Chuyển đến nội dung

Subnets Bittensor - Chúng Hoạt Động Như Thế Nào Và Chúng Cung Cấp Năng Lượng Cho Những Gì

19 thg 3, 20264 min

Bittensor là một mạng lưới trí tuệ máy tính phi tập trung biến các hàng hóa kỹ thuật số như sức mạnh tính toán, dữ liệu hoặc mô hình AI thành các thị trường onchain.

TAO, đồng tiền gốc của giao thức, cung cấp năng lượng cho việc sản xuất trí tuệ này qua nhiều subnet liên kết với nhau. Người tham gia có thể khai thác hoặc xác thực trong một subnet để kiếm TAO bằng cách sản xuất công việc hữu ích hoặc đo lường chất lượng công việc của người khác. Mỗi subnet tập trung vào một hàng hóa liên quan đến AI cụ thể và cùng nhau chúng hình thành một mạng lưới các thị trường chuyên biệt.

Trong bản tin này, chúng tôi đề cập đến Subnets là gì, chúng hoạt động như thế nào, và nhấn mạnh một vài subnet đáng chú ý.

Bittensor và các Subnets của nó

Một subnet là một thị trường cạnh tranh dựa trên khuyến khích trong Bittensor. Nó bao gồm các miners sản xuất hàng hóa và validators đo lường đầu ra của miners để đảm bảo chất lượng. Phân phối TAO được phân bổ cho miners và validators dựa trên hiệu suất của họ và hiệu suất tương đối của subnet của họ.

Mỗi subnet có một cơ chế khuyến khích xác định công việc mà miners phải thực hiện và cách validators sẽ đánh giá công việc đó. Miners hoàn thành các nhiệm vụ (có thể từ huấn luyện mô hình đến chạy các agent AI) và validators chấm điểm đầu ra của họ. Các điểm số này được đưa vào Yuma Consensus, một thuật toán quyết định phân bổ phần thưởng trên toàn mạng.

Các subnet cũng có các liquidity pools riêng. Mỗi pool chứa TAO và một “alpha” token cụ thể cho subnet, được mua bằng cách stake TAO vào subnet. Giá của alpha token được xác định bởi tỷ lệ dự trữ TAO so với dự trữ alpha. Mô hình này cho phép holders TAO bỏ phiếu bằng stake của họ: các subnet thu hút dòng流入 ròng của TAO nhận được emissions cao hơn, trong khi những subnet có dòng chảy ra thấy emissions giảm hoặc bằng không. Về bản chất, các subnet cạnh tranh về vốn và sự chú ý, và thành công của chúng quyết định lượng TAO chúng kiếm được.

Cách các Subnets Hoạt Động

  1. Xác định cơ chế khuyến khích: Người tạo subnet chỉ định các nhiệm vụ và quy tắc chấm điểm off-chain.

  2. Miners thực hiện công việc: Người tham gia chạy mô hình hoặc agent để sản xuất hàng hóa đã định nghĩa. Ví dụ, trong một số subnet, miners thực hiện proof-of-work để kiếm phần thưởng Bitcoin/Bitcoin Cash cùng với alpha token của subnet.

  3. Validators đánh giá đầu ra: Các validators độc lập đo lường đầu ra của miners theo cơ chế khuyến khích và chấm điểm chúng. Các điểm số này được đưa vào on-chain Yuma Consensus để tính toán emissions.

  4. Emissions và staking: TAO và alpha tokens được phát hành mỗi block. Stakers cung cấp TAO cho một subnet để đổi lấy alpha token của nó, từ đó ảnh hưởng đến trọng số của subnet trong mạng.

Cấu trúc này cho phép Bittensor hỗ trợ nhiều thị trường AI chuyên biệt trong khi duy trì một nền kinh tế chung qua TAO. Dưới đây là một vài ví dụ minh họa sự đa dạng của dịch vụ mà các subnet có thể cung cấp.

Templar (Subnet 03)

Templar là một khung huấn luyện phi tập trung được thiết kế để cho phép huấn luyện mô hình AI quy mô lớn trên các tài nguyên tính toán không đồng nhất. Nó sử dụng một cơ chế khuyến khích gọi là Incentivized Wide-Internet Training để kết nối miners (đóng góp sức mạnh tính toán và dữ liệu) với validators đảm bảo chất lượng của quá trình huấn luyện.

Miners được thưởng TAO vì cung cấp gradients hữu ích và dữ liệu chất lượng cao, làm cho việc huấn luyện AI hợp tác trở nên mở hơn. Bằng cách phi tập trung hóa mạng huấn luyện, Templar nhằm giảm sự phụ thuộc vào cơ sở hạ tầng đám mây tập trung và tạo ra một hệ sinh thái AI tập trung vào quyền riêng tư, có khả năng mở rộng.

Người tham gia nhận các phần của một tập dữ liệu lớn hơn, huấn luyện mô hình cục bộ và gửi gradients trở lại nền tảng. Validators so sánh các gradients này với đầu ra của họ để xác định mức độ đóng góp của mỗi miner cải thiện mô hình toàn cầu và thưởng cho họ tương ứng. Cấu trúc phần thưởng này khuyến khích miners sản xuất các cập nhật chính xác và thúc đẩy hệ thống hướng tới hiệu suất mô hình tốt hơn.

Ridges (Subnet 62)

Ridges (trước đây là Agentao) là một dự án AI phi tập trung hoạt động như Subnet 62. Nó nhằm xây dựng một thị trường các agent kỹ thuật phần mềm tự trị có khả năng giải quyết các nhiệm vụ mã hóa phức tạp.

Luận điểm của dự án là vai trò của một kỹ sư phần mềm có thể được phân tích thành các nhiệm vụ rời rạc nơi các agent chuyên biệt được huấn luyện để làm chủ từng nhiệm vụ, và đầu ra của chúng được tổng hợp. Tầm nhìn dài hạn là việc sử dụng thực tế các agent này sẽ quyết định phân phối phần thưởng.

Miners chạy các agent AI cạnh tranh để hoàn thành các thách thức kỹ thuật phần mềm, chẳng hạn như sửa lỗi hồi quy hoặc viết unit tests. Validators sau đó đánh giá chất lượng và hiệu quả của các giải pháp này. Công việc chất lượng cao kiếm được phần thưởng TAO, tạo ra vòng lặp khuyến khích để cải thiện khả năng của các agent.

Roadmap của dự án bao gồm xây dựng một tập dữ liệu liên tục phát triển (mô hình và tập dữ liệu Cerebro) và một giao thức định tuyến vấn đề để phân tích các dự án phần mềm lớn thành các nhiệm vụ nhỏ hơn và giao chúng cho các agent phù hợp nhất.

Targon (Subnet 04)

Targon là một subnet AI tập trung vào multimodal AI là các mô hình tích hợp dữ liệu từ nhiều nguồn (văn bản, hình ảnh, giọng nói, v.v.) để đạt được dự đoán chính xác hơn. Bằng cách tận dụng nhiều loại dữ liệu, multimodal AI có thể sản xuất đầu ra tinh tế hơn và xử lý sự không nhất quán tốt hơn so với hệ thống single-modal.

Targon được thiết kế như một thị trường phi tập trung cho loại hàng hóa AI này, hỗ trợ sản xuất và trao đổi các dịch vụ multimodal.

Người tạo subnet định nghĩa các nhiệm vụ yêu cầu miners sản xuất đầu ra multimodal AI, trong khi validators đánh giá các đầu ra đó. Người tham gia stake TAO để mua alpha token của Targon và ảnh hưởng đến emissions của subnet. Cơ chế khuyến khích thưởng cho miners và validators dựa trên chất lượng đóng góp của họ, khuyến khích cải thiện liên tục các mô hình multimodal.

Những Điểm Rút Ra

Mỗi subnet sử dụng cơ chế khuyến khích riêng để sản xuất một hàng hóa kỹ thuật số cụ thể trong khi chia sẻ một lớp kinh tế chung qua TAO.

Bằng cách stake TAO, người dùng có thể hỗ trợ các subnet mà họ tin sẽ tạo ra dịch vụ có giá trị và kiếm alpha tokens đổi lại. Hiện có 128 subnet đang hoạt động. Các ví dụ như Templar (huấn luyện AI phi tập trung), Ridges (agent kỹ thuật phần mềm tự trị), và Targon (multimodal AI) minh họa sự đa dạng của các thị trường AI phi tập trung này.

Các Liên Kết Quan Trọng