TAOが史上最高の反発、サブネットで12の有用なAIプロジェクトを紹介
TechFlow厳選深潮セレクト
TAOが史上最高の反発、サブネットで12の有用なAIプロジェクトを紹介
Bittensorに新たに12のサブネットが追加され、それぞれがAI関連の開発を一定程度促進している。
Web3業界の深掘り報道に専念し潮流を洞察執筆：TechFlow
暗号資産市場は今週の「ブラックマンデー」で大規模な損失を出したが、翌日にはさまざまなセクターのトークンが反発した。
その中でも最も目立ったのはBittensor（TAO）だ。
Coinmarketcapのデータによると、昨日時価総額トップ100のトークンの中で、Bittensor (TAO) は23.08％上昇し、反発ランキングで首位となった。
AIストーリーは年初ほど熱狂的ではないものの、投機資金の選択は依然としてこの分野のトッププロジェクトに対する期待を示している。
ただし、以前Bittensorは一定程度のFUD（恐怖・不確実性・否定）にも見舞われており、コミュニティからは過剰評価ではないか、サブネット内に実用的なアプリケーションがないとの批判もあった。
（関連記事：FUDが広がる中、AIの新王者Bittensorは神格から降りるのか？）
暗号資産プロジェクトの有用性とトークン価格は必ずしも直接結びつかないが、それならばBittensorは本当に空虚な存在なのだろうか？
過去数ヶ月間、Bittensorには12の新しいサブネットが追加されており、それぞれが一定程度でAI開発を促進している。その中には新たなアルファプロジェクトが生まれる可能性もある。
我々はこれらの新規サブネットを調査し、TAO価格の反発に注目が集まる一方で、そのファンダメンタルズの変化を確認してみた。
サブネット38：Sylliba、70以上の言語に対応するテキスト・音声翻訳ツール
開発チーム：Agent Artificial
概要：
Syllibaはテキストと音声の翻訳をサポートするアプリで、70以上の言語を処理できる。
注目に値するのは、このプログラムがブロックチェーン上のAIエージェントでも利用可能であることだ：
-
自動翻訳プロセス：AIエージェントが自動的にこのサービスを呼び出し、多言語間の情報処理や通信を実現できる。
-
AI能力の強化：多言語対応していないAIシステムでも多言語タスクを処理可能になる。
-
翻訳リクエストと結果はブロックチェーン上で検証可能であり、システムの信頼性を高める。
-
インセンティブメカニズム：トークノミクスを通じて、高品質な翻訳サービス提供者に報酬を与えることができる。
プロジェクトURL：https://github.com/agent-artificial/sylliba-subnet
サブネット34：Bitmind、本物のコンテンツと偽の合成コンテンツを検出・区別
開発チーム：@BitMindAI
概要：
BitMindは、分散型のディープフェイク検出技術の開発に特化している。生成AIモデルの急速な進展により、高品質な合成メディアと本物のコンテンツを区別することはますます難しくなっている。
BitMindはサブネットを通じて、Bittensorネットワークに強力な検出メカニズムを展開し、生成モデルと識別モデルを組み合わせてディープフェイクを効果的に識別する。
また、BitMind APIを利用することで、サブネットのディープフェイク検出機能を活用した消費者向けアプリケーションの開発が可能になる。画像アップロードインターフェースを備えたBitMind WebアプリケーションはAPIを使用して、ユーザーが画像の真偽を簡単に判定できるよう支援し、直感的でわかりやすい詐欺防止ツールを提供する。
サブネット43：Graphite、スマート経路計画ネットワーク
開発チーム：@GraphiteSubnet
概要：
Graphiteはグラフ問題を処理するために特別に設計されたサブネットで、特に巡回セールスマン問題（TSP）に焦点を当てている。TSPは一連の都市を最短ルートで訪れ元の地点に戻るという古典的な最適化問題である。
GraphiteはBittensorの分散型機械学習ネットワークを活用し、TSPや類似のグラフ問題の計算需要に対してマイナーを効率的に接続する。
現在、バリデーターが合成リクエストを生成し、ネットワーク内のマイナーに送信する。マイナーは自ら設計したアルゴリズムを使用してTSPを解決し、結果をバリデーターに返して評価される。
サブネット42：Gen42、GitHubのオープンソースAIコーディングアシスタント
開発チーム：@RizzoValidator、@FrankRizz07
概要：
Gen42はBittensorネットワークを利用して、分散型のコード生成サービスを提供する。重点は、オープンソースの大規模言語モデルによって駆動される、コードに関する質問応答およびコード補完のための強力で拡張可能なツールの作成にある。
主な製品：
a. チャットアプリ：ユーザーがサブネットと対話できるチャットインタフェースを提供。主な機能はコードベースの質問応答である。
b. コード補完：continue.devと連携可能なOpenAI互換APIを提供。
マイナーやバリデーターの参加方法はプロジェクトのGithubを参照。
サブネット41：Sportstensor、スポーツ予測モデル
開発チーム：@sportstensor
概要：
Sportstensorは、Bittensorネットワークによって支えられた、分散型スポーツ予測アルゴリズムの開発に取り組むプロジェクトである。
プロジェクトはオープンソースのHuggingFace上で基礎モデルを提供しており、マイナーがこれを訓練・改善できる。歴史的データおよびリアルタイムデータに基づいて戦略立案やパフォーマンス分析を行い、包括的なデータセット収集や高性能予測モデルの開発を報酬で支援する。
マイナーとバリデーターの機能：
-
マイナー：バリデーターからのリクエストを受け取り、関連データにアクセスし、機械学習モデルを使って予測を行う。
-
バリデーター：マイナーの予測を収集し、実際の結果と比較して検証結果を記録する。
サブネット29：coldint、ニッチなAIモデルのトレーニング
開発者：未確認、公式サイトはこちら
概要：
SN29 coldint（Collective Distributed Incentivized Training：集団分散型インセンティブ付きトレーニング）。
目的：ニッチモデル（niche models）の事前トレーニングに特化。「ニッチモデル」とは、大規模汎用モデルほど広く使われていないが、特定分野やタスクにおいて非常に価値のあるモデルを指す。
マイナーおよび他の参加者の役割と分担：
a) マイナーは公開共有によるモデルのトレーニングで主に報酬を得る。
b) コードベースへの貢献を通じて洞察を共有するマイナーや貢献者には副次的な報酬が与えられる。
c) 小さな改良に対しても報酬を与え、マイナーが定期的に改善成果を共有するよう促進する。
d) 個々のトレーニング努力を統合してより優れた複合モデルを生み出すコード貢献には高い報酬を与える。
サブネット40：Chunking、RAG（Retrieval-Augmented Generation、検索拡張生成）アプリケーション向けデータセットの最適化
開発チーム：@vectorchatai
トークン：$CHAT
概要：
SN40 Chunkingは、非常に賢い司書のような存在で、大量の情報（テキスト、画像、音声など）を小さなチャンクに分割する。これはAIが情報をより簡単に理解・利用できるようにするためのものだ。本棚が整理整頓されていれば、必要な本をすぐに見つけられるのと同じ原理である。
SN40 ChunkingはまさにAIの「本棚整理」を行っている。
文字情報だけでなく、画像や音声など複数種類の情報を処理できる。まるで書籍だけでなく写真集や音楽CDも管理する万能の司書のようなものだ。
サブネット39：EdgeMaxxing、コンシューマー向けデバイスでのAIモデル最適化
開発チーム：@WOMBO
概要：SN39 EdgeMaxxingは、スマートフォンからノートPCまで、コンシューマー向けデバイス上でAIモデルを最適化することに特化したサブネットである。
EdgeMaxxingサブネットは競争型報酬システムを採用しており、毎日コンテストが開催される。これは参加者がコンシューマー向けデバイス上でのAIモデルのパフォーマンスを継続的に最適化するよう促進するためである。
参加者の役割と分担：
マイナー（Miners）：
主な任務は最適化されたAIモデルのチェックポイントを提出すること
さまざまなアルゴリズムやツールを用いてモデルのパフォーマンスを向上させる
バリデーター（Validators）：
指定されたターゲットハードウェア（例：NVIDIA GeForce RTX 4090）上で実行されなければならない。毎日すべてのマイナーが提出したモデルを収集し、各モデルをベンチマークテスト。ベースラインチェックポイントと比較し、速度の改善、精度の維持、全体的な効率の向上に基づいて評価し、当日最も優れたモデルを勝者として選定する
プロジェクトのオープンソースリポジトリ：https://github.com/womboai/edge-maxxing
サブネット30：Bettensor、分散型スポーツ予測市場
開発チーム：@Bettensor
概要：
Bettensorは、スポーツ愛好家がスポーツ試合の結果を予測できるようにし、ブロックチェーンベースの分散型スポーツ予測市場を構築する。
参加者の役割：
マイナー：予測結果の生成を担当
バリデーター：予測結果の正確性を検証
データコレクター：さまざまなソースからスポーツイベントのデータを収集
プロジェクトのオープンソースリポジトリ：https://github.com/Bettensor/bettensor （開発中のように見える）
サブネット06：Infinite Games、汎用予測市場
開発チーム：@Playinfgames
概要：
Infinite Gamesはリアルタイムおよび予測ツールを開発し、予測市場に活用する。同時に、@Polymarketや@azuroprotocolなどのプラットフォームのイベントに対して裁定取引（アービトラージ）やデータ集約を行う。
インセンティブシステム：
$TAOトークンをインセンティブ手段として使用
正確な予測や価値ある情報を提供する者に報酬を与える
全体として、ユーザーの予測参加や情報提供を奨励し、活発な予測コミュニティを形成することを目指す。
サブネット37：LLM Fine-tuning、大規模言語モデルのファインチューニング
開発チーム：Taoverse & @MacrocosmosAI
概要：
これは大規模言語モデル（LLMs）のファインチューニングに特化したサブネットであり、マイナーがLLMsのファインチューニングを行い、サブネット18からの継続的な合成データストリームを用いてモデルを評価する仕組みに報酬を与える。
動作メカニズム：
-
マイナーはモデルを訓練し、定期的にHugging Faceプラットフォームに公開する。
-
バリデーター（validators）はHugging Faceからモデルをダウンロードし、合成データを使って継続的に評価を行う。
-
評価結果はwandbプラットフォームに記録される。
-
重み付けに基づき、TAOトークンがマイナーとバリデーターに報酬として分配される。
プロジェクトリポジトリ：https://github.com/macrocosm-os/finetuning
サブネット21：Any to Any、先進的なAIマルチモーダルモデルの構築
開発チーム：@omegalabsai
概要：
本プロジェクトにおける「Any to Any」とは、異なるタイプのデータや情報間を変換・理解できるマルチモーダルAIシステムの能力を指す。例えば、テキストから画像へ、画像からテキストへ、音声から動画へ、動画からテキストへの変換などが含まれる。
このシステムは単なる変換だけでなく、異なるモーダル間の関係を理解できる。たとえば、ある文章の説明と画像との関連性、または動画と音声とのつながりなどを把握できる。
このサブネットでは、インセンティブメカニズムを通じて、世界中のAI研究者や開発者の参加を促進している。具体的には：
-
貢献者は、価値あるモデル、データ、または計算資源の提供を通じてトークン報酬を得ることができる。
-
このような直接的な経済インセンティブにより、高品質なAI研究開発が持続可能な事業となる。
プロジェクトリポジトリ：https://github.com/omegalabsinc/omegalabs-anytoany-bittensor
補足知識：
一部の読者がBittensorのサブネットの意義を知らないかもしれないので、簡単な説明をすると：
-
サブネットはBittensorエコシステム内の専門ネットワークである。
-
各サブネットは特定のAIまたは機械学習タスクに特化している。
-
サブネットにより、開発者は特定用途のAIモデルを作成・展開できる。
-
暗号経済学を通じて、参加者が計算資源を提供したりモデルを改善したりするインセンティブが与えられる。
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
深潮TechFlow
