Después del 'Lunes Negro' del mercado cripto de esta semana, que experimentó una significativa caída, los tokens de diferentes sectores han experimentado una recuperación al día siguiente. Entre ellos, Bittensor (TAO) se destaca como el más notable.

Según los datos de CoinMarketCap, Bittensor (TAO) subió un 23.08% ayer, convirtiéndose en el mejor rendimiento en términos de rebote entre los 100 principales tokens por capitalización de mercado.

Aunque la narrativa de la IA no está tan candente como al principio del año, la elección de capital especulativo indica confianza en los proyectos líderes en este sector. Sin embargo, Bittensor ha enfrentado algo de FUD (Fear, Uncertainty, and Doubt) en el pasado, con la comunidad cuestionando el nombre del proyecto y las aplicaciones prácticas dentro de sus subredes.

(Ver también: FUD y Rumores: ¿Caerá el Nuevo Rey de la IA, Bittensor, en Desgracia?)

Si bien la utilidad de un proyecto de criptomonedas no siempre se correlaciona directamente con su precio token, ¿es Bittensor solo una cáscara vacía?

En los últimos meses, Bittensor ha agregado 12 nuevas subredes, cada una contribuyendo al desarrollo relacionado con la inteligencia artificial hasta cierto punto, y potencialmente dando origen a nuevos proyectos Alpha. Hemos revisado estas nuevas subredes para observar sus cambios fundamentales mientras nos enfocamos en el rebote en los precios de TAO.

Subred 38: Sylliba, una herramienta de traducción de texto a voz que admite 70+ idiomas

Equipo de desarrollo: Agente Artificial

Introducción:

Sylliba es una aplicación de traducción que admite tanto la traducción de texto como la traducción de voz en más de 70 idiomas. Es importante destacar que esta aplicación puede ser utilizada por agentes de IA en cadena:

• Procesos de Traducción Automatizados: Los agentes de IA pueden llamar automáticamente a este servicio para el procesamiento y la comunicación de información entre idiomas.
• Capacidades de IA mejoradas: Permite a los sistemas de IA sin capacidades multilingües manejar tareas multilingües.
• Verificación de la cadena de bloques: Las solicitudes de traducción y los resultados pueden ser verificados en la cadena de bloques, aumentando la credibilidad del sistema.
• Mecanismo de incentivos: A través de la economía de tokens, puede incentivar a proveedores de servicios de traducción de alta calidad.

Dirección del proyecto: https://github.com/agent-artificial/sylliba-subred

Subred 34: Bitmind, una herramienta para detectar y distinguir entre contenido sintético real y falso

Equipo de desarrollo:@BitMindAI

Introducción:

BitMind se centra en el desarrollo de tecnología descentralizada de detección de deepfake. Con el rápido avance de los modelos de IA generativa, distinguir entre medios sintéticos de alta calidad y contenido real se ha vuelto cada vez más complejo.

BitMind’s subredaborda este problema mediante la implementación de mecanismos de detección robustos dentro de la red Bittensor, utilizando modelos de IA generativos y discriminativos para identificar eficazmente deepfakes.

Además, la API de BitMind permite a los desarrolladores aprovechar las capacidades de detección de deepfake de la subred para crear potentes aplicaciones de consumo. La aplicación web de BitMind, que cuenta con una interfaz de carga de imágenes, utiliza la API para ayudar a los usuarios a evaluar rápidamente la probabilidad de que una imagen sea real o falsa, proporcionando una herramienta antidecepción accesible e interpretable.

Subred 43: Grafito, red de planificación de ruta inteligente

Equipo de desarrollo:@GraphiteSubnet

Introducción:

Graphite es una subred diseñada específicamente para abordar problemas relacionados con grafos, con un enfoque particular en el Problema del Viajante de Comercio (TSP). TSP es un problema clásico de optimización que tiene como objetivo encontrar la ruta más corta posible visitando un conjunto de ciudades y regresando al punto de partida.

Graphite utiliza la red de aprendizaje automático descentralizada de Bittensor para conectar de manera eficiente a los mineros para manejar las demandas computacionales de TSP y problemas de grafo similares. Actualmente, los validadores generan solicitudes sintéticas y las envían a los mineros en la red. Los mineros son responsables de resolver el TSP utilizando sus algoritmos y enviar los resultados de vuelta a los validadores para su evaluación.

Subred 42: Gen42, asistente de codificación de IA de código abierto de GitHub

Equipo de desarrollo:@RizzoValidator，@FrankRizz07

Introducción:

Gen42 utiliza la red Bittensor para ofrecer servicios de generación de código descentralizados. Su enfoque se centra en crear herramientas potentes y escalables para responder preguntas basadas en código y completar código, impulsadas por modelos de lenguaje grandes de código abierto.

Productos principales:

a. Aplicación de Chat: Proporciona una interfaz de chat que permite a los usuarios interactuar con su subred. La característica principal de esta aplicación es la respuesta a preguntas basada en código.

b. Completado de código: Ofrece una API compatible con OpenAI que se puede utilizar con continue.dev.

Los detalles sobre cómo los mineros y validadores participan se pueden encontrar en el proyecto's GitHub.

Subred 41: Sportstensor, modelo de predicción deportiva

Equipo de desarrollo:@sportstensor

Introducción:

Sportstensor es un proyecto enfocado en desarrollar algoritmos de predicción deportiva descentralizados, respaldados por la red Bittensor.

El proyecto ofrece modelos fundamentales en la plataforma de código abierto HuggingFace para que los mineros los entrenen y mejoren. Admite la planificación estratégica y el análisis de rendimiento basados en datos históricos y en tiempo real, y recompensa la recopilación completa de conjuntos de datos y el desarrollo de modelos de predicción de alto rendimiento.

Roles de Minero y Validador:

• Mineros: Reciben solicitudes de validadores, acceden a datos relevantes y realizan predicciones utilizando modelos de aprendizaje automático.
• Validadores: Recopilar predicciones de mineros, compararlas con los resultados reales y registrar los resultados de validación.

Subred 29: coldint, entrenamiento de modelos de inteligencia artificial de nicho

Desarrollador: Aún no encontrado,El sitio web oficial está aquí

Introducción:

SN29 Coldint, abreviatura de Collective Distributed Incentivized Training, se enfoca en el preentrenamiento de modelos de nicho. Los "modelos de nicho" se refieren a aquellos que pueden no ser tan ampliamente aplicables como los modelos grandes de propósito general, pero son muy valiosos en dominios o tareas específicas.

Miner y Participación de Roles:

a) Los mineros principalmente ganan incentivos al compartir públicamente sus modelos entrenados.

b) Se otorgan incentivos secundarios a los mineros u otros colaboradores que comparten ideas al contribuir al código fuente.

c) Se anima a los mineros a compartir regularmente sus mejoras a través de recompensas por pequeñas mejoras.

d) Se proporcionan recompensas significativas por las contribuciones de código que combinan de manera efectiva los esfuerzos de formación individual en modelos compuestos mejorados.

Subred 40: Chunking, conjunto de datos optimizado para la aplicación de RAG (Retrieval-Augmented Generation)

Equipo de desarrollo: @vectorchatai

Token: $CHAT

Introducción:

SN40 Las funciones de segmentación funcionan como un bibliotecario excepcionalmente inteligente, diseñado específicamente para dividir grandes volúmenes de información (texto, imágenes, audio, etc.) en fragmentos más pequeños. Este enfoque facilita que la IA comprenda y utilice la información. Así como un estante de libros bien organizado te ayuda a encontrar rápidamente lo que buscas, la segmentación SN40 ayuda a “organizar el estante de libros” para la IA.

No se limita al texto, SN40 Chunking también puede manejar varios tipos de información, incluyendo imágenes y audio. Es como un bibliotecario versátil que administra no solo libros sino también álbumes de fotos, CDs de música y más.

Subred 39: EdgeMaxxing, optimizando modelos de IA para funcionar en dispositivos de consumidor

Equipo de desarrollo:@WOMBO

Introducción: SN39 EdgeMaxxing es una subred centrada en la optimización de modelos de IA para dispositivos de consumo, desde smartphones hasta laptops. La subred EdgeMaxxing emplea un sistema de recompensas competitivo con concursos diarios para animar a los participantes a mejorar continuamente el rendimiento de los modelos de IA en dispositivos de consumo.

Roles y responsabilidades de los participantes:

Los mineros: La tarea principal es enviar puntos de control de modelo de IA optimizados. Utilizan varios algoritmos y herramientas para mejorar el rendimiento del modelo.

Validadores: Deben ejecutar los modelos presentados en el hardware objetivo especificado (por ejemplo, NVIDIA GeForce RTX 4090). Recopilan todos los modelos presentados por los mineros diariamente, evalúan cada modelo y comparan los resultados con los puntos de control de referencia. Los validadores puntúan los modelos en función de las mejoras de velocidad, el mantenimiento de la precisión y las mejoras generales de eficiencia, seleccionando el modelo de mejor rendimiento del día como el ganador.

Repositorio de código abierto del proyecto: https://github.com/womboai/edge-maxxing

Subred 30: Bettensor, mercado descentralizado de predicción deportiva

Equipo de desarrollo:@Bettensor

Introducción:

Bittensor permite a los entusiastas del deporte predecir los resultados de eventos deportivos, creando un mercado descentralizado de predicciones deportivas basado en la tecnología de blockchain.

Roles del participante:

Minero: Responsable de generar resultados de predicción.

Validador: Verifica la precisión de los resultados de la predicción.

Recolector de datos: Recopila datos de eventos deportivos de diversas fuentes.

Repositorio de código abierto del proyecto: https://github.com/Bettensor/bettensor (parece estar todavía en desarrollo)

Subred 06: Juegos infinitos, mercado de predicción general

Equipo de desarrollo:@Playinfgames

Introducción:

Infinite Games desarrolla herramientas en tiempo real y predictivas para mercados de predicción. El proyecto también se dedica a la arbitraje y agregación de eventos en plataformas como Gate.@Polymarket y @azuroprotocol.

Sistema de incentivos:

Utiliza tokens $TAO como incentivos.

Recompensa a los proveedores de predicciones precisas e información valiosa.

En general, el proyecto fomenta la participación de los usuarios en la predicción y el intercambio de información, fomentando una comunidad de predicción activa.

Subred 37: Ajuste fino de LLM, ajuste fino de modelos de lenguaje grandes

Equipo de desarrollo: Taoverse &@MacrocosmosAI

Introducción:

Esta es una subred enfocada en el ajuste fino de modelos de lenguaje grandes (LLMs), recompensando a los mineros por el ajuste fino de LLMs y utilizando la corriente continua de datos sintéticos de la Subred 18 para la evaluación del modelo.

Mecanismo Operativo:

• Los mineros entrenan modelos y los publican regularmente en la plataforma Hugging Face.
• Los validadores descargan modelos de Hugging Face y los evalúan continuamente utilizando datos sintéticos.
• Los resultados de la evaluación se registran en la plataforma wandb.
• Los tokens TAO se distribuyen como recompensas a mineros y validadores basándose en su rendimiento.

Dirección del almacén del proyecto: https://github.com/macrocosm-os/finetuning

Subred 21: de cualquier a cualquier, creando modelos avanzados de IA multimodales

Equipo de desarrollo:@omegalabsai

Introducción:

En este proyecto, "Cualquier a Cualquier" se refiere a la capacidad de un sistema de inteligencia artificial multimodal para transformar y comprender diferentes tipos de datos o información, como texto a imágenes, imágenes a texto, audio a video y video a texto. El sistema no solo realiza estas transformaciones, sino que también comprende las relaciones entre diferentes modalidades. Por ejemplo, puede comprender la conexión entre una descripción textual y una imagen o entre un video y su audio correspondiente.

En esta subred, el mecanismo de incentivos está diseñado para animar a los investigadores y desarrolladores de IA globales a participar en el proyecto.

• Los colaboradores pueden ganar recompensas en tokens proporcionando modelos valiosos, datos o recursos computacionales.
• Este incentivo económico directo hace que la investigación y el desarrollo de IA de alta calidad sean un esfuerzo sostenible.

Dirección del almacén del proyecto: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor

Conocimientos adicionales:

Conocimientos complementarios:

En caso de que algunos lectores no estén familiarizados con el concepto de subredes Bittensor, aquí hay una explicación simple:

• Una subred es una red especializada dentro del ecosistema de Bittensor.
• Cada subred se enfoca en tareas específicas de inteligencia artificial o aprendizaje automático.
• Las subredes permiten a los desarrolladores crear e implementar modelos de IA para fines específicos.
• Utilizan la criptoeconomía para incentivar a los participantes a proporcionar recursos computacionales y mejorar los modelos.

declaración:

1. Este artículo es reproducido de [ TechFlow], el título original "TAO tiene el mayor rebote ahora, haciendo un inventario de 12 proyectos de IA útiles en la subred", los derechos de autor pertenecen al autor original [深潮 TechFlow], si tiene alguna objeción a la reproducción, por favor contacteEquipo de Gate Learn, el equipo lo manejará lo antes posible de acuerdo con los procedimientos relevantes.

2. Descargo de responsabilidad: Las opiniones expresadas en este artículo representan únicamente las opiniones personales del autor y no constituyen ningún consejo de inversión.

3. Las otras versiones del artículo son traducidas por el equipo Gate Learn, no mencionadas enGate.io, el artículo traducido no puede ser reproducido, distribuido o plagiado.