Introduction

Avec l'explosion récente et l'augmentation de la popularité de l'IA, de nombreuses personnes ont élaboré différentes thèses sur l'intersection entre l'IA et la cryptographie. Ces innovations ont le potentiel de révolutionner divers aspects de nos vies numériques, de la gestion des actifs numériques à la préservation de la propriété intellectuelle et à la lutte contre la fraude. Notamment, cette convergence a donné naissance à deux tendances importantes :

• L'intégration de l'IA avec l'infrastructure blockchain, comme Render ($RNDR), Akash ($AKT) ou Fetch.ai ($FET).
• L'émergence de protocoles incentivant la production d'intelligence d'apprentissage machine, comme Bittensor ($TAO).

Les précédentes applications d'IA de la blockchain se concentraient principalement sur l'infrastructure, permettant le stockage de modèles d'IA/ML et la location de GPU. Cela a conduit à des tendances telles que l'apprentissage par renforcement incitatif basé sur les jetons, zkML, et des registres d'identité basés sur la blockchain pour lutter contre les deep fakes. Simultanément, une tendance parallèle prend de l'ampleur : des protocoles incitant l'intelligence.

Dans ce rapport, nous nous plongeons dans l'intersection de l'IA et de la cryptographie, en mettant l'accent sur Bittensor et le jeton $TAO, explorant leurs rôles dans le marché de l'intelligence pair à pair et la montée d'un marché de biens numériques.

Profiter de la plus récenteMise à niveau de la révolutionqui a eu lieu le 2 octobre, nous fournissons également un aperçu historique, une perspective sectorielle, une analyse concurrentielle et des informations sur la proposition de valeur de $TAO.

Aperçu

Bittensor est un protocole open-source avec pour mission principale : stimuler le développement de l'IA grâce à une structure incitative basée sur la blockchain. Dans cet écosystème, les contributeurs sont récompensés avec des jetons $TAO pour leurs efforts.

Bittensor fonctionne comme un réseau minier, utilisant des incitations en jetons pour encourager la participation tout en respectant les principes d'ouverture et de décentralisation. Dans ce réseau, plusieurs nœuds hébergent des modèles d'apprentissage automatique, contribuant collectivement au pool d'intelligence. Ces modèles jouent un rôle crucial dans l'analyse de vastes données textuelles, l'extraction de sens sémantique et la génération d'informations précieuses dans divers domaines.

Pour les utilisateurs, les fonctionnalités essentielles comprennent la capacité d'interroger le réseau pour accéder à l'intelligence, de s'engager avec les mineurs et les validateurs pour l'extraction de jetons $TAO, et de surveiller leurs portefeuilles et soldes.

Le réseau de Bittensor repose sur les contributions d'une gamme diversifiée d'intervenants, notamment les mineurs, les validateurs, les nominés et les consommateurs. Cette approche collaborative garantit que les meilleurs modèles d'IA se distinguent, améliorant ainsi la qualité des services d'IA offerts par le réseau.

Le côté offre a deux couches : IA (mineurs) et blockchain (validateurs).

• Les mineurs au sein du réseau Bittensor hébergent des modèles d'IA et les rendent disponibles au réseau, leur succès étant déterminé par la qualité et les performances qu'ils offrent.
  • Les mineurs sont rémunérés en $TAO en fonction de l'intelligence qu'ils apportent au réseau (bien que cela dépende de la tâche spécifique en cours).
  • Les modèles les mieux cotés sont plus demandés et rapportent plus de revenus aux mineurs.
• Les validateurs agissent en tant qu'évaluateurs au sein du réseau. Ils évaluent la qualité et l'efficacité des modèles d'IA et gèrent les demandes des utilisateurs. De cette façon, les validateurs classent les modèles en fonction de leurs performances pour des tâches spécifiques, aidant ainsi les consommateurs à trouver les meilleures solutions. Plus leurs évaluations sont précises et cohérentes, plus ils gagnent de récompenses. De même, des évaluations incohérentes peuvent entraîner des pénalités, garantissant que les validateurs maintiennent des normes élevées.
  • Les validateurs sont incités avec $TAO à classer les mineurs en fonction de leur "contribution intellectuelle".
  • Les validateurs sont également responsables de l'acheminement des entrées pour produire le meilleur résultat. Cela est réalisé en formant des coalitions entre les Mineurs (modèles) qui se complètent mutuellement (sous-réseaux).

Du côté de la demande, les développeurs peuvent construire des applications au-dessus des validateurs, en tirant parti (et en payant) des capacités spécifiques à chaque cas d'utilisation de l'IA du réseau.

• Les nominés sont des individus qui détiennent des jetons $TAO et soutiennent activement des validateurs spécifiques en déléguant leurs jetons à ces derniers. Cette délégation aide les validateurs à obtenir plus de soutien et de récompenses. Les nominés eux-mêmes gagnent des récompenses pour leur participation à ce processus. Si un validateur sous-performe ou si un nominé croit qu'il existe une meilleure option, il peut transférer son soutien à un autre validateur.
• Les consommateurs sont les utilisateurs finaux des modèles d'IA fournis par Bittensor. Ils peuvent aller des développeurs d'applications intégrant des capacités d'IA dans leurs applications aux utilisateurs de chatbot cherchant des réponses de haute qualité.
  • Les consommateurs privilégient de recevoir des réponses précises et précieuses.
  • Les développeurs, en particulier, choisissent les validateurs qu'ils estiment être les mieux adaptés à leurs besoins pour garantir la fourniture de services d'IA de haute qualité à leurs utilisateurs.

Le produit de la coordination entre les parties prenantes énumérées ci-dessus donne lieu à un réseau qui promeut les meilleurs modèles pour un cas d'utilisation donné. Avec la possibilité pour quiconque d'expérimenter, il est difficile pour les entreprises à code source fermé de rivaliser même.

Crédit -AI Legos: La Thèse Bittensorpar David Attermann

Une des idées fausses les plus courantes est que le réseau prend en charge la formation de ML. Dans son état actuel, Bittensor prend exclusivement en charge l'inférence, qui est le processus de tirer des conclusions et de fournir des réponses basées sur des preuves et des raisonnements. La formation, en revanche, est un processus distinct qui consiste à enseigner à un modèle d'apprentissage machine d'effectuer une tâche. Cela est atteint en fournissant au modèle un ensemble de données étiquetées substantiel, lui permettant d'apprendre des modèles et des associations entre les données et les étiquettes. L'inférence, quant à elle, utilise un modèle d'apprentissage machine formé pour faire des prédictions sur des données nouvelles et non vues. Par exemple, un modèle formé pour classer des images peut être utilisé pour inférer la classe d'une nouvelle image précédemment non vue.

Par conséquent, il est important de noter que Bittensor n'exécute pas de ML on-chain mais fonctionne plutôt comme un oracle on-chain ou un réseau de validateurs qui connecte et orchestre des nœuds ML off-chain (mineurs). Cette configuration crée un réseau d'experts décentralisé (MoE), une architecture ML qui mélange plusieurs modèles optimisés pour différentes capacités pour former un modèle global plus robuste.

Un marché de l'intelligence pair à pair

Le marché de l'intelligence pair-à-pair de Bittensor est un concept pionnier dans le domaine du développement de l'IA, offrant une plateforme décentralisée et sans permission qui contraste fortement avec des modèles plus fermés comme OpenAI ou Gemini de Google.

Ce marché est conçu pour favoriser l'innovation compétitive, stimuler la croissance de l'industrie de l'IA et rendre l'IA accessible à une communauté mondiale de développeurs et d'utilisateurs. Toute forme de valeur peut être incitative - un protocole pour inciter/créer un marché équitable pour toute marchandise numérique.

En d'autres termes, le protocole incarne une approche peer-to-peer pour l'échange de capacités d'apprentissage automatique et de prédictions entre les participants au sein du réseau. Il facilite le partage et la collaboration de modèles et de services d'apprentissage automatique, favorisant un environnement collaboratif et inclusif où les modèles open-source et closed-source peuvent être hébergés.

L'essor d'un marché de matières premières numériques

Bittensor est unique en ce sens qu'il pose les bases de l'émergence d'un marché des biens numériques, transformant efficacement l'intelligence artificielle en un actif échangeable. Au cœur du protocole, un marché est établi où l'intelligence artificielle est commodifiée.

Tout comme un algorithme génétique, le système d'incitation de Bittensor évalue continuellement les performances des mineurs et effectue des sélections ou recycle les mineurs au fil du temps. Ce processus dynamique garantit que le réseau reste efficace et réactif face à l'évolution du paysage du développement de l'IA.

Sur le marché de l'intelligence Bittensor, la génération de valeur suit une approche double :

• Les modèles d'IA performants hébergés par les mineurs, connus sous le nom de contributeurs, reçoivent des récompenses sous forme de jetons $TAO.
• Les validateurs, qui évaluent et utilisent l'intelligence, sont également récompensés par des jetons $TAO.

Il convient de noter que Bittensor ne récompense pas uniquement les performances brutes mais met l'accent sur la génération du "signal" le plus précieux. Cela signifie que le système de récompense donne la priorité à la création d'informations offrant des avantages substantiels à un large public, contribuant ainsi au développement d'une marchandise plus précieuse.

Yuma Consensus

En tant que blockchain autonome de couche 1, Bittensor est alimenté par l'algorithme de consensus Yuma. Il s'agit d'un algorithme de consensus décentralisé entre pairs qui permet la distribution équitable des ressources de calcul sur un réseau de nœuds.

Yuma fonctionne sur un mécanisme de consensus hybride combinant des éléments de preuve de travail (PoW) et de preuve d'enjeu (PoS). Les nœuds au sein du réseau effectuent un travail de calcul pour valider les transactions et créer de nouveaux blocs. Ce travail est ensuite validé par d'autres nœuds, et les contributeurs réussis sont récompensés par des jetons. C'est le composant PoS qui encourage les nœuds à détenir des jetons, alignant ainsi leurs intérêts avec la stabilité et la croissance du réseau.

Par rapport aux mécanismes de consensus conventionnels, ce modèle hybride offre plusieurs avantages. D'une part, il évite la consommation excessive d'énergie souvent liée à la preuve de travail (PoW), en répondant aux préoccupations environnementales. D'autre part, il contourne les risques de centralisation observés dans la preuve d'enjeu (PoS), préservant la décentralisation et la sécurité du réseau.

Le mécanisme de consensus Yuma se distingue par sa capacité à distribuer les ressources informatiques à travers un vaste réseau de nœuds. Cette approche a des implications de grande portée, car elle permet de gérer des tâches d'IA plus complexes et de traiter plus facilement des ensembles de données plus importants. À mesure que le réseau intègre des nœuds supplémentaires, il évolue naturellement pour accommoder des charges de travail de plus en plus substantielles.

Contrairement aux applications d'IA centralisées traditionnelles qui dépendent d'un seul serveur ou d'un cluster, les applications alimentées par Yuma peuvent être réparties sur un réseau de nœuds. Cette distribution optimise les ressources de calcul, rendant possible de s'attaquer à des tâches complexes tout en atténuant les risques associés aux points de défaillance uniques et aux vulnérabilités de sécurité.

Distillation des connaissances - Un esprit collectif numérique

La distillation des connaissances est un concept fondamental au sein du protocole Bittensor, favorisant l'apprentissage collaboratif entre les nœuds du réseau pour améliorer les performances et la précision. Tout comme les neurones du cerveau humain travaillent ensemble, la distillation des connaissances permet aux nœuds de s'améliorer collectivement au sein du réseau.

Ce processus implique l'échange d'échantillons de données et de paramètres de modèle entre les nœuds, conduisant à un réseau qui s'auto-optimise avec le temps pour des prédictions plus précises. Chaque nœud contribue à un pool partagé, améliorant finalement les performances globales du réseau, le rendant plus rapide et mieux adapté aux applications d'apprentissage en temps réel comme la robotique et les voitures autonomes.

De manière cruciale, cette méthode atténue le risque d'oubli catastrophique, un défi courant en apprentissage automatique. Les nœuds conservent et développent leurs connaissances existantes tout en intégrant de nouvelles idées, renforçant ainsi la résilience et l'adaptabilité du réseau.

En distribuant des connaissances à travers plusieurs nœuds, le réseau Bittensor TAO devient plus résistant aux perturbations et aux violations potentielles de données. Cette robustesse est particulièrement vitale pour les applications traitant des données hautement sécurisées et sensibles à la confidentialité, telles que les informations financières et médicales (plus d'informations sur la confidentialité plus tard).

Mélange d'experts (MoE)

Poussant l’innovation un peu plus loin, le réseau Bittensor introduit le concept d’un mélange décentralisé d’experts (MoE). Cette approche exploite la puissance de plusieurs réseaux neuronaux, chacun spécialisé dans différents aspects des données. Lorsque de nouvelles données sont introduites, ces experts collaborent pour produire des prédictions collectives plus précises qu’un expert individuel ne pourrait le faire seul.

Le mécanisme de consensus employé associe l'apprentissage profond aux algorithmes de consensus blockchain. Son objectif principal est de distribuer des parts en guise d'incitation aux pairs qui apportent la plus grande valeur informationnelle au réseau. En essence, il récompense ceux qui améliorent les connaissances et les capacités du réseau.

Au cœur du protocole Bittensor se trouvent des fonctions paramétrées, souvent appelées neurones. Ces neurones sont distribués de manière pair à pair, chacun détenant zéro ou plusieurs poids réseau enregistrés sur un registre numérique. Les pairs s'engagent activement à se classer mutuellement, formant des réseaux neuronaux pour déterminer la valeur de leurs nœuds voisins. Ce processus de classement est essentiel pour évaluer les contributions des pairs individuels à la performance globale du réseau.

Les scores générés par ce processus de classement s'accumulent sur un grand livre numérique. Les pairs bien classés reçoivent des récompenses monétaires, gagnant un poids supplémentaire dans le réseau. Cela établit une connexion directe entre les contributions d'un pair et leurs récompenses, favorisant l'équité et la transparence au sein du réseau.

Cette approche présente un marché où l'intelligence est tarifée par d'autres systèmes d'intelligence de manière pair à pair à travers Internet. Cela incite les pairs à améliorer continuellement leurs connaissances et leur expertise.

Pour garantir une distribution équitable des récompenses, Bittensor utilise les valeurs de Shapley, un concept emprunté à la théorie des jeux coopératifs. Les valeurs de Shapley offrent un moyen juste et efficace d'allouer les récompenses entre les pairs du réseau en fonction de leurs contributions. Cette alignement des incitations avec les contributions motive les nœuds à agir dans le meilleur intérêt du réseau, renforçant la sécurité et l'efficacité tout en stimulant l'amélioration continue.

La mission principale de Bittensor tourne autour de la promotion de l'innovation et de la collaboration dans le domaine de l'IA grâce à un cadre décentralisé. Ce cadre permet l'expansion et le partage rapides des connaissances, créant une bibliothèque d'informations en constante croissance et imparable. Dans ce marché, les développeurs sont habilités à monétiser leurs modèles d'IA et à fournir des solutions précieuses aux entreprises et aux particuliers.

La vision de Bittensor s'étend à un avenir où les modèles d'IA sont facilement accessibles et déployables dans un large éventail d'industries. Cette accessibilité alimente les avancées et débloque de nouvelles possibilités, comblant l'écart entre les capacités de l'IA et les applications du monde réel.

Tout comme les modèles d'IA mondiaux renommés tels que Chat GPT, les modèles Bittensor génèrent des 'représentations' basées sur un ensemble de données universel. Pour évaluer les performances du modèle, Information de Fisherest utilisé, estimant l'impact de la suppression d'un nœud du réseau, semblable à la perte d'un neurone dans le cerveau humain.

Au-delà du classement des modèles, Bittensor met fortement l'accent sur l'apprentissage interactif. Chaque modèle interagit activement avec le réseau, cherchant des interactions avec d'autres modèles, similaire à une recherche DNS. Bittensor fonctionne comme une API qui facilite l'échange de données entre ces modèles, favorisant l'apprentissage collaboratif et le partage des connaissances - en utilisant à la fois des modèles open-source et des modèles closed-source.

Utilisant le consensus Yuma pour garantir que tout le monde joue selon les règles, l'écosystème agit comme une force motrice pour les développeurs open-source et les laboratoires de recherche en IA, offrant des incitations financières pour améliorer les modèles fondamentaux ouverts.

Essentiellement, Bittensor fonctionne comme un référentiel en expansion constante de l'intelligence artificielle. Cela est réalisé en réunissant 4 couches différentes :

• La couche Mineur est responsable de produire un travail précieux au sein du réseau.
• La couche de validation garantit que les mineurs respectent les règles établies du consensus.
• La couche entreprise s'appuie sur l'infrastructure existante pour développer des produits et services innovants. Elle sert de plateforme pour exploiter l'intelligence collective du réseau afin de créer de nouvelles solutions.
• La couche consommateur bénéficie du travail produit par la couche entreprise. Il représente les utilisateurs finaux ou les organisations qui utilisent les produits et services alimentés par le réseau Bittensor.

Histoire

Bittensor a été fondée en 2019 par deux chercheurs en intelligence artificielle, Jacob Steeves and Ala Shaabana(et un auteur de livre blanc pseudonyme, Yuma Rao) qui cherchaient un moyen de rendre l'IA compoundable. Ils ont rapidement réalisé que la cryptographie pourrait être la solution - un moyen d'inciter et d'orchestrer un réseau mondial de nœuds ML pour s'entraîner & apprendre ensemble sur des problèmes spécifiques. Les ressources incrémentielles ajoutées au réseau augmentent l'intelligence globale, se cumulant sur le travail effectué par les chercheurs & modèles précédents.

Le voyage de Bittensor a commencé avec le lancement de 'Kusanagi' en janvier 2021, marquant l'activation du réseau et permettant aux mineurs et validateurs de commencer à gagner les premières récompenses $TAO. Cependant, cette première itération a rencontré des arrêts temporaires en raison de problèmes de consensus. En réponse, Bittensor a bifurqué 'Kusanagi' en 'Nakamoto' en novembre 2021.

Le 20 mars 2023, une étape significative a été franchie alors que 'Nakamoto' a de nouveau été forké, cette fois évoluant en 'Finney'. Le but de cette mise à niveau était d'améliorer les performances du code du noyau.

Remarquablement, Bittensor visait initialement à devenir une parachain sur Polkadot, sécurisant un emplacement de parachain grâce à une enchère réussie en janvier. Cependant, la décision a été prise d'utiliser sa propre blockchain L1 autonome construite sur Substratplutôt que de compter sur Polkadot en raison de préoccupations liées à la vitesse de développement de Polkadot.

État actuel

Bittensor est sur le mainnet depuis plus d'un an et son objectif a été de mener des recherches pionnières et de jeter les bases de son potentiel futur. Voici un aperçu de l'état actuel et des raisons pour lesquelles les cas d'utilisation commerciale n'ont pas encore été construits sur ses validateurs :

• Modèle de Mélange Épars : Bittensor fonctionne comme un modèle de mélange épars. Il attire des modèles d'IA spécifiques dans ce mélange, chacun répondant à des rôles de niche dans la résolution de problèmes plus importants définis par les validateurs. Configurer et régler ce modèle pour atteindre l'état de l'art et au-delà est un processus complexe et itératif. Cette phase de la feuille de route est actuellement dirigée par la Fondation Opentensor.
• Compression de l'Intelligence (Distillation) : La compression de l'intelligence est un axe de recherche central pour Bittensor. Cela implique des techniques de distillation pour améliorer l'efficacité et les capacités du réseau.
• Optimiser pour un grand objectif : La principale priorité de Bittensor a été d'optimiser pour un grand objectif plutôt que pour des cas d'utilisation commerciale à court terme. Opentensor s'engage à créer un réseau qui va au-delà d'être une simple plateforme pair à pair avec un système de tarification pour les modèles.
• Progrès et mises à jour : Au cours de l'année écoulée, Opentensor a réalisé des progrès significatifs, notamment avec la mise à jour Synapse, qui a ouvert Bittensor aux demandes externes. En octobre 2023, la mise à niveau Revolution a permis une expansion via des sous-réseaux. Cela permet aux grands validateurs de définir indépendamment des problèmes, créant ainsi des opportunités de flux de trésorerie à partir de leur participation.
• Vers une expansion dans le monde réel : Le réseau Finney marque un tournant pour Bittensor, permettant aux validateurs d'agir de manière plus indépendante et réduisant la centralisation initiale. À mesure que la mise en jeu du réseau augmente et que les récompenses de bloc augmentent, cela alimente la croissance de l'IA.
• Cas d'utilisation commerciale de l'IA à l'horizon : Bittensor envisage l'expansion des cas d'utilisation commerciale de l'IA dans le monde réel alors que les parties prenantes, y compris les humains et les IA, suivent leurs incitations. L'implémentation multi et meta-modalité est à l'horizon, fusionnant les sous-réseaux dans un format 'intelligence' unifié.

Avec la dernière mise à niveau de la Révolution, Bittensor a ouvert la possibilité à quiconque de créer un sous-réseau spécialisé dans un type d'application spécifique. Par exemple, Sous-réseau 4utiliseJEPA (Architecture prédite par intégration conjointe), qui est une approche en IA pionnière de Meta Yann LeCunpour gérer une variété d'entrées et de types de sortie tels que la vidéo, les images et l'audio dans un seul modèle.

Une autre réalisation remarquable est Cerebras, BTLM-3B-8K (Modèle de Langage Bittensor, un modèle à 3B de paramètres qui permet d'exécuter des modèles très précis et performants sur des appareils mobiles, rendant l'IA significativement plus accessible. BTLM-3B-8K est disponible sur Hugging Faceavec une licence Apache 2.0 pour un usage commercial.

Les grands modèles GPT ont généralement plus de 100B de paramètres, nécessitant plusieurs GPU haut de gamme pour effectuer des inférences. Cependant, la sortie de LLaMA de Meta a donné au monde des modèles haute performance avec seulement 7B de paramètres, rendant possible l'exécution de LLM sur des PC haut de gamme.

Mais même un modèle de 7B paramètres quantifié à une précision de 4 bits ne rentre pas dans de nombreux appareils populaires tels que l'iPhone 13 (4 Go de RAM). Alors qu'un modèle de 3B pourrait facilement s'adapter à presque tous les appareils mobiles, les modèles de taille 3B précédents ont nettement moins performé que leurs homologues de 7B.

BTLM trouve un équilibre entre la taille du modèle et les performances. Avec 3 milliards de paramètres, il offre un niveau de précision et de capacité qui surpasse significativement les modèles de taille 3B précédents.

Lorsqu'on regarde les repères individuels, BTLM obtient le meilleur score dans toutes les catégories à l'exception de TruthfulQA.

Non seulement le BTLM-3B surpasse tous les modèles 3B, il est également performant au niveau de nombreux modèles 7B.

Révolution – Mise à niveau du sous-réseau Bittensor

La mise à niveau de la Révolution Bittensor, lancée le 2 octobre, marque une étape importante dans le développement de Bittensor, introduisant des changements substantiels dans sa structure opérationnelle. Au cœur de cette mise à niveau se trouve l'introduction des 'sous-réseaux', un concept révolutionnaire qui accorde aux développeurs une autonomie sans précédent pour façonner leurs mécanismes d'incitation et établir des marchés au sein de l'écosystème Bittensor.

Une caractéristique clé de cette mise à niveau est l'introduction d'un langage de programmation spécialisé conçu spécifiquement pour la création de systèmes d'incitation. Cette innovation permet aux développeurs de créer et de mettre en œuvre leurs mécanismes d'incitation sur le réseau Bittensor, en utilisant son vaste pool d'intelligence pour adapter les marchés à leurs besoins et préférences spécifiques.

Cette mise à niveau représente également un changement notable par rapport à un modèle centralisé, où une seule fondation contrôle tous les aspects du réseau, vers un cadre plus décentralisé. Divers individus ou groupes ont désormais la possibilité de posséder et de gérer des sous-réseaux.

Avec l'introduction des « sous-réseaux », tout le monde peut maintenant créer ses propres sous-réseaux et définir leurs mécanismes d'incitation, favorisant ainsi une gamme plus large de services au sein de l'écosystème de Bittensor. Ce changement favorise la diversité et la décentralisation au sein du réseau, s'alignant sur les principes d'ouverture et de collaboration qui sous-tendent la mission de Bittensor.

De plus, les sous-réseaux rivaliseront pour les émissions en obtenant le consensus des délégués dans le nouveau "réseau de routage," introduisant un élément de compétition qui peut stimuler l'innovation et l'allocation des ressources.

L'avènement des sous-réseaux créés par les utilisateurs peut rappeler l'explosion des applications sur Ethereum une fois qu'il a ouvert ses portes à la communauté mondiale de développeurs. Cette mise à niveau souligne également le potentiel de fusionner divers outils et services dans un réseau cohérent. En essence, chaque élément nécessaire pour forger l'intelligence est désormais regroupé sous un même toit, régulé par un jeton unique ($TAO).

Le réseau de routes

Le réseau de routes est un élément central de l’écosystème Bittensor. Il agit comme un méta-sous-réseau ayant le rôle crucial de répartir les émissions entre les autres sous-réseaux, le tout sur la base d’un consensus pondéré des principaux délégués. Ce changement est de nature transformatrice, car il fait passer Bittensor d’un système contrôlé unique à un « réseau de réseaux » dynamique.

De manière cruciale, les calendriers d'émission ne sont plus uniquement sous le contrôle de la Fondation Opentensor. Les délégués au sein du réseau « racine » détiennent désormais l’autorité sur la distribution des incitations. Ce changement décentralise le contrôle des incitations, supprimant la dépendance exclusive à l’égard d’une seule entité et la plaçant entre les mains du réseau « racine ».

Sous-réseaux

Les sous-réseaux au sein du réseau Bittensor sont des mécanismes d'incitation autonomes qui fournissent un cadre aux mineurs pour interagir avec la plateforme. Ces sous-réseaux jouent un rôle crucial dans la définition des protocoles régissant les interactions entre les mineurs et les validateurs.

De plus, les spécificités des mécanismes d’incitation ne sont plus codées en dur dans la base de code de Bittensor. Au lieu de cela, ces détails sont définis dans les référentiels de sous-réseau, ce qui permet une plus grande flexibilité et adaptabilité.

Bittensor introduit des sous-réseaux spécifiques, tels que le sous-réseau d'incitation et le sous-réseau de séries temporelles. Le sous-réseau d'incitation permet l'exécution de divers réseaux neuronaux d'incitation, y compris GPT-3, GPT-4, ChatGPT, et d'autres, pour l'inférence décentralisée. Cette fonctionnalité permet aux utilisateurs d'interagir avec les validateurs sur le réseau et d'obtenir des résultats des modèles les plus performants, donnant ainsi à leurs applications des capacités avancées en IA.

Les sous-réseaux fonctionnent en distribuant des jetons $TAO aux mineurs et aux validateurs en fonction de la valeur qu'ils apportent au réseau. Les règles précises et les protocoles pour les réponses des mineurs aux requêtes des validateurs et le processus d'évaluation mené par les validateurs sont déterminés par le code au sein de chaque dépôt de sous-réseau.

• Au lancement, neuf emplacements de sous-réseaux seront disponibles, chacun pouvant accueillir 256 UID par défaut (sauf pour le sous-réseau 1, qui peut en accueillir 1024). Les sous-réseaux vont activement concourir pour les émissions en recherchant les poids de consensus des délégués au sein du réseau 'racine'.
• Pour enregistrer un sous-réseau, les particuliers ou entités doivent verrouiller un montant spécifique de $TAO pour la durée d'existence du sous-réseau. Les propriétaires de sous-réseaux assument le rôle d'administrateurs de réseau complets et ont droit aux émissions distribuées à travers leurs sous-réseaux respectifs. Ils possèdent des autorisations complètes, y compris la possibilité d'appeler des actions sudo à travers le réseau, telles que la définition d'hyperparamètres comme les taux minimaux du réseau.

• Chaque sous-réseau est associé à un UID réseau unique, et la propriété d’un sous-réseau est transférée au portefeuille qui a verrouillé la quantité de $TAO requise pour son enregistrement. Lorsqu’un sous-réseau est créé, le montant de $TAO correspondant est déduit du portefeuille du créateur et attaché au sous-réseau. En cas d’annulation de l’enregistrement d’un sous-réseau, le $TAO verrouillé est renvoyé au propriétaire.
• Un aspect notable est que 18 % des émissions retournées sur les $TAO jalonnées au sein d’un sous-réseau sont attribuées au propriétaire du sous-réseau. Cela incite les créateurs de sous-réseaux à élaborer des mécanismes qui attirent les délégués sur le réseau d’itinéraires, car cela augmente leurs chances d’éviter la désinscription.
• Les sous-réseaux nouvellement enregistrés bénéficient d'une période d'immunité d'une semaine pendant laquelle ils ne peuvent pas être désenregistrés. Le coût de verrouillage initial est fixé à 2500 $TAO, doublant lorsque qu'un nouveau sous-réseau s'enregistre. Avec le temps, le coût de verrouillage diminue progressivement, suivant un schéma linéaire similaire à un mécanisme d'enchères néerlandais. Cette approche vise à trouver un équilibre dans la demande de slots de sous-réseau en ajustant le coût de verrouillage avec le temps.

• Lorsqu'un sous-réseau est désenregistré, le $TAO verrouillé pour son enregistrement est retourné au propriétaire, tous les mineurs dans le sous-réseau sont supprimés, et l'état du réseau est réinitialisé.

Le réseau Racine

Le réseau Root sert de “meta sous-réseau” qui opère au-dessus et influence d'autres sous-réseaux tout en jouant un rôle pivot dans la détermination des scores d'émission dans tout le système.

Sa fonction principale est d’utiliser un mécanisme de consensus pondéré impliquant des délégués pour produire un vecteur d’émission pour chaque sous-réseau. Les délégués au sein du réseau « racine » attribuent des pondérations aux différents sous-réseaux en fonction de leurs préférences, et un mécanisme de consensus détermine en fin de compte l’allocation des émissions.

L’un des aspects notables est que le réseau « racine » consolide efficacement les rôles du Sénat et des mécanismes de délégation, en rassemblant ces fonctions en une seule entité. Cette consolidation rationalise les processus de prise de décision au sein de l’écosystème Bittensor.

Le réseau « root » possède l'autorité de façonner l'écosystème en influençant l'allocation des émissions. S'il estime qu'un sous-réseau ou un aspect particulier du système n'est pas précieux, il a la capacité de réduire ou d'éliminer les émissions vers ce composant.

Les sous-réseaux au sein du réseau Bittensor doivent activement s'efforcer d'attirer la majorité des poids des délégués au sein du réseau 'root' pour sécuriser une part significative des émissions. Cet aspect compétitif souligne l'importance des sous-réseaux pour démontrer leur valeur et leur utilité à l'écosystème plus large.

De plus, il donne aux 12 principales clés du réseau le pouvoir de mettre leur veto sur les propositions soumises par le triumvirat, ajoutant ainsi une couche supplémentaire de gouvernance et de contrôles au système.

Perspectives du secteur

Dans le domaine de la technologie, le pouvoir a longtemps été concentré entre les mains de quelques géants de la technologie. Ces géants ont maintenu le contrôle sur des biens numériques précieux qui sont essentiels pour stimuler l'innovation. Bittensor, cependant, reconnaît et remet en question ce paradigme dominant en introduisant un système plus démocratique et accessible à travers son marché.

L'observation fondamentale de Bittensor réside dans la compréhension que l'intelligence est le résultat de diverses marchandises numériques, telles que la puissance de calcul et les données. Historiquement, ces marchandises ont été étroitement contrôlées et limitées au domaine des géants de la technologie. Bittensor cherche à briser ces chaînes en introduisant des sous-réseaux créés par les utilisateurs. Ces marchés fonctionneront sous un système de jetons unifié, garantissant que les développeurs du monde entier ont un accès égal aux ressources qui étaient auparavant l'apanage exclusif de quelques-uns au sein de l'écosystème fermé des Big Tech.

Adoption potentielle

À l'ère numérique d'aujourd'hui, le pouvoir transformateur de l'Intelligence Artificielle (IA) est indéniable. L'IA est devenue une partie intégrante de nos vies, simplifiant la recherche, automatisant les flux de travail, assistant dans la programmation et générant du contenu à partir du texte. La croissance rapide des capacités de l'IA est évidente, mais cette croissance s'accompagne de défis liés à la scalabilité et, surtout, à la fiabilité.

Des incidents récents, tels que la panne temporaire de ChatGPT pendant les discussions sur la réglementation de l’IA à Washington, ont mis en évidence le besoin critique de solutions robustes pour relever les défis de la mise à l’échelle de l’IA. Ces pannes ont laissé les utilisateurs inquiets quant à la stabilité et à la fiabilité de l’IA alors qu’elle est de plus en plus intégrée à notre vie quotidienne. C’est dans des moments comme ceux-ci que l’importance de l'$TAO de Bittensor devient évidente.

L’approche de Bittensor défend non seulement l’IA open source, mais démontre également qu’elle peut être une poursuite financièrement gratifiante. Il reflète l’évolution concurrentielle observée dans le minage de Bitcoin et ouvre la voie à un marché florissant où les meilleurs modèles d’IA se hissent au premier plan. Ce changement permet aux chercheurs en IA d’apporter leur expertise à un environnement ouvert et dynamique, ce qui, en fin de compte, profite à la société dans son ensemble.

$TAO offre une infrastructure d'IA décentralisée qui peut atténuer les problèmes potentiels comme celui rencontré par ChatGPT. En décentralisant l'IA, Bittensor garantit la résilience et la fiabilité des systèmes d'IA, même lorsque leur demande continue de croître. Cette approche établit une base fiable pour l'avenir des services d'IA.

En d'autres termes, Bittensor émerge en tant que marché mondial pour l'intelligence artificielle open source, offrant une solution convaincante aux défis posés par le développement d'IA en source fermée.

• La Force Gravitationnelle pour l'Excellence de l'IA: Bittensor agit comme une force gravitationnelle qui attire les meilleurs modèles d'IA des chercheurs du monde entier. En favorisant un marché libre pour l'IA, le réseau encourage la soumission de modèles de pointe. À mesure qu'il mûrit, Bittensor promet des prix plus bas, élimine le risque de plateforme et offre les meilleurs résultats en IA, que ce soit en texte, en images, en vidéo ou dans d'autres formats.
• Source ouverte rentable : Bittensor transforme l'IA en source ouverte en entreprise rentable. Suivant l'exemple donné par Bitcoin, Bittensor est structuré avec l'hypothèse que les parties prenantes sont motivées par le profit. Dans cet écosystème, les meilleurs modèles d'IA gagnent le plus d'argent. Cela reflète l'évolution du minage de Bitcoin, en transition vers une industrie compétitive et professionnalisée. Les chercheurs en doctorat ont maintenant l'opportunité de présenter leurs recherches sur ce marché ouvert, comblant ainsi le fossé entre le monde universitaire et l'industrie privée.
• Échelle impressionnante : les incitations de Bittensor ont produit des résultats remarquables. Le réseau prend en charge plus de 4,000 modèles d'IA, comprenant un étonnant total de 10 billions de paramètres de modèle. Pour mettre cela en perspective, GPT-3 a 175 milliards de paramètres.
• Divers intervenants : L'écosystème de Bittensor implique une gamme d'intervenants, y compris des mineurs, des validateurs, des nominés et des consommateurs. Cette participation diversifiée garantit la robustesse du réseau et sa croissance continue.

Une considération importante est l'état actuel de l'IA, dont une grande partie reste verrouillée derrière des portes closes et sous le contrôle de quelques géants de la technologie. Cela soulève la question: et si l'IA pouvait être ouverte et apprendre des autres modèles d'IA dans un environnement collaboratif? Le $TAO de Bittensor cherche à apporter une solution à cette question.

• L’adoption par la croissance : Bien que certaines grandes entreprises d’IA puissent hésiter à rendre publiques leurs technologies d’IA propriétaires, $TAO offre une proposition intrigante. Il introduit la possibilité d’une monétisation supplémentaire par le biais de microtransactions. Imaginez que des solutions d’IA établies comme OpenAI acceptent les micropaiements chaque fois que quelqu’un utilise leurs modèles de formation au sein de l’écosystème Bittensor pour développer ses produits et ses entreprises. Cela pourrait ouvrir une nouvelle source de revenus pour ces entreprises, les encourageant à participer à un réseau d’IA ouvert.
• Adoption par la demande : Autrement dit, supposons que les solutions d'IA actuelles restent fermées et résistantes aux réseaux ouverts. Même avec un capital substantiel à leur disposition, il existe une possibilité que l'open source dépasse ces solutions fortement financées. Bien que les ressources financières soient cruciales pour la croissance technologique, le potentiel d'une technologie capable d'apprendre de manière autonome et de son environnement ne devrait pas être sous-estimé.

Le dilemme de l’open source

Le débat sur la question de savoir si les modèles d’IA devraient être open source a pris de l’importance à mesure que les préoccupations concernant le problème d’alignement dans l’IA continuent de croître. La question fondamentale est de savoir si le code réel derrière les modèles d’IA devrait être librement accessible à tous. Il est intéressant de noter que même si des acteurs majeurs comme OpenAI mettaient leurs modèles en open source, cela ne constituerait pas nécessairement une menace pour Bittensor. Dans un environnement open-source, n’importe qui pourrait utiliser ces modèles sur le réseau Bittensor.

Au sein de la communauté technologique, il existe une divergence d'opinions sur cette question. Certains soutiennent que la technologie de l'IA en open source pourrait permettre à des acteurs malveillants d'exploiter l'IA à des fins néfastes. En revanche, d'autres affirment que l'octroi de droits exclusifs sur les technologies de l'IA aux grandes entreprises présente un danger plus important. Par exemple, concentrer le pouvoir de l'IA entre les mains de quelques grandes entreprises valant des billions de dollars, comme on peut le voir avec l'accent mis par OpenAI sur la collecte de fonds substantiels, pourrait soulever des préoccupations éthiques, mettant en lumière le risque de corruption du pouvoir.

La décision de Meta d’ouvrir son Lama2LLM indique un changement dans l'industrie vers l'adoption des pratiques open-source. Cette initiative offre à Bittensor la possibilité d'apprendre et éventuellement d'intégrer les avancées de Meta dans son réseau, réduisant ainsi plus rapidement l'écart de performance.

Il est essentiel d'examiner la valorisation de $TAO et OpenAI. Actuellement, OpenAI occupe une position dominante dans l'industrie, avec un évaluation comprise entre 80 et 90 milliards de dollarsCependant, il fonctionne au sein d'un écosystème fermé fortement dépendant de Microsoft et de ses services cloud autorisés. Malgré cela, OpenAI a réussi à attirer des talents de premier plan du monde entier. D'un autre côté, à mesure que le temps passe et que les initiatives open source deviennent plus courantes, le bassin de talents disponibles est sur le point de s'étendre de manière exponentielle, atteignant chaque coin de l'internet. Cette démocratisation de l'expertise en intelligence artificielle pourrait jouer un rôle crucial dans la façon dont l'adoption de Bittensor se façonne.

Paysage concurrentiel - IA centralisée

L'adoption par les développeurs reste un facteur crucial dans le parcours de Bittensor. Actuellement, les développeurs peuvent interagir avec le réseau via l'API Python développée par la OpenTensor Foundation, soulignant l'importance de favoriser une communauté de développeurs solide pour stimuler l'adoption. De nos jours, Bittensor travaille activement à la décentralisation des aspects critiques du réseau, tels que la création et la formation de modèles, récompensant les modèles les plus fins tout en favorisant la prise de décision communautaire.

De manière intéressante, des acteurs établis dans le domaine de l'IA, tels qu'OpenAI et Google, sont désormais devenus des concurrents de $TAO. Ils sont profondément impliqués dans la phase de génération de modèles d'IA et se sont même aventurés dans des intégrations verticales potentielles au sein de diverses industries. Dans ce contexte, l'un des défis principaux auxquels $TAO est confronté est le problème de la division des données.

Contrairement aux géants de la technologie comme Facebook, Apple, Amazon, Netflix et Google (FAANG), qui ont accès à de vastes référentiels de données significatives, les communautés issues de la foule peuvent manquer du même niveau de ressources et d'accès aux données. Les organisations FAANG sont équipées des moyens financiers pour alimenter leurs efforts en matière d'IA avec des matériels robustes comme la technologie de pointe de Nvidia, y compris les H100 et GH200, qui peuvent accélérer de manière significative la formation des modèles d'IA.

Dans le même temps, il est essentiel de noter que toutes les solutions d’IA grand public se caractérisent aujourd’hui par le fait qu’elles sont fermées et centralisées. Il s’agit notamment d’entreprises de premier plan comme OpenAI, Google, Midjourney et d’autres, chacune proposant des solutions d’IA disruptives. Cependant, l’écart entre les modèles fermés et open source se réduit rapidement. Les modèles open source gagnent du terrain en termes de vitesse, de personnalisation, de confidentialité et de capacité globale. Ils permettent d’obtenir des fonctionnalités impressionnantes avec des budgets et des tailles de paramètres relativement modestes par rapport à leurs homologues fermés. De plus, ces modèles open source fonctionnent selon un calendrier accéléré, fournissant des résultats en quelques semaines plutôt qu’en plusieurs mois.

Google, un géant de la technologie à part entière, a reconnu cette tendance transformative. A Fuite d’un document internede la société déclare : « Nous n'avons pas de fossé, et OpenAI non plus. » Cette reconnaissance souligne l'influence croissante de l'IA open source dans le paysage concurrentiel.

Dans cet écosystème AI en évolution, $TAO émerge comme un catalyseur de changement, défiant le modèle traditionnel de développement et de formation en intelligence artificielle. Son approche décentralisée et son éthique axée sur la communauté le positionnent comme un concurrent dans l'arène dynamique où les géants de la technologie régnaient autrefois en maîtres.

Contrairement aux plateformes centralisées qui restreignent l'accès à un seul modèle d'IA, l'architecture de Bittensor offre un accès sans permission à l'intelligence. Il sert de guichet unique pour les développeurs d'IA, offrant toutes les ressources computationnelles nécessaires tout en acceptant les contributions externes. Ce modèle inclusif interconnecte les réseaux neuronaux à travers Internet, créant un système mondial, distribué et incitatif pour l'apprentissage automatique.

Réaliser pleinement le potentiel de l'IA exige de s'éloigner des pratiques de développement en source fermée et de leurs limites associées. Tout comme les enfants élargissent leur compréhension à travers les interactions sociales, l'IA s'épanouit dans des environnements dynamiques. L'exposition à des ensembles de données diversifiés, les idées des chercheurs innovants et les interactions avec différents modèles favorisent la création de systèmes d'IA plus robustes et intelligents. La trajectoire de l'IA ne devrait pas être dictée par une seule entité.

Dans ce futur starkement contrasté, le choix entre un monde dominé par des algorithmes de boîte noire et une autorité centralisée et un paysage AI ouvert et démocratisé devient crucial pour la société.

Dans le premier scénario, où des méga-corporations comme OpenAI ou Anthropic détiennent les rênes des solutions d'IA, nous risquons de vivre sous un régime de surveillance constant. Ces sociétés posséderaient un immense pouvoir sur nos données personnelles et nos interactions quotidiennes, avec l'autorité de couper les services et de signaler les individus pour des opinions divergentes ou des discussions.

Cependant, l'alternative plus optimiste propose un monde où l'IA est ancrée dans des plateformes open source, construites sur des réseaux universellement détenus. Ici, le pouvoir et le contrôle sont décentralisés, et l'IA sert d'outil d'autonomisation plutôt que de surveillance. Dans ce scénario, la créativité et le développement peuvent prospérer sans craindre de partialité ou de censure corporatives.

Tout comme Internet a démocratisé l’accès à l’information, un écosystème d’IA ouvert démocratiserait l’accès à l’intelligence. Il garantit que l’intelligence n’est pas monopolisée par quelques privilégiés, favorisant ainsi des règles du jeu équitables où tout le monde peut contribuer, apprendre et en bénéficier.

$TAO Tokenomics

• Similaire à bitcoin, l'offre maximale totale de jetons $TAO est plafonnée à 21 000 000, qui sera émise après 256 ans.
• Le halving $TAO se produira tous les 10,5 millions de blocs, avec un ensemble de 64 événements de halving qui se produiront au cours des 45+ prochaines années.

• Le réseau fonctionne sur un temps de bloc d’environ 12 secondes, avec 1 $TAO de récompense aux mineurs et aux validateurs par bloc.
• Actuellement, cela équivaut à 7 200 nouveaux jetons $TAO émis chaque jour, répartis également entre les mineurs et les validateurs.

Une autre similitude avec Bitcoin est que le calendrier d'émission de $TAO suit également le concept de la réduction de moitié, qui se produit environ tous les 4 ans. Cependant, cela est déterminé par l'émission totale de jetons plutôt que par le numéro de bloc. Par exemple, une fois que la moitié de l'offre totale a été émise, le taux d'émission est réduit de moitié.

De manière importante, les jetons $TAO utilisés pour recycler les enregistrements sont brûlés et réintégrés dans l'offre non émise, ce qui conduit à un allongement progressif des intervalles de division par deux. Ce mécanisme garantit que le calendrier d'émission s'ajuste dynamiquement avec le temps, reflétant les besoins du réseau et la dynamique économique.

L’économie $TAO Token

L'économie des jetons $TAO de Bittensor se caractérise par sa simplicité, son engagement en faveur de la décentralisation et sa distribution équitable. Contrairement à de nombreux autres projets blockchain, les jetons $TAO n'ont été alloués à aucune partie via des ICO, IDO, des ventes privées à des VC ou des allocations privilégiées à l'équipe, à la fondation ou aux conseillers. Au lieu de cela, chaque jeton en circulation doit être gagné par une participation active au réseau.

Il y a aussi des allocateurs de capitaux impliqués dans le réseau, participant en tant que mineurs ou validateurs ainsi qu'en fournissant des services de création de marché, tels que DCG, GSR ou Polychain. Ce qui est pertinent, c'est que aucun d'entre eux n'a reçu d'allocation de jetons provenant d'une prévente ou d'une vente privée.

Le jeton $TAO peut être utilisé pour la gouvernance, le jalonnement et la participation au mécanisme de consensus, et comme moyen de paiement au sein du réseau Bittensor.

De cette manière, les validateurs et les mineurs mettent en jeu leurs jetons en garantie pour sécuriser le réseau et gagner des récompenses grâce aux émissions inflationnistes, tandis que les utilisateurs et les entreprises peuvent utiliser $TAO pour accéder aux services d'IA et aux applications construits sur le réseau.

Les nouveaux jetons $TAO ne peuvent être produits que par l'exploitation minière et la validation. Le réseau récompense à la fois les mineurs et les validateurs, et chaque bloc accorde une récompense de 1 $TAO, partagée également entre les mineurs et les validateurs. Par conséquent, les seules façons d'acquérir des $TAO sont soit d'acheter des jetons sur le marché ou de s'engager dans des activités d'exploitation minière et de validation.

Le modèle de distribution de jetons direct de $TAO reflète les principes de la décentralisation, rappelant l'éthique de Bitcoin établie par Satoshi Nakamoto. Le minting Genesis de $TAO est aligné sur le calendrier d'émissions de Bitcoin ($BTC), offrant une opportunité égale à quiconque apporte de la valeur au réseau. Cette approche souligne l'importance de prévenir la concentration du pouvoir et de la propriété, notamment dans le domaine de l'IA, qui a des implications sociétales importantes et ne devrait pas être contrôlée par quelques-uns.

Ce modèle de distribution garantit que l'exploitation minière reste un processus compétitif. À mesure que de plus en plus de mineurs rejoignent le réseau, la concurrence augmente, ce qui rend difficile le maintien de la rentabilité. Cela incite ensuite les mineurs à trouver des moyens de réduire leurs coûts opérationnels, favorisant ainsi l'efficacité et l'innovation au sein du réseau.

La captation de la valeur des $TAO

$TAO, le jeton natif du réseau Bittensor, tire sa valeur intrinsèque de son rôle unique dans l’écosystème. Contrairement au modèle L1 standard où les jetons de réseau tirent leur valeur de la vente d’espace de bloc, la valeur de $TAO est liée aux services d’IA qu’elle permet. Au fur et à mesure que ces services d’IA deviennent plus percutants et utiles, la demande de $TAO augmente.

Détenir $TAO donne accès à un large éventail de ressources numériques interconnectées, y compris des données, de la bande passante et de l'intelligence générées et vérifiées par les participants du réseau. Comme le reflète le calendrier des émissions, la valeur de $TAO n'est pas basée uniquement sur la spéculation ou la rareté, mais est profondément ancrée dans les contributions tangibles et l'utilité qu'elle apporte au sein du réseau Bittensor.

Cependant, maintenir ce cycle de création et de récompense n'est pas garanti. Les mineurs et les validateurs, tout en apportant une intelligence précieuse au réseau et gagnant des jetons $TAO en retour, ont également un incitatif à vendre pour couvrir les dépenses, similaire aux mineurs de Bitcoin.

Comment est la valeur dans le prix du Jeton?

Comme tout autre jeton, le prix de $TAO est déterminé par les principes économiques fondamentaux de l'offre et de la demande. Une demande accrue de $TAO entraîne une appréciation des prix, tandis qu'une demande réduite conduit à une dépréciation des prix. Ainsi, l'idée est que la demande issue de l'activité de l'écosystème compensera les déverrouillages de l'offre.

Vous ne pouvez obtenir que $TAO en contribuant au réseau. Pour cela, vous devez l'acheter, le conserver ou le dépenser pour commencer à utiliser le réseau.

• Demand Drivers:
  • Activité de l'écosystème :
    • Les validateurs nécessitent des jetons $TAO pour l'inscription.
    • Les utilisateurs peuvent acheter $TAO pour participer aux processus de vote liés à l’alignement du renseignement.
    • Utilisez comme paiement au sein du réseau.
  • La demande de mise en jeu et de délégation de $TAO pour gagner des récompenses de mise en jeu. Cela peut aider à se protéger contre les émissions inflationnistes.
  • Speculative Premium comme un moyen de parier sur le potentiel de hausse de la fusion de deux technologies de rupture comme la blockchain et l’IA.
  • Les effets de réseau résultant de l'entrée de plus de développeurs dans le réseau et de l'exploitation du potentiel des modèles open source
• Pilotes d'approvisionnement:
  • Émission de jetons des émissions inflationnistes pour atteindre l'offre totale de 21 000 000
  • Les mineurs et les validateurs peuvent vendre des jetons $TAO pour couvrir leurs dépenses opérationnelles. Cet aspect est similaire à celui des mineurs de Bitcoin qui vendent pour couvrir les coûts.

À mesure que le réseau s'agrandit et que davantage de modèles et de sous-réseaux d'IA sont ajoutés, le potentiel de capture de valeur augmente. La croissance du réseau est également alimentée par la synergie entre l'IA et la blockchain, créant un cycle d'auto-renforcement.

De cette manière, Bittensor incarne les principes de la loi de Metcalfe, où la valeur d'un réseau est proportionnelle au carré du nombre d'utilisateurs ou de nœuds connectés. Plus les participants rejoignent le réseau, plus la valeur qu'il offre augmente de manière exponentielle.

Comment capturer une telle valeur

Dans Bittensor, les validateurs sont incités à attirer des mises de détenteurs de jetons, et ces mises sont fondamentales pour leur fonctionnement au sein du réseau. En tant que détenteur de jetons, vous pouvez choisir parmi une variété de différents validateurs pour mettre en jeu votre $TAO. L'option la plus courante est la Fondation OpenTensor elle-même, avec environ 20% de propriété du réseau.

Actuellement, les validateurs distribuent 82% de leurs récompenses aux délégués sous forme de jetons $TAO. Par conséquent, déléguer $TAO tokens à un Validateur présente une opportunité pour les détenteurs de tokens de gagner des récompenses de Staking. Cela peut aider à protéger les utilisateurs contre la dilution potentielle des émissions inflationnistes.

• Les récompenses des validateurs sont actuellement de 22.45%
• Les récompenses de jalonnement sont actuellement de 18,41%

Risque/Récompense et Horizon Temporel

Lors de l'évaluation du risque/récompense de l'allocation d'une partie du portefeuille à $TAO, il est important de savoir ce que vous achetez réellement. Par exemple, l'achat n'octroie pas au détenteur un quelconque rendement payé en USD généré par l'activité économique du réseau. Au lieu de cela, vous êtes récompensé par des émissions de jetons. En tant que détenteur de jetons, vous pouvez ensuite déléguer ces émissions pour obtenir un APY et augmenter vos avoirs en $TAO.

Les analogies avec Bitcoin sont claires, mais il y a une histoire implicite derrière $BTC qui le rend unique. Personne ne peut fournir une réponse satisfaisante quant à la valeur de $BTC ou pourquoi il a une quelconque valeur, d'où la communauté finit par incarner une guerre tribaliste entre les non-détenteurs de crypto, les "shitcoiner" et les maximalistes.

En effet, l'économie réelle du jeton Bitcoin est simple à comprendre : $BTC est utilisé pour inciter les mineurs à faire fonctionner et gérer le réseau. En conséquence, les détenteurs existants sont dilués (bien qu'ils puissent devenir mineurs - ou délégués dans le cas de Bittensor). Ainsi, ceux qui détiennent le jeton ne sont pas récompensés et ne reçoivent aucun incitatif du réseau sous-jacent.

Mais dans le cas du $BTC, il y a cependant un facteur important à considérer, à savoir la rareté. Le fait qu'il n'y aura jamais que 21M le rend unique. Et bien que l'économie de jetons de $TAO ait été modélisée d'après Bitcoin lui-même, il y a encore plus de 70% de jetons non émis. Cela pose un dilemme aux investisseurs quant à ce qu'ils apprécient le plus : la décentralisation du réseau ou la rareté de l'actif.

En fin de compte, l'utilité de $TAO découle de l'accès qu'il fournit aux modèles d'IA, de son utilisation pour la gouvernance, de l'accès aux récompenses de mise en jeu et en tant que mécanisme incitatif.

Frais d'exploitation

Les développements actuels de l'infrastructure sont payés par le Fondation Opentensorgrâce au financement de la délégation qui leur est accordée ainsi que par les récompenses de délégation. D'autres développements sont réalisés par des tiers qui exploitent leurs propres validateurs et sont financés par le biais de la délégation également.

Tout comme toute initiative mondiale nécessite des financements pour la recherche, le développement et le déploiement, le succès de l'IA dépend de la manière dont le capital est coordonné et dont les parties prenantes sont récompensées pour leurs contributions. C'est cette allocation stratégique des ressources (recherche, GPU pour l'entraînement...) qui stimule la croissance et l'impact de l'IA.

Dans le domaine de l'IA, en particulier dans le cas de grands modèles de langage comme ChatGPT, les coûts opérationnels sont importants. OpenAI, par exemple, est estimé à dépenser environ700,000 $ par jour pour exploiter ChatGPT, ce qui met en évidence le fardeau financier considérable associé aux modèles d'IA à grande échelle. Les coûts de formation peuvent varier de plusieurs millions à plusieurs dizaines de millions de dollars pour chaque modèle, ce qui en fait une entreprise encore plus gourmande en ressources. Le coût de la formation d'un modèle sur un grand ensemble de données peut être encore plus élevé, atteignant jusqu'à 30 millions de dollars.

Bien que la société ait levé des fonds substantiels, y compris un investissement récent de Microsoft (environ la moitié sous forme de crédits Azure), les coûts croissants de la formation de grands modèles de langage sont une préoccupation. Chaque cycle d’entraînement coûte des millions, et la nécessité de repartir de zéro pour les nouveaux modèles exacerbe ce problème.

C'est ici que l'approche de Bittensor en matière de "Compoundage des connaissances" devient pertinente. L'approche unique de Bittensor met l'accent sur la décentralisation et la collaboration grâce au "Compoundage des connaissances". Cette philosophie permet aux systèmes d'IA de s'appuyer sur les connaissances existantes de manière décentralisée, offrant des avantages tels que:

• Efficacité des coûts : En tirant parti des connaissances existantes et en les améliorant continuellement, l'approche de Bittensor pourrait potentiellement réduire le besoin de coûteuses formations à partir de zéro.
• Adaptabilité : Les applications d'IA à grande échelle sont souvent confrontées à des besoins et des défis évolutifs. C'est ici qu'une approche décentralisée permet aux organisations d'adapter leurs systèmes d'IA de manière plus flexible, garantissant qu'ils restent pertinents et efficaces dans un environnement dynamique.
• Décentralisation : Le réseau décentralisé de Bittensor permet à une communauté mondiale de contributeurs de réduire la dépendance à l'égard d'une entité unique ou d'une infrastructure centralisée. Cela favorise l'innovation et la diversité dans le développement de l'IA.
• Collaboration : La nature collaborative de la Compounding des Connaissances encourage le partage des connaissances et l'apprentissage coopératif entre les nœuds du réseau, favorisant un environnement dynamique pour l'avancement de l'IA.

Équipe et investisseurs

Bittensor est un protocole open-source qui alimente un réseau d'apprentissage automatique décentralisé basé sur la blockchain. L'équipe derrière Bittensor comprendJacob Steeves (Fondateur), Ala Shaabana(Fondateur),Jacqueline Dawn(Directeur du Marketing), etSaeideh Motlagh(Architecte Blockchain) entre autres. La Fondation Opentensor prévoit également d'agrandir son équipe cette année.

Il existe un pseudonyme appelé Yuma Rao qui est également mentionné dans le livre blanc de Bittensor, tout comme dans Bitcoin Satoshi Nakamoto. On ne sait pas si cette personne existe vraiment et nous ne saurons peut-être jamais plus sur lui ou elle.

Bittensor n'a pas divulgué de conseillers ou d'investisseurs clés notables, en dehors de recevoir un financement de la OpenTensor Foundation, qui est une organisation à but non lucratif qui soutient le développement de Bittensor. Bittensor n'a pas non plus annoncé de partenariats officiels.

Thèse

La plupart des entreprises technologiques ont beaucoup diminué par rapport à leurs valorisations d'avant la pandémie, pourtant les entreprises d'IA atteignent maintenant des sommets en termes de valorisations multiples et de taux de croissance.

Avec une capitalisation boursière nettement inférieure à celle des géants de l'industrie, Bittensor pourrait en fait être le terrain de jeu parfait pour les applications d'IA à grande échelle / à forte demande et l'utilisation de modèles open source.

De toute évidence, la comparaison la plus simple pour mesurer le potentiel de hausse est de comparer avec la valorisation privée d'OpenAI à 29 milliards de dollars. Réaliste ou non, cela représente légèrement plus de 28 fois la valeur actuelle de $TAO. En tenant compte du temps nécessaire pour que l'ensemble de l'offre entre en circulation, nous pouvons utiliser la capitalisation boursière en circulation pour obtenir une estimation où la valorisation privée d'OpenAI dépasse de plus de 108 fois la capitalisation boursière de $TAO.

Cependant, c'est une approche hautement spéculative qui peut être simplifiée en pariant sur des projets qui peuvent bénéficier de se trouver à l'intersection de l'IA et de la cryptographie.

La caractéristique la plus importante à garder à l’esprit est le fait que Bittensor s’attaque au problème de centralisation de l’IA. À l’heure actuelle, un petit nombre d’entreprises contrôlent une minorité de grands modèles puissants, mais ils sont tous cloisonnés et il n’y a pratiquement pas de collaboration ou de partage des connaissances.

Les modèles d'IA cloisonnés ne peuvent pas apprendre les uns des autres, et sont donc non cumulatifs (les chercheurs doivent recommencer à zéro chaque fois qu'ils créent de nouveaux modèles). Cela contraste fortement avec la recherche en IA, où de nouveaux chercheurs peuvent s'appuyer sur le travail des chercheurs précédents, créant un effet cumulatif qui décuple le développement des idées.

L'IA cloisonnée est également limitée en fonctionnalités car les intégrations d'applications et de données tierces nécessitent l'autorisation du propriétaire du modèle (sous forme de partenariats technologiques et d'accords commerciaux). Cette limitation affecte directement la valeur et l'utilité de l'IA, car elle ne peut être aussi précieuse que la gamme d'applications qu'elle peut efficacement alimenter.

Cet environnement centralisé et où le gagnant prend tout n'est pas bénéfique pour les petites équipes ayant moins de ressources. Dans ce contexte, la force principale de Bittensor réside dans son réseau décentralisé et son mécanisme d'incitations pour encourager les petites équipes et les chercheurs à monétiser leur travail.

Si Bittensor réussit à réduire l'écart de performance avec les principaux fournisseurs d'IA en source fermée comme GPT-4, il pourrait devenir le choix privilégié des développeurs, des entreprises et des chercheurs dans l'espace crypto et IA. Sa nature ouverte et collaborative le positionne comme une alternative attrayante aux écosystèmes fermés, ce qui pourrait entraîner une adoption significative.

En fin de compte, la valorisation de TAO peut être dérivée soit de l'utilité du réseau (activité économique construite dessus) soit du flux de trésorerie direct vers le protocole.

• En tant que jeton d'utilité, $TAO est nécessaire pour accéder au réseau. Par conséquent, sa valorisation pourrait être dérivée de l'utilité économique construite au-dessus.
• En tant que jeton de jalonnement, les détenteurs peuvent déléguer $TAO aux validateurs et recevoir une part des revenus du réseau.
• Nous pouvons également mesurer les rendements en fonction de la part de marché et de multiples hypothèses (ce qui rend également la valeur prédite peu fiable).

Puisque l'utilité est plus subjective et abstraite à évaluer, nous pouvons commencer par le flux de trésorerie. En supposant que le marché de la ML puisse atteindre une certaine taille de marché à l'avenir (voir Précedence Research estimedans l'image ci-dessous), nous pouvons valoriser le réseau Bittensor en fonction de sa part de marché potentielle et de son multiple de revenus.

Quelle que soit la taille estimée du marché, Bittensor reste un projet hautement spécialisé et complexe à comprendre, ce qui constitue un obstacle à l'intégration facile des développeurs et à l'adoption par les utilisateurs.

Le projet en est encore à un stade très précoce de développement, et il pourrait y avoir des problèmes inattendus avec le réseau. Par exemple, en juin, il y a eu une collusion entre les mineurs qui ont manipulé le réseau et ont provoqué la vente de $TAO sur le marché. La solution temporaire a été de réduire les émissions de 90 % afin de donner plus de temps à la Fondation Opentensor pour travailler sur une solution permettant de maintenir l'intégrité du réseau et de permettre au protocole de fonctionner comme prévu.

La majorité des produits actuellement disponibles sur le réseau ne peuvent pas rivaliser avec les contreparties centralisées, et ont jusqu'à présent un faible taux d'adoption. Le meilleur moyen d'apprendre et d'essayer par vous-même est de tester les services offerts sur le Hub Bittensor.

Nous devrions également nous demander si la tokenomie du Bitcoin a du sens pour un réseau spécialisé dans la fourniture de services d'IA comme Bittensor. Peut-être que la nature désinflationniste du $BTC n'est pas la meilleure pour un réseau qui nécessite un nombre croissant de mineurs et d'applications construites dessus afin de se développer. Idéalement, le token devrait s'inflater avec la croissance de l'adoption du réseau, plus semblable à de l'huile numérique plutôt qu'à de l'or numérique. D'une certaine manière, cela est déjà intégré, incitant les mineurs à concourir les uns contre les autres et distribuant l'offre sur une période de plus de 200 ans.

Un autre défi est la confidentialité, en raison de l'impossibilité de crypter les données avant qu'elles ne passent par le réseau neuronal. Cela pose encore plus de problèmes dans un cadre décentralisé, car toutes les données qui passent par le processus d'apprentissage et/ou d'inférence ne seront certainement pas privées. Certes, c'est aussi un problème potentiel avec les systèmes centralisés, mais alors vous n'avez à vous soucier que d'une seule partie connue voyant vos données au lieu de plusieurs inconnus.

Économie

Prix du Token

Prix par rapport au plus haut historique et au plus bas historique

Distribution de l'offre

Conclusion

Bittensor peut être un puissant pari sur l'intersection de l'IA et de la cryptographie. Cependant, c'est sans aucun doute l'un des projets les plus complexes à évaluer en termes de taux de croissance et de potentiel de hausse.

Il y a clairement beaucoup de potentiel dans un réseau décentralisé pour tirer parti de l'utilité de l'IA, en particulier lors de l'incitation à des modèles open source et à la décentralisation de la propriété du réseau. Cependant, les services et les cas d'entreprise construits sur la base de Bittensor ne sont pas encore suffisamment compétitifs.

L'IA est également une industrie qui nécessite des dépenses d'exploitation énormes et des montants importants de financement qui ne sont réalisables que par des géants de l'industrie. Bittensor est un pari très contrariant à cet égard, c'est pourquoi il vaut la peine de considérer autant de facteurs de risque/récompense que possible.

Références

Bittensor – TAO

• Site web
• Docs
• Livre blanc
• Le consensus de Yuma
• Explorateurs
• Passerelle Tao
• Déléguer
• Les taostats
• Nouvelles TAO
• Coingecko
• Twitter
• Discord
• Groupe Telegram de la communauté
• Github
• @Bittensor">Youtube
• Blog Fondation Opentensor
• Fondation Opentensor LinkedIn
• Modèle de sous-réseau Bittensor
• Liste des validateurs

Sources externes

• La convergence de la crypto et de l'IA par Multicoin Capital
• Le Hub Bittensor - Agrégateur de contenu

Avis de non-responsabilité：

1. Cet article est repris de [ revelointel]. Tous les droits d'auteur appartiennent à l'auteur original [revelointel]. Si des objections sont soulevées concernant cette réimpression, veuillez contacter le Porte Apprendreéquipe, et ils s'en chargeront rapidement.
2. Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent aucun conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.