Bittensor 是一個經濟系統，通過為 AI 產品生產者提供激勵體系，充當 AI 產品市場的優化器。而其包容性，使其能夠發展出優良的人工智慧產品。本文源自 0xai 的文章《Why we are bullish on Bittensor?》，由深潮整理、編譯及撰稿。
（前情提要：市值40億美元的Bittensor(TAO)，是AI結合以太坊還是Meme新星？）
（背景補充：區塊鏈融合AI》Bittensor(TAO)如何創造去中心化算力革命？運作原理與代幣機制..）
憑藉其強大的包容性、激烈的競爭環境和有效的激勵機制，Bittensor（TAO）生態系統能夠有機地生產出高品質的人工智慧產品。
Bittensor 是什麼？
Bittensor 本身不是人工智慧產品，也不生產或提供任何人工智慧產品或服務。Bittensor 是一個經濟系統，通過為 AI 產品生產者提供極具競爭力的激勵體系，充當 AI 產品市場的優化器。在 Bittensor 生態系統中，高品質的生產者會獲得更多的激勵，而競爭力較弱的生產者則逐漸被淘汰。
那麼，Bittensor 是如何具體建立這種激勵機制的，以鼓勵有效競爭並促進高品質人工智慧產品的有機生產呢？
Bittensor 通過一個飛輪模型實現了這個目標。驗證者評估生態系統中人工智慧產品的品質，並根據其品質分配激勵，確保高品質生產者獲得更多的激勵。這激發了高品質產出的持續增加，從而增強了 Bittensor 網路的價值並促進了 TAO 的增值。
TAO 的增值不僅吸引了更多高品質的生產者加入 Bittensor 生態系統，而且增加了操縱品質評估結果的操縱者的攻擊成本。這進一步加強了誠實驗證者的共識，增強了評估結果的客觀性和公平性，從而實現了更有效的競爭和激勵機制。
確保評估結果的公平性和客觀性是啟動飛輪的關鍵一步。這也是 Bittensor 的核心技術，即基於 Yuma 共識的抽象驗證系統。
Yuma 共識是什麼，如何確保共識後的品質評估結果是公平客觀？
Yuma 共識是一種共識機制，旨在根據眾多驗證者提供的多樣化評估來計算最終的評估結果。類似於拜占庭容錯共識機制，只要網路中的大多數驗證者是誠實的，最終就能做出正確的決定。假設誠實的驗證者能夠提供客觀的評估，那麼共識後的評估結果也將是公平客觀的。
以子網品質評估為例，根網驗證者評估並排名每個子網的產出品質。來自 64 個驗證者的評估結果被彙總，並通過 Yuma 共識演算法得出最終的評估結果。然後，這些最終結果用於為每個子網分配新鑄造的 TAO。
當前，Yuma 共識確實還有改進的空間：
根網驗證者可能無法完全代表所有 TAO 持有者，他們提供的評估結果可能不一定反應了廣泛的觀點。此外，一些頂級驗證者的評估可能並不總是客觀的。即使發現偏見的情況，也可能無法立即糾正。
根網驗證者的存在限制了 Bittensor 可以容納的子網數量。要與中心化的人工智慧巨頭競爭，只有 32 個子網是不夠的。然而，即使有 32 個子網，根網驗證者可能也難以有效監控所有子網。
驗證者可能沒有強烈的傾向於遷移到新的子網。短期內，驗證者可能會在從發行量較高的舊子網遷移到發行量較低的新子網時失去一些獎勵。新子網的發行量最終能否趕上的不確定性，再加上在追求過程中明確的獎勵損失，會降低他們遷移的意願。
Bittensor 計劃升級機制來解決這些缺點
動態 TAO 將把評估子網品質的權力分散給所有 TAO 持有者，而不是少數驗證者。TAO 持有者將能夠通過質押間接確定每個子網的分配比例。
沒有根網驗證者的限制，活躍子網的最大數量將增加到 1024 個。這將極大降低新團隊加入 Bittensor 生態系統的門檻，導致子網之間的競爭更加激烈。
較早遷移到新子網的驗證者可能會獲得更高的獎勵。早期遷移到新子網意味著以較低的價格購買該子網的動態 TAO，增加了未來獲得更多 TAO 的可能性。
強大的包容性也是 Yuma 共識的主要優勢之一。Yuma 共識不僅用於確定每個子網的發行量，還用於確定同一子網內每個礦工和驗證者的分配比例。此外，無論礦工的任務是什麼，其包含的貢獻，包括計算能力、資料、人類貢獻和智力，都是抽象考慮的。因此，人工智慧商品生產的任何階段都可以訪問 Bittensor 生態系統，享受激勵，同時增強 Bittensor 網路的價值。
接下來，讓我們探討一些領先的子網，觀察 Bittensor 如何激勵這些子網的產出。
優秀的子網
子網 3：Myshell TTS
可以通過在 GitHub 上建立一個帳戶來貢獻 myshell ai/MyShell TTS 子網的開發。
發行量：3.46% （2024 年 4 月 9 日）
背景：Myshell 是 Myshell TTS（文字轉語音）背後的團隊，由麻省理工學院、牛津大學和普林斯頓大學等知名機構的核心成員組成。Myshell 旨在建立一個無程式碼平臺，使沒有程式設計背景的大學生能夠輕鬆建立自己想要的機器人。專注於 TTS 領域、有聲讀物和虛擬助手，Myshell 於 2023 年 3 月推出了其第一個語音聊天機器人 Samantha。隨著產品矩陣的不斷擴張，迄今已積累了超過一百萬註冊使用者。該平臺託管各種型別的機器人，包括語言學習、教育和效用型機器人。
定位：Myshell 推出這個子網是為了匯聚整個開源社群的智慧，打造最好的開源 TTS 模型。換句話說，Myshell TTS 不直接執行模型或處理終端使用者的請求；相反，它是一個用於訓練 TTS 模型的網路。
Myshell TTS 執行的流程如上圖所示。礦工負責訓練模型並上傳已訓練好的模型到模型池（模型的元資料也儲存在 Bittensor 區塊鏈網路中）；驗證者通過生成測試用例、評估模型效能並根據結果進行評分來評估模型；Bittensor 區塊鏈負責使用 Yuma 共識來聚合權重，確定每個礦工的最終權重和分配比例。
總之，礦工必須不斷提交品質更高的模型以維持其獎勵。目前，Myshell 還在其平臺上推出了一個演示，供使用者嘗試 Myshell TTS 中的模型。
在未來，隨著 Myshell TTS 訓練的模型變得更加可靠，將會有更多的用例上線。此外，作為開源模型，它們不僅限於 Myshell，還可以擴展套件到其他平臺。通過這種去中心化的方法訓練和激勵開源模型，難道不正是我們在去中心化人工智慧中的目標嗎？
子網 5：Open Kaito
可以通過在 GitHub 上建立一個帳戶來貢獻 Open Kaito 的開發。
發行量：4.39% （2024 年 4 月 9 日）
背景：Kaito.ai 背後的團隊是 Open Kaito 團隊，其核心成員在人工智慧領域擁有豐富的經驗，之前曾在 AWS、META 和 Citadel 等一流公司工作。在進入 Bittensor 子網之前，他們推出了旗艦產品 Kaito.ai—— 一個 Web3 鏈下資料搜尋引擎，在 2023 年第四季度推出。
利用人工智慧演算法，Kaito.ai 優化了搜尋引擎的核心元件，包括資料收集、排名演算法和檢索演算法。它已被認可為加密社群中的一流資訊收集工具。
定位：Open Kaito 旨在建立一個去中心化的索引層，以支援智慧搜尋和分析。搜尋引擎不僅僅是一個資料庫或排名演算法，而是一個複雜的系統。此外，一個有效的搜尋引擎還需要低延遲，這對構建分散版本提出了額外的挑戰。幸運的是，通過 Bittensor 的激勵系統，這些挑戰有望得到解決。
Open Kaito 的執行過程如上圖所示。Open Kaito 不僅分散了搜尋引擎的每個元件，而且將索引問題定義為礦工 – 驗證者問題。也就是說，礦工負責響應使用者的索引請求，而驗證者則分發需求並對礦工的響應進行評分。
Open Kaito 不限制礦工如何完成索引任務，而是專注於礦工輸出的最終結果，以鼓勵創新解決方案。這有助於培養礦工之間健康的競爭環境。面對使用者的索引需求，礦工努力改進執行計劃，以使用更少的資源獲得更高品質的響應結果。
子網 6：Nous Finetuning
可以通過在 GitHub 上建立一個帳戶來貢獻 Nous Research/finetuning 子網的開發。
發行量：6.26% （2024 年 4 月 9 日）
背景：Nous Finetuning 背後的團隊來自 Nous Research，這是一個專注於大規模語言模型（LLM）架構、資料合成和裝置內推理的研究團隊。其共同創辦人曾擔任 Eden Network 的首席工程師。
定位：Nous Finetuning 是一個專門用於微調大型語言模型的子網。此外，用於微調的資料也來自 Bittensor 生態系統，具體來說是子網 18。
Nous Finetuning 的執行過程類似於 Myshell TSS。礦工基於來自子網 18 的資料訓練模型，並定期釋出這些模型以在 Hugging Face 上託管；驗證者評估模型並提供評分；同樣，Bittensor 區塊鏈負責使用 Yuma 共識來聚合權重，確定每個礦工的最終權重和發行量。
子網 18：Cortex.t
可以通過在 GitHub 上建立一個帳戶來貢獻 corcel-api/cortex.t 的開發。
發行量：7.74%（2024 年 4 月 9 日）
背景：Cortex.t 背後的團隊是 Corcel.io，其獲得了 Bittensor 網路第二大驗證者 Mog 的支援。Corcel.io 是一個面向終端使用者的應用程式，通過利用 Bittensor 生態系統的人工智慧產品提供與 ChatGPT 類似的體驗。
定位：Cortex.t 被定位為向終端使用者提供結果之前的最後一層。它負責檢測和優化各種子網的輸出，以確保結果準確可靠，特別是當單個提示呼叫多個模型時。Cortex.t 旨在防止空白或不一致的輸出，確保無縫的使用者體驗。
Cortex.t 中的礦工利用 Bittensor 生態系統中的其他子網來處理終端使用者的請求。他們還使用 GPT 3.5 turbo 或 GPT 4 來驗證輸出結果，以確保對終端使用者的可靠性。驗證者通過將其與 OpenAI 生成的結果進行比較來評估礦工的輸出。
子網 19：Vision
通過在 GitHub 上建立一個帳戶來貢獻 namoray/vision 的開發。
發行量：9.47%（2024 年 4 月 9 日）
背景：Vision 背後的開發團隊也來自 Corcel.io。
定位：Vision 旨在通過利用一種名為 DSIS（分散式規模推理子網）的優化子網構建框架，最大化 Bittensor 網路的產出能力。該框架加速了礦工對驗證者的響應。目前，Vision 專注於影象生成的場景。
驗證者從 Corcel.io 前端接收需求並將其分發給礦工。礦工可以自由選擇自己喜歡的技術堆疊（不限於模型）來處理需求並生成響應。然後，驗證者評估礦工的表現。由於 DSIS 的存在，Vision 能夠比其他子網更快、更有效地響應這些需求。
總結
從上述示例中可以明顯看出，Bittensor 具有很高的包容性。礦工的生成和驗證者的驗證都發生在鏈下，Bittensor 網路僅用於根據驗證者的評估為每個礦工分配獎勵。符合礦工 – 驗證者架構的人工智慧產品生成的任何方面都可以轉化為子網。
從理論上講，子網之間的競爭應該是激烈的。對於任何子網來說，要想繼續獲得獎勵，就必須持續產出高品質的輸出。否則，如果根網驗證者認為子網的產出低價值，其分配可能會減少，最終可能被新子網替代。
然而，在現實中，我們確實觀察到了一些問題：
由於子網定位相似而導致的資源冗餘和重複。在現有的 32 個子網中，有多個子網專注於諸如文字到影象、文字提示和價格預測等熱門方向。
存在沒有實際用例的子網。儘管價格預測子網可能作為預言機提供理論價值，但當前的預測資料效能遠未達到終端使用者可用的水平。
存在 「劣幣驅逐良幣」 的情況。某些頂級驗證者可能並不傾向於遷移到新的子網，即使一些新的子網表現出明顯更高的品質。然而，由於缺乏資金支援，他們可能在短期內無法獲得足夠的發行量。由於新的子網只有 7 天的保護期，如果它們無法迅速累積足夠的發行量，它們可能面臨被淘汰和下線的風險。
這些問題反應出子網之間競爭不足，一些驗證者沒有發揮鼓勵有效競爭的作用。
Open Tensor Foundation 驗證者（OTF）已經實施了一些臨時措施來緩解這種情況。作為持有 23% 質押權的最大驗證者（包括委託），OTF 為子網提供了爭奪更多質押 TAO 的渠道：子網所有者可以每週向 OTF 提交請求，以調整其在子網中的質押 TAO 比例。這些請求必須涵蓋 10 個方面，包括 「子網目標和對 Bittensor 生態系統的貢獻」、「子網獎勵機制」、「通訊協議設計」、「資料來源和安全性」、「計算要求」 和 「路線圖」 等，以促進 OTF 的最終決策。
然而，要從根本上解決這個問題，一方面，我們迫切需要推出 dTAO（Dynamic TAO），旨在從根本上改變上述不合理的問題。或者，我們可以呼籲持有大量 Stake TAO 的大型驗證者更多地從 「生態系統發展」 的角度而不是僅僅從 「財務回報」 的角度來考慮 Bittensor 生態系統的長期發展。
綜上所述，憑藉其強大的包容性、激烈的競爭環境和有效的激勵機制，我們相信 Bittensor 生態系統能夠有機地生產出高品質的人工智慧產品。儘管並非現有子網的所有輸出都可以與中心化產品的輸出相媲美，但我們不要忘記當前的 Bittensor 架構剛剛成立一週年（子網 1 於 2023 年 4 月 13 日註冊）。對於一個有潛力與中心化人工智慧巨頭競爭的平臺，或許我們應該專注於提出切實可行的改進計劃，而不是急於批評它的缺點。畢竟，我們都不希望看到人工智慧不斷被少數巨頭控制。
📍相關報導📍
OpenAI影片模型「Sora」今年上線！被問訓練素材來源，技術長竟回不知道
