原作者: Shenchao TechFlow
仮想通貨市場は今週の「ブラックマンデー」を経験して大出血したが、さまざまなセクターのトークンは１日後に回復した。
その中でも一番のイケメンはビッテンソール（TAO）です。
Coinmarketcapのデータによると、昨日の時価総額上位100コインのうち、Bittensor（TAO）が23.08％上昇し、リバウンドリストのトップとなった。
AI の物語は年初ほど人気がありませんが、ホットマネーの選択は、この分野のトッププロジェクトに対する楽観的な見方も表しています。
しかし、Bittensor は以前にも、プロジェクトの名前が大げさであり、サブネットには実用的なアプリケーションがないとコミュニティが信じていたため、ある程度の騒動にも悩まされました。
暗号化プロジェクトの有用性はトークンの価格に直接関係しませんが、Bittensor は本当に単なる空の殻なのでしょうか?
ここ数か月で Bittensor に 12 の新しいサブネットが追加されており、各サブネットは AI 関連の開発をある程度推進しており、その中には新しいアルファ プロジェクトも存在する可能性があります。
私たちはこれらの新しいサブネットを調査し、TAO の価格の回復に焦点を当てながら、そのファンダメンタルズの変化に注目しました。
サブネット 38: Sylliba、70 以上の言語をサポートするテキストから音声への翻訳ツール
開発チーム：エージェント・アーティフィシャル
導入：
Sylliba は、テキストと音声の翻訳をサポートし、70 以上の言語に対応できる翻訳アプリケーションです。
このプログラムはオンチェーン AI エージェントによって使用できることは言及する価値があります。
自動翻訳プロセス: AI エージェントはこのサービスを自動的に呼び出して、言語を超えた情報処理とコミュニケーションを実現します。
AI 機能の強化: 多言語機能を持たない AI システムが多言語タスクを処理できるようにします。
翻訳リクエストと翻訳結果はブロックチェーン上で検証できるため、システムの信頼性が高まります。
インセンティブの仕組み: トークンエコノミーを通じて、高品質の翻訳サービスプロバイダーにインセンティブを与えることができます。
プロジェクトアドレス: 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して区別する
開発チーム: @BitMindAI
導入：
BitMind は、分散型ディープフェイク検出テクノロジーの開発に重点を置いています。生成 AI モデルの急速な発展に伴い、高品質の合成メディアと実際のコンテンツを区別することはますます複雑になっています。
BitMindのサブネットは、 Bittensor ネットワークに強力な検出メカニズムを導入し、生成的および識別的な AI モデルを使用してディープフェイクを効果的に識別することで、この問題を解決します。
同時に、BitMind API により、サブネットのディープフェイク検出機能を活用する強力な消費者向けアプリケーションの開発が可能になります。画像アップロード インターフェイスを備えた BitMind Web アプリケーションは API を使用して、ユーザーが画像が本物か偽物である可能性を迅速に識別できるようにし、アクセスしやすく解釈しやすいスプーフィング対策ツールを提供します。
サブネット 43: グラファイトのインテリジェント パス プランニング ネットワーク
開発チーム: @GraphiteSubnet
導入：
Graphite は、特に巡回セールスマン問題 (TSP) に重点を置いて、グラフの問題を処理するために特別に設計されたサブネットです。 TSP は古典的な最適化問題であり、目的は一連の都市を訪問して開始点に戻る最短ルートを見つけることです。
Graphite は、Bittensor の分散型機械学習ネットワークを活用してマイナーを効率的に接続し、TSP や同様のグラフ問題の計算ニーズを処理します。
現在、バリデーターは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します。マイナーは、設計したアルゴリズムを使用して TSP を解決し、評価のために結果をバリデーターに送り返す責任があります。
サブネット 42: Gen 42、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 、 @FrankRizz 07
導入：
Gen 42 は Bittensor ネットワークを活用して、分散型コード生成サービスを提供します。彼らは、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、コードベースの質問応答とコード補完のための強力でスケーラブルなツールを作成することに重点を置いています。
主な製品:
a. チャット アプリケーション: ユーザーがサブネットと対話できるようにするチャット フロントエンドを提供します。このアプリの主な機能は、コードベースの Q&A です。
b. コード補完: continue.dev で使用できる OpenAI 互換 API を提供します。
マイナーとバリデーターの参加方法の詳細については、プロジェクトの Githubを参照してください。
サブネット 41: Sportstensor、スポーツ予測モデル
開発チーム: @sportstensor
導入：
Sportstensor は、Bittensor ネットワークを利用した分散型スポーツ予測アルゴリズムの開発に特化したプロジェクトです。
このプロジェクトは、マイナーがトレーニングおよび改善するためのオープンソースの HuggingFace 上の基本モデルを提供すると同時に、履歴データとリアルタイム データに基づいた戦略的計画とパフォーマンス分析を可能にし、包括的なデータセットの収集と高性能予測モデルの開発に報酬を与えます。
マイナーおよびバリデーター関数:
マイナー: バリデーターから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用して予測を行います。
検証者: マイナーの予測を収集し、実際の結果と比較し、検証結果を記録します。
サブネット 29: coldint、ニッチ AI モデルのトレーニング
開発者: まだ見つかりません。公式ウェブサイトはこちらです
導入：
SN 29 coldint、正式名は集合的分散型インセンティブトレーニングです。
目標: ニッチなモデルの事前トレーニングに焦点を当てます。 「ニッチ モデル」とは、大規模な一般モデルほど広く使用されていないものの、特定のドメインまたはタスクでは非常に価値のあるモデルを指す場合があります。
マイナーおよびその他の役割の参加と分業:
a) マイナーは主に、トレーニング モデルを公的に共有することによって奨励されます。
b) 副次的インセンティブは、コードベースに貢献することで洞察を共有したマイナーまたはその他の貢献者に与えられます。
c) 小さな改善に報酬を与えることで、マイナーに改善された成果を定期的に共有するよう奨励します。
d) 個々のトレーニングの取り組みをより適切に組み合わせたモデルに結合するコードの貢献に高い報酬を与えます。
サブネット 40: チャンク化、RAG (検索拡張生成) アプリケーション用に最適化されたデータ セット
開発チーム: @vectorchatai
トークン: $CHAT
導入：
SN 40 チャンキングは、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、非常に賢い図書館員のようなものです。これは、AI がこの情報を理解し、使用しやすくするために行われます。本棚がきちんと整理されていれば、すぐに見つけることができます。
SN 40 チャンキングは、AI による「本棚の整理」を支援します。
SN 40 Chunking はテキストだけでなく、画像や音声などさまざまな種類の情報を処理できます。本だけでなく写真集や音楽CDなども管理する、まるで機能満載の図書館員です。
サブネット 39: EdgeMaxxing、AI モデルを消費者向けデバイスで実行するように最適化
開発チーム： @WOMBO
概要: S N3 9 EdgeMaxxing は、スマートフォンからラップトップまでの消費者向けデバイスの AI モデルの最適化に焦点を当てたサブネットです。
EdgeMaxxing サブネットは、毎日のコンテストによる競争力のある報酬システムを使用しています。目標は、参加者が消費者向けデバイス上の AI モデルのパフォーマンスを継続的に最適化することを奨励することです。
参加者の役割と役割分担:
マイナー:
主なタスクは、最適化された AI モデルのチェックポイントを送信することです
さまざまなアルゴリズムとツールを使用してモデルのパフォーマンスを向上させます
バリデータ:
指定されたターゲット ハードウェア (NVIDIA GeForce RTX 4090 など) で実行する必要があります。すべてのマイナーが提出したモデルは毎日収集され、各提出モデルは速度の向上、精度の維持、全体的な効率に基づいてベースライン チェックポイントに対してベンチマークされます。スコアを高め、最もパフォーマンスの高いモデルを選択します。勝者としての日
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
導入：
Bettensor を使用すると、スポーツファンがスポーツ試合の結果を予測できるようになり、ブロックチェーンに基づいた分散型スポーツ予測市場が構築されます。
参加者の役割:
マイナー: 予測結果の生成を担当します。
Validator: 予測結果の精度を検証します。
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 データを収集します。
プロジェクトのオープンソース リポジトリ: https://github.com/Bettensor/bettensor (まだ開発中のようです)
サブネット06：Infinite Games、一般予測市場
開発チーム: @Playinfgames
導入：
Infinite Games は、市場を予測するためのリアルタイムの予測ツールを開発しています。同時に、プロジェクトは @Polymarket や @azuroprotocol などのプラットフォームでイベントを裁定取引し、集約します。
インセンティブ制度：
$TAO トークンをインセンティブとして使用する
正確な予測と貴重な情報の提供者に報酬を与えます
全体として、このプロジェクトはユーザーが予測や情報提供に参加することを奨励し、活発な予測コミュニティを形成しています。
サブネット 37: LLM 微調整、大規模言語モデルの微調整
開発チーム: Taoverse & @MacrocosmosAI
導入：
これは、大規模言語モデル (LLM) の微調整に焦点を当てたサブネットです。マイナーは、モデル評価のためにサブネット 18 からの合成データの連続ストリームを使用して、LLM を微調整することで報酬を受け取ります。
動作メカニズム:
マイナーはモデルをトレーニングし、定期的に Hugging Face プラットフォームに公開します。
検証者は Hugging Face からモデルをダウンロードし、合成データを使用して継続的に評価します。
評価結果はwandbプラットフォームに記録されます。
TAO トークンの報酬は、重量に基づいてマイナーとバリデーターに分配されます。
プロジェクト ウェアハウスのアドレス: https://github.com/macrocosm-os/finetuning
サブネット 21: Any to Any、高度な AI マルチモーダル モデルの作成
開発チーム: @omegalabsai
導入：
このプロジェクトにおける「Any to Any」とは、テキストから画像、画像からテキスト、音声からビデオ、ビデオからテキストなど、さまざまな種類のデータまたは情報間で変換して理解できるマルチモーダル AI システムの機能を指します。
このシステムは、変換を実行するだけでなく、異なるモダリティ間の関係を理解することもできます。たとえば、テキストの説明と画像の関係、またはビデオと対応する音声の関係を理解できます。
このサブネットでは、世界中の AI 研究者や開発者がプロジェクトに参加するよう奨励するためにインセンティブ メカニズムが使用されています。具体的には：
貢献者は、貴重なモデル、データ、またはコンピューティング リソースを提供することでトークン報酬を獲得できます。
この直接的な金銭的インセンティブにより、高品質の AI 研究開発が持続可能な事業となります。
プロジェクト ウェアハウスのアドレス: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor
追加の知識:
Bittensor サブネットの意味を知らない読者もいるかもしれませんが、簡単に説明すると次のようになります。
サブネットは、Bittensor エコシステム内の特殊なネットワークです。
各サブネットは、特定の AI または機械学習タスクに焦点を当てています。
サブネットを使用すると、開発者は専用の AI モデルを作成してデプロイできます。
彼らは暗号経済学を利用して、参加者にコンピューティング リソースを提供し、モデルを改善するよう奨励します。
IOS
Android