見解：なぜ我々は依然としてBittensorを買い持ちしているのか？
TechFlow厳選深潮セレクト
見解：なぜ我々は依然としてBittensorを買い持ちしているのか？
強力な包含性、激しい競争環境、および効果的なインセンティブメカニズムにより、Bittensorエコシステムは有機的に高品質な人工知能製品を生み出すことができる。
Web3業界の深掘り報道に専念し潮流を洞察執筆：0xai
翻訳：TechFlow
Bittensorとは何か？
Bittensor自体は人工知能（AI）製品ではなく、AI製品やサービスを生産または提供するものでもありません。Bittensorは経済システムであり、AI製品の生産者に対して極めて競争力のあるインセンティブ体系を提供することで、AI市場の最適化を担います。Bittensorエコシステム内では、高品質な生産者がより多くの報酬を得られ、競争力の低い生産者は徐々に淘汰されていきます。
では、Bittensorは具体的にどのようなインセンティブメカニズムを構築し、効果的な競争を促進して高品質なAI製品の有機的生成を推進しているのでしょうか？
Bittensorフライホイールモデル
Bittensorはこの目標を「フライホイールモデル」を通じて実現しています。検証者（バリデータ）がエコシステム内のAI製品の品質を評価し、その品質に基づいて報酬を配分することで、高品質な生産者がより多くのインセンティブを得られるようにします。これにより高品質なアウトプットが継続的に増加し、Bittensorネットワークの価値が向上し、TAOの価値も上昇します。TAOの価値上昇は、より多くの高品質な生産者の参入を促すだけでなく、品質評価結果を操作しようとする攻撃者のコストを高めます。これにより正直な検証者のコンセンサスが強化され、評価結果の客観性と公平性が高まり、より効果的な競争とインセンティブメカニズムが実現されます。
評価結果の公平性と客観性を確保することは、このフライホイールを回す鍵となる第一歩です。これがまさにBittensorの核心技術である、Yumaコンセンサスに基づく抽象的検証システムです。
では、Yumaコンセンサスとは何か？ またそれがどのようにして合意された評価結果の公平性・客観性を保証するのか？
Yumaコンセンサスは、多数の検証者が提供する多様な評価に基づいて最終的な評価結果を算出することを目的としたコンセンサスメカニズムです。ビザンチンフォールトトレランス（BFT）型のコンセンサスと同様に、ネットワーク内の大多数の検証者が誠実であれば、最終的には正しい決定が下されます。誠実な検証者が客観的な評価を行うと仮定すれば、コンセンサス後の評価結果も公平かつ客観的になります。
サブネットの品質評価を例にすると、ルートネットの検証者が各サブネットの出力品質を評価・ランキングします。64人の検証者による評価結果が集約され、Yumaコンセンサスアルゴリズムによって最終的な評価結果が導き出されます。そしてこの最終結果に基づいて、各サブネットに新規発行されるTAOが分配されます。
現在のところ、Yumaコンセンサスにはまだ改善の余地があります：
-
ルートネットの検証者はすべてのTAO保有者を完全に代表しているわけではなく、彼らの提供する評価結果が広範な見解を反映しているとは限りません。さらに、トップレベルの検証者の評価が常に客観的であるとは限らず、偏りが見つかっても即座に修正できない可能性があります。
-
ルートネット検証者の存在は、Bittensorが収容可能なサブネット数に制限をかけています。中央集権的なAI大手と競争するには、32のサブネットでは不十分です。しかし、たった32のサブネットであっても、ルートネット検証者がすべてを効果的に監視するのは難しいかもしれません。
-
検証者は新しいサブネットへ移行する強いインセンティブを持っていない可能性があります。短期的には、発行量の多い古いサブネットから発行量の少ない新しいサブネットへ移行することで報酬を失うリスクがあります。新しいサブネットの発行量が将来的に追いつくかどうか不透明な上、移行中に明確な報酬損失があるため、移行意欲が低下します。
Bittensorはこれらの欠点を解決するためにメカニズムのアップグレードを計画しています：
-
Dynamic TAO（dTAO）により、サブネットの品質評価権が少数の検証者からすべてのTAO保有者へと分散されます。TAO保有者はステーキングを通じて間接的に各サブネットの分配比率を決定できるようになります。
-
ルートネット検証者の制限がなくなることで、アクティブなサブネットの最大数は1024にまで拡大されます。これは新しいチームがBittensorエコシステムに参加する際のハードルを大きく下げ、サブネット間の競争をさらに激化させます。
-
新しいサブネットに早期に移行した検証者はより高い報酬を得られる可能性があります。早期移行により、そのサブネットのdTAOを低い価格で購入でき、将来より多くのTAOを獲得するチャンスが増えます。
Yumaコンセンサスのもう一つの主な利点は、その高い包括性にあります。Yumaコンセンサスは各サブネットの発行量を決定するだけでなく、同じサブネット内の各マイナーおよび検証者の分配比率も決定します。さらに、マイナーのタスクが何であれ、計算能力、データ、人間の貢献、知的貢献など含まれるあらゆる貢献が抽象的に扱われます。そのため、AI商品生産のどの段階でもBittensorエコシステムにアクセスし、インセンティブを受けながらネットワーク価値を高めることができます。
次に、優れたサブネットのいくつかを見てみましょう。Bittensorがこれらのサブネットのアウトプットをどのようにインセンティブしているかを確認します。
優れたサブネット
サブネット3：Myshell TTS
GitHubでアカウントを作成することで、myshell ai/MyShell TTS サブネットの開発に貢献できます。
発行量：3.46% （2024年4月9日）
背景：Myshell TTS（テキスト・ツー・スピーチ）を支えるチームMyshellは、MIT、オックスフォード大学、プリンストン大学などの著名な機関出身のコアメンバーで構成されています。Myshellはプログラミングの知識がない大学生でも簡単に作りたいロボットを作れるノーコードプラットフォームの創出を目指しています。TTS領域、オーディオブック、バーチャルアシスタントに注力し、2023年3月に初の音声チャットボットSamanthaをリリースしました。製品マトリクスの拡大とともに、これまでに100万人以上の登録ユーザーを獲得しています。このプラットフォームは、言語学習、教育、ユーティリティ型などさまざまなタイプのロボットをホストしています。
定位：Myshellはこのサブネットを立ち上げることで、オープンソースコミュニティ全体の知恵を集め、最高のオープンソースTTSモデルを構築することを目指しています。つまり、Myshell TTSはモデルを直接実行したりエンドユーザーのリクエストを処理したりするものではなく、TTSモデルの訓練のためのネットワークです。
Myshell TTSアーキテクチャ
Myshell TTSの動作プロセスは上図の通りです。マイナーはモデルの訓練を行い、訓練済みモデルをモデルプールにアップロードします（モデルのメタデータもBittensorブロックチェーンネットワークに保存されます）。検証者はテストケースを生成し、モデルの性能を評価して結果に基づいてスコアをつけます。BittensorブロックチェーンはYumaコンセンサスを使用して重みを集約し、各マイナーの最終的な重みと分配比率を決定します。
つまり、マイナーは報酬を維持するために常に質の高いモデルを提出し続けなければなりません。
現在、Myshellは自社プラットフォーム上でデモも提供しており、ユーザーがMyshell TTSのモデルを試すことができます。
Open Kaitoアーキテクチャ
将来、Myshell TTSで訓練されたモデルがより信頼性を持つようになれば、さらに多くのユースケースが登場するでしょう。また、オープンソースモデルとして、Myshellに限定されず他のプラットフォームにも展開可能です。このような分散型のアプローチでオープンソースモデルを訓練しインセンティブを与えることが、まさに我々が目指す分散型AIの姿ではないでしょうか？
サブネット5：Open Kaito
GitHubでアカウントを作成することで、Open Kaitoの開発に貢献できます。
発行量：4.39% （2024年4月9日）
背景：Open KaitoチームはKaito.aiを運営するチームであり、AI分野で豊富な経験を持つコアメンバーで構成され、過去にはAWS、META、Citadelといった一流企業で勤務していました。Bittensorサブネットに参入する前から、旗艦製品であるKaito.ai――Web3のオンチェーン外データ検索エンジンを2023年第4四半期にリリースしています。AIアルゴリズムを活用して、データ収集、ランキングアルゴリズム、検索アルゴリズムなど検索エンジンの主要コンポーネントを最適化しています。暗号コミュニティ内で一流の情報収集ツールとして認められています。
定位：Open Kaitoはスマート検索と分析を支援する分散型インデックス層の構築を目指しています。検索エンジンは単なるデータベースやランキングアルゴリズムではなく、複雑なシステムです。さらに、有効な検索エンジンには低遅延も必要であり、分散型バージョンの構築には追加の課題があります。幸いなことに、Bittensorのインセンティブシステムにより、こうした課題の解決が期待されています。
Open Kaitoの動作プロセスは上図の通りです。Open Kaitoは検索エンジンの各コンポーネントを分散させるだけでなく、インデックス問題をマイナーと検証者の問題として定義しています。つまり、マイナーがユーザーのインデックスリクエストに応答し、検証者がニーズを配布してマイナーの応答を評価・採点します。
Open Kaitoはマイナーがインデックスタスクをどのように完了するかを制限せず、最終的な出力結果に焦点を当てることで革新的なソリューションを奨励します。これにより、マイナー間の健全な競争環境が育まれます。ユーザーのインデックス要求に対して、マイナーはより少ないリソースでより高品質な応答を出すために実行プランを改善しようと努力します。
サブネット6：Nous Finetuning
GitHubでアカウントを作成することで、Nous Research/finetuning サブネットの開発に貢献できます。
発行量：6.26% （2024年4月9日）
背景：Nous Finetuningを支えるチームは、大規模言語モデル（LLM）アーキテクチャ、データ合成、端末内推論に特化した研究チームであるNous Researchに所属しています。共同設立者はEden Networkのチーフエンジニアを務めた経験があります。
定位：Nous Finetuningは大規模言語モデルのファインチューニング専用のサブネットです。また、ファインチューニングに使用されるデータもBittensorエコシステム由来であり、具体的にはサブネット18です。
Nous Finetuningの動作プロセスはMyshell TTSと類似しています。マイナーはサブネット18からのデータを基にモデルを訓練し、定期的にHugging Face上でホストされるモデルを公開します。検証者がモデルを評価してスコアを提供します。同様に、BittensorブロックチェーンはYumaコンセンサスを使って重みを集約し、各マイナーの最終的な重みと発行量を決定します。
サブネット18：Cortex.t
GitHubでアカウントを作成することで、corcel-api/cortex.tの開発に貢献できます。
発行量：7.74%（2024年4月9日）
背景：Cortex.tを支えるチームはCorcel.ioであり、Bittensorネットワーク第2位の検証者Mogの支援を受けています。Corcel.ioはBittensorエコシステムのAI製品を活用してChatGPTと同様の体験をエンドユーザーに提供するアプリケーションです。
定位：Cortex.tはエンドユーザーに結果を提供する前の最後のレイヤーと位置づけられています。複数のモデルを呼び出す単一のプロンプトにおいても、結果が正確で信頼できるように、各種サブネットの出力を検出・最適化する役割を担います。空白や矛盾した出力を防ぎ、シームレスなユーザーエクスペリエンスを保証することを目指しています。
Cortex.tのマイナーはBittensorエコシステム内の他のサブネットを利用してエンドユーザーのリクエストを処理します。また、GPT-3.5 TurboまたはGPT-4を使用して出力結果を検証し、エンドユーザーへの信頼性を確保します。検証者はこれをOpenAIが生成した結果と比較してマイナーの出力を評価します。
サブネット19：Vision
GitHubでアカウントを作成することで、namoray/visionの開発に貢献できます。
発行量：9.47%（2024年4月9日）
背景：Visionの開発チームもCorcel.ioに所属しています。
定位：VisionはDSIS（Distributed Scale Inference Subnet）と呼ばれる最適化されたサブネット構築フレームワークを活用し、Bittensorネットワークの出力能力を最大化することを目指しています。このフレームワークにより、マイナーが検証者に応答する速度が加速されます。現在、Visionは画像生成のシナリオに注力しています。
検証者はCorcel.ioのフロントエンドからニーズを受け取り、それをマイナーに配布します。マイナーは自分の好きな技術スタック（モデルに限定されない）を自由に選択してリクエストを処理し、応答を生成します。その後、検証者がマイナーのパフォーマンスを評価します。DSISの存在により、Visionは他のサブネットよりも迅速かつ効率的にこれらのニーズに応答できます。
まとめ
上記の事例から明らかなように、Bittensorは非常に高い包括性を持っています。マイナーの生成活動と検証者の検証作業はいずれもオフチェーンで行われ、Bittensorネットワークは検証者の評価に基づいて各マイナーに報酬を分配する役割のみを担います。マイナー・検証者アーキテクチャに合致するAI製品のあらゆる側面は、サブネットに変換可能です。
理論的には、サブネット間の競争は激しいはずです。どのサブネットも継続的に高品質な出力を生み続けなければ、報酬を得続けることはできません。そうでなければ、ルートネットの検証者がその出力を低価値と判断すれば、配分が削減され、最終的には新しいサブネットに置き換えられる可能性があります。
しかし現実には、いくつかの問題が見られます：
-
サブネットのポジショニングが類似していることによるリソースの冗長性と重複。現存する32のサブネットのうち、複数のサブネットがテキストから画像生成、テキストプロンプト、価格予測といった人気分野に集中しています。
-
実用的なユースケースを持たないサブネットが存在します。価格予測サブネットは理論的にはオラクルとして価値を持つかもしれませんが、現在の予測データの性能はエンドユーザーが利用できるレベルに遠く及んでいません。
-
「劣幣が良幣を駆逐する」状況が存在します。一部のトップ検証者は、明らかに品質が高い新しいサブネットがある場合でも、移行を積極的にしない可能性があります。資金支援が不足しているため、短期間では十分な発行量を得られないかもしれません。新しいサブネットは保護期間がわずか7日しかなく、十分な発行量を迅速に積み上げられなければ、排除・停止の危険にさらされます。
これらの問題は、サブネット間の競争が不十分であること、および一部の検証者が効果的な競争を促進する役割を果たしていないことを示しています。
Open Tensor Foundationの検証者（OTF）は、この状況を緩和するための一時的な措置をすでに実施しています。23%のステークを持つ最大の検証者（委任含む）であるOTFは、サブネットがより多くのステークTAOを獲得するためのチャンネルを提供しています。サブネット所有者は毎週OTFに申請を提出し、サブネット内のステークTAO比率の調整を求めることができます。この申請には、「サブネットの目標とBittensorエコシステムへの貢献」「報酬メカニズム」「通信プロトコル設計」「データソースとセキュリティ」「計算要件」「ロードマップ」など10項目をカバーする必要があり、OTFの最終的な意思決定を支援します。
しかし、この問題を根本的に解決するには、一方でdTAO（Dynamic TAO）の早期導入が急務であり、上記の不合理な状況を根本から変えることが求められます。あるいは、大量のStake TAOを保有する大規模検証者に対して、「財務リターン」の観点だけでなく、「エコシステムの発展」という視点からBittensorエコシステムの長期的発展を考えるよう呼びかけることも有効です。
以上のように、高い包括性、激しい競争環境、効果的なインセンティブメカニズムを備えたBittensorエコシステムは、高品質なAI製品を有機的に生み出すことができると信じています。現時点のすべてのサブネットの出力が中央集権型製品と同等であるとは限りませんが、現在のBittensorアーキテクチャが設立されてからまだ1年しか経っていないことを忘れてはなりません（サブネット1は2023年4月13日に登録されました）。中央集権的なAI大手と競合しうる可能性を持つプラットフォームに対しては、欠点を急いで批判するよりも、実行可能な改善計画を真剣に考えるべきではないでしょうか。結局のところ、誰もがAIが少数の巨大企業に支配され続けることを望んでいるわけではないのです。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
@0xai_dev
