去中心化 AI ネットワーク Bittensor の全面解析

原文タイトル：《Demystify Bittensor ：How's the Decentralized AI Network?》

著者：Ming Ruan，Wenshuang Guo，Animoca Brands Research

編訳：Scof，ChainCatcher

概要

• 人工知能の発展は重要な臨界点に達しており、その世界への深遠な影響は避けられないだけでなく、範囲と深さの両方で指数関数的に成長することが期待されています。今後5年間で市場規模は1兆ドルを超えると予測され、AIの成長を加速させるプロジェクトは巨大な価値を生み出すでしょう。
• BittensorはTAOトークンによって駆動される分散型人工知能ネットワークであり、プロジェクトがクラウドソーシングされたAI関連の「デジタル商品」を通じて分散型AIトレーニングの代替手段を提供することを目的としています。
• Bittensorの機能は2つのコアメカニズムに依存しています。1つ目は革新的なYumaコンセンサスで、これによりバリデーターはマイナー間の報酬配分について合意することができます。2つ目はTAOトークンの継続的な発行で、12秒ごとに1トークンが発行されます。発行速度は4年ごとに半減し、予測可能だが徐々に減少するTAO供給量を生み出します。
• Bittensorの基本構成要素はサブネットで、サブネットは3つの重要な参加者で構成されています：1）サブネットオーナー、サブネットの目標を設定する；2）マイナー、計算能力を提供し、より大きな報酬のシェアを競う；3）バリデーター、マイナーのパフォーマンスを評価し、その評価に基づいて報酬を得る。サブネットに割り当てられる総報酬は「ルートサブネット」またはサブネット0によって決定されます。
• 現在、Bittensorでは50以上のサブネットが運営されており、インフラストラクチャ、データソース、モデルのトレーニング、ファインチューニングなど、さまざまなAI関連のニーズをカバーしています。一部のサブネットは特定の次元の生成において中央集権的な代替品を超え、初期の成功を示しています。
• 多くの新興エコシステムと同様に、Bittensorの経済モデルにはまだ欠陥があります。そのトップダウンの資金配分設計は、関係者の利益を完全に調整していません。また、ネットワーク資金を支えるTAOトークンの価格は、今後の半減イベントの影響を受けやすいです。私たちはこれらの問題を解決し、Bittensorエコシステムの利益の調整性と持続可能性を向上させる方法を提案します。

分散型AIの需要

人工知能の分野は前例のない速度で進化していますが、これは挑戦がないわけではありません。現在、中央集権的なデータトレーニングモデルがこの分野を支配しており、主にOpenAI、Google、X（旧Twitter）などのテクノロジー大手によって制御されています。

中央集権的なAIトレーニングは近年顕著な成果を上げていますが、一定の限界もあります。まず、データトレーニングプロセスには、プライベート情報の無許可使用、データの検閲によるトレーニング結果の歪み、データソースの追跡可能性の欠如などの問題があります。アルゴリズムの観点から、中央集権的なモデルはデータの質に大きく依存しており、リアルタイムでの評価を行い、反復的な改善を実現することが難しいことが多いです。

分散型AIトレーニングは代替案を提案していますが、特にリソース不足という大きな課題に直面しています。現在、大規模モデルのトレーニングコストは1億ドルを超えており、コミュニティ主導のプロジェクトはほとんど競争できない状況です。分散型の取り組みは計算能力、データ、才能の自発的な貢献に依存していますが、これらのリソースは同様の規模のプロジェクトを支えるには不十分です。したがって、分散型AIの潜在能力は依然として制限されており、中央集権的AIと完全に競争することはできません。

出典：Statista

Bittensorの概要

Bittensorは、分散型ネットワークであり、高品質のAIモデルが分散型の方法で開発されるインテリジェントな市場を形成することを目的としています。インセンティブメカニズムを利用し、参加者が計算リソース、専門知識、革新の貢献を提供することに対して報酬を与えることで、BittensorはオープンソースのAI能力エコシステムを構築しています。その中で、ネイティブ通貨TAOは報酬トークンであり、ネットワークへのアクセスの証明でもあります。

Bittensorのコアコンポーネント、Yumaコンセンサス、サブネット、TAOトークンは、2021年11月に「中本聡」バージョンとしてリリースされ、Polkadotのパラチェーンとして構築されました。その後、2023年にPolkadot Substrateに基づいて構築されたLayer 1チェーンに移行し、TAOの発行計画は変わりません。

Bittensorの創設者および運営主体であるOpentensor Foundationは、元GoogleエンジニアのJacob Steevesと機械学習の学者Ala Shaabanaによって共同設立され、現在約30名のスタッフが在籍しており、ほとんどのスタッフがエンジニアリング機能に従事しており、B2B市場の開発、ビジネス開発、パートナーシップ、開発者関係などの機能が不足しています。

基本原理：Bittensorはどのように機能するのか？

Bittensorは、動的インセンティブコンセンサスフレームワークに基づいた革新的なネットワークを開発し、参加者が機械知能を生産するために必要なリソースの貢献を支援することを許可します。各サブネットは特定のタスクのモデルとして機能し、独自のパフォーマンス評価基準を持ち、Bittensor全体のYumaコンセンサスを通じてインセンティブを分配します。

サブネットがどのように機能するかを説明するために、アナロジーを使いましょう。サブネットは、毎月ライティングコンペを開催する雑誌の出版社に例えることができます。毎月、エディターがテーマを発表し、作家が1万ドルの報酬プールを競い合います。基準は「web3の精神を最も体現する作品」です。作家はエディターに記事を提出し、すべてのエディターが提出された作品を評価します。エディターの評価結果が最終的なランキングを決定します。ランキングが最も高い記事は公開され、最大の報酬シェアを獲得しますが、ランキングが低い記事も小さな報酬を得る可能性があります。すべての提出された記事とその評価は、参加した作家とエディターと共有され、フィードバックと学習のために使用されます。このようなインセンティブ構造により、作家は継続的に参加し貢献し、作家とエディターの基準も徐々に一致していき、雑誌は「web3の精神」を最も体現する高品質な記事を発表できるようになります。

このアナロジーにおいて、雑誌の出版社はサブネットを代表し、作家はマイナーを、エディターはバリデーターを代表します。エディターが記事の評価プロセスをまとめることがYumaコンセンサスメカニズムです。実際のサブネットでは、マイナーはドルではなくTAOトークンを獲得し、これらのトークンはルートサブネット（サブネット0）によって分配されます。バリデーターもインセンティブを受け取り、彼らの基準が集計された評価に近づくことで、より多くの報酬を得ることができます。

このフレームワークの中で、サブネットオーナーはバリデーターの手段を通じて、マイナーから知能能力をトレーニングし取得し、特定の機能を持つAIモジュールを構築します。サブネットに加えて、Bittensorはネットワーク全体の機能をサポートする他のレイヤーも設けています：

1. アプリケーション層：外部アプリケーションがサブネットにリクエストを送信して知能応答を取得します。
2. 実行層：サブネットのグループで構成され、各サブネットがマイナーをトレーニングし、知能やその他の関連能力を開発する目標を達成します。
3. 資金層：ルートサブネット（サブネット0）がTAOの発行量をサブネットに割り当て、その活動を資金提供します。
4. ブロックチェーン層：TAOを発行し、サブネットチェーン上で取引を記録します。

a. アプリケーション層

ユーザーはさまざまなアプリケーションを通じてBittensorと対話でき、これらのアプリケーションはサブネットに接続されるか、サブネットとして機能します。ユーザーは言語翻訳やデータ分析などのサービスリクエストを提出し、アプリケーションはバリデーターAPIを介してリクエストをサブネットにルーティングします。最適なマイナーの回答はバリデーターの合意によって選ばれ、ユーザーに返されます。

b. 実行層

この層はサブネットのグループで構成され、すべてのサブネットがYumaコンセンサスを使用してマイナーをトレーニングし利用します。各サブネットの詳細を深く議論することなく、ここではYumaコンセンサスとサブネットの参加状況について説明します。
Yumaコンセンサス

Yumaコンセンサスは、バリデーター間の合意を確立するためのアルゴリズムで、報酬配分を決定します。簡略化された理解方法は、各バリデーターがその総評価1ポイントをマイナーに割り当てるというものです。次に、各マイナーのコンセンサススコアは、すべてのバリデーターの評価の加重平均値になります。このスコアがマイナーが獲得できる報酬のシェアを決定します。

サブネット

タスク特定のサブネットは、その目標に合わせて設計されたフレームワーク「バリデーションスタック」を使用します。バリデーターはこのスタックを実行し、マイナーを価値創造のタスクに導き、サブネットの目標が達成されるようにします。マイナーの目標は、仲間を超えてより大きな報酬のシェアを獲得することです。

サブネットオーナーになるには、まず登録料を支払う必要があり、その後サブネットに接続できます。登録料は需要に応じて変動し、現在は約3000 TAOです。サブネットが解除されると、料金は返金されます。

バリデーターになるにはTAOを担保する必要があります。最小担保の閾値は、担保量が64位のバリデーターによって決定されます。担保規模が大きいバリデーターは、各サブネットのサービスリクエストやYumaコンセンサスにおいてより高い重みを持ちます。さらに、1人のバリデーターは複数のサブネットでサービスを提供できます。

サブネットに参加するには、バリデーターまたはマイナーとして「ニューロン」と呼ばれる位置を登録する必要があります。登録料はサブネットによって異なり、需要と供給に応じて変動しますが、通常は1 TAO未満です。登録が解除されると、その料金は回収され、返金されません。入場料に加えて、マイナーはサブネットの目的に合わせてソフトウェアとハードウェアをカスタマイズする必要があります。したがって、マイナーは通常1つのサブネットにバインドされます。

2024年12月時点で、250人のバリデーターが173のユーザーアカウントによって運営され、11,856人のマイナーが2,709のユーザーアカウントによって運営されています。

インセンティブ配分

各サブネット内で配分されたTAOの発行量はルートサブネット（資金層のルート）によって決定され、バリデーターとマイナーに定められた割合で配分されます：41%がマイナーに、41%がバリデーターに、18%がサブネットオーナーに配分されます。マイナーの中では、インセンティブはバリデーターが配分した「信頼値」に基づいて決定されます。バリデーターの中では、インセンティブはバリデーターの「信頼スコア」と担保量に基づいて配分されます。委託されたTAOを担保にしたバリデーターは、他の担保者と報酬を共有し、保持した「シェア」を差し引いた後に配分されます。

c. 資金層

ルートネットワーク、またはサブネット0は、Bittensorスタックの資金層です。ルートサブネット内で、各バリデーターはすべてのサブネットのバリデーションスタックを実行し、各サブネット自身の基準に基づく結果の質、正確性、応答時間を評価し、そのスコアを決定します。これらのスコアはYumaコンセンサスを通じてTAO発行におけるサブネットのシェアに変換されます。

ルートサブネットには2つの独特な特徴があります：まず、マイナーはサブネットに置き換えられ、評価の主体となります；次に、ルートサブネット内のバリデーターの数は64人に固定されています。設計上、新しい申請者は既存のバリデーターの最低担保量を超えるTAOを担保する必要があります。しかし、現在この置き換えメカニズムは一時停止されており、担保量にかかわらず、固定された64人のバリデーターがルートサブネットを制御しています。

d. ブロックチェーン層

SubtensorはBittensor内のブロックチェーンで、TAOを発行する役割を担っています。サブネット内のバリデーターは、重み付けスコア、取引データ、パフォーマンス指標をSubtensorブロックチェーンに提出します。Subtensorブロックチェーンのバリデーターノードは、Opentensor財団によって権威証明（Proof-of-Authority）を使用して運営され、取引の検証、Subtensor台帳の更新、報酬配分のガバナンスを担当します。このブロックチェーン層の分散化に関する声明には議論があり、Opentensor財団のチームは必要に応じてブロックチェーンを一時停止することができます。

サブネットの評価

2024年12月時点で、56のアクティブなサブネットがあります。これらのサブネットは、トレーニングデータパイプライン、計算能力、トレーニングプラットフォーム、汎用AIモデル、特定アプリケーションAIツールなど、AI開発のさまざまな側面をカバーしています。サブネット間の発行配分は不均等で、上位10のサブネットが総発行量の約50%を占めています。

このセクションの残りでは、サブネットオーナーがどのようにそれらを使用しているかを示すために、3つの興味深いサブネットを深く掘り下げます。

サブネット 18：Cortex.t

Cortex.tは、CorcelによってDSISフレームワークの下で開発されたサブネットで、GPT4oとGPT4を使用して動的合成データを生成し、モデルテストとバイアスのない人工知能評価に利用することを目的としています。高品質のプロンプト-レスポンスペアを作成し、それをwandb.ai上の合成Q&Aデータとしてアーカイブし、プロンプト進化やデータ拡張などの技術を利用して出力結果を最適化します。

Cortex.tサブネットでは、マイナーがGPT4oとGPT4の出力が必要なプロンプトを処理し、その正確性、速度、効率がバリデーターによって評価されます。これらのバリデーターは同じモデルを使用して合成データベースを形成し、プロンプトを送信するためのAPIサーバーを管理します。さらに、バリデーターはDSISフレームワークの下で帯域幅をサービスとして販売することもできます。

サブネット 37：モデル微調整

モデル微調整サブネットは、分散型能力を利用して高度な専門モデル（チャットボットや推論システムなど）をトレーニングすることを目的としています。モデル微調整は通常、時間がかかり、計算集約的で、特定のスキルを必要とします。サブネット構造を適用することで、マイナーは自分のスキルとリソースを提供してモデルを改善し、相応の報酬を得ることができます。

マイナーのタスクは、モデル微調整の競技形式で組織されます。各競技では、基礎モデル、制約条件、目標が発表されます。マイナーは基礎モデルを出発点として、オフラインで微調整を行い、微調整されたモデルをHugging Face（AIコミュニティサイト）に提出し、モデルのメタデータをBittensorチェーンに提出します。

バリデーターはメタデータを取得してモデルを識別し、サブネット18からの合成Q&Aデータ（Synthetic QAデータ）を使用します。その後、バリデーターはSYNTHETIC_MMLUタスクでマイナーのモデルの選択肢の正確性を評価し、マイナーのパフォーマンスを測定します。マイナーはバリデーターの評価に基づいてランキングされ、相応の報酬を得ます。

サブネット 5：Open Kaito

サブネット5は、テキスト埋め込みモデルの開発に焦点を当て、セマンティック検索や自然言語理解などのアプリケーションの能力を強化します。マイナーは大規模なテキストデータセットを使用してこれらのモデルをトレーニングし、埋め込み生成の効率的なパフォーマンスを確保します。バリデーターは最先端のベンチマークと比較してモデルのパフォーマンスを評価し、継続的な改善を促進します。

これらのモデルは公共のバリデーターAPIを通じてアクセス可能となり、さまざまなアプリケーションへの統合を容易にし、既存のパフォーマンス基準を超えることを目指します。

Open Kaitoチームは最近、サブネット5のマイナーが外部のベンチマークテストでOpenAIの埋め込みモデルを超えたと主張しました。これは、以前に大規模な合成データセットを使用して得られた低損失と高いTop-1正確性に基づいて達成された突破口です。この成功は重要であり、分散型の人工知能モデルのトレーニングが特定の面で中央集権的なモデルを超える可能性を示しています。

出典：wandb

これらのサブネットの例から、Bittensorが分散型人工知能エコシステムとしての初期の成功の兆しを示していることがわかります。単一のサブネットレベルでは、分散型のモデルトレーニングと微調整が実行可能です。この点は、Prime Intelligenceが最近成功裏に初の分散型100億パラメータモデルINTELLECT-1をトレーニングしたことによっても支持されています。エコシステムレベルでは、各サブネットが相互に協力し、価値の連鎖を形成できます。したがって、モデルトレーニングの部分だけでなく、人工知能の全価値連鎖がBittensorを通じて分散化される可能性があります。

Bittensorにおける分散型人工知能の技術的実現可能性を評価した後、次にそのエコシステムの経済性を探求し、その設計が持続可能な人工知能トレーニングの価値連鎖を支えることができるかどうかを判断します。

TAOトークン経済モデル

BittensorのインセンティブトークンTAOは、そのブロックチェーンSubtensorの上に構築されています。現在、12秒ごとに新しいブロックが生成され、各ブロックは1つのTAOを鋳造してネットワーク参加者に報酬として分配します。TAOの発行率は最初の10,500,000トークンが鋳造された後、初回の半減を迎え、その後、前回の半減サイクルの発行量の半分に達するたびに（例えば、第2回半減は5,250,000トークン）、発行率は引き続き半減します。この半減メカニズムは、TAOの総供給上限を2100万枚に設定しています。2024年12月時点で、約37.8%の総供給量、つまり793万TAOが鋳造されています。

各半減イベントのタイミングは主にブロック生成速度によって決まりますが、トークンの回収にも影響を受けます。1つのTAOが回収されるごとに（通常はブロックチェーン手数料やサブネット参加者の登録料から）、1つの新しいTAOの鋳造が阻止され、ブロック生成サイクルの半減時間が遅れます。最新の推定によれば、次の半減日は2025年11月29日です。

前述のように、TAOの主な用途はネットワーク参加者をインセンティブするための報酬トークンとしてです。以下はTAOのその他の用途です：

• ステーキング：TAO保有者は自分のバリデーターにTAOを直接ステークするか、バリデーターに委託してバリデーター活動の報酬を共有することができます。最低ステーク金額は0.1 TAOです。
• ネットワークアクセス：マイナー、バリデーター、サブネットオーナーはBittensorネットワークに参加するためにTAO登録料を支払う必要があります。
• ガバナンス：TAO保有者は「上院」を通じてネットワークガバナンスの決定に影響を与えることができ、プロトコルのアップグレードや発行調整などが含まれます。「上院」のメンバーはアクティブなサブネットバリデーターです。
• 取引手数料：TAOはSubtensorブロックチェーンの燃料費トークンです。

Bittensorは持続可能か？

Bittensorは、人工知能能力を求めるユーザーがサブネットを構築し、バリデーターやマイナーと協力することで、インテリジェントな市場を形成することを目指しています。しかし、そのメカニズムは従来の市場構造から逸脱しています：サブネットオーナーはマイナーやバリデーターのサービスに対して直接報酬を支払っておらず、これらの貢献者の収入はその出力や作業量に結びついていません。

実際、Bittensorは市場というよりも、トップダウンの助成金システムのようです。サブネット活動は「ルート」ネットワークから配分された助成金によってインセンティブされますが、助成金の金額を決定する基準は必ずしもサブネットの実際の価値や作業量と一致しているわけではありません。さらに、エコシステム内のサブネットの数がどう変わろうとも、総助成金プールは常に固定されています。

この実践をよりよく理解するために、都市に例えることができます。この都市には、先に述べた雑誌出版社の他に、書籍出版社、音楽スタジオ、パフォーマンス学校などの商業実体があります。これらの企業の唯一の収入源は市政府の助成金であり、助成金委員会の承認を得る限り、実際の価値創造を考慮せずに資金を継続的に得ることができます。新たに参加する企業は、資格を得るために政府から土地を購入する必要があります。新しい企業が増えるにつれて、総助成金プールは依然として固定されており、企業の数にかかわらず変わりません。

この非伝統的なシステムは市場のダイナミクスを歪め、リソース配分の効率を低下させます。助成金配分者（ルートネットワーク）はサブネットの貢献を測定するための効果的な手段を欠いており、サブネットはその人工知能能力がもたらす利益をより広範なエコシステムと共有する動機を持っていません。マイナーは、能力を向上させたり、より多くの作業量を引き受けたりするのではなく、最小限の努力で最大のTAO配分を得ることを好みます。

2024年1月には、部分的な非効率問題に対処するために動的TAO（Dynamic TAO）の提案がなされましたが、この提案はまだ実施されておらず、その有効性は不明です。

TAOのインセンティブモデルは、TAOの強力な価格に大きく依存しており、ほとんどのネットワーク参加者の主要な収入がTAOであるため、継続的な売却圧力を引き起こしています。この圧力をバランスさせるために、ステーキングが主要なメカニズムとなっていますが、ブロックチェーン手数料や登録料からのトークン回収量は依然として限られています。

ステーキングは2つの形式に分かれます：

1. バリデーターステーキング：参加者はTAOをステークしてネットワークの安全性を支援し、報酬を得ます。これはすべての発行済みTAOの約75%を占めています。バリデーターは現在、毎日2,952 TAOを配分しており、年率16%のリターンを得ています。しかし、最初の半減後、この配分は毎日1,476 TAOに減少し、ステーキングの魅力が低下し、トークンの供給と需要のバランスに対する影響が弱まります。
2. サブネット登録ステーキング：サブネット登録料は約3,000 TAOであり、新しいサブネットの参加はTAOの供給に大きな影響を与えます。しかし、これはまた一つの難題を引き起こします：TAOの総発行量が固定されているため、サブネットの数が増えるとすべてのサブネットの報酬が希薄化し、既存のサブネットが運営を維持することが難しくなり、一部のサブネットがネットワークから退出する可能性があります。

Bittensorの現在の経済モデルは持続可能性を持っていません。そのトップダウンの助成金構造は、サブネット間でリソースを効率的に配分することに失敗しています。さらに重要なのは、TAOの需要がその半減後の価値を支えるには不十分であり、これがネットワークの脆弱性を悪化させ、長期的な生存能力を脅かしています。

私たちの提案

私たちはBittensorの持続可能性を高めるために、2部構成の戦略を提案します：

1. サブネット貢献のインセンティブ：サブネットオーナーがそのサブネットに追加のTAO報酬を提供できるようにし、これらの報酬はルートネットワークに配分されるサブネットへの総インセンティブプールに追加され、既存のコンセンサスメカニズムを通じて参加者に配分されます。この措置により、サブネットから顕著な価値を得るサブネットオーナーがサブネット報酬プールに資金を貢献することを促し、マイナーやバリデーターの積極的な参加を確保し、サブネットオーナーがTAOトークンの購入力となり、その価格を効果的に支えることができます。
2. 優先助成金配分：ルートネットワークは新設および高潜在能力のサブネットに優先的に助成金を配分し、徐々に古いサブネットへの支援を減少させるべきです。この措置により、価値の低いサブネットを自然淘汰し、新しいサブネットが総サブネット数の希薄化なしに十分な資金を得られるようにします。さらに、この方法はルートネットワークのバリデーターの負担を軽減し、新しいサブネットの成長に集中できるようにし、トップダウンの助成金モデルにより適合します。

これらの戦略を実施することで、BittensorはTAOトークンに持続的な需要を創出し、その価値を維持することができ、もはや単にステーキングに依存することはなくなります。同時に、これらの措置は自然選択メカニズムを導入し、エコシステムの成長を促進し、新しいサブネットの資源を集中させることができます。

結論

人工知能は間違いなく技術進歩の未来を代表しています。これは、人工知能の価値連鎖における先進企業の高評価と、その社会のさまざまな分野での広範な応用可能性から明らかです。中央集権的な人工知能の開発は進歩を促進しましたが、中央集権的なデータ、モデル開発、利益集中に依存する欠点も露呈しました。

Bittensorは分散型人工知能の強力な代替案を提供します。トップダウンの助成金モデルと堅牢なTAOトークン価格の支援の下で、複数のサブネットが人工知能能力の発展を促進する可能性を示しています。全体として、Bittensorは人工知能エコシステム全体の価値連鎖をカバーする包括的なプラットフォームを形成することができます。

しかし、他の新興エコシステムと同様に、Bittensorも課題に直面しています。特に、最初の半減後、そのトークン経済モデルの持続可能性と報酬配分システムの有効性に関してです。これらの問題を解決するために、私たちは報酬モデルの調整を提案し、新設および高潜在能力のサブネットを優先的に支援し、リスク投資のように機能させるべきです。これにより、既存のサブネットオーナーがその参加者を資金提供し、分散型人工知能の貢献から利益を得ることができるようになります。

この調整を通じて、Bittensorのインセンティブモデルは持続可能性を実現できると信じており、真に重要な問題に焦点を当てることができます：分散型人工知能はいつ高価値の現実のアプリケーションを創出できるのか？