チーム0xai：なぜ我々はビテンザーに強気なのか？

Author: 0xai, AI Creative Platform Source: medium Translated by: Good Oba, Golden Finance

「ビッテンソー」とは何か？Bittensorとは？

Bittensor自体はAI製品ではなく、AI製品やサービスを生産・提供するものでもありません。Bittensorは、AI製品の生産者に競争力の高いインセンティブ・システムを提供することで、AI製品市場の最適化装置として機能する経済システムです。Bittensorのエコシステムでは、高品質の生産者はより多くのインセンティブを受け、競争力の低い生産者は徐々に排除されていきます。

パネルディスカッションでの0xaiチーム、ジェイコブ、ヴィタリック。パネルディスカッション

では、Bittensorは、効果的な競争を促し、質の高いAI製品の有機的な生産を促進するために、具体的にどのようにこのインセンティブを作ったのでしょうか？

ビテンザフライホイールモデル

Bittensorはフライホイールモデルでこれを実現しています。検証者はエコシステム内のAI製品の品質を評価し、その品質に基づいてインセンティブを割り当てます。TAOの評価は、Bittensorのエコシステムに参加する、より多くの高品質な生産者を引き付けるだけでなく、品質評価結果を操作するマニピュレーターの攻撃コストを増加させます。これはさらに、誠実な検証者のコンセンサスを強化し、評価結果の客観性と公平性を高め、より効果的な競争とインセンティブをもたらします。

評価結果の公正さと客観性を確保することは、フライホイールを回す上で重要なステップです。これはBittensorの技術、Yuma Consensus-based Abstract Verification Systemの核心でもあります。

では、ユマ・コンセンサスとはどのようなもので、どのようにしてコンセンサス後の公正で客観的な質の高い評価結果を保証するのでしょうか？

ユマ・コンセンサスは、多くのバリデーターから提供された多様な評価から最終的な評価結果を算出するように設計されたコンセンサス・メカニズムです。ビザンチンフォールトトレラントコンセンサスメカニズムと同様に、ネットワーク内の大多数のバリデータが正直である限り、最終的に正しい決定が下される。正直なバリデータが客観的な評価を提供できると仮定すると、コンセンサス後の評価結果も公正で客観的なものになる。

サブネットワークの品質評価を例にとると、ルートネットワークバリデータは各サブネットワーク出力の品質を評価し、ランク付けする。64人のValidatorの評価結果が集約され、Yumaコンセンサス・アルゴリズムによって最終的な評価結果が得られる。最終結果は、新しく作成されたTAOを各サブネットに割り当てるために使用される。

現在、Yumaコンセンサスには改善の余地があります。

1. ルートネットワークのバリデータは、すべてのTAOホルダーを完全に代表しているとは限りません。また、彼らが提供する評価は、必ずしも幅広い意見を反映しているわけではありません。さらに、一部のトップバリデータの評価が必ずしも客観的であるとは限らない。バイアスが検出されたとしても、すぐに修正されるとは限りません。

2. ルートネットワークバリデーターの存在は、Bittensorが対応できるサブネットの数を制限します。中央集権型の巨大AIと競争するには、32のサブネットを持つだけでは不十分です。しかし、32のサブネットがあっても、ルートネットワークバリデーターがそれらすべてを効果的に監視することは難しいかもしれません。

3. 検証者は、新しいサブネットに移行することを強く望まないかもしれません。短期的には、検証者は、排出量の多い古いサブネットから排出量の少ない新しいサブネットに移行するインセンティブを失う可能性があります。新しいサブグリッドの排出量が最終的に追いつくかどうかという不確実性は、追求プロセスにおける報酬の明確な損失と相まって、移行する意欲を弱める。

Bittensorはまた、これらの欠点に対処するために、メカニズムをアップグレードすることを計画しています：

1. ダイナミックTAOは、以下のような特徴があります。ダイナミックTAOは、サブネットの品質を評価する権限を、少数の検証者ではなく、すべてのTAO保有者に分散させます。TAO保有者は、誓約によって割り当てられる各サブネットの割合を間接的に決定できるようになります。

2. ルートネットワーク検証者の数に制限はなく、アクティブなサブネットの最大数は1024に増加します。これにより、新しいチームがBittensorエコシステムに参加する障壁が大幅に低くなり、サブネット間の競争が激しくなります。

3. 新しいサブネットに早く移行した検証者は、より高い報酬を得られる可能性があります。新しいサブネットに早く移行するということは、そのサブネットのdTAOを低価格で購入することを意味し、その結果、将来より多くのTAOを受け取る可能性が高まります。

各サブネットの排出量を決定するためだけでなく、同じサブネット内の各マイナーと検証者への割り当て比率を決定するためにも使用されるユマ・コンセンサスは、より強い包括性も大きな利点です。さらに、採掘者のタスクが何であれ、計算能力、データ、人的貢献、知性を含む貢献は抽象的に考慮される。その結果、AI商品生産のどの段階でもBittensorエコシステムにアクセスでき、Bittensorネットワークの価値を高めながらインセンティブを享受できる。

次に、いくつかの主要なサブネットワークを探索し、Bittensorがこれらのサブネットワークのアウトプットにどのようなインセンティブを与えるかを観察してみましょう。

サブネット

サブネット3: Myshell TTS

サブネット3: Myshell TTS

サブネット3: Myshell TTSは、GitHubでアカウントを作成して貢献することができます。アカウントを作成することで貢献できます。

Circulation: 3.46% (9 April 2024)

Background: ；Myshellは、MIT、オックスフォード大学、プリンストン大学などの名門校出身のコアメンバーを擁するMyshell TTS（音声合成）の開発チームである。Myshellは、プログラミングの素養のない大学生でも簡単に思い通りのロボットを作成できるノーコード・プラットフォームを目指している。Myshellは、TTS分野、オーディオブック、バーチャルアシスタントに特化している。2023年3月に最初の音声チャットボット、サマンサを発表。製品マトリックスを拡大し、現在では100万人以上の登録ユーザーを抱えている。プラットフォームは、言語学習、教育、ユーティリティボットを含む様々なボットをホストしています。

位置づけ： Myshellは、オープンソースコミュニティ全体の知恵を結集し、最高のオープンソースTTSモデルを構築するために、このサブネットを立ち上げました。言い換えれば、Myshell TTSはモデルを直接実行したり、エンドユーザーのリクエストを処理するのではなく、TTSモデルをトレーニングするためのネットワークなのです。

Myshell TSSアーキテクチャ

MyshellのTTS実行の流れを上に示します。マイナーはモデルをトレーニングし、トレーニング済みモデルをモデルプールにアップロードする役割を担い（モデルのメタデータもBittensorブロックチェーンネットワークに保存される）、バリデータはテストケースを生成してモデルを評価し、モデルのパフォーマンスを評価し、その結果に基づいてモデルを採点する。

要するに、マイナーは報酬を維持するために、より質の高いモデルを提出し続けなければなりません。

Myshellは現在、ユーザーがMyshell TTSのモデルを試せるように、プラットフォーム上でデモも開始しています。

今後、Myshell TTSで学習したモデルの信頼性が高まるにつれて、より多くのユースケースがオンライン化されるでしょう。より多くのユースケースがオンライン化されるでしょう。また、オープンソースのモデルなので、Myshellに限らず、他のプラットフォームにも拡張することができます。この分散型アプローチを通じてオープンソースモデルをトレーニングし、モチベーションを高めることこそが、分散型AIの目指すところではないだろうか？

サブネット5：Open Kaito

GitHubにアカウントを作成することで、Open Kaitoの開発に貢献することができます。

発行部数：4.39%（2024年4月9日）

背景：Kaito.aiを支えているのはOpen Kaitoチームです。AWS、META、Citadelなどの大手企業で働いた経験があります。Bittensorサブネットに参入する前、彼らは2023年第4四半期に主力製品であるKaito.ai（Web3オフチェーンデータ検索エンジン）を発表した。人工知能アルゴリズムを用いて、Kaito.aiはデータ収集、ランキングアルゴリズム、検索アルゴリズムを含む検索エンジンのコアコンポーネントを最適化する。Kaito.aiは、暗号コミュニティにおいてクラス最高の情報収集ツールとして認められています。

位置づけ：Open Kaitoは、インテリジェントな検索と分析をサポートする分散型インデックスレイヤーを構築することを目指しています。検索エンジンは単なるデータベースやランキングアルゴリズムではなく、複雑なシステムです。加えて、効果的な検索エンジンには低レイテンシーが必要であり、分散型バージョンの構築にはさらなる課題がある。幸いなことに、Bittensorのインセンティブ・システムによって、これらの課題は解決されると期待されている。

。検索エンジンの各コンポーネントを単純に分散化するのではなく、Open Kaitoはインデックス作成問題を採掘者の検証問題として定義している。つまり、採掘者はユーザーのインデックス作成要求に応える責任を負い、検証者は要求を分散させ、採掘者の応答を採点する。

オープンKaitoは、採掘者がどのようにインデックス作成タスクを完了するかを制限せず、代わりに採掘者の最終的なアウトプットに焦点を当て、革新的なソリューションを奨励する。これは、マイナー間の健全な競争環境を作り出すのに役立つ。ユーザーのインデックス作成要求に直面して、マイナーたちは、より少ないリソースでより質の高い応答結果を達成するために、実行計画を洗練させようと努力する。

サブネット6：Nous Finetuning

Nous Research/finetuningサブネットワークへの貢献は、以下のGitHubでアカウントを作成することで行うことができます。でアカウントを作成することで開発することができます。

発行部数：6.26%（2024年4月9日）

背景：Nous Finetuningを支えるチームは、大規模な言語モデリング（LLM）に特化した企業であるNous Researchの出身です。言語モデリング（LLM）アーキテクチャ、データ合成、およびデバイス内推論に焦点を当てた会社です。その共同設立者は、以前はEden Networkのリード・エンジニアでした。

ポジション：Nous Finetuningは、大規模言語モデルの微調整に特化したサブネットワークです。さらに、微調整に使用されるデータはBittensorエコシステム、特にサブネット18から提供されます。

NousファインチューニングはMyshell TSSと同様に動作します。同様に、Bittensor ブロックチェーンは、Yuma コンセンサスを使用して重みを集約し、各マイナーの最終的な重みと発行量を決定する役割を担っています。

サブネット18：Cortex.t

corcel-api/cortex.tの開発への貢献は、GitHubでアカウントを作成することで行うことができます。

発行部数：7.74%（2024年4月9日）

背景：Cortex.tの背後にあるチームはCorcel.ioであり、Bittensorネットワークで2番目に大きい検証者であるMogによって支えられている。Corcel.ioは、AI製品のBittensorエコシステムを活用することで、ChatGPTと同様の体験を提供するエンドユーザー向けアプリだ。

位置づけ：Cortex.tは、エンドユーザーに結果を提供する前の最終レイヤーとして位置づけられている。Cortex.tは、ブランクや一貫性のない出力を防ぎ、シームレスなユーザー体験を保証するように設計されています。

Cortex.tのマイナーたちは、エンドユーザーのリクエストを処理するために、Bittensorエコシステムの他のサブネットを活用しています。また、GPT 3.5ターボまたはGPT 4を使用して出力を検証し、エンドユーザーへの信頼性を確保します。バリデータは、OpenAIによって生成された結果と比較することで、マイナーの出力を評価します。

サブネット19：ビジョン

GitHubでアカウントを作成して、namoray/ビジョンの開発に貢献しましょう。

発行部数: 9.47% (2024年4月9日)

背景: Visionの開発チームはCorcel.io.のメンバーでもあります。align: left;">位置づけ：Visionは、DSIS（Distributed Scale Inference Subnetwork）と呼ばれる最適化されたサブネット構築フレームワークを利用することで、Bittensorネットワークの出力能力を最大化することを目指している。このフレームワークは、採掘者と検証者の応答を高速化する。現在、Visionは画像生成シナリオに焦点を当てている。

検証者はCorcel.ioフロントエンドから要求を受け取り、マイナーに配布する。採掘者は、（モデルに限らず）好みの技術スタックを自由に選択し、要求を処理してレスポンスを生成します。その後、検証者がマイナーのパフォーマンスを評価する。DSISのおかげで、Visionは他のサブネットよりも迅速かつ効率的にこれらの要求に応えることができる。

まとめ

上記の例からわかるように、Bittensorは高い包括性を示しています。マイナーの生成と検証者の検証はオフチェーンで行われ、Bittensorネットワークは検証者の評価のみに基づいて各マイナーに報酬を割り当てる。マイナーの検証者アーキテクチャに適合するAI製品生成のあらゆる側面は、サブネットワークに変換することができる。

理論的には、サブネット間の競争は激しいはずです。どのサブネットも報われ続けるためには、一貫して高品質の出力を出さなければなりません。そうでなければ、ルート・ネットワーク・バリデーターがサブネットの出力を価値が低いと判断した場合、その割り当ては減らされ、最終的には新しいサブネットに取って代わられるかもしれない。

しかし現実には、次のような問題が見つかります：

1. 似たようなサブネットの配置や重複によるリソースの冗長性。重複。既存の32のサブネットのうちいくつかは、テキストから画像、テキストアラート、価格予測など、人気のある方向に焦点を当てています。

2. 実世界でのユースケースがないサブネットがあります。価格予測サブネットは、予測プロバイダーとして理論的な価値があるかもしれませんが、予測データの現在のパフォーマンスは、エンドユーザーが使用するには程遠いものです。

3. 「良貨はくちに苦し」の一例です。トップレベルのバリデーターの中には、新しいサブネットの一部が著しく高い品質を示したとしても、新しいサブネットに移行することを強く望まない人もいるかもしれません。しかし、財政的な支援がないため、短期的には十分な排出量を得られないかもしれない。新しいサブネットは稼動後7日間しか保護されないため、すぐに十分な排出量を蓄積できなければ、排除されてオフラインになる危険性があります。

これらの問題は、サブネット間の不十分な競争と、効果的な競争のインセンティブとして機能しないバリデータがあることを反映しています。

Open Tensor Foundation Validator (OTF)は、これを緩和するためにいくつかの暫定的な対策を実施しました。OTFは、全プレッジ（デリゲートを含む）の23%を占める最大のバリデーターとして、サブネットにより多くのステークTAOを獲得するための競争手段を提供します。サブネットの所有者は、週単位でOTFにリクエストを提出し、サブネット内のステークTAOの割合を調整することができます。これらの要求は、「サブネットの目的とBittensorエコシステムへの貢献」、「サブネットのインセンティブメカニズム」、「通信プロトコルの設計」をカバーする必要があります、「データソースとセキュリティ"、"コンピューティング要件"、"ロードマップ "を網羅し、OTFの最終決定を促進する必要があります。

しかしながら、この問題に根本的に対処するためには、一方では、上記の不合理な問題を根本的に変えることを目的としたdTAO（ダイナミックTAO）の導入が急務です。あるいは、ステークTAOを大量に保有する大規模なバリデーターに対して、ビテンザーの生態系の長期的な発展のために、「金銭的なリターン」だけでなく、「生態系の発展」という観点から考えることを呼びかけることもできるだろう。

まとめると、Bittensorのエコシステムは、その強力な包括性、競争環境、効果的なインセンティブにより、高品質なAI製品を有機的に生産することができると考えています。既存のサブネットのすべてのアウトプットが集中型製品のアウトプットに匹敵するわけではないが、現在のBittensorアーキテクチャはわずか1年前のものであることを忘れてはならない（サブネット#1の登録は2023年4月13日）。中央集権的なAI大手と競合する可能性を秘めたプラットフォームについては、その欠点を批判することに躍起になるよりも、現実的な改善策を打ち出すことに集中すべきかもしれない。結局のところ、私たちの誰も、AIが一握りの巨大企業に常にコントロールされることを望んでいないのだから。