Una cosa de vivir en horas de Asia es que a menudo te despiertas con noticias importantes y tienes que ponerte al día.

Sam Altman fue despedido de OpenAI el viernes, por ejemplo.

Casi me ahogo con la leche.

¿Por qué la junta despediría a alguien que es claramente extremadamente inteligente, tiene un historial ejemplar de éxito y que acaba de dar un excelente discurso de apertura en la conferencia OpenAI hace 12 días?

Indique a los picantes creadores de teorías. Andrew Cote cree que fue política, que Altman fue despedido porque "haría avanzar la IA demasiado rápido al implementar un avance reciente". Y a algunas personas no les gustó eso.

OpenAI tiene una estructura corporativa muy incómoda (casi disfuncional) porque comenzó como una entidad sin fines de lucro que luego decidió hacer la transición hacia una empresa con fines de lucro. Hoy en día, la organización sin fines de lucro controla la dirección de la entidad con fines de lucro y al mismo tiempo ofrece a los inversores una ventaja limitada.

Van a ser un par de semanas picantes cuando la verdad salga a la luz.

¿Será este un momento Steve Jobs? ¿Sam continúa iniciando otra empresa que rivalice con OpenAI?

Sin embargo, lo que está claro es el manto de misterio que envuelve las operaciones internas de OpenAI. A pesar de que GPT es una herramienta que se ha vuelto omnipresente y utilizada por cientos de millones en todo el mundo, existe una desconexión palpable.

Nosotros, como usuarios cotidianos, nos encontramos afuera mirando hacia adentro, tratando de espiar a través del velo de secreto que rodea a estos gigantes de la IA. A medida que GPT continúa entretejiéndose en el tejido mismo de nuestra sociedad, esta falta de transparencia es preocupante.

Blockchain + Cripto = ???

Blockchain… ¿y criptografía? Fuente: marketoonist.com

Últimamente he estado luchando con la pregunta: ¿Cómo será la intersección entre las criptomonedas y la IA? Es vago, pero la mayoría estaría de acuerdo en que hay un potencial monumental esperando ser desbloqueado.

Cuando pensamos en AI x Crypto, normalmente pensamos en Akash Network y Render. Se trata de redes descentralizadas para GPU, que pueden proporcionar la computación necesaria para el entrenamiento de modelos de IA. La lógica es sencilla: a medida que la IA siga disparándose, también lo hará la demanda de recursos computacionales. Las redes peer-to-peer, en este contexto, podrían experimentar un crecimiento significativo. Están en el negocio de los picos y las palas, pero creo que esto es solo una muestra del potencial de AI x Crypto.

Es como decir que los JPEG de mono son el pináculo de lo que pueden ofrecer los NFT.

Y luego me encontré con Bittensor.

ELI5: Bittensor

A diferencia de Akash o Render, que admiten el entrenamiento de modelos de IA (ascendente), Bittensor se centra en la inferencia de IA (descendente), que es donde se utilizan los modelos entrenados para generar resultados.

Es una red descentralizada que incentiva los modelos de IA, en particular los modelos de lenguaje grande (LLM), para diversas tareas como generación de texto, creación de imágenes y producción musical. La red comprende hoy más de 27 subredes, cada una de las cuales se centra en tareas específicas.

En términos simples, piense en Bittensor como un ChatGPT descentralizado + Midjourney + cualquier otra cosa que la IA pueda hacer.

La red opera a través de dos roles principales:

1. Mineros (productores de valor): los mineros desarrollan y alojan modelos de IA en la red. Se les recompensa con tokens TAO en función del desempeño de sus modelos en relación con la tarea específica. Esto incentiva el desarrollo de modelos de IA mejores y más eficientes.
2. Validadores (productores de consenso): los validadores evalúan los resultados de los mineros y clasifican su desempeño en la tarea específica. También interactúan con los usuarios que envían tareas a los validadores (por ejemplo, para la subred de generación de imágenes: "/imagine a Sam Altman con una máscara de Darth Vader en la cena de Acción de Gracias") y las dirigen a los mineros apropiados.

“Sam Altman con una máscara de Darth Vader en la cena de Acción de Gracias”, creado por la subred de generación de imágenes de Bittensor.

Probablemente esté simplificando demasiado las complejidades técnicas, pero me llaman la atención algunas cosas:

• Los mineros y validadores en la red intercambian conocimientos y comparten parámetros, lo que permite la autooptimización con el tiempo.
• La red está diseñada para aprovechar las fortalezas de múltiples modelos de IA separados para generar los mejores resultados posibles (“Mezcla de expertos”).

Fuente: Revelo Intel — Bittensor

Está más allá de mi intención entrar en detalles técnicos, pero aquí hay algunos buenos resúmenes que me han ayudado a comprender mejor Bittensor:

Revelo Intel — Bittensor

Knower: un breve informe sobre Bittensor y la IA

Puedes probar el equivalente chatGPT de Bittensor aquí

La OAT

TAO es el token de utilidad para la red y tiene una estructura tokenómica similar a Bitcoin: un límite máximo de 21 millones de tokens y un lanzamiento justo sin asignación de VC. Incluso tiene un ciclo de reducción a la mitad, y la primera reducción se producirá en 2025.

Hoy en día hay 5,65 millones de TAO en circulación, y todos se distribuyeron de manera justa mediante minería y validación en la red. La capitalización del mercado circulante es ligeramente superior a los mil millones de dólares en la actualidad. Cada día se emiten 7.200 nuevos TAO a mineros y validadores.

Mis primeros pensamientos

Bittensor está todavía en su infancia. La red cuenta con una comunidad dedicada, casi de culto, pero el número total de participantes sigue siendo modesto: alrededor de 50.000+ cuentas están activas. La subred más activa, SN1, dedicada a la generación de texto, tiene alrededor de 40 validadores activos y más de 990 mineros.

Lo realmente cautivador es el concepto de una red de IA descentralizada. Esto no sólo mitiga los riesgos de centralización, sino que también plantea una pregunta: ¿podrían estos incentivos económicos únicos fomentar modelos de IA que superen los desarrollados por entidades con grandes fondos como OpenAI y Google?

Antes de que los LLM se generalizaran con la llegada de herramientas como ChatGPT, las nuevas empresas de tecnología profunda a menudo se centraban en adquirir conjuntos de datos patentados para desarrollar modelos de IA especializados basados en aprendizaje automático para tareas muy específicas. Por ejemplo, Flatiron Health utiliza datos clínicos del mundo real de pacientes oncológicos y desarrolla modelos de inteligencia artificial que alimentan herramientas que apoyan a los investigadores del cáncer y a los proveedores de atención. Tradicionalmente, el objetivo de la startup era producir y monetizar estos modelos propietarios.

Bittensor, sin embargo, podría representar un cambio en este paradigma. Quizás sea más apropiado llamarlo una innovación de modelo de negocio habilitada por la tecnología, en lugar de un avance tecnológico. Por ejemplo, ofrece una vía para que los datos patentados y los modelos de IA se desarrollen juntos y sean utilizados por un público más amplio, sin necesidad de abrirlos. Puedo imaginar un futuro en el que Bittensor albergue miles de subredes especializadas que aborden un espectro de desafíos, desde cuestiones medioambientales y sanitarias hasta soluciones energéticas.

Y si soy honesto, hay algo que encuentro fascinante en un equipo que diseña su tokenómica de la misma manera que Bitcoin. Habla de sus motivaciones, una raza diferente de los equipos actuales, que a menudo optimizan su tokenómica siguiendo el modelo financiado por capital de riesgo, con grandes asignaciones para fundadores e inversores.

No estoy seguro de adónde irá Bittensor. Podría ser un éxito 100x o un fracaso total. Pero el potencial y la filosofía detrás de esto son demasiado convincentes para ignorarlos.

(NOTA: En el momento de escribir este artículo, soy propietario de TAO y lo apuesto a validadores).

Descargo de responsabilidad:

1. Este artículo está reimpreso de [Los pensamientos de Teng]. Todos los derechos de autor pertenecen al autor original [TENG YAN]. Si hay objeciones a esta reimpresión, comuníquese con el equipo de Gate Learn y ellos lo manejarán de inmediato.
2. Descargo de responsabilidad: los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas están a cargo del equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.