Bittensor: رائد في مجال الذكاء الاصطناعي + blockchain، لامركزية الذكاء الاصطناعي

المؤلف PolkaWorld

الذكاء الاصطناعي يغير العالم.

أطلقت OpenAI هذا الأسبوع أحدث طراز لها وهو GPT-4o، وقد صدمت قدراتها القوية الجميع مرة أخرى، حيث تجاوزت سرعة تكرار الذكاء الاصطناعي خيال معظم الناس. من المتصور أنه في المستقبل القريب، سيتم إعادة كتابة المزيد والمزيد من قواعد الصناعة وتخريبها بواسطة الذكاء الاصطناعي.

ولكن هناك حقيقة واحدة تقشعر لها الأبدان - الذكاء الاصطناعي الحالي مركزي للغاية.

يقود تطوير الذكاء الاصطناعي الحالي بشكل أساسي عدد قليل من عمالقة التكنولوجيا مثل OpenAI وGoogle. وتمتلك هذه الشركات موارد بيانات ضخمة وقدرة حاسوبية، فضلاً عن استثمارات عالية في البحث والتطوير، وبالتالي تهيمن على تطوير تكنولوجيا الذكاء الاصطناعي. ومع ذلك، كل شركة تريد فقط نماذجها الخاصة لكسب المال لنفسها، لذلك يتم تدريب هذه النماذج بشكل أساسي بطريقة مغلقة، ولا يرغب أحد في مشاركة نماذجه وبياناته مع المنافسين.

في مثل هذا النظام المغلق والمركزي للذكاء الاصطناعي، يصعب حماية بيانات المستخدم بشكل كامل، مما يزيد من خطر تسرب البيانات وإساءة استخدامها. علاوة على ذلك، تفتقر نماذج الذكاء الاصطناعي الحالية إلى الشفافية في عملية صنع القرار، وهو ما قد يؤدي بسهولة إلى التحيز الخوارزمي والظلم.

يتطلب تطوير نماذج الذكاء الاصطناعي عالية الأداء وصيانتها موارد حاسوبية ضخمة واستثمارات رأسمالية، وهي مشكلة تواجه العديد من الشركات الصغيرة والباحثين. وهذا يشكل عائقا كبيرا أمام المؤسسات. إذًا، كيف يمكننا أن نجعل الذكاء الاصطناعي أكثر انفتاحًا ولا مركزية؟

Bittensor - لا مركزية نموذج الذكاء الاصطناعي

وهكذا ظهر Bittensor، وكان يأمل في حل هذه المشاكل في نماذج الذكاء الاصطناعي الحالية من خلال اللامركزية.

Bittensor عبارة عن منصة لا مركزية للتعلم الآلي تأمل في إنشاء سوق عالمي مفتوح للذكاء الاصطناعي. تتيح هذه المنصة للمستخدمين مشاركة نماذج الذكاء الاصطناعي في شبكة لا مركزية لتعزيز الابتكار ومشاركة المعرفة.

يستخدم Bittensor تقنية blockchain لضمان أمان الشبكة وشفافيتها، ويشجع من خلال آليات الحوافز يساهم المشاركون بشكل كبير -نماذج وبيانات الجودة. يسمح لأي شخص بالمشاركة في تطوير وتدريب نماذج الذكاء الاصطناعي من خلال المساهمة بموارد الحوسبة والبيانات. ولن يؤدي هذا إلى كسر احتكار شركات التكنولوجيا الكبرى فحسب، بل سيؤدي أيضًا إلى تحسين خصوصية البيانات وأمنها وتعزيز التوزيع العادل للموارد.

بنية Bittensor ومبدأ عمله

فكيف يحقق Bittensor ذلك؟

تتضمن البنية الأساسية لـ Bittensor الأجزاء التالية:

1. < p> الشبكات الفرعية: تنقسم شبكة Bittensor إلى شبكات فرعية متعددة، وهو سوق تنافسي قائم على الحوافز. تركز كل شبكة فرعية على مهام الذكاء الاصطناعي المختلفة. يمكن للشبكات الفرعية التنافس والتعاون مع بعضها البعض لتعزيز التطوير الشامل للشبكة. يمكن لكل شبكة فرعية إنشاء حوافز مخصصة لمسابقاتها الخاصة أو الانضمام إلى المسابقات الحالية في نظام Bittensor البيئي. الشبكات الفرعية هي جوهر النظام البيئي Bittensor.

2. Subtensor: Subtensor هو blockchain الأساسي لشبكة Bittensor وهو مسؤول عن تسجيل جميع المعاملات والمساهمات النموذجية. يضمن Subtensor شفافية وأمن الشبكة ويدير الحوافز.

3. Bittensor API: Bittensor API مسؤول عن ربط جميع العناصر الأساسية في المكونين المذكورين أعلاه وربط الشبكات الفرعية و بلوكتشين.

ببساطة، Subtensor هو blockchain المركزي لشبكة Bittensor، وهو المسؤول عن تنسيق وإدارة تشغيل الشبكة بأكملها. الشبكات الفرعية هي منصات مستقلة عن Subtensor، وتركز كل شبكة فرعية على مهمة أو مجال محدد للذكاء الاصطناعي. من خلال هذا التصميم المعماري، يمكن لـ Bittensor تحقيق التخصيص الفعال للموارد والمعالجة المتخصصة للمهام، مع ضمان وحدة وتنسيق الشبكة بأكملها.

آلية الحوافز

آلية الحوافز لدى Bittensor هي أحد أهم عناصرها.

كما ذكرنا سابقًا، كل شبكة فرعية لها مهامها الفريدة وآليات الحوافز (قواعد المنافسة). لفهم آلية الحوافز الخاصة بها، يجب عليك أولاً فهم العديد من الأدوار المهمة في الشبكة الفرعية:

• عامل تعدين الشبكة الفرعية (عامل تعدين): كل عامل تعدين في الشبكة الفرعية لكل منهما تنفيذ مهمة مفيدة، وهي حل بعض المشكلات المحددة في آلية حوافز الشبكة الفرعية. (هل هو مشابه جدًا لعمال المناجم في Bitcoin؟)

• مدقق الشبكة الفرعية (المدقق): مدققو الشبكة لكل شبكة فرعية قم بتقييم المهام التي يؤديها عمال المناجم على الشبكة الفرعية بشكل مستقل، ثم يعبر كل منهم عن رأيه بشأن جودة إكمال مهمة عامل المناجم. يتم بعد ذلك تغذية آراء مدققي الشبكة الفرعية كمدخلات جماعية لآلية إجماع Yuma على blockchain باستخدام Bittensor API.

• المرشِح (المرشح): تعهد بـ TAO للمدقق المختار، وبناءً على جودة عمل المدقق تتم مكافأة. لا توجد فترة حظر للتخزين، وبالنظر إلى أنه يتم إصدار مبلغ ثابت من $TAO كل يوم وتوزيعه على المفوضين، فإن معدل الفائدة السنوية لمكافأة الإيداع سوف يتقلب، حيث تتراوح معدلات الفائدة السنوية الحالية من 13% إلى 20%.

ستحدد آلية إجماع Yuma على blockchain Subtensor كيفية توزيع المكافآت لعمال المناجم في الشبكة الفرعية ومدققي الشبكة الفرعية. تكون المكافآت على شكل رمز Bittensor الأصلي، TAO، وتعتمد كمية ونوعية المكافآت على جودة مساهمة عامل التعدين.

نظرًا لأن كل شبكة فرعية لها مهامها وأهدافها الفريدة، يمكن لعمال المناجم اختيار شبكة فرعية مناسبة بناءً على المزايا الخاصة بهم لتعظيم أرباحهم.

في شبكة Bittensor، توجد آلية منافسة وإقصاء بين الشبكات الفرعية. تحتاج كل شبكة فرعية إلى تحسين نماذجها وخوارزمياتها بشكل مستمر للحفاظ على موقعها في الشبكة. إذا كانت مساهمة الشبكة الفرعية ذات جودة أقل من الشبكات الفرعية الأخرى، فمن المحتمل أن يتم التخلص منها. تضمن آلية التخلص من المركز الأخير التشغيل الفعال والتقدم المستمر للشبكة بأكملها.

حالة تطوير شبكة Bittensor الفرعية

حاليًا، بالإضافة إلى الشبكة الجذرية (الجذر)، Bittensor، هناك 36 شبكة فرعية، تركز كل منها على مهام مختلفة، مثل معالجة اللغة الطبيعية، ورؤية الكمبيوتر، وتوليد الصور وأنظمة التوصية.

لم تحقق هذه الشبكات الفرعية نتائج ملحوظة في مجالات تخصصها فحسب، بل عززت أيضًا تطوير النظام البيئي بأكمله من خلال التعاون المتبادل.

لماذا اختارت Bittensor مجموعة تقنيات Polkadot

تستخدم البنية التحتية لـ Bittensor Polkadot SDK توفر بنية Polkadot لـ Bittensor إمكانية التشغيل البيني وقابلية التوسع والأمان لدعم احتياجات الحوسبة الضخمة ومعالجة البيانات التي تتطلبها شبكة الذكاء الاصطناعي اللامركزية الخاصة بها. يمكّن Polkadot Bittensor من تبادل رؤى وموارد الذكاء الاصطناعي بسلاسة عبر الشبكة، مما يؤدي إلى زيادة تطوير واعتماد حلول الذكاء الاصطناعي اللامركزية المبتكرة.

الملخص

يستفيد Bittensor من قوة الشبكات اللامركزية ويستخدم آلية حوافز ذكية، لذلك أن نماذج الذكاء الاصطناعي لم تعد لعبة محصلتها صفر، ولكنها يمكن أن تجمع الحكمة الجماعية، مما يسمح بتوسيع المعرفة ومشاركتها بسرعة، وبالتالي تعزيز المصدر المفتوح والابتكار في نماذج الذكاء الاصطناعي.