المؤلف: Revc, Golden Finance
مقدمة
منذ أن بدأ الاحتياطي الفيدرالي دورة خفض أسعار الفائدة، زادت القيمة السوقية للأصول المشفرة بأكثر من 300 مليار دولار أمريكي في الأسبوع الماضي، تناوبت قطاعات MEME والذكاء الاصطناعي والسلسلة العامة، وقادت Bittensor (TAO) قطاعات الذكاء الاصطناعي والسلسلة العامة بأداء هائل بنسبة 66٪ تقريبًا في سبعة أيام، و وصل سعر العملة إلى أعلى مستوى له منذ 18 شهرًا. من المرجح أن تحظى المشاريع ذات السرد القوي وآفاق التطبيق الواسعة بتفضيل رأس المال والمستخدمين. أدناه، نقوم بتحليل منطق Bittensor المتفجر وإيجاد إيقاع الاستثمار لهذه الدورة.
Bittensorاستكشاف عوامل الأداء المتميز
يُعزى صعود Bittensor في الأسبوع الماضي إلى إلى< قوي> يؤدي الجمع بين التقدم التكنولوجي، وتطوير الشراكات الإستراتيجية، ومشاعر المجتمع، وديناميكيات السوق الأوسع إلى تقاطعالذكاء الاصطناعي وأداء مشروع blockchain، لأن كان موضوع سوق رأس المال في العام الماضي هوالذكاء الاصطناعي. بعد الترتيب، الأسباب المحددة لصعود Bittensor هي كما يلي:
الترقية التكنولوجية والابتكار:
أعلنت Bittensor عن الإصدار من Bittensor v8 .0.0، والذييقدم تحسينات كبيرة في الأداء باستخدام BTCLIو Bittensor SDKs الجديدة . BTCLI هي أداة تستخدم للتفاعل مع شبكة Bittensor وقد تمت إعادة كتابة الكود هذه المرة لإجراء التفاعل أكثر كفاءة. تعملBittensor SDK على فصل الوظائف المساعدة وتصبح أخف وزنًا وأسهل في النشر. لا تعمل هذه الترقية على تحسين تجربة المستخدم والتفاعل مع الشبكة فحسب، بل قد تعمل أيضًا على تحسينها. جذب المزيد من المطورين والمستخدمين والمستثمرين.
AI التقدم في التدريب:
يصدر Bittensorمعلومات حول نماذج اللغات الكبيرة اللامركزية< الإعلان يشير التدريب القوي (LLM)، بالإضافة إلى ذكر التوافق مع الشبكة و EVM، إلى أن أساليب تدريب الذكاء الاصطناعي تبتكر باستمرار. إلهام الاهتمام والاستثمار في TAO.
الشراكات الإستراتيجية:
Bittensorتكشف عن التعاون مع الكيانات بما في ذلك @MacrocosmosAI و@manifoldlabs و@const_reborn للتدريب الموزع، مما يشير إلى أن Bittensor تعمل على توسيع نظامها البيئي من خلال الشراكات. يمكن أن يؤدي هذا التعاون إلى تعزيز قدرات Bittensor، وجذب المزيد من المستخدمين، والتحقق من صحة تقنيتها لجمهور أوسع، وبالتالي التأثير بشكل إيجابي على تصورها للسوق.
زيادة المنفعة والتطبيقات الواقعية:
تتزايد فائدة التدريب الموزع على الذكاء الاصطناعي. نظرًا لأن تقنية Bittensor أصبحت تُستخدم على نطاق واسع في تطبيقات العالم الحقيقي، فمن المرجح أن تزيد قيمتها الجوهرية.
نمو الشبكة وتأثيرها:
مع انضمام المزيد من المشاركين، تزداد قيمة كل عقدة،"< strong>تأثيرات الشبكة"قد تؤتي ثمارها. يمكن أن يؤدي هذا النمو إلى إنشاء حلقة ردود فعل إيجابية، حيث تؤدي زيادة المشاركة إلى زيادة القيمة، وبالتالي جذب المزيد من المشاركين.
حول Bittensor
Bittensor هو بروتوكول مفتوح المصدر مصمم لدعم اللامركزية شبكة التعلم الآلي على أساس blockchain. في هذه الشبكة، يمكن تدريب نماذج التعلم الآلي بشكل تعاوني ويتم مكافأتها برموز TAO بناءً على قيمة المعلومات التي تقدمها للمجموعة. TAO لا يوفر للمستخدمين إمكانية الوصول إلى الشبكة فحسب، بل يسمح لهم أيضًا بتخصيص أنشطتهم وفقًا لاحتياجاتهم.
Bittensor من خلال الاستفادة من تقنية blockchain، فإنه يروج لاستراتيجية جديدة لتطوير الذكاء الاصطناعي وتوزيعه والتي تؤكد على الوصول المفتوح والحوكمة اللامركزية والحوافز والاستفادة من الموارد العالمية. قوة الحوسبة وموارد الابتكار في هذا الإطار. باعتباره مستودعًا مفتوح المصدر لذكاء الآلة، يوفر Bittensor وصولاً متساويًا للمستخدمين حول العالم، مما يعزز الابتكار المفتوح وغير المسموح به. يتم توزيع المكافآت وملكية الشبكة بناءً على قيمة مساهمات المستخدم.
Bittensor الأساس هو بناء شبكة لا مركزية وتغيير طريقة تطوير الذكاء الاصطناعي ومشاركته وتحقيق الدخل منه. من خلال السوق الذكية من نظير إلى نظير، يمكن للقائمين بالتعدين المساهمة في التدريب على نموذج التعلم الآلي والحصول على مكافآت رمزية مقابلة. تم تصميم العملة المشفرة الأصلية للمنصة، TAO، بإجمالي عرض ثابت لتحفيز المستخدمين على المشاركة في بناء الشبكة. تتضمن بنية
Bittensor شبكات فرعية (شبكات فرعية)، مكثف فرعي< /strong>وواجهة برمجة تطبيقات Bittensor. الشبكات الفرعية هي أسواق تنافسية قائمة على الحوافز وتركز علىمهام الذكاء الاصطناعيالمختلفة التي يمكنها التنافس والتعاون مع بعضها البعض؛الموزع الفرعي إنها blockchain الأساسية، التي تسجل المعاملات والمساهمات النموذجية لضمان شفافية الشبكة وأمنها؛Bittensor APIتربط الاثنين وتنسق تشغيل الشبكة بأكملها.
إن آلية الحوافز هي المفتاح لـ Bittensor. كل شبكة فرعية لها قواعد فريدة، ويتم تقسيم المشاركين إلى عمال مناجم الشبكة الفرعية، والمدققين، والمرشحين. يقوم عمال المناجم بحل المهام، ويقوم المدققون بتقييم عمل عمال المناجم، ويشارك المرشحون في TAO ويحصلون على مكافآت بناءً على أداء المدقق. يتم توزيع المكافآت في رموز TAO من خلال آلية إجماع Yuma. توجد آلية للمنافسة والإلغاء بين الشبكات الفرعية لضمان التحسين المستمر والتشغيل الفعال للشبكة.
يسمح Bittensor بتدريب نماذج التعلم الآلي في شبكة موزعة، مما يشكل بيئة تعاونية ويضمن تعويض المساهمين في الشبكة وفقًا لذلك. يضمن Bittensor سلامة شبكته من خلال إجراءات أمنية متعددة. تشجع الحوافز القائمة على الرمز المميز القائمين بالتعدين على المساهمة بالقيمة، وتحقيق اللامركزية في التحكم لمنع كيان واحد من السيطرة على المنصة. بالإضافة إلى ذلك، تطبق المنصة بروتوكولات مكافحة الغش وميزات الأمان الاختيارية لمفتاح التشغيل السريع للحفاظ على نظام بيئي عادل وشفاف وحماية بيانات المستخدمين وخصوصية المعاملات.
الاستنتاج
تعتمد قيمة Bittensor على ما إذا كان بإمكانه إنشاء ميزة لامركزية في المنافسة مع المشاريع المركزية مثل OpenAI. تعتمد القيمة على المدى القصير على ما إذا كان من الممكن دمج نماذج قوة حوسبة الذكاء الاصطناعي لكل شبكة فرعية بشكل مباشر مع السيناريوهات التجارية، وإلا فإنها ستكون مجرد فقاعة ذكاء اصطناعي. تعتمد القيمة طويلة المدى على ما إذا كان التحقق من نتائج حساب الذكاء الاصطناعي، والتقييم الفعال لحجم العمل للنموذج، ونظام توزيع المهام ومكافآت المُعدنين يمكن أن يتخلص من الاعتماد على مشروع Web2.
في سوق Web2، يتم تقدير تقييم معظم مشاريع الذكاء الاصطناعي على أساس الدخل كمعاش سنوي، خاصة بعد تشغيلها تجاريًا لفترة من الوقت، ويكون نظام التقييم ناضجًا نسبيًا يعود دخل المنتج إلى أنه يمكن تدقيقه وتأكيده للسوق. ومع ذلك، تواجه Bittensor مشكلة كبيرة، وهي أنه تم تحديد الحد الأعلى لإجمالي مبلغ حوافز الرمز المميز، لكن القيمة التي يساهم بها القائمون بالتعدين ليس لها دخل وسيناريوهات للتقييم، فهي توزع فقط مكافآت الرمز المميز بناءً على أعلى قوة حاسوبية المستوى الذي يمكنها تحقيقه ضمن نظامها الخاص، مما يؤدي إلى الانفصال عن السوق، وبالتالي فإن التسويق المبكر بدلاً من الاعتماد فقط على حوافز الشبكة يمكن أن يضمن تطوير المشروع على المدى الطويل. حاليًا، انخفض حجم التداول اليومي لـ TAO بنسبة 35%، ويجب على المستثمرين الانتباه إلى المخاطر ذات الصلة. ص>