Bittensor (TAO) Neden Yükselişte?

Her şeyden önce, Bittensor tam olarak nedir?

Bittensor’un kendisi bir yapay zeka ürünü değildir ve herhangi bir yapay zeka ürünü veya hizmeti üretmez veya sağlamaz. Bittensor, YZ ürün üreticileri için son derece rekabetçi bir teşvik sistemi sağlayarak YZ ürün pazarı için bir optimize edici görevi gören ekonomik bir sistemdir. Bittensor ekosisteminde, yüksek kaliteli üreticiler daha fazla teşvik alırken, daha az rekabetçi üreticiler kademeli olarak elenmektedir.

Peki Bittensor, etkin rekabeti teşvik eden ve yüksek kaliteli yapay zeka ürünlerinin organik üretimini destekleyen bu teşvik mekanizmasını özellikle nasıl oluşturuyor?

Bittensor Volan Modeli

Bittensor bu hedefe bir volan modeli aracılığıyla ulaşmaktadır. Doğrulayıcılar, ekosistemdeki YZ ürünlerinin kalitesini değerlendirir ve teşvikleri kalitelerine göre dağıtarak yüksek kaliteli üreticilerin daha fazla teşvik almasını sağlar. Bu, yüksek kaliteli çıktıda sürekli bir artışı teşvik eder, böylece Bittensor ağının değerini artırır ve TAO takdirini artırır. TAO’nun takdir edilmesi sadece daha fazla yüksek kaliteli üreticinin Bittensor ekosistemine katılmasını sağlamakla kalmaz, aynı zamanda kalite değerlendirme sonuçlarını manipüle eden manipülatörlerin saldırılarının maliyetini de artırır. Bu, dürüst Doğrulayıcıların fikir birliğini daha da güçlendirir ve değerlendirme sonuçlarının tarafsızlığını ve adilliğini artırır, böylece daha etkili bir rekabet ve teşvik mekanizması elde edilir.

Değerlendirme sonuçlarının adil ve tarafsız olmasını sağlamak, çarkın döndürülmesinde çok önemli bir adımdır. Bu aynı zamanda Bittensor’un temel teknolojisi, yani Yuma Konsensüsüne dayalı soyut doğrulama sistemidir.

Peki, Yuma Konsensüs’ü nedir ve konsensüs sonrası kalite değerlendirme sonuçlarının adil ve objektif olmasını nasıl sağlar?

Yuma Konsensüs, çok sayıda Doğrulayıcı tarafından sağlanan çeşitli değerlendirmelerden nihai değerlendirme sonuçlarını hesaplamak için tasarlanmış bir konsensüs mekanizmasıdır. Bizans hata toleranslı mutabakat mekanizmalarına benzer şekilde, ağdaki Doğrulayıcıların çoğunluğu dürüst olduğu sürece, sonunda doğru karara varılabilir. Dürüst Doğrulayıcıların objektif değerlendirmeler yapabileceği varsayıldığında, konsensüs sonrası değerlendirme sonuçları da adil ve objektif olacaktır.

Örnek olarak Alt Ağların kalitesinin değerlendirilmesini ele alırsak, Kök Ağ Doğrulayıcıları her bir Alt Ağın çıktısının kalitesini değerlendirir ve sıralar. Toplam 64 Doğrulayıcıdan gelen değerlendirme sonuçları toplanır ve nihai değerlendirme sonuçları Yuma Konsensüs algoritması aracılığıyla elde edilir. Nihai sonuçlar daha sonra her bir Alt Ağa yeni TAO tahsis etmek için kullanılır.

Şu anda, Yuma Konsensüs’ünün gerçekten de geliştirilmesi gereken yönleri bulunmaktadır:

1. Kök Ağ Doğrulayıcıları tüm TAO sahiplerini tam olarak temsil etmeyebilir ve sağladıkları değerlendirme sonuçları geniş bir bakış açısı yelpazesini yansıtmayabilir. Ayrıca, birkaç üst düzey Doğrulayıcıdan gelen değerlendirmeler her zaman objektif olmayabilir. Önyargı örnekleri tespit edilse bile bunlar hemen düzeltilemeyebilir.
2. Kök Ağ Doğrulayıcılarının varlığı, Bittensor’un barındırabileceği Alt Ağ sayısını sınırlar. Merkezi yapay zeka devleriyle rekabet etmek için sadece 32 Alt Ağa sahip olmak yetersizdir. Bununla birlikte, 32 Alt Ağ olsa bile, Kök Ağ Doğrulayıcıları bunların tümünü etkili bir şekilde izlemekte zorlanabilir.
3. Doğrulayıcılar yeni Alt Ağlara geçme konusunda güçlü bir eğilime sahip olmayabilir. Kısa vadede, Doğrulayıcılar daha yüksek emisyona sahip eski bir Alt Ağdan daha düşük emisyona sahip yeni bir Alt Ağa geçerken bazı ödülleri kaybedebilirler. Yeni Alt Ağın emisyonunun eninde sonunda yetişip yetişmeyeceğinin belirsizliği, takip sırasında ödüllerin kesin olarak kaybedilmesiyle birleştiğinde, göç etme isteklerini azaltmaktadır.

Bittensor ayrıca bu eksiklikleri gidermek için yükseltme mekanizmaları planlıyor:

1. Dinamik TAO, Alt Ağ kalitesini değerlendirme yetkisini birkaç Doğrulayıcı yerine tüm TAO sahiplerine dağıtarak merkezsizleştirecektir. TAO sahipleri, stake etme yoluyla her bir Alt Ağın tahsisat oranını dolaylı olarak belirleyebileceklerdir.
2. Kök Ağ Doğrulayıcılarının sınırlamaları olmadan, maksimum aktif Alt Ağ sayısı 1024’e çıkarılacaktır. Bu, yeni ekiplerin Bittensor ekosistemine katılma engelini önemli ölçüde azaltacak ve Alt Ağlar arasında daha şiddetli bir rekabete yol açacaktır.
3. Yeni Alt Ağlara daha erken geçiş yapan Doğrulayıcıların daha yüksek ödüller alması muhtemeldir. Yeni bir Alt Ağa erken geçiş, o Alt Ağın dTAO’sunu daha düşük bir fiyata satın almak anlamına gelir ve gelecekte daha fazla TAO alma olasılığını artırır.

Güçlü kapsayıcılık da Yuma Konsensüs’ünün en önemli avantajlarından biridir. Yuma Konsensüs’ü sadece her bir Alt Ağın emisyonlarını belirlemek için değil, aynı zamanda aynı Alt Ağ içindeki her bir Madenci ve Doğrulayıcının tahsisat oranına karar vermek için de kullanılır. Dahası, Madencinin görevinden bağımsız olarak, bilgi işlem gücü, veri, insan katkısı ve zeka dahil olmak üzere içerdiği katkılar soyut olarak değerlendirilir. Bu nedenle, yapay zeka emtia üretiminin herhangi bir aşaması Bittensor ekosistemine erişebilir, teşviklerden yararlanırken Bittensor ağının değerini de artırabilir.

Daha sonra, bazı önde gelen Alt Ağları inceleyelim ve Bittensor’un bu Alt Ağların çıktılarını nasıl teşvik ettiğini gözlemleyelim.

Alt Ağ #3 Myshell TTS

GitHub - myshell-ai/MyShell-TTS-Subnet

GitHub’da bir hesap oluşturarak myshell-ai/MyShell-TTS-Subnet geliştirmesine katkıda bulunabilirsiniz.

github.com

Emisyon: %3,46 (2024-04-09）

Arka plan: Myshell, MIT, Oxford Üniversitesi ve Princeton Üniversitesi gibi tanınmış kurumlardan çekirdek üyelerden oluşan Myshell TTS’nin (Metinden Konuşmaya) arkasındaki ekiptir. Myshell, programlama geçmişi olmayan üniversite öğrencilerinin istedikleri robotları kolayca yaratmalarına olanak tanıyan kodsuz bir platform oluşturmayı amaçlıyor. TTS alanında, sesli kitaplarda ve sanal asistanlarda uzmanlaşan Myshell, ilk sesli sohbet robotu Samantha’yı Mart 2023’te piyasaya sürdü. Ürün matrisinin sürekli genişlemesiyle birlikte, bugüne kadar bir milyondan fazla kayıtlı kullanıcıya ulaşmıştır. Platform, dil öğrenme, eğitim ve fayda odaklı olanlar da dahil olmak üzere çeşitli robot türlerine ev sahipliği yapıyor.

Konumlandırma: Myshell, tüm açık kaynak topluluğunun bilgeliğini bir araya getirmek ve en iyi açık kaynak TTS modellerini oluşturmak için bu Alt Ağı başlattı. Başka bir deyişle, Myshell TTS doğrudan modelleri çalıştırmaz veya son kullanıcıların isteklerini işlemez; bunun yerine, TTS modellerini eğitmek için bir ağdır.

Myshell TSS Mimarisi

Myshell TTS tarafından yürütülen süreç yukarıdaki şemada gösterilmektedir. Madenciler modelleri eğitmekten ve eğitilen modelleri Model Havuzuna yüklemekten sorumludur (modellerin meta verileri de Bittensor blok zinciri ağında saklanır); Doğrulayıcılar test vakaları oluşturarak, model performansını değerlendirerek ve sonuçlara göre puanlama yaparak modelleri değerlendirir; Bittensor blok zinciri, Yuma Konsensüs’ünü kullanarak ağırlıkları toplamaktan, her bir Madenci için nihai ağırlıkları ve tahsis oranlarını belirlemekten sorumludur.

Sonuç olarak, Madenciler ödüllerini sürdürebilmek için sürekli olarak daha kaliteli modeller sunmalıdır. Şu anda Myshell, kullanıcıların Myshell TTS’deki modelleri denemeleri için platformunda bir demo da başlattı.

Gelecekte, Myshell TTS tarafından eğitilen modeller daha güvenilir hale geldikçe, çevrimiçi hale gelen daha fazla kullanım durumu olacaktır. Üstelik açık kaynaklı modeller olarak sadece Myshell ile sınırlı kalmayıp diğer platformlara da genişletilebilecekler. Bu tür merkeziyetsiz yaklaşımlar aracılığıyla açık kaynaklı modelleri eğitmek ve teşvik etmek, Merkeziyetsiz Yapay Zeka’da tam olarak hedeflediğimiz şey değil mi?

Alt Ağ #5 Open Kaito

GitHub - OpenKaito/openkaito

GitHub’da bir hesap oluşturarak OpenKaito/openkaito gelişimine katkıda bulunabilirsiniz.

github.com

Emisyon: %4,39 (2024-04-09）

Arka plan: Kaito.ai, çekirdek üyeleri daha önce AWS, META ve Citadel gibi üst düzey şirketlerde çalışmış ve yapay zeka alanında geniş deneyime sahip olan Open Kaito’nun arkasındaki ekip tarafından desteklenmektedir. Bittensor Alt Ağına girmeden önce, amiral gemisi ürünleri olan Web3 zincir dışı veri arama motoru Kaito.ai‘yi 2023 yılının 4. çeyreğinde piyasaya sürdüler. Yapay zeka algoritmalarından yararlanan Kaito.ai, veri toplama, sıralama algoritmaları ve erişim algoritmaları dahil olmak üzere arama motorlarının temel bileşenlerini optimize eder. Kripto topluluğunda önde gelen bilgi toplama araçlarından biri olarak tanınmıştır.

Konumlandırma: Open Kaito, akıllı arama ve analizi desteklemek için merkeziyetsiz bir indeksleme katmanı oluşturmayı amaçlamaktadır. Bir arama motoru sadece bir veritabanı veya sıralama algoritması değil, karmaşık bir sistemdir. Ayrıca, etkili bir arama motoru düşük gecikme süresi gerektirir ve bu da merkeziyetsiz bir sürüm oluşturmak için ek zorluklar ortaya çıkarır. Neyse ki Bittensor’un teşvik sistemi ile bu zorlukların aşılması bekleniyor.

Open Kaito’nun Mimarisi

Open Kaito’nun çalışma süreci yukarıdaki şemada gösterilmiştir. Open Kaito, arama motorunun her bir bileşenini basitçe merkezsizleştirmekle kalmaz, indeksleme problemini bir Madenci-Doğrulayıcı problemi olarak tanımlar. Yani, Madenciler kullanıcı indeksleme taleplerine yanıt vermekten sorumludur, Doğrulayıcılar ise talepleri dağıtır ve Madencilerden gelen yanıtları puanlar.

Open Kaito, Madencilerin indeksleme görevlerini nasıl tamamladıklarını kısıtlamaz, bunun yerine yenilikçi çözümleri teşvik etmek için Madenciler tarafından üretilen nihai sonuçlara odaklanır. Bu, Madenciler arasında sağlıklı bir rekabet ortamının teşvik edilmesine yardımcı olur. Kullanıcı indeksleme talepleriyle karşı karşıya kalan Madenciler, daha az kaynakla daha yüksek kaliteli yanıt sonuçları elde etmek için yürütme planlarını iyileştirmeye çalışırlar.

Alt Ağ #6 Nous Finetuning

GitHub - NousResearch/finetuning-subnet

GitHub’da bir hesap oluşturarak NousResearch/finetuning-subnet geliştirmesine katkıda bulunabilirsiniz.

github.com

Emisyon: %6,26 (2024-04-09）

Arka plan: Nous Finetuning’in arkasındaki ekip, büyük ölçekli dil modeli (LLM) mimarisi, veri sentezi ve cihaz üzerinde çıkarıma odaklanan özel bir araştırma ekibi olan Nous Research’ten gelmektedir. Kurucu ortakları daha önce Eden Network’te Baş Mühendis olarak görev yapmıştır.

Konumlandırma: Nous Finetuning, büyük dil modellerine ince ayar yapmaya adanmış bir alt ağdır. Ayrıca, ince ayar için kullanılan veriler de Bittensor ekosisteminden, özellikle de Subnet #18’den gelmektedir.

Nous Finetuning’in çalışma süreci Myshell TSS’ninkine benzer. Madenciler Alt Ağ #18’deki verilere dayanarak modelleri eğitir ve düzenli olarak Hugging Face’de barındırılmak üzere yayınlar; Doğrulayıcılar modelleri değerlendirir ve derecelendirme sağlar; benzer şekilde, Bittensor blok zinciri Yuma Konsensüs’ünü kullanarak ağırlıkları toplamaktan ve her bir Madenci için nihai ağırlıkları ve emisyonları belirlemekten sorumludur.

Alt ağ #18 Cortex.t

GitHub - corcel-api/cortex.t

GitHub’da bir hesap oluşturarak corcel-api/cortex.t geliştirmesine katkıda bulunabilirsiniz.

github.com

Emisyon: %7,74 (2024-04-09）

Arka plan: Cortex.t’nin arkasındaki ekip Corcel.io‘dur, Bittensor ağındaki en büyük ikinci doğrulayıcı olan Mog’dan destek aldı. Corcel.io, Bittensor ekosistemindeki yapay zeka ürünlerinden yararlanarak ChatGPT’ye benzer bir deneyim sağlayan, son kullanıcılara yönelik bir uygulamadır.

Konumlandırma: Cortex.t, sonuçları son kullanıcılara ulaştırmadan önce son katman olarak konumlandırılmıştır. Özellikle tek bir istem birden fazla modeli çağırdığında, sonuçların doğru ve güvenilir olmasını sağlamak için çeşitli alt ağların çıktılarını tespit etmek ve optimize etmekten sorumludur. Cortex.t sorunsuz bir kullanıcı deneyimi sağlayarak boş veya tutarsız çıktıları önlemeyi amaçlamaktadır.

Cortex.t’deki madenciler son kullanıcılardan gelen talepleri ele almak için Bittensor ekosistemindeki diğer alt ağları kullanır. Ayrıca çıktı sonuçlarını doğrulamak için GPT-3.5-turbo veya GPT-4 kullanarak son kullanıcılar için güvenilirliği garanti ederler. Doğrulayıcılar, Miner çıktılarını OpenAI tarafından üretilen sonuçlarla karşılaştırarak değerlendirir.

Alt Ağ #19 Vision

GitHub - namoray/vision

GitHub’da bir hesap oluşturarak namoray/vision gelişimine katkıda bulunabilirsiniz.

github.com

Emisyon: %9,47 (2024-04-09）

Arka plan: Vision’ın arkasındaki geliştirme ekibi de Corcel.io‘dan geliyor.

Konumlandırma: Vision, DSIS (Decentralized subnet inference at scale) adı verilen optimize edilmiş bir alt ağ oluşturma çerçevesinden yararlanarak Bittensor ağının çıktı kapasitesini en üst düzeye çıkarmayı amaçlamaktadır. Bu çerçeve, Madencilerin Doğrulayıcılara verdiği yanıtları hızlandırır. Şu anda Vision, görüntü oluşturma senaryosuna odaklanmıştır.

Doğrulayıcılar Corcel.io ön ucundan talepleri alır ve bunları Madencilere dağıtır. Madenciler, talepleri işlemek ve yanıtlar oluşturmak için tercih ettikleri teknoloji yığınını (modellerle sınırlı değildir) seçme özgürlüğüne sahiptir. Doğrulayıcılar daha sonra Madencilerin performansını puanlar. DSIS sayesinde Vision, bu taleplere diğer Alt Ağlardan daha hızlı ve verimli bir şekilde yanıt verebilir.

Özet

Yukarıdaki örneklerden Bittensor’un yüksek derecede kapsayıcılık sergilediği açıkça görülmektedir. Madenciler tarafından üretim ve Doğrulayıcılar tarafından doğrulama zincir dışında gerçekleşir ve Bittensor ağı yalnızca Doğrulayıcılardan gelen değerlendirmeye dayalı olarak her bir Madenciye ödül tahsis etmeye yarar. YZ ürün üretiminin Madenci-Doğrulayıcı mimarisine uyan herhangi bir yönü bir Alt Ağa dönüştürülebilir.

Sorumluluk Reddi: Bu makalede yer alan görüş ve düşünceler yalnızca yazara aittir ve yatırım tavsiyesi niteliği taşımaz.

Makalenin diğer dillere çevirileri Gate TR Akademi ekibi tarafından yapılmaktadır. Aksi belirtilmedikçe, çevrilmiş makalelerin kopyalanması, dağıtılması veya intihal edilmesi yasaktır.

Teorik olarak, Alt Ağlar arasındaki rekabet yoğun olmalıdır. Herhangi bir Alt Ağın ödül almaya devam edebilmesi için sürekli olarak yüksek kaliteli çıktılar üretmesi gerekir. Aksi takdirde, bir Alt Ağın çıktısı Kök Ağ Doğrulayıcıları tarafından düşük değerli kabul edilirse, tahsisi azalabilir ve sonunda yeni bir Alt Ağ ile değiştirilebilir. Ancak, gerçekte bazı sorunları gerçekten de gözlemledik:

1. Alt Ağların benzer konumlandırılması nedeniyle kaynakların fazlalığı ve yinelenmesi. Mevcut 32 Alt Ağ arasında, metinden resme, metin istemi ve fiyat tahmini gibi popüler yönlere odaklanan birden fazla Alt Ağ bulunmaktadır.
2. Pratik kullanım durumları olmayan Alt Ağların varlığı. Fiyat tahmini Alt Ağları, kehanet sağlayıcıları olarak teorik değere sahip olsa da, tahmin verilerinin mevcut performansı son kullanıcılar tarafından kullanılabilir olmaktan uzaktır.
3. “Kötü paranın iyiyi kovduğu” örnekler. Bazı yeni Alt Ağlar önemli ölçüde daha yüksek kalite gösterse bile, bazı üst düzey Doğrulayıcılar yeni Alt Ağlara geçme konusunda güçlü bir eğilime sahip olmayabilir. Ancak, sermaye desteği eksikliği nedeniyle kısa vadede yeterli emisyon alamayabilirler. Yeni alt ağlar faaliyete geçtikten sonra sadece 7 günlük bir koruma süresine sahip olduklarından, yeterli miktarda emisyonu hızlı bir şekilde biriktiremezlerse, aşamalı olarak devre dışı bırakılma ve çevrimdışı olma riskiyle karşı karşıya kalabilirler.

Bu sorunlar Alt Ağlar arasındaki yetersiz rekabeti yansıtmaktadır ve bazı Doğrulayıcılar etkili rekabeti teşvik etmede rol oynamamıştır.

Open Tensor Foundation Validator (OTF) bu durumu hafifletmek için bazı geçici önlemler almıştır. OTF, %23 stake etme gücüne (delegasyon dahil) sahip en büyük Doğrulayıcı olarak, Alt Ağların daha fazla stake edilmiş TAO için yarışması için kanallar sağlar: Alt Ağ sahipleri, Alt Ağdaki stake edilmiş TAO oranını ayarlamak için haftalık olarak OTF’ye talepte bulunabilirler. Bu talepler, OTF’nin nihai karar vermesini kolaylaştırmak için diğerlerinin yanı sıra “Alt ağ hedefleri ve Bittensor ekosistemine katkıları”, “Alt ağ ödül mekanizması”, “İletişim protokolü tasarımı”, “Veri kaynakları ve güvenliği”, “Hesaplama gereksinimleri” ve “Yol haritası” dahil olmak üzere 10 hususu kapsamalıdır.

Bununla birlikte, bu sorunu temelden ele almak için, bir yandan,yukarıda belirtilen mantıksız sorunları temelden değiştirmek için tasarlanandTAO’nun (@0xai.dev/what-is-the-impact-of-dynamic-tao-on-bittensor-efcc8ebe4e27”> Dynamic TAO) piyasaya sürülmesine acilen ihtiyacımız var. Alternatif olarak, önemli miktarda Staking TAO’ya sahip olan büyük Doğrulayıcılara, Bittensor ekosisteminin uzun vadeli gelişimini yalnızca “finansal getiri” açısından değil, “ekosistem gelişimi” açısından değerlendirmeleri çağrısında bulunabiliriz.

Sonuç olarak, güçlü kapsayıcılığı, şiddetli rekabet ortamı ve etkili teşvik mekanizmasına dayanarak, Bittensor ekosisteminin organik olarak yüksek kaliteli YZ ürünleri üretebileceğine inanıyoruz. Mevcut Alt Ağlardan elde edilen tüm çıktılar merkezi ürünlerle rekabet edemese de, mevcut Bittensor mimarisinin henüz bir yaşını doldurduğunu unutmayalım (Alt Ağ #1 13 Nisan 2023’te kaydedildi). Merkezi yapay zeka devlerine rakip olma potansiyeline sahip bir platform için, belki de eksikliklerini aceleyle eleştirmek yerine pratik iyileştirme planları önermeye odaklanmalıyız. Sonuçta hepimiz yapay zekanın sürekli olarak birkaç dev tarafından kontrol edildiğini görmek istemiyoruz.