先週の暗黒の月曜日の後、暗号市場は大幅な下落を見たが、翌日にはさまざまなセクターのトークンが回復している。その中でも、Bittensor（TAO）が最も注目されています。

CoinMarketCapのデータによると、昨日Bittensor（TAO）は23.08％上昇し、時価総額上位100トークンの中でリバウンドのトップパフォーマーとなりました。

AIの話題は年初ほどではないが、投機的資本の選択はこのセクターの主導的なプロジェクトに対する信頼を示している。ただし、Bittensorは過去にいくつかのFUD（Fear、Uncertainty、Doubt）に直面しており、コミュニティはプロジェクトの名前やサブネット内での実用的なアプリケーションについて疑問を抱いている。

(参照: FUDと噂：新しいAIキングBittensorは失墜するのか？)

仮想通貨プロジェクトの有用性は常にトークン価格と直接的に関連しているわけではありませんが、Bittensorは単なる空の殻なのでしょうか？

最近の数か月間、Bittensorは12の新しいサブネットを追加し、それぞれがある程度AI関連の開発に貢献しており、新たなアルファプロジェクトの発展の可能性もあります。私たちはこれらの新しいサブネットを見直し、TAO価格の回復に焦点を当てながら、その基本的な変化を観察しました。

サブネット38：Sylliba、70以上の言語をサポートするテキスト読み上げ翻訳ツール

開発チーム：エージェント人工

はじめに：

Syllibaは、70以上の言語でテキストと音声の両方をサポートする翻訳アプリケーションです。特に、このアプリケーションはオンチェーンAIエージェントによって利用することができます。

• 自動翻訳プロセス：AIエージェントは、クロス言語情報処理とコミュニケーションのためにこのサービスを自動的に呼び出すことができます。
• 強化されたAI機能：多言語対応能力のないAIシステムでも多言語タスクを処理できるようになります。
• ブロックチェーン検証：翻訳要求と結果はブロックチェーンで検証でき、システムの信頼性が向上します。
• 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プロバイダーにインセンティブを与えることができます。

プロジェクトアドレス：https://github.com/agent-artificial/sylliba-subnet

サブネット34：Bitmindは、本物と偽の合成コンテンツを検出および区別するためのツールです

開発チーム：@BitMindAI

イントロダクション:

BitMindは、分散型ディープフェイク検出技術の開発に重点を置いています。生成AIモデルの急速な進歩に伴い、高品質の合成メディアと実際のコンテンツの区別がますます複雑になっています。

BitMindのサブネットアドレスは、ビットセンサーネットワーク内に堅牢な検出メカニズムを展開することにより、生成的および識別的なAIモデルを使用してディープフェイクを効果的に識別します。

さらに、BitMind APIを利用することで、開発者はサブネットのディープフェイク検出機能を活用して強力なコンシューマーアプリケーションを作成することができます。画像アップロードインターフェースを備えたBitMindウェブアプリケーションは、APIを使用してユーザーが画像が本物か偽物かを迅速に評価できるようにし、アクセス可能で解釈可能な偽装対策ツールを提供します。

サブネット43：グラファイト、インテリジェントパスプランニングネットワーク

開発チーム:@GraphiteSubnet

導入:

Graphiteは、グラフに関連する問題に特化したサブネットであり、特に旅行セールスマン問題（TSP）に焦点を当てて設計されています。TSPは、一連の都市を訪れ、出発地点に戻る最短経路を見つけることを目指すクラシックな最適化問題です。

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要求を効率的に処理するためにマイナーを効率的に接続します。現在、検証者は合成リクエストを生成し、それらをネットワーク内のマイナーに送信します。マイナーは、自分のアルゴリズムを使用してTSPを解決し、結果を検証者に送信して評価します。

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

イントロダクション:

Gen42は、分散型のコード生成サービスを提供するためにBittensorネットワークを活用しています。彼らの焦点は、オープンソースの大規模言語モデルによって駆動された、コードベースの質問回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にあります。

主要製品:

a. チャットアプリケーション：サブネットとやり取りするためのチャットフロントエンドを提供します。このアプリケーションの主な機能は、コードベースの質問回答です。

b. コード補完：OpenAI互換のAPIを提供し、continue.devで使用できます。

マイナーとバリデータが参加する方法の詳細は、プロジェクトのGitHubの.

サブネット41：Sportstensor、スポーツ予測モデル

開発チーム：@sportstensor

導入:

Sportstensorは、Bittensorネットワークによってサポートされる分散型スポーツ予測アルゴリズムの開発に焦点を当てたプロジェクトです。

このプロジェクトは、鉱夫がトレーニングや改善のためにオープンソースプラットフォームHuggingFace上の基礎モデルを提供します。歴史的およびリアルタイムのデータに基づく戦略的計画とパフォーマンス分析をサポートし、包括的なデータセットの収集と高性能な予測モデルの開発に報酬を与えます。

マイナーとバリデーターの役割:

• マイナー：バリデータから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います。
• バリデータ：マイナーから予測を収集し、実際の結果と比較して検証結果を記録します。

サブネット29：coldint、ニッチなAIモデルトレーニング

Developer: まだ見つかっていません、公式ウェブサイトはこちらです

紹介：

SN29 Coldintは、Collective Distributed Incentivized Trainingの略で、ニッチモデルの事前トレーニングに焦点を当てています。“ニッチモデル”とは、一般的な汎用モデルほど広く適用されないかもしれないが、特定の領域やタスクで非常に価値のあるモデルのことを指します。

マイナーと役割の参加：

a) マイナーは、主に訓練済みモデルを公開することでインセンティブを得ます。

b) マイナーや他の貢献者がコードベースに貢献して洞察を共有する場合、2次的なインセンティブが与えられます。

c) マイナーは、小さな改善に対する報酬を通じて定期的に自分の改善を共有することを奨励されています。

d）個々のトレーニングの取り組みを改善された複合モデルに効果的に統合するコード貢献には、重要な報酬が提供されます。

サブネット40：RAG（Retrieval-Augmented Generation）アプリケーションのためのチャンキング、最適化されたデータセット

開発チーム: @vectorchatai

トークン: $CHAT

イントロダクション:

SN40 Chunking機能は、特に大量の情報（テキスト、画像、音声など）をより小さなチャンクに分割するために設計された非常に賢い司書のようなものです。このアプローチにより、AIが情報を理解して活用しやすくなります。整理された本棚が必要な情報を素早く見つけるのに役立つように、SN40 ChunkingはAIのために「本棚を整理」するのに役立ちます。

テキストに限定されることはなく、SN40チャンキングは画像や音声などさまざまな情報も扱うことができます。それは、多目的な司書に似ており、本だけでなく写真アルバムや音楽CDなども管理します。

サブネット39：EdgeMaxxing、消費者デバイスでの運用のためのAIモデルの最適化

開発チーム:@WOMBO

導入: SN39 EdgeMaxxingは、スマートフォンからノートパソコンまでの消費者向けデバイス向けにAIモデルを最適化することに焦点を当てたサブネットです。EdgeMaxxingサブネットは、競争力のある報酬システムを採用し、日々のコンテストで参加者が消費者向けデバイスのAIモデルのパフォーマンスを継続的に向上させるよう奨励しています。

参加者の役割と責任:

マイナー：主な仕事は最適化されたAIモデルのチェックポイントを提出することです。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パフォーマンスを向上させます。

バリデータ：指定されたターゲットハードウェア（例：NVIDIA GeForce RTX 4090）上で提出されたモデルを実行する必要があります。彼らはマイナーが毎日提出するすべてのモデルを収集し、各モデルをベンチマークし、ベースラインのチェックポイントと比較します。バリデータは速度の向上、精度の維持、全体的な効率の向上に基づいてモデルを評価し、その日の最も優れたパフォーマンスを発揮するモデルを選択します。

プロジェクトの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

イントロダクション:

Bittensorは、スポーツ愛好家がスポーツイベントの結果を予測し、ブロックチェーン技術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します。

参加者の役割：

マイナー：予測結果の生成を担当します。

バリデーター：予測結果の正確性を検証します。

データコレクタ:さまざまなソースからスポーツイベントデータを収集します。

プロジェクトのオープンソースリポジトリ：https://github.com/Bettensor/bettensor（まだ開発中のようです）

サブネット06：インフィニットゲーム、一般的な予測市場

開発チーム:@Playinfgames

イントロダクション:

Infinite Gamesは、予測市場向けのリアルタイムおよび予測ツールを開発しています。このプロジェクトは、次のようなプラットフォーム上でのイベントの裁定取引と集約にも従事しています。@Polymarketそして@azuroprotocol.

インセンティブシステム:

$TAOトークンをインセンティブとして使用します。

正確な予測と価値ある情報の提供者への報酬。

全体として、プロジェクトは予測と情報共有へのユーザーの参加を促進し、活発な予測コミュニティを育成しています。

サブネット37：LLM微調整、大規模言語モデル微調整

開発チーム：Taoverse &@MacrocosmosAI

イントロダクション:

このサブネットは、大規模言語モデル（LLM）の微調整に焦点を当て、LLMの微調整に対するマイナーへの報酬を提供し、サブネット18からの連続的な合成データストリームをモデル評価に使用します。

運用メカニズム：

• 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します。
• バリデータは、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それらを継続的に評価します。
• 評価結果はwandbプラットフォームに記録されます。
• TAOトークンは、マイナーとバリデーターのパフォーマンスに基づいて報酬として配布されます。

プロジェクト倉庫の住所：https://github.com/macrocosm-os/finetuning

サブネット21：Any to Any、高度なAIマルチモーダルモデルを作成

開発チーム:@omegalabsai

紹介：

このプロジェクトの「Any to Any」とは、マルチモーダルAIシステムがテキストから画像、画像からテキスト、音声からビデオ、ビデオからテキストなど、さまざまなタイプのデータや情報を変換し理解する能力を指します。このシステムはこれらの変換だけでなく、異なるモダリティ間の関係も理解します。例えば、テキストの説明と画像、またはビデオと対応するオーディオの関連を理解することができます。

このサブネットでは、インセンティブメカニズムは、グローバルなAI研究者や開発者がプロジェクトに参加することを奨励するように設計されています。

• 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獲得することができます。
• この直接的な経済的インセンティブは、高品質なAIの研究開発を持続可能な取り組みとします。

プロジェクトの倉庫のアドレス: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor

追加の知識:

補足知識：

一部の読者がBittensorサブネットの概念に馴染みがない場合は、ここで簡単な説明をします:

• サブネットは、Bittensorエコシステム内の特定のネットワークです。
• 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ます。
• サブネットを使用すると、開発者は特定の目的のためにAIモデルを作成および展開できます。
• 彼らは暗号経済学を使用して、参加者に計算リソースを提供し、モデルを改善するようにインセンティブを与えます。

ステートメント:

1. この記事は[から転載されました。TechFlow (英語)], オリジナルタイトル「TAOは今最も強い反動を示しており、サブネット上の12の有用なAIプロジェクトを見直す」、著作権はオリジナルの著者[深潮TechFlow]に帰属します。転載に異議がある場合は、お問い合わせください。Gate Learn Team、チームは関連手続きに従ってできるだけ早く対応いたします。

2. 免責事項： この記事で表現されている意見や見解は、著者個人の意見を表しており、投資アドバイスを構成するものではありません。

3. 他の言語版の記事はGate Learnチームによって翻訳されており、そのことは言及されていませんGate.io翻訳された記事は再生産、配布、または盗用されない場合があります。