Обзор Bittensor: наступила ли синергия блокчейна и искусственного интеллекта?

Что такое Bittensor

Bittensor — это проект от Opentensor Foundation, использующий блокчейн для построения открытого рынка знаний для обучения ИИ-моделей и повышения эффективности этого процесса. Другими словами, продукт предлагает децентрализованную инфраструктуру для монетизации алгоритмов и обмена данными между ними.

Команда Bittensor пытается решить сразу несколько проблем, ограничивающих развитие ИИ-отрасли:

• специализация — существующие модели специализируются на конкретных задачах, например, генерировании изображений или текстовых ответов. Это создает трудности при построении комплексных продуктов из-за конкуренции разработчиков и закрытости кода, усложняющих комбинирование различных решений в рамках одного продукта;
• низкая эффективность обучения — разработчики используют закрытый исходный код и сохраняют в секрете технические особенности своих ИИ-моделей. Из-за этого каждому поставщику приходится заново обучать алгоритм, который будет выполнять те же функции, что уже выполняет конкурент. 

Соответственно, компаниям надо повторно оплачивать мощности и доступ к массивам информации, расходуя ресурсы, просто чтобы «догнать» более прогрессивные алгоритмы. Это снижает эффективность разработки и тормозит общую эволюцию технологии;

• монополия — сейчас на рынке существует несколько продуктов на базе ИИ, представленных в основном техническими гигантами вроде OpenAI, Amazon или Microsoft. Львиная доля пользователей приходится на GPT 4 — большую языковую модель, лежащую в основе ChatGPT и многочисленных решений для коммерческих сайтов, игр и других проектов. 

По мере интеграции искусственного интеллекта во все сферы жизни возрастают риски «единой точки отказа» и ограничения доступа к технологии по требованию регуляторов. Устранить их может новая, децентрализованная модель рынка.

Для преодоления этих препятствий Bittensor разработала концепцию «рынка ИИ», на котором представлены узкоспециализированные алгоритмы. Такая платформа дает пользователям возможность задействовать решение, наиболее подходящее для той или иной задачи, а провайдерам — получать вознаграждение за предоставленные знания. 

Конечные пользователи или разработчики получают интегрированную с ИИ-моделями инфраструктуру, на базе которой можно построить прикладные приложения вроде уже знакомых нам генераторов изображений или виртуальных собеседников. Вот несколько сервисов, обрабатывающих запросы с использованием сети Bittensor:

• TAO Studio — алгоритм для генерации изображений на основе текстовых подсказок;
• ChatNI — децентрализованный аналог ChatGPT;
• Chat with Hal — персональный ИИ-ассистент.

Эти примеры демонстрируют, что децентрализованные решения могут конкурировать с продуктами технологических гигантов, несмотря на скептическое отношение к симбиозу ИИ и блокчейна части сообщества, выраженное, в частности, Андре Кронье. 

Архитектура сети

Bittensor работает как автономный блокчейн первого уровня, построенный с использованием фреймворка Substrate и Polkadot SDK. С момента запуска сеть несколько раз обновлялась:

• Kusanagi — первая версия сети, запущенная в январе 2021 года на парачейне Polkadot;
• Nakamoto — вторая версия, обновленная через хардфорк в ноябре 2021 года;
• Finney — действующая сеть, запущенная в марте 2023 года, как автономный блокчейн.

Отличительной особенностью Bittensor является использование гибридного алгоритма консенсуса Yuma, сочетающего Proof-of-Stake и Proof-of-Work. Этот алгоритм специально адаптирован для оценки качества работы ИИ-моделей и защиты сети от злоупотреблений со стороны валидаторов. 

Основными участниками блокчейна являются:

• майнеры — это поставщики ИИ-моделей. После запуска ноды ИИ-алгоритм майнера может получать запросы от пользователей и отвечать на них, обеспечивая PoW-часть алгоритма консенсуса.

Bittensor не управляет моделями или ресурсами майнеров, а все вычисления проводятся вне цепочки, что удешевляет инфраструктуру. Поставщик ИИ самостоятельно отвечает за обучение, подключение к сети и обеспечение вычислительных мощностей;

• валидаторы — это узлы, отвечающие за передачу запроса пользователя майнерам и последующую оценку ответа. Алгоритм консенсуса обеспечивает согласование мнений валидаторов. Для участия в работе сети валидаторы запускают отдельные узлы, блокируя токены TAO, которые могут потерять в случае неправомерного поведения.

В числе крупнейших валидаторов Bittensor майнинговая компания Foundry и Neural Internet — децентрализованная автономная организация, занимающаяся исследованием ИИ;

• номинаторы — держатели TAO, которые через стейкинг делегируют свои активы валидатору, увеличивая тем самым вес его голоса при принятии решений. Взамен номинаторы получают часть от дохода валидаторов. На момент написания застейкать TAO можно под 16% годовых.

При этом Bittensor разбита на 32 подсети (subnets), в каждой из которых сосредоточены майнеры, специализированные на решение конкретных задач. Качество работы подсетей определяют валидаторы корневой сети (root network), в число которых попадают крупнейшие стейкеры из каждой подсети. 

Концепция MoE

«Святым Граалем» ИИ-индустрии является создание так называемого общего искусственного интеллекта (AGI), который подобно человеку мог бы решать разноплановые задачи и гибко обучаться. Однако это крайне трудная задача даже для технологических гигантов с их практически безграничными ресурсами.

Bittensor в качестве альтернативы использует архитектуру MoE (Mix of Experts), которая предусматривает создание сети специализированных ИИ-моделей. Эта сеть обрабатывает запрос пользователя и выдает самый качественный ответ от «эксперта», то есть наиболее релевантного алгоритма. 

На практике это реализовано при помощи подсетей, специализирующихся на конкретных группах запросов. Любой пользователь может зарегистрировать свою подсеть за определенную плату и привлечь в нее поставщиков ИИ-алгоритмов для решения той или иной задачи, получая 18% от общего дохода участников. Но важно отметить, что максимально количество подсетей устанавливается разработчиками, поэтому в этом направлении Bittensor все еще не является полностью открытым блокчейном.

Так, на момент написания в сети Bittensor состоит из 32 подсетей, а среди основных специализаций генеративное искусство, перевод, текстовые запросы и другие. 

Ключевым преимуществом MoE является возможность «экспертов» сотрудничать при решении задачи. Это позволяет, например, создать гайд по написанию кода на определенном языке. При этом за структуру гайда может отвечать текстовая модель, за код — «эксперт» по программированию, а за нужный язык — ИИ-переводчик.  

Потенциально эта модульная архитектура позволяет решать более широкий круг задач по сравнению с централизованными алгоритмами. Возможности MoE также расширяются по мере добавления новых специализированных подсетей. 

Централизованные продукты вроде ChatGPT тоже могут быть многозадачными, однако из-за закрытого кода мы не знаем, работают ли они как монолитный «супералгоритм» или набор специализированных модулей. В первом случае, сложность (и стоимость) обучения будет возрастать по мере добавления новых направлений, что в теории делает MoE более эффективным решением. Во втором — у централизованных продуктов нет принципиальных преимуществ по сравнению с Bittensor.

Совместное обучение

Одной из проблем рынка ИИ является его фрагментация и отсутствие «культуры» открытого кода. Каждый разработчик должен настраивать свою модель с нуля, даже если она будет выполнять те же задачи, что и конкуренты. Это требует повторных вложений в вычислительные мощности и обучающие данные. Bittensor пытается решить эту проблему, используя прозрачность блокчейна. 

Механизм консенсуса Yama предусматривает, что валидатор отправляет запрос от пользователя всем майнерам соответствующей «специализации», чтобы получить максимальное количество ответов и оценить их. При этом результат оценки записывается в блокчейн и доступен публично. Это значит, что майнеры знают:

• запрос;
• относительную оценку своего ответа.

Используя эти данные, менее эффективные ИИ-модели могут «эволюционировать» за счет сравнительной оценки знаний и качества их ответов.

По сути, это базовый механизм обучения ИИ, но в централизованных продуктах вроде ChatGPT корректность ответа определяется либо разработчиками, либо на основании оценок пользователей. 

Однако в Bittensor обучение происходит синхронно — при каждом запросе оценку получают сразу несколько алгоритмов, в то время как конкурирующим централизованным ИИ-моделям пришлось бы учиться автономно, повторяя ошибки и снижая эффективность использования ресурсов.        

Важно учесть, что Bittensor лишь помогает разработчикам совершенствовать алгоритм. Проблемы создания и настройки параметров, первичного обучения, хранения данных и вычислительных мощностей остаются на стороне провайдера и создают достаточное пространство для конкуренции на открытом рынке.

Система вознаграждений

Одной из основных задач Bittensor является экономическое поощрение провайдеров ИИ-моделей. Для ее решения используется криптовалюта TAO, на основе которой выстроен следующий механизм вознаграждения:

• при финализации блока в сети Bittensor выпускается один (на момент написания) токен TAO;
• этот токен распределяется между подсетями на основе коэффициентов — у каждой подсети есть свой параметр, присваиваемый валидаторами коренной подсети;
• в подсети награда распределяется между майнерами на основании качества их ответов на запросы пользователей. Чем выше качество, тем больше токенов получает узел. Оценку ответа каждого майнера проводят валидаторы подсети;
• валидаторы также получают награду за свою работу, хоть она и несколько ниже, чем у майнеров. 

Bittensor обеспечивает поощрение участников сети за счет майнинга токенов, что напоминает модель биткоина. Поскольку спрос пользователей на криптовалюту для оплаты запросов должен поддерживать рыночную стоимость ТАО, то фактический доход майнеров в фиатном выражении и рентабельность обслуживания ИИ-алгоритмов зависит от популярности Bittensor и построенных на его основе продуктов.

Стоит отметить, что 9 января команда проекта внесла первое предложение по улучшению Bittensor — BIT001. Оно предусматривает создание автономных пулов стейкинга и передачу полномочий по распределению наград от валидаторов корневой сети участникам конкретных подсетей. Для этого после обновления у каждой подсети должен появиться отдельный токен — Dynamic TAO (dTAO), стоимость которого будет варьироваться в зависимости от спроса со стороны пользователей.

Благодаря новому механизму поощрения пользователи смогут также влиять на распределение эмиссии, делегируя активы валидатору конкретной подсети и увеличивая вес его голоса.

Чего НЕ делает Bittensor

Может показаться, что Bittensor работает как децентрализованная ИИ-модель, вычислительные мощности для которой предоставляют майнеры. Но, по сути, Bittensor — это просто инфраструктура для коммуникации различных ИИ-алгоритмов, способствующая их развитию и вознаграждению. Проект:

• не поддерживает и не обучает ИИ-модели — это задача их владельцев, то есть майнеров. У Bittensor нет ни технологии, ни цели заниматься усовершенствованием алгоритмов. Но, как уже упоминалось, сеть предоставляет оценки ответов, помогающие моделям совершенствовать свои знания, смягчая проблему «обучения с нуля» и тем самым снижая расходы провайдеров;
• не создает AGI — это заблуждение возникает, поскольку MoE архитектура на уровне пользователя выглядит как «супер ИИ». Но запросы и ответы на них передаются в рамках специализированных подсетей и алгоритмов, никогда не транслируясь на всех майнеров, что просто не позволяет обучать универсальную модель.

Bittensor строит децентрализованный рынок, где пользователи могут покупать знания ИИ, не полагаясь на монополистов вроде OpenAI.

Криптовалюта TAO и токеномика проекта

TAO выполняет сразу несколько функций, включая финансовые стимулы, обеспечение консесусом, управление проектом и оплату комиссий. Это основная валюта проекта без которой невозможно принимать участие в работе блокчейна ни в качестве потребителя, ни в качестве майнера или валидатора.

Также у проекта нетипичная для блокчейн-стартапов токеномика, вдохновленная биткоином. Ключевые особенности следующие:

• общее предложение — 21 млн TAO;
• отсутствие премайна — все токены добываются майнерами во время работы сети;
• каждые 12 секунд (время финализации блока) выпускается один TAO. На момент написания добыто 6 млн (около 30%) токенов.
• ~90% от циркулирующего предложения (~5,6 млн TAO) заблокировано в стейкинге Bittensor, что является одним из самых высоких показателей на рынке. Для сравнения, в сети Ethereum застейкано ~25% от общего количества ETH, а в Solana ~68% SOL.
• предусмотрен халвинг награды за добычу блоков через каждые 10,5 млн блоков.

Соответственно, у Bittensor нет казначейства, заблокированных долей инвесторов или средств для аирдропа и других поощрений сообщества. Единственные получатели токенов — майнеры и валидаторы. 

С одной стороны, это снижает возможности для привлечениях новых пользователей и разработчиков за счет экономических стимулов и грантовых программ (для этого потребуются дополнительные источники финансирования), с другой — обеспечивает полную прозрачность и предсказуемость инфляции. 

Стоит отметить, что информация об инвесторах проекта тоже отсутствует. Bittensor.org указывает в качестве партнеров Polychain Capital и DCG, а Pitchbook утверждает, что стоящая за проектом Opentensor Foundation закрыла ранний раунд инвестирования. Однако никаких подробностей.

Выводы

Нарратив о синергии искусственного интеллекта и блокчейна многими экспертами отмечен как перспективный тренд 2024 года. Однако разработчики все еще в поиске конкретной модели этого слияния, которая позволила бы получить преимущество по сравнению с централизованными решениями. 

Bittensor — один из претендентов на лидерство в этом новом, формирующемся секторе крипторынка. Команда проекта не стремится революционизировать сами алгоритмы искусственного интеллекта, а создает децентрализованный рынок ИИ-знаний, открывая для владельцев эффективных моделей новые возможности монетизации. 

При этом Bittensor оставляет место для других блокчейн-проектов в области ИИ, нацеленных, например, на децентрализацию вычислительных ресурсов или создание справедливого рынка данных для обучения алгоритмов.