Yazan: Chloe Zheng

Sequoia Capital'in 2023 tarihli bir araştırmasına göre, geliştiricilerin %85'i sıfırdan eğitmek yerine mevcut modelleri ince ayarlamayı tercih ediyor. Son eğilimler bunu daha da doğruluyor: DeepSeek, modelini açık kaynaklı hale getirdi ve akıl yürütme mantığını öğretmen modelinden (büyük model) öğrenci modeline (küçük model) aktaran, bilgi sıkıştırmayı ve performans tutmayı optimize eden model damıtma teknolojisini tanıttı. Benzer şekilde OpenAI'nin ChatGPT O3 versiyonu da eğitim sonrası ve takviyeli öğrenmeye vurgu yapıyor. Bittensor, yapay zeka modellerinin işbirliğini ve paylaşımını destekleyen açık ve merkezi olmayan bir platform sunuyor. Temmuz 2024'te Bittensor ve Cerebras, Hugging Face'te 16.000'den fazla indirme alan BTLM-3b-8k açık kaynaklı büyük dil modelini (LLM) yayınladı ve Bittensor'un teknik yeteneklerini tam olarak ortaya koydu.

Bittensor 2021 yılında piyasaya sürülmesine rağmen, 2024'ün 4. çeyreğindeki AI Agent çılgınlığı sırasında neredeyse hiç görünmedi ve token fiyatı durgun kaldı. Bittensor, token ihracını optimize etmeyi, adaleti iyileştirmeyi ve likiditeyi artırmayı amaçlayan dTAO yükseltmesini 13 Şubat 2025'te başlattı. Bu değişiklik, Virtuals Protocol'ün AI Agent LaunchPad'i piyasaya sürmesine benziyor; bunun etkisi $VIRTUAL'ın piyasa değerinin 2024'te 50 kat artmasına neden oldu.

"dTAO ve Bittensor'un Evrimi: Piyasa Odaklı Teşviklerle Açık Kaynaklı Yapay Zeka Ekosisteminin Yeniden Şekillendirilmesi" adlı rapor, 13 Şubat'ta tamamlanan dTAO yükseltmesinin Bittensor ekosistemi üzerindeki etkisini derinlemesine analiz ederek mimari inovasyonuna, ekonomik modeline ve genel ekolojik dinamiklerine odaklanıyor.

Bittensor sistemindeki hesap sayısı 2024 yılı başında 100.000'den yaklaşık 200.000'e çıkarak %100 arttı.

1. Bittensor'un temel mimarisi

Bittensor sistemi aşağıdaki üç ana modülden oluşur:

1. Subtensor parachain ve EVM uyumluluk katmanı (tao evm):Subtensor, Polkadot'un Substrate SDK'sına dayalı olarak geliştirilen ve Bittensor ağının blok zinciri katmanını yönetmekten sorumlu bir Layer1 blok zinciridir. EVM uyumluluk katmanı (tao evm), geliştiricilerin Ethereum akıllı sözleşmelerini ağ üzerinde dağıtmasına ve çalıştırmasına olanak tanıyarak sistemin ölçeklenebilirliğini ve uyumluluğunu artırır. Subtensor blok zinciri her 12 saniyede bir blok üretir ve her blok bir TAO tokeni üretir. Ayrıca, Subtensor, doğrulayıcının puan ağırlığı ve stake edilen token sayısı da dahil olmak üzere alt ağdaki temel etkinlikleri kaydeder. Her 360 blokta (yaklaşık 72 dakikada bir), Yuma konsensüs algoritması 64 alt ağ tarafından elde edilen tokenları (Emisyonları) hesaplar.

2. Alt ağlar: Bittensor ağı, her biri belirli bir yapay zeka modeli veya uygulama senaryosuna odaklanan 64 alt ağdan oluşur. Bu modüler yapı, ağın verimliliğini ve performansını artırıyor ve farklı yapay zeka modellerinin uzmanlaşmasını teşvik ediyor. Her alt ağ için teşvik mekanizması, tokenların madenciler ve doğrulayıcılar arasında nasıl dağıtılacağını belirleyen alt ağ sahibi tarafından belirlenir. Örneğin, Alt Ağ 1, Opentensor Vakfı tarafından işletiliyor ve görevi Metin İstemi. Bu alt ağda, doğrulayıcılar ChatGPT'ye benzer istemler sağlar, madenciler istemlere göre yanıt verir ve doğrulayıcılar madencileri yanıtlarının kalitesine göre sıralar, ağırlıkları düzenli olarak günceller ve bunları Subtensor blok zincirine yükler. Blok zinciri, her 360 blokta bir Yuma konsensüs hesaplamaları gerçekleştirir ve alt ağ için token serbest bırakmalarını tahsis eder.

3. Kök Alt Ağ: Ağın çekirdeği olan kök alt ağ, ağın genel koordinasyonunu ve istikrarını sağlamak için tüm alt ağların işlemlerini koordine etmek ve yönetmekten sorumludur.

Ayrıca Bittensor API, Subtensor blok zincirindeki alt ağ doğrulayıcıları ve Yuma konsensüsü arasında bir taşıma ve bağlantı görevi görür. Aynı alt ağdaki doğrulayıcılar yalnızca aynı alt ağdaki madencilere bağlanacaktır. Farklı alt ağlardaki doğrulayıcılar ve madenciler birbirleriyle iletişim kurmayacak ve bağlantı kurmayacaktır.

Bu mimari tasarım, Bittensor'un blockchain teknolojisini ve yapay zekayı etkili bir şekilde entegre ederek merkezi olmayan ve verimli bir yapay zeka ekosistemi oluşturmasını sağlıyor.

Subtensor EVM uyumluluk katmanı tao evm, 30 Aralık 2024'te resmi olarak başlatılacak. Herhangi bir Ethereum akıllı sözleşmesini değiştirmeden Subtensor blok zincirinde dağıtılabilir ve etkileşime girilebilir. Aynı zamanda tüm EVM işlemleri yalnızca Subtensor blok zincirinde yürütülecek ve Ethereum ile etkileşime girmeyecektir. Bu, Bittensor üzerindeki akıllı sözleşmelerin Bittensor ağıyla sınırlı olduğu ve Ethereum ana ağıyla hiçbir ilgisi olmadığı anlamına geliyor. Şu anda Tao EVM, ilk TAO destekli stablecoin, merkezi olmayan borsalar ve TAO token'ının likidite staking versiyonu da dahil olmak üzere yapay zeka tabanlı DeFi altyapısı geliştirmeyi planlayan ekolojik proje TaoFi dahil olmak üzere hala oldukça erken bir aşamada.

1.1 Hesap Sistemi

1.1.1 Coldkey-Hotkey Çift Anahtar Sistemi

dTAO'nun hesap sistemi, daha yüksek güvenlik ve esneklik sağlamak için Coldkey-Hotkey çift anahtar mekanizmasını benimser. Kullanıcılar bir cüzdan oluştururken, bir Chrome eklentisi aracılığıyla veya yerel olarak bir cüzdan oluşturmayı seçebilirler. Chrome eklentisi aracılığıyla oluşturulan cüzdan, TAO'yu saklamak, göndermek ve almak için kullanılır. Sistem bir soğuk anahtar (genellikle 5 ile başlayan 48 karakter) ve 12 kelimelik bir anımsatıcı üretir. Yerel olarak oluşturulan bir cüzdan, soğuk anahtar üretmenin yanı sıra, alt ağ oluşturma, madencilik ve doğrulama işlemlerine katılmak için kullanılan bir kısayol da üretecektir.

Coldkey-Hotkey ikili anahtar sisteminin benimsenmesinin temel nedeni, kısayol tuşunun alt ağın günlük işleyişinde sıklıkla kullanılması ve potansiyel güvenlik tehditleriyle karşı karşıya olmasıdır; Coldkey esas olarak TAO'yu depolamak ve aktarmak için kullanıldığından, TAO kaybı riskini etkili bir şekilde azaltabilir. Bu ikili koruma mekanizması hesap işlemlerinin güvenliğini ve esnekliğini garanti altına alır.

Bağlama açısından, bir kısayol tuşu aynı alt ağdaki bir soğuk tuşa bağlanabilir, ancak farklı alt ağlardaki soğuk tuşlara da bağlanabilir (önerilmez). Bir soğuk tuşa birden fazla sıcak tuş atanabilir.

1.1.2 Alt Ağ UID Sistemi

1.1.2.1 Alt Ağ UID Oluşturma

En az 100 TAO kayıt ücreti ödedikten sonra, sistem bir alt ağ UID'si oluşturacak ve bunu kısayol tuşunuza bağlayacaktır. Bu UID, alt ağ madenciliğine veya doğrulamasına katılmak için gerekli bir kimlik bilgisidir. Madenci olmak için sadece bir kısayol tuşu, soğuk tuş ve alt ağ UID'sine ihtiyacınız var, ardından madenciliğe katılmak için Bittensor'u çalıştırmanız gerekiyor.

1.1.2.2 Doğrulayıcı olma gereksinimleri

Alt ağ doğrulayıcısı olmak için en az 1.000 TAO stake etmeli ve her alt ağda stake açısından ilk 64'te yer almalısınız. Bir doğrulayıcının aynı anda birden fazla UID yuvasını tutabileceğini ve böylece ek olarak stake miktarını artırmak zorunda kalmadan birden fazla alt ağda doğrulama yapabileceğini (yeniden stake etme kavramına benzer şekilde) belirtmek önemlidir. Bu mekanizma yalnızca doğrulayıcıların kötülük yapma riskini azaltmakla kalmıyor, aynı zamanda kötülük yapmanın maliyetini de artırıyor, çünkü yüksek miktarda TAO (en az 1.000 TAO) stake etmek kötülük yapmanın maliyetini büyük ölçüde artırıyor. Alt ağdaki rekabet gücünü artırmak için her doğrulayıcı, daha fazla TAO delege hissesi çekmek için iyi bir itibar ve geçmiş performans oluşturmak için çok çalışacak ve böylece ilk 64'te istikrarlı bir konum elde edecektir.

1.1.2.3 Alt Ağ Yapısı ve Kapasite Sınırlaması

Alt Ağ 1: Toplamda 1024 UID yuvası vardır ve bunlar 128 doğrulayıcıya kadar barındırabilir; Toplam doğrulayıcı ve madenci sayısı 1024 ile sınırlıdır.

Diğer alt ağlar: Her alt ağda 256 UID yuvası vardır ve 64'e kadar doğrulayıcıyı barındırabilir; Her alt ağdaki doğrulayıcı ve madencilerin toplam sayısı 256'yı geçmez.

1.1.2.4 Alt ağ rekabeti ve teşvik mekanizması

Alt ağ içinde, doğrulayıcı madencilere görevler atayacaktır. Tüm madenciler görevleri tamamladıktan sonra sonuçları ilgili doğrulayıcıya gönderecekler. Doğrulayıcı, her madencinin gönderdiği görevlerin kalitesini değerlendirip sıralayacak ve madenci, çalışmasının kalitesine göre TAO ödülleri alacak. Aynı zamanda, doğrulayıcılar, yüksek kaliteli madencilerin daha iyi ödüller almasını sağlayarak teşvik ödülleri de alacaklar ve böylece tüm alt ağın kalitesinin sürekli iyileştirilmesi teşvik edilecek. Bu rekabet süreçleri dizisi, sistemin adil ve verimli bir şekilde çalışmasını sağlamak için alt ağ oluşturucusu tarafından tasarlanan kod teşvik mekanizması tarafından otomatik olarak yürütülür.

Her alt ağın, madencinin alt ağ UID'sini kaydettiği andan itibaren başlayan 7 günlük bir koruma süresi (bağışıklık süresi) vardır. Bu süre zarfında madenciler ödüllerini biriktirecekler. Koruma süresi içerisinde yeni bir madenci kayıt yaptırırsa ve mevcut alt ağın UID yuvası dolarsa, en az kümülatif ödüle sahip madenci elenir ve UID'si yeni kayıtlı madenciye yeniden tahsis edilir.

1.2 Alt ağ, çok seviyeli bir ekosistem oluşturur

Bittensor alt ağı, madencilerin, doğrulayıcıların, alt ağ oluşturucularının ve tüketicilerin her birinin görevlerini yerine getirdiği ve birlikte yüksek kaliteli yapay zeka hizmetlerinin oluşturulmasını teşvik ettiği çok seviyeli bir ekosistem oluşturur.

Madenciler: Ağın temel bilgi işlem düğümleri olarak madenciler, yapay zeka modellerine ev sahipliği yapar ve çıkarım ve eğitim hizmetleri sağlar. Kayıp fonksiyonunu en aza indirerek TAO ödüllerini kazanmak için akranlar arası puanlamada yarışırlar. Bir madencinin başarısı, sağladığı hizmetin kalitesine ve performansına bağlıdır.

Doğrulayıcılar: Doğrulayıcılar, madenciler tarafından gönderilen görev sonuçlarını değerlendirmekten, bir güven matrisi oluşturmaktan, gizli anlaşma ve hileyi önlemekten ve yüksek kaliteli madencilerin daha yüksek getiri elde etmesini sağlamaktan sorumludur. Madencilerin yanıtlarının kalitesine göre sıralanırlar ve sıralama ne kadar doğru ve tutarlı olursa, doğrulayıcı o kadar fazla ödül alır.

Alt Ağ Oluşturucuları: Alt Ağ Oluşturucuları, belirli uygulama alanlarının (doğal dil işleme, bilgisayarlı görme vb.) ihtiyaçlarına göre özelleştirilmiş alt ağlar tasarlar ve bağımsız fikir birliği mekanizmaları, görev süreçleri ve teşvik yapıları oluşturur. Ağ yöneticisi rolünü üstlenirler ve teşvikleri kendi alt ağlarına dağıtma yetkisine sahiptirler.

Tüketiciler: Tüketiciler, API'leri sorgulamak, eğitim verileri elde etmek veya model eğitimi için bilgi işlem kaynaklarını kullanmak üzere yapay zeka hizmetlerini çağırmak için TAO belirteçleri öderler. Bittensor tarafından sağlanan AI modellerinin son kullanıcılarıdır.

Genel süreç şu şekildedir: alt ağ doğrulayıcısı soruları oluşturur ve bunları tüm madencilere dağıtır. Madenciler, görevlere dayalı cevaplar üretip bunları doğrulayıcıya geri gönderirler. Doğrulayıcı, yanıt kalitesini puanlar ve madenci ağırlığını günceller, ardından bu ağırlık periyodik olarak zincire yüklenir. Şiddetli rekabet ve en güçlünün hayatta kalma mekanizması yoluyla, alt ağ içindeki yapay zeka modellerinin teknolojik ilerlemesini ve ekolojik optimizasyonunu teşvik etmeye devam edeceğiz.

1.2.1 Madenci Katmanı

Madenciler, Bittensor ağındaki temel bilgi işlem düğümlerinin rolünü oynarlar. Ana sorumlulukları şunlardır:

Yapay zeka modellerini barındırmak ve çıkarım veya eğitim hizmetleri sağlamak: Madenciler, yerel makine öğrenimi modellerini barındırarak istemci uygulamaları için tahmin hizmetleri sağlar. Bir istemci bir tahmine ihtiyaç duyduğunda, Bittensor ağına bir istek gönderir ve bu istek, hizmet sağlayıcı olarak kayıtlı bir madenciye yönlendirilir. Madenci isteği işler ve tahmin sonucunu istemciye döndürür.

P2P sıralamasında yarışarak bilgi işlem teşvikleri olarak TAO tokenleri kazanın: Madenciler, model performanslarına ve ağa yaptıkları katkıya göre TAO token ödülleri kazanmak için eşler arası sıralamada yarışırlar. Bu teşvik mekanizması, madencileri model performanslarını sürekli olarak optimize etmeye ve ağa yüksek kaliteli yapay zeka hizmetleri sağlamaya teşvik ediyor.

Yüksek kaliteli AI modeli katkılarının sağlanması: Madenciler, ağ ihtiyaçlarını karşılamak ve hizmet kalitesini garanti altına almak için yüksek kaliteli AI modelleri sağlamaya kararlıdır. Bu, yalnızca onların ağda daha yüksek sıralamalara ve ödüllere ulaşmalarına yardımcı olmakla kalmıyor, aynı zamanda tüm Bittensor ağının genel performansını ve güvenilirliğini de artırıyor.

Madenciler bu sorumlulukları yerine getirerek Bittensor ağının etkin bir şekilde işletilmesine ve geliştirilmesine önemli katkılarda bulunmaktadır.

1.2.2 Tüketici Katmanı

Bittensor Ağında tüketiciler, madenciler tarafından sağlanan yapay zeka (AI) hizmetlerine erişmek için TAO token'ları ödeyen son kullanıcılar veya işletmelerdir. Bu model, tüketicilerin kendi yapay zeka modellerine sahip olmak veya bunları sürdürmek zorunda kalmadan ağ içindeki yapay zeka yeteneklerinden yararlanmalarını sağlayarak yapay zeka hesaplama maliyetlerini düşürüyor.

Tüketiciler için özel uygulama senaryoları şunları içerir:

· Geliştirici sorgusu AI API'si: Geliştiriciler, uygulama geliştirme veya işlev entegrasyonu için gerekli akıllı hizmetleri elde etmek amacıyla Bittensor tarafından sağlanan AI arayüzünü çağırabilir.

· Araştırma kurumları için yapay zeka eğitim veri kümelerine erişim: Araştırma kurumları, bilimsel araştırma projelerini ve deneylerini desteklemek amacıyla büyük yapay zeka eğitim veri kümelerine erişmek ve bunları analiz etmek için ağ içindeki kaynakları kullanabilir.

· İşletmeler, yapay zeka modellerini eğitmek için Bittensor'un bilgi işlem kaynaklarını kullanıyor: İşletmeler, kendi yapay zeka modellerini eğitmek ve optimize etmek ve iş zekası seviyesini iyileştirmek için Bittensor'un merkezi olmayan bilgi işlem kaynaklarını kullanabilir.

Bittensor bu şekilde tüketicilere yapay zeka hizmetlerini esnek ve etkili bir şekilde edinme olanağı sunarak yapay zekanın yaygınlaşmasını ve uygulanmasını teşvik ediyor.

1.2.3 Taahhüt bazlı mutabakat mekanizması

Bittensor'un taahhüt bazlı mutabakat mekanizması temel olarak aşağıdaki sorunları çözer:

1.2.3.1 Düzeltme ve yoğunluk evrimi

Ani düzeltmelerin neden olduğu sistem istikrarsızlığını önlemek için düzeltme işlevi "düzeltme"yi benimser. Özkaynak ağırlıklı ortalama mutlak sapmayı şu şekilde tanımlıyoruz:

Bu işlem, büyük veri kümelerinin istatistiksel olarak düzeltilmesine benzerdir. Birkaç tur "pürüzsüzleştirme" sonrasında her katılımcının gerçek sıralaması ortaya çıkar. Önemli nokta, yoğunluk evriminin anormal ağırlıkları (örneğin kötü niyetli oyuncuların aşırı ağırlıkları) daha büyük ölçüde sıkıştırabilmesi, ancak dürüst oyuncular üzerinde daha az etkiye sahip olmasıdır.

1.2.3.2 Ağırlıklı güven mekanizması ve sıfır ağırlıklı güvenlik açığı önleme

dtao yükseltmesi yukarıdaki sorunları iyileştirdi, bunlar şunları içerir:

· Yineleme ve düzeltme işlemi optimize edildi: Yineleme sayısını η artırın ve sıfır ağırlık güvenlik açıklarını azaltmak ve aşırı düzeltmeyi önlemek için düzeltme parametreleri α veya δ'yi ince ayarlayın.

· Gelişmiş ağırlık güven mekanizması: Sıfır olmayan ağırlıkları daha doğru bir şekilde tespit edin ve yalnızca çoğunluk tarafından tanınan düğümlerin tam ödülleri alabilmesi için daha katı eşikler uygulayın.

· Hesaplama yükünü azaltın:Teorik doğruluğu etkilemeden, algoritmayı blok zinciri hesaplama kısıtlamalarına uyarlamak için algoritma optimizasyonu yoluyla hesaplama maliyetlerini azaltın.

Bittensor'un sermaye tabanlı mutabakat mekanizması, matematiksel modeller ve oyun teorisi araçlarını birleştiriyor. Formüllerin güncellenmesi, ağırlıklı ortalama konsensüsü, yinelemeli düzeltme ve yoğunluk evrimi gibi yöntemlerle sistem, adil nihai ödül dağıtımını sağlamak için anormal ağırlık sapmalarını otomatik olarak kalibre edebilir.

Bu süreç, adil puanlama sağlamak, iyi katkıda bulunanları teşvik etmek ve kötü niyetli işbirliğini ve oy manipülasyonunu önlemek için sürekli olarak kendini kalibre eden akıllı bir dengeleme sistemine veya itibar mekanizmasına benzer.

Bu temelde, dtao yükseltmesi sistemin sağlamlığını ve adaletini daha da artırmak için daha gelişmiş düzeltme kontrolü ve iyileştirilmiş ağırlık güven stratejisini benimser. Dolayısıyla, rekabetçi bir ortamda, dürüst katılımcılar her zaman rekabet avantajlarını koruyabilirken, genel bilgi işlem kaynağı tüketimi optimize edilip azaltılabilir.

2. Yuma Mutabakatı: Dinamik Olarak Programlanabilir Teşvikler ve Mutabakat

Bitcoin, dünyanın en büyük eşler arası bilgi işlem ağını kurdu ve herkes yerel bilgi işlem gücüyle katkıda bulunarak küresel muhasebeyi sürdürebilir. Teşvik kuralları tasarım zamanında sabitlendiğinden ekosistemin nispeten durağan bir şekilde gelişmesine neden olur.

Buna karşılık, Yuma Mutabakatı (YC) dinamik, programlanabilir bir teşvik çerçevesidir. Bitcoin'in statik teşvik mekanizmasının aksine YC, hedef fonksiyonunu, stake ödüllerini ve ağırlık ayarlama mekanizmasını doğrudan mutabakat sürecine entegre ediyor. Bu, sistemin sadece sabit kurallara dayanmaması, bunun yerine düğümlerin gerçek katkısına ve davranışına göre dinamik olarak ayarlanması, böylece daha adil ve daha verimli bir ödül dağıtımının sağlanması anlamına gelir.

YC konsensüs algoritması, Subtensor blok zincirinde sürekli olarak çalışır ve her alt ağ için bağımsız olarak çalışır. Ana iş akışı aşağıdaki bileşenleri içerir:

· Alt ağ doğrulayıcısının ağırlık vektörü: Her alt ağ doğrulayıcısı, her bir öğenin doğrulayıcı tarafından tüm alt ağ madencilerine atanan puanlama ağırlığını temsil ettiği bir ağırlık vektörü tutar. Bu ağırlık, doğrulayıcının geçmiş performansına dayanır ve madencileri sıralamak için kullanılır. Örneğin, bir doğrulayıcının puan vektörü ise, ortaya çıkan sıralama doğrulayıcının her madencinin katkı düzeyine ilişkin değerlendirmesini yansıtır.

· Stake miktarının etkisi: Zincirdeki her doğrulayıcı ve madenci belirli miktarda token stake edecektir. YC konsensüsü, ödül dağıtımını hesaplamak için ağırlık vektörünü ve stake edilen miktarı birleştirir. Yani, nihai ödül sadece puanlama ağırlığına değil, aynı zamanda verilen söz miktarına da bağlı oluyor, böylece "söz → ağırlık → ödül" şeklinde kapalı bir döngü oluşuyor.

· Dinamik Öznel Mutabakat: Her katılımcı, makine öğrenimi modeline yerel bir ağırlık atar. Bu yerel ağırlıklar bir mutabakat politikası aracılığıyla ayarlanır ve daha sonra blok zincirinde küresel metriklere toplanır. Başka bir deyişle, YC, düşmanca ortamlarda bile geniş ölçekli fikir birliğine ulaşma yeteneğine sahiptir ve düğüm davranışındaki değişikliklere dinamik olarak uyum sağlayabilir.

· Ödül hesaplama ve dağıtımı:Alt ağ doğrulayıcıları, ilgili sıralama sonuçlarını toplar ve bunları YC algoritmasına toplu girdi olarak sunar. Farklı doğrulayıcılardan gelen sıralamalar farklı zamanlarda gelebilse de, Subtensor tüm sıralama verilerini yaklaşık olarak her 12 saniyede bir işler. Sistem bu verilere dayanarak ödülleri (TAO cinsinden) hesaplar ve bunları alt ağ madencilerinin ve doğrulayıcılarının cüzdanlarına yatırır.

Bu kapsamlı mekanizma, YC'nin ödülleri merkezi olmayan bir ağda sürekli ve adil bir şekilde dağıtmasına, katkıların kalitesine dinamik olarak uyum sağlamasına ve genel ağın güvenliğini ve verimliliğini korumasına olanak tanır.

2.1 Bilgi Damıtma ve Uzmanların Karışımı (MoE): İşbirlikçi Öğrenme ve Verimli Katkı Değerlendirmesi

2.1.1 Bilgi Damıtma (Dijital Hivemind)

Bittensor, düğümlerin bilgi paylaşarak, veri örnekleri ve model parametreleri alışverişinde bulunarak kolektif olarak öğrendiği, insan beynindeki nöronların işbirlikçi çalışmasına benzeyen bilgi damıtma kavramını ortaya koyar.

Bu süreçte düğümler sürekli olarak veri ve model parametrelerini değiş tokuş ederek, zamanla daha doğru tahminler elde etmek için kendini optimize eden bir ağ oluşturur. Her düğüm, bilgisini paylaşılan havuza katkıda bulunarak, tüm ağın genel performansını iyileştirir ve robotik ve otonom sürüş gibi gerçek zamanlı öğrenme uygulamaları için daha hızlı ve daha uygun hale getirir.

Kritik olarak, bu yaklaşım, makine öğreniminde yaygın bir zorluk olan felaket düzeyinde unutma riskini etkili bir şekilde azaltır. Düğümler, mevcut bilgilerini koruyup genişletirken yeni bakış açıları da ekleyebilir, böylece ağın sağlamlığını ve uyarlanabilirliğini artırabilir.

Bilgiyi birden fazla düğüme dağıtarak Bittensor TAO ağı, müdahalelere ve olası veri sızıntılarına karşı daha dayanıklı hale geliyor. Bu sağlamlık, finansal ve tıbbi bilgiler gibi yüksek güvenlik ve gizlilik hassasiyetine sahip verileri işleyen uygulamalar için özellikle önemlidir.

2.1.2 Uzman Karışımı (MoE)

Bittensor, yapay zeka tahminlerini optimize etmek için dağıtılmış bir uzman modeli (MoE) kullanır. Birden fazla uzmanlaşmış yapay zeka modelinin iş birliğine dayalı işbirliği sayesinde, karmaşık problemlerin çözümünde doğruluk ve verimlilik büyük ölçüde artırılır. Örneğin, İspanyolca yorumlara sahip Python kodu oluştururken, çok dilli model ve kod uzmanlığı modeli birlikte çalışarak tek bir modelin tek başına ürettiğinden çok daha iyi, yüksek kaliteli sonuçlar üretebilir.

Bittensor protokolünün çekirdeği, noktadan noktaya dağıtılmış, genellikle nöronlar olarak adlandırılan parametreli işlevlerden oluşur. Her nöron sıfır veya daha fazla ağ ağırlığı kaydeder ve komşu düğümlerin değerini birbirlerini sıralayarak değerlendirmek üzere sinir ağlarını eğitir ve ardından sıralama puanlarını dijital defterde biriktirir. Daha yüksek sıralamalara sahip düğümler yalnızca parasal ödüller almakla kalmıyor, aynı zamanda düğüm katkısı ile ödüller arasında doğrudan bir bağlantı kuran ve ağın adaletini ve şeffaflığını artıran ek ağırlık da alıyor. Bu mekanizma, diğer istihbarat sistemlerinin internet üzerinden eşler arası bir şekilde bilgiyi fiyatlandırmasına olanak tanıyan bir pazar oluşturur ve her bir düğümü bilgi ve profesyonel yeteneklerini sürekli olarak geliştirmeye teşvik eder. Ödüllerin adil dağıtımını sağlamak için Bittensor, kooperatif oyun teorisinden Shapley değerini ödünç alır ve düğüm katkılarına göre ödüllerin taraflar arasında verimli bir şekilde dağıtılması için bir yöntem sunar. YC konsensüsüne göre, doğrulayıcılar her profesyonel modeli puanlayıp sıralar ve Shapley değer ilkesine göre ödülleri adil bir şekilde dağıtır; böylece ağın güvenliği, verimliliği ve sürekli olarak gelişme yeteneği daha da iyileştirilir.

3.dtao yükseltmesi

Bittensor projesinin kaynak tahsisinde ve ekonomik model tasarımında şu önemli sorunları var:

1. Kaynak örtüşmesi ve yedekliliği: Birden fazla alt ağ, metinden görüntüye dönüştürme, metin istemleri ve fiyat tahmini gibi benzer görevlere odaklanır ve bu da kaynak tahsisinde çoğalmaya ve israfa neden olur.

2. Pratik kullanım örneklerinin eksikliği: Bazı alt ağlar (fiyat tahmini veya spor etkinliği sonucu tahmini gibi) henüz gerçek dünya senaryolarında uygulanabilirliğini kanıtlamamıştır; bu durum kaynak yatırımı ile gerçek ihtiyaçlar arasında uyumsuzluğa yol açabilir.

3. "Kötü para iyi parayı kovar" olgusu: Yüksek kaliteli alt ağların yeterli fon ve geliştirme alanı elde etmesi zor olabilir. Yalnızca yedi günlük bir koruma süresiyle, kök doğrulayıcıdan yeterli desteği alamayan alt ağlar erken ortadan kaldırılabilir.

4. Doğrulayıcı merkezileşmesi ve yeni alt ağlar için yetersiz teşvikler:

· Kök doğrulayıcılar tüm TAO sahiplerini tam olarak temsil etmeyebilir ve değerlendirme sonuçları geniş bir görüş yelpazesini yansıtmayabilir. Yuma konsensüsüne göre, en iyi doğrulayıcılar nihai puanı domine ediyor, ancak değerlendirmeleri her zaman objektif olmuyor. Önyargı tespit edilse bile, hemen düzeltilemeyebilir. 

· Ayrıca, doğrulayıcıların yeni alt ağlara geçiş yapma teşviki yoktur, çünkü yüksek ihraç oranına sahip eski bir alt ağdan düşük ihraç oranına sahip yeni bir alt ağa geçiş, ödüllerin anında kaybedilmesine neden olabilir. Yeni alt ağların, yerleşik alt ağların token ihraçlarıyla eşleşip eşleşmeyeceği konusundaki belirsizlik, bunların göç etme isteklerini daha da azaltıyor. 

Ekonomik Modelin Başlıca Sorunları:

Bittensor'un mekanizma tasarımındaki başlıca sorun, tüm katılımcılar TAO almasına rağmen aslında hiç kimsenin TAO ödememesi ve bunun da sürekli satış baskısına yol açmasıdır. Şu anda madencilerin yanıtladığı sorular gerçek kullanıcılar tarafından sorulmuyor, ancak alt ağ sahipleri tarafından sağlanıyor; ya gerçek kullanıcı sorgularını simüle ediyor ya da geçmiş kullanıcı taleplerine dayanıyor. Dolayısıyla madencinin cevabında bir değer olsa bile, bu değer alt ağ sahibi tarafından yakalanır. Madencinin yanıtının alt ağ sahibinin model algoritmasını geliştirmesine yardımcı olup olmaması veya alt ağ sahibinin ürününü geliştirmek için model eğitimi amacıyla doğrudan kullanılıp kullanılmaması fark etmeksizin, madencilerin ve doğrulayıcıların çalışmalarıyla üretilen değer alt ağ sahibine aittir. Teorik olarak, alt ağ sahibinden bu değer için ücret alınması gerekir.

Ayrıca, alt ağ sahipleri herhangi bir maliyete katlanmak zorunda kalmıyor, aynı zamanda alt ağ dağıtımının %18'lik kısmından da yararlanıyor. Bu, Bittensor ekosisteminin sıkı bir şekilde birbirine bağlı olmadığı anlamına geliyor; katılımcılar, gelişim ve iş birliğine dayalı gevşek bağlantılar sürdürüyorlar. Alt ağdaki projeler herhangi bir kayba uğramadan istedikleri zaman çıkış yapabilirler (çünkü alt ağ kayıt ücreti iade edilir). Şu anda Bittensor sisteminde token'ları kurtarmanın birincil mekanizması, alt ağ madencileri ve doğrulayıcıları tarafından ödenen kayıt ücretleridir; Ancak bu ücretler küçük olup, etkin değer yakalamayı desteklemek için yetersizdir. Staking birincil mekanizma haline gelirken, blok zinciri işlem ücretleri ve kayıt ücretleri yoluyla geri kazanılan TAO miktarı sınırlı kalmaya devam ediyor.

Stake etme iki şekilde gerçekleşir:

1. Doğrulayıcı Staking: Katılımcılar, ağ güvenliğini desteklemek ve ödüller almak için TAO stake ederler ve bu, verilen tüm TAO'ların %75'ini oluşturur. Doğrulayıcılar şu anda günlük yaklaşık 3.000 TAO kazanabiliyor ve yıllık getiri oranı %15'in üzerinde. Ancak ilk yarılanmanın ardından bu dağıtım günlük 1.500 TAO'ya düşecek ve bu da staking'i daha az cazip hale getirecek ve token arz ve talebini dengelemedeki etkinliğini zayıflatacak.

2. Alt ağ kaydı ve stake etme: Yeni alt ağların eklenmesi TAO arzını önemli ölçüde etkiler. Bu durum bir zorluk yaratıyor çünkü TAO'nun toplam ihraç tutarı sabit; Alt ağ sayısındaki artış, tüm alt ağların ödüllerini azaltacak, mevcut alt ağların faaliyetlerini sürdürmesini zorlaştıracak ve bazı alt ağların ağdan çıkmasına neden olabilecektir.

Bu sorunlar, Bittensor'un kaynak tahsisi ve ekonomik model tasarımının, ağın sürdürülebilir gelişimini ve adil teşviklerini sağlamak için daha da optimize edilmesi gerektiğini göstermektedir.

3.1 dtao nedir

dTAO, Bittensor Ağı tarafından önerilen, merkezi olmayan ağlardaki verimsiz kaynak tahsisi sorununu çözmeyi amaçlayan yenilikçi bir teşvik mekanizmasıdır. Kaynak tahsisini doğrulayıcılar tarafından manuel oylama yoluyla belirleme geleneksel yönteminden vazgeçiyor ve bunun yerine, TAO ihraçlarının alt ağlar arasındaki dağıtımını doğrudan alt ağ token'larının piyasa performansına bağlayan, piyasa dinamik ayarlamalarına dayalı bir mekanizma sunuyor. Gömülü likidite havuzlarının tasarımı sayesinde, kullanıcıları alt ağ token'ları karşılığında TAO'yu taahhüt etmeye teşvik ederek, üstün performansa sahip alt ağları destekler.

Aynı zamanda, alt ağ token'larının kademeli olarak dağıtılmasını sağlamak, ekibin uzun vadeli katkılar yoluyla token payları elde etmesini sağlamak ve doğrulayıcılar ile kullanıcıların rollerini dengelemek için adil bir ihraç modeli benimsenmektedir. Doğrulayıcılar, girişim yatırımcıları gibi ekibin teknolojisini ve pazar potansiyelini sıkı bir şekilde değerlendirirken, kullanıcılar ise staking ve pazar işlemleri yoluyla alt ağ değerinin oluşumunu daha da teşvik eder.

3.1.1 dTAO'nun temel mekanizması

3.1.1.1 Doğrulayıcıyı ve ekibi ekosisteme güçlü bir şekilde bağlayın: Fayda elde etmek istiyorsanız, öncelikle alt ağ belirteçlerine yatırım yapmalısınız

dTAO'nun tasarımı hem pazar hem de teknoloji yönlendiricilerine dayanmaktadır. Her alt ağ, TAO ve alt ağ token'larından oluşan bir likidite havuzuyla donatılmıştır. $TAO sahipleri (doğrulayıcılar ve alt ağ sahipleri) bir rehin işlemi gerçekleştirdiğinde, bu, $TAO'yu kullanarak karşılık gelen $dTAO'yu satın almaya eşdeğerdir. Değiştirilebilecek $dTAO miktarı aşağıdaki formüle göre hesaplanır:

Uniswap V2'nin aksine, $dTAO'nun likidite havuzu doğrudan likiditenin eklenmesine izin vermiyor. Bir Alt Ağ Sahibi bir Alt Ağ oluşturmadığı sürece, yeni enjekte edilen tüm likiditenin tamamı tahsis edilen $TAO'dan ve toplam $dTAO ihracının %50'sinden gelir. Başka bir deyişle, her Alt Ağ'a tahsis edilen yeni ihraç edilen $TAO, doğrudan Alt Ağ'ın Doğrulayıcı\Madenci\Sahibi'ne tahsis edilmez, ancak geri ödeme için tamamı likidite havuzuna enjekte edilir; Aynı zamanda, yeni ihraç edilen $dTAO'nun %50'si de likidite havuzuna enjekte edilir ve kalan %50'si, Alt Ağ tarafından kararlaştırılan teşvik mekanizmasına göre Doğrulayıcı\Madenci\Sahip'e tahsis edilir.

Bu, ekibin başlangıçta büyük miktarda token'ı hızla satmasını önler ve ekibin sürekli katkılarda bulunmasını ve teknolojik yinelemeler yapmasını teşvik eder; Doğrulayıcıların, girişim sermayedarlarına benzer bir rol üstlenmeleri ve alt ağın teknolojisi, pazar potansiyeli ve gerçek performansı konusunda sıkı değerlendirmeler yapmaları gerekir;

Stake\Unstake K'nin boyutunu değiştirmeyecekken, likidite enjeksiyonu K'yi K'ye çıkaracaktır

3.1.1.2 En yüksek piyasa fiyatına sahip Alt Ağ Simgesi en fazla $TAO emisyonunu alacaktır

Önceki planda, her Alt Ağın elde edebileceği yeni ihraç edilen $TAO oranı Kök Ağ Doğrulayıcısı tarafından belirleniyordu. Bu plan bazı potansiyel sorunları ortaya koyuyor. Örneğin, Kök Ağı'nın gücü birkaç Doğrulayıcının elinde yoğunlaştığından, Doğrulayıcılar yeni çıkarılan $TAO'yu düşük değerli Alt Ağlara dağıtmak için işbirliği yapsalar bile hiçbir ceza olmayacaktır.

Dinamik TAO, Kök Ağı'nın ayrıcalıklarını sonlandırır ve yeni ihraç edilen $TAO'nun tüm $TAO sahiplerine nasıl dağıtılacağına karar verme yetkisini verir. Belirli yaklaşım, yeni Yuma Consensus V2'yi kullanmak ve her Alt Ağ Belirtecinin fiyatında softmax işlemi gerçekleştirerek karşılık gelen serbest bırakma oranını elde etmektir, yani:

Softmax, bir vektör kümesindeki her bir öğeyi, öğeler arasındaki göreli boyut ilişkisini koruyarak ve dönüştürmeden sonra tüm öğelerin toplamının 1 olmasını sağlayarak negatif olmayan bir değere dönüştürebilen yaygın olarak kullanılan bir normalleştirme işlevidir.