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:/a/264829.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

让生活更智能,P1600边缘智能网关带你进入智能家居新时代

一、什么是P1600边缘智能网关? 在科技日新月异的今天,我们的生活已经被各种智能产品所包围。而在这个智能化的浪潮中,P1600边缘智能网关以其独特的优势,成为了智能家居的重要组成部分。那么,什么是P1600边缘智能网关呢…

力扣每日一题day38[106. 从中序与后序遍历序列构造二叉树]

给定两个整数数组 inorder 和 postorder ,其中 inorder 是二叉树的中序遍历, postorder 是同一棵树的后序遍历,请你构造并返回这颗 二叉树 。 示例 1: 输入:inorder [9,3,15,20,7], postorder [9,15,7,20,3] 输出:[…

【数据结构之顺序表】

数据结构学习笔记---002 数据结构之顺序表1、介绍线性表1.1、什么是线性表? 2、什么是顺序表?2.1、概念及结构2.2、顺序表的分类 3、顺序表接口的实现3.1、顺序表动态存储结构的Seqlist.h3.1.1、定义顺序表的动态存储结构3.1.2、声明顺序表各个接口的函数 3.2、顺序表动态存储…

Redis取最近10条记录

有时候我们有这样的需求,就是取最近10条数据展示,这些数据不需要存数据库,只用于暂时最近的10条,就没必要在用到Mysql类似的数据库,只需要用redis即可,这样既方便也快! 具体取最近10条的方法&a…

【Amazon 实验①】使用Amazon WAF做基础 Web Service 防护

文章目录 一、实验介绍二、实验环境准备三、验证实验环境四、Web ACLs 配置 & AWS 托管规则4.1 Web ACLs 介绍4.2 Managed Rules 托管规则4.3 防护常见威胁类型(sql注入,XSS)4.4 实验步骤4.4.1 创建Web ACL4.4.2 测试用例4.4.3 测试结果4…

格雷码独热码生成

一、基本原理 参考:Author Loudrs https://blog.csdn.net/Loudrs/article/details/130542638 自然二进制码转格雷码 //自然二进制数转格雷码 module bin2gray #(parameter width 4 //定义数据的位宽参数为4)(input [width - 1 : 0] bin,output [width - 1 : …

Leetcode 435 无重叠区间

题意理解: 给定一个区间的集合 intervals 要求需要移除区间,使剩余区间互不重叠 目标:最少需要移除几个区间。 解题思路: 采用贪心思路解题,什么是全局最优解,什么是局部最优解。 全局最优解,删…

苏州耕耘无忧物联网:降本增效,设备维护管理数字化转型的引领者

随着科技的快速发展和工业4.0的推动,设备维护管理已经从传统的被动式、经验式维护,转向了更加积极主动、数据驱动的维护模式。在这个过程中,苏州耕耘无忧物联科技有限公司以其深厚的技术积累和丰富的管理经验,引领着设备维护管理数…

7. 结构型模式 - 代理模式

亦称: Proxy 意图 代理模式是一种结构型设计模式, 让你能够提供对象的替代品或其占位符。 代理控制着对于原对象的访问, 并允许在将请求提交给对象前后进行一些处理。 问题 为什么要控制对于某个对象的访问呢? 举个例子&#xff…

Redis单机、主从、哨兵、集群配置

单机配置启动 Redis安装 下载地址:Download | Redis 安装步骤: 1: 安装gcc编译器:yum install gcc 2: 将下载好的redis‐5.0.3.tar.gz文件放置在/usr/local文件夹下,并解压redis‐5.0.3.tar.gz文件 wget http://download.re…

【Linux】权限篇(二)

权限目录 1. 前言2. 权限2.1 修改权限2.2 有无权限的对比2.3 另外一个修改权限的方法2.3.1 更改用户角色2.3.2 修改文件权限属性 3. 第一个属性列4. 目录权限5. 默认权限 1. 前言 在之前的一篇博客中分享了关于权限的一些知识,这次紧接上次的进行,有需要…

flask之文件管理网页(上传,下载,搜索,登录,注册) -- 翔山 第一版

前面说要做一个可以注册,登录,搜索,上传下载的网页,初版来了 第一版主代码 from flask import request, Flask, render_template, redirect, url_for, send_from_directory import bcrypt import ossavePath os.path.join(os.ge…

Qt中字符串转换为JS的函数执行

简介 在 QML 中,将 JavaScript 字符串转换为函数通常涉及使用 Function 构造函数或 eval() 函数。但是,QML 的环境对 JavaScript 的支持有一定的限制,因此不是所有的 JavaScript 功能都可以在 QML 中直接使用。 以下介绍都是在Qt5.12.1…

企业出海-如何保护客户账户安全?

近年来国内企业竞争日益激烈,许多企业在这般环境下难以持续发展。那么该如何获得业务的可持续性增长,如何获取更多的客户的同时开阔公司的视野?出海便是如今帮助国内企业能快速发展壮大的潮流之一,摆脱了局限于国内发展的束缚奔向…

智能优化算法应用:基于晶体结构算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于晶体结构算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于晶体结构算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.晶体结构算法4.实验参数设定5.算法结果6.…

CSS-SVG-环形进度条

线上代码地址 <div class"circular-progress-bar"><svg><circle class"circle-bg" /><circle class"circle-progress" style"stroke-dasharray: calc(2 * 3.1415 * var(--r) * (var(--percent) / 100)), 1000" …

Linux--shell练习题

1、写一个 bash脚本以输出数字 0 到 100 中 7 的倍数(0 7 14 21...)的命令。 vim /shell/homework1.sh #!/bin/bash for num in {1..100} doif [[ num%7 -eq o ]];thenecho $numfi done执行输出脚本查看输出结果 输出结果&#xff1a; 2、写一个 bash脚本以统计一个文本文件…

MATLAB - 使用 YOLO 和基于 PCA 的目标检测,对 UR5e 的半结构化智能垃圾箱拣选进行 Gazebo 仿真

系列文章目录 前言 本示例展示了在 Gazebo 中使用 Universal Robots UR5e cobot 模拟智能垃圾桶拣选的详细工作流程。本示例提供的 MATLAB 项目包括初始化、数据生成、感知、运动规划和积分器模块&#xff08;项目文件夹&#xff09;&#xff0c;可创建完整的垃圾桶拣选工作流…

智能优化算法应用:基于变色龙算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于变色龙算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于变色龙算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.变色龙算法4.实验参数设定5.算法结果6.参考文…

高级算法设计与分析(四) -- 贪心算法

系列文章目录 高级算法设计与分析&#xff08;一&#xff09; -- 算法引论 高级算法设计与分析&#xff08;二&#xff09; -- 递归与分治策略 高级算法设计与分析&#xff08;三&#xff09; -- 动态规划 高级算法设计与分析&#xff08;四&#xff09; -- 贪心算法 高级…