TAO 現最強反発、一文で振り返る子網 12 の有用な AI プロジェクト
Bittensorに12のサブネットが追加され、各サブネットはAI関連の開発をある程度促進しています。著者：深潮 TechFlow
暗号市場は今週の「ブラックマンデー」を経て血流成河となったが、1日後には異なるセクターのトークンが反発を迎えた。
その中で、最も目を引くのは Bittensor （TAO）である。
Coinmarketcap のデータによると、昨日時価総額上位 100 のトークンの中で、Bittensor (TAO) は 23.08% 上昇し、反発ランキングの首位に立った。
AI のストーリーは年初ほどの熱気はないが、投資家の選択はセクターのトッププロジェクトに対する期待を示している。
しかし、以前 Bittensor はある程度の FUD に直面し、コミュニティはプロジェクト名が過大評価されていると考え、サブネット内には実際のアプリケーションがないと指摘している。
暗号プロジェクトの有用性はトークン価格と直接的に関連しているわけではないが、Bittensor は本当にただの空っぽの存在なのだろうか？
過去数ヶ月間で、Bittensor には 12 のサブネットが新たに追加され、各サブネットは一定程度 AI 関連の開発を促進しており、その中から新しいアルファプロジェクトが生まれる可能性もある。
私たちはこれらの新しいサブネットを調査し、TAO の価格反発に注目が集まる中で、その基本面の変化を見ていく。
サブネット 38：Sylliba、70 以上の言語をサポート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翻訳アプリケーションで、70 以上の言語を処理できる。
特に注目すべきは、このプログラムがチェーン上の AI エージェントに利用される点である：
- 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、言語を超えた情報処理と通信を実現する。
- AI 能力の強化：多言語能力を持たない AI システムでも多言語タスクを処理できるようにする。
- 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、システムの信頼性が向上する。
- インセンティブメカニズム：トークン経済を通じて、高品質な翻訳サービス提供者を奨励する。
プロジェクトアドレス：https://github.com/agent-artificial/sylliba-subnet
サブネット 34：Bitmind、真実のコンテンツと偽造コンテンツを検出する
開発チーム：@BitMindAI
概要：
BitMind は分散型の深層偽造検出技術の開発に特化している。生成的 AI モデルの急速な発展に伴い、高品質な合成メディアと真実のコンテンツを区別することがますます複雑になっている。
BitMind のサブネットは、Bittensor ネットワーク内に強力な検出メカニズムを展開することでこの問題を解決し、生成的および判別的 AI モデルを使用して深層偽造を効果的に識別する。
同時に、BitMind API はサブネットの深層偽造検出機能を利用して強力な消費者アプリケーションを開発できるようにする。画像アップロードインターフェースを持つ 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真実か偽りか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反欺瞞ツールを提供する。
サブネット 43：Graphite、スマートパスプランニングネットワーク
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、特に旅行セールスマン問題（TSP）に焦点を当てている。TSP は、都市のセットを訪問し、出発点に戻るための最短可能なルートを見つけることを目的とした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利用して、TSP や類似のグラフ問題の計算ニーズを効率的に処理するためにマイナーを接続する。
現在、検証者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する。マイナーは自分たちが設計したアルゴリズムを使用して TSP を解決し、結果を検証者に返送して評価を受ける。
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。彼らの焦点は、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であり、これらのツール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ている。
主要製品：
a. チャットアプリ：ユーザーが彼らのサブネットと対話できるチャットフロントエンドを提供する。このアプリの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：OpenAI と互換性のある API を提供し、continue.dev と一緒に使用できる。
マイナーと検証者の参加方法についてはプロジェクト 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 は分散型の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、Bittensor ネットワークによって支えられている。
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、マイナーがトレーニングと改善を行うことができる。また、歴史的およびリアルタイムデータに基づいて戦略的計画とパフォーマンス分析を行い、包括的なデータセット収集と高性能予測モデルの開発を奨励する。
マイナーと検証者の機能：
- マイナー：検証者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用して予測を行う。
- 検証者：マイナーの予測を収集し、実際の結果と比較し、検証結果を記録する。
サブネット 29：coldint、ニッチ AI モデルのトレーニング
開発者：未発見、公式サイトはこちら
概要：
SN29 coldint、正式名称は Collective Distributed Incentivized Training（集団分散型インセンティブトレーニング）。
目標：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、大規模な汎用モデルのように広く使用されていないが、特定の分野やタスクで非常に価値のあるモデルを指す可能性がある。
マイナーと他の役割の参加及び分担：
a) マイナーは主に公開されたトレーニングモデルを共有することでインセンティブを得る。
b) コードライブラリを通じて洞察を共有するマイナーや他の貢献者には二次的なインセンティブが与えられる。
c) 小さな改善を奨励し、マイナーが定期的に彼らの改善作業を共有することを促す。
d) 個々のトレーニング努力をより良い組み合わせモデルに結びつけるコードの貢献には高い報酬が与えられる。
サブネット 40: Chunking、RAG（Retrieval-Augmented Generation、検索強化生成）アプリケーションのデータセットを最適化
開発チーム：@vectorchatai
トークン：$CHAT
概要：
SN40 Chunking は非常に賢い図書館員のようなもので、大量の情報（テキスト、画像、音声など）を小さな塊に分ける具体的な方法を提供する。これにより、AI がこれらの情報を理解しやすく、利用しやすくする。書棚がうまく整理されていれば、すぐに見つけることができる。
SN40 Chunking は AI に「書棚を整理する」手助けをしている。
テキストだけでなく、SN40 Chunking は画像や音声などさまざまなタイプの情報も処理できる。これは、書籍だけでなく、写真集や音楽 CD なども管理する全能の図書館員のようなものである。
サブネット 39: EdgeMaxxing、消費者デバイス上で動作する AI モデルを最適化
開発チーム：@WOMBO
概要：SN39 EdgeMaxxing は、スマートフォンからノートパソコンまで、消費者デバイスの 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 サブネットは競争的な報酬システムを採用しており、毎日競技が行われる。目的は、参加者が消費者デバイス上での AI モデルの性能を継続的に最適化することを奨励することである。
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
- 彼らはさまざまなアルゴリズムやツールを使用してモデルの性能を向上させる
検証者（Validators）：
指定されたターゲットハードウェア（例：NVIDIA GeForce RTX 4090）上で実行する必要があり、毎日すべてのマイナーが提出したモデルを収集し、各提出モデルをベンチマークテストし、ベースラインチェックポイントと比較する。速度の改善、精度の維持、全体的な効率の向上に基づいてスコアを付け、その日の最も優れたモデルを勝者として選出する。
プロジェクト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 はスポーツファンがスポーツイベントの結果を予測し、ブロックチェーンに基づく分散型スポーツ予測市場を作成することを可能にする。
参加者の役割：
マイナー：予測結果を生成する責任がある
検証者：予測結果の正確性を検証する
データ収集者：さまざまなソースからスポーツイベントデータを収集する
プロジェクト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的ツールを開発し、予測市場に使用する。同時にプロジェクトは @Polymarket や @azuroprotocol などのプラットフォームのイベントに対してアービトラージとアグリゲーションを行う。
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
正確な予測と価値のある情報を提供する者に報酬を与える
全体として、プロジェクトはユーザーの予測と情報提供への参加を奨励し、活発な予測コミュニティを形成する。
サブネット 37：LLM Fine-tuning、大言語モデル微調整
開発チーム：Taoverse \& @MacrocosmosAI
概要：
これは大言語モデル（LLMs）の微調整に特化したサブネットであり、マイナー（miners）に LLMs の微調整を奨励し、サブネット 18 からの継続的な合成データフローを使用してモデル評価を行う。
作業メカニズム：
- 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する。
- 検証者（validators）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する。
- 評価結果は wandb プラットフォームに記録される。
- 重み付けに基づいて TAO トークンの報酬がマイナーと検証者に配分される。
プロジェクトリポジトリアドレス：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を作成
開発チーム：@omegalabsai
概要：
「Any to Any」は、このプロジェクトにおいて異なるタイプのデータや情報間で変換と理解を行う能力を持つマルチモーダル AI システムを指す。例えば、テキストから画像、画像からテキスト、音声から動画、動画からテキストへの変換が含まれる。
システムは変換だけでなく、異なるモダリティ間の関係を理解することもできる。例えば、テキストの説明と画像の関連性、または動画とそれに対応する音声の関係を理解することができる。
このサブネットでは、インセンティブメカニズムが世界中の AI 研究者や開発者のプロジェクト参加を奨励するために使用される。具体的には：
- 貢献者は価値のあるモデル、データ、または計算リソースを提供することでトークン報酬を得ることができる。
- この直接的な経済的インセンティブにより、高品質な AI 研究と開発が持続可能な事業となる。
プロジェクトリポジトリアドレス：https://github.com/omegalabsinc/omegalabs-anytoany-bittensor
補足知識：
一部の読者が Bittensor サブネットの意味を知らない場合に備えて、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焦点を当てている。
- サブネットは開発者が特定用途の AI モデルを作成し、展開することを可能にする。
- それらは暗号経済学を通じて参加者に計算リソースの提供とモデルの改善を奨励する。
