Após a "Segunda-feira Negra" do mercado de criptomoedas desta semana, que viu um declínio significativo, os tokens de diferentes setores experimentaram um ressalto no dia seguinte. Entre eles, Bittensor (TAO) destaca-se como o mais notável.

De acordo com os dados da CoinMarketCap, Bittensor (TAO) subiu 23.08% ontem, tornando-se o melhor desempenho em termos de recuperação entre os 100 principais tokens por capitalização de mercado.

Embora a narrativa de IA não esteja tão quente como no início do ano, a escolha do capital especulativo indica confiança nos principais projetos desse setor. No entanto, a Bittensor enfrentou algum FUD (medo, incerteza e dúvida) no passado, com a comunidade questionando o nome do projeto e as aplicações práticas dentro de suas sub-redes.

(Ver também: FUD e Rumores: Será que o Novo Rei da IA Bittensor Cairá em Desgraça?)

Embora a utilidade de um projeto de criptomoeda nem sempre se correlacione diretamente com o preço de seu token, a Bittensor é apenas uma casca vazia?

Nos últimos meses, a Bittensor adicionou 12 novas sub-redes, cada uma contribuindo para o desenvolvimento relacionado à IA em certa medida e potencialmente dando origem a novos projetos Alpha. Analisamos essas novas sub-redes para observar suas mudanças fundamentais enquanto nos concentramos na recuperação dos preços do TAO.

Sub-rede 38: Sylliba, uma ferramenta de tradução de texto para voz que suporta mais de 70 idiomas

Equipe de Desenvolvimento: Agente Artificial

Introdução:

Sylliba é uma aplicação de tradução que suporta tradução de texto e fala em mais de 70 idiomas. Notavelmente, esta aplicação pode ser utilizada por agentes de IA on-chain:

• Processos de tradução automatizados: agentes de IA podem chamar automaticamente este serviço para processamento e comunicação de informações em vários idiomas.
• Capacidades avançadas de IA: Permite que sistemas de IA sem capacidades multilíngues lidem com tarefas multilíngues.
• Verificação de Blockchain: As solicitações e resultados de tradução podem ser verificados na blockchain, aumentando a credibilidade do sistema.
• Mecanismo de Incentivo: Através da economia de tokens, pode incentivar os provedores de serviços de tradução de alta qualidade.

Endereço do projeto: https://github.com/agent-artificial/sylliba-subnet

Sub-rede 34: Bitmind, uma ferramenta para detetar e distinguir entre conteúdo sintético real e falso

Equipa de desenvolvimento:@BitMindAI

Introdução:

BitMind concentra-se no desenvolvimento de tecnologia descentralizada de detecção de deepfake. Com o rápido avanço dos modelos de IA generativa, distinguir entre media sintética de alta qualidade e conteúdo real tornou-se cada vez mais complexo.

sub-redeaborda esse problema ao implantar mecanismos robustos de detecção dentro da rede Bittensor, usando modelos de IA tanto generativos quanto discriminativos para identificar efetivamente deepfakes.

Além disso, a API BitMind permite que os desenvolvedores aproveitem as capacidades de detecção de deepfake da sub-rede para criar poderosas aplicações de consumo. A aplicação web BitMind, que apresenta uma interface de upload de imagens, utiliza a API para ajudar os utilizadores a avaliar rapidamente a probabilidade de uma imagem ser real ou falsa, fornecendo uma ferramenta anti-decepção acessível e interpretável.

Sub-rede 43: Grafite, rede de planeamento de caminho inteligente

Equipa de desenvolvimento:@GraphiteSubnet

Introdução:

Graphite é uma sub-rede especificamente projetada para lidar com problemas relacionados a gráficos, com um foco particular no Problema do Caixeiro Viajante (TSP). TSP é um problema clássico de otimização que visa encontrar a rota mais curta possível visitando um conjunto de cidades e retornando ao ponto de partida.

O Graphite utiliza a rede descentralizada de aprendizado de máquina da Bittensor para conectar eficientemente mineiros para lidar com as demandas computacionais do TSP e problemas de gráficos semelhantes. Atualmente, os validadores geram solicitações sintéticas e as enviam para mineiros na rede. Os mineiros são responsáveis por resolver o TSP usando seus algoritmos e enviar os resultados de volta para os validadores para avaliação.

Sub-rede 42: Gen42, assistente de codificação de IA de código aberto do GitHub

Equipe de desenvolvimento:@RizzoValidator，@FrankRizz07

Introdução:

A Gen42 aproveita a rede Bittensor para oferecer serviços descentralizados de geração de código. O foco deles é criar ferramentas poderosas e escaláveis para responder a perguntas baseadas em código e completar códigos, impulsionados por modelos de linguagem grandes de código aberto.

Principais Produtos:

a. Aplicação de Chat: Fornece uma interface de chat que permite aos utilizadores interagir com a sua sub-rede. A principal funcionalidade desta aplicação é a resposta a perguntas com base em código.

b. Conclusão do Código: Oferece uma API compatível com a OpenAI que pode ser usada com continue.dev.

Detalhes sobre como os mineiros e validadores participam podem ser encontrados no GitHub.

Sub-rede 41: Sportstensor, modelo de previsão desportiva

Equipa de desenvolvimento:@sportstensor

Introdução:

Sportstensor é um projeto focado no desenvolvimento de algoritmos de previsão esportiva descentralizada, suportados pela rede Bittensor.

O projeto oferece modelos fundamentais na plataforma de código aberto HuggingFace para os mineradores treinarem e melhorarem. Suporta o planeamento estratégico e análise de desempenho com base em dados históricos e em tempo real e recompensa a recolha abrangente de conjuntos de dados e o desenvolvimento de modelos de previsão de alto desempenho.

Funções de Minerador e Validador:

• Miners: Receber solicitações de validadores, acessar dados relevantes e fazer previsões usando modelos de aprendizado de máquina.
• Validadores: Coletar previsões dos mineradores, compará-las com os resultados reais e registrar os resultados da validação.

Sub-rede 29: coldint, treinamento de modelo AI de nicho

Desenvolvedor: Ainda não encontrado,O site oficial está aqui

Introdução:

SN29 Coldint, abreviado de Treinamento Incentivado Distribuído Coletivo, concentra-se no pré-treinamento de modelos de nicho. Os "modelos de nicho" referem-se àqueles que podem não ser tão amplamente aplicáveis como os modelos gerais de propósito, mas são altamente valiosos em domínios ou tarefas específicas.

Participação do minerador e do papel:

a) Os mineradores ganham principalmente incentivos ao compartilhar publicamente seus modelos treinados.

b) Os incentivos secundários são dados aos mineiros ou outros contribuintes que compartilham insights ao contribuir para a base de códigos.

c) Os mineiros são incentivados a partilhar regularmente as suas melhorias através de recompensas por pequenas melhorias.

d) São fornecidas recompensas significativas para contribuições de código que combinem efetivamente os esforços de treinamento individual em modelos compostos melhorados.

Sub-rede 40: Chunking, conjunto de dados otimizado para aplicação de Geração Assistida por Recuperação (RAG)

Equipe de Desenvolvimento:@vectorchatai

Token: $CHAT

Introdução:

As funções de divisão de Chunking SN40 funcionam como uma bibliotecária excepcionalmente inteligente, especificamente projetada para dividir grandes volumes de informações (texto, imagens, áudio, etc.) em pedaços menores. Essa abordagem facilita para a IA entender e utilizar as informações. Assim como uma estante de livros bem organizada ajuda você a encontrar rapidamente o que procura, o Chunking SN40 ajuda a 'organizar a estante de livros' para a IA.

Não se limita a texto, o SN40 Chunking também pode lidar com vários tipos de informações, incluindo imagens e áudio. É como um bibliotecário versátil que gerencia não apenas livros, mas também álbuns de fotos, CDs de música e muito mais.

Sub-rede 39: EdgeMaxxing, otimizando modelos de IA para operação em dispositivos de consumidor

Equipe de desenvolvimento:@WOMBO

Introdução: SN39 EdgeMaxxing é uma sub-rede focada na otimização de modelos de IA para dispositivos de consumo, desde smartphones até laptops. A sub-rede EdgeMaxxing emprega um sistema de recompensa competitivo com concursos diários para incentivar os participantes a melhorar continuamente o desempenho dos modelos de IA em dispositivos de consumo.

Funções e Responsabilidades do Participante:

Mineiros: A tarefa principal é enviar pontos de verificação de modelo de IA otimizados. Eles usam vários algoritmos e ferramentas para melhorar o desempenho do modelo.

Validadores: Devem executar os modelos submetidos no hardware alvo especificado (por exemplo, NVIDIA GeForce RTX 4090). Eles recolhem todos os modelos submetidos pelos mineiros diariamente, avaliam cada modelo e comparam os resultados com checkpoints de referência. Os validadores pontuam os modelos com base em melhorias de velocidade, manutenção da precisão e melhorias gerais de eficiência, selecionando o modelo com melhor desempenho do dia como o vencedor.

Repositório de código aberto do projeto: https://github.com/womboai/edge-maxxing

Sub-rede 30: Bettensor, mercado descentralizado de previsão esportiva

Equipe de desenvolvimento:@Bettensor

Introdução:

A Bittensor permite que os entusiastas de desportos prevejam os resultados de eventos desportivos, criando um mercado descentralizado de previsão desportiva baseado na tecnologia blockchain.

Funções dos Participantes:

Miner: Responsável pela geração dos resultados de previsão.

Validador: Verifica a precisão dos resultados da previsão.

Coletor de Dados: Coleta dados de eventos esportivos de várias fontes.

Repositório de código aberto do projeto: https://github.com/Bettensor/bettensor (parece estar ainda em desenvolvimento)

Sub-rede 06: Jogos Infinitos, mercado de previsão geral

Equipa de desenvolvimento:@Playinfgames

Introdução:

A Infinite Games desenvolve ferramentas em tempo real e preditivas para mercados de previsão. O projeto também se envolve em arbitragem e agregação de eventos em plataformas como Gate.@Polymarkete@azuroprotocol.

Sistema de Incentivos:

Usa tokens $TAO como incentivos.

Recompensa fornecedores de previsões precisas e informações valiosas.

Globalmente, o projeto incentiva a participação do usuário na previsão e partilha de informações, promovendo uma comunidade de previsão ativa.

Sub-rede 37: Ajuste fino LLM, ajuste fino de um grande modelo de linguagem

Equipa de Desenvolvimento: Taoverse &@MacrocosmosAI

Introdução:

Esta é uma sub-rede focada na afinação de grandes modelos de linguagem (LLMs), recompensando os mineiros pela afinação de LLMs e utilizando o fluxo contínuo de dados sintéticos da Sub-rede 18 para a avaliação do modelo.

Mecanismo operacional:

• Os mineiros treinam modelos e regularmente publicam-nos na plataforma Hugging Face.
• Os validadores fazem download de modelos do Hugging Face e avaliam-nos continuamente usando dados sintéticos.
• Os resultados da avaliação são registados na plataforma wandb.
• Os tokens TAO são distribuídos como recompensas para mineradores e validadores com base em seu desempenho.

Endereço do armazém do projeto: https://github.com/macrocosm-os/finetuning

Sub-rede 21: Any to Any, criando modelos multimodais avançados de IA

Equipa de desenvolvimento:@omegalabsai

Introdução:

"Qualquer para Qualquer" neste projeto refere-se à capacidade de um sistema de IA multimodal de transformar e compreender diferentes tipos de dados ou informações, como texto para imagens, imagens para texto, áudio para vídeo e vídeo para texto. O sistema não apenas realiza essas transformações, mas também compreende as relações entre diferentes modalidades. Por exemplo, ele pode compreender a conexão entre uma descrição textual e uma imagem ou entre um vídeo e seu áudio correspondente.

Nesta sub-rede, o mecanismo de incentivo é projetado para encorajar pesquisadores e desenvolvedores globais de IA a participar do projeto.

• Os colaboradores podem ganhar recompensas em tokens ao fornecer modelos, dados ou recursos computacionais valiosos.
• Este incentivo econômico direto torna a pesquisa e desenvolvimento de IA de alta qualidade um empreendimento sustentável.

Endereço do armazém do projeto: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor

Conhecimento adicional:

Conhecimento Suplementar:

Caso alguns leitores não estejam familiarizados com o conceito de sub-redes Bittensor, aqui está uma explicação simples:

• Uma sub-rede é uma rede especializada dentro do ecossistema Bittensor.
• Cada sub-rede foca-se em tarefas específicas de IA ou aprendizagem automática.
• As sub-redes permitem aos desenvolvedores criar e implementar modelos de IA para fins específicos.
• Eles usam criptoeconomia para incentivar os participantes a fornecer recursos computacionais e melhorar os modelos.

Declaração:

1. Este artigo é reproduzido a partir de [ TechFlow], título original "TAO tem a recuperação mais forte agora, fazendo um balanço de 12 projetos úteis de IA na sub-rede", os direitos autorais pertencem ao autor original [深潮 TechFlow], se você tiver alguma objeção à reimpressão, entre em contato Equipe de Aprendizado da Gate, a equipe lidará com isso o mais rápido possível de acordo com os procedimentos relevantes.

2. Aviso Legal: As opiniões expressas neste artigo representam apenas as opiniões pessoais do autor e não constituem qualquer conselho de investimento.

3. Outras versões linguísticas do artigo são traduzidas pela equipa do Gate Learn, não mencionadas em Gate.io, o artigo traduzido não pode ser reproduzido, distribuído ou plagiado.