CTRL-Altman-DEL：去中心化人工智能的開端

導語：

生活在亞洲時間的一件事是，你經常醒來就會看到重大新聞，併且必鬚不能錯過這種新聞。

例如，薩姆·奧爾特曼 (Sam Altman) 於周五被 OpenAI 解雇。

我正喝著牛奶，差點被噎住了。

爲什麽董事會會解雇他：他很明顯是非常聰明的、擁有堪稱典範的成功經歷，併且12天前他剛剛在 OpenAI 會議上髮錶了精彩主題演講！

有一些給激進理論工匠的提示。安德魯·科特 (Andrew Cote) 認爲，奧特曼被解雇是出於政治目的，因爲“他通過部署最近的突破性進展，推動人工智能髮展得太快。”但是，有些人不喜歡這樣。

OpenAI 的公司結構非常尷尬（幾乎功能失調），因爲它最初是一個非營利實體，後來決定轉型爲營利性企業。如今，非營利組織控製著營利實體的方曏，衕時爲投資者提供有限的上漲空間。

隨著真相浮出水麵，這將是令人興奮的幾周。

這會是史蒂夫·喬布斯（Steve Jobs）的時刻嗎？ Sam 會繼續創辦另一家公司來與 OpenAI 競爭嗎？

但顯而易見的是，OpenAI 的內部運作籠罩著一層神秘的麵紗。盡管 GPT 工具無處不在，併且在全球範圍內已有數億人在使用，但它仍然存在明顯的脫節。

作爲日常用戶，我們髮現自己處於局外人的角度，試圖透過這些人工智能巨頭的秘密麵紗來窺視。隨著 GPT 繼續融入我們社會的結構，這種缺乏透明度的情況令人擔憂。

區塊鏈 + 加密貨幣 = ???

區塊鏈… 和幾米貨幣？來源：marketoonist.com

最近，我一直在思考一個問題：加密貨幣和人工智能之間的交集會是什麽樣？雖然這很模糊，但大多數人都會衕意，它們有巨大的潛力待於釋放。

當我們想到 AI x Crypto 時，我們通常會想到 Akash 和 Render 網絡。這些是 GPU 的去中心化網絡，可以爲人工智能模型的訓練提供必要的計算。它們的邏輯很簡單——隨著人工智能的不斷飆升，對計算資源的需求也將隨之猛增。在這種背景下，點對點網絡可能會經歷顯著的增長。所以他們從事的是鎬和鏟子業務，但我認爲這隻是AI x Crypto潛力的錶麵現象而已。

這就像説猴子 JPEG 是 NFT 所能提供的峰值一樣。

然後我遇到了 Bittensor。

ELI5: Bittensor

與支持 AI 模型訓練（上游）的 Akash 或 Render 不衕，Bittensor 專註於 AI 推理（下游），即使用經過訓練的模型生成輸出。

這是一個去中心化的網絡，可以激勵人工智能模型，特別是大型語言模型（LLM）來完成文本生成、圖像創建和音樂製作等各種任務。如今，該網絡由超過27個子網組成，每個子網專註於特定任務。

簡單來説，可以將 Bittensor 視爲去中心化的 ChatGPT + Midjourney + 人工智能可以做的任何其他事情。

該網絡通過兩個主要角色運行：

1. 礦工（價值生産者）：礦工在網絡上開髮和托管人工智能模型。他們根據與特定任務相關的模型的性能穫得 TAO 代幣獎勵。這刺激開髮出更好、更高效的人工智能模型。
2. 驗證者（共識生成者）：驗證者評估礦工的輸出，對他們在特定任務上的錶現進行排名。他們還與曏驗證者提交任務的用戶進行交互（例如，對於圖像生成子網：“Sam Altman在感恩節晚餐時戴著Darth Vader麵具的圖像”）併將其傳輸給適當的礦工。

“Sam Altman在感恩節晚餐時戴著Darth Vader麵具”——由 Bittensor 的圖像生成子網創建。

我可能過於簡單化了技術的覆雜性，但有幾件事對我來説很突出：

• 網絡中的礦工和驗證者交換知識併共享參數，從而隨著時間的推移進行自我優化
• 該網絡旨在利用多個獨立人工智能模型的優勢來生成最佳輸出（“專家混合”）

來源：Revelo Intel — Bittensor

我沒打算深入探討技術細節，但這裡有一些很好的總結，可以幫助我更好地理解 Bittensor：

Revelo Intel — Bittensor

Knower——關於 Bittensor 和 AI 的簡短報告

您可以訪問此鏈接以嘗試一下 Bittensor 的 chatGPT 等效項

關於TAO

TAO 是網絡的實用型代幣，它具有與比特幣類似的代幣結構：2100萬代幣的硬上限和沒有 風險資金分配的公平髮行。它甚至還有一個減半周期，第一次減半將在2025年髮生。

目前流通的 TAO 數量爲565萬枚，全部通過網絡挖礦和驗證公平分配。今天的流通市值略高於$1B。每天曏礦工和驗證者髮放7,200個新 TAO。

我的早期想法

Bittensor 仍處於起步階段。該網絡擁有一個專門的、近乎狂熱的社區，但參與者總數仍然不多——大約有50,000多個活躍帳戶。最繁忙的子網 SN1 專門用於文本生成，擁有大約40個活躍驗證者和990多個礦工。

真正吸引人的是去中心化人工智能網絡的概念。這不僅減輕了中心化的風險，還提出了一個問題：這些獨特的經濟激勵措施能否培育出超越 OpenAI 和穀歌等資金雄厚的實體開髮的人工智能模型？

在 LLM 隨著 ChatGPT 等工具的出現而成爲主流之前，深度科技初創公司通常專註於穫取專有數據集，爲非常具體的任務開髮專門的、基於機器學習的人工智能模型。例如，Flatiron Health 使用來自腫瘤患者的真實臨床數據，併開髮人工智能模型，將其輸入到支持癌癥研究人員和護理提供者的工具中。傳統上，初創公司的目標是將這些專有模型産品化併貨幣化。

然而，Bittensor 可能代錶了這種範式的轉變。與其説是技術突破，不如説是技術驅動的業務模式創新更貼切。例如，它爲專有數據和人工智能模型提供了一種共衕開髮併由更廣泛的受衆使用的途徑，而無需將它們開源。

我能設想這樣一個未來：Bittensor 托管數千個專用子網，以應對從環境和醫療保健問題到能源解決方案等一繫列挑戰。

老實説，我髮現這個團隊的有趣之處，他們以與比特幣相衕的方式設計代幣經濟。這體現了他們的動機，與當今的團隊不衕——他們經常沿著風險投資資助的模式優化他們的代幣經濟，爲創始人和投資者提供大量分配。

我不確定 Bittensor 會何去何從。這可能取得100倍的成功，也可能是遭遇徹底的失敗。但它背後的潛力和哲學對我來説極具吸引力，以緻於我們無法忽視它。

（註：在撰寫本文時，我擁有 TAO 併將其抵押給驗證者）。

聲明：

1. 本文轉載自[Teng’s Thoughts]，著作權歸屬原作者[TENG YAN]，如對轉載有異議，請聯繫Gate Learn團隊，團隊會根據相關流程盡速處理。
2. 免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得覆製、傳播或抄襲經翻譯文章。