Bittensor چیست
توجه: این سند ترجمه خودکار نسخه اصلی انگلیسی است.
Bittensor چیست
Bittensor یک شبکه Layer-1 غیرمتمرکز است که به‌طور اختصاصی برای هوش مصنوعی ساخته شده است. این شبکه پروتکلی باز و بدون نیاز به مجوز فراهم می‌کند که در آن مشارکت‌کنندگان مستقل — ماینرها و اعتبارسنج‌ها — برای تولید، ارزیابی و ارائه خروجی‌های AI همکاری می‌کنند. توکن بومی شبکه، TAO، انگیزه‌ها را در سراسر این فرایند هماهنگ می‌کند: ماینرها برای ارائه کار مفید AI رقابت می‌کنند، اعتبارسنج‌ها آن کار را امتیازدهی می‌کنند و انتشار توکن به سوی مشارکت‌کنندگانی جریان می‌یابد که بیشترین ارزش را می‌آفرینند.
برخلاف بلاکچین‌های همه‌منظوره که قراردادهای هوشمند اجرا می‌کنند، بار کاری اصلی Bittensor خود محاسبات AI است. زنجیره منطق اجماع، staking و انتشار را ثبت می‌کند، در حالی که کار واقعی یادگیری ماشین — آموزش، استنتاج، پالایش داده — به‌صورت off-chain درون بخش‌های تخصصی شبکه به نام subnet انجام می‌شود.
به‌طور خلاصه: Bittensor یک شبکه AI غیرمتمرکز است که در آن ماینرها برای تولید خروجی‌های AI رقابت می‌کنند، اعتبارسنج‌ها کیفیت را ارزیابی می‌کنند و انتشار توکن TAO به بهترین مشارکت‌کنندگان پاداش می‌دهد — و همه این‌ها از طریق سامانه‌ای از subnetهای تخصصی هماهنگ می‌شود.
Bittensor چگونه کار می‌کند
لایه زنجیره
Bittensor یک بلاکچین Proof-of-Stake را اجرا می‌کند که بر چارچوب Substrate ساخته شده است. این لایه زنجیره ثبت‌نام ماینرها و اعتبارسنج‌ها را مدیریت می‌کند، واگذاری استیک را ثبت می‌کند، ساخت subnetها را اداره می‌کند و انتشار TAO را توزیع می‌کند. این لایه مستقیماً بارهای کاری AI را اجرا نمی‌کند — زنجیره لایه هماهنگی و انگیزه‌دهی است، نه لایه محاسبات.
subnetها
subnet محیطی رقابتی و خودکفا درون Bittensor است که بر نوع مشخصی از وظایف AI تمرکز دارد. هر subnet معیارهای ارزیابی خودش (به نام «سازوکار انگیزشی») را تعریف می‌کند که تعیین می‌کند ماینرها چگونه باید امتیازدهی شوند. نمونه‌هایی از وظایف subnetها عبارت‌اند از تولید متن، تولید تصویر، جمع‌آوری داده، پیش‌بینی تاخوردگی پروتئین و پیش‌بینی مالی.
هر کسی می‌تواند با پرداخت هزینه ثبت‌نام به TAO یک subnet جدید بسازد. این طراحی به شبکه امکان می‌دهد بدون نیاز به تغییرات در سطح پروتکل به حوزه‌های جدید AI گسترش یابد. هر subnet به‌طور مستقل کار می‌کند: ماینرهای خودش، اعتبارسنج‌های خودش و منطق امتیازدهی خودش را دارد.
بر اساس طراحی فعلی پروتکل، شبکه از ده‌ها subnet فعال پشتیبانی می‌کند که هر یک بر پایه کیفیت و سودمندی کاری که تولید می‌کنند، برای سهمی از انتشار سراسری TAO رقابت می‌کنند.
ماینرها
ماینرها مشارکت‌کنندگانی هستند که خروجی‌های AI را تولید می‌کنند. بسته به subnet، یک ماینر ممکن است مدل زبانی برای تولید متن اجرا کند، مدلی را روی مجموعه‌داده مشخصی آموزش دهد، تصاویر را طبقه‌بندی کند یا هر سرویس محاسباتی دیگری را ارائه دهد که سازوکار انگیزشی آن subnet می‌طلبد. ماینرها برای پیوستن به مجوز نیاز ندارند — در یک subnet ثبت‌نام می‌کنند و رقابت را آغاز می‌کنند.
اصل کلیدی، رقابت است: چندین ماینر به پرس‌وجوهای یکسان پاسخ می‌دهند و اعتبارسنج‌ها خروجی‌هایشان را امتیازدهی می‌کنند. ماینرهایی که به‌طور پیوسته نتایج باکیفیت‌تری تولید می‌کنند، سهم بزرگ‌تری از انتشار TAO آن subnet دریافت می‌کنند. ماینرهایی که ضعیف عمل می‌کنند، کمتر — یا هیچ — دریافت می‌کنند.
اعتبارسنج‌ها
اعتبارسنج‌ها از ماینرها پرس‌وجو می‌کنند، پاسخ‌هایشان را ارزیابی می‌کنند و بر اساس سازوکار انگیزشی subnet امتیاز می‌دهند. منطق امتیازدهی از subnet به subnet متفاوت است: برای subnet تولید متن، اعتبارسنج‌ها ممکن است خروجی‌های مدل را با پاسخ‌های مرجع مقایسه کنند؛ برای subnet محاسباتی، ممکن است درستی انجام یک محاسبه را راستی‌آزمایی کنند.
خود اعتبارسنج‌ها برای مشارکت باید TAO استیک کنند و نفوذشان بر اجماع متناسب با استیک آن‌هاست. این یک حلقه بازخورد ایجاد می‌کند: اعتبارسنج‌ها انگیزه مالی برای امتیازدهی دقیق دارند، زیرا امتیازدهی نادرست انتشار را روی ماینرهای ضعیف هدر می‌دهد و ارزش کلی شبکه را کاهش می‌دهد.
Yuma Consensus
سازوکار اجماع Bittensor برای تعیین پاداش ماینرها Yuma Consensus نام دارد. این سازوکار امتیازهای چندین اعتبارسنج را در یک رتبه‌بندی اجماعی واحد تجمیع می‌کند. طراحی آن در برابر تبانی مقاوم است — یک اعتبارسنج به‌تنهایی نمی‌تواند همه انتشار را به ماینر موردعلاقه خود هدایت کند. در عوض، الگوریتم الگوی امتیازدهی‌ای را می‌یابد که بیشتر اعتبارسنج‌ها بر آن توافق دارند و پاداش‌ها را بر همان اساس توزیع می‌کند.
توکن TAO
TAO توکن بومی شبکه Bittensor است. نقش‌های آن عبارت‌اند از:
- پاداش انتشار — در هر بلوک TAO جدید ضرب می‌شود و بر اساس کارایی و استیک، میان ماینرها و اعتبارسنج‌ها در همه subnetها توزیع می‌شود.
- Staking — اعتبارسنج‌ها برای مشارکت در اجماع باید TAO استیک کنند. دارندگان توکن می‌توانند استیک خود را به اعتبارسنج‌ها واگذار کنند.
- ساخت subnet — ساخت یک subnet جدید نیازمند سپرده TAO است که اسپم را محدود می‌کند و تعهدی اقتصادی را تضمین می‌کند.
- حاکمیت شبکه — استیک TAO از طریق فرایند حاکمیت on-chain بر رأی‌گیری پیشنهادها و تغییر پارامترها تأثیر می‌گذارد.
TAO از یک برنامه انتشار ثابت با سازوکار نصف‌شدن (هاوینگ) پیروی می‌کند که از نظر مفهومی شبیه مدل عرضه Bitcoin است. کل عرضه سقف دارد.
ویژگی‌های کلیدی
| ویژگی | مقدار |
|---|---|
| نوع | لایه ۱ (بومی AI) |
| اجماع | Proof of Intelligence (Yuma Consensus) |
| توکن بومی | TAO |
| استاندارد توکن | بومی (مبتنی بر Substrate) |
| سازگاری با EVM | خیر |
| معماری | مبتنی بر subnet (شبکه‌های وظایف تخصصی AI) |
| قراردادهای هوشمند | کاربرد ندارد (منطق subnet) |
چرا Bittensor برای AI غیرمتمرکز اهمیت دارد
مسئله اصلی که Bittensor به آن می‌پردازد، تمرکز توسعه AI است. آموزش مدل‌های بزرگ، پالایش مجموعه‌داده‌ها و اجرای استنتاج در مقیاس بالا به سرمایه و زیرساخت عظیمی نیاز دارند — منابعی که چند شرکت بزرگ آن‌ها را در اختیار دارند. Bittensor جایگزینی پیشنهاد می‌کند: به‌جای آنکه یک شرکت یک مدل را آموزش دهد، شبکه‌ای غیرمتمرکز از مشارکت‌کنندگان هر یک قابلیت‌های تخصصی AI ارائه می‌دهند و بر اساس کیفیت کارشان پاداش می‌گیرند.
این موضوع برای فضای گسترده‌تر AI غیرمتمرکز اهمیت دارد، زیرا:
- مشارکت بدون مجوز در AI — هر کسی با منابع محاسباتی و تخصص AI می‌تواند به‌عنوان ماینر مشارکت کند، بدون نیاز به تأیید یک نهاد متمرکز.
- تخصص‌گرایی بازارمحور — سامانه subnet به شبکه امکان می‌دهد هم‌زمان حوزه‌های متعدد AI را پوشش دهد و هر subnet بر پایه تقاضا و رقابت تکامل یابد.
- کیفیت راستی‌آزمایی‌پذیر — اعتبارسنج‌ها یک کنترل کیفیت غیرمتمرکز بر خروجی‌های AI فراهم می‌کنند و لایه‌ای از پاسخگویی می‌سازند که به یک سازمان واحد وابسته نیست.
Bittensor با دسته‌های AI/Compute و AI/Training در DecAIHub پیوند نزدیکی دارد، زیرا بسیاری از subnetها بر وظایف AI محاسبه‌محور تمرکز دارند. پروژه‌هایی که در کارت DecAIHub خود Main chain: Bittensor را فهرست می‌کنند، درون این شبکه فعالیت می‌کنند — معمولاً به‌عنوان اپراتور subnet، ماینر، اعتبارسنج یا اپلیکیشن‌هایی که بر پایه خروجی‌های subnetها ساخته شده‌اند.
این مورد کجای کارت‌های پروژه DecAIHub دیده می‌شود
در کارت‌های پروژه DecAIHub، نام Bittensor در چند فیلد ظاهر می‌شود:
- Main chain — پروژه‌هایی که روی شبکه Bittensor کار می‌کنند یا حول آن ساخته شده‌اند،
Bittensorرا به‌عنوان زنجیره اصلی خود فهرست می‌کنند. این نشان می‌دهد که زیرساخت، اجماع و سازوکار توکن آن‌ها به پروتکل Bittensor گره خورده است. - Type — پروژه‌های مبتنی بر Bittensor ممکن است به‌عنوان L1 (برای خود شبکه) یا به‌عنوان اپلیکیشن‌های سطح subnet طبقه‌بندی شوند.
- Consensus — پروژه‌های روی Bittensor از اجماع Proof-of-Stake شبکه به همراه لایه Yuma Consensus برای توزیع پاداش ویژه AI استفاده می‌کنند.
- AI component — پروژه‌های مبتنی بر subnet اغلب اجزای مشخصی از AI مانند استنتاج، آموزش، محاسبات یا گردآوری داده را فهرست می‌کنند که نوع کار AI انجام‌شده درون subnet آن‌ها را بازتاب می‌دهد.
- Category — پروژه‌های اکوسیستم Bittensor بسته به تمرکز subnetشان، اغلب در دسته‌های AI/Compute، AI/Training یا AI/Inference قرار می‌گیرند.
فیلد زنجیره به شما می‌گوید پروژه قراردادهای خود را کجا مستقر می‌کند (یا برای پروژه‌های Bittensor-محور، اینکه کار به این شبکه گره خورده است). این فیلد نمی‌گوید آیا ادعاهای AI پروژه راستی‌آزمایی شده‌اند (AI reality)، آیا توکن هدفی واقعی دارد (Token necessity) یا آیا مؤلفه onchain معنادار است (Onchain necessity). این ارزیابی‌ها به‌طور جداگانه توسط محورهای ارزیابی مربوطه DecAIHub انجام می‌شوند.
Bittensor به‌تنهایی چه چیزی را ثابت نمی‌کند
- اجرا روی Bittensor کیفیت AI یا AI reality را ثابت نمی‌کند. ماینر یک subnet ممکن است مدلی اجرا کند، اما دقت، اصالت و تناسب مدل با هدف نیازمند ارزیابی جداگانه از طریق بنچمارک‌ها و سنجه‌های کیفیت است.
- وجود subnet با تقاضای واقعی برابر نیست. هر کسی که حاضر باشد هزینه ثبت‌نام را بپردازد می‌تواند subnet بسازد. وجود یک subnet ثابت نمی‌کند که خروجی‌هایش واقعاً توسط کاربران نهایی یا اپلیکیشن‌ها استفاده می‌شوند.
- انتشار TAO پایداری اقتصادی یا Token necessity را ثابت نمی‌کند. ماینرها بر اساس کارایی نسبی درون یک subnet TAO کسب می‌کنند، اما این تضمین نمی‌کند که سرویس AI زیربنایی درآمد بیرونی تولید کند یا تناسب محصول-بازار داشته باشد.
- غیرمتمرکز به‌طور خودکار به معنای بهتر نیست. توزیع کار AI میان مشارکت‌کنندگان متعدد، سربار هماهنگی، تأخیر و نوسان کیفیتی ایجاد می‌کند که سامانه‌های متمرکز با آن روبه‌رو نیستند. تمرکززدایی یک انتخاب طراحی با بده‌بستان‌هاست، نه یک بهبود خودکار.
اشتباه نگیرید با
- Subnet — subnet یک مؤلفه ساختاری درون Bittensor (و برخی شبکه‌های دیگر مانند Avalanche) است. Bittensor خود شبکه است؛ subnetها بخش‌های کارکردی آن هستند.
- L1 — Bittensor یک بلاکچین Layer-1 است، اما معماری و هدف آن با L1های همه‌منظوره مانند Ethereum تفاوت بنیادی دارد. همه L1ها شبکه AI نیستند.
- بازارهای محاسبات GPU — برخی پروژه‌های AI غیرمتمرکز صرفاً عرضه GPU را با تقاضای محاسباتی جفت می‌کنند. Bittensor فراتر می‌رود و ارزیابی کیفیت (از طریق اعتبارسنج‌ها) و سازوکارهای انگیزشی رقابتی را در خود پروتکل جای می‌دهد.
- یک مدل AI واحد — Bittensor یک مدل نیست. شبکه‌ای است که مشارکت‌کنندگان متعددی را هماهنگ می‌کند که هر یک ممکن است مدل‌های متفاوتی را در subnetهای متفاوت اجرا کنند.
پرسش‌های متداول
subnet در Bittensor چیست؟
subnet بخش تخصصی شبکه Bittensor است که به یک وظیفه مشخص AI اختصاص دارد — مانند تولید متن، تشخیص تصویر یا تحلیل داده. هر subnet سازوکار انگیزشی خودش (قواعد امتیازدهی) را تعریف می‌کند، مجموعه ماینرها و اعتبارسنج‌های خودش را دارد و برای سهمی از انتشار سراسری TAO رقابت می‌کند. subnetها به Bittensor امکان می‌دهند هم‌زمان حوزه‌های متعدد AI را بدون نیاز به تغییر در پروتکل پایه پوشش دهد. برای توضیح مفصل، subnet چیست را ببینید.
ماینرها چگونه TAO کسب می‌کنند؟
ماینرها با تولید خروجی‌های AI که اعتبارسنج‌ها به آن‌ها امتیاز بالا می‌دهند، TAO کسب می‌کنند. وقتی یک اعتبارسنج پرس‌وجویی به ماینرهای یک subnet می‌فرستد، هر ماینر بهترین خروجی خود را پاسخ می‌دهد. اعتبارسنج‌ها این پاسخ‌ها را بر اساس سازوکار انگیزشی subnet ارزیابی و رتبه‌بندی می‌کنند. الگوریتم Yuma Consensus امتیازهای چندین اعتبارسنج را تجمیع می‌کند و انتشار TAO آن subnet را متناسب با رتبه‌بندی اجماعی میان ماینرها توزیع می‌کند. کار باکیفیتِ پیوسته TAO بیشتری به همراه دارد؛ کار ضعیف کم یا هیچ.
آیا Bittensor همان شبکه اجاره GPU است؟
خیر. شبکه‌های اجاره GPU (بازارهای محاسبات غیرمتمرکز) منابع محاسباتی خام ارائه می‌دهند — شما زمان GPU اجاره می‌کنید و هر بار کاری که بخواهید اجرا می‌کنید. ساختار Bittensor متفاوت است: ماینرها صرفاً سخت‌افزار اجاره نمی‌دهند، بلکه برای تولید بهترین خروجی‌های AI برای یک وظیفه مشخص رقابت می‌کنند و اعتبارسنج‌ها کیفیت آن خروجی‌ها را ارزیابی می‌کنند. شبکه به کیفیت نتایج پاداش می‌دهد، نه صرفاً به کمیت محاسبات. همین موضوع Bittensor را به یک شبکه AI انگیزه‌محور بدل می‌کند، نه یک بازار سخت‌افزار.
آیا هر کسی می‌تواند روی Bittensor یک subnet بسازد؟
بله، ساخت subnet بدون نیاز به مجوز است. هر کسی می‌تواند با پرداخت سپرده لازم به TAO و تعریف یک سازوکار انگیزشی، subnet جدیدی ثبت کند. این گشودگی به شبکه امکان می‌دهد با محوریت تقاضای جامعه به حوزه‌های جدید AI گسترش یابد. با این حال، ساخت یک subnet تضمین نمی‌کند که ماینرها، اعتبارسنج‌ها یا کاربران را جذب کند — subnet برای حفظ مشارکت باید سازوکار انگیزشی روشن و وظیفه‌ای مفید ارائه دهد.
منابع خارجی
- مستندات Bittensor — مستندات رسمی پروتکل شامل subnetها، اجماع، staking و راهنماهای توسعه‌دهندگان.
- وایت‌پیپر Bittensor — مقاله فنی اصلی که معماری شبکه، سازوکارهای انگیزشی و اهداف طراحی آن را توصیف می‌کند.
- Taostats — کاوشگر و داشبورد تحلیلی جامعه‌محور برای شبکه Bittensor که فعالیت subnetها، توزیع انتشار و کارایی اعتبارسنج‌ها را نمایش می‌دهد.
No comments to display
No comments to display