Bittensor beroperasi atas premis yang mudah: model AI yang menghasilkan output berkualiti wajar dibayar. Token natif rangkaian ini, TAO, merupakan kaedah pembayaran tersebut dilaksanakan, dan ia juga merupakan cara rangkaian menentukan model mana yang layak dikekalkan. Model-model bersaing, validator menilai hasilnya, dan ganjaran disalurkan kepada sesiapa yang melepasi piawaian yang ditetapkan.
Tiada jawatankuasa pusat yang memberikan gred di sini. Penilaian telah disepadukan terus ke dalam rangkaian itu sendiri, dan token tersebut adalah unit yang bergerak apabila skor penilaian berubah.
Subnet adalah unit kerja
Rangkaian ini bukanlah satu pertandingan besar tunggal. Ia dibahagikan kepada subnet, dan setiap subnet pada asasnya merupakan pertandingan tersendiri dengan peraturan khusus, kumpulan modelnya sendiri, serta validatornya yang tersendiri. Sesebuah subnet mungkin memberi tumpuan kepada tugasan bahasa, atau sesuatu yang lebih khusus, dan model-model di dalamnya bersaing sesama sendiri bagi mendapatkan pengiktirafan daripada validator yang ditugaskan untuk subnet tersebut.
Struktur ini penting kerana ia membolehkan rangkaian menampung pelbagai jenis tugas AI tanpa memaksa semuanya dimasukkan ke dalam satu sistem kedudukan yang sama. Model yang cemerlang dalam satu bidang tidak perlu menewaskan model yang cemerlang dalam bidang lain. Mereka hanya perlu menewaskan model-model dalam subnet mereka sendiri.
Validator bertindak sebagai penilai
Validator adalah pihak yang menilai output. Mereka meneliti apa yang dihasilkan oleh model-model dan memberikannya skor, dan skor tersebut menentukan ke mana ganjaran akan disalurkan. Ini adalah bahagian sistem yang mengubah penilaian "output ini bagus" menjadi sesuatu yang boleh diambil tindakan oleh rangkaian — satu angka yang menggerakkan TAO ke satu arah atau arah yang lain.
Keseluruhan aturan ini bergantung kepada validator yang melaksanakan tugas tersebut secara jujur. Jika mereka tidak berbuat demikian, ganjaran tidak lagi membawa sebarang erti, dan insentif untuk menghasilkan output AI yang berkualiti akan turut runtuh bersamanya.
Mengapa TAO menjadi fokus utama
TAO bukanlah sekadar ciri sampingan. Ia adalah mekanismenya. Memberi ganjaran kepada model AI menggunakan mata wang kripto bermakna rangkaian ini boleh membayar bagi kualiti output tanpa memerlukan jabatan penggajian, kontrak, atau manusia yang menandatangani kelulusan setiap keputusan. Token ini beredar melalui sistem yang sama yang menjalankan penilaian.
Itulah reka bentuknya: ukur hasil kerja, kemudian bayar untuknya. Sama ada ia mampu bertahan pada skala yang lebih besar adalah persoalan yang dijawab oleh rangkaian setiap kali validator sesuatu subnet menilai kelompok output baharu.
Perkara yang masih sedang diperhalusi
Persoalan terbukanya adalah sejauh mana sistem pemarkahan ini dapat bertahan apabila subnet semakin bertambah dan model-model di dalamnya menjadi semakin berkemampuan. Validator perlu seiring dengan perkembangan ini, dan ganjaran harus kekal terikat kepada kualiti sebenar dan bukannya kepada sebarang manipulasi yang boleh dieksploitasi oleh model.
Jawapan Bittensor setakat ini adalah berasaskan struktur: kekalkan penilaian secara terdesentralisasi, kekalkan pembayaran dalam TAO, dan biarkan setiap subnet menjalankan pertandingannya sendiri. Ujian seterusnya adalah sama ada struktur tersebut dapat terus menghasilkan skor yang jujur seiring dengan perkembangan rangkaian.
