Bittensor: सबनेट, Yuma Consensus और dTAO का AI में उपयोग

बिटटेंसर एक अनुमति रहित नेटवर्क है जो उपयोगी ऑफ-चेन मशीन इंटेलिजेंस के लिए भुगतान करता है, जिसे मूल्यांकन को ऑन-चेन पुरस्कारों में बदलकर किया जाता है। यह विशेष उप-नेट्स, युमा सहमति द्वारा संचित मूल्यांकनकर्ता स्कोरिंग, और एक टोकन प्रणाली के माध्यम से करता है जहां TAO नेटवर्क का समन्वय करता है और dTAO बाजारों को उप-नेट द्वारा उत्सर्जन को नियंत्रित करने की अनुमति देता है।

मुख्य निष्कर्ष

• बिटटेंसर ऑफ-चेन एआई और अन्य डिजिटल कार्यों को एक ऑन-चेन पुरस्कार प्रणाली के साथ समन्वयित करता है, बजाय इसके कि मॉडल की गणना को सीधे ब्लॉकचेन पर चलाया जाए।
• प्रत्येक बिटटेंसर सबनेट अपनी खुद की मिनी-मार्केट है जिसमें अपना कार्य, खनिक, सत्यापनकर्ता और स्कोरिंग नियम होते हैं, इसलिए "बिटटेंसर प्रदर्शन" कभी भी एक समान चीज नहीं होती है।
• वैलिडेटर्स वजन वेक्टर जमा करते हैं जो माइनर्स को स्कोर करते हैं, और युमा सहमति उन स्कोर को स्टेक-वेटेड के अनुसार संचित करती है ताकि यह तय किया जा सके कि किसे उत्सर्जन मिलते हैं।
• 2024 dtao अपग्रेड ने सबनेट अल्फा टोकन पेश किए और उत्सर्जन को बढ़ाया।आवंटनबाजार मूल्य निर्धारण की ओर, न कि केवल मूल स्तर के मतदान की।

बिटटेंसर एक बुद्धिमत्ता के लिए बाजार के रूप में

एक Bittensor उपयोगकर्ता अनुभव एक सरल विभाजन से शुरू होता है: श्रृंखला यह निर्धारित करती है कि किसे पुरस्कारों को प्रभावित करने की अनुमति है और पुरस्कार कैसे निपटते हैं, जबकि मूल्यांकन किया जाने वाला कार्य ऑफ-चेन होता है। यह डिज़ाइन विकल्प पूरी बात है। सबटेंसर समन्वय परत संतुलन, स्टेकिंग संबंधों और पुरस्कार से संबंधित वजन को ट्रैक करती है जो वैलिडेटर्स प्रकाशित करते हैं, लेकिन यह मॉडल अनुमान, प्रशिक्षण या बेंचमार्किंग को ब्लॉकस्पेस में मजबूर करने की कोशिश नहीं करती।

यह Bittensor क्रिप्टो को "AI ऑन-चेन" की तुलना में अधिक एक बाजार डिज़ाइन की तरह महसूस कराता है जो बुद्धिमत्ता के लिए भुगतान करने के लिए है। वस्तु डिफ़ॉल्ट रूप से एक टोकनयुक्त GPU घंटे नहीं है। यह एक मॉडल प्रतिक्रिया, एक भविष्यवाणी, एक एम्बेडिंग, एक भाषण आउटपुट, या यहां तक कि एक कंप्यूट सेवा हो सकती है, जब तक कि एक सबनेट एक परीक्षण और एक भुगतान नियम को परिभाषित कर सकता है। नेटवर्क का काम "उपयोगिता" को इस तरह से स्पष्ट करना है कि बिना किसी केंद्रीय प्लेटफ़ॉर्म मालिक के भुगतान किया जा सके।

यह भी इसीलिए है कि सही मानसिक मॉडल दो परतों का है। पहली परत समन्वय और निपटान है: हिस्सेदारी, अनुमतियाँ, और पुरस्कार वितरण। दूसरी परत प्रतिस्पर्धात्मक क्षेत्र है जहाँ खननकर्ता आउटपुट उत्पन्न करते हैं और सत्यापनकर्ता उनका मूल्यांकन करते हैं। यदि मूल्यांकन परत कमजोर है, तो पूरा सिस्टम शोर के लिए भुगतान करने में degrade हो जाता है। यदि मूल्यांकन परत मजबूत है, तो श्रृंखला ऑफ-चेन बुद्धिमत्ता के लिए एक निपटान रेल बन जाती है।

जो पाठक व्यापक श्रेणी के ढांचे की तलाश में हैं, उन्हें Bittensor को विकेंद्रीकृत एआई अवसंरचना के विचार में मैप करना चाहिए: उत्पाद एकल मॉडल नहीं है, यह कई प्रदाताओं के बीच डिजिटल क्षमता को स्रोत करने और इसके लिए भुगतान करने का एक अनुमति रहित तरीका है।

कैसे सबनेट विशेषीकृत प्रतियोगिताओं का आयोजन करते हैं

सबनेट इसलिए मौजूद हैं क्योंकि "AI" एक कार्य नहीं है जिसमें एक ही उद्देश्य कार्य हो। एक भाषा मॉडल सबनेट संकेतों के लिए प्रतिक्रियाओं को स्कोर कर सकता है। एक समय-श्रृंखला भविष्यवाणी सबनेट वास्तविक परिणामों के खिलाफ पूर्वानुमानों को स्कोर कर सकता है। एक कंप्यूट-प्रावधान सबनेट उपलब्धता और प्रदर्शन को स्कोर कर सकता है। इन सभी को एक वैश्विक स्कोरिंग सिस्टम में समेटने की कोशिश करना या तो इतना अस्पष्ट हो जाता है कि इसे खेला जा सके या इतना कठोर हो जाता है कि यह बेकार हो जाए।

इस प्रकार Bittensor नेटवर्क को कई विशेषीकृत क्षेत्रों में विभाजित करता है। प्रत्येक bittensor उपनेट एक स्वतंत्र बाजार या समुदाय है जिसमें अपने स्वयं के खनिक, सत्यापनकर्ता और एक विशिष्ट कार्य क्षेत्र के लिए प्रोत्साहन तर्क होते हैं। स्रोत ठोस उदाहरणों की ओर इशारा करते हैं जैसे कि पाठ उत्पन्न करना (जिसे अक्सर उपनेट 1 के रूप में संदर्भित किया जाता है) और पूर्व प्रशिक्षण या मॉडल प्रशिक्षण (जिसे अक्सर उपनेट 9 के रूप में संदर्भित किया जाता है), साथ ही छवि उत्पन्न करना, भाषण, समय श्रृंखला भविष्यवाणी, और कंप्यूट प्रदान करने जैसे क्षेत्रों के साथ।

महत्वपूर्ण परिणाम यह है कि "Bittensor" एक ऐसा नेटवर्क नहीं है जिसका एक ही उद्देश्य हो। यह माइक्रो-मार्केट्स का एक संघ है जो एक निपटान साझा करते हैं।संपत्तिऔर एक समन्वय श्रृंखला। प्रत्येक उपनेट यह परिभाषित करता है कि क्या परीक्षण किया जा रहा है, इसे कैसे परीक्षण किया जा रहा है, और किस व्यवहार के लिए भुगतान किया जाता है। यही कारण है कि किसी भी उपनेट के बारे में पहला प्रश्न यह नहीं है कि "क्या है"एपीवाईयह "स्कोरिंग सतह क्या है" है। यदि परीक्षण को धोखा देना आसान है, तो खनिक धोखे के लिए अनुकूलित करेंगे।

एक गहरे यांत्रिक मार्गदर्शिका के लिए, सही साथी यह है कि बिटटेंसर उपनेट कैसे काम करते हैं, क्योंकि जो विवरण महत्वपूर्ण हैं वे हमेशा उपनेट-विशिष्ट होते हैं: खनिक क्या प्रस्तुत करते हैं, सत्यापनकर्ता क्या पूछते हैं, और स्कोरिंग फ़ंक्शन किसे इनाम देता है।

सत्यापनकर्ता, खनिक, और युमा सहमति

इनाम चक्र में तीन अभिनेता होते हैं: खनिक वस्तु का उत्पादन करते हैं, सत्यापनकर्ता इसका मूल्यांकन करते हैं, और श्रृंखला परिणाम को तय करती है। खनिक आपूर्ति पक्ष हैं। वे मॉडल चलाते हैं, अनुमान प्रदान करते हैं, भविष्यवाणियाँ उत्पन्न करते हैं, या अन्य डिजिटल आउटपुट ऑफ-चेन प्रदान करते हैं। सत्यापनकर्ता मांग-पक्ष के प्रॉक्सी होते हैं। वे खनिकों के आउटपुट का परीक्षण करते हैं और तय करते हैं कि उपनेट के नियमों के तहत कौन सबसे उपयोगी था।

चाबी ऑन-चेन कलाकृति वजन वेक्टर है। सत्यापनकर्ता वजन प्रकाशित करते हैं जो खनिकों को उनके मूल्यांकन के आधार पर रैंक या स्कोर करते हैं। ये वजन केवल टिप्पणी नहीं हैं। वे युमा सहमति के लिए इनपुट होते हैं, जो सत्यापनकर्ता के दृष्टिकोण को स्टेक-वेटेड के रूप में एकत्रित करता है और उन्हें उपनेट के भीतर उत्सर्जन वितरण में बदल देता है। दूसरे शब्दों में, बिटटेंसर की "सहमति" मुख्य रूप से लेनदेन के क्रम के बारे में नहीं है। यह इस बारे में है कि किसका निर्णय ऑफ-चेन कार्य के लिए भुगतान करते समय गिनती होनी चाहिए।

स्टेक-वेटिंग प्रोटोकॉल का प्रयास है कि सांठ-गांठ महंगी हो जाए। यदि एक छोटा समूह एक-दूसरे को उच्च रेटिंग देने की कोशिश करता है, तो उनका प्रभाव उपनेट के शेष सत्यापन स्टेक के सापेक्ष उनके स्टेक वजन द्वारा सीमित होता है। क्यूब का व्याख्याता भी सत्यापनकर्ताओं के लिए एक अनुमति प्रणाली का वर्णन करता है, जिसमें एक सीमित सक्रिय सेट और स्टेक वजन से जुड़े पात्रता नियम जैसे प्रतिबंध होते हैं, जो प्रोटोकॉल का एक और तरीका है कि कौन पुरस्कार-संबंधित वजन प्रस्तुत कर सकता है।

यही वह जगह है जहाँ अधिकांश सतही व्याख्याकार उत्पाद को चूक जाते हैं। युमा उत्पाद है। यह ऑफ-चेन कार्य के विषयगत मूल्यांकन को एक भुगतान नियम में बदलने का एक तंत्र है जो एक श्रृंखला पर चल सकता है। यदि एक पाठक यह नहीं समझा सकता कि सत्यापनकर्ता क्या स्कोर कर रहे हैं और ये वजन उत्सर्जन में कैसे प्रवाहित होते हैं, तो वे यह नहीं समझते कि वे "विकेंद्रीकृत एआई" के बारे में बात करते समय किस पर भरोसा कर रहे हैं।

TAO, dTAO, और अल्फा टोकन प्रोत्साहन

TAO वह निपटान संपत्ति है जो प्रणाली को एक साथ बांधती है। यह पुरस्कारों और स्टेकिंग के लिए उपयोग किया जाने वाला मूल टोकन है, और एक स्रोत इसे नेटवर्क पर सेवाओं तक पहुँच के लिए भुगतान करने के लिए भी उपयोग किया जाता है। अपहोल्ड का अवलोकन भी दावा करता है कि TAO की अधिकतम आपूर्ति 21 मिलियन है और यह चार साल के आधे चक्र का पालन करता है।

2024 का dTAO अपग्रेड उपनेट के लिए उत्सर्जन के लिए प्रतिस्पर्धा करने के तरीके को बदल देता है। dTAO से पहले, स्रोतों का वर्णन करता है कि मूल नेटवर्क मतदान या सत्यापनकर्ता-प्रेरित मानदंडों के माध्यम से उत्सर्जन आवंटित करता है। dTAO के बाद, प्रत्येक उपनेट का अपना अल्फा टोकन होता है, और उत्सर्जन आवंटन अल्फा-टोकन मूल्य निर्धारण के माध्यम से एक बाजार-आधारित तंत्र की ओर स्थानांतरित होता है।तरलता पूल।यह महत्वपूर्ण है क्योंकि यह 'कौन से सबनेट्स को उत्सर्जन मिलना चाहिए' को एक जीवित मूल्य संकेत में बदल देता है, न कि केवल एक राजनीतिक प्रक्रिया में।

यह जोखिमों का एक साफ विभाजन बनाता है। TAO पूरे नेटवर्क का समन्वय करता है। tao टोकन वह इकाई है जिसका उपयोग स्टेकर्स वैलिडेटर्स का समर्थन करने और नेटवर्क अर्थशास्त्र में भाग लेने के लिए करते हैं। अल्फा सबनेट-विशिष्ट जोखिम अभिव्यक्ति है। यदि बाजार यह तय करता है कि किसी सबनेट का मूल्यांकन कमजोर है या आउटपुट मूल्यवान नहीं है, तो अल्फा मूल्यहीन हो सकता है और सबनेट समय के साथ कम उत्सर्जन आकर्षित कर सकता है।

यह व्यापारी-संबंधित रूपरेखा है: Bittensor एक दो-स्तरीय बाजार डिज़ाइन है जहाँ सबनेट्स एक AI वस्तु के लिए अनुबंध को परिभाषित करते हैं, वैलिडेटर्स वजन वेक्टर प्रस्तुत करके रेटिंग एजेंसियों की तरह कार्य करते हैं, और dTAO प्रत्येक सबनेट की विश्वसनीयता को एक मूल्य संकेत में बदल देता है जो उत्सर्जन को खींच या खो सकता है। पाठकों के लिए जो AI-टोकन कथाओं की तुलना कर रहे हैं, साफ विपरीत है bittensor बनाम render दो अलग-अलग AI क्रिप्टो दांव, क्योंकि एक मूल्यांकित आउटपुट के लिए एक बाजार है और दूसरा आमतौर पर कंप्यूट रेंडरिंग आपूर्ति के चारों ओर फ्रेम किया जाता है।

उपयोग के मामले, लाभ, और प्रमुख जोखिम

सबनेट डोमेन ठोस उपयोग के मामलों को देते हैं। स्रोत पाठ उत्पादन, मॉडल प्रशिक्षण या पूर्व प्रशिक्षण, समय श्रृंखला भविष्यवाणी, छवि उत्पादन, भाषण, और कंप्यूट प्रदान करने के लिए सबनेट्स की ओर इशारा करते हैं। लाभ विशेषज्ञता है। प्रत्येक डोमेन अपनी स्वयं की मूल्यांकन लॉजिक को परिभाषित कर सकता है, न कि एक आकार सभी के लिए उपयुक्त बेंचमार्क को विरासत में लेकर।

दूसरा लाभ आर्किटेक्चरल है: भारी गणना ऑफ-चेन रहती है। यह प्रणाली को सामान्य उद्देश्य ब्लॉकचेन के भीतर मॉडल कार्य को सत्यापित करने की लागत के तहत ढहने से रोकता है। श्रृंखला का कार्य स्टेक, अनुमतियों, और पुरस्कार निपटान का समन्वय करना है।

मुख्य जोखिम मूल्यांकन के चारों ओर समूहित होते हैं, न कि गणना के। यदि किसी सबनेट का स्कोरिंग फ़ंक्शन गेम करना आसान है, तो खननकर्ता परीक्षण के लिए अनुकूलित करेंगे न कि अंतर्निहित सेवा गुणवत्ता के लिए। यदि वैलिडेटर्स सस्ते में समन्वय कर सकते हैं, तो वे पुरस्कारों को अंदरूनी लोगों की ओर मोड़ सकते हैं द्वारा संरेखित वजन वेक्टर प्रकाशित करके। प्रोटोकॉल इसे स्टेक-भारित और सहमति समेकन के साथ प्रतिरोध करने की कोशिश करता है, लेकिन यह इस मूल समस्या को समाप्त नहीं कर सकता कि कई AI आउटपुट को वस्तुनिष्ठ रूप से न्याय करना कठिन है।

एक दूसरा जोखिम पारिस्थितिकी तंत्र की जटिलता है। स्रोत 2025 तक सबनेट की संख्या को 'सौ से अधिक' और 2026 की शुरुआत में '125+ सक्रिय सबनेट्स' के रूप में वर्णित करते हैं, जो यह कहने का एक और तरीका है कि सतह क्षेत्र बड़ा और समय-निर्भर है। यह उचित परिश्रम को सबनेट-दर-सबनेट बनाता है, न कि ब्रांड-दर-ब्रांड।

उन उपयोगकर्ताओं के लिए जो केवल डिज़ाइन को समझने के बजाय भाग लेना चाहते हैं, संचालनात्मक अगला कदम यह है कि tao को कैसे स्टेक करें और सबनेट्स का चयन करें, क्योंकि आर्थिक परिणाम इस पर निर्भर करते हैं कि कौन से वैलिडेटर्स और कौन से सबनेट्स एक प्रतिभागी का समर्थन करते हैं।

Bittensor के बारे में सामान्य भ्रांतियाँ

“Bittensor एक blockchain पर AI चलाता है” सबसे महंगी गलतफहमी है। श्रृंखला स्टेक, संतुलन, और पुरस्कार-संबंधित वजन का समन्वय करती है, जबकि मॉडल कार्य और मूल्यांकन प्रश्न ऑफ-चेन होते हैं। Bittensor एक blockchain का उपयोग निपटान और समन्वय परत के रूप में करता है, न कि प्रशिक्षण रन निष्पादित करने के स्थान के रूप में।

“Bittensor एक नेटवर्क है जिसमें एक उद्देश्य है” दूसरा जाल है। नेटवर्क उपनेट्स में व्यवस्थित है, और प्रत्येक उपनेट का अपना कार्य क्षेत्र और स्कोरिंग नियम होते हैं। एक मजबूत टेक्स्ट-जनरेशन उपनेट का मतलब यह नहीं है कि एक मजबूत टाइम-सीरीज प्रीडिक्शन उपनेट है, क्योंकि परीक्षण, प्रतिभागी, और प्रोत्साहन भिन्न होते हैं।

“Validators निष्क्रिय रेफरी हैं” तंत्र पर गलत है। Validators सक्रिय रूप से भुगतान को आकार देते हैं वजन वेक्टर प्रस्तुत करके, और yuma सहमति उन वजन को स्टेक-वेटेड करके उत्सर्जन वितरण तय करती है। यह validator व्यवहार को प्रतिस्पर्धात्मक खेल का हिस्सा बनाता है, न कि एक तटस्थ पृष्ठभूमि प्रक्रिया।

“TAO ही एकमात्र चीज है जो मायने रखती है” यह नहीं देखता कि dTAO ने क्या बदला। dtao के तहत, उपनेट अल्फा टोकन उपनेट-स्तरीय विश्वसनीयता को एक व्यापार योग्य संकेत में बदलते हैं जो उत्सर्जन आवंटन को प्रभावित कर सकता है। TAO निपटान संपत्ति है। अल्फा वह जगह है जहां बाजार व्यक्त करता है कि कौन से उपनेट्स को अभी उत्सर्जन का अधिकार मिलना चाहिए।

निष्कर्ष

मैंने व्यापारियों को “विकेंद्रीकृत AI” को एकल कथा व्यापार की तरह व्यवहार करते हुए देखा है और फिर उस भाग से अंधा हो जाते हैं जो वास्तव में मायने रखता है: मूल्यांकन। Bittensor पर, संपत्ति “AI” नहीं है। संपत्ति स्कोरिंग खेलों का एक सेट है, प्रत्येक उपनेट के लिए एक, जहां validators वजन वेक्टर प्रकाशित करते हैं और yuma सहमति उन निर्णयों को उत्सर्जन में बदल देती है।

स्वच्छ मुद्रा यह है कि भूमिकाओं और संकेतों के बारे में सोचना। खनिक परीक्षण के लिए अनुकूलित करते हैं, validators प्रभाव के लिए अनुकूलित करते हैं, और dtao बाजार के दृष्टिकोण को अल्फा मूल्य निर्धारण में बदल देता है जो एक उपनेट को आर्थिक रूप से भूखा कर सकता है भले ही यह सामाजिक रूप से जोरदार हो। यदि कोई व्यक्ति यह नहीं बता सकता कि एक bittensor उपनेट क्या माप रहा है और validators इसे कैसे खेल सकते हैं, तो वे नहीं समझते कि जब वे कहानी खरीदते हैं तो वे क्या खरीद रहे हैं।

स्रोत

• Cube Exchange
• डीएक्सटूल्स
• अपहोल्ड
• गेट विकी