Ir al contenido

Bittensor

25 oct 202349 min

Introducción

Con la reciente explosión y aumento en la popularidad de AI, muchos han propuesto diferentes tesis sobre dónde se intersectan AI y crypto. Estas innovaciones tienen el potencial de revolucionar varios aspectos de nuestras vidas digitales, desde la gestión de activos digitales hasta la preservación de la propiedad intelectual y la lucha contra el fraude. Notablemente, esta convergencia ha dado lugar a dos tendencias prominentes:

  • La integración de AI con infraestructura de blockchain, como Render ($RNDR), Akash ($AKT) o Fetch.ai ($FET).
  • La aparición de protocolos que incentivan la producción de inteligencia de machine learning, como Bittensor ($TAO).

Las aplicaciones previas de AI en blockchain se concentraron en gran medida en la infraestructura, habilitando el almacenamiento de modelos AI/ML y el alquiler de GPUs. Esto llevó a tendencias como el aprendizaje por refuerzo incentivizado con tokens, zkML, y registros de identidad basados en blockchain para combatir deep fakes. Simultáneamente, una tendencia paralela está ganando impulso: protocolos que incentivan la inteligencia.

En este informe, profundizamos en la intersección de AI y crypto, con un enfoque en Bittensor y el token $TAO, explorando sus roles en el Peer-to-Peer Intelligence Marketplace y el auge de un Digital Commodity Marketplace.

Aprovechando la más reciente Actualización Revolución que tuvo lugar el 2 de octubre, también proporcionamos una visión histórica general, perspectiva del sector, análisis competitivo e insights sobre la propuesta de valor de $TAO.

Resumen

Bittensor es un protocolo de código abierto con una misión principal: impulsar el desarrollo de IA a través de una estructura de incentivos impulsada por blockchain. En este ecosistema, los contribuyentes son recompensados con tokens $TAO por sus esfuerzos.

Bittensor funciona como una red de minería, utilizando incentivos de tokens para fomentar la participación mientras mantiene principios de apertura y descentralización. Dentro de esta red, múltiples nodos alojan modelos de machine learning, contribuyendo colectivamente al pool de inteligencia. Estos modelos juegan un rol crucial en el análisis de extensos datos de texto, extrayendo significado semántico y generando insights valiosos en varios dominios.

Para los usuarios, las funcionalidades esenciales incluyen la capacidad de consultar la red para acceder a la inteligencia, participar en miners y validators para la minería de tokens $TAO, y supervisar sus billeteras y saldos.

La red de Bittensor se basa en contribuciones de una diversa gama de partes interesadas, incluyendo mineros, validadores, nominados y consumidores. Este enfoque colaborativo asegura que los mejores modelos de AI asciendan a la cima, mejorando la calidad de los servicios de AI ofrecidos por la red.

El lado de la oferta tiene dos capas: AI (Miners) y blockchain (Validators).

  • Miners dentro de la red Bittensor alojan modelos AI y los hacen disponibles para la red, con su éxito determinado por la calidad y el rendimiento que proporcionan.Los Miners son compensados con $TAO basado en la inteligencia que contribuyen a la red (aunque esto depende de la tarea específica en cuestión). Los modelos mejor calificados tienen mayor demanda y resultan en más ingresos para los miners.
    • Los mineros son compensados con $TAO en función de la inteligencia que contribuyen a la red (aunque esto depende de la tarea específica en cuestión).
    • Los modelos mejor calificados tienen una mayor demanda y generan más ingresos para los mineros.
  • Validadores actúan como evaluadores dentro de la red. Evalúan la calidad y efectividad de los modelos de AI y gestionan las solicitudes de los usuarios. De esta manera, los validadores clasifican los modelos según su rendimiento en tareas específicas, ayudando a los consumidores a encontrar las mejores soluciones. Cuanto más precisas y consistentes sean sus evaluaciones, más ganan en recompensas. De manera similar, las evaluaciones inconsistentes pueden resultar en penalizaciones, asegurando que los validadores mantengan altos estándares.Los validadores están incentivados con $TAO para clasificar a los mineros según su “contribución de inteligencia”. Los validadores también son responsables de enrutar entradas para producir la mejor salida. Esto se logra formando coaliciones entre Mineros (modelos) que se complementan entre sí (subredes).
    • Los validadores son incentivados con $TAO para clasificar a los mineros en base a su “contribución de inteligencia”.
    • Los validadores también son responsables de enrutar las entradas para producir la mejor salida. Esto se logra formando coaliciones entre Miners (modelos) que se complementan mutuamente (subnetworks).
    • Los mineros son compensados con $TAO en función de la inteligencia que aportan a la red (aunque esto depende de la tarea específica en cuestión).
    • Los modelos con calificación más alta tienen mayor demanda y generan más ingresos para los mineros.
    • Los validadores son incentivados con $TAO para clasificar a los mineros basados en su “contribución de inteligencia”.
    • Los validadores también son responsables de enrutar entradas para producir la mejor salida. Esto se logra formando coaliciones entre Miners (models) que se complementan mutuamente (subnetworks).

Del lado de la demanda, los desarrolladores pueden construir aplicaciones sobre los Validadores, aprovechando (y pagando por) capacidades de IA específicas para casos de uso de la red.

  • Nominados son individuos que poseen tokens $TAO y apoyan activamente a validadores específicos delegando sus tokens a ellos. Esta delegación ayuda a los validadores a obtener más apoyo y recompensas. Los nominados mismos ganan recompensas por su participación en este proceso. Si un validador tiene un bajo rendimiento o si un nominado cree que hay una mejor opción, pueden cambiar su apoyo a otro validador.
  • Consumidores son los usuarios finales de los modelos AI proporcionados por Bittensor. Pueden variar desde desarrolladores de aplicaciones que integran capacidades AI en sus aplicaciones hasta usuarios de chatbots que buscan respuestas de alta calidad. Los consumidores priorizan recibir respuestas precisas y valiosas. Los desarrolladores, en particular, eligen validadores que creen que mejor satisfacen sus requisitos para asegurar la entrega de servicios AI de primera calidad a sus usuarios.
    • Los consumidores priorizan recibir respuestas precisas y valiosas.
    • Los desarrolladores, en particular, eligen validadores que creen que mejor cumplen con sus requisitos para garantizar la entrega de servicios de AI de primera calidad a sus usuarios.
    • Los consumidores priorizan recibir respuestas precisas y valiosas.
    • Los desarrolladores, en particular, eligen validadores que creen que mejor satisfacen sus requisitos para garantizar la entrega de servicios de IA de primera calidad a sus usuarios.

El resultado de la coordinación entre los interesados mencionados anteriormente da lugar a una red que promueve los mejores modelos para un caso de uso dado. Dado que cualquiera puede experimentar, es difícil para las empresas de código cerrado siquiera competir.

Credit – AI Legos: The Bittensor Thesis by David Attermann

Uno de los malentendidos más comunes es que la red soporta el entrenamiento de ML. En su estado actual, Bittensor soporta exclusivamente la inferencia, que es el proceso de extraer conclusiones y proporcionar respuestas basadas en evidencia y razonamiento. El entrenamiento, por otro lado, es un proceso distinto que implica enseñar a un modelo de aprendizaje automático a realizar una tarea. Esto se logra alimentando al modelo un conjunto de datos sustancial de ejemplos etiquetados, permitiéndole aprender patrones y asociaciones entre los datos y las etiquetas. La inferencia, en cambio, utiliza un modelo de aprendizaje automático entrenado para realizar predicciones en datos nuevos y no vistos. Por ejemplo, un modelo entrenado para clasificar imágenes puede emplearse para inferencia con el fin de determinar la clase de una imagen nueva y previamente no vista.

Por lo tanto, es importante notar que Bittensor no ejecuta ML en cadena, sino que funciona más como un oráculo en cadena o una red de validadores que conecta y orquesta nodos ML fuera de cadena (mineros). Esta configuración crea una red descentralizada de mixture-of-experts (MoE), una arquitectura ML que combina múltiples modelos optimizados para diferentes capacidades para formar un modelo general más robusto.

Un Mercado de Inteligencia Peer-to-Peer

El Mercado de Inteligencia Peer-to-Peer de Bittensor es un concepto pionero en el campo del desarrollo de AI, que ofrece una plataforma descentralizada y sin permisos que contrasta fuertemente con modelos más cerrados como OpenAI o Gemini de Google.

Este marketplace está diseñado para fomentar la innovación competitiva, impulsar el crecimiento de la industria AI y hacer que AI sea accesible para una comunidad global de desarrolladores y usuarios. Cualquier forma de valor puede ser incentivada — un protocolo para incentivar/crear un mercado justo para cualquier commodity digital.

En otras palabras, el protocolo encarna un enfoque peer-to-peer para el intercambio de capacidades de machine learning y predicciones entre participantes dentro de la red. Facilita el compartir y la colaboración de modelos y servicios de machine learning, promoviendo un entorno colaborativo e inclusivo donde tanto modelos open-source como closed-source pueden ser alojados.

El Auge de un Mercado de Commodities Digitales

Bittensor es único en el sentido de que establece las bases para la emergencia de un Mercado de Commodities Digitales, transformando efectivamente la inteligencia de máquina en un activo negociable. En su núcleo, el protocolo establece un mercado donde la inteligencia de máquina es commoditizada.

Mucho como un algoritmo genético, el sistema de incentivos de Bittensor evalúa continuamente el rendimiento de los mineros y realiza selecciones o recicla mineros con el tiempo. Este proceso dinámico asegura que la red permanezca eficiente y receptiva al panorama en evolución del desarrollo de AI.

En el mercado de inteligencia Bittensor, la generación de valor sigue un enfoque dual:

  • Modelos de IA de alto rendimiento alojados por mineros, conocidos como contribuyentes, reciben recompensas en forma de tokens $TAO.
  • Los validadores, que evalúan y utilizan la inteligencia, también son recompensados con tokens $TAO.

Vale la pena notar que Bittensor no recompensa únicamente el rendimiento crudo, sino que pone énfasis en la generación de la señal más valiosa “signal.” Esto significa que el sistema de recompensas prioriza la creación de información que ofrece beneficios sustanciales a una amplia audiencia, contribuyendo en última instancia al desarrollo de una mercancía más valiosa.

Consenso Yuma

Como una blockchain de capa 1 independiente, Bittensor está impulsada por el algoritmo de consenso Yuma. Es un algoritmo de consenso descentralizado, de igual a igual, que permite la distribución equitativa de recursos computacionales a través de una red de nodos.

Yuma opera en un mecanismo de consenso híbrido que combina elementos de proof-of-work (PoW) y proof-of-stake (PoS). Los nodos dentro de la red realizan trabajo computacional para validar transacciones y crear nuevos bloques. Este trabajo es luego validado por otros nodos, y los contribuyentes exitosos son recompensados con tokens. Es el componente PoS el que incentiva a los nodos a mantener tokens, alineando sus intereses con la estabilidad y el crecimiento de la red.

En comparación con los mecanismos de consenso convencionales, este modelo híbrido ofrece varias ventajas. Por un lado, evita el consumo excesivo de energía a menudo asociado con Proof of Work (PoW), abordando preocupaciones ambientales. Por otro lado, elude los riesgos de centralización observados en Proof of Stake (PoS), preservando la descentralización y seguridad de la red.

El mecanismo de consenso Yuma destaca por su capacidad para distribuir recursos computacionales a través de una extensa red de nodos. Este enfoque tiene implicaciones de amplio alcance, ya que permite el manejo de tareas de AI más complejas y el procesamiento de conjuntos de datos más grandes con facilidad. A medida que la red incorpora nodos adicionales, escala naturalmente para acomodar cargas de trabajo cada vez más sustanciales.

En contraste con las aplicaciones de AI centralizadas tradicionales que dependen de un solo servidor o clúster, las aplicaciones impulsadas por Yuma pueden distribuirse a través de una red de nodos. Esta distribución optimiza los recursos computacionales, haciendo posible abordar tareas intrincadas mientras se mitigan los riesgos asociados con puntos únicos de fallo y vulnerabilidades de seguridad.

Knowledge Distillation – Una Mente Colmena Digital

La destilación de conocimiento es un concepto fundamental dentro del protocolo Bittensor, fomentando el aprendizaje colaborativo entre los nodos de la red para mejorar el rendimiento y la precisión. Similar a cómo las neuronas en el cerebro humano trabajan juntas, la destilación de conocimiento permite que los nodos mejoren colectivamente dentro de la red.

Este proceso implica el intercambio de muestras de datos y parámetros de modelo entre nodos, lo que lleva a una red que se autooptimiza con el tiempo para predicciones más precisas. Cada nodo contribuye a un pool compartido, mejorando en última instancia el rendimiento general de la red, haciéndola más rápida y mejor adaptada para aplicaciones de aprendizaje en tiempo real como la robótica y los autos autónomos.

Crucialmente, este método mitiga el riesgo de olvido catastrófico, un desafío común en el aprendizaje automático. Los nodos retienen y expanden su conocimiento existente mientras incorporan nuevas perspectivas, mejorando la resiliencia y adaptabilidad de la red.

Al distribuir el conocimiento a través de múltiples nodos, la red Bittensor TAO se vuelve más resiliente contra interrupciones y posibles brechas de datos también. Esta robustez es particularmente vital para aplicaciones que tratan con datos de alta seguridad y sensibles a la privacidad, como información financiera y médica (más sobre privacidad más adelante).

Mezcla de Expertos (MoE)

Llevando la innovación un paso más allá, la red Bittensor introduce el concepto de una Mezcla de Expertos (MoE) descentralizada. Este enfoque aprovecha el poder de múltiples redes neuronales, cada una especializada en diferentes aspectos de los datos. Cuando se introducen nuevos datos, estos expertos colaboran para producir predicciones colectivas más precisas de las que cualquier experto individual podría lograr por sí solo.

El mecanismo de consenso utilizado combina aprendizaje profundo con algoritmos de consenso de blockchain. Su objetivo principal es distribuir el stake como incentivo a los pares que contribuyen con el mayor valor informativo a la red. En esencia, recompensa a aquellos que mejoran el conocimiento y las capacidades de la red.

En su núcleo, el protocolo Bittensor consiste en funciones parametrizadas, a menudo referidas como neuronas. Estas neuronas se distribuyen de manera peer-to-peer, con cada una sosteniendo cero o más pesos de red registrados en un libro mayor digital. Los pares se involucran activamente en clasificarse mutuamente, entrenando redes neuronales para determinar el valor de sus nodos vecinos. Este proceso de clasificación es fundamental para evaluar las contribuciones de los pares individuales al rendimiento general de la red.

Puntuaciones generadas a través de este proceso de clasificación se acumulan en un libro mayor digital. Los pares de alto ranking reciben recompensas monetarias, ganando peso adicional en la red. Esto establece una conexión directa entre las contribuciones de un par y sus recompensas, promoviendo la equidad y la transparencia dentro de la red.

Este enfoque presenta un mercado donde la inteligencia se valora por otros sistemas de inteligencia de manera peer-to-peer a través de internet. Incentiva a los pares a mejorar continuamente su conocimiento y experiencia.

Para garantizar una distribución equitativa de las recompensas, Bittensor emplea valores de Shapley, un concepto tomado de la teoría de juegos cooperativos. Los valores de Shapley ofrecen una forma justa y eficiente de asignar recompensas entre los pares de la red en función de sus contribuciones. Esta alineación de incentivos con contribuciones motiva a los nodos a actuar en el mejor interés de la red, mejorando la seguridad y la eficiencia mientras impulsa la mejora continua.

La misión principal de Bittensor se centra en fomentar la innovación y la colaboración en el espacio de AI a través de un marco descentralizado. Este marco permite la expansión y el intercambio rápidos del conocimiento, creando una biblioteca de información en constante crecimiento e imparable. En este mercado, los desarrolladores están capacitados para monetizar sus modelos de AI y proporcionar soluciones valiosas a empresas e individuos.

La visión de Bittensor se extiende a un futuro donde los modelos de AI son fácilmente accesibles y desplegables en una amplia gama de industrias. Esta accesibilidad impulsa avances y desbloquea nuevas posibilidades, cerrando la brecha entre las capacidades de AI y las aplicaciones del mundo real.

Al igual que los prominentes modelos de AI globales como Chat GPT, los modelos de Bittensor generan ‘representations’ basadas en un conjunto de datos universal. Para evaluar el rendimiento del modelo, Fisher’s information se utiliza, estimando el impacto de eliminar un nodo de la red, similar a la pérdida de una neurona en el cerebro humano.

Más allá del ranking de modelos, Bittensor pone un fuerte énfasis en el aprendizaje interactivo. Cada modelo se involucra activamente con la red, buscando interacciones con otros modelos, similar a una consulta DNS. Bittensor funciona como una API que facilita el intercambio de datos entre estos modelos, fomentando el aprendizaje colaborativo y el intercambio de conocimiento – utilizando tanto modelos de código abierto como de código cerrado.

Utilizando el consenso Yuma para asegurar que todos jueguen según las reglas, el ecosistema actúa como una fuerza impulsora para desarrolladores de código abierto y laboratorios de investigación de AI, ofreciendo incentivos financieros para mejorar modelos fundacionales abiertos.

En esencia, Bittensor funciona como un repositorio en constante expansión de inteligencia de máquina. Esto se logra al reunir 4 capas diferentes:

  • La capa de mineros es responsable de producir trabajo valioso dentro de la red.
  • La capa de validación asegura que los mineros se adhieran a las reglas establecidas de consenso.
  • La capa empresarial se basa en la infraestructura existente para desarrollar productos y servicios innovadores. Sirve como una plataforma para aprovechar la inteligencia colectiva de la red para crear nuevas soluciones.
  • La capa de consumidores se beneficia del trabajo producido por la capa empresarial. Representa a los usuarios finales u organizaciones que utilizan los productos y servicios impulsados por la red Bittensor.

Historia

Bittensor fue fundada en 2019 por dos investigadores de IA, Jacob Steeves y Ala Shaabana (y un autor pseudónimo del whitepaper, Yuma Rao) que estaban buscando una forma de hacer que la IA sea compuesta. Pronto se dieron cuenta de que crypto podría ser la solución: una forma de incentivar y orquestar una red global de nodos de ML para entrenar y aprender juntos en problemas específicos. Los recursos incrementales agregados a la red aumentan la inteligencia general, compuesta sobre el trabajo realizado por investigadores y modelos anteriores.

El viaje de Bittensor comenzó con el lanzamiento de ‘Kusanagi’ en enero de 2021, marcando la activación de la red y permitiendo que los mineros y validadores comenzaran a ganar las primeras recompensas de $TAO. Sin embargo, esta iteración inicial encontró paradas temporales debido a problemas de consenso. En respuesta, Bittensor bifurcó ‘Kusanagi’ en ‘Nakamoto’ en noviembre de 2021.

El 20 de marzo de 2023, se alcanzó un hito significativo cuando ‘Nakamoto’ fue bifurcado una vez más, esta vez evolucionando hacia ‘Finney’. El propósito de esta actualización fue mejorar el rendimiento del código del kernel.

Notablemente, Bittensor inicialmente apuntó a convertirse en una parachain en Polkadot, asegurando un slot de parachain a través de una subasta exitosa en enero. Sin embargo, se decidió utilizar su propio blockchain L1 independiente construido en Substrate en lugar de depender de Polkadot debido a preocupaciones relacionadas con la velocidad de desarrollo de Polkadot.

Estado Actual

Bittensor ha estado en mainnet por más de un año, y su enfoque ha sido en la investigación pionera y en sentar las bases para su potencial futuro. Aquí hay una visión general del estado actual y las razones por las que los casos de uso empresarial aún no se han construido sobre sus validadores:

  • Sparse Mixture Model: Bittensor opera como uno sparse mixture model. Atrae modelos de AI específicos a esta mezcla, cada uno abordando roles nicho en la resolución de problemas más grandes definidos por validators. Configurar y ajustar este modelo para alcanzar el estado del arte y más allá es un proceso complejo e iterativo. Esta fase del roadmap está actualmente liderada por la Opentensor Foundation.
  • Intelligence Compression (Distillation): La compresión de inteligencia es un foco central de investigación para Bittensor. Esto involucra técnicas de distillation para mejorar la eficiencia y capacidades de la red.
  • Optimizando para una Gran Meta: El enfoque principal de Bittensor ha sido optimizar para una gran meta en lugar de casos de uso empresariales a corto plazo. Opentensor está comprometido con la creación de una red que va más allá de ser una simple plataforma peer-to-peer con un sistema de precios para modelos.
  • Progreso y Actualizaciones: En el último año, Opentensor ha logrado un progreso significativo, incluyendo la actualización Synapse, que abrió Bittensor a solicitudes externas. En octubre de 2023, la actualización Revolution permitió la expansión a través de subredes. Esto empodera a los grandes validadores para definir problemas de manera independiente, creando oportunidades de flujo de caja a partir de su stake.
  • Hacia la Expansión al Mundo Real: La red Finney marca un punto de inflexión para Bittensor, permitiendo a los validadores actuar de manera más independiente y reduciendo la centralización inicial. A medida que el stake de la red crece y las recompensas por bloque aumentan, impulsa el crecimiento de AI.
  • Casos de Uso Empresariales de AI en el Horizonte: Bittensor prevé la expansión de casos de uso empresariales de AI en el mundo real a medida que los interesados, incluidos humanos y AIs, sigan sus incentivos. La implementación de multi y meta-modalidad está en el horizonte, fusionando subredes en un formato unificado de ‘inteligencia’.

Con la última actualización Revolution, Bittensor abrió la posibilidad para que cualquiera cree una subred que se especialice en un tipo específico de aplicación. Por ejemplo, Subnet 4 utiliza JEPA (Joint Embedding Predicted Architecture), que es un enfoque de AI pionero por Yann LeCun de Metapara manejar una variedad de entradas y tipos de salida como video, imágenes y audio en un solo modelo.

Otro logro notable es Cerebras, BTLM-3B-8K (Bittensor Language Model, un modelo de 3B parámetros que hace posible ejecutar modelos altamente precisos y de alto rendimiento en dispositivos móviles, haciendo que el AI sea significativamente más accesible. BTLM-3B-8K está disponible en Hugging Face con una licencia Apache 2.0 para uso comercial.

Los modelos GPT grandes típicamente tienen más de 100B parámetros, requiriendo múltiples GPUs de alto rendimiento para realizar inferencia. Sin embargo, la liberación de LLaMA de Meta dio al mundo modelos de alto rendimiento en tan solo 7B parámetros, haciendo posible ejecutar LLMs en PCs de alto rendimiento.

Pero incluso un modelo de 7B parámetros cuantizado a precisión de 4 bits no cabe en muchos dispositivos populares como el iPhone 13 (4GB RAM). Mientras que un modelo de 3B cabría cómodamente en casi todos los dispositivos móviles, los modelos previos de tamaño 3B subrendían sustancialmente a sus contrapartes de 7B.

BTLM logra un equilibrio entre el tamaño del modelo y el rendimiento. Con 3 mil millones de parámetros, ofrece un nivel de precisión y capacidad que supera significativamente a los modelos anteriores de tamaño 3B.

Al observar los benchmarks individuales, BTLM obtiene la puntuación más alta en todas las categorías, con la excepción de TruthfulQA.

No solo BTLM-3B supera a todos los modelos de 3B, sino que también rinde de manera comparable a muchos modelos de 7B.

Revolución – Actualización de Subredes de Bittensor

La Actualización de la Revolución de Bittensor, lanzada el 2 de octubre, representa un hito significativo en el desarrollo de Bittensor, introduciendo cambios sustanciales en su estructura operativa. Central en esta actualización es la introducción de “subnets”, un concepto innovador que otorga a los desarrolladores una autonomía sin precedentes para dar forma a sus mecanismos de incentivos y establecer mercados dentro del ecosistema de Bittensor.

Una característica clave de esta actualización es la introducción de un lenguaje de programación especializado diseñado específicamente para crear sistemas de incentivos. Esta innovación permite a los desarrolladores crear e implementar sus mecanismos de incentivos en la red Bittensor, utilizando su extenso conjunto de inteligencia para adaptar mercados a sus requisitos y preferencias específicas.

Esta actualización también representa una notable desviación de un modelo centralizado, donde una sola fundación controla todos los aspectos de la red, hacia un marco más descentralizado. Varios individuos o grupos ahora tienen la oportunidad de poseer y gestionar subredes.

Con la introducción de “subnets,” ahora cualquiera puede crear sus propias subredes y definir sus mecanismos de incentivos, fomentando una gama más amplia de servicios dentro del ecosistema de Bittensor. Este cambio promueve la diversidad y la descentralización dentro de la red, alineándose con los principios de apertura y colaboración que sustentan la misión de Bittensor.

Además, las subredes competirán por emisiones al obtener consenso de los delegados en la nueva “route network”, introduciendo un elemento competitivo que puede impulsar la innovación y la asignación de recursos.

La llegada de subredes creadas por usuarios puede ser reminiscent de la explosión de aplicaciones en Ethereum una vez que abrió sus puertas a la comunidad global de desarrolladores. Esta actualización también subraya el potencial de fusionar diversas herramientas y servicios en una red cohesiva. En esencia, cada elemento requerido para forjar inteligencia ahora está bajo un mismo techo, regulado por un token singular ($TAO).

La Red Route

La red route sirve como un componente pivotal dentro del ecosistema Bittensor. Actúa como una meta-subnet con el rol crucial de distribuir emisiones a través de otras subnets, todo basado en consenso ponderado de delegados clave. Este cambio es transformador en naturaleza, ya que cambia fundamentalmente Bittensor de un sistema controlado único a una dinámica “network of networks”.

Crucialmente, los calendarios de emisión ya no están exclusivamente bajo el control de Opentensor foundation. Los delegados dentro de la red ‘root’ ahora tienen autoridad sobre la distribución de incentivos. Este cambio descentraliza el control de los incentivos, eliminando la dependencia exclusiva de cualquier entidad única y colocándola en manos de la red ‘root’.

Subredes

Las subredes dentro de la red Bittensor son mecanismos de incentivos autocontenidos que proporcionan un marco para que los mineros interactúen con la plataforma. Estas subredes juegan un papel pivotal en la definición de los protocolos que rigen las interacciones entre mineros y validadores.

Además, los detalles específicos de los mecanismos de incentivos ya no están codificados de manera fija dentro del código base de Bittensor. En su lugar, estos detalles se definen dentro de los repositorios de subredes, permitiendo una mayor flexibilidad y adaptabilidad.

Bittensor introduce subredes específicas, como la subred de prompting y la subred de series temporales. La subred de prompting permite la ejecución de diversas redes neuronales de prompts, incluyendo GPT-3, GPT-4, ChatGPT y otras, para inferencia descentralizada. Esta funcionalidad permite a los usuarios interactuar con Validadores en la red y obtener salidas de los modelos con mejor rendimiento, empoderando sus aplicaciones con capacidades avanzadas de AI.

Las subredes operan distribuyendo tokens $TAO a mineros y validadores en base al valor que contribuyen a la red. Las reglas y protocolos precisos para las respuestas de los mineros a las consultas de los validadores y el proceso de evaluación realizado por los validadores se determinan por el código dentro de cada repositorio de subred.

  • Al lanzamiento, nueve ranuras de subred estarán disponibles, cada una acomodando 256 UIDs por defecto (excepto para la Subred 1, que acomoda 1024). Las subredes competirán activamente por emisiones buscando pesos de consenso de delegados dentro de la red ‘root’.
  • Para registrar un subnet, individuos o entidades deben bloquear una cantidad específica de $TAO por la duración de la existencia del subnet. Los propietarios de subnets asumen el rol de administradores completos de la red y tienen derecho a las emisiones distribuidas a través de sus respectivos subnets. Poseen permisos completos, incluyendo la capacidad de llamar acciones sudo a través de la red, como configurar hiperparámetros como network min rates.
  • Cada subred está asociada con un UID de red único, y la propiedad de una subred se transfiere a la billetera que bloqueó la cantidad requerida de $TAO para su registro. Cuando se crea una subred, la cantidad correspondiente de $TAO se deduce de la billetera del creador y se adjunta a la subred. En caso de que una subred se desregistre, el $TAO bloqueado se devuelve al propietario.
  • Un aspecto notable es que el 18% de las emisiones devueltas en $TAO apostado dentro de una subred se otorgan al propietario de la subred. Esto incentiva a los creadores de subredes a diseñar mecanismos que atraigan delegados en la red de ruta, ya que mejora sus posibilidades de evitar la desregistro.
  • Las subredes recién registradas reciben un período de inmunidad de una semana durante el cual no pueden ser deregistradas. El costo inicial de bloqueo se establece en 2500 $TAO, duplicándose cuando se registra una nueva subred. Con el tiempo, el costo de bloqueo disminuye gradualmente, siguiendo un patrón lineal similar a un mecanismo de subasta holandesa. Este enfoque busca encontrar el equilibrio en la demanda de ranuras de subred ajustando el costo de bloqueo con el tiempo.
  • Cuando una subred se da de baja, el $TAO bloqueado para su registro se devuelve al propietario, todos los mineros dentro de la subred se eliminan y el estado de la red se restablece.

La Root Network

La Root Network funciona como un “meta subnet” que opera por encima e influye en otras subredes mientras juega un papel pivotal en la determinación de emission scores en todo el sistema.

Su función principal es emplear un weighted consensus mechanism que involucra delegados para producir un emission vector para cada subnet. Los delegados dentro de la red ‘root’ asignan pesos a diferentes subredes basados en sus preferencias, y un consensus mechanism determina en última instancia la asignación de emisiones.

Un aspecto notable es que la red ‘root’ consolida efectivamente los roles tanto del Senado como de los mecanismos de delegación, uniendo estas funciones en una sola entidad. Esta consolidación agiliza los procesos de toma de decisiones dentro del ecosistema Bittensor.

La red ‘root’ posee la autoridad para moldear el ecosistema influyendo en la asignación de emisiones. Si considera que una subred o un aspecto particular del sistema no es valioso, tiene la capacidad de reducir o eliminar las emisiones a ese componente.

Las subredes dentro de la red Bittensor deben esforzarse activamente por atraer la mayoría de los pesos de los delegados dentro de la red ‘root’ para asegurar una participación significativa de las emisiones. Este aspecto competitivo subraya la importancia de las subredes en demostrar su valor y utilidad para el ecosistema más amplio.

Además, empodera a las 12 claves principales dentro de la red con el potencial de vetar propuestas presentadas por el triunvirato, añadiendo una capa adicional de gobernanza y controles y equilibrios al sistema.

Perspectiva del Sector

En el ámbito de la tecnología, el poder ha estado concentrado durante mucho tiempo en manos de unos pocos gigantes tecnológicos. Estos gigantes han mantenido el control sobre commodities digitales valiosos que son esenciales para impulsar la innovación. Bittensor, sin embargo, reconoce y desafía este paradigma predominante al introducir un sistema más democrático y accesible a través de su marketplace.

La visión fundamental de Bittensor radica en la comprensión de que la inteligencia es el resultado de diversas commodities digitales, como la potencia de cómputo y los datos. Históricamente, estas commodities han sido estrictamente controladas y restringidas al dominio de los gigantes tecnológicos. Bittensor busca romper estas cadenas introduciendo subredes creadas por usuarios. Estos mercados operarán bajo un sistema de tokens unificado, asegurando que los desarrolladores de todo el mundo tengan acceso igualitario a recursos que previamente eran el dominio exclusivo de un selecto grupo dentro del ecosistema cerrado de Big Tech.

Adopción Potencial

En la era digital actual, el poder transformador de la Inteligencia Artificial (AI) es innegable. La AI se ha convertido en una parte integral de nuestras vidas, simplificando la investigación, automatizando flujos de trabajo, asistiendo en la codificación y generando contenido a partir de texto. El rápido crecimiento de las capacidades de la AI es evidente, pero este crecimiento viene con desafíos relacionados con la escalabilidad y, lo más importante, la confiabilidad.

Incidentes recientes, como la interrupción temporal de ChatGPT durante discusiones sobre regulaciones de AI en Washington, han destacado la necesidad crítica de soluciones robustas para abordar los desafíos de escalabilidad de AI. Estas interrupciones han dejado a los usuarios preocupados por la estabilidad y confiabilidad de AI a medida que se integra cada vez más en nuestras vidas diarias. Es en momentos como estos que se hace evidente la importancia de $TAO de Bittensor.

El enfoque de Bittensor no solo defiende la AI de código abierto, sino que también demuestra que puede ser una búsqueda financieramente recompensadora. Refleja la evolución competitiva vista en la minería de Bitcoin y allana el camino para un mercado próspero donde los mejores modelos de AI asciendan al frente. Este cambio empodera a los investigadores de AI para contribuir su experiencia a un entorno abierto y dinámico, beneficiando en última instancia a la sociedad en su conjunto.

$TAO ofrece una infraestructura de IA descentralizada que puede mitigar problemas potenciales como el experimentado por ChatGPT. Al descentralizar la IA, Bittensor asegura la resiliencia y confiabilidad de los sistemas de IA, incluso a medida que su demanda continúa creciendo. Este enfoque establece una base confiable para el futuro de los servicios de IA.

En resumen, Bittensor surge como un mercado global para inteligencia artificial de código abierto, presentando una solución convincente a los desafíos planteados por el desarrollo de IA de código cerrado.

  • Fuerza Gravitacional para la Excelencia en IA: Bittensor opera como una fuerza gravitacional que atrae los mejores modelos de IA de investigadores de todo el mundo. Al fomentar un mercado libre para la IA, la red incentiva la presentación de modelos de vanguardia. A medida que madura, Bittensor promete precios más bajos, elimina el riesgo de plataforma y ofrece las mejores salidas de IA, ya sea en texto, imágenes, video u otros formatos.
  • Código Abierto Rentable: Bittensor transforma la IA de código abierto en un esfuerzo rentable. Siguiendo el ejemplo establecido por Bitcoin, Bittensor está estructurado con la suposición de que los interesados están impulsados por el lucro. En este ecosistema, los mejores modelos de IA ganan más dinero. Es paralelo a la evolución de la minería de Bitcoin, transitando a una industria competitiva y profesionalizada. Los investigadores con PhD ahora tienen la oportunidad de llevar su investigación a este mercado abierto, cerrando la brecha entre la academia y la industria privada.
  • Escala Impresionante: Los incentivos de Bittensor han producido resultados notables. La red atiende a más de 4.000 modelos de AI, que comprenden unos asombrosos 10 billones de parámetros de modelo. Para poner esto en perspectiva, GPT-3 tiene 175 mil millones de parámetros.
  • Diversos Interesados: El ecosistema de Bittensor involucra una variedad de interesados, incluyendo mineros, validadores, nominados y consumidores. Esta participación diversa asegura la robustez de la red y su crecimiento continuo.

Un aspecto significativo a considerar es el estado actual de la AI, gran parte de la cual permanece encerrada detrás de puertas cerradas y bajo el control de unos pocos gigantes tecnológicos. Esto plantea la pregunta: ¿y si la AI pudiera ser abierta y aprender de otros modelos de AI en un entorno colaborativo? El $TAO de Bittensor busca proporcionar una solución a esta pregunta.

  • Adopción por crecimiento: Aunque algunas grandes empresas de AI puedan dudar en hacer públicas sus tecnologías de AI propietarias, $TAO ofrece una propuesta intrigante. Introduce la posibilidad de una mayor monetización a través de microtransacciones. Imagina soluciones de AI establecidas como OpenAI aceptando micropagos cada vez que alguien utiliza sus modelos de entrenamiento dentro del ecosistema Bittensor para construir sus productos y negocios. Esto podría abrir una nueva fuente de ingresos para estas empresas, animándolas a participar en una red de AI abierta.
  • Adopción por demanda: Alternativamente, supongamos que las soluciones de IA actuales permanecen cerradas y resistentes a las redes abiertas. Incluso con un capital sustancial a su disposición, existe la posibilidad de que el código abierto pueda superar estas soluciones fuertemente financiadas. Aunque los recursos financieros son cruciales para el crecimiento tecnológico, no se debe subestimar el potencial de una tecnología que puede aprender de manera autónoma y de su entorno.

El Dilema de Código Abierto

El debate sobre si los modelos de IA deberían ser de código abierto ha ganado prominencia a medida que las preocupaciones sobre el problema de alineación en la IA continúan creciendo. La pregunta fundamental es si el código real detrás de los modelos de IA debería ser accesible libremente para todos. Curiosamente, incluso si jugadores importantes como OpenAI abrieran el código de sus modelos, no necesariamente representaría una amenaza para Bittensor. En un entorno de código abierto, cualquiera podría utilizar estos modelos en la red Bittensor.

En la comunidad tecnológica, hay una divergencia de opiniones sobre este asunto. Algunos argumentan que abrir el código fuente de la tecnología de AI podría empoderar a actores maliciosos para explotar AI con fines perjudiciales. Por el contrario, otros sostienen que otorgar derechos exclusivos sobre las tecnologías de AI a grandes corporaciones representa un peligro más significativo. Por ejemplo, concentrar el poder de AI en manos de unas pocas corporaciones de billones de dólares, como se ve con el enfoque de OpenAI en recaudar fondos sustanciales, podría llevar a preocupaciones éticas, destacando el riesgo de corrupción de poder.

La decisión de Meta de abrir el código fuente de su Llama2 LLM indica un cambio en la industria hacia la adopción de prácticas de código abierto. Este movimiento proporciona una oportunidad para que Bittensor aprenda de y potencialmente integre los avances de Meta en su red, cerrando la brecha de rendimiento más rápidamente.

Es esencial examinar la valoración tanto de $TAO como de OpenAI. Actualmente, OpenAI ocupa una posición dominante en la industria, con una valoración que oscila entre $80B y $90B. Sin embargo, opera dentro de un ecosistema cerrado que depende en gran medida de Microsoft y sus servicios en la nube con permisos. A pesar de esto, OpenAI ha atraído exitosamente talento de primer nivel de todo el mundo. Por otro lado, a medida que avanza el tiempo y las iniciativas de código abierto se vuelven más prevalentes, el grupo de talento disponible está listo para expandirse exponencialmente, alcanzando cada rincón de internet. Esta democratización de la experiencia en AI podría jugar un papel crucial en la adopción de Bittensor.

Paisaje Competitivo – IA Centralizada

La adopción por parte de los desarrolladores sigue siendo un factor pivotal en el viaje de Bittensor. Actualmente, los desarrolladores pueden interactuar con la red a través de la API de Python desarrollada por la OpenTensor Foundation, subrayando la importancia de fomentar una comunidad de desarrolladores robusta para impulsar la adopción. En la actualidad, Bittensor está trabajando activamente en la descentralización de aspectos críticos de la red, como la creación y el entrenamiento de modelos, recompensando los modelos más finamente ajustados mientras fomenta la toma de decisiones impulsada por la comunidad.

Interesantemente, jugadores establecidos en el dominio de la AI, incluyendo OpenAI y Google, ahora se han convertido en competidores de $TAO. Están profundamente involucrados en la etapa de generación de modelos de AI y han incursionado incluso en integraciones verticales potenciales dentro de diversas industrias. En este contexto, uno de los principales desafíos que enfrenta $TAO es el problema de la brecha de datos.

A diferencia de gigantes tecnológicos como Facebook, Apple, Amazon, Netflix y Google (FAANG), que tienen acceso a vastos repositorios de datos significativos, las comunidades de código abierto pueden carecer del mismo nivel de recursos y acceso a datos. Las organizaciones FAANG están equipadas con los medios financieros para impulsar sus esfuerzos de AI con hardware robusto como la tecnología de vanguardia de Nvidia, incluyendo H100s y GH200s, que pueden acelerar significativamente el entrenamiento de modelos de AI.

Al mismo tiempo, es esencial notar que todas las soluciones de AI mainstream hoy en día se caracterizan por ser cerradas y centralizadas. Esto incluye compañías prominentes como OpenAI, Google, Midjourney, y otras, cada una ofreciendo soluciones de AI disruptivas. Sin embargo, la brecha entre modelos closed y open-source se está estrechando rápidamente. Los modelos open-source están ganando terreno en términos de velocidad, personalización, privacidad y capacidad general. Logran características impresionantes con presupuestos y tamaños de parámetros relativamente modestos en comparación con sus contrapartes closed. Además, estos modelos open-source operan en una línea de tiempo acelerada, entregando resultados en semanas en lugar de meses.

Google, un gigante tecnológico por derecho propio, ha reconocido esta tendencia transformadora. Un documento interno filtrado de la compañía afirma: «No tenemos moat, y OpenAI tampoco lo tiene.» Este reconocimiento subraya la creciente influencia de la IA de código abierto en el panorama competitivo.

En este ecosistema de AI en evolución, $TAO surge como un catalizador de cambio, desafiando el modelo tradicional de desarrollo y entrenamiento de AI. Su enfoque descentralizado y ethos impulsado por la comunidad lo posicionan como un contendiente en la arena dinámica donde una vez reinaron supremos los gigantes tecnológicos.

A diferencia de las plataformas centralizadas que restringen el acceso a un solo modelo de AI, la arquitectura de Bittensor proporciona acceso sin permisos a la inteligencia. Sirve como una tienda única para desarrolladores de AI, ofreciendo todos los recursos computacionales necesarios mientras abraza contribuciones externas. Este modelo inclusivo interconecta redes neuronales a través de internet, creando un sistema global, distribuido e impulsado por incentivos de aprendizaje automático.

Realizar el pleno potencial de la AI exige un alejamiento de las prácticas de desarrollo de código cerrado y sus limitaciones asociadas. Así como los niños amplían su comprensión a través de interacciones sociales, la AI florece en entornos dinámicos. La exposición a conjuntos de datos diversos, insights de investigadores innovadores e interacciones con varios modelos fomentan la creación de sistemas de AI más robustos e inteligentes. La trayectoria de la AI no debería ser dictada por una sola entidad.

En este futuro de contraste tan marcado, la elección entre un mundo dominado por algoritmos de caja negra y autoridad centralizada y un paisaje de AI abierto y democratizado se vuelve crucial para la sociedad.

En el primer escenario, donde megacorporaciones como OpenAI o Anthropic tienen las riendas de las soluciones de AI, corremos el riesgo de vivir bajo un régimen de vigilancia constante. Estas corporaciones poseerían un inmenso poder sobre nuestros datos personales e interacciones diarias, con la autoridad para apagar servicios e informar sobre individuos por opiniones disidentes o discusiones.

Elon Musk dice que A.I. es ‘uno de los mayores riesgos’ para la civilización y necesita ser reguladaÉl cofundó OpenAI— Genevieve Roch-Decter, CFA (@GRDecter) February 15, 2023

Elon Musk dice que A.I. es ‘uno de los mayores riesgos’ para la civilización y necesita ser regulada

Él cofundó OpenAI

— Genevieve Roch-Decter, CFA (@GRDecter) 15 de febrero de 2023

Sin embargo, la alternativa más optimista ofrece un mundo donde AI está arraigada en plataformas de código abierto, construidas sobre redes de propiedad universal. Aquí, el poder y el control están descentralizados, y AI sirve como una herramienta para el empoderamiento en lugar de la vigilancia. En este escenario, la creatividad y el desarrollo pueden prosperar sin el temor al sesgo corporativo o la censura.

Al igual que internet democratizó el acceso a la información, un ecosistema de AI abierto democratizaría el acceso a la inteligencia. Asegura que la inteligencia no sea monopolizada por unos pocos selectos, promoviendo un campo de juego nivelado donde cualquiera puede contribuir, aprender y beneficiarse.

Tokenomics de $TAO

  • Similar a bitcoin, el suministro máximo total de tokens $TAO está limitado a 21,000,000, que se emitirá después de 256 años.
  • El halving de $TAO ocurrirá cada 10.5 millones de bloques, con un conjunto de 64 eventos de halving que sucederán a lo largo de los próximos 45+ años.
  • La red opera con un tiempo de bloque de aproximadamente 12 segundos, con 1 $TAO recompensado a mineros y validadores por bloque.
  • Actualmente, eso equivale a 7.200 nuevos tokens $TAO emitidos cada día, distribuidos equitativamente entre mineros y validadores.

Otra similitud con Bitcoin es que el calendario de emisión de $TAO también sigue el concepto del halving, que ocurre aproximadamente cada 4 años. Sin embargo, esto se determina por el total de emisión de tokens en lugar del número de bloque. Por ejemplo, una vez que se ha emitido la mitad del suministro total, la tasa de emisión se reduce a la mitad.

Importante, los tokens $TAO utilizados para reciclar registros se queman de vuelta en el suministro no emitido, lo que lleva a un alargamiento gradual de los intervalos de halving. Este mecanismo asegura que el calendario de emisión se ajuste dinámicamente con el tiempo, reflejando las necesidades de la red y las dinámicas económicas.

La Economía del Token $TAO

La economía de tokens $TAO de Bittensor se caracteriza por su simplicidad, compromiso con la descentralización y distribución justa. A diferencia de muchos otros proyectos blockchain, los tokens $TAO no han sido asignados a ninguna parte a través de ICOs, IDOs, ventas privadas a VCs o asignaciones privilegiadas al equipo, fundación o asesores. En cambio, cada token en circulación debe ganarse mediante una participación activa en la red.

También hay allocadores de capital involucrados en la red, participando como mineros o validadores, así como proporcionando servicios de market making, como DCG, GSR o Polychain. Lo relevante es que ninguno de ellos recibió una asignación de tokens originada en una pre-venta o venta privada.

El token $TAO se puede utilizar para la gobernanza, para el staking y la participación en el mecanismo de consenso, y como medio de pago dentro de la red Bittensor.

De esta manera, los validadores y mineros apuestan sus tokens como colateral para asegurar la red y ganar recompensas a través de emisiones inflacionarias, mientras que los usuarios y empresas pueden usar $TAO para acceder a servicios y aplicaciones de AI construidas en la red.

Los nuevos tokens $TAO solo pueden producirse a través de la minería y la validación. La red recompensa tanto a los mineros como a los validadores, y cada bloque otorga 1 recompensa $TAO, compartida equitativamente entre mineros y validadores. Por lo tanto, las únicas formas de adquirir $TAO son comprando tokens en el mercado abierto o participando en actividades de minería y validación.

El modelo de distribución de tokens directo de $TAO refleja los principios de descentralización, reminiscentes del ethos de Bitcoin establecido por Satoshi Nakamoto. La acuñación genesis de $TAO se alinea con el horario de emisiones de Bitcoin ($BTC), proporcionando una oportunidad igual para cualquiera que contribuya valor a la red. Este enfoque subraya la importancia de prevenir la concentración de poder y propiedad, particularmente en el ámbito de la AI, que tiene implicaciones sociales significativas y no debería ser controlado por un selecto grupo.

Este modelo de distribución asegura que la minería siga siendo un proceso competitivo. A medida que más mineros se unen a la red, la competencia aumenta, lo que hace difícil mantener la rentabilidad. Esto, a su vez, motiva a los mineros a encontrar formas de reducir sus costos operativos, promoviendo la eficiencia e innovación dentro de la red.

La Captura de Valor de $TAO

$TAO, el token nativo de la red Bittensor, deriva su valor intrínseco de su rol único en el ecosistema. A diferencia del modelo L1 estándar donde los tokens de red derivan su valor de la venta de espacio en bloques, el valor de $TAO está ligado a los servicios de AI que habilita. A medida que estos servicios de AI se vuelven más impactantes y útiles, la demanda de $TAO aumenta.

Poseer $TAO otorga acceso a una amplia gama de recursos digitales interconectados, incluyendo datos, ancho de banda e inteligencia generada y verificada por los participantes de la red. Como se refleja en el horario de emisiones, el valor de $TAO no se basa únicamente en la especulación o la escasez, sino que está profundamente arraigado en las contribuciones tangibles y la utilidad que proporciona dentro de la red Bittensor.

Sin embargo, mantener este ciclo de creación y recompensa no está garantizado. Los mineros y validadores, mientras contribuyen con inteligencia valiosa a la red y ganan tokens $TAO a cambio, también tienen un incentivo para vender para cubrir gastos, similar a los mineros de Bitcoin.

¿Cómo se refleja el valor en el precio del token?

Como cualquier otro token, el precio de $TAO se determina por los principios económicos fundamentales de oferta y demanda. Un aumento en la demanda de $TAO resulta en una apreciación del precio, mientras que una disminución en la demanda lleva a una depreciación del precio. Por lo tanto, la idea es que la demanda proveniente de la actividad del ecosistema compensará los desbloqueos de oferta.

Solo puedes obtener $TAO contribuyendo a la red. Para eso, necesitas comprarlo y mantenerlo o gastarlo para comenzar a usar la red.

  • Impulsores de la demanda:Actividad del ecosistema:Los validadores requieren tokens $TAO para el registro.Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de la inteligencia. Uso como pago dentro de la red.Demanda para staking y delegación de $TAO para ganar recompensas de staking. Esto puede ayudar a proteger contra emisiones inflacionarias.Prima especulativa como una forma de apostar al potencial alcista de fusionar dos tecnologías disruptivas como blockchain e AI.Efectos de red que resultan de más desarrolladores entrando en la red y aprovechando el potencial de modelos de código abierto
    • Actividad del ecosistema:Los validadores requieren tokens $TAO para el registro.Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de inteligencia. Uso como pago dentro de la red.
      • Los validadores requieren tokens $TAO para el registro.
      • Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de inteligencia.
      • Usar como pago dentro de la red.
    • Demanda para el staking y delegación de $TAO para ganar recompensas de staking. Esto puede ayudar a proteger contra las emisiones inflacionarias.
    • Prima especulativa como una forma de apostar por el potencial alcista de fusionar dos tecnologías disruptivas como blockchain y AI.
    • Efectos de red que resultan de más desarrolladores entrando en la red y aprovechando el potencial de los modelos de código abierto
  • Impulsores de Oferta:Emisión de Tokens a través de emisiones inflacionarias para alcanzar el suministro total de 21,000,000Los mineros y validadores pueden vender tokens $TAO para cubrir sus gastos operativos. Este aspecto es similar a los mineros de Bitcoin vendiendo para cubrir costos.
    • Emisión de tokens desde emisiones inflacionarias para alcanzar el suministro total de 21,000,000
    • Los mineros y validadores pueden vender tokens $TAO para cubrir sus gastos operativos. Este aspecto es similar a los mineros de Bitcoin vendiendo para cubrir costos.
    • Actividad del ecosistema:Los validadores requieren tokens $TAO para el registro.Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de inteligencia. Uso como pago dentro de la red.
      • Los validadores requieren tokens $TAO para el registro.
      • Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de la inteligencia.
      • Usar como pago dentro de la red.
    • Demanda por el staking y la delegación de $TAO para ganar recompensas de staking. Esto puede ayudar a proteger contra las emisiones inflacionarias.
    • Prima especulativa como una forma de apostar por el potencial alcista de fusionar dos tecnologías disruptivas como blockchain y AI.
    • Efectos de red que resultan de más desarrolladores entrando en la red y aprovechando el potencial de los modelos open-source
      • Los validadores requieren tokens $TAO para el registro.
      • Los usuarios pueden comprar $TAO para participar en procesos de votación relacionados con la alineación de la inteligencia.
      • Usar como pago dentro de la red.
    • Emisión de Tokens desde emisiones inflacionarias para alcanzar un suministro total de 21,000,000
    • Los mineros y validadores pueden vender tokens $TAO para cubrir sus gastos operativos. Este aspecto es similar a los mineros de Bitcoin vendiendo para cubrir costos.

A medida que la red se expande y se agregan más modelos de AI y subredes, el potencial para la captura de valor aumenta. El crecimiento de la red también se impulsa por la sinergia entre AI y blockchain, creando un ciclo de auto-refuerzo.

De esta manera, Bittensor encarna los principios de la Ley de Metcalfe, donde el valor de una red es proporcional al cuadrado del número de usuarios o nodos conectados. A medida que más participantes se unen a la red, el valor que ofrece aumenta exponencialmente.

Cómo Capturar Tal Valor

En Bittensor, los validadores están incentivados a atraer stake de los holders de tokens, y este stake es fundamental para su operación dentro de la red. Como holder de tokens, puedes elegir una variedad de validadores diferentes para stakear tu $TAO. La opción más común es la OpenTensor Foundation misma, con aproximadamente el 20% de la propiedad de la red.

Actualmente, los validadores distribuyen el 82% de sus recompensas a los delegados en forma de tokens $TAO. Como consecuencia, delegando $TAO tokens a un validador presenta una oportunidad para los titulares de tokens de ganar recompensas de staking. Esto puede ayudar a proteger a los usuarios contra la posible dilución de las emisiones inflacionarias.

  • Las recompensas de los validadores están actualmente en 22.45%
  • Las recompensas de staking actualmente están en 18.41%

Riesgo/Recompensa y Horizonte Temporal

Al evaluar el riesgo/recompensa de asignar parte de la cartera a $TAO, es importante ser consciente de lo que realmente estás comprando. La compra, por ejemplo, no otorga al titular ningún tipo de rendimiento pagado en USD generado por la actividad económica de la red. En cambio, se recompensa con emisiones de tokens. Como titular de tokens, podrías entonces delegar esas emisiones para ganar un APY e incrementar tus tenencias de $TAO.

Las analogías con Bitcoin son claras, pero hay una historia implícita detrás de $BTC que lo hace único. Nadie puede proporcionar una respuesta satisfactoria sobre cuál es el valor de $BTC o por qué tiene algún tipo de valor, de ahí por qué la comunidad termina encarnando una guerra tribalista entre los no-coiners, los “shitcoiner” y los maxis.

De hecho, la economía real de tokens de Bitcoin es simple de entender: $BTC se utiliza para incentivar a los mineros a operar y ejecutar la red. Como consecuencia, los poseedores existentes se diluyen (aunque pueden convertirse en mineros – o delegados en el caso de Bittensor). Por lo tanto, aquellos que poseen el token no son recompensados y no reciben ningún incentivo de la red subyacente.

Pero en el caso de $BTC, sin embargo, hay un factor importante a considerar, y ese es la escasez. El hecho de que solo habrá $21M lo hace único. Y aunque la economía de tokens de $TAO ha sido modelada después de Bitcoin mismo,there are still more than 70% unissued tokens. This presents a dilemma for investors about what they value more: the decentralization of the network, or the scarcity of the asset.

Al final, la utilidad de $TAO deriva del acceso que proporciona a modelos de AI, su uso para la gobernanza, acceso a recompensas de staking, y como mecanismo de incentivos.

Gastos Operativos

Los desarrollos actuales de infraestructura son pagados por la Opentensor Foundation a través de financiamiento de delegaciones a ellos, así como por recompensas de delegación. Otros desarrollos son llevados a cabo por terceros que operan sus propios validadores y son financiados a través de delegaciones también.

Al igual que cualquier iniciativa global requiere financiamiento para investigación, desarrollo e implementación, el éxito de la AI depende de cómo se coordina el capital y cómo se recompensa a los interesados por sus contribuciones. Es esta asignación estratégica de recursos (investigación, GPUs para entrenamiento…) lo que impulsa el crecimiento e impacto de la AI.

En el ámbito de la AI, especialmente en el caso de modelos de lenguaje grandes como ChatGPT, los costos operativos son sustanciales. OpenAI, por ejemplo, se estima que gasta aproximadamente $700,000 por día para operar ChatGPT, lo que resalta la considerable carga financiera asociada con modelos de AI a gran escala. Los costos de entrenamiento pueden variar desde millones hasta decenas de millones de dólares por modelo, lo que lo convierte en un esfuerzo aún más intensivo en recursos. El costo de entrenar un modelo en un conjunto de datos grande puede ser aún mayor, alcanzando hasta $30 millones.

Mientras que la compañía ha recaudado fondos sustanciales, incluyendo una reciente inversión de Microsoft (aproximadamente la mitad en forma de créditos de Azure), los crecientes costos de entrenar modelos de lenguaje grandes son una preocupación. Cada ejecución de entrenamiento cuesta millones, y la necesidad de comenzar desde cero para nuevos modelos agrava este problema.

Aquí es donde el enfoque de Bittensor de “Knowledge Compounding” se vuelve relevante. El enfoque único de Bittensor se centra en la descentralización y la colaboración a través de “Knowledge Compounding”. Esta filosofía permite que los sistemas de IA se construyan sobre el conocimiento existente de manera descentralizada, ofreciendo ventajas como:

  • Eficiencia de Costos: Al aprovechar el conocimiento existente y mejorarlo continuamente, el enfoque de Bittensor puede potencialmente reducir la necesidad de un costoso entrenamiento desde cero.
  • Adaptabilidad: Las aplicaciones de IA a gran escala a menudo enfrentan necesidades y desafíos en evolución. Aquí es donde un enfoque descentralizado permite a las organizaciones adaptar sus sistemas de IA de manera más flexible, asegurando que permanezcan relevantes y efectivos en un entorno dinámico.
  • Descentralización: La red descentralizada de Bittensor empodera a una comunidad global de contribuyentes, reduciendo la dependencia de una sola entidad o infraestructura centralizada. Esto promueve la innovación y la diversidad en el desarrollo de IA.
  • Colaboración: La naturaleza colaborativa de Knowledge Compounding fomenta el intercambio de conocimientos y el aprendizaje cooperativo entre los nodos en la red, fomentando un entorno dinámico para el avance de la AI.

Equipo e Inversionistas

Bittensor es un protocolo de código abierto que impulsa una red de aprendizaje automático descentralizada basada en blockchain. El equipo detrás de Bittensor incluye Jacob Steeves (Fundador), Ala Shaabana (Fundador), Jacqueline Dawn (Directora de Marketing), y Saeideh Motlagh (Arquitecta de Blockchain) entre otros. La Opentensor Foundation también planea expandir su equipo este año.

Existe un seudónimo llamado Yuma Rao que también se menciona en el white paper de Bittensor, al igual que en Bitcoin Satoshi Nakamoto. No se sabe si esta persona realmente existe y tal vez nunca sepamos más sobre él o ella.

Bittensor no ha divulgado asesores notables ni inversores clave, aparte de recibir financiamiento de la OpenTensor Foundation, que es una organización sin fines de lucro que apoya el desarrollo de Bittensor. Bittensor tampoco ha anunciado asociaciones oficiales.

Tesis

La mayoría de las empresas tecnológicas están muy por debajo de sus valoraciones previas a la pandemia, sin embargo, las empresas de AI ahora están alcanzando ATHs tanto en múltiplos de valoración como en tasa de crecimiento.

Con una capitalización de mercado significativamente menor que la de los gigantes de la industria, Bittensor podría ser en realidad el patio de juegos perfecto para aplicaciones de AI a gran escala/de alta demanda y el uso de modelos de código abierto.

Obviamente, la comparación más simple para medir el potencial alcista es compararlo con la valoración privada de OpenAI en $29B. Realista o no, esto es ligeramente más de 28x superior al FDV de $TAO. Considerando cuánto tiempo tomará para que toda la oferta entre en circulación, podemos usar la capitalización de mercado en circulación para llegar a una cifra aproximada donde la valoración privada de OpenAI es más de 108x la capitalización de mercado de $TAO.

Sin embargo, esa es una aproximación altamente especulativa que se puede simplificar como hacer una apuesta en proyectos que pueden beneficiarse de estar en la intersección de AI y crypto.

La característica más importante a tener en cuenta es el hecho de que Bittensor está abordando el problema de centralización de la AI. En este momento, un pequeño número de corporaciones controlan una minoría de modelos grandes y poderosos, pero todos están aislados y apenas hay colaboración o intercambio de conocimiento.

Los modelos de AI aislados no pueden aprender unos de otros, y por lo tanto son no-acumulativos (los investigadores deben empezar desde cero cada vez que crean nuevos modelos). Esto está en marcado contraste con la investigación en AI, donde los nuevos investigadores pueden construir sobre el trabajo de investigadores pasados, creando un efecto acumulativo que potencia el desarrollo de ideas.

El AI siloed también está limitado en funcionalidad ya que las integraciones de aplicaciones y datos de terceros requieren permiso del propietario del modelo (en forma de asociaciones tecnológicas & acuerdos comerciales). Esta limitación afecta directamente el valor y la utilidad del AI, ya que solo puede ser tan valioso como el rango de aplicaciones que puede impulsar efectivamente.

Este entorno centralizado y de ganador-se-lo-lleva-todo no es beneficioso para equipos pequeños con menos recursos. En este contexto, la fortaleza principal de Bittensor es su red descentralizada y el mecanismo de incentivos para alentar a equipos pequeños e investigadores a monetizar su trabajo.

Si Bittensor logra reducir la brecha de rendimiento con los principales proveedores de IA de código cerrado como GPT-4, podría convertirse en la opción preferida para desarrolladores, empresas e investigadores en el espacio de crypto y AI. Su naturaleza abierta y colaborativa lo posiciona como una alternativa atractiva a los ecosistemas cerrados, lo que podría llevar a una adopción significativa.

En última instancia, la valoración de TAO puede derivarse ya sea de la utilidad de la red (actividad económica construida encima) o del flujo de caja directo al protocolo.

  • Como token de utilidad, $TAO es requerido para acceder a la red. Por lo tanto, su valoración podría derivarse de la utilidad económica construida encima.
  • Como token de staking, los holders pueden delegar $TAO a validadores y recibir una parte de los ingresos de la red.
  • También podemos medir los retornos basados en la cuota de mercado y múltiples suposiciones (lo que también hace que el valor predicho sea poco confiable).

Dado que la utilidad es más subjetiva y abstracta para valorar, podemos comenzar con el flujo de caja. Asumiendo que el mercado de ML puede alcanzar un cierto tamaño de mercado en el futuro (ver estimaciones de Precedence Research en la imagen a continuación), podemos valorar la red Bittensor en base a su participación potencial en el mercado y múltiplo de ingresos.

Independientemente del tamaño estimado del mercado, Bittensor sigue siendo un proyecto altamente especializado y complejo de entender, lo que representa un impedimento para el fácil onboarding de desarrolladores y la adopción por parte de los usuarios.

El proyecto también se encuentra en una etapa muy temprana de desarrollo, y podría haber problemas inesperados con la red. Por ejemplo, en junio hubo una colusión entre mineros que jugaron con la red y causaron que $TAO se vendiera en el mercado. La solución temporal fue reducir las emisiones en un 90% para dar tiempo extra a la Opentensor Foundation para trabajar en una solución que mantenga la red honesta y permita que el protocolo opere como se pretendía.

Actualización de BittensorBuenas noticias, un grupo de mineros coludidos que jugaron con la red y vendieron su $TAO en el mercado ha sido identificadoComo solución temporal, la emisión de TAO ha sido reducida en un 90%, por lo tanto, dando a la Opentensor Foundation tiempo para trabajar en una solución… pic.twitter.com/6svEvB3wth— TAO-Validator.com (@TAO_Validator) June 15, 2023

Actualización de Bittensor

Buenas noticias, un grupo de mineros coludidos que manipularon la red y vendieron su $TAO en el mercado ha sido identificado

Como solución temporal, la emisión de TAO ha sido reducida en un 90%, por lo tanto, dando a la Opentensor Foundation tiempo para trabajar en una solución… pic.twitter.com/6svEvB3wth

— TAO-Validator.com (@TAO_Validator) June 15, 2023

La mayoría de los productos que están activos en la red actualmente no pueden competir contra contrapartes centralizadas tampoco, y hasta ahora tienen una baja tasa de adopción. La mejor manera de aprender y probar por ti mismo es probar los servicios ofrecidos en el Bittensor Hub.

También deberíamos plantearnos la pregunta si la tokenomics de Bitcoin tiene sentido para una red especializada en proporcionar servicios de AI como Bittensor. Tal vez la naturaleza disinflacionaria de $BTC no sea la mejor para una red que requiere un número creciente de mineros y aplicaciones construidas encima para escalar. Idealmente, el token debería inflarse con el crecimiento de la adopción de la red, más similar al petróleo digital que al oro digital. De alguna manera, esto ya está incorporado, incentivando a los mineros a competir entre sí y distribuyendo el suministro a lo largo de más de 200+ años.

Otro desafío es la privacidad, debido a la imposibilidad de cifrar los datos antes de que pasen por la red neuronal. Esto es aún más problemático en un entorno descentralizado, ya que cualquier dato que pase por el proceso de aprendizaje y/o inferencia definitivamente no será privado. Es cierto que esto es un problema potencial también en los sistemas centralizados, pero en ese caso solo tienes que preocuparte por que 1 parte conocida vea tus datos en lugar de muchas desconocidas.

Economía

Precio del token

Precio relativo al ATH y ATL

Distribución de la Oferta

Conclusión

Bittensor puede ser una apuesta poderosa en la intersección de AI y crypto. Sin embargo, sin duda es uno de los proyectos más complejos para evaluar su tasa de crecimiento y potencial alcista.

Claramente hay mucho potencial en una red descentralizada para aprovechar la utilidad de la AI, especialmente cuando se incentivan modelos de código abierto y se descentraliza la propiedad de la red. Sin embargo, los servicios y casos de negocio construidos sobre Bittensor aún no son lo suficientemente competitivos.

La AI es también una industria que requiere enormes gastos operativos y grandes cantidades de financiamiento que solo son alcanzables por gigantes de la industria. Bittensor es una apuesta muy contraria en este sentido, por lo que vale la pena considerar tantos factores de riesgo/recompensa como sea posible.

Referencias

Bittensor – TAO

Fuentes externas

Divulgaciones

Revelo Intel nunca ha tenido una relación comercial con Bittensor y este informe no fue pagado ni encargado de ninguna manera.

Los miembros del equipo de Revelo Intel, incluidos aquellos directamente involucrados en el análisis anterior, pueden tener posiciones en los tokens discutidos.

Este contenido se proporciona únicamente con fines educativos y no constituye asesoramiento financiero o de inversión. Debe realizar su propia investigación y solo invertir lo que pueda permitirse perder. Revelo Intel es una plataforma de investigación y no un asesor de inversiones o financiero.

Alea Research · 25 oct 2023 · 49 min · 15 secciones

Volver arriba