开源 AI 新秀崛起:Bittensor 更像是真正的“OpenAI”

在这里插入图片描述

强大的人工智能正在飞速发展,而完全由 OpenAI、Midjourney、Google(Bard)这样的少数公司控制 AI 不免让人感到担忧。在这样的背景下,试图用创新性解决方案处理人工智能中心化问题、权力集中于少数公司的 Bittensor,可谓是当下 Web3 领域中 AI 模型类别的爆款项目,其代币 TAO 的市场表现也吸引了行业的普遍关注。

在 AI 的数据、算法、算力三大核心要素中,Bittensor 瞄准了算法方向,通过区块链网络和激励机制,来对不同的算法进行调度和筛选,从而让 AI 领域形成一个自由竞争、知识共享的算法(模型)市场。目前,Bittensor 已在主网上运行一年多的时间。

在这里插入图片描述

简单来说,Bittensor 是一种开源协议,可实现去中心化、基于区块链的机器学习网络,同时也是波卡生态的明星平行链项目,使用自己独立的基于 Substrate 的 L1 区块链。

今年年初,Bittensor 曾赢得第 35 轮和第 36 轮波卡平行链插槽拍卖,希望将人工智能引入波卡生态,包括社交媒体、供应链、身份、游戏、NFT、DeFi、碳信用、隐私、机器人、物联网等。与此同时,它推出了 Finney,构建起了 Bittensor 与波卡的连接,与波卡生态的集成进一步加强,从而更好地保护并进一步对现有的底层架构进行去中心化。

除了将人工智能和区块链这两个新兴领域结合在一起,Bittensor 还有哪些值得关注的独特优势?OneBlock 为你梳理了 Bittensor 的项目全景,进一步了解波卡生态如何与 AI 进行深度融合!

愿景:更公平、更协作的人工智能市场

为解决当前 AI 领域中的孤立竞争问题,Bittensor 的愿景是促进不同 AI 算法和模型之间的相互协作、学习与融合,旨在构建更为强大的模型,以更好地服务开发者和用户群体。

因此,Bittensor 引入优化的训练策略,使得模型在激励和迭代的生态系统中相互交互,形成一种更为公平和协作的方法,实现所有权和访问权更加平衡。最终目标是打造一个纯粹的人工智能市场,创造出一个无需信任的、开放透明的环境,消费者和生产者可以在激励机制下进行任何有价值的交流和互动。

在这里插入图片描述

具体来讲,Bittensor 可以实现以下目标:

  1. 利用分布式账本的可能性,为人工智能技术的开发提供一种新颖且优化的策略。具体而言,它可以实现开放访问 / 所有权、去中心化治理,并能在激励框架内利用全球分布的计算能力和创新资源。

  2. 人工智能的开源存储库,任何人在任何地方都可以访问,从而为全球互联网规模的开放式、无许可创新创造了条件。

  3. 根据用户创造的价值,按比例向用户分配奖励和网络所有权。

项目架构:机器学习模型的去中心化生态系统

简单而言,Bittensor 是一个开源协议,为去中心化、基于区块链的机器学习网络提供支持。这个项目最早是由两位 AI 研究员 Jacob Steeves 和 Ala Shaabana 于 2019 年创立,其主要框架是基于 Yuma Rao 所撰写的白皮书内容。

其底层架构类似于将比特币中无法创造现实价值的「挖矿」计算随机数的过程,替代为训练和验证 AI 模型,并根据 AI 模型的性能和可靠程度,用 TAO 代币对贡献有价值数据或计算资源的节点/矿工进行激励。每个节点都运行 Bittensor 客户端软件,使其能够与网络中的其他节点进行交互。

在这里插入图片描述

具体来讲,Bittensor 通过分散流程创建了交易机器智能的点对点市场,能够改变以往机器学习平台的开发过程,并根据它们为集体提供的信息价值在其原生代币 TAO 中获得奖励,使网络参与者之间可以交换机器学习能力,形成一种激励和协调全球机器学习节点网络,以共同训练和学习特定问题的方法,这样也有助于维持网络的稳定性和效率。代币 TAO 还可以授予外部访问权限,允许用户从网络中提取信息,同时根据他们的需要调整其活动。

在这个基础上,Bittensor 被设计为一个无需许可的开源协议,构建了一个由许多子网网络连接而成的网络构架,允许任何人创建具有自定义激励和不同用例的子网。

不同子网负责不同任务,比如机器翻译、图像识别与生成、语言大模型等,优秀的任务完成将获得激励,同时允许子网之间互相交互与学习。例如,其中的 Subnet 5 可以创建像 Midjourney 一样的 AI 图像。

值得注意的是,在绝大多数子网中,Bittensor 本身并不训练任何模型,其发挥的作用更像是链接模型提供者与模型需求者,并在此基础上更进一步的利用小模型之间的互相作用提升在不同任务中的性能。

同时,Bittensor 也是一个类似于比特币的挖矿网络,提供对机器学习模型的去中心化网络的抗审查访问。通过利用数字激励措施并直接奖励参与者对计算资源、专业知识和创新的贡献,从而创建起一个全面的开源人工智能生态系统。

技术核心:Yuma 共识与 Polkadot 平行链

Bittensor 网络的技术核心来自于 Yuma Rao 独特设计的共识机制,也被称为 Yuma 共识,结合了工作量证明(PoW)与权益证明(PoS)元素的混合共识机制,旨在实现计算资源在节点网络中的公平分配。其中供给侧主要参与者分为“Server”(即矿工)与“Validator”(即验证者),需求侧的参与者则是使用网络中模型的“Client”(即客户)。

在这里插入图片描述

矿工的角色是托管人工智能模型并将其提供给网络,获得的激励取决于提供模型的质量;验证者则充当网络内的评估者,负责验证模型性能,并在矿工和客户之前见充当中间人。

Bittensor 生态利用 Yuma 共识来确保每个人都遵守规则,成为开源开发人员和人工智能研究实验室的驱动力,为增强开源基础模型提供经济激励。

在技术内核上,Bittensor 采用的是 Polkadot 的平行链(应用链)设计,也就是有一条自己的链来专门处理 AI 模型的协作,同样通过自身代币 $TAO 作为激励。

商业模式与经济模型:TAO 的公平启动

在商业模式方面,Bittensor 协议建立了一个将机器智能转化为可交易商品的市场,这个机器智能就是算法模型,Bittensor 则作为平台方为算法模型的供需方搭建交易桥梁。本质上 Bittensor 的商业原理仍是物品交换,但数据上链叠加金融属性,未来 AI 算法市场的增长也将为 Bittensor 带来广阔的发展空间。

在这里插入图片描述

在代币经济模型方面,Bittensor 于 2021 年进行「公平启动」,即没有预先挖掘代币。

其代币 TAO 的供应量为 2100 万枚,也有一个减半周期,每 1050 万个区块,区块奖励减半。目前,每 12 秒(一个区块)就有一枚 TAO 向网络释放(每天 7200 枚)。每挖一轮奖励,TAO 都会在验证者和矿工之间进行分配。其经济模型的特点是简单、致力于去中心化和公平分配,每个流通的代币都必须通过积极参与网络来赚取。

目前,Bittensor 主要接受来自 OpenTensor Foundation 的资金支持,该基金会是一个支持 Bittensor 开发的非营利组织。此外,其社区公告已宣布知名加密 VC Pantera 和 Collab Currency 已经成为了 TAO 代币的持有者,并且会对项目的生态发展提供更多支持。其他几个主要投资者则包括 Digital Currency Group、Polychain Capital、FirstMark Capital、GSR 等知名投资机构和做市商。

结语

整体来看,Bittensor 的出现为 AI 算法模型的共享和协作提供了互换的价值转换平台,有利于 AI 技术成果的流动,缓解算法创新和巨头竞争的低效性。但目前,Bittensor 仍处于初始发展阶段,目前还没有真正的用例。

AI 的突飞猛进已经让技术社会迅速进入变革的前夜,Bittensor 作为结合了 AI 与 Web3 技术的项目,将要如何面对 AI 崛起的重大机遇,以及面对 AI 科技巨头所拥有的天量数据带来的优势,快速走向广泛应用和发展?让我们一起期待 Bittensor 如何用人工智能+区块链技术带来更进一步的技术革命。

了解更多

Opentensor 基金会:https://opentensor.ai/

Opentensor Github:https://github.com/opentensor

官网:https://bittensor.com

白皮书:https://bittensor.com/whitepaper

推特:https://twitter.com/opentensor

在 TAO 上质押:https://taostats.io

开发者文档:https://docs.bittensor.com/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/223282.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

HackTheBox - Medium - Linux - Jupiter

Jupiter Jupiter 是一台中等难度的 Linux 机器,它有一个使用 PostgreSQL 数据库的 Grafana 实例,该数据库在权限上过度扩展,容易受到 SQL 注入的影响,因此容易受到远程代码执行的影响。一旦站稳脚跟,就会注意到一个名…

【机器学习】决策树

参考课程视频:https://www.icourse163.org/course/NEU-1462101162?tid1471214452 1 概述 样子: 2 分裂 2.1 分裂原则 信息增益 信息增益比 基尼指数 3 终止 & 剪枝 3.1 终止条件 无需分裂 当前节点内样本同属一类 无法分裂 当前节点内…

为实体服务器配置Ubuntu

简介 我们在使用虚拟机时,直接在网上找到镜像然后下载到本地,在VMware创建实例时将该iso文件作为镜像源然后进行基础配置就可以轻松安装配置好Linux虚拟机。 在为实体服务器安装Linux系统,同样的,我们也需要镜像源(即…

nodejs+vue+ElementUi医院预约挂号系统3e3g0

本医院预约挂号系统有管理员,医生和用户。该系统将采用B/S结构模式,使用Vue和ElementUI框架搭建前端页面,后端使用Nodejs来搭建服务器,并使用MySQL,通过axios完成前后端的交互 管理员功能有个人中心,用户管…

Gartner2023数据库魔力象限发布 阿里云依旧领导者 腾讯退出 EDB/Yugabyte进入

这是一个跨越数年的系列,历史文章参考: * 数据库魔力象限2022:阿里领先、腾讯再次进入 * 2021 藏在魔力象限中的数据库江湖 * Gartner云计算魔力象限2018 概述 Gartner云数据库魔力象限(后简称“象限”或“MQ”)一…

Ubuntu 常用命令之 clear 命令用法介绍

📑Linux/Ubuntu 常用命令归类整理 clear命令在Ubuntu系统下用于清除终端屏幕的内容。这个命令没有任何参数,它的主要作用就是清理终端屏幕上的所有信息,使得屏幕看起来像是新打开的一样。 使用clear命令非常简单,只需要在终端中…

Linux——缓冲区

我在上篇博客留下了一个问题,那个问题就是关于缓冲区的问题,我们发现 文件有缓冲区,语言有用户级缓冲区,那么缓冲区到底是什么?,或者该怎 么认识缓冲区?这篇文章或许会让你有所认识,…

nvm安装教程, 实现nodejs多版本切换

文章目录 前言下载安装步骤切换下载镜像管理node查看版本安装指定版本使用指定版本卸载指定版本 nvm基本命令参考 前言 刚在做项目需要用到nodejs 16以上, 而我的本地安装是nodejs15, 想办法升级一下nodejs的版本. 查阅资料后发现可以下载 nvm(Node.js 版本管理工…

Mac电脑上soucetree账户更改

在开发公司项目的时候遇到一个问题。soucetree提示需要输入已离职员工-张三的密码。 问题:Mac电脑使用souetree,拉取仓库代码提示需要输入其他员工密码。 解决: Mac电脑 SourceTree去掉之前的账户 1、前往文件路径 /Library/Application Su…

【UML】第9篇 类图(概念、作用和抽象类)(1/3)

目录 一、类图的概念 二、类图的主要作用 三、类图的构成 3.1 类的名称 3.2 抽象类(Abstract Class) 一、类图的概念 类图是UML模型中静态视图。它用来描述系统中的有意义的概念,包括具体的概念、抽象的概念、实现方面的概念等。静态视…

Hbase的安装配置

注:本文默认已经完成hadoop的下载以及环境配置 1.上传zookeeper和hbase压缩包到指令路径并且解压 (理论上讲,hbase其实内置了zookeeper,我们也可以不另外下载,另外下载的目的在于减少组件间依赖性) cd /home mkir hbase cd /hom…

Android Studio各种Gradle常见报错问题及解决方案

大家好,我是咕噜铁蛋!在开发Android应用程序时,我们可能会遇到各种Gradle错误。这些错误可能来自不同的原因,例如依赖项问题、配置错误、版本冲突等。今天我通过搜索整理了一下,在这篇文章中,我将分享一些常…

PromptNER: Prompt Locating and Typing for Named Entity Recognition

原文链接: https://aclanthology.org/2023.acl-long.698.pdf ACL 2023 介绍 问题 目前将prompt方法应用在ner中主要有两种方法:对枚举的span类型进行预测,或者通过构建特殊的prompt来对实体进行定位。但作者认为这些方法存在以下问题&#xf…

tcp 的限制 (TCP_WRAPPERS)

#江南的江 #每日鸡汤:青春是打开了就合不上的书,人生是踏上了就回不了头的路,爱情是扔出了就收不回的赌注。 #初心和目标:拿到高级网络工程师 TCP_WRAPPERs Tcp_wrappers 对于七层模型中是位于第四层的安全工具,他…

VideoPoet: Google的一种用于零样本视频生成的大型语言模型

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…

力扣面试经典题之二叉树

104. 二叉树的最大深度 简单 给定一个二叉树 root ,返回其最大深度。 二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。 示例 1: 输入:root [3,9,20,null,null,15,7] 输出:3示例 2: 输入&#xf…

js中将数字转成中文

文章目录 一、实现二、最后 一、实现 如果要将数字10、100和1000转换成中文的"十"、“一百"和"一千”,可以使用以下 JavaScript 代码实现: function numberToChinese(num) {const chineseNums [零, 一, 二, 三, 四, 五, 六, 七, …

计算机的工作原理(上)

1. 计算机发展史 计算的需求在人类的历史中是广泛存在的,发展大体经历了从一般计算工具到机械计算机到目前的电子计算机的发展历程。(以下是计算机的发展历程) 1、公元前2500 年前,算盘已经出现了;除此之外&#xff0c…

【案例】图片预览

效果图 如何让图片放大,大多数的UI组件都带有这种功能,今天给大家介绍的这个插件除了放大之外,还可以旋转、移动、翻转、旋转、二次放大(全屏) 实现 npm i v-viewer -Smain.js 中引入 import viewerjs/dist/viewer.c…

C++哈希表的实现

C哈希表的实现 一.unordered系列容器的介绍二.哈希介绍1.哈希概念2.哈希函数的常见设计3.哈希冲突4.哈希函数的设计原则 三.解决哈希冲突1.闭散列(开放定址法)1.线性探测1.动图演示2.注意事项3.代码的注意事项4.代码实现 2.开散列(哈希桶,拉链法)1.概念2.动图演示3.增容问题1.拉…