Uma coisa sobre viver no horário da Ásia é que muitas vezes você acorda com notícias importantes e precisa se atualizar.

Sam Altman foi demitido da OpenAI na sexta-feira, por exemplo.

Quase engasguei com meu leite.

Por que o conselho demitiria alguém que é claramente extremamente inteligente, tem um histórico exemplar de sucesso e que acabou de dar uma excelente palestra na conferência OpenAI há 12 dias?

Deixe os elaboradores de teorias picantes. Andrew Cote acredita que foi política, que Altman foi demitido porque “ele faria a IA avançar muito rápido ao implantar um avanço recente”. E algumas pessoas não gostaram disso.

A OpenAI tem uma estrutura corporativa muito estranha (quase disfuncional) porque começou como uma entidade sem fins lucrativos que mais tarde decidiu fazer a transição para uma empresa com fins lucrativos. Hoje, a organização sem fins lucrativos controla a direção da entidade com fins lucrativos, ao mesmo tempo que proporciona aos investidores uma vantagem limitada.

Serão algumas semanas picantes enquanto a verdade surgir.

Será este um momento de Steve Jobs? Sam vai abrir outra empresa para rivalizar com a OpenAI?

O que está claro, porém, é o manto de mistério que envolve as operações internas da OpenAI. Apesar da GPT ser uma ferramenta que se tornou onipresente e usada por centenas de milhões de pessoas em todo o mundo, há uma desconexão palpável.

Nós, como usuários comuns, nos encontramos do lado de fora, tentando espiar através do véu de sigilo que cerca esses gigantes da IA. À medida que a GPT continua a integrar-se na própria estrutura da nossa sociedade, esta falta de transparência é preocupante.

Blockchain + criptografia = ???

Blockchain… e criptografia? Fonte: marketoonist.com

Ultimamente, tenho lutado com a questão: como será a intersecção entre criptografia e IA? É vago, mas a maioria concordaria que há um potencial monumental esperando para ser desbloqueado.

Quando pensamos em AI x Crypto, normalmente pensamos em Akash Network e Render. São redes descentralizadas para GPUs, que podem fornecer a computação necessária para o treinamento de modelos de IA. A lógica é simples: à medida que a IA continua a disparar, também aumenta a procura por recursos computacionais. As redes peer-to-peer, neste contexto, poderiam experimentar um crescimento significativo. Então, eles estão no ramo de picaretas e pás, mas acho que isso está apenas arranhando a superfície do potencial de AI x Crypto.

É como dizer que os JPEGs de macaco são o auge do que os NFTs podem oferecer.

E então me deparei com o Bittensor.

ELI5: Bittensor

Ao contrário do Akash ou Render, que oferece suporte ao treinamento de modelos de IA (upstream), o Bittensor se concentra na inferência de IA (downstream), que é onde os modelos treinados são usados para gerar resultados.

É uma rede descentralizada que incentiva modelos de IA, especialmente Large Language Models (LLMs), para diversas tarefas como geração de texto, criação de imagens e produção musical. A rede compreende hoje mais de 27 sub-redes, cada uma focada em tarefas específicas.

Em termos simples, pense no Bittensor como um ChatGPT descentralizado + Midjourney + qualquer outra coisa que a IA possa fazer.

A rede opera através de duas funções principais:

1. Mineiros (produtores de valor): Os mineradores desenvolvem e hospedam modelos de IA na rede. Eles são recompensados com tokens TAO com base no desempenho de seus modelos relacionados à tarefa específica. Isto incentiva o desenvolvimento de modelos de IA melhores e mais eficientes.
2. Validadores (produtores de consenso): Os validadores avaliam os resultados dos mineradores, classificando seu desempenho na tarefa específica. Eles também interagem com usuários que enviam tarefas aos validadores (por exemplo, para a sub-rede de geração de imagens: “/imagine Sam Altman com uma máscara de Darth Vader no jantar de Ação de Graças”) e as encaminham para os mineradores apropriados

“Sam Altman usando máscara de Darth Vader no jantar de Ação de Graças”, criado pela sub-rede de geração de imagens da Bittensor.

Provavelmente estou simplificando demais as complexidades técnicas, mas algumas coisas se destacam para mim:

• Mineiros e Validadores na rede trocam conhecimento e compartilham parâmetros, permitindo a auto-otimização ao longo do tempo
• A rede foi projetada para aproveitar os pontos fortes de vários modelos de IA separados para gerar os melhores resultados possíveis (“Mistura de Especialistas”)

Fonte: Revelo Intel – Bittensor

Está além da minha intenção entrar em detalhes técnicos, mas aqui estão alguns bons resumos que me ajudaram a entender melhor o Bittensor:

Revelo Intel – Bittensor

Knower — Um breve relatório sobre Bittensor e IA

Você pode experimentar o equivalente chatGPT do Bittensor aqui

O TAO

TAO é o token utilitário para a rede e possui uma estrutura simbólica semelhante ao Bitcoin: um limite máximo de 21 milhões de tokens e um lançamento justo sem alocação de VC. Tem até um ciclo de redução pela metade, com a primeira redução pela metade acontecendo em 2025.

Existem 5,65 milhões de TAO em circulação hoje, e tudo isso foi distribuído de forma justa por meio de mineração e validação na rede. A capitalização de mercado circulante é de pouco mais de US$ 1 bilhão hoje. 7.200 novos TAO são emitidos todos os dias para mineradores e validadores.

Meus primeiros pensamentos

Bittensor ainda está em sua infância. A rede possui uma comunidade dedicada, quase como um culto, mas o número total de participantes permanece modesto – cerca de 50.000+ contas estão ativas. A sub-rede mais movimentada, SN1, dedicada à geração de texto, possui cerca de 40 validadores ativos e mais de 990 mineradores.

O que é verdadeiramente cativante é o conceito de uma rede de IA descentralizada. Isto não só mitiga os riscos de centralização, mas também levanta uma questão: poderão estes incentivos económicos únicos promover modelos de IA que superem os desenvolvidos por entidades fortemente financiadas como a OpenAI e a Google?

Antes dos LLMs se tornarem populares com o advento de ferramentas como o ChatGPT, as startups de tecnologia profunda muitas vezes se concentravam na aquisição de conjuntos de dados proprietários para desenvolver modelos de IA especializados baseados em aprendizado de máquina para tarefas muito específicas. Por exemplo, a Flatiron Health utiliza dados clínicos do mundo real de pacientes oncológicos e desenvolve modelos de IA que alimentam ferramentas que apoiam pesquisadores de câncer e prestadores de cuidados. Tradicionalmente, o objetivo da startup era produzir e monetizar esses modelos proprietários.

O Bittensor, no entanto, pode representar uma mudança nesse paradigma. Talvez seja mais adequado chamar-lhe uma inovação de modelo de negócio possibilitada pela tecnologia, em vez de um avanço tecnológico. Por exemplo, oferece um caminho para que dados proprietários e modelos de IA sejam desenvolvidos em conjunto e utilizados por um público mais amplo, sem a necessidade de seu código aberto. Posso imaginar um futuro onde o Bittensor hospede milhares de sub-redes especializadas que enfrentam uma série de desafios, desde questões ambientais e de saúde até soluções energéticas.

E, para ser honesto, há algo que acho fascinante em uma equipe que projeta sua tokenomics da mesma forma que o Bitcoin. Isso fala de suas motivações, uma raça diferente das equipes de hoje – que muitas vezes otimizam sua tokenomics de acordo com o modelo financiado por VC, com grandes alocações para fundadores e investidores.

Não tenho certeza para onde o Bittensor irá. Pode ser um sucesso de 100x ou um fracasso total. Mas o potencial e a filosofia por trás disso são convincentes demais para serem ignorados.

(NOTA: No momento em que escrevo, sou dono do TAO e estou apostando em validadores).

Isenção de responsabilidade:

1. Este artigo foi reimpresso de [Pensamentos de Teng]. Todos os direitos autorais pertencem ao autor original [TENG YAN]. Se houver objeções a esta reimpressão, entre em contato com a equipe do Gate Learn e eles cuidarão disso imediatamente.
2. Isenção de responsabilidade: As opiniões e pontos de vista expressos neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe do Gate Learn. A menos que mencionado, é proibido copiar, distribuir ou plagiar os artigos traduzidos.