全面解析去中心化 AI 网络 Bittensor

2025-01-23 00:01:29

简要概述

人工智能领域正在以前所未有的速度发展，但这并非没有挑战。目前，中心化的数据训练模型主导着这个领域，主要由OpenAI、Google和X（前身为Twitter）等科技巨头控制。

尽管中心化的AI训练近年来取得了显著的成就，但它也存在一定的局限性。首先，数据训练过程中存在一些问题，比如私密信息的未经授权使用、数据审查导致训练结果失真，以及数据来源缺乏可追溯性。在算法方面，中心化的模型严重依赖数据质量，并且往往难以进行实时评估以实现迭代改进。

去中心化AI训练提出了一个替代方案，但面临着巨大的挑战，尤其是资源不足。目前，训练大型模型的成本已超过1亿美元，使得社区驱动的项目几乎无法与之竞争。去中心化的努力依赖于计算能力、数据和人才的自愿贡献，但这些资源不足以支持类似规模的项目。因此，去中心化AI的潜力仍然受到限制，无法在规模和影响力上完全与中心化AI抗衡。

来源：Statista

Bittensor是一个去中心化网络，旨在形成一个智能市场，使高质量的AI模型能够以去中心化的方式开发。通过利用激励机制并奖励参与者提供计算资源、专业知识和创新贡献，Bittensor建立了一个开源的AI能力生态系统，其中原生货币TAO既是奖励代币，也是访问网络的凭证。

Bittensor的核心组件，包括其Yuma共识、子网和TAO代币，最初在2021年11月随着版本“中本聪”发布而推出，并构建为Polkadot的平行链。随后在2023年迁移到基于Polkadot Substrate构建的Layer 1链，TAO的发行计划保持不变。

Bittensor的创建者和运营主体——Opentensor Foundation，由前谷歌工程师Jacob Steeves和机器学习学者Ala Shaabana共同创立，基金会目前约有30名员工，几乎所有员工都从事工程职能，缺乏B2B市场拓展、商业发展、合作伙伴关系或开发者关系等职能。

Bittensor开发了一个创新的网络，基于动态激励共识框架，允许参与者为生产机器智能所需的资源贡献提供支持，每个子网作为一个特定任务的模型运作，拥有自己独立的性能评估标准，并通过Bittensor的整体Yuma共识分配激励。

让我们通过一个类比来说明子网如何运作。可以将子网类比为一本杂志的出版商，每月组织写作比赛。每月，一位编辑会发布一个主题，供作家竞逐10000美元的奖励池。标准是“最能体现web3精神的作品”。作家将文章提交给编辑进行审阅，所有编辑会评估所有提交的作品，编辑的评分结果会决定最终的排名。排名最高的文章将被发布，并获得最大的奖励份额，而排名较低的文章也可能会获得较小的奖励。所有提交的文章及其评分都会与参与的作家和编辑分享，以便反馈和学习。通过这样的激励结构，作家会持续参与并贡献，作家和编辑之间的标准也会逐步趋同，从而使杂志能够发布最能“体现web3精神”的高质量文章。

在这个类比中，杂志出版商代表了子网，作家代表了矿工，编辑则代表了验证者。编辑汇总对文章的评价过程就是Yuma共识机制。在实际的子网中，矿工将获得TAO代币而非美元，这些代币由根子网（子网0）分配；验证者也会受到激励，以便他们的标准与汇总的评分接近，从而获得更多奖励。

在这一框架下，子网所有者通过验证者的手段，从矿工那里训练和获取智能能力，构建出具有特定功能的AI模块。除了子网，Bittensor还设有支持整个网络功能的其他层次：

用户可以通过各种应用程序与Bittensor进行互动，这些应用程序连接到子网或作为子网。用户提出服务请求，例如语言翻译或数据分析，应用程序通过验证者API将请求路由到子网。最佳的矿工答案由验证者共识选出，并返回给用户。

该层由一组子网组成，所有子网都使用Yuma共识来训练和利用矿工。在不深入讨论各个子网的情况下，我们将在这里讨论Yuma共识及子网的参与情况。