در سال‌های اخیر نام دو حوزه مختلف از فناوری را بیشتر از بقیه شنیده‌ایم؛ هوش مصنوعی و ارز دیجیتال. این دو حوزه فناوری دروازه ورود دنیای امروز به آینده است. از هوش مصنوعی در زمینه‌ی تحلیل کلان‌داده‌ها و ارز دیجیتال هم در حوزه‌های مالی استفاده می‌کنند. نقطه اتصال ارز دیجیتال و هوش مصنوعی پروژه‌ای به نام بیتنسور (Bittensor) است.
بیتنسور ترکیبی از فناوری‌های نوین بلاک چین و هوش مصنوعی است. این پلتفرم غیرمتمرکز با بهره‌گیری از ساختار بلاک چین، امکان مشارکت آزادانه توسعه‌دهندگان، ماینرها و اعتبارسنج‌ها (validator) را فراهم می‌کند تا به شبکه جهانی هوش مصنوعی کمک کنند. با استفاده از یک سیستم پاداش‌دهی بر اساس توکن TAO، کاربران می‌توانند از مزایای این شبکه بهره‌مند شوند و مدل‌های هوش مصنوعی غیرمتمرکز و مستقل را تقویت کنند. در این مقاله، به تحلیل جامع و عمیق این ارز دیجیتال نوآورانه می‌پردازیم و چشم‌انداز آینده آن را با نگاهی کارشناسانه بررسی خواهیم کرد.
قبل از اینکه وارد موضوع بیتنسور شویم بهتر است در مورد هوش مصنوعی بیشتر بدانیم. پس از راه‌اندازی چت جی پی تی (ChatGPT) توسط OpenAI در سال ۲۰۲۲، هوش مصنوعی به روح زمانه در دنیای فناوری تبدیل شده‌است. در سال ۲۰۲۳، بیش از ۴۲.۵ میلیارد دلار برای تأمین مالی توسعه هوش مصنوعی صرف شد. پروژه‌های Web3 به‌طور فعال این فناوری را در هسته شبکه‌های بلاک چین ادغام می‌کنند. بیتنسور به‌عنوان پروژه‌ای نوآورانه شناخته می‌شود که به دنبال جمع‌آوری مدل‌های یادگیری ماشین (ML) غیرمتصل و بهبود توسعه مدل‌های هوش مصنوعی قوی‌تر است.
بیتنسور شبکه بلاک چین غیرمتمرکزی است که به عنوان یک اکوسیستم باز و همتا به همتا (P2P) برای ایجاد، آموزش، اشتراک‌گذاری و معامله مدل‌های هوش مصنوعی و یادگیری ماشین عمل می‌کند.
این پروتکل به ایجاد اکوسیستمی جهانی می‌انجامد که در آن مدل‌های هوش مصنوعی به یک شبکه عصبی بدون مرز متصل می‌شوند. به عبارتی ساده‌تر می‌توان آن را به عنوان یک ذهن جمعی دیجیتال تصور کرد. با بهره‌گیری از شبکه‌های توزیع‌شده، اشتراک دانش و تشویق به مشارکت، بیتنسور به دنبال پیشبرد نوآوری در حوزه هوش مصنوعی است.
هوش مصنوعی و یادگیری ماشین فناوری‌هایی هستند که به هدف تقلید از هوش انسانی در حل مسائل، تحلیل و تصمیم‌گیری طراحی شده‌اند. در اینجا به تفاوت‌های آنها اشاره می‌کنیم.
هوش مصنوعی یک مفهوم وسیع است که به استفاده از فناوری‌ها برای توسعه کامپیوترها و الگوریتم‌هایی مربوط می‌شود که می‌توانند به عملکردهای شناختی و هوش انسانی نزدیک شوند. به عنوان مثال، هدف هوش مصنوعی این است که قادر به تحلیل، درک و پاسخ به زبان گفتاری یا نوشتاری باشد.
یادگیری ماشین یک زیرمجموعه از هوش مصنوعی است که از الگوریتم‌هایی برای یادگیری خودکار بینش‌ها، شناسایی الگوها از داده‌ها و بهبود عملکرد براساس تجربه استفاده می‌کند. الگوریتم‌های یادگیری ماشین می‌توانند با گذر زمان و از طریق آموزش و دریافت داده‌های اضافی، عملکرد خود را ارتقاء دهند.
هوش مصنوعی پس از راه‌اندازی چت‌بات چت جی پی تی توسط OpenAI به موضوع داغی تبدیل شد. این برنامه به سرعت رشد یافته و تنها طی پنج روز به یک میلیون کاربر و در حدود دو ماه به ۱۰۰ میلیون کاربر دست یافته است.
امروزه، آموزش مدل‌های هوش مصنوعی به مقادیر زیادی از قدرت محاسباتی و داده نیاز دارد که تنها شرکت‌های بزرگ مانند گوگل، IBM یا مایکروسافت قادر به تأمین آن هستند. از آنجا که منابع هوش مصنوعی در انحصار و اختیار تعداد کمی از شرکت‌های بزرگ است، مدل‌های هوش مصنوعی جداگانه‌ای توسعه یافته است.
بیتنسور به دنبال این است که هوش مصنوعی و یادگیری ماشین را به عنوان یک کالای عمومی معرفی کند که می‌تواند به همکاری و تعاملات همتا به همتا تکیه کند. با این رویکرد، بیتنسور قادر است با سرعت بیشتری توسعه یابد.
بیتنسور با تکیه بر اصل تمرکززدایی، به دنبال دستیابی به چندین هدف است:
شرکت‌های بزرگ مانند IBM، گوگل یا مایکروسافت، و حتی شرکت‌های کوچک‌تر، برای استفاده از مدل‌های مختلف موجود در شبکه بیتنسور برای پروژه‌های خود، توکن‌های TAO پرداخت خواهند کرد. دلیل اینکه شرکت‌های بزرگی مانند IBM، گوگل یا مایکروسافت و همچنین شرکت‌های کوچک‌تر، باید از مدل‌های موجود در شبکه بیتنسور استفاده کرده و توکن TAO پرداخت کنند، این است که صنعت هوش مصنوعی متمرکز بسیار ناکارآمد است.
شاید برایتان جالب باشد که امروزه گوگل ۷۵ درصد از هزینه‌های برق خود را صرف یادگیری ماشین می‌کند اما با غیرمتمرکزکردن هوش مصنوعی، این هزینه‌ها تا حد زیادی کاهش یافته و عملکرد مدل هوش مصنوعی هم به مراتب بهتر خواهدشد.
باتوجه به پیشرفت‌های روزافزون در تحقیقات هوش مصنوعی لازم است که به کمک دانش قبلی، آموزش مجدد مدل جدید انجام شود. به همین دلیل این شرکت‌ها احتمالاً به استفاده از بزرگترین و کارآمدترین شبکه عصبی جهان که توسط بیتنسور فراهم می‌شود، به عنوان افزونه‌ای به شبکه‌های یادگیری ماشینی خود علاقه‌مند خواهند شد.
TAO یک توکن ضد تورمی (deflationary) با عرضه کل محدود به ۲۱ میلیون واحد است، درست مانند بیت کوین (BTC). این توکن‌ها به تدریج و به شکل پاداش‌های ماینینگ و سایر انگیزه‌ها توزیع می‌شوند. تا اواسط فوریه ۲۰۲۴، عرضه در گردش TAO به بیش از ۶ میلیون یا تقریباً ۳۰ درصد از کل عرضه رسیده است.
از اواخر سال ۲۰۲۳، این توکن رشدی خیره‌کننده را ثبت کرده است. ارزش بازار آن طی تنها سه ماه با جهشی چشمگیر از ۱ میلیارد دلار در نوامبر به نقطه اوج تاریخی ۴.۳ میلیارد دلار در فوریه ۲۰۲۴ رسید. همزمان، حجم معاملات هفتگی آن نیز به سطوح بی‌سابقه‌ای دست یافت. این رشد سریع و پایدار باعث شد تا این توکن به عنوان ارزشمندترین دارایی دیجیتال در حوزه هوش مصنوعی شناخته شود.
توکن TAO به عنوان محرک اصلی در شبکه بیتنسور عمل می‌کند. ماینرها برای مشارکت در شبکه و ارائه منابع محاسباتی خود، پاداش‌هایی به شکل TAO دریافت می‌کنند. این سیستم پاداش‌دهی باعث می‌شود شبکه به صورت غیرمتمرکز رشد کرده و قدرت محاسباتی بیشتری جذب کند.
استیکینگ در بیتنسور دو شکل اصلی دارد:
اگر با استیکینگ آشنایی ندارید پیشنهاد می‌کنیم مقاله استیکینگ چیست؟ را مطالعه کنید.
دارندگان توکن TAO نقش مستقیمی در تصمیم‌گیری‌های مربوط به آینده پروتکل دارند. آنها می‌توانند:
توکن TAO در دو زمینه اصلی به عنوان واحد پرداخت استفاده می‌شود:
این مکانیزم اقتصادی یکپارچه، ارزش ذاتی توکن TAO را تضمین کرده و جریان مداوم تقاضا برای آن ایجاد می‌کند.
توکن TAO بیتنسور کیف پول اختصاصی ندارد، اما می‌تواند در کیف پول‌های سازگار با اکوسیستم پولکادات ذخیره و مدیریت شود. کیف پول Polkadot JS یکی از این کیف پول‌ها است که از توکن TAO پشتیبانی می‌کند و به دلیل رابط کاربری کاربرپسند و ویژگی‌های متعددش، انتخاب محبوبی در بین کاربران است.
بیشتر بخوانید: پولکادات چیست؟ آشنایی با Polkadot و توکن دات (DOT)
پس از افزودن توکن TAO به کیف پول، کاربران می‌توانند توکن‌های TAO را ارسال و دریافت کنند، تاریخچه تراکنش‌های خود را مشاهده کنند و سایر جنبه‌های دارایی‌های TAO خود را مستقیماً از کیف پول خود مدیریت کنند.
یک نام مستعار به نام یوما رائو (Yuma Rao) وجود دارد که در وایت پیپر بیتنسور نیز ذکر شده است، مشابه به نام ساتوشی ناکاموتو در بیت کوین. مشخص نیست که آیا این شخص واقعاً وجود دارد یا خیر. حتی ممکن است هرگز اطلاعات بیشتری در مورد او به دست نیاید. با این حال، افرادی وجود دارند که پشت بنیاد بیتنسور هستند و این افراد نیز در کانون توجه عمومی قرار دارند. افراد زیادی برای این بنیاد کار می‌کنند و برخی از آنها کارمندان سابق گوگل یا پژوهشگر هستند. جیکوب رابرت استیوز (Jacob Robert Steeves) و الا شابانا (Ala Shaabana) هردو به‌عنوان هم بنیان‌گذار این پروژه شناخته می‌شوند.
پروتکل بیتنسور یک پروتکل یادگیری ماشین غیرمتمرکز است که در شبکه امکان تبادل قابلیت‌ها و پیش‌بینی‌های یادگیری ماشین را بین شرکت‌کنندگان فراهم می‌کند. این پروتکل به اشتراک‌گذاری و همکاری مدل‌ها و خدمات یادگیری ماشین به صورت همتا به همتا کمک می‌کند.
این شبکه شامل سه بازیگر اصلی است:
در مورد ماینرها و اعتبارسنج‌ها و همچنین نحوه عملکرد پروتکل بیتنسور در ادامه توضیح خواهیم‌داد.
شبکه بیتنسور از مجموعه‌ای از گره‌ها (ماینرها) تشکیل شده‌است که در پروتکل مشارکت می‌کنند. هر گره نرم‌افزار کلاینت بیتنسور را اجرا می‌کند که به آن اجازه می‌دهد با سایر گره‌های شبکه تعامل داشته باشد.
بیایید ساده‌تر بگوییم:
برای شروع کار در شبکه بیتنسور، اولین قدم ساخت یک «هات کی» است – مثل یک کلید دیجیتال که هویت شما در شبکه را مشخص می‌کند. شما می‌توانید به دو روش این هات کی را ثبت کنید:
۱. حل یک مسئله ریاضی (که به آن اثبات کار می‌گویند)
۲. پرداخت مستقیم هزینه با استفاده از روش «recycle_register»
این مثل گرفتن گواهینامه رانندگی می‌ماند – اول باید مدرکی داشته باشید که نشان دهد مجاز به فعالیت در شبکه هستید. بعد از ثبت هات کی، می‌توانید شروع به استخراج توکن TAO کنید.
پس از ثبت‌نام، یک گره به بخشی از یک زیرشبکه (subnet) در شبکه بیتنسور تبدیل می‌شود. هر زیرشبکه به یک حوزه خاص یا موضوع مشخص تعلق دارد و مجموعه‌ای از گره‌های ثبت‌شده و مدل‌های یادگیری ماشین مرتبط با آن حوزه را شامل می‌شود.
اعتبارسنج‌ها نقش مهمی در شبکه بیتنسور ایفا می‌کنند. آنها پیش‌بینی‌ها و پاسخ‌های ارائه‌شده توسط ماینرها را اعتبارسنجی می‌کنند. اعتبارسنج‌ها اطمینان حاصل می‌کنند که کیفیت داده‌ها و مدل‌هایی که در شبکه مبادله می‌شوند، مطابق با استانداردهای لازم باشد. آنها از ماینرها درخواست کرده و پیش‌بینی‌های آنها را ارزیابی می‌کنند تا دقت و قابلیت اطمینان آنها را تأیید کنند و به خاطر تلاش‌های خود پاداش می‌گیرند. به این ترتیب، سلامت و کیفیت داده‌ها و مدل‌ها کنترل می‌شود.
ماینرها در شبکه بیتنسور با میزبانی مدل‌های یادگیری ماشین محلی خود، خدمات یادگیری ماشین ارائه می‌دهند. زمانی که یک برنامه کلاینت به یک پیش‌بینی نیاز دارد، درخواست خود را به شبکه ارسال می‌کند. این درخواست به یک ماینر، به عنوان ارائه‌دهنده خدمات موردنیاز، هدایت می‌شود. ماینر درخواست را با استفاده از مدل یادگیری ماشین خود پردازش کرده و پیش‌بینی را از طریق شبکه به کلاینت برمی‌گرداند.
شبکه بیتنسور از الگوریتم‌های اجماع برای دستیابی به توافق در وضعیت شبکه و تضمین یکپارچگی داده‌های پردازش‌شده استفاده می‌کند. مکانیزم‌های اجماع به جلوگیری از «دوبار خرج کردن»، اطمینان از انسجام داده‌ها و حفظ امنیت کلی شبکه کمک می‌کنند.
بیشتر بخوانید: حمله دوبار خرج کردن یا دابل اسپند چیست؟
یکی از ویژگی‌های برجسته پروتکل بیتنسور مکانیزم تشویقی آن است. شبکه بیتنسور مشارکت و کمک‌ها را از طریق اقتصاد مبتنی بر توکن تشویق می‌کند. ماینرها و اعتبارسنج‌ها در ازای منابع محاسباتی، پیش‌بینی‌های دقیق و سایر کمک‌های ارزشمند خود به شبکه، توکن‌های TAO دریافت می‌کنند. این انگیزه‌ها مشارکت فعال را تقویت کرده و به پایداری و کارایی شبکه کمک می‌کنند.
ساختار بیتنسور، یک شبکه از زیرشبکه‌های غیرمتمرکز را نشان می‌دهد که هر زیرشبکه روی موضوع خاصی متمرکز است. این ساختار از یک مکانیزم مبتنی بر انگیزه برای تحریک رقابت میان ماینرها استفاده می‌کند.
به عنوان مثال، زیرشبکه مربوط به پاسخ‌گویی به درخواست‌های متنی، به ماینرهایی که بالاترین کیفیت پاسخ‌های متنی را در پاسخ به درخواست‌های اعتبارسنج‌های زیرشبکه ارائه می‌دهند، پاداش می‌دهد. در حال حاضر، ۳۲ زیرشبکه وجود دارد.
زیرشبکه‌ها به گونه‌ای طراحی شده‌اند که شبیه شبکه‌های عصبی کلاسیک باشند، جایی که یک گره می‌تواند نمایانگر اعتبارسنج یا ماینر زیرشبکه باشد. هر گره به عنوان یک «نورون» شناخته می‌شود و در مجموع یک شبکه عصبی جهانی را تشکیل می‌دهند.
اعتبارسنج‌ها نمایانگر گره‌های لایه ورودی زیرشبکه هستند که ورودی‌ها را از دنیای خارجی دریافت می‌کنند. از طرف دیگر، ماینرها لایه مخفی را تشکیل می‌دهند و فقط با اعتبارسنج‌ها ارتباط دارند. اعتبارسنج‌ها نمی‌توانند با یکدیگر ارتباط برقرار کنند و این موضوع برای ماینرها نیز صدق می‌کند.
زیرشبکه‌های بیتنسور یکی از سه عنصر کلیدی اکوسیستم هستند. سایر عناصر شامل بلاک چین بنیادی است که تمامی زیرشبکه‌ها را اجرا کرده و یک سیستم پاداش‌دهی شفاف و امن را تضمین می‌کند. وظیفه اتصال زیرشبکه‌ها به بلاک چین هم به عهده‌ی API است.
مکانیزم اثبات هوش (Proof of Intelligence) یک مکانیزم اجماع است که در شبکه بیتنسور برای پاداش‌دهی به نودهایی که مدل‌ها و خروجی‌های ارزشمند یادگیری ماشین را به شبکه ارائه می‌دهند، استفاده می‌شود. این مکانیزم شکل تغییر یافته‌ای از روش‌های اثبات کار (Proof of Work) و اثبات سهام (Proof of Stake) است که در شبکه‌های بلاک چین به کار می‌روند، اما به جای حل مسائل ریاضی پیچیده، نودها موظفند تا کارهای یادگیری ماشین را انجام دهند تا هوش خود را نشان دهند.
بیشتر بخوانید: اثبات انجام کار و اثبات سهام، مفاهیم و تفاوت ها
هرچه خروجی مدل یادگیری ماشین یک نود دقیق‌تر و ارزشمندتر باشد، شانس بالاتری برای انتخاب شدن جهت افزودن یک بلاک جدید به زنجیره و دریافت پاداش به صورت توکن‌های TAO خواهد داشت.
بیتنسور با استفاده از مدل نوآورانه “ترکیب کارشناسان غیرمتمرکز”، وظایف پیچیده را به بخش‌های کوچک‌تر تقسیم می‌کند و هر بخش را به متخصص مربوطه می‌سپارد. در این سیستم، چندین شبکه عصبی که هر کدام در حوزه خاصی تخصص دارند، با یکدیگر همکاری می‌کنند تا پیش‌بینی‌های دقیق‌تر و جامع‌تری نسبت به عملکرد یک مدل منفرد ارائه دهند.
این رویکرد نوآورانه به بیتنسور اجازه می‌دهد تا چالش‌هایی را حل کند که برای مدل‌های سنتی دشوار یا غیرممکن بودند. برای مثال، در پردازش درخواستی که نیاز به تخصص در چند حوزه دارد (مانند نوشتن کد پایتون با توضیحات به زبان اسپانیایی)، هر مدل متخصص روی بخشی که در آن مهارت دارد تمرکز می‌کند و نتیجه نهایی از ترکیب این تخصص‌ها حاصل می‌شود.
چالش اصلی در توسعه هوش مصنوعی امروز، تمرکز منابع محاسباتی و داده در دست شرکت‌های بزرگ است. این انحصار نه تنها دسترسی به فناوری‌های پیشرفته را محدود می‌کند، بلکه باعث ایجاد مدل‌های ایزوله‌ای می‌شود که قادر به یادگیری از یکدیگر نیستند و برای هر همکاری نیاز به مجوزهای خاص دارند.
بیتنسور با الهام از شبکه‌های عصبی مغز انسان، یک راهکار غیرمتمرکز ارائه می‌دهد که در آن، مدل‌ها مانند نورون‌ها با یکدیگر تعامل می‌کنند و دانش خود را به اشتراک می‌گذارند. این رویکرد نه تنها مشکل محدودیت منابع محاسباتی را حل می‌کند، بلکه با ایجاد محیطی باز برای همکاری، سرعت نوآوری را افزایش داده و توسعه هوش مصنوعی را برای تیم‌های کوچک‌تر نیز امکان‌پذیر می‌سازد.
پلتفرم بلاک چین غیرمتمرکزی که برای ایجاد، آموزش و اشتراک‌گذاری مدل‌های هوش مصنوعی طراحی شده است.
واحد اصلی پرداخت در شبکه بیتنسور برای پاداش‌دهی به ماینرها، استیکینگ، حاکمیت و پرداخت کارمزدها است.
برای کاهش هزینه‌های محاسباتی هوش مصنوعی و دسترسی به شبکه عصبی کارآمدتر با هزینه کمتر.
کاربران، ماینرها و اعتبارسنج‌ها که هر کدام نقش خاصی در شبکه ایفا می‌کنند.
روشی برای پاداش‌دهی به نودهایی که مدل‌ها و خروجی‌های ارزشمند یادگیری ماشین را به شبکه ارائه می‌دهند.
زیبایی سیستم بیتنسور در تنوع آن است. هر مهندس یا گروهی از مهندسان می‌توانند یک مدل را بهینه‌سازی کنند، آن را به سیستم متصل و شانس خود را امتحان کنند. هرچه تنوع بیشتری به سیستم وارد کنیم، احتمال دستیابی به نتایج پیشرفته‌تر افزایش می‌یابد. سیستم بیتنسور مقیاس‌پذیر است و نرم‌افزارهایی می‌توانند بر روی آن ساخته شوند. به این معنی که هیچ محدودیتی برای کمیت و پیچیدگی نوآوری‌هایی که در نهایت می‌تواند پرورش دهد، وجود ندارد.
با ایجاد یک اکوسیستم تعاملی و باز برای توسعه هوش مصنوعی، ما نه تنها از منبع محاسباتی قدرتمند جهانی بهره می‌گیریم، بلکه به منبع جهانی نوآوری نیز دسترسی پیدا می‌کنیم. این رویکرد، پتانسیل پیشبرد پیشرفت در هوش مصنوعی و دستیابی به نتایج نوآورانه را دارد.
