Học máy và trí tuệ nhân tạo đang không ngừng biến đổi thế giới một cách chưa từng có. Các ứng dụng học máy hiện diện khắp mọi nơi, từ ô tô tự lái đến trợ lý thông minh, từ chẩn đoán y tế đến giải trí. Tuy nhiên, mặc dù có sự tiến bộ và đổi mới nhanh chóng trong lĩnh vực này, vẫn còn nhiều thách thức và hạn chế đang ngăn cản hoàn toàn tiềm năng của học máy.

Một trong những thách thức chính là tính trung tâm và cô lập của các nền tảng và hệ thống học máy. Hầu hết các mô hình và dữ liệu học máy được kiểm soát bởi một số công ty lớn và tổ chức, tạo ra các vấn đề như quyền riêng tư dữ liệu, bảo mật, thiên vị và quyền truy cập. Hơn nữa, hầu hết các mô hình học máy được đào tạo một cách cô lập, không hưởng lợi từ trí tuệ tập thể và sự đa dạng của các mô hình và nguồn dữ liệu khác nhau.

Bittensor là một giao thức ngang hàng nhằm tạo ra một mạng lưới học máy toàn cầu, phi tập trung và động viên. Bittensor cho phép các mô hình học máy được huấn luyện theo cách hợp tác và được thưởng theo giá trị thông tin mà chúng cung cấp cho cộng đồng. Bittensor cũng cung cấp quyền truy cập mở và sự tham gia cho bất kỳ ai muốn tham gia vào mạng lưới và đóng góp các mô hình và dữ liệu học máy của họ.

Bittensor là gì?

Bittensor là một giao thức ngang hàng cho các mạng con phi tập trung tập trung vào học máy. Một mạng con là một nhóm nút cung cấp các dịch vụ học máy chuyên biệt cho mạng, như văn bản, hình ảnh, âm thanh, video, v.v. Ví dụ, một mạng con văn bản có thể cung cấp các dịch vụ xử lý ngôn ngữ tự nhiên, như dịch, tóm tắt, phân tích cảm xúc, v.v.

Tầm nhìn của Bittensor là tạo ra một mạng lưới học máy toàn cầu, phi tập trung và khuyến khích nơi mà bất kỳ ai cũng có thể tham gia và đóng góp mô hình học máy và dữ liệu của họ, và được thưởng theo giá trị thông tin họ cung cấp cho cộng đồng. Bittensor nhắm đến việc vượt qua các hạn chế và thách thức của các nền tảng và hệ thống học máy hiện tại, như sự tập trung, hầm, quyền riêng tư, bảo mật, thiên vị và quyền truy cập.

Bittensor hoạt động như thế nào?

Bittensor là một mạng lưới phi tập trung cách mạng hóa cách mà các mô hình học máy được tạo ra, chia sẻ và được khuyến khích. Nó hoạt động theo mô hình ngang hàng, tạo thành một hệ sinh thái toàn cầu nơi các mô hình AI hợp tác để tạo ra một mạng neural. Phần này đi sâu vào các cơ chế làm cho Bittensor hoạt động hiệu quả.

Yuma Consensus

Tại trái tim hoạt động của Bittensor là Yuma Consensus. Cơ chế này được thiết kế để cho phép chủ sở hữu mạng con viết cơ chế khuyến khích của riêng họ, cho phép người xác minh mạng con thể hiện sở thích chủ quan về những gì mạng nên học. Yuma Consensus hoạt động bằng cách thưởng cho người xác minh mạng con bằng cổ tức cho việc tạo ra đánh giá giá trị đào thầu phù hợp với đánh giá chủ quan được tạo ra bởi người xác minh mạng con khác, được cân nhắc theo cổ phần. Điều này đảm bảo không có nhóm nào có quyền kiểm soát hoàn toàn những gì được học và duy trì sự quản trị phân quyền trên toàn mạng.

Hỗn Hợp Chuyên Gia (MoE)

Một cơ chế chính khác là mô hình Mixture of Experts (MoE). Trong mô hình này, Bittensor sử dụng nhiều mạng nơ-ron, mỗi mạng chuyên về một khía cạnh khác nhau của dữ liệu. Những mô hình chuyên gia này hợp tác khi dữ liệu mới được giới thiệu, kết hợp kiến thức chuyên môn của họ để tạo ra dự đoán tổng hợp. Phương pháp này cho phép Bittensor giải quyết các vấn đề phức tạp hiệu quả hơn bất kỳ mô hình cá nhân nào cũng có thể.

Cơ chế khuyến khích

Bittensor cũng có cấu trúc cơ chế khuyến khích độc đáo. Mỗi mạng con trong Bittensor đều có cơ chế khuyến khích riêng, điều khiển hành vi của các máy đào mạng con và quản lý sự đồng thuận giữa các máy xác thực mạng con. Những cơ chế này tương tự như hàm mất mát trong học máy, điều khiển hành vi của các máy đào mạng con đến các kết quả mong muốn và khuyến khích sự cải thiện liên tục và kết quả chất lượng cao.

Chứng minh trí tuệ

Chứng minh về Trí tuệ là một cơ chế tán thành duy nhất được sử dụng bởi Bittensor. Nó thưởng cho các nút trong mạng vì đóng góp mô hình học máy và kết quả có giá trị. Khác với các cơ chế Chứng minh của Công việc (PoW) hoặc Chứng minh của Sự cầm cố (PoS) truyền thống dựa vào sức mạnh tính toán hoặc cầm cố tài chính, Chứng minh về Trí tuệ ưu tiên sự đóng góp trí tuệ của các nút. Điều này làm cho hệ thống thưởng của mạng tập trung vào sứ mạng cốt lõi của nó là thúc đẩy trí tuệ máy.

Các nút trong mạng lưới Bittensor cần phải đăng ký và tham gia quá trình đồng thuận. Họ làm điều này bằng cách giải quyết thách thức bằng bằng chứng công việc (POW) hoặc trả phí. Khi đã đăng ký, họ trở thành một phần của một mạng con và đóng góp vào trí tuệ tổng hợp của mạng lưới. Các máy xác thực sau đó đánh giá giá trị của các mô hình học máy và đầu ra mà các nút này cung cấp, đảm bảo chất lượng và tính toàn vẹn của tài sản trí tuệ của mạng lưới.

Cơ chế này là trung tâm của tầm nhìn của Bittensor về một thị trường học máy phi tập trung, nơi trí tuệ là đồng tiền chính và sáng tạo được khuyến khích liên tục. Điều này đại diện cho một sự dịch chuyển đáng kể so với cơ chế đồng thuận blockchain truyền thống, đặt trọng tâm vào sự tiến bộ của công nghệ AI và học máy.

Subnets

Các mạng con là các khối xây dựng của Bittensor, hoạt động như các thị trường hàng hóa phi tập trung dưới một hệ thống token thống nhất. Mỗi mạng con có một lĩnh vực hoặc chủ đề cụ thể và bao gồm các nút đã đăng ký và các mô hình học máy liên quan. Người xác minh trong các mạng con này đóng vai trò quan trọng trong việc duy trì tính toàn vẹn và chất lượng của dữ liệu và mô hình trao đổi trong mạng lưới.

Cùng nhau, những cơ chế này đảm bảo rằng Bittensor vẫn là một nền tảng phân quyền, hợp tác và sáng tạo cho việc phát triển các mô hình trí tuệ nhân tạo và học máy. Bằng cách khuyến khích sự tham gia và tận dụng trí tuệ tập thể của mạng lưới của mình, Bittensor đứng ở phía trước của công nghệ học máy phân quyền.

Các thành phần của Bittensor

Bittensor là một mạng phi tập trung kết nối các mô hình học máy thay vì máy tính hoặc máy chủ. Các mô hình này, gọi là neuron, cung cấp các dịch vụ học máy chuyên biệt cho mạng, như văn bản, hình ảnh, âm thanh, video, v.v. Các neuron được tổ chức thành các nhóm gọi là mạng con, xác định cơ chế động viên và lĩnh vực nhiệm vụ cho mỗi mạng con.

Bittensor sử dụng bốn thành phần chính: chuỗi khối, neuron, synapse và metagraph để kích hoạt giao thức học máy phi tập trung. Hãy xem xét từng thành phần này và cách chúng hoạt động cùng nhau.

Blockchain

Blockchain của Bittensor dựa trên khung Substrate, cho phép tương thích và mở rộng. Blockchain ghi lại các giao dịch và tương tác giữa các nút trên mạng, cũng như các quy tắc quản trị và đồng thuận. Blockchain cũng cho phép tạo và phân phối token $TAO, là đồng tiền native của Bittensor.

Những tế bào thần kinh

Các neuron là các nút trên mạng chạy các mô hình học máy và cung cấp dịch vụ học máy cho mạng. Mỗi neuron có một danh tính duy nhất và một khóa công khai, được đăng ký trên blockchain. Mỗi neuron cũng có một tệp cấu hình chỉ định loại mô hình học máy, định dạng đầu vào và đầu ra, số cổng và các thông số khác.

The Synapses

Các synapse là những kết nối giữa các nơ-ron cho phép trao đổi thông tin và hợp tác. Mỗi synapse có một trọng số đại diện cho sức mạnh và chất lượng của kết nối. Các trọng số được xác định bởi metagraph, đó là trí tuệ tập thể của mạng. Các synapse cũng có chi phí và phần thưởng, được định giá bằng token $TAO. Chi phí là số lượng $TAO mà một nơ-ron trả cho một nơ-ron khác để sử dụng dịch vụ học máy của nó. Phần thưởng là số lượng $TAO mà một nơ-ron nhận được từ một nơ-ron khác để cung cấp dịch vụ học máy của mình.

The Metagraph

Bảng biểu đồ đại biểu cho biết cấu trúc và động lực của mạng, cũng như chất lượng và uy tín của các tế bào thần kinh. Bảng biểu đồ đại biểu là một đồ thị có hướng, trong đó các nút là các tế bào thần kinh và các cạnh là các nối thần kinh. Bảng biểu đồ đại biểu được cập nhật định kỳ bởi một cơ chế đồng thuận, mà xem xét các giao dịch, tương tác và phản hồi giữa các tế bào thần kinh. Bảng biểu đồ đại biểu xác định trọng số của các nối thần kinh, ảnh hưởng đến chi phí và phần thưởng của các nối thần kinh, cũng như xếp hạng và khả năng nhìn thấy của các tế bào thần kinh. Bảng biểu đồ đại biểu cũng cho phép quản trị mạng, vì các tế bào thần kinh có thể bỏ phiếu cho các đề xuất và thay đổi bằng cách sử dụng các mã thông báo TAO của họ.

Hiến chương đại diện Bittensor

Bản Hiến chương Đại diện Bittensor là một tài liệu cơ bản mô tả những nguyên tắc chỉ đạo và cam kết của các thực thể và cá nhân tham gia vào mạng lưới Bittensor. Đó là một tuyên bố của Quỹ Opentensor và các bên ký tên khác chia sẻ tầm nhìn về một bối cảnh trí tuệ nhân tạo phi tập trung. Dưới đây là những nguyên tắc cốt lõi của hiến chương:

• Mặt đối lập với Kiểm soát Tập trung: Hiến chương nhấn mạnh về những nguy hiểm của việc kiểm soát tập trung trên trí tuệ nhân tạo, ủng hộ việc phân phối quyền lực để ngăn chặn lạm dụng và thiên vị. Nó khẳng định rằng quản trị trí tuệ nhân tạo nên ở trong tay nhiều người, không phải ít người.
• Ước lượng Ưa thích Phi tập trung: Các bên ký cam kết chống lại việc lạm dụng trí tuệ nhân tạo và thúc đẩy việc áp dụng đạo đức của nó. Họ thề sẽ phân quyền kiểm soát đối với các ưu tiên trí tuệ nhân tạo, tận dụng trí tuệ tập thể của con người để điều hướng các câu hỏi phức tạp do công nghệ trí tuệ nhân tạo đặt ra.
• Sở Hữu Mở: Hiến chương hỗ trợ việc tích lũy sở hữu mở và không cần xin phép cho các người đóng góp vào mạng lưới Bittensor. Nguyên tắc này đảm bảo rằng càng nhiều người càng có thể truy cập, ảnh hưởng và có cổ phần trong việc phát triển trí tuệ nhân tạo.
• Phát triển mã nguồn mở: Hiến chương coi việc phát triển mã nguồn mở là một trách nhiệm đạo đức, cho phép cá nhân kiểm soát số phận của mình trong tương lai trí tuệ nhân tạo.

Hiến chương Đại diện Bittensor không chỉ là một tập hợp các lý tưởng, mà còn là sự cam kết với một tương lai trí tuệ nhân tạo phân quyền, mở, và công bằng, nơi quyền lực được phân phối, và tiềm năng của trí tuệ nhân tạo được khai thác vì mục đích lớn hơn.

Làm thế nào Bittensor cho phép mô hình học máy

Bittensor cho phép các mô hình học máy huấn luyện một cách cộng tác và được thưởng theo giá trị thông tin mà chúng cung cấp cho cộng đồng. Điều này được đạt được bằng cách sử dụng quy trình sau:

• Một người tiêu dùng muốn truy cập dịch vụ học máy gửi một truy vấn đến mạng, cùng với việc thanh toán bằng token TAO.
• Mạng định tuyến truy vấn đến dải con phù hợp dựa trên loại và định dạng của truy vấn.
• Mạng con chọn các neuron tốt nhất để trả lời câu hỏi dựa trên uy tín và sự sẵn có của chúng.
• Các nơ-ron được chọn xử lý truy vấn và gửi lại phản ứng của họ, cùng với bằng chứng công việc.
• Người tiêu dùng nhận được các phản hồi và chọn ra phản hồi tốt nhất dựa trên sở thích và tiêu chí.
• Người tiêu dùng trả tiền cho nơron cung cấp phản hồi tốt nhất và tùy chọn cung cấp phản hồi cho mạng.
• Mạng cập nhật đồ thị siêu dữ liệu dựa trên các giao dịch, tương tác và phản hồi, và phân phối phần thưởng và phạt cho các nơ-ron tương ứng.

Các loại nhiệm vụ và ứng dụng Học máy có thể thực hiện trên Bittensor

Bittensor có thể hỗ trợ một loạt các nhiệm vụ và ứng dụng học máy, như tạo văn bản hoặc hình ảnh, xử lý ngôn ngữ tự nhiên, thị giác máy tính, v.v. Một số ví dụ về các loại dịch vụ học máy mà có thể thực hiện trên Bittensor là:

• Văn bản nhắc nhở: Người tiêu dùng có thể gửi một văn bản nhắc nhở, như một câu hoặc một đoạn văn, và nhận được một văn bản hoàn chỉnh, như một câu chuyện hoặc một bài luận, từ mạng lưới.
• Mô tả hình ảnh: Người tiêu dùng có thể gửi một hình ảnh và nhận được một chú thích mô tả nội dung của hình ảnh từ mạng.
• Nhận dạng giọng nói: Người tiêu dùng có thể gửi một đoạn âm thanh và nhận một bản ghi chuyển đổi giọng nói thành văn bản từ mạng.
• Nhận dạng khuôn mặt: Người tiêu dùng có thể gửi một hình ảnh khuôn mặt và nhận được tên hoặc nhãn xác định người trong hình ảnh từ mạng.

Đây chỉ là một số ví dụ về các nhiệm vụ và ứng dụng học máy mà có thể thực hiện trên Bittensor. Các khả năng là vô tận, vì các mạng con và mô hình mới có thể được tạo ra và thêm vào mạng, mở rộng phạm vi và đa dạng của các dịch vụ học máy có sẵn.

Làm thế nào Subnets Work?

Nguồn: Tài liệu phát triển Bittensor

Các mạng con là trung tâm của hệ sinh thái Bittensor. Các mạng con là nhóm các nơ-ron cung cấp các dịch vụ học máy chuyên biệt cho mạng, như văn bản, hình ảnh, âm thanh, video, v.v. Các mạng con cũng xác định cơ chế khuyến khích và lĩnh vực nhiệm vụ cho mỗi nhóm. Các mạng con cho phép tạo ra các thị trường hàng hóa phi tập trung, hoặc các cuộc thi, được đặt dưới một hệ thống mã thông nhất.

Vai trò và chức năng của các mạng con

Các mạng con đóng vai trò quan trọng trong mạng lưới Bittensor, vì chúng cung cấp các chức năng sau:

• Các mạng con cho phép chia sẻ công việc và chuyên môn hóa giữa các nơ-ron. Mỗi mạng con tập trung vào một loại dịch vụ học máy cụ thể, chẳng hạn như gợi ý văn bản, mô tả hình ảnh, nhận dạng tiếng nói, nhận dạng khuôn mặt, v.v. Điều này cho phép các nơ-ron tối ưu hóa mô hình và tài nguyên của họ cho lĩnh vực đã chọn, và cung cấp dịch vụ chất lượng cao và hiệu quả cho mạng.
• Các mạng con cho phép tạo ra các cơ chế khuyến khích tùy chỉnh cho mỗi nhóm nơ-ron. Mỗi mạng con có thể thiết kế và thực hiện hệ thống phần thưởng và phạt riêng dựa trên tiêu chí và mục tiêu của mình. Điều này giúp mạng con cùng hòa lợi ích của các nơ-ron với kết quả mong muốn của mạng con và khuyến khích sự hợp tác và đổi mới giữa các nơ-ron.
• Các mạng con giúp việc quản trị và đạt được sự đồng thuận trên mạng lưới. Mỗi mạng con có các thợ xác thực của riêng mình, người chịu trách nhiệm cập nhật metagraph và bảo vệ mạng lưới. Các thợ xác thực được bầu cử bởi các thành viên trong mạng con, họ đặt cược các mã thông báo TAO của mình để bỏ phiếu cho ứng cử viên ưa thích của họ. Các thợ xác thực cũng tham gia vào việc quản trị mạng lưới, bằng cách đề xuất và bỏ phiếu cho các thay đổi và nâng cấp ảnh hưởng đến mạng lưới.

Quy trình tạo và tham gia mạng lưới con

Để tạo hoặc tham gia một mạng con, bạn sẽ cần phải có một nơ-ron, đó là nút của bạn trên mạng. Bạn cũng sẽ cần phải có một số token TAO, đó là loại tiền tệ của mạng. Bạn có thể tuân theo các bước sau để tạo hoặc tham gia mạng con:

• Để tạo một mạng con, bạn phải đăng ký một mạng con trên blockchain Bittensor bằng cách trả một khoản phí bằng mã thông báo TAO. Phí sẽ phụ thuộc vào cầu và cung cấp của các mạng con trên mạng lưới. Bạn có thể sử dụng btcli subnet tạolệnh để tạo một mạng con và chỉ định các thông số và chi tiết của mạng con của bạn, chẳng hạn như tên, mô tả, loại, cổng, v.v. Bạn cũng cần cung cấp tên ví và mật khẩu, sẽ được sử dụng để tạo khóa công khai và khóa riêng cho mạng con của bạn. Bạn sẽ nhận được một netuid, đó là một định danh duy nhất cho mạng con của bạn trên mạng.
• Để tham gia một mạng con, bạn sẽ cần kết nối với các máy chủ xác thực của mạng con, đó là các nút duy trì và cập nhật siêu đồ của mạng con. Bạn có thể sử dụng btcli mạng con tham giaLệnh để tham gia mạng con và chỉ định netuid của mạng con mà bạn muốn tham gia. Bạn cũng sẽ cần cung cấp tên ví và mật khẩu, sẽ được sử dụng để tạo khóa công khai và khóa cá nhân của bạn cho mạng con. Bạn sẽ nhận được một tin nhắn xác nhận cho biết bạn đã tham gia mạng con thành công.

Các Loại và Tương Tác của Mạng Con

Có các loại mạng con khác nhau trên mạng lưới Bittensor, tùy thuộc vào loại và định dạng của dịch vụ học máy mà họ cung cấp. Một số loại mạng con phổ biến là:

• Các mạng con văn bản: Các mạng con này cung cấp dịch vụ xử lý ngôn ngữ tự nhiên, như khuyến nghị văn bản, tóm tắt văn bản, dịch văn bản, phân tích cảm xúc văn bản, v.v. Các mạng con này chấp nhận và trả về văn bản dưới dạng đầu vào và đầu ra.
• Các mạng con ảnh: Các mạng con này cung cấp dịch vụ thị giác máy tính, chẳng hạn như mô tả ảnh, phân loại ảnh, phân đoạn ảnh, tạo ảnh, v.v. Các mạng con này chấp nhận và trả về hình ảnh dưới dạng đầu vào và đầu ra.
• Các mạng con âm thanh: Những mạng con này cung cấp dịch vụ xử lý tiếng nói và âm thanh, như nhận dạng tiếng nói, tổng hợp tiếng nói, dịch tiếng nói, tạo âm thanh, v.v. Những mạng con này chấp nhận và trả về các đoạn âm thanh dưới dạng đầu vào và đầu ra.
• Video subnets: Các mạng con này cung cấp dịch vụ xử lý video và chuyển động, như làm phụ đề video, phân loại video, phân đoạn video, tạo video, v.v. Các mạng con này chấp nhận và trả lại video dưới dạng đầu vào và đầu ra.

Các mạng con này có thể tương tác với nhau và mạng bằng cách yêu cầu và cung cấp các dịch vụ học máy, và trao đổi thông tin và token $TAO. Ví dụ, một mạng con văn bản có thể yêu cầu một dịch vụ mô tả hình ảnh từ một mạng con hình ảnh bằng cách gửi một hình ảnh và thanh toán một số token $TAO. Mạng con hình ảnh sau đó có thể trả lại một phụ đề cho bức hình và nhận được một số token $TAO như là phần thưởng. Mạng con văn bản sau đó có thể sử dụng phụ đề cho dịch vụ của mình, chẳng hạn như tóm tắt hoặc dịch thuật văn bản.

Token $TAO

Token $TAO là đồng tiền điện tử native của mạng lưới Bittensor. Nó phục vụ một số chức năng và mục đích chính trong hệ sinh thái:

• Khuyến khích: Token $TAO được sử dụng để khuyến khích các thành viên tham gia trong mạng lưới Bittensor. Các máy đào đóng góp tài nguyên máy tính của họ để thực hiện các nhiệm vụ học máy sẽ được thưởng bằng $TAO cho sự đóng góp của họ. Cơ chế thưởng này khuyến khích việc cung cấp sức mạnh tính toán cho mạng lưới, điều này rất quan trọng cho quá trình học máy phi tập trung.
• Đặt cược: Để tham gia vào mạng lưới như một người đào và kiếm phần thưởng, các thành viên phải đặt cược một token $TAO. Việc đặt cược đóng vai trò như một hình thức thế chấp hoặc "rủi ro trong trò chơi," giúp đảm bảo rằng các người đào được động viên để hành động trong lợi ích tốt nhất của mạng lưới. Nó cũng giúp bảo vệ mạng lưới bằng cách làm cho việc hành động độc hại của bất kỳ người tham gia nào trở nên đắt đỏ.
• Quản trị: $TAO có thể được sử dụng trong quản trị của mạng Bittensor. Người giữ token có thể đề xuất thay đổi, bỏ phiếu cho việc nâng cấp giao thức, hoặc tham gia vào các quyết định khác ảnh hưởng đến mạng lưới. Điều này tương thích với tinh thần phi tập trung của công nghệ blockchain, nơi quyền kiểm soát được phân phối giữa các bên liên quan thay vì tập trung vào một cơ quan duy nhất.

Tokenomics của token $TAO được thiết kế để phản ánh giá trị và chất lượng của mạng lưới, cũng như để khuyến khích sự hợp tác và sáng tạo giữa các nút. Tokenomics của token $TAO dựa trên các nguyên tắc và cơ chế sau:

• Nguồn cung: Số lượng token TAO tối đa sẽ tồn tại được giới hạn ở mức 21 triệu, phản ánh giới hạn cung cấp của Bitcoin để thúc đẩy độ hiếm và kiểm soát lạm phát. Hiện tại, khoảng 6,39 triệu token TAO đang được lưu hành. Mã thông báo TAO được tạo ra thông qua khai thác, tương tự như Bitcoin, với một khối mới được tạo ra khoảng 12 giây một lần. Mỗi khối thưởng 1 mã thông báo TAO cho các thợ đào và trình xác thực. Theo tốc độ tạo hiện tại, khoảng 7.200 mã thông báo TAO mới được thêm vào nguồn cung lưu hành hàng ngày và chúng được phân phối đồng đều giữa các thợ đào và người xác nhận. Tỷ lệ phát hành được cắt giảm một nửa sau khi 50% tổng nguồn cung đã được khai thác. Việc 'giảm một nửa' này xảy ra bốn năm một lần, với thời gian khối 12 giây. Quá trình giảm một nửa này sẽ tiếp tục ở mỗi cột mốc 50% tiếp theo của nguồn cung còn lại cho đến khi toàn bộ 21 triệu mã thông báo TAO được lưu hành.
• Phát ra: Việc phát ra các token TAO được thực hiện thông qua các phần thưởng mạng, được phân phối cho các thợ đào cung cấp dịch vụ học máy cho mạng lưới. Các phần thưởng mạng được tính dựa trên giá trị thông tin của các dịch vụ, được xác định bởi đồ thị siêu văn bản. Các phần thưởng mạng cũng được điều chỉnh bởi một yếu tố độ khó dựa trên hoạt động mạng và tổng số token đã đặt cược. Tốc độ phát ra của các token TAO được thiết kế để theo dõi một đường cong logarithmic, điều này có nghĩa là việc phát ra sẽ giảm theo thời gian khi mạng lưới trưởng thành và nhu cầu tăng lên.
• Đốt cháy: Việc đốt cháy token TAO được thực hiện thông qua các khoản phí mạng, mà được thanh toán bởi người tiêu dùng truy cập vào các dịch vụ học máy từ mạng. Các khoản phí mạng được tính dựa trên chi phí của các dịch vụ, mà được xác định bởi đồ thị siêu. Các khoản phí mạng cũng được điều chỉnh bởi yếu tố cầu, mà dựa trên hoạt động mạng và tổng số token lưu hành. Tốc độ đốt cháy của token TAO được thiết kế để theo dõi một đường cong mũ, điều đó có nghĩa là việc đốt cháy sẽ tăng theo thời gian khi mạng phát triển và nguồn cung giảm.

Nhà sáng lập Bittensor

Các nhà sáng lập Bittensor là những cá nhân tài năng đã đồng lòng đồng dạng để phát triển và tiến bộ dự án Bittensor, mục tiêu của dự án là cách mạng hóa lĩnh vực học máy và trí tuệ nhân tạo. Mỗi nhà sáng lập đều mang đến chuyên môn và kinh nghiệm độc đáo của họ trong các lĩnh vực liên quan, góp phần vào sự thành công của dự án. Các nhà sáng lập bao gồm:

• Jacob Steeves: Jacob là CEO và đồng sáng lập của Bittensor. Anh ấy có lịch sử nghiên cứu học máy và thành lập Bittensor để phân quyền trí tuệ nhân tạo. Anh ấy trước đây đã làm việc cho các thương hiệu như Google và Knowm.
• Ala Shaabana: Ala là cộng sự sáng lập của Bittensor. Anh ấy có bằng tiến sĩ về học máy. Trước khi xây dựng Bittensor, anh làm việc như là một giáo sư trợ giảng tại Đại học Toronto, Canada.

Bittensor $TAO có phải là một khoản đầu tư tốt không?

Bittensor $TAO là một loại tiền điện tử điều hành mạng lưới học máy phi tập trung. $TAO được sử dụng để thưởng cho các nút cung cấp dịch vụ học máy cho mạng lưới, bảo vệ mạng lưới và cho phép quản trị. $TAO có nguồn cung cấp giới hạn là 21 triệu mã thông báo và nguồn cung và cầu của mạng lưới xác định giá của nó.

$TAO cũng có nhiều tiềm năng và giá trị, vì nó được hỗ trợ bởi một dự án cách mạng và sáng tạo. Bittensor nhằm tạo ra một mạng học máy toàn cầu, phi tập trung và được khuyến khích để biến đổi học máy và trí tuệ nhân tạo. Bittensor đã cho thấy kết quả và thành tựu đáng hứa hẹn, chẳng hạn như ra mắt mainnet, thu hút sự chú ý và quan tâm, và nhận được sự hỗ trợ và tài trợ. Bittensor cũng đã đề ra một số mục tiêu và kế hoạch tham vọng cho tương lai, chẳng hạn như mở rộng và đa dạng hóa mạng lưới, cải thiện và tối ưu hóa mạng lưới, và phát triển và tham gia cộng đồng của mình.

Do đó, $TAO là một khoản đầu tư tốt cho những người tin vào tầm nhìn và sứ mệnh của Bittensor, và sẵn lòng chấp nhận rủi ro và nắm giữ token trong dài hạn. Như luôn, nhà đầu tư nên tự tìm hiểu và thực hiện công việc dò xét cẩn thận trước khi đầu tư vào bất kỳ loại tiền điện tử nào, và chỉ đầu tư số tiền mà họ có thể chấp nhận mất.

Cách mua $TAO trên Gate.io

Để mua token $TAO trên Gate.io, hãy tuân theo các bước sau:

• Ghé thăm Trang web Gate.iovà tạo một tài khoản với email và mật khẩu của bạn.
• Nạp một số quỹ vào tài khoản Gateio của bạn.
• Giao dịch quỹ của bạn cho các token $TAO bằng cách chọn TAO/USDTcặp, và nhập số lượng và giá.

Hãy Hành Động trên $TAO

Kiểm tra giá $XPRT ngày hôm nay và bắt đầu giao dịch các cặp tiền tệ yêu thích của bạn:

• TAO/USDT