Marktkapitalisierung: $3.4942T -1.390%
Volumen (24h): $121.2684B 20.640%
  • Marktkapitalisierung: $3.4942T -1.390%
  • Volumen (24h): $121.2684B 20.640%
  • Angst- und Gier-Index:
  • Marktkapitalisierung: $3.4942T -1.390%
Cryptos
Themen
Cryptospedia
Nachricht
CryptosTopics
Videos
Top News
Cryptos
Themen
Cryptospedia
Nachricht
CryptosTopics
Videos
bitcoin
bitcoin

$102418.358867 USD

-1.97%

ethereum
ethereum

$3298.096549 USD

1.21%

xrp
xrp

$3.048127 USD

-1.30%

tether
tether

$0.999866 USD

-0.01%

solana
solana

$231.464380 USD

-2.61%

bnb
bnb

$675.655067 USD

-0.56%

usd-coin
usd-coin

$0.999928 USD

-0.01%

dogecoin
dogecoin

$0.327988 USD

-0.25%

cardano
cardano

$0.945324 USD

-1.12%

tron
tron

$0.256233 USD

0.65%

chainlink
chainlink

$25.471085 USD

1.61%

avalanche
avalanche

$34.603954 USD

-1.17%

stellar
stellar

$0.416369 USD

-2.01%

sui
sui

$4.058447 USD

-3.89%

toncoin
toncoin

$4.893106 USD

1.10%

Nachrichtenartikel zu Kryptowährungen

: Titel: Bittensor: Das KI-Infrastrukturnetzwerk

Dec 31, 2024 at 11:11 am

Bittensor ist ein dezentrales KI-Netzwerk, das es KI-Entwicklern ermöglicht, Modelle für maschinelles Lernen oder andere KI-bezogene Entwicklungen zu erstellen und bereitzustellen.

: Titel: Bittensor: Das KI-Infrastrukturnetzwerk

!output: Author: IOSG Ventures

!Ausgabe: Autor: IOSG Ventures

Introduction

Einführung

AI development has made tremendous breakthroughs in recent years due to advancements in data, computing power, and algorithm research, especially with the emergence of OpenAI GPT-4, which represents the arrival of foundational LLM large models, driving productivity improvements and transforming social efficiency.

Die KI-Entwicklung hat in den letzten Jahren aufgrund von Fortschritten in der Daten-, Rechenleistungs- und Algorithmenforschung enorme Durchbrüche erzielt, insbesondere mit der Entstehung von OpenAI GPT-4, das die Einführung grundlegender LLM-Großmodelle darstellt, Produktivitätsverbesserungen vorantreibt und die soziale Effizienz verändert.

However, the drawbacks of closed-source large models represented by GPT-4 have also become apparent, namely, centralized models often have limitations on third-party integrations, which undermine the scalability and interoperability of AI agents based on centralized models.

Allerdings sind auch die Nachteile der durch GPT-4 repräsentierten Closed-Source-Großmodelle deutlich geworden, nämlich dass zentralisierte Modelle häufig Einschränkungen bei der Integration von Drittanbietern aufweisen, was die Skalierbarkeit und Interoperabilität von KI-Agenten auf Basis zentralisierter Modelle untergräbt.

As a result, open-source large models like the Llama series have gained increasing popularity among researchers, but open source does not equate to transparency, and it also faces many challenges.

Infolgedessen erfreuen sich große Open-Source-Modelle wie die Llama-Reihe zunehmender Beliebtheit bei Forschern, doch Open Source bedeutet nicht gleichbedeutend mit Transparenz und steht auch vor vielen Herausforderungen.

The main dilemma is that open-source AI development offers no economic incentives for most contributors. Even though some competition rewards exist, they are usually one-time, and subsequent improvement and development work still require passion, unless a large community of followers is built after reaching a certain scale, which could lead to more revenue opportunities and more contributors continuing to improve.

Das Hauptdilemma besteht darin, dass die Open-Source-KI-Entwicklung für die meisten Mitwirkenden keine wirtschaftlichen Anreize bietet. Auch wenn es einige Wettbewerbsprämien gibt, sind diese in der Regel einmalig, und die anschließende Verbesserungs- und Entwicklungsarbeit erfordert immer noch Leidenschaft, es sei denn, nach Erreichen einer bestimmten Größe wird eine große Follower-Community aufgebaut, was zu mehr Umsatzmöglichkeiten führen könnte und mehr Mitwirkende weitermachen verbessern.

Therefore, the AI project Bittensor attempts to utilize web3 token mining to make open-source AI development more sustainable, verifiable, and efficient. Through Yuma Consensus, it aims to align resources with research parties (Miners), validators (Validators), and AI project parties (Subnet Creators), making the entire AI research process more transparent and decentralized, allowing anyone to contribute to AI and earn deserved rewards.

Daher versucht das KI-Projekt Bittensor, Web3-Token-Mining zu nutzen, um die Open-Source-KI-Entwicklung nachhaltiger, überprüfbarer und effizienter zu machen. Ziel des Yuma-Konsenses ist es, die Ressourcen auf Forschungsparteien (Miner), Validatoren (Validatoren) und KI-Projektparteien (Subnet Creators) abzustimmen, um den gesamten KI-Forschungsprozess transparenter und dezentralisierter zu gestalten und es jedem zu ermöglichen, einen Beitrag zur KI zu leisten und verdientes Geld zu verdienen Belohnungen.

The performance of tokens in the secondary market also confirms people's expectations, with prices rising from over $50 in September 2023 to over $500 in December 2024, achieving a tenfold increase!

Auch die Performance der Token auf dem Sekundärmarkt bestätigt die Erwartungen der Menschen: Die Preise stiegen von über 50 US-Dollar im September 2023 auf über 500 US-Dollar im Dezember 2024 und erreichten damit eine Verzehnfachung!

Recently, Bittensor's investor and founder of Digital Currency Group established an accelerator named Yuma, specifically to incubate subnet projects within the Bittensor ecosystem, and serves as CEO, demonstrating his confidence and potential in the Bittensor project.

Kürzlich hat der Bittensor-Investor und Gründer der Digital Currency Group einen Beschleuniger namens Yuma gegründet, der speziell Subnetzprojekte innerhalb des Bittensor-Ökosystems ins Leben gerufen hat. Er fungiert als CEO und demonstriert damit sein Vertrauen und sein Potenzial in das Bittensor-Projekt.

Of course, the success of any project cannot be achieved without facing skepticism. Since the inception of Bittensor, there has been a lot of FUD. In this article, we summarize many unanswered questions and attempt to understand Bittensor's future positioning and potential in the decentralized AI space through research and analysis.

Natürlich kann der Erfolg eines Projekts nicht ohne Skepsis erreicht werden. Seit der Gründung von Bittensor gab es viel FUD. In diesem Artikel fassen wir viele unbeantwortete Fragen zusammen und versuchen, die zukünftige Positionierung und das Potenzial von Bittensor im dezentralen KI-Bereich durch Forschung und Analyse zu verstehen.

What is Bittensor?

Was ist Bittensor?

Bittensor was founded in 2021 by a team from Toronto, Canada, including Jacob Robert Steeves, Ala Shaabana, and Garrett Oetken.

Bittensor wurde 2021 von einem Team aus Toronto, Kanada, gegründet, darunter Jacob Robert Steeves, Ala Shaabana und Garrett Oetken.

Bittensor is a decentralized AI infrastructure used by AI developers to build and deploy machine learning models or other AI-related developments. Many Web3 AI projects, regardless of whether they have their own blockchain, can connect to Bittensor's blockchain "subtensor" and become part of a subnet.

Bittensor ist eine dezentrale KI-Infrastruktur, die von KI-Entwicklern zum Erstellen und Bereitstellen von Modellen für maschinelles Lernen oder anderen KI-bezogenen Entwicklungen verwendet wird. Viele Web3-KI-Projekte, unabhängig davon, ob sie über eine eigene Blockchain verfügen, können sich mit dem Blockchain-„Subtensor“ von Bittensor verbinden und Teil eines Subnetzes werden.

What is a Subnet?

Was ist ein Subnetz?

Subnets form the core of the Bittensor ecosystem, with each subnet being an independent incentive-based competitive market. Anyone can create a subnet, customize the tasks it will perform, and design incentive mechanisms (in machine learning terms, the incentive mechanism can be understood as the target loss function, guiding model training towards ideal outcomes). By paying a registration fee (priced in TAO), one can create a subnet and receive a netuid for that subnet. Note that a subnet creator does not need to undertake the operational tasks within the subnet but can delegate the rights to operate those tasks to others.

Subnetze bilden den Kern des Bittensor-Ökosystems, wobei jedes Subnetz einen unabhängigen, anreizbasierten Wettbewerbsmarkt darstellt. Jeder kann ein Subnetz erstellen, die auszuführenden Aufgaben anpassen und Anreizmechanismen entwerfen (in Bezug auf maschinelles Lernen kann der Anreizmechanismus als Zielverlustfunktion verstanden werden, die das Modelltraining zu idealen Ergebnissen führt). Durch Zahlung einer Registrierungsgebühr (in TAO berechnet) kann man ein Subnetz erstellen und eine Netuid für dieses Subnetz erhalten. Beachten Sie, dass ein Subnetzersteller die operativen Aufgaben innerhalb des Subnetzes nicht übernehmen muss, sondern die Rechte zur Ausführung dieser Aufgaben an andere delegieren kann.

Operating tasks within the subnet provides another way for others to participate, namely by joining an existing subnet. If joining an existing subnet, there are two ways to participate: as a subnet miner or a subnet validator. Besides paying a registration fee (priced in TAO, and validators also need to stake TAO), one only needs to provide a computer with sufficient computing resources and register that computer and their wallet to a subnet, while running the subnet creator's provided miner module or validator module (both modules are Python code within the Bittensor API).

Die Bearbeitung von Aufgaben innerhalb des Subnetzes bietet eine weitere Möglichkeit für andere, sich zu beteiligen, nämlich durch den Beitritt zu einem bestehenden Subnetz. Wenn Sie einem bestehenden Subnetz beitreten, gibt es zwei Möglichkeiten zur Teilnahme: als Subnetz-Miner oder als Subnetz-Validator. Neben der Zahlung einer Registrierungsgebühr (die in TAO berechnet wird und Validatoren auch TAO einsetzen müssen) muss man lediglich einen Computer mit ausreichend Rechenressourcen bereitstellen und diesen Computer und sein Wallet in einem Subnetz registrieren, während das vom Subnetzersteller bereitgestellte Miner-Modul ausgeführt wird oder Validator-Modul (beide Module sind Python-Code innerhalb der Bittensor-API).

How Does the Competitive Market of Subnets Work?

Wie funktioniert der Wettbewerbsmarkt der Subnetze?

The operation of subnet competition works as follows: suppose you decide to become a subnet miner. Subnet validators will assign tasks for you to complete. Other miners in the subnet will also receive the same type of tasks. Once all subnet miners complete their tasks, they submit the results to the subnet validators.

Die Funktionsweise des Subnetzwettbewerbs funktioniert wie folgt: Angenommen, Sie entscheiden sich, Subnetz-Miner zu werden. Subnetzvalidatoren weisen Ihnen Aufgaben zu, die Sie erledigen müssen. Andere Miner im Subnetz erhalten ebenfalls die gleichen Aufgaben. Sobald alle Subnetz-Miner ihre Aufgaben abgeschlossen haben, übermitteln sie die Ergebnisse an die Subnetz-Validatoren.

Subsequently, subnet validators will assess and rank the quality of the tasks submitted by subnet miners. As a subnet miner, you will receive rewards (priced in TAO) based on the quality of your work. Similarly, other subnet miners will also receive corresponding rewards based on their performance. At the same time, subnet validators will also receive rewards for ensuring that high-quality subnet miners receive better rewards, thus driving the continuous improvement of the overall quality of the subnet. All these competitive processes are automated based on the incentive mechanisms coded by the subnet creator.

Anschließend bewerten und bewerten Subnetzvalidatoren die Qualität der von Subnetz-Minern übermittelten Aufgaben. Als Subnetz-Miner erhalten Sie Belohnungen (in TAO), die auf der Qualität Ihrer Arbeit basieren. Ebenso erhalten auch andere Subnetz-Miner entsprechend ihrer Leistung entsprechende Belohnungen. Gleichzeitig erhalten Subnetz-Validatoren auch Belohnungen dafür, dass sie dafür sorgen, dass qualitativ hochwertige Subnetz-Miner bessere Belohnungen erhalten, wodurch die kontinuierliche Verbesserung der Gesamtqualität des Subnetzes vorangetrieben wird. Alle diese Wettbewerbsprozesse werden auf der Grundlage der vom Subnetzersteller codierten Anreizmechanismen automatisiert.

The incentive mechanism ultimately judges the performance of subnet miners. When the incentive mechanism is well-calibrated, it can create a virtuous cycle

Der Anreizmechanismus beurteilt letztendlich die Leistung von Subnetz-Minern. Wenn der Anreizmechanismus gut abgestimmt ist, kann ein positiver Kreislauf entstehen

Haftungsausschluss:info@kdj.com

The information provided is not trading advice. kdj.com does not assume any responsibility for any investments made based on the information provided in this article. Cryptocurrencies are highly volatile and it is highly recommended that you invest with caution after thorough research!

If you believe that the content used on this website infringes your copyright, please contact us immediately (info@kdj.com) and we will delete it promptly.

Weitere Artikel veröffentlicht am Feb 01, 2025