觀點：為什麼我們依然看漲 Bittensor？

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生態系統能夠有機地生產出高質量的人工智慧產品。

撰文：0xai

編譯：深潮TechFlow

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，高質量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是如何具體創建這種激勵機制的，以鼓勵有效競爭並促進高質量人工智慧產品的有機生產呢？

Bittensor飛輪模型

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質量，並根據其質量分配激勵，確保高質量生產者獲得更多的激勵。這激發了高質量產出的持續增加，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質量的生產者加入Bittensor生態系統，而且增加了操縱質量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。

那麼，Yuma共識是什麼，它是如何確保共識後的質量評估結果是公平客觀的呢？

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。

以子網質量評估為例，根網驗證者評估並排名每個子網的產出質量。來自64個驗證者的評估結果被匯總，並通過Yuma共識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映了廣泛的觀點。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還計劃升級機制來解決這些缺點：

• 動態TAO將把評估子網質量的權力分散給所有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、數據、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上創建一個帳戶來貢獻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（文本轉語音）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旨在創建一個無代碼平臺，使沒有編程背景的大學生能夠輕鬆創建自己想要的機器人。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用戶。該平臺託管各種類型的機器人，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區的智慧，打造最好的開源TTS模型。換句話說，Myshell TTS不直接運行模型或處理最終用戶的請求；相反，它是一個用於訓練TTS模型的網路。

Myshell TSS架構

Myshell TTS 運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（模型的元數據也存儲在Bittensor區塊鏈網路中）；驗證者通過生成測試用例、評估模型性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，礦工必須不斷提交質量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，供用戶嘗試Myshell TTS中的模型。

Open Kaito架構

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上創建一個帳戶來貢獻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鏈下數據蒐索引擎，在2023年第四季度推出。利用人工智慧算法，Kaito.ai優化了蒐索引擎的核心元件，包括數據收集、排名算法和檢索算法。它已被認可為加密社區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，以支持智慧蒐索和分析。蒐索引擎不僅僅是一個數據庫或排名算法，而是一個複雜的系統。此外，一個有效的蒐索引擎還需要低延遲，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的運行過程如上圖所示。Open Kaito不僅分散了蒐索引擎的每個元件，而且將索引問題定義為礦工-驗證者問題。也就是說，礦工負責回應用戶的索引請求，而驗證者則分發需求並對礦工的回應進行評分。

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。面對用戶的索引需求，礦工努力改進執行計劃，以使用更少的資源獲得更高質量的回應結果。

子網6：Nous Finetuning

可以通過在GitHub上創建一個帳戶來貢獻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、數據合成和設備內推理的研究團隊。其聯合創始人曾擔任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，用於微調的數據也來自Bittensor生態系統，具體來說是子網18。

Nous Finetuning的運行過程類似於Myshell TSS。礦工基於來自子網18的數據訓練模型，並定期發佈這些模型以在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上創建一個帳戶來貢獻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的支持。Corcel.io是一個面向最終用戶的應用程式，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被定位為向最終用戶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，特別是當單個提示調用多個模型時。Cortex.t旨在防止空白或不一致的輸出，確保無縫的用戶體驗。

Cortex.t中的礦工利用Bittensor生態系統中的其他子網來處理最終用戶的請求。他們還使用GPT 3.5 turbo或GPT 4來驗證輸出結果，以確保對最終用戶的可靠性。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上創建一個帳戶來貢獻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（分佈式規模推理子網）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回應。目前，Vision專注於圖像生成的場景。

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棧（不限於模型）來處理需求並生成回應。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、更有效地回應這些需求。

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，就必須持續產出高質量的輸出。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本到圖像、文本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，但當前的預測數據性能遠未達到最終用戶可用的水準。

• 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質量。然而，由於缺乏資金支持，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。

這些問題反映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”、“通信協定設計”、“數據來源和安全性”、“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質量的人工智慧產品。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。