させることがあります。このアップグレードは、さまざまなツールやサービスを統合したポテンシャルを強調しています。本質的には、知性を形成するために必要なすべての要素が今や1つの屋根の下に収められ、単一のトークン（$TAO）によって規制されています。
ルートネットワーク
ルートネットワークは、Bittensorエコシステム内の重要なコンポーネントとして機能します。これは、他のサブネットに排出量を分散するという重要な役割を持つメタサブネットとして機能し、すべて主要な代表者からの重み付けされたコンセンサスに基づいています。この変化は、Bittensorを単一の制御システムから動的な「ネットワーク・オブ・ネットワーク」へと根本的に変えるものであり、本質的に変革的です。
重要なのは、排出スケジュールがもはや単独での制御下にないことですOpentensor foundation「ルート」ネットワーク内の代表者は、インセンティブの配布権限を持つようになりました。この変化により、インセンティブのコントロールが分散化され、単一のエンティティに完全に依存することなく、それを「ルート」ネットワークの手に置くことが可能となりました。
サブネット
Bittensorネットワーク内のサブネットは、プラットフォームと関わるマイナーにフレームワークを提供する自己完結型のインセンティブメカニズムであり、相互作用を規定するプロトコルを定義する重要な役割を果たしています。これらのサブネットは、マイナーと検証者の間の相互作用を規定するプロトコルを定義する重要な役割を果たしています。
さらに、インセンティブメカニズムの具体的な仕様はもはやBittensorのコードベースにハードコードされていません。代わりに、これらの詳細はサブネットリポジトリ内で定義されており、より柔軟性と適応性が可能となっています。
Bittensor は、プロンプト サブネットワークや時系列サブネットワークなどの特定のサブネットワークを導入します。プロンプトサブネットワークは、GPT-3、GPT-4、ChatGPTなど、さまざまなプロンプトニューラルネットワークの実行を可能にし、分散型推論を実現します。この機能により、ユーザーはネットワーク上のバリデーターと対話し、最もパフォーマンスの高いモデルから出力を取得し、高度なAI機能でアプリケーションを強化することができます。
サブネットは、ネットワークに貢献する価値に基づいて、マイナーやバリデータに$TAOトークンを配布することで稼働します。各サブネットリポジトリ内のコードによって、マイナーの応答やバリデータの評価プロセスに関する正確なルールやプロトコルが決定されます。
- 起動時には、9 つのサブネット スロットが使用可能になり、それぞれがデフォルトで 256 個の UID に対応します (1024 個に対応するサブネット 1 を除く)。サブネットは、「ルート」ネットワーク内のデリゲートからコンセンサスの重みを求めることで、排出量を積極的に競い合います。
- サブネットを登録するには、個人や法人はサブネットの存在期間中、特定額の$TAOをロックする必要があります。サブネット所有者は完全なネットワーク管理者の役割を担い、それぞれのサブネットを通じて分配されるエミッションを受け取る権利があります。彼らはネットワーク全体でsudoアクションを呼び出す能力を含む完全な権限を持ち、ネットワークの最小レートなどのハイパーパラメータを設定することができます。
- 各サブネットには固有のネットUIDが関連付けられており、サブネットの所有権は、登録に必要な$TAOをロックしたウォレットに移転されます。サブネットが作成されると、作成者のウォレットから対応する$TAOの金額が差し引かれ、サブネットに添付されます。サブネットが登録解除された場合、ロックされた$TAOはオーナーに返金されます。
- ステーキングされた$TAO内のサブネットで戻される排出量の18%がサブネットの所有者に授与されるという注目すべき側面があります。これにより、サブネット作成者は、代表者を引き付けるメカニズムを作成することにインセンティブが与えられ、ルートネットワーク上での登録抹消を回避する可能性が高まります。
- 新しく登録されたサブネットには、登録後1週間の免疫期間が与えられ、この期間中は登録を解除することはできません。初期ロックコストは2500ドルのTAOで設定され、新しいサブネットが登録されると倍増します。時間の経過とともに、ロックコストは徐々に減少し、オランダ式オークションメカニズムに似た線形パターンに従います。このアプローチは、時間とともにロックコストを調整することで、サブネットスロットへの需要の均衡を見つけることを目的としています。
- サブネットが登録解除されると、登録のためにロックされている$TAOは所有者に返され、サブネット内のすべてのマイナーが削除され、ネットワークの状態がリセットされます。
ルートネットワーク
ルートネットワークは、システム全体の排出スコアを決定する上で極めて重要な役割を果たしながら、他のサブネット上で動作し、他のサブネットに影響を与える「メタサブネット」として機能します。
その主な機能は、デリゲートを巻き込んだ重み付けコンセンサスメカニズムを使用して、各サブネットに対するエミッションベクトルを生成することです。 'ルート'ネットワーク内のデリゲートは、好みに基づいて異なるサブネットに重みを割り当て、最終的にコンセンサスメカニズムがエミッションの割り当てを決定します。
注目すべき点の1つは、 'root'ネットワークが実質的に元老院と委任メカニズムの役割を効果的に統合し、これらの機能を1つのエンティティにまとめていることです。この統合により、Bittensorエコシステム内の意思決定プロセスが合理化されます。
‘root’ネットワークには、排出割り当てに影響を与えることで、エコシステムを形作る権限があります。サブネットまたはシステムの特定の側面を価値のないと見なした場合、そのコンポーネントへの排出を減らすか、または排出を取り除く能力を持っています。
Bittensorネットワーク内のサブネットは、'root'ネットワーク内のデリゲートからの大部分のウェイトを積極的に引き付ける努力をしなければならず、重要なエミッションの一部を確保するために競争力を持たせる必要があります。この競争要素は、サブネットが広範なエコシステムに自らの価値と有用性を示す重要性を強調しています。
さらに、ネットワーク内の上位12つのキーに権限を与え、三頭政治によって提出された提案を拒否する潜在能力を持たせることで、システムにガバナンスとチェック＆バランスの追加レイヤーを提供しています。
セクター展望
テクノロジーの世界では、権力は長い間、わずかなテックジャイアントの手に集中してきました。 これらの巨大企業は、革新を推進するために不可欠な貴重なデジタル商品を制御してきました。 しかし、Bittensorは、より民主的でアクセスしやすいシステムを導入することで、この主流のパラダイムに挑戦しています。
Bittensorの基本的な洞察は、知性はコンピューティングパワーやデータなどのさまざまなデジタル商品の結果であるという理解にあります。歴史的に、これらの商品は技術巨人の領域に厳格に制御され、制限されてきました。Bittensorは、ユーザー作成のサブネットを導入することで、これらの枷を打ち砕くことを目指しています。これらのマーケットは統一されたトークンシステムの下で運営され、従来はビッグテックの閉ざされたエコシステム内の選ばれたごく少数の専売特許であったリソースに世界中の開発者が平等にアクセスできるようになります。
潜在的な採用
今日のデジタル時代において、人工知能（AI）の変革力は否定できません。AIは、研究を簡素化し、ワークフローを自動化し、コーディングを支援し、テキストからコンテンツを生成するなど、私たちの生活の重要な部分となっています。AIの能力の急速な成長は明らかですが、この成長には拡張性や、さらに重要な信頼性に関連する課題が伴います。
最近の出来事、例えばChatGPTがワシントンでAI規制に関する議論中に一時的に停止したことなどは、AIのスケーリングの課題に対処するための堅牢なソリューションの重要性を浮き彫りにしました。これらの障害は、AIが私たちの日常生活にますます統合される中で、ユーザーが安定性と信頼性について懸念しています。こうした瞬間に、Bittensorの$TAOの重要性が明らかになります。
Bittensor のアプローチは、オープンソースの AI を擁護するだけでなく、それが経済的にやりがいのある追求になり得ることも示しています。これは、ビットコインマイニングで見られる競争の進化を反映しており、最高のAIモデルが最前線に立つ繁栄する市場への道を開きます。この変化により、AI研究者はオープンでダイナミックな環境に専門知識を提供できるようになり、最終的には社会全体に利益をもたらすことができます。
$TAOは、ChatGPTが経験したような潜在的な問題を緩和できる分散型AIインフラを提供しています。Bittensorは、AIを分散化することで、需要が増え続ける中でもAIシステムの弾力性と信頼性を確保しています。このアプローチは、AIサービスの将来のための信頼性のある基盤を確立しています。
簡単に言えば、Bittensorはオープンソースの人工知能のグローバルマーケットプレイスとして登場し、クローズドソースのAI開発によって引き起こされる課題に対する説得力のある解決策を提供しています。
- AIの卓越性のための引力: Bittensorは、世界中の研究者から最高のAIモデルを引き寄せる引力として機能します。AIの自由市場を育成することで、ネットワークは最先端のモデルの提出を奨励します。成熟するにつれ、Bittensorは価格を下げ、プラットフォームリスクを排除し、テキスト、画像、ビデオ、その他の形式で最高のAI出力を提供します。
- 利益を上げるオープンソース：Bittensorは、オープンソースのAIを利益を上げる取り組みに変えます。Bitcoinの例に習って、Bittensorはステークホルダーが利益を追求するという前提で構築されています。このエコシステムでは、最高のAIモデルが最も多くのお金を稼ぎます。これはBitcoinマイニングの進化と並行し、競争的でプロフェッショナルな産業へと移行しています。PhD研究者は、自分たちの研究をこのオープンなマーケットプレイスに持ち込む機会を得ており、学術と民間産業の間の溝を埋めることができます。
- Impressive Scale: Bittensorのインセンティブは驚くほどの成果をもたらしました。ネットワークは4,000以上のAIモデルを提供し、驚異的な10兆のモデルパラメータを構成しています。これを理解するために、GPT-3には1750億個のパラメータがあります.
- 多様なステークホルダー：Bittensorのエコシステムには、マイナー、バリデータ、ノミネート、および消費者を含むさまざまなステークホルダーが関与しています。この多様な参加が、ネットワークの堅牢性と持続的成長を確保しています。
AIの現在の状態は重要な考慮事項であり、その多くは閉ざされた扉の後ろにあり、わずかなテックジャイアントの制御下にあります。これは、AIをオープンにして、協力的な環境で他のAIモデルから学ぶことができればどうなるかという問題を提起します。Bittensorの$TAOは、この問題に対する解決策を提供しようとしています。
- 成長による採用:大手AI企業の中には、独自のAI技術の公開を躊躇する企業もありますが、$TAOは興味深い提案をしています。これにより、マイクロトランザクションによるさらなる収益化の可能性がもたらされます。OpenAI のような確立された AI ソリューションが、Bittensor エコシステム内のトレーニング モデルを使用して製品やビジネスを構築するたびにマイクロペイメントを受け入れることを想像してみてください。これにより、これらの企業に新たな収益源が開かれ、オープンなAIネットワークへの参加が促進される可能性があります。
- 需要による採用：または、現在のAIソリューションが閉じられたままでオープンネットワークに抵抗していると仮定する。多額の資本を有していても、オープンソースがこれらの多額の資金提供を上回る可能性がある。財務リソースは技術の成長に不可欠ですが、自律的に学習し、環境から学習できる技術の潜在能力は過小評価すべきではありません。
オープンソースのジレンマ
AIモデルがオープンソースであるべきかどうかに関する議論は、AIのアラインメント問題への懸念が高まるにつれて注目されるようになっています。根本的な問題は、AIモデルの実際のコードが誰にでも自由にアクセス可能であるべきかどうかです。興味深いことに、OpenAIのような主要なプレイヤーが自分たちのモデルをオープンソース化しても、それが必ずしもBittensorに脅威を与えるわけではありません。オープンソース環境では、誰もがBittensorネットワーク上でこれらのモデルを利用することができます。
テックコミュニティ内では、この問題について意見の相違があります。一部は、AI技術のオープンソース化が悪意ある行為者にAIを有害な目的で悪用させる可能性があると主張しています。一方、他の人々は、AI技術の独占的な権利を主要な企業に与えることがより重大な危険をもたらすと主張しています。たとえば、OpenAIが大規模な資金調達に焦点を当てているように、AIパワーを数兆ドルの企業の手に集中させることは、倫理上の懸念を引き起こし、権力の乱用のリスクを明らかにする可能性があります。
Metaのオープンソースをオープンソースとして開発することに関するMetaの決済Llama2LLMは、業界がオープンソースのプラクティスを採用する方向にシフトしていることを示しています。この動きは、BittensorがMetaの進歩から学び、潜在的にネットワークに統合し、パフォーマンスのギャップをより迅速に埋める機会を提供します。
$TAOおよびOpenAIの評価を検討することは重要です。現在、OpenAIは業界で優位な立場を占めています。80Bドルから90Bドルの評価.ただし、Microsoftとその許可型クラウドサービスに大きく依存するクローズドエコシステム内で動作します。それにもかかわらず、OpenAIは世界中から優秀な人材を惹きつけることに成功しています。一方、時が経ち、オープンソースの取り組みが普及するにつれて、利用可能な人材のプールは指数関数的に拡大し、インターネットの隅々にまで届く態勢が整っています。このAIの専門知識の民主化は、Bittensorの採用を形作る上で重要な役割を果たす可能性があります。
競争の激しい景観 - 中央集権化されたAI
開発者の採用は、Bittensor のジャーニーにおける極めて重要な要素であり続けています。現在、開発者は OpenTensor Foundation によって開発された Python API を通じてネットワークと関わることができ、採用を促進するために堅牢な開発者コミュニティを育成することの重要性が強調されています。現在、Bittensorは、モデルの作成やトレーニングなど、ネットワークの重要な側面の分散化に積極的に取り組んでおり、コミュニティ主導の意思決定を促進しながら、最も細かく調整されたモデルに報酬を与えています。
興味深いことに、OpenAIやGoogleなど、AI分野の確立されたプレーヤーは、今や$TAOの競争相手になっています。彼らはAIのモデル生成段階に深く関与しており、さまざまな業界内での垂直統合の可能性にも挑戦しています。この文脈において、$TAOが直面している主な課題の1つは、データ格差の問題です。
Facebook、Apple、Amazon、Netflix、Google（FAANG）などのテックジャイアントとは異なり、意味のあるデータの膨大なリポジトリにアクセスできるが、クラウドソーシングされたコミュニティは同じレベルのリソースとデータアクセスを持っていないかもしれません。FAANG組織は、NvidiaのH100やGH200などの最新テクノロジーを含む頑丈なハードウェアで、AIモデルのトレーニングを大幅に加速させることができる財政的手段を備えています。
同時に、本日の主要なAIソリューションはすべて閉鎖的かつ中央集権的であるという点に留意することが重要です。これには、OpenAI、Google、Midjourneyなどの著名な企業が含まれ、それぞれが破壊的なAIソリューションを提供しています。しかし、閉鎖型とオープンソースモデルの間の差は急速に狭まっています。オープンソースモデルは、速度、カスタマイズ、プライバシー、総合能力の面で地歩を築いています。閉鎖型の対応モデルと比較して、比較的控えめな予算やパラメータサイズで印象的な機能を実現しています。さらに、これらのオープンソースモデルは加速されたタイムラインで運用され、結果を数週間で提供しています。
Google、独自の技術大手は、この変革的なトレンドを認識しています。漏洩した内部文書同社は、「私たちには堀がなく、OpenAIにもありません。」と述べています。この認識は、競争の激しい環境でオープンソースAIの影響力が高まっていることを強調しています。
この進化するAIエコシステムにおいて、$TAOは変革の触媒として浮上し、従来のAI開発とトレーニングのモデルに挑戦しています。その分散型アプローチとコミュニティ主導の倫理は、かつてテックジャイアントが絶対的な存在であったダイナミックな競技場において、競争相手としての地位を確立しています。
中央集権的なプラットフォームとは異なり、Bittensorのアーキテクチャは許可なしで知能にアクセスできるようになっています。これはAI開発者向けのワンストップショップとして機能し、外部からの貢献を受け入れながら、すべての必要な計算リソースを提供しています。この包括的なモデルは、インターネット上でニューラルネットワークを相互接続し、グローバルで分散されたインセンティブ駆動の機械学習システムを作り出しています。
AIの可能性を最大限に引き出すには、クローズドソースの開発手法とそれに伴う制限からの脱却が必要です。子どもたちが社会的な交流を通じて理解を深めるように、AIはダイナミックな環境で活躍します。多様なデータセット、革新的な研究者からの洞察、さまざまなモデルとの相互作用に触れることで、より堅牢でインテリジェントなAIシステムの構築が促進されます。AIの軌道は、単一のエンティティによって決定されるべきではありません。
この対照的な未来では、ブラックボックスのアルゴリズムと中央集権的な権威が支配する世界と、オープンで民主化されたAI環境との間の選択が、社会にとって非常に重要になります。
最初のシナリオでは、OpenAIやAnthropicのようなメガコーポレーションがAIソリューションの主導権を握る場合、常に監視体制の下で生活するリスクがあります。これらの企業は、個人データや日常的なやり取りに対して莫大な権力を持ち、サービスを停止したり、異なる意見や議論を行う個人を報告する権限を持つ可能性があります。
しかし、より楽観的な代替案は、AIが普遍的に所有されているネットワーク上に構築されたオープンソースプラットフォームに根ざした世界を提供します。ここでは、権力と制御が分散化され、AIは監視ではなくエンパワーメントのためのツールとして機能します。このシナリオでは、企業の偏見や検閲を恐れることなく、創造性と開発を繁栄させることができます。
インターネットが情報へのアクセスを民主化したように、オープンなAIエコシステムはインテリジェンスへのアクセスを民主化します。これにより、インテリジェンスが選ばれた少数の人々によって独占されることがなくなり、誰もが貢献し、学び、利益を得ることができる公平な競争の場が促進されます。
$TAOトークノミクス
- ビットコインと同様に、$TAOトークンの総供給量の上限は21,000,000で、256年後に発行されます。
- $TAOのハーフィングは、1050万ブロックごとに発生し、次の45年以上にわたって64回のハーフィングイベントが予定されています。
- ネットワークは、約12秒のブロック時間で動作し、1 $TAO がマイナーやバリデーターにブロックごとに報酬として支払われます。
- 現在、1日に均等にマイナーと検証者の間で発行される新しい$TAOトークンが7,200個に相当します。
ビットコインとのもう一つの類似点は、$TAOの発行スケジュールも、約4年ごとに発生する半減期の概念に従っていることです。ただし、これはブロック数ではなく、トークン発行総数によって決定されます。例えば、総供給量の半分が発行されると、発行率は半分になります。
重要なことに、登録をリサイクルするために使用される$TAOトークンは、未発行供給に燃やされ、半減間隔が徐々に延長されるようになります。このメカニズムにより、発行スケジュールが時間とともに動態的に調整され、ネットワークのニーズや経済的ダイナミクスを反映します。
The $TAO トークン Economy
Bittensorの$TAOトークン経済はそのシンプルさ、分散化へのコミットメント、公正な分配を特徴としています。多くの他のブロックチェーンプロジェクトとは異なり、$TAOトークンはICO、IDO、VCへのプライベートセール、チーム、財団、またはアドバイザーへの特権的な割り当てを通じてどの当事者にも割り当てられていません。代わりに、すべての流通トークンはネットワークへの積極的な参加を通じて獲得されなければなりません。
ネットワークには、鉱夫や検証者として参加するだけでなく、DCG、GSR、またはPolychainなど、市場メイキングサービスを提供する資本配置者も関与しています。重要なのは、どの資本配置者もプリセールやプライベートセールからのトークン割り当てを受けていないということです。
$TAOトークンは、ガバナンス、ステーキング、コンセンサスメカニズムへの参加、Bittensorネットワーク内の支払い手段として使用できます。
このようにして、バリデーターとマイナーはトークンを担保としてステークしてネットワークを保護し、インフレによる排出量を通じて報酬を獲得し、ユーザーと企業は$TAOを使用してネットワーク上に構築されたAIサービスやアプリケーションにアクセスすることができます。
新しい$TAOトークンは採掘と検証を通じてのみ生成されます。ネットワークは採掘者と検証者の両方に報酬を与え、各ブロックは1つの$TAO報酬を与え、採掘者と検証者の間で均等に分配されます。したがって、$TAOを取得する唯一の方法は、オープン市場でトークンを購入するか、採掘と検証活動に参加することです。
$TAOのわかりやすいトークン配布モデルは、Satoshi Nakamotoによって設定されたBitcoinの精神を思い起こさせる分散の原則を反映しています。$TAOのジェネシスの鋳造は、Bitcoinのエミッションスケジュール($BTC)に合わせており、ネットワークに価値を提供する人々に平等な機会を提供しています。このアプローチは、特に重要な社会的影響を持ち、選ばれた少数によって支配されるべきではないAIの領域で、権力と所有権の集中を防ぐことの重要性を強調しています。
この流通モデルにより、マイニングは競争力のあるプロセスであり続けることができます。より多くのマイナーがネットワークに参加すると、競争が激化し、収益性を維持することが困難になります。これにより、マイナーは運用コストを削減する方法を見つけ、ネットワーク内の効率と革新を促進するようになります。
$TAOのバリューキャプチャ
Bittensorネットワークのネイティブトークンである$TAOは、エコシステムにおける独自の役割からその本質的な価値を引き出しています。ネットワークトークンがブロックスペースの販売から価値を引き出す標準的なL1モデルとは異なり、$TAOの価値は、それを可能にするAIサービスに結びついています。これらのAIサービスがより影響力と有用性を高めるにつれて、$TAOの需要が高まります。
$TAOを保有すると、データ、帯域幅、およびネットワーク参加者によって生成および検証された知能など、幅広い相互接続されたデジタルリソースにアクセスできます。 発行スケジュールによって反映されるように、$TAOの価値は推測や希少性だけでなく、Bittensorネットワーク内で提供される具体的な貢献とユーティリティに深く根ざしています。
しかし、この創造と報酬のサイクルを維持することは保証されていません。マイナーやバリデータは、ネットワークに貴重な情報を提供し、報酬として$TAOトークンを獲得する一方、ビットコインのマイナーと同様に経費を賄うために売却する動機も持っています。
トークン価格の価値はどのようにして決まりますか？
他のトークンと同様に、$TAOの価格は供給と需要の基本的な経済原則によって決定されます。$TAOへの需要が増加すると価格が上昇し、需要が減少すると価格が下落します。そのため、エコシステム活動からの需要が供給のアンロックを相殺するという考え方です。
ネットワークへの貢献によってのみ、$TAOを取得できます。そのためには、ネットワークの利用を開始するために購入および保持するか、消費する必要があります。
- 需要ドライバー:
- エコシステム活動:
- バリデータは登録に$TAOトークンが必要です。
- ユーザーは知能調整に関連する投票プロセスに参加するために$TAOを購入することができます。
- ネットワーク内での支払いとして使用します。
- ステーキングおよびデリゲートされた$TAOの需要は、ステーキング報酬を得るために役立ちます。これにより、インフレーションの排出に対して保護することができます。
- 投機的プレミアムは、ブロックチェーンとAIのような2つの破壊的テクノロジーを融合させることによるアップサイドの可能性に賭ける方法です。
- ネットワーク効果は、より多くの開発者がネットワークに参加し、オープンソースモデルの潜在能力を活用することで生じる。
- エコシステム活動:
- サプライドライバー：
- 21,000,000の総供給量に達するインフレ排出量からのトークン発行
- マイナーや検証者は、運用費用を賄うために$TAOトークンを売却することがあります。この側面は、ビットコインマイナーが費用を賄うために売却することに似ています。
ネットワークが拡大し、より多くのAIモデルやサブネットが追加されるにつれて、価値の捕捉の可能性が高まります。ネットワークの成長は、AIとブロックチェーンのシナジーによっても促進され、自己強化サイクルが作られています。
この方法により、Bittensorは、ネットワークの価値が接続されたユーザーまたはノードの数の二乗に比例するメトカーフの法則の原則を具体化しています。より多くの参加者がネットワークに参加すると、提供される価値が指数関数的に増加します。
そのような価値をどのように捉えるか
Bittensorでは、バリデータはトークン保有者からステークを集めるためにインセンティブを受けます。このステークは、ネットワーク内での彼らの運営にとって基本的なものです。トークン保有者として、あなたはさまざまな異なるバリデータを選択して、$TAOをステークすることができます。最も一般的なオプションは、ネットワーク所有権の約20%を持つOpenTensor Foundationです。
現在、バリデータは報酬の82%をデリゲートに$TAOトークンの形で分配しています。その結果、$TAOの委任トークンをバリデーターに提供することは、トークン保有者がステーキング報酬を獲得する機会を提供します。これにより、インフレーションからの潜在的な希釈に対してユーザーを保護するのに役立ちます。
- バリデータの報酬率は現在22.45%です
- ステーキング報酬は現在18.41%です
リスク/リワードと時間軸
ポートフォリオの一部を$TAOに割り当てるリスク/リワードを評価する際には、実際に購入しているものを認識することが重要です。たとえば、購入によってUSDで支払われる収益権を持つわけではありません。代わりに、トークンの発行が与えられます。トークン保有者として、それらの発行を委任し、APYを稼ぎ、$TAOの保有量を増やすことができます。
Bitcoinとの類推は明確ですが、$BTCには独自の物語が含まれており、それがユニークである理由があります。誰もが$BTCの価値が何であるか、なぜある種の価値があるのかを満足できる回答を提供できないため、コミュニティはノーコイナー、"シットコイナー"、およびマキシマリストの間で部族間の戦争を体現することになります。
実際、Bitcoinのトークン経済は理解しやすい：$BTCはマイナーに運営およびネットワークを実行するためのインセンティブとして使用されます。その結果、既存の保有者は希薄化されます（ただし、マイナーになることもできます - Bittensorの場合はデリゲートになることもできます）。したがって、トークンを保有する者は報酬を受けず、基盤となるネットワークからインセンティブを受け取りません。
しかし、$BTCの場合は、考慮すべき重要な要素があります。それは希少性です。2100万ドルしかないという事実がそれをユニークにしています。そして、$TAOのトークン経済はBitcoin自体をモデルにしていますが、未発行のトークンは70%以上あります。これは投資家にとって、ネットワークの分散化を重視するか、資産の希少性を重視するかというジレンマを提起しています。
最終的に、$TAOの有用性は、AIモデルへのアクセス、ガバナンスのための使用、ステーキング報酬へのアクセス、およびインセンティブメカニズムとしての利用から生じます。
運用費用
現在のインフラ整備は支払われていますOpentensor Foundation彼らへの委任からの資金援助や委任報酬によって行われています。他の開発は、自分自身の検証者を運営し、委任によって資金提供されている第三者によって行われています。
世界的な取り組みには、研究、開発、展開のための資金が必要ですが、AIの成功は資本の調整とステークホルダーが貢献に対して報酬を受け取る方法にかかっています。研究やトレーニング用のGPUなどのリソースの戦略的な配分が、AIの成長と影響を促進しています。
AIの領域では、特にChatGPTのような大規模言語モデルの場合、運用コストは膨大です。たとえば、OpenAIはおよそを費やすと推定されています。1日あたり70万ドルでChatGPTを運営する大規模AIモデルに関連するかなりの財政負担を強調しています。トレーニングコストは、それぞれのモデルについて数百万ドルから数千万ドルに及ぶ可能性があり、それにより、よりリソース集約的な取り組みとなります。大規模データセットでモデルをトレーニングするコストはさらに高くなり、3,000万ドルに達することもあります。
同社は、Microsoftからの最近の投資(約半分はAzureクレジットの形で)を含め、多額の資金を調達しているが、大規模言語モデルのトレーニングコストの増大が懸念されている。各トレーニングの実行には数百万ドルの費用がかかり、新しいモデルをゼロから始める必要があるため、この問題が悪化しています。
これがBittensorの「知識の複合」というアプローチが関連してくる場所です。 Bittensorのユニークなアプローチは、分散化と「知識の複合」を通じた協力に焦点を当てています。 この哲学により、AIシステムは分散的に既存の知識を基に構築することができ、次のような利点があります:
- コスト効率：既存の知識を活用し、それを継続的に改善することにより、Bittensorのアプローチは、高額なゼロからの再トレーニングの必要性を削減する可能性があります。
- 適応性：大規模なAIアプリケーションはしばしば変化するニーズや課題に直面します。ここで分散アプローチが組織がより柔軟にAIシステムを適応させ、動きやすく、ダイナミックな環境で有効性を保つことを可能にします。
- 分散化：Bittensorの分散型ネットワークは、単一のエンティティや中央集権的インフラへの依存を減らし、世界中の貢献者コミュニティに力を与えます。これにより、AI開発における革新と多様性が促進されます。
- コラボレーション：Knowledge Compoundingの協調的な性質は、ネットワーク内のノード間での知識共有と協力的な学習を促進し、AIの発展に向けたダイナミックな環境を育んでいます。
チームと投資家
Bittensorは、分散型の、ブロックチェーンベースの機械学習ネットワークを支えるオープンソースプロトコルです。Bittensorの背後にいるチームには、Jacob Steeves（創設者）Ala Shaabana(創設者),ジャクリンドーン(マーケティングディレクター)、およびSaeideh Motlagh（ブロックチェーンアーキテクト） among others. オーペンテンサーファウンデーションは、今年、チームを拡大する予定です。
Bittensorのホワイトペーパーにも言及されているYuma Raoというペンネームがありますが、ビットコインのサトシ・ナカモトと同様です。この人物が実在するかどうかはわかりませんし、彼または彼女について詳しく知ることはできないかもしれません。
Bittensorは、OpenTensor Foundationから資金を受け取っていることを除いて、特筆すべきアドバイザーや主要投資家を公表していません。OpenTensor FoundationはBittensorの開発を支援する非営利団体です。また、Bittensorは公式なパートナーシップも発表していません。
論文
ほとんどのテック企業は、パンデミック前の評価から大幅に下落していますが、AI企業は評価倍率と成長率の両方で史上最高値に達しています。
業界の巨人よりもはるかに低い時価総額を持つBittensorは、実際には大規模/高需要のAIアプリケーションやオープンソースモデルの利用に最適なプレイグラウンドかもしれません。
明らかにアップサイドを測定するための最も簡単な比較は、OpenAIの$29Bでのプライベート評価との比較です。現実的かどうかは別として、これは$TAOのFDVよりも28倍以上高いです。全供給が流通に入るのにかかる時間を考慮すると、OpenAIのプライベート評価が$TAOの時価総額の108倍以上である一般的な数字を導き出すことができます。
ただし、これはAIと暗号通貨の交差点に位置するプロジェクトに賭けることとして単純化できる、非常に投機的なアプローチです。
心に留めておくべき最も重要な特徴は、BittensorがAIの中心化の問題に取り組んでいるという事実です。現在、少数の企業が大規模かつ強力なモデルの少数をコントロールしていますが、それらはすべて孤立しており、ほとんど協力や知識共有がありません。
隔離されたAIモデルはお互いから学ぶことができず、そのため非複利（研究者は新しいモデルを作成するたびにゼロから始める必要があります）。これは、AI研究とは対照的であり、新しい研究者は過去の研究者の業績に基づいてモデルを構築することができ、アイデアの開発を加速させる複利効果を生み出します。
サイロ化されたAIは、サードパーティのアプリケーション＆データの統合がモデル所有者（技術提携＆ビジネス契約の形で）の許可を必要とするため、機能面でも制限されています。この制限はAIの価値と有用性に直接影響を与え、効果的にパワーを供給できるアプリケーションの範囲と同じくらい価値があります。
この中央集権的で勝者総取りの環境は、リソースの少ない小さなチームにとって有益ではありません。この文脈において、Bittensorの中心的な強みは、分散型ネットワークとインセンティブメカニズムにあり、これにより小さなチームや研究者が自分たちの作業を収益化することが促進されます。
BittensorがGPT-4などの主要なクローズドソースAIプロバイダーとのパフォーマンスギャップを縮めることに成功すれば、開発者、企業、研究者にとっての選択肢となる可能性があります。そのオープンで協力的な性質は、クローズドエコシステムへの魅力的な代替手段として位置付けられ、大規模な採用につながる可能性があります。
最終的に、TAOの評価は、ネットワークのユーティリティ（上に構築された経済活動）から派生するか、プロトコルへの直接的なキャッシュフローから派生する可能性があります。
- ユーティリティトークンとして、$TAOはネットワークにアクセスするために必要です。したがって、その評価はその上に構築された経済的ユーティリティから導かれる可能性があります。
- ステーキングトークンとして、ホルダーは$TAOをバリデータに委任し、ネットワークの収益の一部を受け取ることができます。
- 我々は市場シェアと複数の仮定に基づいて収益を測定することもできます（これにより予測値が信頼性を失うこともあります）。
ユーティリティは価値に対してより主観的で抽象的なため、キャッシュフローから始めることができます。将来、ML市場が一定の市場規模に達すると仮定して（参照Precedence Researchの試算以下の画像のように、Bittensorネットワークの価値を、潜在的な市場シェアと収益の倍数に基づいて評価することができます。
市場規模の見積もりに関係なく、Bittensorは依然として理解が高度に専門化された複雑なプロジェクトであり、これは開発者の簡単な導入やユーザーの採用に対する障害となっています。
プロジェクトはまだ非常に早い開発段階にあり、ネットワークに予期せぬ問題が発生する可能性があります。例えば、6月には、マイナー間での共謀があり、ネットワークでゲームを行い、$TAOが市場で売られた問題が発生しました。一時的な修正策は、排出量を90%減らして、Opentensor Foundationがネットワークを正直に保ち、プロトコルが意図した通りに動作するための解決策に取り組むための余分な時間を与えることでした。
現在ネットワーク上でライブ中の大部分の製品は、中央集権的な対抗馬に対抗することはできず、これまで採用率が低い状況です。自分で学んで試す最良の方法は、提供されているサービスをテストすることです。ビットテンソル ハブ.
Bitcoinのトークノミクスが、BittensorのようなAIサービスを提供するネットワークに適しているかどうかも問うべきです。おそらく、$BTCの不膨脹的な性質は、増加するマイナーやアプリケーションのスケールを実現するために必要なネットワークにとって最適ではありません。理想的には、ネットワークの採用の増加に伴いトークンが膨脹するべきであり、デジタルゴールドよりもデジタルオイルに似ています。ある意味、これはすでに組み込まれており、マイナー同士の競争を促し、供給を200年以上にわたって分散させるよう設計されています。
別の課題は、データをニューラルネットワークを通過する前に暗号化することが不可能であるため、プライバシーです。これは分散型の環境ではさらに問題があります。なぜなら、学習および推論プロセスを通過するデータは確かにプライベートではないからです。集中型でもこの潜在的な問題がありますが、その場合はデータを見るのは既知の1つの当事者だけを心配すればよく、未知の多くではありません。
経済学
トークン価格
ATHとATLに対する価格
サプライディストリビューション
結論
Bittensorは、AIと暗号の交差点に賭ける強力な賭けとなり得ます。ただし、成長率やポテンシャルの上昇を評価する際には、間違いなく最も複雑なプロジェクトの1つです。
分散型ネットワークには、特にオープンソースモデルをインセンティブ化し、ネットワークの所有権を分散化する際に、AIの有用性を活用する潜在能力が明らかにあります。ただし、Bittensor上に構築されたサービスやビジネスケースは、まだ十分に競争力がありません。
AIは、業界の巨大な運営費用と大量の資金が必要で、それは業界の巨人だけが実現可能なものです。この意味で、Bittensorは非常に反対の賭けであり、そのためできるだけ多くのリスクリワード要因を考慮する価値があります。
参照
ビットテンサー – TAO
- ウェブサイト
- ドキュメント
- ホワイトペーパー
- ユマコンセンサス
- エクスプローラー
- タオブリッジ
- デリゲート
- Taostats
- TAOニュース
- Coingecko
- Discord
- コミュニティTelegramグループ
- Github
- @Bittensor">Youtube
- ブログOpentensor基金
- LinkedIn Opentensor Foundation
- Bittensor subnet template
- バリデーターリスト
外部ソース
免責事項：
- この記事は[から転載されましたrevelointel]. すべての著作権は元の著者に帰属します [revelointel]. もしこの転載に異議がある場合は、お問い合わせください。Gate Learnチーム、そして彼らは迅速に対処します。
- 責任の免責事項：この記事で表現される見解や意見は、作者個人のものであり、投資アドバイスを構成するものではありません。
- 他の言語への記事の翻訳は、Gate Learnチームによって行われます。特に指定されていない限り、翻訳された記事のコピー、配布、または盗作は禁止されています。
相关文章
ステーブルコインとは何ですか？
Cotiとは? COTIについて知っておくべきことすべて
In-Depth Exploration: How Bittensor Network and TAO Token Revolutionize the AI Industry
導入
概要
ピア・ツー・ピア・インテリジェンス・マーケット
デジタル商品取引所の台頭
歴史
現在の状況
革命- Bittensorサブネットのアップグレード
セクターの展望
$TAO トークン経済
チームと投資家
論文
経済学
結論
参考文献
導入
最近、AIの爆発的な人気と増加に伴い、AIと暗号通貨が交差する場所についてさまざまな論文が出てきました。これらのイノベーションは、デジタル資産の管理から知的財産の保護、詐欺の防止まで、私たちのデジタルライフのさまざまな側面を革新する可能性を秘めています。特筆すべきは、この収束が2つの主要なトレンドを生み出していることです。
- AIとブロックチェーンインフラストラクチャーの統合、たとえばRender（$RNDR）、Akash（$AKT）、またはFetch.ai（$FET）のようなもの。
- 機械学習インテリジェンスの生産をインセンティブするプロトコルの登場、例えばBittensor（$TAO）のようなもの。
ブロックチェーンの以前のAIアプリケーションは主にインフラに集中し、AI/MLモデルのストレージやGPUのレンタルを可能にしました。これにより、トークンをインセンティブとした強化学習、zkML、およびディープフェイクと戦うためのブロックチェーンベースのアイデンティティレジストリなどのトレンドが生まれました。同時に、並行して別のトレンドが勢いを増しています：知能をインセンティブとするプロトコル。
このレポートでは、Bittensorと$TAOトークンを中心に、AIと暗号通貨の交差点に掘り下げ、ピア・ツー・ピア・インテリジェンス・マーケットプレイスとデジタル商品マーケットプレイスの台頭を探ります。
最新の利用をするレボリューションアップグレード10月2日に行われたことに加えて、歴史的な概要、セクター展望、競争分析、および$TAOの価値提案に関する洞察も提供しています。
概要
Bittensorは、ブロックチェーン駆動のインセンティブ構造を通じてAI開発を推進することを核とするオープンソースプロトコルです。このエコシステムでは、貢献者は彼らの努力に対して$TAOトークンで報酬を受け取ります。
Bittensorは、トークンインセンティブを利用して参加を促進し、オープンさと分散を維持する原則を守りながら、マイニングネットワークとして機能します。このネットワーク内では、複数のノードが機械学習モデルをホストし、知能プールに寄与しています。これらのモデルは、幅広いドメインで包括的なテキストデータの分析、意味の抽出、貴重なインサイトの生成に重要な役割を果たしています。
ユーザーにとって、必須機能には、インテリジェンスへのアクセスをクエリする能力、$TAOトークンのマイニングのためにマイナーやバリデータと関わる能力、およびウォレットと残高を管理する能力が含まれます。
Bittensorのネットワークは、鉱夫、検証者、ノミネート者、消費者を含む多様な利害関係者の貢献に依存しています。この協力的なアプローチにより、最高のAIモデルがトップに立ち、ネットワークによって提供されるAIサービスの品質が向上します。
供給側には2つのレイヤーがあります：AI（マイナー）とブロックチェーン（バリデーター）
- Bittensorネットワーク内のマイナーは、AIモデルをホストし、その成功は提供される品質とパフォーマンスによって決定されます。
- マイナーは、ネットワークに貢献した知識に基づいて$TAOで補償されます（ただし、これは具体的なタスクに依存します）。
- トップ評価モデルは需要が高く、鉱夫により多くの収入をもたらします。
- バリデータはネットワーク内で評価者として機能します。彼らはAIモデルの品質と効果を評価し、ユーザーリクエストを管理します。これにより、バリデータは特定のタスクのパフォーマンスに基づいてモデルをランク付けし、消費者が最適なソリューションを見つけるのを支援します。彼らの評価がより正確で一貫しているほど、報酬も増えます。同様に、一貫性のない評価はペナルティを引き起こす可能性があり、バリデータが高い基準を維持することを保証します。
- バリデーターは、鉱山労働者を「知的貢献」に基づいてランク付けするために、$TAOでインセンティブが与えられます。
- バリデーターは、最適な出力を生成するために入力をルーティングする責任も担っています。これは、互いに補完する鉱夫（モデル）間の連携（サブネットワーク）を形成することによって達成されます。
需要側では、開発者はバリデーターの上にアプリケーションを構築し、ネットワークからユースケース固有のAI機能を利用（および支払う）することができます。
- ノミニーは、$TAOトークンを保有し、それらを特定のバリデータを支持するためにデリゲートすることで積極的に支援する個人です。このデリゲーションにより、バリデータはさらなるサポートと報酬を得ることができます。ノミニー自体もこのプロセスへの参加に対する報酬を得ます。バリデータが期待以下の成績を収めた場合、またはノミニーがより良い選択肢があると考える場合、彼らは別のバリデータにサポートを移すことができます。
- 消費者はBittensorによって提供されるAIモデルの最終ユーザーです。彼らは、アプリ開発者から彼らのアプリケーションにAI機能を統合することを求めるチャットボットユーザーまでさまざまです。
- 消費者は正確で価値のある回答を優先します。
- 開発者は特に、彼らの要件に最も適合すると考える検証者を選択し、ユーザーに最高のAIサービスを提供することを確実にします。
上記にリストされたステークホルダー間の連携の製品は、特定のユースケースに最適なモデルを促進するネットワークを生み出します。誰もが実験できるため、クローズドソースのビジネスが競争するのは難しいです。
クレジット -AI Legos: ザBittensorテーゼby David Attermann
最も一般的な誤解の1つは、ネットワークがMLトレーニングをサポートしているということです。現在の状態では、Bittensorは推論のみをサポートしており、これは証拠と推論に基づいて結論を導き、回答を提供するプロセスです。一方、トレーニングは、機械学習モデルにタスクを実行させるための教育を含む異なるプロセスです。これは、モデルにラベル付きの例の大規模なデータセットを提供し、データとラベルの間のパターンと関連付けを学習させることで達成されます。一方、推論では、訓練された機械学習モデルを使用して新しい、見たことのないデータについて予測を行います。たとえば、画像を分類するために訓練されたモデルは、新しい、以前に見たことのない画像のクラスを判定するために推論に使用されることがあります。
したがって、Bittensorはオンチェーンの機械学習を実行しないことに注意することが重要ですが、むしろオンチェーンのOracleまたはオフチェーンのMLノード（マイナー）を接続および組織化する検証者のネットワークのように機能します。この構成により、複数のモデルを組み合わせた分散型の専門家（MoE）ネットワークが作成され、異なる能力に最適化された複数のモデルを組み合わせて、より強固な全体モデルを形成します。
ピア・ツー・ピア・インテリジェンス・マーケット
Bittensorのピアツーピアインテリジェンスマーケットプレイスは、AI開発の分野で先駆的なコンセプトであり、分散化された許可なしのプラットフォームを提供し、OpenAIやGoogleのジェミニのようなより閉じたモデルとは対照的です。
このマーケットプレイスは競争力のあるイノベーションを育成し、AI産業の成長を促進し、開発者やユーザーのグローバルコミュニティにAIを利用可能にすることを目的として設計されています。どんな形の価値でもインセンティブを与えることができます — 任意のデジタル商品に対して公正な市場をインセンティブ付け/作成するためのプロトコルです。
言い換えると、プロトコルはネットワーク内の参加者の間で機械学習の能力と予測を交換するためのピアツーピアアプローチを具現化しています。機械学習モデルとサービスの共有と協力を促進し、オープンソースとクローズドソースの両方のモデルがホストされる協力的かつ包括的な環境を推進しています。
デジタル商品取引所の台頭
Bittensorは、デジタル商品マーケットの出現の基盤を築く点でユニークであり、機械知能を取引可能な資産に効果的に変換します。そのプロトコルの中心には、機械知能が商品化されるマーケットプレイスが確立されています。
Bittensorのインセンティブシステムは、ジェネティックアルゴリズムのように、継続的にマイナーのパフォーマンスを評価し、時間の経過とともにマイナーを選択またはリサイクルします。このダイナミックなプロセスにより、ネットワークが効率的でAI開発の進化する環境に対応できるようになります。
Bittensorインテリジェンスマーケットプレイスでは、価値の創出は二重アプローチに従います:
- マイナーがホストする高性能AIモデル、貢献者として知られる人々は、$TAOトークンの形で報酬を受け取ります。
- バリデータは、知能を評価し活用することで、$TAO トークンで報酬を受け取ります。
Bittensorは単なるパフォーマンスだけでなく、最も価値のある「シグナル」の生成に重点を置いて報酬を与えることが価値があるということに値する。つまり、報酬システムは広範な観衆に実質的な利益をもたらす情報の創造を優先し、最終的により価値のある商品の開発に貢献しています。
ユマコンセンサス
独立したレイヤー1ブロックチェーンとして、BittensorはYumaコンセンサスアルゴリズムによって動作しています。これは分散型のピアツーピアコンセンサスアルゴリズムであり、計算リソースの公正な分配をノードネットワーク全体に可能にします。
Yumaは、プルーフ・オブ・ワーク（PoW）とプルーフ・オブ・ステーク（PoS）の要素を組み合わせたハイブリッドなコンセンサスメカニズムで動作します。ネットワーク内のノードは、トランザクションを検証し新しいブロックを作成するために計算作業を行います。この作業は他のノードによって検証され、成功した貢献者にはトークンが報酬として与えられます。PoSコンポーネントは、ノードがトークンを保有することを促し、彼らの利益をネットワークの安定性と成長と一致させる役割を果たします。
従来のコンセンサスメカニズムと比較して、このハイブリッドモデルにはいくつかの利点があります。一方で、Proof of Work（PoW）にしばしば関連する過剰なエネルギー消費を避け、環境問題に対処しています。他方で、Proof of Stake（PoS）で見られる中央集権化のリスクを迂回し、ネットワークの分散化とセキュリティを維持しています。
Yumaコンセンサスメカニズムは、計算リソースを広範囲のノードネットワークに分散させる能力で際立っています。このアプローチには遠大な影響があり、より複雑なAIタスクの処理やより大きなデータセットの処理を容易に行えるようになります。ネットワークに追加のノードが組み込まれると、自然にますます大きな作業量に対応できるようにスケールします。
従来の中央集権型AIアプリケーションが単一のサーバーまたはクラスターに依存しているのに対し、Yumaパワードアプリケーションはノードネットワーク全体に分散することができます。この分散により、計算リソースが最適化され、単一障害点やセキュリティの脆弱性に関連するリスクを軽減しながら複雑なタスクに取り組むことが可能になります。
ナレッジディスティレーション – デジタルハイブマインド
知識の蒸留は、Bittensorプロトコル内での基本的なコンセプトであり、ネットワークノード間での協力学習を促進し、パフォーマンスと精度を向上させます。人間の脳内のニューロンが協力する方法と同様に、知識の蒸留はノードがネットワーク内で共同して改善することを可能にします。
このプロセスは、ノード間でデータサンプルとモデルパラメーターの交換を行い、より正確な予測のために時間の経過とともに自己最適化するネットワークを形成します。各ノードは共有プールに貢献し、ネットワーク全体のパフォーマンスを向上させ、ロボティクスや自動運転車などのリアルタイム学習アプリケーションに適しています。
この方法は、機械学習における一般的な課題である壊滅的な忘却のリスクを緩和します。ノードは既存の知識を保持し拡大させながら新しい洞察を取り込み、ネットワークの弾力性と適応性を向上させます。
複数のノードに知識を分散させることで、Bittensor TAOネットワークは障害や潜在的なデータ侵害に対してより強靭になります。この頑健性は、特に金融や医療情報などの高セキュリティかつプライバシーに敏感なデータを扱うアプリケーションにとって非常に重要です（プライバシーについては後述）。
エキスパートの混合（MoE）
革新をさらに進め、Bittensorネットワークは分散型エキスパートの混合（MoE）の概念を導入します。このアプローチは、異なるデータの側面に特化した複数のニューラルネットワークの力を活用します。新しいデータが導入されると、これらのエキスパートは個々のエキスパートだけでは達成できないより正確な集合的な予測を生み出すために協力します。
採用されているコンセンサスメカニズムは、ディープラーニングとブロックチェーンコンセンサスアルゴリズムを組み合わせたものです。その主な目的は、ネットワークに最も情報価値を提供するピアにインセンティブとしてステークを分配することです。要するに、ネットワークの知識と能力を高めた人に報いるのです。
Bittensorプロトコルの核心は、しばしばニューロンと呼ばれるパラメータ化された機能から構成されています。これらのニューロンはピア・ツー・ピア方式で分散されており、それぞれがデジタル台帳に記録されたゼロ個以上のネットワークの重みを保持しています。ピアはお互いをランキングし、隣接ノードの価値を決定するためにニューラルネットワークをトレーニングしています。このランキングプロセスは、個々のピアのネットワーク全体のパフォーマンスへの貢献を評価する上で重要です。
このランキングプロセスを通じて生成されたスコアはデジタル台帳に蓄積されます。上位の仲間は報酬を受け取り、ネットワーク内での重みをさらに増やします。これにより、仲間の貢献と報酬との直接的な関連が確立され、ネットワーク内での公平性と透明性が促進されます。
このアプローチは、インテリジェンスが他のインテリジェンスシステムによってインターネット全体を横断してピア・ツー・ピアの形で価格設定されるマーケットプレイスを提供しています。これにより、他のピアに知識と専門知識を継続的に向上させるようインセンティブが与えられます。
報酬の公平な分配を確保するため、Bittensorは、協力ゲーム理論から借用した概念であるシャプレー値を採用しています。シャプレー値は、ネットワークのピア間での貢献に基づいて報酬を公平かつ効率的に配分する方法を提供します。インセンティブを貢献と一致させることで、ノードがネットワークの最善の利益のために行動するよう促し、セキュリティと効率性を向上させ、継続的な改善を推進します。
Bittensorの中核任務は、分散フレームワークを通じてAI領域での革新と協力を促進することに焦点を当てています。このフレームワークにより、知識の迅速な拡大と共有が可能となり、絶えず成長し続け、止められない情報ライブラリが作成されます。このマーケットプレイスでは、開発者は自らのAIモデルを収益化し、企業や個人に有益なソリューションを提供する力を与えられています。
Bittensorのビジョンは、AIモデルが幅広い産業で簡単にアクセス可能で展開可能な未来にまで広がっています。このアクセシビリティは進歩を促し、新しい可能性を開拓し、AIの能力と現実世界のアプリケーションとの間のギャップを埋めるものです。
Chat GPTなどの主要なグローバルAIモデルと同様に、Bittensorモデルは普遍的なデータセットに基づいて '表現' を生成します。モデルのパフォーマンスを評価するために、フィッシャーの情報ネットワークからノードを削除する影響を推定するために利用され、人間の脳のニューロンの損失に似ています。
モデルのランキングを超えて、Bittensorはインタラクティブな学習に重点を置いています。各モデルはネットワークと積極的に関わり、他のモデルとの相互作用を求めます。これは、DNSルックアップに似ています。 Bittensorは、これらのモデル間でデータ交換を促進するAPIとして機能し、共同学習と知識共有を促進します。これにはオープンソースとクローズドソースのモデルの両方が使用されます。
Yumaコンセンサスを使用して、誰もがルールに従うことを保証し、エコシステムはオープンソース開発者やAI研究所にとって推進力となり、オープンな基盤モデルを向上させるための金銭的インセンティブを提供しています。
基本的に、Bittensorは常に拡大し続ける機械知能のリポジトリとして機能します。これは、4つの異なるレイヤーを組み合わせることによって達成されます。
- マイナーレイヤーはネットワーク内で価値ある仕事を生み出す責任があります。
- バリデーターレイヤーは、マイナーが合意の確立されたルールに従うことを保証します。
- エンタープライズレイヤーは、既存のインフラをベースに革新的な製品やサービスを開発するための基盤として機能します。ネットワークの集合知を活用して新しいソリューションを生み出すプラットフォームとして機能します。
- 企業層が生み出す成果を受け取るのは、消費者層です。それは、Bittensorネットワークで提供される製品やサービスを利用するエンドユーザーや組織を表しています。
歴史
Bittensorは2019年に2人のAI研究者によって設立されました。Jacob SteevesそしてAla Shaabana（および疑名を用いた白書の著者であるYuma Raoを含む）は、AIを複利化する方法を探していました。彼らはすぐに、暗号通貨が解決策になり得ることに気づきました-特定の問題について一緒にトレーニング＆学習するための世界中のMLノードのネットワークを促進し調整する方法。ネットワークに追加される増分リソースは、前の研究者＆モデルによって行われた作業に複利効果をもたらします。
Bittensorの旅は、2021年1月に「草薙（Kusanagi）」のローンチで始まり、ネットワークのアクティベーションを記念し、マイナーやバリデーターが最初の$TAO報酬を獲得することを可能にしました。しかし、この最初のイテレーションはコンセンサスの問題により一時停止を迎えました。これに対応して、Bittensorは2021年11月に「中本（Nakamoto）」にフォークしました。
2023年3月20日、『中本』が再度フォークされ、今度は『フィニー』に進化し、重要なマイルストーンが達成されました。このアップグレードの目的は、カーネルコードのパフォーマンスを向上させることでした。
特に、Bittensorは最初にPolkadotのパラチェーンになることを目指し、1月の成功したオークションを通じてパラチェーンスロットを確保しました。しかし、その後、独自のスタンドアロンL1ブロックチェーンを利用することに決定されましたサブストレートPolkadotの開発速度に関連する懸念からPolkadotに依存する代わりに。
現在の状況
Bittensorは1年以上の間メインネット上にあり、その焦点は先駆的な研究と将来の可能性のための基盤を築くことにありました。現在の状況の概要と、なぜビジネスユースケースがまだそのバリデータの上に構築されていない理由についての概要をご覧ください。
- 疎混合モデル: Bittensor は 1 つとして動作します疎な混合モデル. それは特定のAIモデルをこの混合物に引き付け、各々が検証者によって定義されたより大きな問題を解決するニッチな役割に対処しています。このモデルを最先端以上の状態に達するように構成および調整することは、複雑で反復的なプロセスです。この段階のロードマップは現在、Opentensor Foundationによって主導されています。
- 知識圧縮（蒸留）：知識圧縮はBittensorの中心的な研究焦点です。これには、ネットワークの効率と機能を向上させる蒸留技術が含まれています。
- 大きな目標に最適化する：Bittensorの主な焦点は、短期的なビジネスユースケースではなく、大きな目標に最適化することにあります。Opentensorは、価格設定システムを備えたシンプルなピアツーピアプラットフォームを超えるネットワークを作成することにコミットしています。
- 進捗状況と更新: 過去 1 年間で、Opentensor は、Bittensor を外部からの要求に開放した Synapse の更新を含め、大きな進歩を遂げました。2023 年 10 月、Revolution のアップグレードにより、サブネットワークを介した拡張が可能になりました。これにより、大規模なバリデーターは問題を独立して定義することができ、ステークからキャッシュフローの機会を生み出すことができます。
- 実世界拡張に向けて：FinneyネットワークはBittensorにとっての転換点となり、バリデーターがより独立して行動し、初期の中央集権化を減らすことができます。ネットワークのステークが増加し、ブロック報酬が増加すると、AIの成長を支えます。
- ホライズン上のAIビジネスユースケース：Bittensorは、ステークホルダー（人間やAIを含む）がインセンティブに従って、リアルワールドのAIビジネスユースケースの拡大を展望しています。 マルチおよびメタモダリティの実装が見通しにあり、サブネットワークを統一された「インテリジェンス」形式に統合します。
最新のRevolutionアップグレードにより、Bittensorは、特定のタイプのアプリケーションに特化したサブネットワークを誰でも作成できるようになりました。例えばサブネット 4使用しますJEPA(共有埋め込み予測アーキテクチャ)は、Metaが先駆けたAIアプローチです。Yann LeCunさまざまな入力および出力タイプ（ビデオ、画像、音声など）を単一のモデルで処理する
もう一つの注目すべき成果はCerebras, BTLM-3B-8K（Bittensor Language Model、3Bパラメーターモデルで、モバイルデバイスで高精度かつ高性能なモデルを実行できるようにすることで、AIを大幅に利用可能にします。 BTLM-3B-8Kは利用可能ですHugging Face商用での使用のためのApache 2.0ライセンス付き。
大規模なGPTモデルには通常100B以上のパラメータが必要で、推論を行うために複数のハイエンドGPUが必要です。しかし、MetaのLLaMAのリリースにより、わずか7Bのパラメータで高性能モデルを世界に提供し、ハイエンドPCでLLMを実行できるようになりました。
しかし、7Bのパラメーターモデルを4ビットの精度に量子化しても、iPhone 13（4GB RAMなど）などの多くの人気デバイスには収まりません。 3Bのモデルはほとんどすべてのモバイルデバイスに快適に収まりますが、3Bサイズのモデルは、従来の7Bサイズのモデルよりも大幅に性能が低下していました。
BTLMはモデルのサイズとパフォーマンスのバランスを取っています。30億のパラメータを持ち、これまでの30億サイズのモデルを大幅に上回る精度と能力を提供しています。
個々のベンチマークを見ると、TruthfulQAを除いて、BTLMはすべてのカテゴリーで最も高いスコアを獲得しています。
BTLM-3Bはすべての3Bモデルを凌駕するだけでなく、多くの7Bモデルと同等の性能を発揮します。
Revolution – ビットテンサーサブネットのアップグレード
10月2日に開始されたBittensor Revolution Upgradeは、Bittensorの開発における重要なマイルストーンを示し、その運用構造に大きな変化をもたらしました。このアップグレードの中心にあるのは、「サブネット」という画期的なコンセプトの導入であり、開発者に自前のインセンティブメカニズムを形成し、Bittensorエコシステム内で市場を確立するための前代未聞の自律性を与えています。
このアップグレードの主要な特徴の1つは、専用のプログラミング言語の導入であり、これは特にインセンティブシステムの構築に設計されています。この革新により、開発者はBittensorネットワークでの自分たちのインセンティブメカニズムを作成し実装する能力が強化され、その豊富な知識を活用して市場を自分たちの要件と好みに合わせることができます。
このアップグレードは、ネットワークのすべての側面を制御する単一の財団が中心となる中央集権モデルから、より分散型のフレームワークに向けての著しい脱却を表しています。さまざまな個人やグループが、今やサブネットを所有および管理する機会を持っています。
「サブネット」の導入により、誰でも独自のサブネットを作成し、インセンティブメカニズムを定義することができるようになり、Bittensorエコシステム内でさまざまなサービスを育むことが可能になりました。この変化は、Bittensorのミッションを支えるオープンさと協力の原則に沿って、ネットワーク内での多様性と分散化を促進しています。
さらに、サブネットは、新しい「ルートネットワーク」の代表者からコンセンサスを得ることで排出量を競い合い、イノベーションとリソース配分を推進できる競争力のある要素を導入します。
ユーザー作成のサブネットの出現は、それがグローバルな開発者コミュニティにドアを開けたときのEthereum上のアプリケーションの爆発を連想させることがあります。このアップグレードは、さまざまなツールやサービスを統合したポテンシャルを強調しています。本質的には、知性を形成するために必要なすべての要素が今や1つの屋根の下に収められ、単一のトークン（$TAO）によって規制されています。
ルートネットワーク
ルートネットワークは、Bittensorエコシステム内の重要なコンポーネントとして機能します。これは、他のサブネットに排出量を分散するという重要な役割を持つメタサブネットとして機能し、すべて主要な代表者からの重み付けされたコンセンサスに基づいています。この変化は、Bittensorを単一の制御システムから動的な「ネットワーク・オブ・ネットワーク」へと根本的に変えるものであり、本質的に変革的です。
重要なのは、排出スケジュールがもはや単独での制御下にないことですOpentensor foundation「ルート」ネットワーク内の代表者は、インセンティブの配布権限を持つようになりました。この変化により、インセンティブのコントロールが分散化され、単一のエンティティに完全に依存することなく、それを「ルート」ネットワークの手に置くことが可能となりました。
サブネット
Bittensorネットワーク内のサブネットは、プラットフォームと関わるマイナーにフレームワークを提供する自己完結型のインセンティブメカニズムであり、相互作用を規定するプロトコルを定義する重要な役割を果たしています。これらのサブネットは、マイナーと検証者の間の相互作用を規定するプロトコルを定義する重要な役割を果たしています。
さらに、インセンティブメカニズムの具体的な仕様はもはやBittensorのコードベースにハードコードされていません。代わりに、これらの詳細はサブネットリポジトリ内で定義されており、より柔軟性と適応性が可能となっています。
Bittensor は、プロンプト サブネットワークや時系列サブネットワークなどの特定のサブネットワークを導入します。プロンプトサブネットワークは、GPT-3、GPT-4、ChatGPTなど、さまざまなプロンプトニューラルネットワークの実行を可能にし、分散型推論を実現します。この機能により、ユーザーはネットワーク上のバリデーターと対話し、最もパフォーマンスの高いモデルから出力を取得し、高度なAI機能でアプリケーションを強化することができます。
サブネットは、ネットワークに貢献する価値に基づいて、マイナーやバリデータに$TAOトークンを配布することで稼働します。各サブネットリポジトリ内のコードによって、マイナーの応答やバリデータの評価プロセスに関する正確なルールやプロトコルが決定されます。
- 起動時には、9 つのサブネット スロットが使用可能になり、それぞれがデフォルトで 256 個の UID に対応します (1024 個に対応するサブネット 1 を除く)。サブネットは、「ルート」ネットワーク内のデリゲートからコンセンサスの重みを求めることで、排出量を積極的に競い合います。
- サブネットを登録するには、個人や法人はサブネットの存在期間中、特定額の$TAOをロックする必要があります。サブネット所有者は完全なネットワーク管理者の役割を担い、それぞれのサブネットを通じて分配されるエミッションを受け取る権利があります。彼らはネットワーク全体でsudoアクションを呼び出す能力を含む完全な権限を持ち、ネットワークの最小レートなどのハイパーパラメータを設定することができます。
- 各サブネットには固有のネットUIDが関連付けられており、サブネットの所有権は、登録に必要な$TAOをロックしたウォレットに移転されます。サブネットが作成されると、作成者のウォレットから対応する$TAOの金額が差し引かれ、サブネットに添付されます。サブネットが登録解除された場合、ロックされた$TAOはオーナーに返金されます。
- ステーキングされた$TAO内のサブネットで戻される排出量の18%がサブネットの所有者に授与されるという注目すべき側面があります。これにより、サブネット作成者は、代表者を引き付けるメカニズムを作成することにインセンティブが与えられ、ルートネットワーク上での登録抹消を回避する可能性が高まります。
- 新しく登録されたサブネットには、登録後1週間の免疫期間が与えられ、この期間中は登録を解除することはできません。初期ロックコストは2500ドルのTAOで設定され、新しいサブネットが登録されると倍増します。時間の経過とともに、ロックコストは徐々に減少し、オランダ式オークションメカニズムに似た線形パターンに従います。このアプローチは、時間とともにロックコストを調整することで、サブネットスロットへの需要の均衡を見つけることを目的としています。
- サブネットが登録解除されると、登録のためにロックされている$TAOは所有者に返され、サブネット内のすべてのマイナーが削除され、ネットワークの状態がリセットされます。
ルートネットワーク
ルートネットワークは、システム全体の排出スコアを決定する上で極めて重要な役割を果たしながら、他のサブネット上で動作し、他のサブネットに影響を与える「メタサブネット」として機能します。
その主な機能は、デリゲートを巻き込んだ重み付けコンセンサスメカニズムを使用して、各サブネットに対するエミッションベクトルを生成することです。 'ルート'ネットワーク内のデリゲートは、好みに基づいて異なるサブネットに重みを割り当て、最終的にコンセンサスメカニズムがエミッションの割り当てを決定します。
注目すべき点の1つは、 'root'ネットワークが実質的に元老院と委任メカニズムの役割を効果的に統合し、これらの機能を1つのエンティティにまとめていることです。この統合により、Bittensorエコシステム内の意思決定プロセスが合理化されます。
‘root’ネットワークには、排出割り当てに影響を与えることで、エコシステムを形作る権限があります。サブネットまたはシステムの特定の側面を価値のないと見なした場合、そのコンポーネントへの排出を減らすか、または排出を取り除く能力を持っています。
Bittensorネットワーク内のサブネットは、'root'ネットワーク内のデリゲートからの大部分のウェイトを積極的に引き付ける努力をしなければならず、重要なエミッションの一部を確保するために競争力を持たせる必要があります。この競争要素は、サブネットが広範なエコシステムに自らの価値と有用性を示す重要性を強調しています。
さらに、ネットワーク内の上位12つのキーに権限を与え、三頭政治によって提出された提案を拒否する潜在能力を持たせることで、システムにガバナンスとチェック＆バランスの追加レイヤーを提供しています。
セクター展望
テクノロジーの世界では、権力は長い間、わずかなテックジャイアントの手に集中してきました。 これらの巨大企業は、革新を推進するために不可欠な貴重なデジタル商品を制御してきました。 しかし、Bittensorは、より民主的でアクセスしやすいシステムを導入することで、この主流のパラダイムに挑戦しています。
Bittensorの基本的な洞察は、知性はコンピューティングパワーやデータなどのさまざまなデジタル商品の結果であるという理解にあります。歴史的に、これらの商品は技術巨人の領域に厳格に制御され、制限されてきました。Bittensorは、ユーザー作成のサブネットを導入することで、これらの枷を打ち砕くことを目指しています。これらのマーケットは統一されたトークンシステムの下で運営され、従来はビッグテックの閉ざされたエコシステム内の選ばれたごく少数の専売特許であったリソースに世界中の開発者が平等にアクセスできるようになります。
潜在的な採用
今日のデジタル時代において、人工知能（AI）の変革力は否定できません。AIは、研究を簡素化し、ワークフローを自動化し、コーディングを支援し、テキストからコンテンツを生成するなど、私たちの生活の重要な部分となっています。AIの能力の急速な成長は明らかですが、この成長には拡張性や、さらに重要な信頼性に関連する課題が伴います。
最近の出来事、例えばChatGPTがワシントンでAI規制に関する議論中に一時的に停止したことなどは、AIのスケーリングの課題に対処するための堅牢なソリューションの重要性を浮き彫りにしました。これらの障害は、AIが私たちの日常生活にますます統合される中で、ユーザーが安定性と信頼性について懸念しています。こうした瞬間に、Bittensorの$TAOの重要性が明らかになります。
Bittensor のアプローチは、オープンソースの AI を擁護するだけでなく、それが経済的にやりがいのある追求になり得ることも示しています。これは、ビットコインマイニングで見られる競争の進化を反映しており、最高のAIモデルが最前線に立つ繁栄する市場への道を開きます。この変化により、AI研究者はオープンでダイナミックな環境に専門知識を提供できるようになり、最終的には社会全体に利益をもたらすことができます。
$TAOは、ChatGPTが経験したような潜在的な問題を緩和できる分散型AIインフラを提供しています。Bittensorは、AIを分散化することで、需要が増え続ける中でもAIシステムの弾力性と信頼性を確保しています。このアプローチは、AIサービスの将来のための信頼性のある基盤を確立しています。
簡単に言えば、Bittensorはオープンソースの人工知能のグローバルマーケットプレイスとして登場し、クローズドソースのAI開発によって引き起こされる課題に対する説得力のある解決策を提供しています。
- AIの卓越性のための引力: Bittensorは、世界中の研究者から最高のAIモデルを引き寄せる引力として機能します。AIの自由市場を育成することで、ネットワークは最先端のモデルの提出を奨励します。成熟するにつれ、Bittensorは価格を下げ、プラットフォームリスクを排除し、テキスト、画像、ビデオ、その他の形式で最高のAI出力を提供します。
- 利益を上げるオープンソース：Bittensorは、オープンソースのAIを利益を上げる取り組みに変えます。Bitcoinの例に習って、Bittensorはステークホルダーが利益を追求するという前提で構築されています。このエコシステムでは、最高のAIモデルが最も多くのお金を稼ぎます。これはBitcoinマイニングの進化と並行し、競争的でプロフェッショナルな産業へと移行しています。PhD研究者は、自分たちの研究をこのオープンなマーケットプレイスに持ち込む機会を得ており、学術と民間産業の間の溝を埋めることができます。
- Impressive Scale: Bittensorのインセンティブは驚くほどの成果をもたらしました。ネットワークは4,000以上のAIモデルを提供し、驚異的な10兆のモデルパラメータを構成しています。これを理解するために、GPT-3には1750億個のパラメータがあります.
- 多様なステークホルダー：Bittensorのエコシステムには、マイナー、バリデータ、ノミネート、および消費者を含むさまざまなステークホルダーが関与しています。この多様な参加が、ネットワークの堅牢性と持続的成長を確保しています。
AIの現在の状態は重要な考慮事項であり、その多くは閉ざされた扉の後ろにあり、わずかなテックジャイアントの制御下にあります。これは、AIをオープンにして、協力的な環境で他のAIモデルから学ぶことができればどうなるかという問題を提起します。Bittensorの$TAOは、この問題に対する解決策を提供しようとしています。
- 成長による採用:大手AI企業の中には、独自のAI技術の公開を躊躇する企業もありますが、$TAOは興味深い提案をしています。これにより、マイクロトランザクションによるさらなる収益化の可能性がもたらされます。OpenAI のような確立された AI ソリューションが、Bittensor エコシステム内のトレーニング モデルを使用して製品やビジネスを構築するたびにマイクロペイメントを受け入れることを想像してみてください。これにより、これらの企業に新たな収益源が開かれ、オープンなAIネットワークへの参加が促進される可能性があります。
- 需要による採用：または、現在のAIソリューションが閉じられたままでオープンネットワークに抵抗していると仮定する。多額の資本を有していても、オープンソースがこれらの多額の資金提供を上回る可能性がある。財務リソースは技術の成長に不可欠ですが、自律的に学習し、環境から学習できる技術の潜在能力は過小評価すべきではありません。
オープンソースのジレンマ
AIモデルがオープンソースであるべきかどうかに関する議論は、AIのアラインメント問題への懸念が高まるにつれて注目されるようになっています。根本的な問題は、AIモデルの実際のコードが誰にでも自由にアクセス可能であるべきかどうかです。興味深いことに、OpenAIのような主要なプレイヤーが自分たちのモデルをオープンソース化しても、それが必ずしもBittensorに脅威を与えるわけではありません。オープンソース環境では、誰もがBittensorネットワーク上でこれらのモデルを利用することができます。
テックコミュニティ内では、この問題について意見の相違があります。一部は、AI技術のオープンソース化が悪意ある行為者にAIを有害な目的で悪用させる可能性があると主張しています。一方、他の人々は、AI技術の独占的な権利を主要な企業に与えることがより重大な危険をもたらすと主張しています。たとえば、OpenAIが大規模な資金調達に焦点を当てているように、AIパワーを数兆ドルの企業の手に集中させることは、倫理上の懸念を引き起こし、権力の乱用のリスクを明らかにする可能性があります。
Metaのオープンソースをオープンソースとして開発することに関するMetaの決済Llama2LLMは、業界がオープンソースのプラクティスを採用する方向にシフトしていることを示しています。この動きは、BittensorがMetaの進歩から学び、潜在的にネットワークに統合し、パフォーマンスのギャップをより迅速に埋める機会を提供します。
$TAOおよびOpenAIの評価を検討することは重要です。現在、OpenAIは業界で優位な立場を占めています。80Bドルから90Bドルの評価.ただし、Microsoftとその許可型クラウドサービスに大きく依存するクローズドエコシステム内で動作します。それにもかかわらず、OpenAIは世界中から優秀な人材を惹きつけることに成功しています。一方、時が経ち、オープンソースの取り組みが普及するにつれて、利用可能な人材のプールは指数関数的に拡大し、インターネットの隅々にまで届く態勢が整っています。このAIの専門知識の民主化は、Bittensorの採用を形作る上で重要な役割を果たす可能性があります。
競争の激しい景観 - 中央集権化されたAI
開発者の採用は、Bittensor のジャーニーにおける極めて重要な要素であり続けています。現在、開発者は OpenTensor Foundation によって開発された Python API を通じてネットワークと関わることができ、採用を促進するために堅牢な開発者コミュニティを育成することの重要性が強調されています。現在、Bittensorは、モデルの作成やトレーニングなど、ネットワークの重要な側面の分散化に積極的に取り組んでおり、コミュニティ主導の意思決定を促進しながら、最も細かく調整されたモデルに報酬を与えています。
興味深いことに、OpenAIやGoogleなど、AI分野の確立されたプレーヤーは、今や$TAOの競争相手になっています。彼らはAIのモデル生成段階に深く関与しており、さまざまな業界内での垂直統合の可能性にも挑戦しています。この文脈において、$TAOが直面している主な課題の1つは、データ格差の問題です。
Facebook、Apple、Amazon、Netflix、Google（FAANG）などのテックジャイアントとは異なり、意味のあるデータの膨大なリポジトリにアクセスできるが、クラウドソーシングされたコミュニティは同じレベルのリソースとデータアクセスを持っていないかもしれません。FAANG組織は、NvidiaのH100やGH200などの最新テクノロジーを含む頑丈なハードウェアで、AIモデルのトレーニングを大幅に加速させることができる財政的手段を備えています。
同時に、本日の主要なAIソリューションはすべて閉鎖的かつ中央集権的であるという点に留意することが重要です。これには、OpenAI、Google、Midjourneyなどの著名な企業が含まれ、それぞれが破壊的なAIソリューションを提供しています。しかし、閉鎖型とオープンソースモデルの間の差は急速に狭まっています。オープンソースモデルは、速度、カスタマイズ、プライバシー、総合能力の面で地歩を築いています。閉鎖型の対応モデルと比較して、比較的控えめな予算やパラメータサイズで印象的な機能を実現しています。さらに、これらのオープンソースモデルは加速されたタイムラインで運用され、結果を数週間で提供しています。
Google、独自の技術大手は、この変革的なトレンドを認識しています。漏洩した内部文書同社は、「私たちには堀がなく、OpenAIにもありません。」と述べています。この認識は、競争の激しい環境でオープンソースAIの影響力が高まっていることを強調しています。
この進化するAIエコシステムにおいて、$TAOは変革の触媒として浮上し、従来のAI開発とトレーニングのモデルに挑戦しています。その分散型アプローチとコミュニティ主導の倫理は、かつてテックジャイアントが絶対的な存在であったダイナミックな競技場において、競争相手としての地位を確立しています。
中央集権的なプラットフォームとは異なり、Bittensorのアーキテクチャは許可なしで知能にアクセスできるようになっています。これはAI開発者向けのワンストップショップとして機能し、外部からの貢献を受け入れながら、すべての必要な計算リソースを提供しています。この包括的なモデルは、インターネット上でニューラルネットワークを相互接続し、グローバルで分散されたインセンティブ駆動の機械学習システムを作り出しています。
AIの可能性を最大限に引き出すには、クローズドソースの開発手法とそれに伴う制限からの脱却が必要です。子どもたちが社会的な交流を通じて理解を深めるように、AIはダイナミックな環境で活躍します。多様なデータセット、革新的な研究者からの洞察、さまざまなモデルとの相互作用に触れることで、より堅牢でインテリジェントなAIシステムの構築が促進されます。AIの軌道は、単一のエンティティによって決定されるべきではありません。
この対照的な未来では、ブラックボックスのアルゴリズムと中央集権的な権威が支配する世界と、オープンで民主化されたAI環境との間の選択が、社会にとって非常に重要になります。
最初のシナリオでは、OpenAIやAnthropicのようなメガコーポレーションがAIソリューションの主導権を握る場合、常に監視体制の下で生活するリスクがあります。これらの企業は、個人データや日常的なやり取りに対して莫大な権力を持ち、サービスを停止したり、異なる意見や議論を行う個人を報告する権限を持つ可能性があります。
しかし、より楽観的な代替案は、AIが普遍的に所有されているネットワーク上に構築されたオープンソースプラットフォームに根ざした世界を提供します。ここでは、権力と制御が分散化され、AIは監視ではなくエンパワーメントのためのツールとして機能します。このシナリオでは、企業の偏見や検閲を恐れることなく、創造性と開発を繁栄させることができます。
インターネットが情報へのアクセスを民主化したように、オープンなAIエコシステムはインテリジェンスへのアクセスを民主化します。これにより、インテリジェンスが選ばれた少数の人々によって独占されることがなくなり、誰もが貢献し、学び、利益を得ることができる公平な競争の場が促進されます。
$TAOトークノミクス
- ビットコインと同様に、$TAOトークンの総供給量の上限は21,000,000で、256年後に発行されます。
- $TAOのハーフィングは、1050万ブロックごとに発生し、次の45年以上にわたって64回のハーフィングイベントが予定されています。
- ネットワークは、約12秒のブロック時間で動作し、1 $TAO がマイナーやバリデーターにブロックごとに報酬として支払われます。
- 現在、1日に均等にマイナーと検証者の間で発行される新しい$TAOトークンが7,200個に相当します。
ビットコインとのもう一つの類似点は、$TAOの発行スケジュールも、約4年ごとに発生する半減期の概念に従っていることです。ただし、これはブロック数ではなく、トークン発行総数によって決定されます。例えば、総供給量の半分が発行されると、発行率は半分になります。
重要なことに、登録をリサイクルするために使用される$TAOトークンは、未発行供給に燃やされ、半減間隔が徐々に延長されるようになります。このメカニズムにより、発行スケジュールが時間とともに動態的に調整され、ネットワークのニーズや経済的ダイナミクスを反映します。
The $TAO トークン Economy
Bittensorの$TAOトークン経済はそのシンプルさ、分散化へのコミットメント、公正な分配を特徴としています。多くの他のブロックチェーンプロジェクトとは異なり、$TAOトークンはICO、IDO、VCへのプライベートセール、チーム、財団、またはアドバイザーへの特権的な割り当てを通じてどの当事者にも割り当てられていません。代わりに、すべての流通トークンはネットワークへの積極的な参加を通じて獲得されなければなりません。
ネットワークには、鉱夫や検証者として参加するだけでなく、DCG、GSR、またはPolychainなど、市場メイキングサービスを提供する資本配置者も関与しています。重要なのは、どの資本配置者もプリセールやプライベートセールからのトークン割り当てを受けていないということです。
$TAOトークンは、ガバナンス、ステーキング、コンセンサスメカニズムへの参加、Bittensorネットワーク内の支払い手段として使用できます。
このようにして、バリデーターとマイナーはトークンを担保としてステークしてネットワークを保護し、インフレによる排出量を通じて報酬を獲得し、ユーザーと企業は$TAOを使用してネットワーク上に構築されたAIサービスやアプリケーションにアクセスすることができます。
新しい$TAOトークンは採掘と検証を通じてのみ生成されます。ネットワークは採掘者と検証者の両方に報酬を与え、各ブロックは1つの$TAO報酬を与え、採掘者と検証者の間で均等に分配されます。したがって、$TAOを取得する唯一の方法は、オープン市場でトークンを購入するか、採掘と検証活動に参加することです。
$TAOのわかりやすいトークン配布モデルは、Satoshi Nakamotoによって設定されたBitcoinの精神を思い起こさせる分散の原則を反映しています。$TAOのジェネシスの鋳造は、Bitcoinのエミッションスケジュール($BTC)に合わせており、ネットワークに価値を提供する人々に平等な機会を提供しています。このアプローチは、特に重要な社会的影響を持ち、選ばれた少数によって支配されるべきではないAIの領域で、権力と所有権の集中を防ぐことの重要性を強調しています。
この流通モデルにより、マイニングは競争力のあるプロセスであり続けることができます。より多くのマイナーがネットワークに参加すると、競争が激化し、収益性を維持することが困難になります。これにより、マイナーは運用コストを削減する方法を見つけ、ネットワーク内の効率と革新を促進するようになります。
$TAOのバリューキャプチャ
Bittensorネットワークのネイティブトークンである$TAOは、エコシステムにおける独自の役割からその本質的な価値を引き出しています。ネットワークトークンがブロックスペースの販売から価値を引き出す標準的なL1モデルとは異なり、$TAOの価値は、それを可能にするAIサービスに結びついています。これらのAIサービスがより影響力と有用性を高めるにつれて、$TAOの需要が高まります。
$TAOを保有すると、データ、帯域幅、およびネットワーク参加者によって生成および検証された知能など、幅広い相互接続されたデジタルリソースにアクセスできます。 発行スケジュールによって反映されるように、$TAOの価値は推測や希少性だけでなく、Bittensorネットワーク内で提供される具体的な貢献とユーティリティに深く根ざしています。
しかし、この創造と報酬のサイクルを維持することは保証されていません。マイナーやバリデータは、ネットワークに貴重な情報を提供し、報酬として$TAOトークンを獲得する一方、ビットコインのマイナーと同様に経費を賄うために売却する動機も持っています。
トークン価格の価値はどのようにして決まりますか？
他のトークンと同様に、$TAOの価格は供給と需要の基本的な経済原則によって決定されます。$TAOへの需要が増加すると価格が上昇し、需要が減少すると価格が下落します。そのため、エコシステム活動からの需要が供給のアンロックを相殺するという考え方です。
ネットワークへの貢献によってのみ、$TAOを取得できます。そのためには、ネットワークの利用を開始するために購入および保持するか、消費する必要があります。
- 需要ドライバー:
- エコシステム活動:
- バリデータは登録に$TAOトークンが必要です。
- ユーザーは知能調整に関連する投票プロセスに参加するために$TAOを購入することができます。
- ネットワーク内での支払いとして使用します。
- ステーキングおよびデリゲートされた$TAOの需要は、ステーキング報酬を得るために役立ちます。これにより、インフレーションの排出に対して保護することができます。
- 投機的プレミアムは、ブロックチェーンとAIのような2つの破壊的テクノロジーを融合させることによるアップサイドの可能性に賭ける方法です。
- ネットワーク効果は、より多くの開発者がネットワークに参加し、オープンソースモデルの潜在能力を活用することで生じる。
- エコシステム活動:
- サプライドライバー：
- 21,000,000の総供給量に達するインフレ排出量からのトークン発行
- マイナーや検証者は、運用費用を賄うために$TAOトークンを売却することがあります。この側面は、ビットコインマイナーが費用を賄うために売却することに似ています。
ネットワークが拡大し、より多くのAIモデルやサブネットが追加されるにつれて、価値の捕捉の可能性が高まります。ネットワークの成長は、AIとブロックチェーンのシナジーによっても促進され、自己強化サイクルが作られています。
この方法により、Bittensorは、ネットワークの価値が接続されたユーザーまたはノードの数の二乗に比例するメトカーフの法則の原則を具体化しています。より多くの参加者がネットワークに参加すると、提供される価値が指数関数的に増加します。
そのような価値をどのように捉えるか
Bittensorでは、バリデータはトークン保有者からステークを集めるためにインセンティブを受けます。このステークは、ネットワーク内での彼らの運営にとって基本的なものです。トークン保有者として、あなたはさまざまな異なるバリデータを選択して、$TAOをステークすることができます。最も一般的なオプションは、ネットワーク所有権の約20%を持つOpenTensor Foundationです。
現在、バリデータは報酬の82%をデリゲートに$TAOトークンの形で分配しています。その結果、$TAOの委任トークンをバリデーターに提供することは、トークン保有者がステーキング報酬を獲得する機会を提供します。これにより、インフレーションからの潜在的な希釈に対してユーザーを保護するのに役立ちます。
- バリデータの報酬率は現在22.45%です
- ステーキング報酬は現在18.41%です
リスク/リワードと時間軸
ポートフォリオの一部を$TAOに割り当てるリスク/リワードを評価する際には、実際に購入しているものを認識することが重要です。たとえば、購入によってUSDで支払われる収益権を持つわけではありません。代わりに、トークンの発行が与えられます。トークン保有者として、それらの発行を委任し、APYを稼ぎ、$TAOの保有量を増やすことができます。
Bitcoinとの類推は明確ですが、$BTCには独自の物語が含まれており、それがユニークである理由があります。誰もが$BTCの価値が何であるか、なぜある種の価値があるのかを満足できる回答を提供できないため、コミュニティはノーコイナー、"シットコイナー"、およびマキシマリストの間で部族間の戦争を体現することになります。
実際、Bitcoinのトークン経済は理解しやすい：$BTCはマイナーに運営およびネットワークを実行するためのインセンティブとして使用されます。その結果、既存の保有者は希薄化されます（ただし、マイナーになることもできます - Bittensorの場合はデリゲートになることもできます）。したがって、トークンを保有する者は報酬を受けず、基盤となるネットワークからインセンティブを受け取りません。
しかし、$BTCの場合は、考慮すべき重要な要素があります。それは希少性です。2100万ドルしかないという事実がそれをユニークにしています。そして、$TAOのトークン経済はBitcoin自体をモデルにしていますが、未発行のトークンは70%以上あります。これは投資家にとって、ネットワークの分散化を重視するか、資産の希少性を重視するかというジレンマを提起しています。
最終的に、$TAOの有用性は、AIモデルへのアクセス、ガバナンスのための使用、ステーキング報酬へのアクセス、およびインセンティブメカニズムとしての利用から生じます。
運用費用
現在のインフラ整備は支払われていますOpentensor Foundation彼らへの委任からの資金援助や委任報酬によって行われています。他の開発は、自分自身の検証者を運営し、委任によって資金提供されている第三者によって行われています。
世界的な取り組みには、研究、開発、展開のための資金が必要ですが、AIの成功は資本の調整とステークホルダーが貢献に対して報酬を受け取る方法にかかっています。研究やトレーニング用のGPUなどのリソースの戦略的な配分が、AIの成長と影響を促進しています。
AIの領域では、特にChatGPTのような大規模言語モデルの場合、運用コストは膨大です。たとえば、OpenAIはおよそを費やすと推定されています。1日あたり70万ドルでChatGPTを運営する大規模AIモデルに関連するかなりの財政負担を強調しています。トレーニングコストは、それぞれのモデルについて数百万ドルから数千万ドルに及ぶ可能性があり、それにより、よりリソース集約的な取り組みとなります。大規模データセットでモデルをトレーニングするコストはさらに高くなり、3,000万ドルに達することもあります。
同社は、Microsoftからの最近の投資(約半分はAzureクレジットの形で)を含め、多額の資金を調達しているが、大規模言語モデルのトレーニングコストの増大が懸念されている。各トレーニングの実行には数百万ドルの費用がかかり、新しいモデルをゼロから始める必要があるため、この問題が悪化しています。
これがBittensorの「知識の複合」というアプローチが関連してくる場所です。 Bittensorのユニークなアプローチは、分散化と「知識の複合」を通じた協力に焦点を当てています。 この哲学により、AIシステムは分散的に既存の知識を基に構築することができ、次のような利点があります:
- コスト効率：既存の知識を活用し、それを継続的に改善することにより、Bittensorのアプローチは、高額なゼロからの再トレーニングの必要性を削減する可能性があります。
- 適応性：大規模なAIアプリケーションはしばしば変化するニーズや課題に直面します。ここで分散アプローチが組織がより柔軟にAIシステムを適応させ、動きやすく、ダイナミックな環境で有効性を保つことを可能にします。
- 分散化：Bittensorの分散型ネットワークは、単一のエンティティや中央集権的インフラへの依存を減らし、世界中の貢献者コミュニティに力を与えます。これにより、AI開発における革新と多様性が促進されます。
- コラボレーション：Knowledge Compoundingの協調的な性質は、ネットワーク内のノード間での知識共有と協力的な学習を促進し、AIの発展に向けたダイナミックな環境を育んでいます。
チームと投資家
Bittensorは、分散型の、ブロックチェーンベースの機械学習ネットワークを支えるオープンソースプロトコルです。Bittensorの背後にいるチームには、Jacob Steeves（創設者）Ala Shaabana(創設者),ジャクリンドーン(マーケティングディレクター)、およびSaeideh Motlagh（ブロックチェーンアーキテクト） among others. オーペンテンサーファウンデーションは、今年、チームを拡大する予定です。
Bittensorのホワイトペーパーにも言及されているYuma Raoというペンネームがありますが、ビットコインのサトシ・ナカモトと同様です。この人物が実在するかどうかはわかりませんし、彼または彼女について詳しく知ることはできないかもしれません。
Bittensorは、OpenTensor Foundationから資金を受け取っていることを除いて、特筆すべきアドバイザーや主要投資家を公表していません。OpenTensor FoundationはBittensorの開発を支援する非営利団体です。また、Bittensorは公式なパートナーシップも発表していません。
論文
ほとんどのテック企業は、パンデミック前の評価から大幅に下落していますが、AI企業は評価倍率と成長率の両方で史上最高値に達しています。
業界の巨人よりもはるかに低い時価総額を持つBittensorは、実際には大規模/高需要のAIアプリケーションやオープンソースモデルの利用に最適なプレイグラウンドかもしれません。
明らかにアップサイドを測定するための最も簡単な比較は、OpenAIの$29Bでのプライベート評価との比較です。現実的かどうかは別として、これは$TAOのFDVよりも28倍以上高いです。全供給が流通に入るのにかかる時間を考慮すると、OpenAIのプライベート評価が$TAOの時価総額の108倍以上である一般的な数字を導き出すことができます。
ただし、これはAIと暗号通貨の交差点に位置するプロジェクトに賭けることとして単純化できる、非常に投機的なアプローチです。
心に留めておくべき最も重要な特徴は、BittensorがAIの中心化の問題に取り組んでいるという事実です。現在、少数の企業が大規模かつ強力なモデルの少数をコントロールしていますが、それらはすべて孤立しており、ほとんど協力や知識共有がありません。
隔離されたAIモデルはお互いから学ぶことができず、そのため非複利（研究者は新しいモデルを作成するたびにゼロから始める必要があります）。これは、AI研究とは対照的であり、新しい研究者は過去の研究者の業績に基づいてモデルを構築することができ、アイデアの開発を加速させる複利効果を生み出します。
サイロ化されたAIは、サードパーティのアプリケーション＆データの統合がモデル所有者（技術提携＆ビジネス契約の形で）の許可を必要とするため、機能面でも制限されています。この制限はAIの価値と有用性に直接影響を与え、効果的にパワーを供給できるアプリケーションの範囲と同じくらい価値があります。
この中央集権的で勝者総取りの環境は、リソースの少ない小さなチームにとって有益ではありません。この文脈において、Bittensorの中心的な強みは、分散型ネットワークとインセンティブメカニズムにあり、これにより小さなチームや研究者が自分たちの作業を収益化することが促進されます。
BittensorがGPT-4などの主要なクローズドソースAIプロバイダーとのパフォーマンスギャップを縮めることに成功すれば、開発者、企業、研究者にとっての選択肢となる可能性があります。そのオープンで協力的な性質は、クローズドエコシステムへの魅力的な代替手段として位置付けられ、大規模な採用につながる可能性があります。
最終的に、TAOの評価は、ネットワークのユーティリティ（上に構築された経済活動）から派生するか、プロトコルへの直接的なキャッシュフローから派生する可能性があります。
- ユーティリティトークンとして、$TAOはネットワークにアクセスするために必要です。したがって、その評価はその上に構築された経済的ユーティリティから導かれる可能性があります。
- ステーキングトークンとして、ホルダーは$TAOをバリデータに委任し、ネットワークの収益の一部を受け取ることができます。
- 我々は市場シェアと複数の仮定に基づいて収益を測定することもできます（これにより予測値が信頼性を失うこともあります）。
ユーティリティは価値に対してより主観的で抽象的なため、キャッシュフローから始めることができます。将来、ML市場が一定の市場規模に達すると仮定して（参照Precedence Researchの試算以下の画像のように、Bittensorネットワークの価値を、潜在的な市場シェアと収益の倍数に基づいて評価することができます。
市場規模の見積もりに関係なく、Bittensorは依然として理解が高度に専門化された複雑なプロジェクトであり、これは開発者の簡単な導入やユーザーの採用に対する障害となっています。
プロジェクトはまだ非常に早い開発段階にあり、ネットワークに予期せぬ問題が発生する可能性があります。例えば、6月には、マイナー間での共謀があり、ネットワークでゲームを行い、$TAOが市場で売られた問題が発生しました。一時的な修正策は、排出量を90%減らして、Opentensor Foundationがネットワークを正直に保ち、プロトコルが意図した通りに動作するための解決策に取り組むための余分な時間を与えることでした。
現在ネットワーク上でライブ中の大部分の製品は、中央集権的な対抗馬に対抗することはできず、これまで採用率が低い状況です。自分で学んで試す最良の方法は、提供されているサービスをテストすることです。ビットテンソル ハブ.
Bitcoinのトークノミクスが、BittensorのようなAIサービスを提供するネットワークに適しているかどうかも問うべきです。おそらく、$BTCの不膨脹的な性質は、増加するマイナーやアプリケーションのスケールを実現するために必要なネットワークにとって最適ではありません。理想的には、ネットワークの採用の増加に伴いトークンが膨脹するべきであり、デジタルゴールドよりもデジタルオイルに似ています。ある意味、これはすでに組み込まれており、マイナー同士の競争を促し、供給を200年以上にわたって分散させるよう設計されています。
別の課題は、データをニューラルネットワークを通過する前に暗号化することが不可能であるため、プライバシーです。これは分散型の環境ではさらに問題があります。なぜなら、学習および推論プロセスを通過するデータは確かにプライベートではないからです。集中型でもこの潜在的な問題がありますが、その場合はデータを見るのは既知の1つの当事者だけを心配すればよく、未知の多くではありません。
経済学
トークン価格
ATHとATLに対する価格
サプライディストリビューション
結論
Bittensorは、AIと暗号の交差点に賭ける強力な賭けとなり得ます。ただし、成長率やポテンシャルの上昇を評価する際には、間違いなく最も複雑なプロジェクトの1つです。
分散型ネットワークには、特にオープンソースモデルをインセンティブ化し、ネットワークの所有権を分散化する際に、AIの有用性を活用する潜在能力が明らかにあります。ただし、Bittensor上に構築されたサービスやビジネスケースは、まだ十分に競争力がありません。
AIは、業界の巨大な運営費用と大量の資金が必要で、それは業界の巨人だけが実現可能なものです。この意味で、Bittensorは非常に反対の賭けであり、そのためできるだけ多くのリスクリワード要因を考慮する価値があります。
参照
ビットテンサー – TAO
- ウェブサイト
- ドキュメント
- ホワイトペーパー
- ユマコンセンサス
- エクスプローラー
- タオブリッジ
- デリゲート
- Taostats
- TAOニュース
- Coingecko
- Discord
- コミュニティTelegramグループ
- Github
- @Bittensor">Youtube
- ブログOpentensor基金
- LinkedIn Opentensor Foundation
- Bittensor subnet template
- バリデーターリスト
外部ソース
免責事項：
- この記事は[から転載されましたrevelointel]. すべての著作権は元の著者に帰属します [revelointel]. もしこの転載に異議がある場合は、お問い合わせください。Gate Learnチーム、そして彼らは迅速に対処します。
- 責任の免責事項：この記事で表現される見解や意見は、作者個人のものであり、投資アドバイスを構成するものではありません。
- 他の言語への記事の翻訳は、Gate Learnチームによって行われます。特に指定されていない限り、翻訳された記事のコピー、配布、または盗作は禁止されています。
相关文章
ステーブルコインとは何ですか？