Bittensor: Subnet AI yang Mendefinisikan Ulang Kecerdasan Kolektif

Latar Belakang Revolusi AI

Kebangkitan AI

Dengan perkembangan teknologi kecerdasan buatan (AI) yang pesat, kita memasuki era baru yang digerakkan oleh data. Terobosan di berbagai bidang seperti pembelajaran mendalam dan pemrosesan bahasa alami telah membuat aplikasi AI ada di mana-mana.

Kelahiran ChatGPT pada tahun 2022 memicu industri AI, yang mengarah pada serangkaian alat AI untuk tugas-tugas seperti pembuatan video dan pekerjaan kantor otomatis, dan konsep “AI +” sekarang ada dalam agenda. Nilai pasar industri AI juga melonjak, diperkirakan akan mencapai $185 miliar pada tahun 2030.

Monopoli Perusahaan Internet Tradisional terhadap AI

Saat ini, industri AI didominasi oleh perusahaan-perusahaan seperti Nvidia, Microsoft, Google, dan OpenAI. Meskipun kemajuan teknologi telah membawa sentralisasi data dan distribusi sumber daya komputasi yang tidak merata, filosofi desentralisasi Web3 menawarkan kemungkinan baru untuk mengatasi masalah ini. Dalam jaringan terdistribusi Web3, lanskap pengembangan AI saat ini siap untuk dibentuk ulang.

Kemajuan Web3+AI

Di tengah ledakan industri AI, banyak proyek Web3+AI berkualitas tinggi bermunculan. Fetch.ai menggunakan 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 dan memberikan insentif kepada para pengembang model melalui mekanisme penghargaan. Velas membangun platform kontrak pintar berkinerja tinggi yang menggabungkan AI dan blockchain, menawarkan kecepatan transaksi yang lebih cepat dan keamanan yang lebih tinggi.

Proyek AI sendiri mencakup tiga elemen utama: data, algoritma, dan daya komputasi. Sementara jalur Web3+data dan Web3+daya komputasi berkembang pesat, arah Web3+algoritma telah terfragmentasi, sehingga menghasilkan proyek yang hanya membentuk aplikasi satu arah.

Bittensor mengatasi kesenjangan ini dengan membangun platform algoritma AI dengan mekanisme seleksi dan kompetisi bawaan melalui struktur kompetitif dan insentif yang melekat pada blockchain, melestarikan proyek-proyek AI terbaik.

Jalur Pengembangan Bittensor

Terobosan Inovatif

Bittensor adalah jaringan pembelajaran mesin berinsentif terdesentralisasi dan pasar barang digital.

• Desentralisasi: Bittensor beroperasi pada jaringan terdistribusi yang terdiri dari ribuan komputer yang dikendalikan oleh berbagai perusahaan dan organisasi, memecahkan masalah seperti sentralisasi data.
• Mekanisme Insentif yang Adil: Jaringan Bittensor menyediakan token $TAO yang sebanding dengan kontribusi subnetnya, dan subnet memberi penghargaan kepada penambang dan validatornya yang sebanding dengan kontribusi node mereka.
• Sumber Daya Pembelajaran Mesin: Jaringan terdesentralisasi dapat melayani setiap individu yang membutuhkan sumber daya komputasi pembelajaran mesin.
• Pasar Barang Digital yang Beragam: Awalnya dirancang untuk memperdagangkan model pembelajaran mesin dan data terkait, pasar barang digital jaringan Bittensor telah berkembang untuk memperdagangkan segala bentuk data, berkat perluasan jaringan dan mekanisme konsensus Yuma yang tidak memperhatikan substansi data.

Garis Waktu Pengembangan

Tidak seperti banyak proyek VC bernilai tinggi yang saat ini ada di pasar, Bittensor adalah proyek geek yang lebih adil, menarik, dan bermakna. Proses pengembangannya tidak memiliki pendekatan “terlalu menjanjikan untuk menarik investasi” seperti yang terlihat pada proyek-proyek lain.

• Pembentukan Konsep dan Peluncuran Proyek (2021): Diciptakan oleh sekelompok penggemar dan ahli yang berdedikasi untuk memajukan jaringan AI terdesentralisasi, Bittensor dibangun menggunakan kerangka kerja Substrat untuk memastikan fleksibilitas dan skalabilitasnya.
• Pengembangan Awal dan Validasi Teknis (2022): Tim merilis versi Alpha untuk memverifikasi kelayakan AI terdesentralisasi, memperkenalkan konsensus Yuma yang menekankan prinsip agnostisisme data untuk menjaga privasi pengguna.
• Perluasan Jaringan dan Pembangunan Komunitas (2023): Tim ini merilis versi Beta dan memperkenalkan model ekonomi token (TAO) untuk memberi insentif pada pemeliharaan jaringan.
• Inovasi Teknologi dan Kompatibilitas Lintas Rantai (2024): Tim ini menggunakan teknologi integrasi DHT (Distributed Hash Table) untuk penyimpanan dan pengambilan data yang lebih efisien. Proyek ini juga mulai berfokus pada promosi dan perluasan lebih lanjut dari subnet dan pasar barang digital.

Selama pengembangannya, Bittensor menghindari keterlibatan VC tradisional yang signifikan, sehingga mengurangi risiko kontrol terpusat. Proyek ini memberikan insentif kepada node dan penambang melalui token, untuk memastikan vitalitas jaringan. Pada dasarnya, Bittensor adalah proyek daya komputasi dan layanan AI yang digerakkan oleh penambang GPU.

Ekonomi Token

Token jaringan Bittensor adalah TAO, yang merupakan penghormatan kepada Bitcoin, yang memiliki beberapa kemiripan dengan BTC. Total pasokannya adalah 21 juta, dengan acara pembagian dua setiap empat tahun. Token TAO didistribusikan melalui peluncuran yang adil pada awal jaringan, tanpa pra-penambangan atau pemesanan token untuk tim pendiri atau VC.

Saat ini, sebuah blok jaringan Bittensor dibuat kira-kira setiap 12 detik, dengan setiap blok memberi hadiah 1 token TAO, menghasilkan sekitar 7.200 TAO yang dihasilkan setiap hari. Imbalan ini didistribusikan secara proporsional dengan kontribusi masing-masing subnet dan di dalam subnet kepada pemilik, validator, dan penambang.

Token TAO dapat digunakan untuk membeli dan mengakses sumber daya komputasi, data, dan model AI di jaringan Bittensor dan berfungsi sebagai kredensial untuk berpartisipasi dalam tata kelola komunitas.

Status Pengembangan Saat Ini

Jaringan Bittensor saat ini memiliki lebih dari 100.000 akun, dengan lebih dari 80.000 akun bersaldo tidak nol.

Pada tahun lalu, TAO telah melonjak beberapa kali lipat, dengan kapitalisasi pasar saat ini sebesar $2,278 miliar dan harga $321.

Arsitektur Subnet Bittensor yang Diimplementasikan Secara Bertahap

Protokol Bittensor

Protokol Bittensor adalah protokol pembelajaran mesin terdesentralisasi yang memfasilitasi pertukaran kemampuan dan prediksi pembelajaran mesin di antara peserta jaringan dan mempromosikan pembagian dan kolaborasi model dan layanan pembelajaran mesin secara peer-to-peer.

Protokol Bittensor mencakup arsitektur jaringan, subtensor, arsitektur subnet, dan peran dalam ekosistem subnet seperti node validator dan node penambang. Jaringan Bittensor pada dasarnya terdiri dari node-node yang berpartisipasi dalam protokol, masing-masing menjalankan perangkat lunak klien Bittensor untuk berinteraksi dengan node jaringan lainnya.

Node-node ini dikelola oleh subnet, yang menggunakan mekanisme survival-of-the-fittest di mana subnet yang berkinerja buruk digantikan oleh yang baru, dan node validator dan penambang yang berkinerja buruk di dalam subnet juga dihilangkan. Dengan demikian, subnet adalah komponen penting dari arsitektur jaringan Bittensor.

Logika Subnet

Subnet dapat dilihat sebagai segmen kode yang berjalan secara independen yang menetapkan insentif dan fungsi pengguna yang unik, sambil mempertahankan antarmuka konsensus yang sama dengan mainnet Bittensor. Subnet meliputi subnet lokal, subnet testnet, dan subnet mainnet.

Selain subnet root, saat ini terdapat 45 subnet, dengan jumlah yang diperkirakan akan bertambah dari 32 menjadi 64 antara bulan Mei dan Juli 2024, dengan empat subnet baru yang ditambahkan setiap minggunya.

Peran dan Emisi dalam Subnet

Jaringan Bittensor terdiri dari enam peran fungsional: pengguna, pengembang, penambang, validator staker, pemilik subnet, dan komite. Di dalam sebuah subnet, peran termasuk pemilik subnet, penambang, dan validator staker.

• Pemilik Subnet: Bertanggung jawab untuk menyediakan kode dasar penambang dan validator, menetapkan mekanisme insentif tambahan yang unik, dan mendistribusikan insentif kerja penambang.
• Penambang: Penambang didorong untuk mengulang server dan kode penambangan agar tetap kompetitif dalam subnet yang sama. Penambang dengan emisi terendah akan digantikan oleh penambang baru dan perlu mendaftarkan ulang node mereka. Khususnya, penambang dapat menjalankan beberapa node di beberapa subnet.
• Validator: Validator mengukur kontribusi setiap subnet dan memastikan kebenarannya, dan mendapatkan imbalan yang sesuai. Mereka dapat mempertaruhkan token TAO pada node validator, dengan node validator menerima 0-18% (dapat disesuaikan) imbalan staking.

Emisi subnet merujuk pada mekanisme distribusi token TAO yang memberikan hadiah kepada penambang dan validator. Biasanya, 18% dari hadiah emisi subnet diberikan kepada pemilik subnet, 41% kepada validator, dan 41% kepada penambang. Sebuah subnet berisi 256 slot UID, dengan 64 slot dialokasikan untuk validator dan 192 untuk penambang.

Hanya 64 staker teratas yang dapat memperoleh izin validator dan dianggap sebagai validator aktif dalam subnet. Volume dan performa staking validator menentukan status dan penghargaan mereka di dalam subnet. Performa penambang dinilai melalui permintaan dan evaluasi oleh validator subnet, dengan penambang yang berkinerja buruk digantikan oleh penambang baru.

Dengan demikian, semakin banyak token yang dipertaruhkan oleh validator dan semakin efisien perhitungan penambang, semakin tinggi total emisi dan peringkat subnet.

Pendaftaran dan Penghapusan Subnet

Setelah pendaftaran, sebuah subnet memasuki periode kekebalan 7 hari. Biaya pendaftaran awal adalah 100 $TAO, dan harganya menjadi dua kali lipat untuk pendaftaran ulang, meskipun secara bertahap kembali ke 100 $TAO seiring waktu. Ketika semua slot subnet terisi, pendaftaran subnet baru akan menghasilkan penghapusan subnet dengan emisi terendah yang tidak berada dalam periode kekebalannya. Oleh karena itu, subnet perlu memaksimalkan jumlah staking di slot UID dan efisiensi penambang untuk menghindari eliminasi pasca kekebalan.

Memanfaatkan arsitektur subnet Bittensor, jaringan data AI terdesentralisasi Masa telah didirikan, menjadi sistem hadiah token ganda pertama dalam jaringan Bittensor, yang menarik pendanaan sebesar $18 juta.

Konsensus dan Mekanisme Pembuktian

Jaringan Bittensor menggabungkan beberapa mekanisme konsensus dan pembuktian. Dalam jaringan terdesentralisasi tradisional, node penambang sering kali menggunakan PoW (Proof of Work) untuk memastikan kontribusi mereka terhadap jaringan, menerima imbalan berdasarkan daya komputasi dan kualitas pemrosesan data.

Untuk node validator, PoV (Proof of Validation) biasanya digunakan untuk memastikan keamanan dan integritas jaringan. Bittensor memperkenalkan mekanisme PoI (Proof of Intelligence) yang unik bersama dengan konsensus Yuma untuk memfasilitasi validasi dan distribusi reward.

Bukti Mekanisme Intelijen

Mekanisme PoI Bittensor adalah sistem validasi dan insentif inovatif yang memastikan keamanan jaringan, kualitas data, dan pemanfaatan sumber daya komputasi yang efisien dengan memvalidasi kontribusi peserta melalui tugas-tugas komputasi yang cerdas.

• Node penambang membuktikan kinerjanya dengan menyelesaikan tugas-tugas komputasi cerdas seperti pemrosesan bahasa alami, analisis data, dan pelatihan model pembelajaran mesin.
• Tugas diberikan oleh validator kepada para penambang, yang kemudian mengembalikan hasilnya kepada validator untuk dinilai berdasarkan kualitas penyelesaian tugas.

Konsensus Yuma

Konsensus Yuma adalah mekanisme inti dari jaringan Bittensor. Setelah validator menilai penyelesaian tugas, mereka memasukkan skor ke dalam algoritma konsensus Yuma. Dalam algoritme ini, validator dengan bobot TAO yang dipertaruhkan lebih tinggi memiliki pengaruh yang lebih besar, dan hasil yang tidak sesuai akan disaring. Sistem kemudian mengalokasikan hadiah token berdasarkan penilaian komprehensif.

• Agnostisisme Data: Memastikan privasi dan keamanan dalam pemrosesan data, memungkinkan node untuk melakukan komputasi dan validasi tanpa mengetahui konten data yang sebenarnya.
• Imbalan Berbasis Kinerja: Hadiah didistribusikan berdasarkan kinerja dan kontribusi node, memastikan komputasi dan pemrosesan data yang efisien dan berkualitas tinggi.

Kolaborasi Mekanisme KLH

Bittensor memperkenalkan mekanisme MOE (Mixture of Experts), yang mengintegrasikan beberapa sub-model tingkat ahli dalam satu arsitektur model. Setiap model pakar memiliki keunggulan relatif dalam memecahkan masalah domain tertentu. Ketika data baru diperkenalkan, sub-model yang berbeda berkolaborasi untuk mencapai hasil yang lebih baik daripada model tunggal.

Di bawah konsensus Yuma, validator juga dapat menilai model ahli, memberi peringkat kemampuan mereka, dan mengalokasikan hadiah token, memberi insentif untuk pengoptimalan dan peningkatan model.

Proyek Subnet Bittensor

Pada saat tulisan ini dibuat, Bittensor memiliki 45 subnet yang terdaftar, dengan 40 subnet yang telah diberi nama. Di masa lalu, persaingan pendaftaran subnet sangat ketat, dengan biaya mencapai satu juta dolar. Saat ini, Bittensor secara bertahap membuka lebih banyak slot pendaftaran subnet.

Subnet yang baru didaftarkan mungkin tidak cocok dengan stabilitas dan keampuhan model dari subnet yang sudah berjalan lama. Namun, mekanisme eliminasi Bittensor memastikan proses di mana subnet yang berkualitas lebih tinggi mengungguli subnet yang berkualitas lebih rendah dari waktu ke waktu.

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

Subnet 19

Subnet 19, bernama Vision, didaftarkan pada tanggal 18 Desember 2023. Vision berfokus pada pembuatan gambar dan inferensi yang terdesentralisasi, menyediakan akses ke LLM sumber terbuka, model pembuatan gambar, dan model lain yang dilatih pada dataset subnet 19.

• Biaya Pendaftaran: 3.7 TAO
• Pendapatan Simpul 24 jam: Sekitar 627,84 TAO
• Pemulihan Node 24 jam: Sekitar 64,79 TAO
• Pendapatan Simpul Rata-Rata Harian: 2,472 TAO (sekitar $866)

Saat ini, subnet Vision memulihkan nilai total node sekitar 19.200 TAO.

Subnet 18

Subnet 18, bernama Cortex.t, yang dikembangkan oleh Corcel, bertujuan untuk membangun platform AI mutakhir yang menawarkan respons teks dan gambar berkualitas tinggi yang dapat diandalkan melalui API.

• Biaya Pendaftaran: 3,34 TAO
• Pendapatan Simpul 24 jam: Sekitar 457,2 TAO
• Pemulihan Node 24 jam: Sekitar 106,32 TAO
• Pendapatan Simpul Rata-Rata Harian: 1,76 TAO (sekitar $553,64)

Saat ini, subnet Cortex.t memulihkan nilai total node sekitar 27.134 TAO.

Subnet 1

Subnet 1, yang dikembangkan oleh Opentensor Foundation, mengkhususkan diri pada pembuatan teks dalam subnet yang terdesentralisasi. Sebagai proyek subnet Bittensor pertama, proyek ini menghadapi skeptisisme yang signifikan. Pada bulan Maret, pendiri Taproot Wizards, Eric Wall, menyebut token TAO sebagai koin meme di bidang AI, menunjukkan bahwa pendekatan pemecahan masalah teks subnet 1 dengan banyak node AI tidak secara efektif meningkatkan hasil pemecahan masalah.

Subnet Lainnya

Di antara subnet lainnya, ada model pemrosesan data yang besar, model AI perdagangan, dan banyak lagi. Sebagai contoh:

• Subnet 22 Pencarian Meta: Menganalisis data Twitter untuk memberikan sentimen pasar.
• Subnet 2 Omron: Mengoptimalkan strategi staking menggunakan jaringan saraf dalam.

Pengembangan Masa Depan

Dari perspektif panas, konsep AI menyaingi konsep Web3, menarik investasi yang besar. Web3 + AI kemungkinan akan tetap menjadi fokus pasar untuk waktu yang cukup lama.

Dari perspektif struktur proyek, Bittensor bukanlah proyek VC tradisional. Sejak diluncurkan, proyek ini telah mengalami peningkatan yang signifikan, menggabungkan dukungan teknis dan pasar.

Dari perspektif inovasi teknis, Bittensor mematahkan isolasi proyek-proyek Web3 + AI sebelumnya. Arsitektur subnetnya yang unik menurunkan hambatan bagi tim AI untuk bermigrasi ke jaringan yang terdesentralisasi, dengan cepat mendapatkan keuntungan. Mekanisme kompetisi dan eliminasi mengharuskan subnet untuk terus mengoptimalkan model dan meningkatkan taruhan agar tidak tersaingi oleh subnet baru.

Dari perspektif risiko, peningkatan slot subnet menurunkan hambatan pendaftaran, yang berpotensi mengundang proyek berkualitas rendah. Seiring bertambahnya jumlah subnet, imbalan TAO untuk subnet yang ada akan berkurang. Jika harga token TAO tidak naik seiring dengan bertambahnya jumlah subnet, keuntungan yang diharapkan mungkin tidak akan tercapai.