Hva er en subnet?

Kort sagt

En subnet er et eget lite marked inne i Bittensor. Hver subnet har én oppgave, egne regler og egne deltakere som prøver å lage eller måle en bestemt digital vare.

Hvis Bittensor er hele byen, er subnets verkstedene. Hvert verksted lager noe forskjellig, og hvert verksted trenger egne kvalitetskrav.

Skole-analogien

Tenk på Bittensor som en stor skole. Hele skolen er nettverket. Hvert klasserom er en subnet.

I ett rom jobber folk med språkmodeller. I et annet rom jobber de med datakraft. I et tredje rom kan de jobbe med datasøk, bildemodeller, prediksjoner eller noe helt annet.

Alle rommene er del av samme skole, men de har ikke samme prøve. Du vurderer ikke en matteprøve, en tegning og en gymtest med nøyaktig samme kriterier. På samme måte trenger ulike AI-oppgaver ulike måter å måle kvalitet på.

Hvorfor trenger Bittensor subnets?

AI-arbeid er ikke én ting. Å svare godt på tekst er annerledes enn å levere regnekraft. Å hente presise data er annerledes enn å lage en prediksjon. Å trene en modell er annerledes enn å kjøre en rask tjeneste.

Subnets gjør at Bittensor kan lage egne konkurranser for ulike typer arbeid, i stedet for å presse alt inn i én stor og uklar konkurranse.

Det gjør også nettverket mer fleksibelt. Nye ideer kan testes som egne markeder. Hvis en subnet lager noe nyttig og tiltrekker interesse, kan den vokse. Hvis den ikke fungerer, kan markedet miste interesse.

Hva består en subnet av?

Hva er en incentive mechanism?

Incentive mechanism betyr insentivmekanisme. Det er reglene som sier hva miners skal gjøre, hvordan validators skal måle det, og hva som teller som bra arbeid.

For en ny leser holder det å tenke på dette som poengsystemet i en konkurranse.

Hvis poengsystemet er dårlig, kan deltakerne lære å optimalisere for feil ting. En miner kan for eksempel lage svar som ser riktige ut i testen, men som ikke er nyttige for ekte brukere. Hvis poengsystemet er godt, blir konkurransen mer produktiv.

Dette er en av de viktigste ideene i Bittensor: man må ikke bare lage AI. Man må også lage en god måte å måle AI-arbeidet på.

Eksempel: tre ulike subnets

Tenk deg tre rom på skolen:

1. En tekst-subnet belønner gode svar på spørsmål.
2. En datakraft-subnet belønner stabil og tilgjengelig maskinkapasitet.
3. En søke-subnet belønner relevante og ferske resultater.

Alle tre kan være AI-relaterte, men de bør ikke måles likt. Det er derfor subnet-modellen er nyttig.

Hvordan fordeles belønninger?

Belønninger henger sammen med kvalitet inne i subnetten og hvordan subnetten gjør det i Bittensor-systemet.

Inne i subnetten vurderes miners av validators. Disse vurderingene brukes som en del av grunnlaget for hvem som skal få mer eller mindre belønning.

På nettverksnivå konkurrerer subnets også om oppmerksomhet, staking og emissions. Bittensor-dokumentasjonen beskriver en flow-basert modell der netto TAO-flyt inn og ut av subnets, altså hvor mye TAO som strømmer inn versus ut, kan være et signal på hvor markedet mener verdi finnes. (Selve mekanikken hører hjemme i temaet om dynamisk TAO; her holder det å vite at penger som flytter seg mot en subnet, kan tolkes som interesse.)

For en ny leser er hovedpoenget enkelt: Bittensor belønner ikke bare å være med. Det prøver å belønne nyttig arbeid i markeder som andre faktisk bryr seg om.

Hva er root subnet?

Root subnet, eller Subnet 0, er spesiell. Den er ikke en vanlig arbeids-subnet der miners lager en digital vare på samme måte som i mange andre subnets.

For nybegynnere er det nok å vite at Root er mer overordnet og handler mer om nettverkets koordinering. Start med vanlige subnets først. Da blir Root lettere senere.

Vanlige misforståelser

Ordliste