Ý kiến: Bittensor có một số sai sót nghiêm trọng?

Tác giả: Teng Yan, cựu Giám đốc nghiên cứu NFT Digital của Delphi; Bản dịch: 0xjs@金财经

Tôi bị mê hoặc bởi ý tưởng về trí tuệ tập thể phi tập trung, nên gần đây, tôi đã khám phá Bittensor mô hình Hướng dẫn triển khai mạng AI trong các lĩnh vực cụ thể.  

Nhưng tôi thấy rằng Bittensor có một số sai sót nghiêm trọng. Những gì tôi phát hiện ra thật sốc và khiến tôi phải dừng lại.

Đánh giá nhanh về Bittensor

< /p>

Nguồn: Bittensor.com

Bittensor là mô hình AI Phân cấp khuyến khích hoạt động mạng.

Trên 32 mạng con, các thợ mỏ triển khai các mô hình AI để cạnh tranh dựa trên các tiêu chí cụ thể. Sau đó, người xác thực sẽ đánh giá và xếp hạng các kết quả đầu ra này và người khai thác kiếm được mã thông báo TAO dựa trên hiệu suất tương đối của họ. Hiện tại, các mạng con này đang xử lý các tác vụ như tạo văn bản, tạo hình ảnh, chuyển văn bản thành giọng nói và tinh chỉnh mô hình.

"Mô hình đua ngựa AI": hình ảnh được tạo bằng DALL-E 2

Tóm lại: Đây là cuộc đua ngựa của các mô hình AI. Con ngựa (mô hình) tốt nhất sẽ nhận được phần thưởng lớn nhất.

Ý tưởng quan trọng ở đây là các biện pháp khuyến khích bằng tiền sẽ thu hút một cách tự nhiên những mô hình và nhà đổi mới hoạt động tốt nhất vào các mạng con phù hợp nhất.

Lần đầu tiên tôi chia sẻ một số suy nghĩ ban đầu của mình về Bittensor là vào tháng 11 năm ngoái. Kể từ đó, Bittensor dần trở thành con cưng của Twitter tiền điện tử và là người mang tiêu chuẩn của phong trào AI phi tập trung. Tính đến thời điểm hiện tại, Bittensor có vốn hóa thị trường là 2,8 tỷ USD, mang lại mức định giá pha loãng hoàn toàn là 8,5 tỷ USD.

Con đường phía trước gập ghềnh

Theo tôi, vấn đề lớn nhất của Bittensor là:

1 Nền kinh tế theo chiều ngang bị phá vỡ

Nếu được triển khai đúng cách, cạnh tranh dựa trên khuyến khích trong một mạng con để tạo ra kết quả đầu ra tốt nhất sẽ có ý nghĩa.

Xin lưu ý chữ "IF" in đậm, viết hoa.

Có những thách thức như trò chơi khuyến khích, khai thác tiếp sức và kiến ​​thức của người xác nhận về kết quả đầu ra thực sự chính xác. Tôi tin rằng những vấn đề này có thể được giải quyết nếu có đủ nghiên cứu và thử nghiệm. Một số mạng con đã thực hiện các bước hoặc sửa đổi tiêu chuẩn của chúng để ngăn chặn việc khai thác chuyển tiếp và các hành vi không phù hợp khác.

Tuy nhiên, khi cạnh tranh mở rộng theo chiều ngang, mô hình kinh tế bắt đầu bị phá vỡ.

Các mạng con phải cạnh tranh với nhau để được phân bổ phần thưởng lạm phát lớn hơn. Điều này sẽ trở nên rõ ràng hơn khi TAO động được triển khai (mạng con sẽ có mã thông báo động riêng và chủ sở hữu mã thông báo có thể ảnh hưởng đến việc phân phối phần thưởng giữa các mạng con)

Điều này dẫn đến Câu hỏi:

Người nắm giữ TAO nên so sánh giá trị kinh tế mà các mạng con khác nhau mang lại cho mạng Bittensor như thế nào? Ví dụ:

(1) Mô hình chuyển văn bản thành giọng nói (mạng con 3) so với

(2) Mô hình thị giác để sàng lọc các bệnh X-quang?  

Giá trị được tạo ra trong mỗi trường hợp là hoàn toàn khác nhau. Bạn có thể diễn giải câu hỏi này theo nhiều cách, nhưng câu trả lời không bao giờ rõ ràng. Việc dựa vào lực lượng thị trường để xác định giá trị đóng góp của từng mạng lưới con là không tối ưu cho việc phát triển chiến lược lâu dài.

Nó giống như việc yêu cầu mọi cổ đông của AAPL bỏ phiếu về sản phẩm tiếp theo mà Apple sẽ phát triển.

2. Những thách thức cạnh tranh của mạng con

Tôi nghi ngờ rằng mạng con Bittensor có khả năng cạnh tranh trong các nhiệm vụ AI tổng quát cơ bản như tạo hình ảnh và văn bản chung. Hiện đã có một số dự án nguồn mở vượt trội trong các lĩnh vực này, thường được thúc đẩy bởi danh tiếng, đóng góp nghiên cứu và dịch vụ công.

Lấy mô hình ngôn ngữ lớn (LLM) Llama-3 mạnh mẽ do Meta phát hành làm công cụ nguồn mở làm ví dụ. Mặc dù hàng tỷ đô la đã được đầu tư vào việc phát triển Llama-3 nhưng nó vẫn được sử dụng miễn phí và nhận được sự hỗ trợ mạnh mẽ từ cộng đồng. Kể từ khi phát hành vào tuần trước, nó đã được tải xuống hơn 500.000 lần trên Huggingface.

So sánh điểm chuẩn cho thấy rằng , LLM nguồn mở như Llama-3 đã nằm trong số những LLM tốt nhất trong phân khúc của chúng và được cho là ngang bằng với các mô hình độc quyền như GPT-4 của OpenAI.

Cho đến nay, tôi chưa thấy mạng con Bittensor đạt được kết quả hoặc chức năng nào ngoài các mô hình nguồn mở hiện có. Tôi cũng không thấy bằng chứng nào cho thấy chúng vượt trội hơn các tiêu chuẩn đã được thiết lập. Đến một lúc nào đó, bạn phải tự hỏi liệu họ có làm như vậy không.

3. Chi phí vận hành của mạng thông minh cao

Mạng phụ thuộc rất nhiều vào token gốc TAO để hoạt động. Những người khai thác tham gia mạng chủ yếu khi họ khám phá các cơ hội chênh lệch giá tính toán, đặc biệt khi phần thưởng khai thác vượt quá chi phí tính toán.

Nhu cầu về TAO phụ thuộc vào: 

(1) Nhà đầu cơ (một loại sâu mà chúng ta sẽ không thảo luận ở đây)

(2) Thêm nhiều mạng con Bittensor hơn hoặc tăng nhu cầu trở thành người khai thác hoặc người xác nhận. Tuy nhiên, sự tăng trưởng này thường làm nản lòng những người chơi hiện tại. Giá token giảm có thể khiến hoạt động mạng trở nên kém phản xạ hơn do tính kinh tế của đơn vị khai thác/xác thực chịu áp lực.

Nguồn: Taostats.io

Chi phí vận hành của Bittensor cao, với chi phí hàng ngày + Thợ mỏ + người xác thực phải trả Lạm phát 7.200 TAO. Con số này tương đương với khoảng 3,2 triệu USD mỗi ngày hoặc 1,2 tỷ USD mỗi năm.

Điều này đặt ra một câu hỏi quan trọng: Số tiền này sẽ đến từ đâu? Chủ yếu là các nhà đầu cơ. Nhưng liệu Bittensor có trị giá 1,2 tỷ USD trong một năm không? Nó có thể đã được định giá vượt xa giá trị của nó.

4. Tính minh bạch

Mặc dù Bittensor cung cấp một mức độ phân quyền nhưng cần lưu ý rằng nó không phải là nguồn mở - đây là một điểm khác biệt quan trọng. Mặc dù việc tham gia vào mạng con là dành cho tất cả mọi người nhưng các cơ chế nội bộ không minh bạch, dẫn đến hiểu biết của người dùng về các hoạt động sau bị hạn chế:

• Thợ đào đang làm việc để làm gì?

• Họ chạy thuật toán gì?

• Kết quả cuối cùng diễn ra như thế nào?

Sự thiếu minh bạch này có thể hạn chế sự đa dạng của các ứng dụng được phát triển bằng cách sử dụng đầu ra mạng con, vì nhiều nhà phát triển cần hiểu rõ quy trình lý luận cơ bản.

Một số suy nghĩ

Tôi không có ý gì chống lại Bittensor. Trên thực tế, tôi thấy đây là một trong những thử nghiệm thú vị nhất trong lĩnh vực Crypto x AI mới nổi.

Nó đã thành công trong việc tập hợp một nhóm người thông minh xung quanh tầm nhìn của mình. Nó có thể truyền cảm hứng cho nhiều dự án trong tương lai. Tuy nhiên, Bittensor phải giải quyết trực tiếp những thách thức hiện tại để có bất kỳ cơ hội thành công nào trong thế giới thực, nếu không nó sẽ bị lạc trong nghĩa địa của những lời cường điệu đầu cơ.

Một số suy nghĩ cuối cùng:

• Điều gì sẽ xảy ra nếu tất cả các mạng con trong mạng đều dành riêng cho từng bộ phận thay vì nằm rải rác trên các mạng không liên quan nhiệm vụ thì có thể đạt được sức mạnh tổng hợp lớn hơn.

• Ví dụ: tôi hình dung "Bittensor  dành cho nghiên cứu gen/khám phá thuốc" hoặc "Bittensor  dành cho tài chính/thương mại". Điều này thực sự có thể được thực hiện khá tốt. Sự liên kết tầm nhìn này có thể thúc đẩy sự gắn kết kinh tế, định hướng chiến lược và nỗ lực phát triển kinh doanh.

• Mô hình kinh tế của Bittensor (ở trạng thái hiện tại) có thể phù hợp nhất với các lĩnh vực AI không thu hút được sự chú ý rộng rãi nhưng có thể hưởng lợi từ các ưu đãi có mục tiêu. Các ứng dụng tiềm năng bao gồm các nhiệm vụ dành riêng cho tiền điện tử như dự đoán giá mã thông báo.

Cuối cùng, tôi tin chắc rằng việc phân cấp AI đóng vai trò cực kỳ quan trọng trên thế giới - cân bằng sự thống trị toàn cầu của các công ty công nghệ lớn và thúc đẩy đổi mới, đặc biệt thông qua Nguồn mở khả năng phán đoán. Tôi sẽ trình bày chi tiết suy nghĩ của mình trong một bài viết sau.