TAO ने जोरदार वापसी की, यहाँ सबनेट पर ध्यान देने योग्य 12 AI प्रोजेक्ट हैं

मूल लेखक: टेकफ्लो

इस सप्ताह के "ब्लैक मंडे" के बाद क्रिप्टो बाजार तबाह हो गया था, लेकिन एक दिन बाद विभिन्न क्षेत्रों में टोकन में उछाल आया।

इनमें से सबसे लोकप्रिय बिटेंसर (TAO) है।

कॉइनमार्केटकैप डेटा से पता चला है कि कल बाजार मूल्य के हिसाब से शीर्ष 100 टोकन में, बिटेंसर (TAO) 23.08% बढ़ा, जो कि रिबाउंड सूची में पहले स्थान पर रहा।

यद्यपि एआई की कहानी उतनी लोकप्रिय नहीं है जितनी वर्ष की शुरुआत में थी, फिर भी लोकप्रिय धन का चयन इस क्षेत्र की अग्रणी परियोजनाओं के बारे में आशावाद का प्रतिनिधित्व करता है।

हालाँकि, बिटेंसर को पहले भी कुछ हद तक धोखाधड़ी का सामना करना पड़ा है। समुदाय का मानना है कि इस परियोजना को बहुत ज़्यादा महत्व दिया गया है और सबनेट में इसका कोई व्यावहारिक अनुप्रयोग नहीं है।

हालाँकि क्रिप्टो परियोजना की उपयोगिता सीधे टोकन मूल्य से संबंधित नहीं है, क्या बिटेंसर वास्तव में सिर्फ एक खाली खोल है?

पिछले कुछ महीनों में, बिटेंसर में 12 सबनेट जोड़े गए हैं, और प्रत्येक सबनेट ने एक निश्चित सीमा तक एआई-संबंधित विकास को बढ़ावा दिया है, और उनमें से नए अल्फा प्रोजेक्ट उभर सकते हैं।

हमने इन नए सबनेट्स पर एक नजर डाली, यह देखने के लिए कि उनके मूल सिद्धांत कैसे बदल रहे हैं, जबकि सारा ध्यान TAO की कीमत में उछाल पर केंद्रित है।

सबनेट 38: सिलिबा, एक टेक्स्ट-टू-स्पीच अनुवाद उपकरण जो 70+ भाषाओं का समर्थन करता है

विकास टीम: एजेंट आर्टिफिशियल

परिचय:

सिलिबा एक अनुवाद ऐप है जो पाठ और ध्वनि अनुवाद दोनों का समर्थन करता है और 70 से अधिक भाषाओं को संभाल सकता है।

यह उल्लेखनीय है कि इस कार्यक्रम का उपयोग ऑन-चेन एआई एजेंटों द्वारा किया जा सकता है:

• स्वचालित अनुवाद प्रक्रिया: एआई एजेंट क्रॉस-भाषा सूचना प्रसंस्करण और संचार प्राप्त करने के लिए स्वचालित रूप से इस सेवा को कॉल कर सकते हैं।

• एआई क्षमताओं को बढ़ाना: उन एआई प्रणालियों को बहुभाषी कार्यों को संभालने में सक्षम बनाना जिनमें बहुभाषी क्षमताएं नहीं हैं।

• अनुवाद अनुरोधों और परिणामों को ब्लॉकचेन पर सत्यापित किया जा सकता है, जिससे प्रणाली की विश्वसनीयता बढ़ जाती है।

• प्रोत्साहन तंत्र: टोकन अर्थव्यवस्था के माध्यम से उच्च गुणवत्ता वाले अनुवाद सेवा प्रदाताओं को प्रोत्साहित किया जा सकता है।

परियोजना का पता: https://github.com/agent-artificial/sylliba-subnet

सबनेट 34: बिटमाइंड, नकली सिंथेटिक सामग्री से वास्तविक सामग्री का पता लगाता है और अंतर करता है

विकास टीम: @बिटमाइंडएआई

परिचय:

बिटमाइंड विकेन्द्रीकृत डीपफेक डिटेक्शन तकनीक विकसित करने पर केंद्रित है। जनरेटिव एआई मॉडल के तेजी से विकास के साथ, उच्च गुणवत्ता वाले सिंथेटिक मीडिया को वास्तविक सामग्री से अलग करना तेजी से जटिल होता जा रहा है।

बिटमाइंड 's सबनेट बिटेंसर नेटवर्क में एक शक्तिशाली पहचान तंत्र तैनात करके इस समस्या को हल किया जाता है, डीपफेक को प्रभावी ढंग से पहचानने के लिए जनरेटिव और डिस्क्रिमिनेटिव एआई मॉडल दोनों का उपयोग किया जाता है।

साथ ही, बिटमाइंड एपीआई शक्तिशाली उपभोक्ता अनुप्रयोगों के विकास को सक्षम बनाता है जो सबनेट की डीपफेक पहचान क्षमताओं का लाभ उठाते हैं। एक छवि अपलोड इंटरफ़ेस वाला बिटमाइंड वेब एप्लिकेशन एपीआई का उपयोग करके उपयोगकर्ताओं को यह पहचानने में मदद कर सकता है कि कोई तस्वीर असली है या नकली, जो आसानी से सुलभ और आसानी से समझा जा सकने वाला एंटी-स्पूफिंग टूल प्रदान करता है।

सबनेट 43: ग्रेफाइट, बुद्धिमान पथ नियोजन नेटवर्क

विकास टीम: @ग्रेफाइटसबनेट

परिचय:

ग्रेफाइट एक सबनेट है जिसे विशेष रूप से ग्राफ समस्याओं के साथ काम करने के लिए डिज़ाइन किया गया है, जिसमें ट्रैवलिंग सेल्समैन समस्या (TSP) पर विशेष ध्यान दिया गया है। TSP एक क्लासिक ऑप्टिमाइज़ेशन समस्या है जहाँ लक्ष्य सबसे छोटा संभव मार्ग खोजना है जो शहरों के एक समूह का दौरा करता है और शुरुआती बिंदु पर वापस आता है।

ग्रेफाइट बिटेंसर के विकेन्द्रीकृत मशीन लर्निंग नेटवर्क का लाभ उठाता है, ताकि टीएसपी और इसी तरह की ग्राफ समस्याओं की कम्प्यूटेशनल मांगों को संभालने के लिए खनिकों को कुशलतापूर्वक जोड़ा जा सके।

वर्तमान में, सत्यापनकर्ता सिंथेटिक अनुरोध उत्पन्न करते हैं और उन्हें नेटवर्क में खनिकों को भेजते हैं। खनिक अपने द्वारा डिज़ाइन किए गए एल्गोरिदम का उपयोग करके TSP को हल करने और मूल्यांकन के लिए परिणामों को सत्यापनकर्ताओं को वापस भेजने के लिए जिम्मेदार हैं।

सबनेट 42: जनरेशन 42, GitHub का ओपन सोर्स AI कोडिंग सहायक

विकास टीम: @रिज़ोवैलिडेटर , @फ्रैंकरिज 07

परिचय:

Gen 42 बिटेंसर नेटवर्क का उपयोग करके विकेंद्रीकृत कोड जनरेशन सेवाएँ प्रदान करता है। उनका ध्यान कोड-आधारित प्रश्न उत्तर और कोड पूर्णता के लिए शक्तिशाली, स्केलेबल टूल बनाने पर है जो ओपन सोर्स बड़े पैमाने पर भाषा मॉडल द्वारा संचालित होते हैं।

मुख्य उत्पाद:

a. चैट एप्लीकेशन: एक चैट फ्रंट-एंड प्रदान करता है जो उपयोगकर्ताओं को उनके सबनेट के साथ बातचीत करने की अनुमति देता है। इस एप्लिकेशन की मुख्य कार्यक्षमता कोड-आधारित QA है।

ख. कोड पूर्णता: एक OpenAI-संगत API प्रदान करता है जिसका उपयोग continue.dev के साथ किया जा सकता है।

खनिक और सत्यापनकर्ता कैसे भाग ले सकते हैं, इसके विवरण के लिए कृपया परियोजना देखें Github

सबनेट 41: स्पोर्ट्सटेंसर, खेल भविष्यवाणी मॉडल

विकास टीम: @स्पोर्ट्सटेंसर

परिचय:

स्पोर्ट्सटेंसर एक परियोजना है जो बिटेंसर नेटवर्क द्वारा संचालित विकेन्द्रीकृत खेल भविष्यवाणी एल्गोरिदम विकसित करने के लिए समर्पित है।

यह परियोजना खनिकों को प्रशिक्षण और सुधार के लिए ओपन सोर्स हगिंगफेस पर बुनियादी मॉडल प्रदान करती है, साथ ही ऐतिहासिक और वास्तविक समय के आंकड़ों के आधार पर रणनीतिक योजना और प्रदर्शन विश्लेषण को सक्षम बनाती है, और व्यापक डेटा सेट संग्रह और उच्च प्रदर्शन वाले भविष्य कहनेवाला मॉडल विकास को पुरस्कृत करती है।

माइनर और सत्यापनकर्ता कार्य:

• माइनर्स: सत्यापनकर्ताओं से अनुरोध प्राप्त करें, प्रासंगिक डेटा तक पहुंचें, और पूर्वानुमान लगाने के लिए मशीन लर्निंग मॉडल का उपयोग करें।

• सत्यापनकर्ता: खनिकों की भविष्यवाणियों को एकत्रित करता है, उनकी वास्तविक परिणामों से तुलना करता है, और सत्यापन परिणामों को रिकॉर्ड करता है।

सबनेट 29: कोल्डिंट, आला एआई मॉडल प्रशिक्षण

डेवलपर: अभी तक नहीं मिला, आधिकारिक वेबसाइट यहाँ है

परिचय:

एसएन 29 कोल्डिंट, पूरा नाम सामूहिक वितरित प्रोत्साहन प्रशिक्षण है।

लक्ष्य: आला मॉडलों के पूर्व-प्रशिक्षण पर ध्यान केंद्रित करना। आला मॉडल से तात्पर्य उन मॉडलों से हो सकता है जो बड़े सामान्य मॉडलों की तरह व्यापक रूप से उपयोग नहीं किए जाते हैं, लेकिन विशिष्ट क्षेत्रों या कार्यों में बहुत मूल्यवान होते हैं।

खनिकों के बीच भागीदारी एवं श्रम विभाजन तथा अन्य भूमिकाएँ:

क) खनिकों को मुख्य रूप से प्रशिक्षण मॉडल को सार्वजनिक रूप से साझा करके प्रोत्साहित किया जाता है।

ख) द्वितीयक प्रोत्साहन खनिकों या अन्य योगदानकर्ताओं को दिया जाता है जो कोड बेस में योगदान करके अंतर्दृष्टि साझा करते हैं।

ग) छोटे सुधारों को पुरस्कृत करके, खनिकों को अपने बेहतर कार्य को नियमित रूप से साझा करने के लिए प्रोत्साहित किया जाता है।

d) ऐसे कोड योगदानों को अत्यधिक पुरस्कृत करें जो व्यक्तिगत प्रशिक्षण प्रयासों को बेहतर संयुक्त मॉडलों में संयोजित करते हैं।

सबनेट 40: चंकिंग, RAG (रिट्रीवल-ऑगमेंटेड जेनरेशन) अनुप्रयोगों के लिए डेटासेट का अनुकूलन

विकास टीम: @vectorchatai

टोकन: $CHAT

परिचय:

एसएन 40 चंकिंग एक बहुत ही स्मार्ट लाइब्रेरियन की तरह है। विशिष्ट दृष्टिकोण बड़ी मात्रा में जानकारी (पाठ, चित्र, ध्वनियाँ, आदि) को छोटे-छोटे टुकड़ों में विभाजित करना है। ऐसा इसलिए किया जाता है ताकि AI के लिए इस जानकारी को समझना और उसका उपयोग करना आसान हो जाए। यदि बुकशेल्फ़ अच्छी तरह से व्यवस्थित है, तो आप इसे जल्दी से ढूँढ़ सकते हैं।

एसएन 40 चंकिंग एआई को बुकशेल्फ़ को व्यवस्थित करने में मदद कर रहा है।

केवल पाठ ही नहीं, एसएन 40 चंकिंग कई प्रकार की सूचनाओं जैसे चित्र, ध्वनि आदि को भी संभाल सकता है। यह एक सर्वांगीण लाइब्रेरियन की तरह है, जो न केवल पुस्तकों का प्रबंधन करता है, बल्कि फोटो संग्रह, संगीत सीडी आदि का भी प्रबंधन करता है।

सबनेट 39: एजमैक्सिंग, उपभोक्ता उपकरणों पर चलाने के लिए AI मॉडल को अनुकूलित करना

विकास टीम: @वोम्बो

परिचय: एस एन 3 9 एजमैक्सिंग एक सबनेट है जो स्मार्टफोन से लेकर लैपटॉप तक उपभोक्ता उपकरणों के लिए एआई मॉडल को अनुकूलित करने पर केंद्रित है।

एजमैक्सिंग सबनेट, प्रतिभागियों को उपभोक्ता उपकरणों पर एआई मॉडल के प्रदर्शन को निरंतर अनुकूलित करने के लिए प्रोत्साहित करने हेतु दैनिक प्रतियोगिताओं के साथ एक प्रतिस्पर्धी पुरस्कार प्रणाली का उपयोग करता है।

प्रतिभागियों की भूमिकाएं और श्रम विभाजन:

खनिक:

मुख्य कार्य अनुकूलित एआई मॉडल चेकपॉइंट प्रस्तुत करना है

वे मॉडल के प्रदर्शन को बेहतर बनाने के लिए विभिन्न एल्गोरिदम और उपकरणों का उपयोग करते हैं

सत्यापनकर्ता:

निर्दिष्ट लक्ष्य हार्डवेयर (जैसे NVIDIA GeForce RTX 4090) पर चलना चाहिए, हर दिन सभी खनिकों द्वारा प्रस्तुत मॉडल एकत्र करना चाहिए, प्रत्येक प्रस्तुत मॉडल को बेसलाइन चेकपॉइंट के खिलाफ बेंचमार्क करना चाहिए; गति सुधार, सटीकता रखरखाव और समग्र दक्षता सुधार के आधार पर स्कोर करना चाहिए, और विजेता के रूप में दिन का सबसे अच्छा प्रदर्शन करने वाला मॉडल चुनना चाहिए

प्रोजेक्ट ओपन सोर्स रिपॉजिटरी: https://github.com/womboai/edge-maxxing

सबनेट 30: बेटेंसर, एक विकेन्द्रीकृत खेल भविष्यवाणी बाजार

विकास टीम: @बेटेंसर

परिचय:

बेटेंसर खेल प्रशंसकों को खेल के परिणामों की भविष्यवाणी करने की अनुमति देता है, जिससे ब्लॉकचेन पर आधारित एक विकेन्द्रीकृत खेल भविष्यवाणी बाजार का निर्माण होता है।

प्रतिभागियों की भूमिकाएँ:

माइनर: पूर्वानुमान परिणाम उत्पन्न करने के लिए जिम्मेदार

सत्यापनकर्ता: पूर्वानुमान परिणामों की सटीकता सत्यापित करें

डेटा संग्राहक: विभिन्न स्रोतों से खेल आयोजन डेटा एकत्र करें

प्रोजेक्ट ओपन सोर्स रिपोजिटरी: https://github.com/Bettensor/bettensor (अभी भी विकास के अधीन प्रतीत होता है)

सबनेट 06: अनंत खेल, सामान्य भविष्यवाणी बाजार

विकास टीम: @प्लेइन्फगेम्स

परिचय:

इनफिनिट गेम्स पूर्वानुमान बाजारों के लिए वास्तविक समय और पूर्वानुमान उपकरण विकसित करता है। यह परियोजना @Polymarket और @azuroprotocol जैसे प्लेटफ़ॉर्म से घटनाओं को मध्यस्थता और एकत्रीकरण भी करती है।

प्रोत्साहन प्रणाली:

प्रोत्साहन के रूप में $TAO टोकन का उपयोग करना

सटीक भविष्यवाणियाँ और मूल्यवान जानकारी देने वालों को पुरस्कृत करें

कुल मिलाकर, यह परियोजना उपयोगकर्ताओं को पूर्वानुमान और सूचना प्रावधान में भाग लेने के लिए प्रोत्साहित करती है, जिससे एक सक्रिय पूर्वानुमान समुदाय का निर्माण होता है।

सबनेट 37: एलएलएम फाइन-ट्यूनिंग, बड़े भाषा मॉडल फाइन-ट्यूनिंग

विकास टीम: Taoverse @मैक्रोकॉस्मोसएआई

परिचय:

यह एक सबनेट है जो बड़े भाषा मॉडल (एलएलएम) को ठीक करने पर केंद्रित है: एलएलएम को ठीक करने के लिए खनिकों को पुरस्कृत किया जाता है और सबनेट 18 से सिंथेटिक डेटा की एक सतत स्ट्रीम का उपयोग मॉडल मूल्यांकन के लिए किया जाता है।

कार्य प्रणाली:

• खनिक मॉडलों को प्रशिक्षित करते हैं और उन्हें नियमित रूप से हगिंग फेस प्लेटफॉर्म पर प्रकाशित करते हैं।

• सत्यापनकर्ता हगिंग फेस से मॉडल डाउनलोड करते हैं और सिंथेटिक डेटा का उपयोग करके उनका निरंतर मूल्यांकन करते हैं।

• मूल्यांकन परिणाम wandb प्लेटफॉर्म पर दर्ज किए जाते हैं।

• TAO टोकन को उनके वजन के आधार पर खनिकों और सत्यापनकर्ताओं को पुरस्कृत किया जाता है।

प्रोजेक्ट रिपॉजिटरी पता: https://github.com/macrocosm-os/finetuning

सबनेट 21: एनी टू एनी, उन्नत एआई मल्टीमॉडल मॉडल बनाना

विकास टीम: @ओमेगालैब्साई

परिचय:

इस परियोजना में Any to Any का तात्पर्य मल्टीमॉडल एआई प्रणाली की विभिन्न प्रकार के डेटा या सूचना, जैसे कि टेक्स्ट से इमेज, इमेज से टेक्स्ट, ऑडियो से वीडियो, वीडियो से टेक्स्ट, के बीच रूपांतरण और समझने की क्षमता से है।

सिस्टम न केवल रूपांतरण कर सकता है, बल्कि विभिन्न तौर-तरीकों के बीच संबंधों को भी समझ सकता है। उदाहरण के लिए, यह टेक्स्ट विवरण और छवि के बीच संबंध को समझ सकता है, या वीडियो और उसके संबंधित ऑडियो के बीच संबंध को समझ सकता है।

इस सबनेट में, दुनिया भर के एआई शोधकर्ताओं और डेवलपर्स को परियोजना में भाग लेने के लिए प्रोत्साहित करने के लिए प्रोत्साहन तंत्र का उपयोग किया जाता है। विशेष रूप से:

• योगदानकर्ता मूल्यवान मॉडल, डेटा या कंप्यूटिंग संसाधन प्रदान करके टोकन पुरस्कार अर्जित कर सकते हैं।

• यह प्रत्यक्ष वित्तीय प्रोत्साहन उच्च गुणवत्ता वाले एआई अनुसंधान और विकास को एक स्थायी प्रयास बनाता है।

प्रोजेक्ट रिपॉजिटरी पता: https://github.com/omegalabsinc/omegalabs-anytoany-bittensor

अतिरिक्त ज्ञान:

यदि कुछ पाठकों को बिटेंसर सबनेट का अर्थ नहीं पता है, तो एक सरल स्पष्टीकरण यह हो सकता है:

• सबनेट बिटेंसर पारिस्थितिकी तंत्र में एक विशेष नेटवर्क है।

• प्रत्येक उपनेटवर्क एक विशिष्ट AI या मशीन लर्निंग कार्य पर केंद्रित होता है।

• सबनेट डेवलपर्स को विशिष्ट उद्देश्यों के लिए AI मॉडल बनाने और तैनात करने की अनुमति देता है।

• वे कंप्यूटिंग संसाधन उपलब्ध कराने और मॉडलों में सुधार करने के लिए प्रतिभागियों को प्रोत्साहित करने हेतु क्रिप्टोइकॉनॉमिक्स का उपयोग करते हैं।

मूल लिंक

यह लेख इंटरनेट से लिया गया है: TAO ने जोरदार वापसी की, यहाँ सबनेट पर ध्यान देने योग्य 12 AI प्रोजेक्ट हैं

संबंधित: सोलाना फंडिंग भंवर: रग पुलर क्यों पैसा खो रहा है?

मूल लेखक: CertiK 13 मई, 2024 की शाम को, CertiK टीम ने सोलाना चेन पर एक संदिग्ध पता पाया: 9ZmcRsXnoqE47NfGxBrWKSXtpy8zzKR847BWz6EswEaU (जिसे आगे से जिओजिउ कहा जाएगा) 12 से 13 मई तक, जिओजिउ ने चेन पर लगभग 64 रग पुल शुरू किए, हर कुछ मिनट में एक। 24 घंटे से भी कम समय में, जिओजिउ ने कुल 272 SOL खो दिए, जिसकी कीमत लगभग $45,900 थी। 01 उच्च निवेश और कम रिटर्न: जिओजिउ के ऑपरेटिंग तरीकों को उजागर करना तो जिओजिउ ने यह कैसे किया? आइए जिओजिउ द्वारा तैनात अंतिम मीम TWS को एक उदाहरण के रूप में लेते हैं। 13 मई को 4:05 UTC पर, जिओजिउ ने 99,999,999 TWS बनाए। 13:18 बजे, ज़ियाओजिउ ने रेडियम पर एक TWS/SOL लिक्विडिटी पूल तैनात किया, जिसमें 98,999,999.99 TWS और 1 SOL डाला गया; फिर, उसने तुरंत बाजार को खींचने के लिए 4 SOL का इस्तेमाल किया। 13:22 बजे, 4 मिनट बाद, ज़ियाओजिउ…