首先，Bittensor 究竟是什麼？

Bittensor本身並不是一種人工智能產品，也不生產或提供任何人工智能產品或服務。它是一個經濟體系，旨在通過爲AI產品生產者提供高度競爭的激勵機制，優化人工智能產品市場。在Bittensor生態系統中，高質量生產者能得到更多激勵，而競爭力較弱的生產者則會逐漸被市場淘汰。

那麼，Bittensor是如何構建這一促進有效競爭並推動高質量AI產品自然生產的激勵機制的呢？

Bittensor 飛輪模型

通過飛輪模型，Bittensor實現了這一目標。在該模型中，驗證者對生態系統內的AI產品質量進行評估，並根據質量分配激勵，確保高質量生產者獲得更多獎勵。這種做法促使高質量產出不斷增加，從而提升了Bittensor網路的價值並推動了TAO的增值。TAO的增值不僅吸引更多優質生產者加入Bittensor生態，同時也提高了操縱質量評估結果的操縱者的攻擊成本。這進一步加強了誠實驗證者之間的共識，提升了評估結果的客觀性和公正性，實現了更爲有效的競爭和激勵機制。

保證評估結果的公正與客觀是推動這一飛輪運轉的關鍵步驟，也是Bittensor核心技術——基於Yuma共識的抽象驗證系統的核心所在。

那麼，什麼是Yuma共識，它又是如何確保共識後的評估結果具有公正性和客觀性的呢？

Yuma共識是一個旨在從多個驗證者提供的評估中計算最終評估結果的共識機制。與拜佔庭容錯共識機制相似，只要網路中的大多數驗證者保持誠實，最終都能得出正確的決策。在假設誠實驗證者能提供客觀評估的前提下，經共識後的評估結果將是公平且客觀的。

以子網質量評估爲例，根網路的驗證者對每個子網的輸出進行評估和排序。64位驗證者的評估結果被匯總，並通過Yuma共識算法得出最終評估結果，這些結果隨後用於對每個子網分配新鑄造的TAO。

1. 當前，Yuma共識還存在一些待改進之處：
2. 根網路的驗證者可能不能完全代表所有TAO持有者，他們的評估結果可能不足以反映廣泛的視角。此外，少數頂尖驗證者的評估有時也可能缺乏客觀性。即使發現了評估偏差，也不一定能立即進行糾正。
3. 根網路驗證者的存在限制了Bittensor可以支持的子網數量。要與集中式AI巨頭競爭，僅有32個子網遠遠不夠。即便是這32個子網，根網路的驗證者也可能難以有效監控完全。
4. 驗證者可能不傾向於遷移到新子網。短期內，從舊子網遷移到發行額較低的新子網可能會導致他們損失部分獎勵。新子網的發行量能否最終趕上，加上在追求過程中確定會損失的獎勵，這減弱了他們的遷移動機。

Bittensor計劃通過升級機制來解決這些問題：

1. 動態TAO將評估子網質量的權力從少數驗證者中解放出來，分散至所有TAO持有者。這使得TAO持有者能夠通過質押間接決定每個子網的資源分配比例。
2. 取消根網路驗證者的限制後，活躍子網的最大數量將增加至1024個。這將大幅降低新團隊加入Bittensor生態系統的門檻，促進子網之間的激烈競爭。
3. 較早遷移到新子網的驗證者很可能獲得更高的獎勵。早期遷移意味着以更低的價格購買該子網的dTAO，從而增加了未來獲得更多TAO的可能性。

Yuma共識的包容性也是其一大優勢。它不僅用於決定每個子網的發行量，還用於確定同一子網內每個礦工和驗證者的資源分配比例。此外，無論礦工的任務如何，包括計算能力、數據、人力和智力的貢獻都將被綜合考慮。因此，任何階段的AI產品生產都可以融入Bittensor生態系統，享受激勵同時也增值了Bittensor網路。

接下來，讓我們看看一些領先的子網，並觀察Bittensor是如何激勵這些子網的產出的。

子網 #3 Myshell TTS

GitHub - myshell-ai/MyShell-TTS-Subnet: GitHub - myshell-ai/MyShell-TTS-Subnet

通過在 GitHub 上創建帳戶來爲 myshell-ai/MyShell-TTS-Subnet 開發做出貢獻。

github.com

發行量：3.46%（2024年4月9日）

背景介紹：Myshell團隊由來自麻省理工學院、牛津大學和普林斯頓大學等著名學府的核心成員組成，主導Myshell TTS（文本轉語音）項目。Myshell致力於開發一個無編程平台，使得無編程背景的大學生也能輕鬆打造個性化機器人。Myshell專注於TTS技術、有聲讀物及虛擬助手領域，並在2023年3月推出了首個語音聊天機器人Samantha。隨着產品系列的不斷擴展，目前已擁有超過一百萬的註冊用戶。該平台支持各類機器人，包括語言學習、教育及實用型機器人。

定位：Myshell推出這一子網，目的是匯聚開源社區的集體智慧，打造頂尖的開源TTS模型。換言之，Myshell TTS不直接運行模型或處理終端用戶的請求，而是作爲一個培訓TTS模型的網路平台。

Myshell TSS架構

如上圖所示，Myshell TTS的運行流程包括以下幾個步驟：礦工負責訓練模型並將其上傳至模型池（模型的元數據同樣存儲在Bittensor區塊鏈網路中）；驗證者通過生成測試案例、評估模型性能，並根據這些結果給出評分；Bittensor區塊鏈利用Yuma共識機制聚合權重，確定每個礦工的最終權重和資源分配比例。

總結來說，爲了保持獎勵，礦工必須不斷提交更高質量的模型。

目前，Myshell還在其平台上推出了一個模型試用演示，供用戶體驗Myshell TTS的功能。

展望未來，隨着Myshell TTS訓練的模型逐漸提高可靠性，預計將有更多的應用場景投入使用。此外，這些作爲開源模型，將不局限於Myshell平台，還能擴展至其他平台使用。通過這種去中心化方式來培訓和激勵開源模型，正是我們在去中心化人工智能領域所追求的目標。

子網 #5 Open Kaito

GitHub - OpenKaito/openkaito: GitHub - OpenKaito/openkaito

通過在 GitHub 上創建帳戶來爲 OpenKaito/openkaito 開發做出貢獻。

github.com

發行量：4.39%（2024年4月9日）

背景介紹：Kaito.ai由Open Kaito團隊支持，其核心成員在人工智能領域擁有豐富的經驗，曾在AWS、META和Citadel等頂尖公司工作。在進入Bittensor子網之前，他們在2023年第四季度推出了旗艦產品Kaito.ai——一個Web3離鏈數據搜索引擎。借助AI算法，Kaito.ai優化了搜索引擎的核心組件，包括數據收集、排名算法和檢索算法。它已被認爲是加密社區中頂級的信息收集工具之一。

定位：Open Kaito旨在建立一個去中心化的索引層，支持智能搜索和分析。搜索引擎不僅僅是一個數據庫或排名算法，而是一個復雜的系統。此外，一個有效的搜索引擎還需要低延遲，這爲構建一個去中心化版本帶來了額外的挑戰。幸運的是，借助Bittensor的激勵系統，預期這些挑戰將得到解決。

Open Kaito架構

如上圖所示，Open Kaito的操作流程如下：Open Kaito不僅僅是將搜索引擎的每個組件去中心化，而是將索引問題定義爲礦工-驗證者問題。即，礦工負責響應用戶的索引請求，而驗證者則分配需求並對礦工的響應進行評分。

Open Kaito不限制礦工完成索引任務的方式，而是關注礦工輸出的最終結果，以鼓勵創新的解決方案。這有助於在礦工之間培養健康的競爭環境。面對用戶的索引需求，礦工努力改進他們的執行方案，以更少的資源實現更高質量的響應結果。

子網#6 Nous Finetuning

GitHub — NousResearch/微調子網

通過在 GitHub 上創建帳戶來爲 NousResearch/finetuning-subnet 開發做出貢獻。

github.com

發行量：6.26%（2024年4月9日）

背景介紹：Nous Finetuning的團隊來自Nous Research，該研究團隊致力於大規模語言模型（LLM）的架構設計、數據合成和設備端推理。其聯合創始人曾在Eden Network擔任首席工程師。

定位：Nous Finetuning是一個專注於大語言模型精細調整的子網。此外，用於微調的數據源自Bittensor生態系統中的子網#18。

操作流程：Nous Finetuning的工作流程與Myshell TSS相似。礦工根據子網#18的數據訓練模型，並定期將其發布到Hugging Face平台；驗證者對模型進行評估並打分；與此同時，Bittensor區塊鏈利用Yuma共識機制來聚合權重，最終確定每個礦工的權重和發行量。

子網 #18 Cortex.t

GitHub — corcel-api/cortex.t

通過在 GitHub 上創建帳戶來爲 corcel-api/cortex.t 開發做出貢獻。

github.com

發行量：7.74%（2024年4月9日）

背景介紹：Cortex.t由Corcel.io團隊開發，得到了Bittensor網路中第二大驗證者Mog的支持。Corcel.io是一款面向終端用戶的應用，旨在通過利用Bittensor生態系統內的AI產品，提供與ChatGPT相似的體驗。

定位：Cortex.t被設定爲在結果交付給終端用戶之前的最終處理層。它負責檢測並優化各子網的輸出，確保在單一提示調用多個模型時，輸出結果的準確性和一致性。Cortex.t的目標是避免輸出空白或不一致，從而保證流暢的用戶體驗。

在Cortex.t中，礦工利用Bittensor生態系統中的其他子網處理來自終端用戶的請求。他們還採用GPT-3.5-turbo或GPT-4來驗證輸出結果，確保終端用戶得到可靠的服務。驗證者通過與OpenAI生成的結果對比來評估礦工的輸出。

子網#19 Vision

GitHub — namoray/vision

通過在 GitHub 上創建帳戶來爲 namoray/vision 開發做出貢獻。

github.com

發行量：9.47%（2024年4月9日）

背景：Vision背後的開發團隊也來自Corcel.io。

定位：Vision的目標是通過一個名爲DSIS（大規模去中心化子網推理）的優化子網構建框架，來最大化Bittensor網路的輸出能力。這一框架顯著提高了礦工對驗證者的響應速度。當前，Vision專注於圖像生成場景。

驗證者從Corcel.io前端接收需求，並分配給礦工。礦工有自由選擇他們偏好的技術棧（不局限於模型）來處理這些需求並生成回應。隨後，驗證者根據礦工的表現進行評分。多虧了DSIS框架，Vision能夠比其他子網更迅速、更高效地處理這些需求。

摘要

從上述示例中可以看出，Bittensor展現出了很高的包容性。礦工的生成和驗證者的驗證工作都在鏈下進行，Bittensor網路的唯一作用是根據驗證者的評估，爲每個礦工分配獎勵。任何符合礦工-驗證者架構的人工智能產品生成環節都可以轉化爲一個子網。

理論上，子網之間的競爭應當非常激烈。爲了持續獲得獎勵，每個子網都必須不斷產出高質量的成果。否則，如果某個子網的輸出被根網路驗證者評定爲低價值，其所獲獎勵可能會被削減，甚至可能被新興子網所替代。

然而，現實情況卻暴露了一些問題：

1. 由於子網功能定位過於相似，導致了資源的冗餘和重復。在現有的32個子網中，多個子網都集中在圖文生成、文本提示和價格預測等熱門領域。
2. 還有些子網缺乏實際應用場景。盡管從理論上看，價格預測子網作爲預言機可能具有一定價值，但其當前的預測數據對終端用戶來說遠不夠實用。
3. 存在“劣幣驅逐良幣”的現象。一些頂尖的驗證者可能缺乏轉向新子網的動機，即便這些新子網的質量明顯更高。但由於資金支持不足，這些子網可能無法在短期內獲得充足的發行量。新子網自推出後僅有7天的保護期，如果不能迅速積累足夠的發行量，它們可能面臨被淘汰和下線的風險。

這些問題顯示出子網之間的競爭不充分，一些驗證者未能有效促進競爭。

Open Tensor Foundation Validator（OTF）已經實施了一些臨時措施來緩解這種狀況。作爲持有23%股權（包括代理權）的最大驗證者， TAOOTF爲子網爭取更多的質押TAO提供了途徑：子網所有者可以每週向OTF提交調整其在子網中的質押TAO比例的請求。這些請求需涵蓋“子網目標與對Bittensor生態系統的貢獻”、“子網獎勵機制”、“通信協議設計”、“數據來源與安全”、“計算需求”和“發展路線圖”等十個方面，以便OTF做出決策。

然而，要從根本上解決這些問題，一方面，我們迫切需要推出dTAO（@0xai.dev/what-is-the-impact-of-dynamic-tao-on-bittensor-efcc8ebe4e27">Dynamic TAO），這將從根本上解決上述問題。另一方面，我們應該呼籲持有大量質押TAO的重要驗證者從促進生態系統發展的角度出發，而不僅僅關注財務回報。

總的來說，憑藉其包容性強、競爭環境激烈且激勵機制有效的特點，我們相信Bittensor生態系統能夠自然孕育出高質量的AI產品。雖然現有子網的產出可能還無法與中心化產品相媲美，但我們不應忘記，Bittensor架構至今僅一周年（子網#1於2023年4月13日註冊）。面對有潛力挑戰中心化AI巨頭的平台，我們更應專注於制定實際的改進計劃，而不是急於指摘其不足。畢竟，我們都不希望AI技術始終被少數幾個巨頭所控制。

聲明：

1. 本文轉載自[Medium]，著作權歸屬原作者[ 0xai ]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。