Latar Belakang Revolusi AI

Latar Belakang Masa Kecil AI

Dengan pesatnya kemajuan teknologi kecerdasan buatan (AI), kita memasuki era baru yang didorong oleh data. Terobosan di bidang-bidang seperti pembelajaran mendalam dan pemrosesan bahasa alami telah membuat aplikasi AI ada di mana-mana. Peluncuran ChatGPT pada tahun 2022 memicu industri AI, diikuti oleh serangkaian alat AI untuk pembuatan video, tugas kantor otomatis, dan adopsi aplikasi "AI+". Nilai pasar industri AI telah melonjak, dengan proyeksi mencapai $ 185 miliar pada tahun 2030.

Gambar 1: Perubahan dalam nilai pasar AI

Perusahaan Internet Tradisional Monopoli Kecerdasan Buatan
Saat ini, industri kecerdasan buatan didominasi oleh perusahaan-perusahaan seperti NVIDIA, Microsoft, Google, dan OpenAI. Meskipun kemajuan teknologi telah membawa kemajuan yang pesat, namun juga telah menghadirkan tantangan seperti sentralisasi data dan distribusi sumber daya komputasi yang tidak merata. Namun, sifat terdesentralisasi dari Web3 menawarkan kemungkinan-kemungkinan baru untuk mengatasi masalah-masalah ini, yang berpotensi untuk mengubah lanskap saat ini dari pengembangan kecerdasan buatan.

Perkembangan Terkini di Web3+AI

Seiring dengan terus meningkatnya industri AI, gelombang proyek Web3+AI berkualitas tinggi muncul. Fetch.ai memanfaatkan teknologi blockchain untuk menciptakan ekonomi terdesentralisasi, mendukung agen otonom dan kontrak pintar untuk mengoptimalkan pelatihan dan aplikasi model AI. Numerai menggunakan teknologi blockchain dan komunitas ilmuwan data untuk memprediksi tren pasar, memberi imbalan kepada pengembang model melalui mekanisme insentif. Velas telah membangun platform kontrak pintar berkinerja tinggi yang mengintegrasikan AI dan blockchain, menawarkan kecepatan transaksi yang lebih cepat dan keamanan yang lebih tinggi.

Proyek kecerdasan buatan secara inheren terdiri dari tiga elemen kunci: data, algoritma, dan daya komputasi. Sementara sektor Web3+data dan Web3+daya komputasi berkembang pesat, arah Web3+algoritma telah terfragmentasi, mengakibatkan aplikasi terisolasi, satu arah. Bittensor mengatasi kesenjangan ini dengan menciptakan platform algoritma kecerdasan buatan yang kompetitif dengan mekanisme seleksi dan insentif bawaan, memastikan hanya proyek kecerdasan buatan terbaik yang berhasil.

Timeline Pengembangan Bittensor

Inovasi Terobosan
Bittensor adalah jaringan pembelajaran mesin terdesentralisasi yang mendapat insentif dan pasar barang digital.

Desentralisasi: Bittensor beroperasi pada jaringan terdistribusi dari ribuan komputer yang dikendalikan oleh perusahaan dan organisasi yang berbeda, mengatasi masalah seperti pusat data.

Mekanisme Insentif yang Adil: Dalam jaringan Bittensor, token $TAO didistribusikan secara proporsional sesuai dengan kontribusi setiap subnet. Begitu pula, imbalan yang diberikan oleh subnet kepada penambang dan validator-nya juga sebanding dengan kontribusi node mereka.

Sumber Daya Pembelajaran Mesin: Jaringan terdesentralisasi dapat menyediakan sumber daya komputasi pembelajaran mesin kepada siapa saja yang membutuhkannya.

Pasar Barang Digital Beragam: Awalnya, pasar barang digital Bittensor dirancang khusus untuk perdagangan model pembelajaran mesin dan data terkait. Namun, karena perluasan jaringan Bittensor dan prinsip agnostik data mekanisme konsensus Yuma, pasar ini telah berkembang menjadi tempat perdagangan berbagai bentuk data.

1. Proses Pengembangan

Tidak seperti banyak proyek VC dengan valuasi tinggi di pasar saat ini, Bittensor adalah proyek yang lebih adil, menarik, dan berarti yang dibuat oleh para penggemar teknologi. Sejarah pengembangannya kurang memiliki fase "visi besar untuk menarik investasi" yang biasa terlihat di proyek-proyek lain.

Pembentukan Konsep dan Peluncuran Proyek (2021): Bittensor didirikan oleh sekelompok penggemar teknologi dan ahli yang berkomitmen untuk memajukan jaringan AI terdesentralisasi. Mereka menggunakan kerangka Substrate untuk membangun blockchain Bittensor, memastikan fleksibilitas dan skalabilitasnya.

Pengembangan Awal dan Validasi Teknis (2022): Tim merilis versi Alpha jaringan, memvalidasi kelayakan AI terdesentralisasi. Mereka juga memperkenalkan konsensus Yuma, yang menekankan prinsip data-agnostik untuk melindungi privasi pengguna.

Pengembangan Jaringan dan Pembangunan Komunitas (2023): Tim meluncurkan versi Beta dan memperkenalkan model ekonomi token (TAO) untuk mendorong pemeliharaan jaringan.

Inovasi Teknologi dan Kompatibilitas Cross-Chain (2024): Tim menggunakan teknologi integrasi Distributed Hash Table (DHT) untuk meningkatkan efisiensi penyimpanan dan pengambilan data. Proyek ini juga mulai fokus pada mempromosikan dan memperluas subnet dan pasar barang digitalnya.

Gambar 2: Gambar Promosi Jaringan Bittensor

Dalam proses pengembangan Bittensor, tidak banyak VC tradisional yang terlibat, menghindari risiko kontrol terpusat. Proyek ini memberikan insentif kepada node dan penambang melalui token, yang juga menjamin vitalitas jaringan Bittensor. Pada intinya, Bittensor adalah proyek kekuatan komputasi AI dan layanan yang didukung oleh penambang GPU.

Tokenomika

Token jaringan Bittensor adalah TAO. Untuk mengekspresikan kekagumannya terhadap Bitcoin, TAO mirip dengan BTC dalam banyak aspek. Pasokan totalnya adalah 21 juta koin, yang dibagi setengahnya setiap empat tahun. Token TAO didistribusikan melalui peluncuran adil saat jaringan Bittensor diluncurkan. Tidak ada pra-penambangan, sehingga tidak ada token yang disediakan untuk tim pendiri dan VC. Saat ini, blok jaringan Bittensor dihasilkan kira-kira setiap 12 detik. Setiap blok menghasilkan pengguna 1 $TAO. Sekitar 7200 TAO dihasilkan setiap hari. Hadiah ini sekarang didistribusikan ke setiap subnet berdasarkan kontribusi dan kemudian didistribusikan ke pemilik, validator, dan penambang dalam subnet.

Gambar Promosi Komunitas Bittensor: Gambar 3

Token TAO dapat digunakan untuk membeli dan memperoleh sumber daya komputasi, data, dan model AI di jaringan Bittensor, dan juga merupakan sertifikat untuk berpartisipasi dalam tata kelola komunitas.

Status Pengembangan Saat Ini

Jumlah total akun di jaringan Bittensor kini telah melampaui 100.000, dengan lebih dari 80.000 akun memiliki saldo non-nol.

Gambar 4: Perubahan Nomor Akun Bittensor

Selama setahun terakhir, harga TAO telah melonjak beberapa kali lipat, mencapai kapitalisasi pasar sebesar $2.278 miliar, dengan harga token saat ini sebesar $321.

Gambar 5: Perubahan Harga Token TAO

Implementasi Bertahap Arsitektur Subnet

protokol Bittensor

Protokol Bittensor adalah protokol pembelajaran mesin terdesentralisasi yang memungkinkan partisipan jaringan untuk bertukar kemampuan dan prediksi pembelajaran mesin. Ini memfasilitasi berbagi dan kolaborasi model dan layanan pembelajaran mesin secara peer-to-peer.

Gambar 6: Protokol Bittensor

Protokol Bittensor mencakup arsitektur jaringan, sub-tensor, arsitektur subnet, node validator, node penambang dalam ekosistem subnet, dan banyak lagi. Secara esensial, jaringan Bittensor terdiri dari kelompok node yang berpartisipasi dalam protokol tersebut, dengan setiap node menjalankan perangkat lunak klien Bittensor untuk berinteraksi dengan jaringan lain. Node-node ini dikelola oleh subnet, yang beroperasi dengan basis survival-of-the-fittest. Subnet yang berkinerja buruk digantikan oleh yang baru, dan validator dan penambang yang tidak berkinerja baik di dalam setiap subnet juga dikeluarkan. Dengan demikian, subnet adalah komponen penting dari arsitektur jaringan Bittensor.

Logika Subnet

Subnet dapat dianggap sebagai potongan kode yang beroperasi secara independen yang menetapkan insentif dan fungsi pengguna yang unik, sambil mempertahankan antarmuka konsensus yang sama dengan mainnet Bittensor. Subnet dikategorikan ke dalam subnet lokal, subnet testnet, dan subnet mainnet. Tidak termasuk subnet root, saat ini ada 45 subnet, dengan jumlah yang diperkirakan akan tumbuh dari 32 menjadi 64 antara Mei dan Juli 2024, menambahkan empat subnet baru setiap minggu.

Peran dan Emisi Subnet

Seluruh jaringan Bittensor mencakup enam peran fungsional: pengguna, pengembang, penambang, validator pemegang, pemilik subnet, dan komite. Dalam sebuah subnet, peran terdiri dari pemilik subnet, penambang, dan validator pemegang.

1. Pemilik Subnet: Pemilik subnet bertanggung jawab untuk menyediakan penambang dasar dan kode validator. Mereka dapat menetapkan mekanisme insentif tambahan yang unik dan mengalokasikan insentif kerja kepada penambang.
2. Penggali: Node penambang didorong untuk mengulang server dan kode penambangan mereka agar tetap unggul dalam persaingan di dalam subnet yang sama. Penambang dengan emisi terendah akan digantikan oleh penambang baru dan harus mendaftarkan ulang node mereka. Terutama, penambang dapat mengoperasikan beberapa node di berbagai subnet.
3. Validator: Validator diberi imbalan atas penilaian mereka terhadap kontribusi setiap subnet dan memastikan kebenarannya. Mereka juga dapat mempertaruhkan token TAO pada node validator, yang menghasilkan imbalan pertaruhan sebesar 0-18% (dapat disesuaikan).

Emisi Subnet merujuk pada mekanisme dalam jaringan Bittensor yang mendistribusikan token TAO sebagai hadiah kepada penambang dan validator. Biasanya, hadiah emisi dalam subnet dirancang untuk mengalokasikan 18% kepada pemilik subnet, 41% kepada validator, dan 41% kepada penambang. Subnet terdiri dari 256 slot UID, dengan 64 slot UID dialokasikan kepada validator dan 192 slot UID kepada penambang. Hanya 64 validator teratas dengan jumlah penempatan tertinggi yang dapat memperoleh izin validator dan diakui sebagai validator aktif dalam subnet. Jumlah penempatan dan kinerja validator menentukan peringkat dan hadiah mereka dalam subnet. Kinerja penambang dievaluasi dan dinilai berdasarkan permintaan dan penilaian oleh validator subnet. Penambang yang kurang berkinerja digantikan oleh penambang yang baru terdaftar. Oleh karena itu, semakin besar jumlah total token yang ditetapkan oleh validator, dan semakin tinggi efisiensi komputasi penambang, semakin tinggi emisi total subnet, yang menghasilkan peringkat yang lebih baik.

Pendaftaran dan Penggantian Subnet

Setelah pendaftaran, subnet memasuki periode kekebalan selama 7 hari. Biaya pendaftaran awal adalah 100 $TAO, dan biaya akan berlipat ganda saat pendaftaran ulang, akhirnya berkurang kembali menjadi 100 $TAO seiring berjalannya waktu. Ketika semua slot subnet terisi, mendaftarkan subnet baru akan mengakibatkan penghapusan subnet dengan emisi terendah yang tidak berada dalam periode kekebalan untuk mengakomodasi subnet baru. Oleh karena itu, subnet harus memaksimalkan jumlah staking dalam slot UID dan efisiensi penambang untuk menghindari penghapusan setelah periode kekebalan berakhir.

Gambar 7: Nama Subnet

Memanfaatkan arsitektur sub-jaringan dari jaringan Bittensor, jaringan data AI terdesentralisasi Masa diimplementasikan dan menjadi sistem imbalan mata uang ganda pertama di jaringan Bittensor, menarik pendanaan sebesar US$18 juta.

Gambar 8: Promosi Masa

Konsensus dan Mekanisme Bukti

Jaringan Bittensor menggabungkan berbagai konsensus dan mekanisme bukti. Dalam jaringan terdesentralisasi tradisional, node penambang biasanya menggunakan PoW (Proof of Work) untuk memastikan kontribusinya pada jaringan, mendapatkan imbalan berdasarkan kekuatan komputasi dan kualitas pemrosesan data mereka. Node validator seringkali beroperasi di bawah mekanisme PoV (Proof of Validation), yang memastikan keamanan dan integritas jaringan. Namun, dalam jaringan Bittensor, mekanisme PoI (Proof of Intelligence) yang inovatif, dikombinasikan dengan Konsensus Yuma, digunakan untuk mencapai validasi dan distribusi imbalan.

Mekanisme Bukti Kecerdasan

Mekanisme PoI Bittensor adalah sistem validasi dan insentif unik yang mengukur kontribusi peserta melalui penyelesaian tugas komputasi cerdas. Hal ini memastikan keamanan jaringan, kualitas data, dan penggunaan sumber daya komputasi yang efisien.

Node penambang membuktikan pekerjaan mereka dengan menyelesaikan tugas komputasi cerdas, yang mungkin termasuk pemrosesan bahasa alami, analisis data, pelatihan model pembelajaran mesin, dan lain-lain.

Tugas-tugas ditugaskan oleh validator kepada penambang, yang kemudian menyelesaikan tugas-tugas tersebut dan mengembalikan hasilnya kepada validator. Validator menilai kualitas penyelesaian tugas dan menetapkan skor sesuai dengan itu.

Konsensus Yuma

Yuma Consensus adalah mekanisme konsensus inti dalam jaringan Bittensor. Setelah validator menilai tugas yang selesai, skor tersebut dimasukkan ke dalam algoritma Yuma Consensus. Dalam algoritma ini, validator dengan jumlah TAO yang dipertaruhkan lebih tinggi memiliki bobot yang lebih besar dalam skor mereka. Algoritma ini menyaring hasil yang secara signifikan menyimpang dari mayoritas validator. Akhirnya, sistem mengalokasikan hadiah token berdasarkan skor yang diagregasi.

Gambar 9: Ilustrasi Algoritma Konsensus

1. Prinsip Agnostisisme Data: Prinsip ini memastikan privasi dan keamanan selama proses data. Node-node dapat menyelesaikan perhitungan dan validasi tanpa perlu memahami konten spesifik dari data yang mereka tangani.
2. Reward Berbasis Kinerja: Reward dialokasikan berdasarkan kinerja dan kontribusi dari node, memastikan sumber daya komputasi dan pemrosesan data yang efisien dan berkualitas tinggi.

Kolaborasi Mekanisme MOE

Bittensor mengintegrasikan mekanisme MOE (Mixture of Experts) dalam jaringan, yang menggabungkan beberapa sub-model tingkat ahli ke dalam arsitektur model tunggal. Setiap model ahli memiliki keuntungan relatif saat menangani masalah domain tertentu. Oleh karena itu, ketika data baru diperkenalkan ke dalam arsitektur model, sub-model yang berbeda dapat bekerja sama, menghasilkan hasil yang lebih baik daripada yang dapat dicapai oleh model tunggal.

Dalam mekanisme Yuma Consensus, validator juga dapat memberi skor dan peringkat pada model ahli berdasarkan kemampuan mereka, dan mendistribusikan hadiah token sesuai. Hal ini mendorong optimalisasi dan peningkatan model.

Gambar 10: Pendekatan Pemecahan Masalah

Proyek Subnet

Saat penulisan, jumlah subnet terdaftar di jaringan Bittensor telah mencapai 45, dengan 40 di antaranya resmi dinamai. Di masa lalu, ketika jumlah subnet terbatas, persaingan untuk pendaftaran subnet sangat ketat, dengan harga pendaftaran melambung hingga satu juta USD. Saat ini, Bittensor secara bertahap membuka lebih banyak slot untuk pendaftaran subnet. Subnet yang baru terdaftar mungkin tidak sebanding dengan stabilitas dan efektivitas model yang sudah beroperasi lebih lama. Namun, karena mekanisme eliminasi subnet yang diperkenalkan oleh Bittensor, proses ini akan, dalam jangka panjang, memihak pada kelangsungan hidup yang paling cocok. Subnet dengan kinerja model yang buruk dan kemampuan yang tidak mencukupi akan sulit bertahan.

Gambar 11: Detail Proyek Subnet Bittensor

Mengesampingkan subnet akar, subnet 19, 18, dan 1 telah menarik perhatian signifikan, dengan pangsa emisi masing-masing sebesar 8,72%, 6,47%, dan 4,16%.

Subnet 19

Subnet 19, bernama Vision, didaftarkan pada 18 Desember 2023. Visi berfokus pada pembuatan gambar dan inferensi yang terdesentralisasi. Jaringan ini menyediakan akses ke LLM sumber terbuka terbaik, model pembuatan gambar (termasuk yang dilatih pada himpunan data Subnet 19), dan model lain-lain, seperti menyematkan model.

Saat ini, biaya pendaftaran untuk slot sub-jaringan Vision adalah 3,7 TAO. Pendapatan total node selama 24 jam sekitar 627,84 TAO, dan node telah mendapatkan kembali sekitar 64,79 TAO dalam 24 jam terakhir. Jika node yang baru terdaftar mencapai tingkat kinerja rata-rata, penghasilan harian bisa mencapai sebesar 2,472 TAO, setara dengan sekitar $866.

Gambar 12: Data Biaya Pendaftaran Subnet Visi

Saat ini, total nilai node yang direklamasi untuk subnet Vision adalah sekitar 19.200 TAO.

Gambar 13: Biaya reklamasi Vision Subnet

Subnet 18

Subnet 18, bernama Cortex.t, dikembangkan oleh Corcel. Cortex.t didedikasikan untuk membangun platform Kecerdasan Buatan mutakhir yang menyediakan pengguna dengan respon teks dan gambar yang handal dan berkualitas tinggi melalui API.

Saat ini, biaya pendaftaran untuk slot subnet Cortex.t adalah 3,34 TAO. Pendapatan total node selama 24 jam adalah sekitar 457,2 TAO, dan node telah mengklaim sekitar 106,32 TAO dalam 24 jam terakhir. Jika node yang baru terdaftar mencapai tingkat kinerja rata-rata, pendapatan harian bisa mencapai 1,76 TAO, setara dengan sekitar $553,64.

Gambar 14: Data Biaya Pendaftaran Subnet Cortex.t

Saat ini, total nilai node yang diklaim untuk sub jaringan Cortex.t sekitar 27.134 TAO.

Gambar 15: Biaya Reklamasi Subnet Cortex.t

Subnet 1

Subnet 1 dikembangkan oleh Opentensor Foundation dan merupakan subnet terdesentralisasi yang khusus dalam generasi teks. Sebagai proyek pertama di bawah subnet Bittensor, awalnya menghadapi skeptisisme yang signifikan. Pada Maret tahun ini, pendiri Taproot Wizards, Eric Wall, menyebut token TAO Bittensor sebagai 'meme coin' dalam ruang AI dan mengkritik Subnet 1 karena menghasilkan hasil yang serupa di ratusan node saat menjawab pertanyaan berbasis teks, gagal secara efektif meningkatkan hasil pemecahan masalah.

Lainnya

Dalam hal kategori model, Subnet 19, 18, dan 1 semuanya termasuk dalam kategori model generatif. Selain itu, ada model pemrosesan data besar, model AI perdagangan, dan lain-lain. Misalnya, Subnet 22, Meta Search, menganalisis data Twitter untuk memberikan sentimen pasar, dan Subnet 2, Omron, mengoptimalkan strategi staking melalui pembelajaran jaringan saraf dalam.

Dari perspektif risiko pendapatan: Jika node yang baru terdaftar dapat berhasil beroperasi selama beberapa minggu, ia menawarkan potensi pendapatan yang besar. Namun, jika node tidak dapat menggunakan GPU berkinerja tinggi dan mengoptimalkan algoritma lokal, akan sulit untuk bertahan dalam persaingan dengan node lain.

Pengembangan Masa Depan

Dalam hal popularitas: Konsep AI sama panasnya dengan konsep Web3, jika tidak lebih, dengan sebagian besar modal yang mungkin mengalir ke industri Web3 kini tertarik pada AI. Oleh karena itu, Web3+AI kemungkinan akan tetap menjadi fokus pasar untuk waktu yang lama.

Dari perspektif arsitektur proyek: Bittensor bukanlah proyek yang didukung oleh VC tradisional; sejak diluncurkan, nilainya telah meningkat beberapa kali lipat, didukung oleh teknologi dan permintaan pasar.

Dari sudut pandang inovasi teknologi: Bittensor telah memecahkan pola masa lalu proyek Web3+AI yang bekerja secara independen. Arsitektur subnet inovatifnya dapat menurunkan hambatan bagi tim AI-competent untuk bermigrasi ke jaringan terdesentralisasi dan dengan cepat menghasilkan pendapatan. Selain itu, karena mekanisme eliminasi kompetitif, proyek subnet harus terus mengoptimalkan model dan meningkatkan staking untuk menghindari digantikan oleh subnet baru.

Dari perspektif risiko: Karena Bittensor meningkatkan jumlah slot subnet, itu pasti menurunkan ambang pendaftaran, meningkatkan kemungkinan proyek berkualitas rendah memasuki campuran. Pada saat yang sama, seiring dengan meningkatnya jumlah subnet, hadiah TAO untuk subnet yang terdaftar sebelumnya akan menurun secara bertahap. Jika harga token TAO tidak naik sesuai dengan jumlah subnet, pengembalian mungkin jauh dari harapan.

Disclaimer:

1. Artikel ini dicetak ulang dari [PANews]. Semua hak cipta dimiliki oleh penulis asli [rustless Labs]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penolakan Tanggung Jawab: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.