Bittensor: l’intelligenza artificiale distribuita
Di Massimiliano Casini
Bittensor è una rete di apprendimento automatico decentralizzata, open-source e permissionless, che favorisce lo sviluppo dell’AI su contributo della propria community
Le intelligenze artificiali
Le intelligenze artificiali (AI) sono sistemi informatici progettati per svolgere compiti che, se eseguiti da esseri umani, richiederebbero “intelligenza”. Questi sistemi sono in grado di apprendere, ragionare, prendere decisioni, riconoscere pattern, comprendere e generare linguaggio naturale (LLM) e molto altro.
Possiamo quindi semplificare la loro descrizione visualizzandoli come “bot informatici” capaci di migliorare la propria esperienza e le proprie competenze man mano che lavorano e si addestrano, in modo simile a come funziona un cervello umano, che accumula esperienza con il passare del tempo.
Ovviamente, le AI sono ancora molto lontane dalla complessità e la versatilità del cervello umano, e ci sono molte differenze tra questi. Per esempio, il cervello umano può funzionare mediamente bene in tanti aspetti diversi man mano che cresce, mentre quello di un’AI è più strutturato per performare molto bene in un ambito specifico, per diventare molto competente in esso in “pochissimo tempo”.
Una AI, similmente a come funziona un cervello umano, ha bisogno di cinque elementi importanti:
– Memoria: un archivio per detenere le informazioni. Per un essere umano questo è l’ippocampo, che archivia i nostri ricordi.
– Potenza computazionale: l’energia necessaria a processare operazioni per ottenere risultati. Per un cervello umano, il lobo frontale, cioè la parte che ci permette di elaborare pensieri e idee.
– Dati: informazioni detenute nell’archivio, da analizzare con la potenza computazionale per trovare risultati a richieste e/o domande. Per noi, informazioni o ricordi che abbiamo accumulato nella nostra vita.
– Connessioni: queste permettono all’AI di valutare diversi risultati e di utilizzare informazioni di vario genere, così da ottenere nuovi e più accurati output. Ritroviamo questo in un essere umano quando prende informazioni da diverse fonti o quando rilegge queste informazioni, migliorando il suo pensiero critico e massimizzando la qualità della comprensione di tale pensiero.
– Algoritmi di apprendimento automatico (Machine learning): questi sono gli algoritmi informatici necessari a un’AI per poter utilizzare i quattro elementi visti in precedenza e ottenere un risultato concreto, che sia in campo statistico, matematico, scientifico o di qualsiasi altro ambito. Per l’umano, è il metodo di studio.
Una AI, per funzionare, ha bisogno di un periodo di addestramento definito “machine learning”. Durante questa fase, il bot viene seguito dal suo sviluppatore, che imposta prima di tutto una task da risolvere cercando di indirizzare il lavoro di questo “cervello informatico” verso la risoluzione di un obiettivo.
Dopodiché, avviene il vero e proprio addestramento, in cui gli viene fornito un archivio di dati, definito data set, già controllato e verificato in anticipo, così da poter spiegare all’intelligenza cosa sia corretto e cosa sia sbagliato.
Fatto questo, avviene la fase di regolazione dei parametri dell’AI. Per comprendere meglio questo discorso, possiamo analizzare una AI che sfrutta la rete neurale. Possiamo immaginare infatti l’intelligenza artificiale come un grande “cervello informatico” composto da tantissime righe di codice, definite “neuroni”.
Ogni neurone genera una serie di input e output mediante la creazione di più percorsi “nascosti”. Lo sviluppatore avrà quindi la possibilità di cambiare i parametri dell’AI in modo da poter modificare i percorsi di generazione dell’output. Essendo i parametri più di un trilione (prendendo ad esempio GPT-4), è improbabile che lo sviluppatore li modifichi singolarmente. Invece, è più probabile che sfrutterà degli algoritmi di ottimizzazione per fare ciò.
Possiamo quindi immaginare questi parametri come una serie di manopole sulla console di un DJ. Maggiore sarà il numero di parametri di un’AI, maggiori saranno le modifiche applicabili al suo modo di pensare e quindi più accurato sarà il risultato finale del suo addestramento.
Naturalmente, esistono molteplici tipologie di intelligenza artificiale. Quelle che hanno avuto maggior risonanza sono le intelligenze generative, come GPT (Generative Pretrained Transformer) di OpenAI. Questi modelli cercano di predire la risposta ad una nostra domanda posta attraverso un’API (Application Programming Interface), cioè un’interfaccia di programmazione che consente di accedere e utilizzare funzionalità, come ad esempio un modello di linguaggio o un modello di riconoscimento o generazione di immagini. Tuttavia, esistono molteplici tipologie di AI che permettono la massimizzazione dell’efficienza in praticamente qualsiasi ambito lavorativo, scientifico e umano.
Questa breve spiegazione di come funziona il “cervello” alla base di un’intelligenza artificiale serve principalmente come introduzione per poter spiegare a grandi linee alcuni argomenti che ci serviranno successivamente per comprendere Bittensor.
Ci rendiamo conto, in ogni caso, che l’argomento è veramente enorme da affrontare in una singola sezione di un articolo. Per questo motivo, vi consigliamo di andare a studiare più nel dettaglio come funziona un’AI, perché questa sarà una delle tecnologie più rivoluzionarie della nostra esistenza.
Ecco un video di quasi 2 ore in cui un ricercatore di AI, chiamato ENKK, spiega cosa sia un’AI e come funzioni, e un corso fatto da Silvio Luchetti sull’argomento.
Questo focus on è stato pubblicato in esclusiva sulla nostra newsletter Whale Weekend dell’11 ottobre 2024. Iscriviti per non perdere articoli inediti, analisi, news della settimana e tanto altro ancora!
Indice
I problemi delle AI e il Web2
Il problema principale nello sviluppo delle intelligenze artificiali attuali è che i maggiori progressi in questo campo sono realizzati da multinazionali il cui scopo non è utilizzare questa tecnologia a vantaggio dell’umanità, quanto piuttosto per aumentare i propri profitti.
Inoltre, la selezione dei dati utilizzabili per addestrare queste AI è determinata dalle persone dietro a queste aziende, il che può influenzare i loro modi di pensare, rendendoli parziali o soggetti a bias cognitivi.
Infine, lo sviluppo degli algoritmi alla base del loro funzionamento è privatizzato attraverso l’uso di brevetti, impedendo ad altri di sfruttare queste innovazioni per creare sistemi alternativi, potenzialmente più performanti e liberi.
Tutto questo crea un ambiente disconnesso e non collaborativo, che porta quasi sempre ad una competizione aziendale che non fa prigionieri, e ad un aumento del potere e del denaro in sempre meno mani, cambiando radicalmente il potere del singolo individuo.
Ad oggi, possiamo osservare che:
– Il 90% dei media è controllato da 6 aziende.
– Il 90% delle telecomunicazioni americane è gestito da 3 aziende.
– Il 90% delle transazioni di pagamento è dominato da 2 aziende.
Questi dati, tra altri, indicano come l’attuale sistema economico, il capitalismo, e il web 2, abbiano fallito, tendendo sempre più verso la centralizzazione del potere.
Non intendiamo affermare che il Web3, le criptovalute e Bitcoin possano risolvere questi problemi. Tuttavia, se vediamo la decentralizzazione come una scala di grigi anziché una scelta netta tra bianco e nero, queste tecnologie possono favorire maggiore distribuzione ed equità nella gestione dei sistemi, contribuendo a ridurre la polarizzazione del controllo.
In fondo, grazie a soluzioni come Bitcoin, oggi c’è un’alternativa al sistema finanziario globale attuale. Se per noi europei questa è semplicemente un modo per investire in un asset finanziario che potrebbe crescere di valore nel tempo, per altre persone che vivono in ambienti molto più controllati e meno sicuri sul fronte finanziario, rappresenta un’opzione di salvezza.
Arriviamo quindi a parlare della sinergia che potrebbe portare ancora una volta la tecnologia blockchain in questo mondo. Stavolta, non concentrandoci prettamente sulle caratteristiche finanziarie, ma sugli aspetti legati allo sviluppo e alla creazione di intelligenze artificiali.
Abbiamo già approfondito questo argomento in questo articolo, che vi consiglio di leggere. Qui troverete una panoramica sui principali progetti del web 3 che si stanno sviluppando in quest’ambito e le potenzialità che offrono.
Cos’è Bittensor?
Bittensor è una blockchain sviluppata da una fondazione no-profit chiamata OpenTensor. È stata creata da Jacob Steeves e Ala Shaabana nel 2019 con l’obiettivo di realizzare una rete decentralizzata, open-source e permissionless per lo sviluppo di intelligenze artificiali.
La rete funge da layer di incentivi e pagamenti grazie alla sua criptovaluta TAO, che consente agli sviluppatori di creare e implementare modelli di Machine Learning sviluppando così vari tipi di intelligenza artificiale. Allo stesso tempo, gli utenti che cercano un servizio possono utilizzare queste AI pagando con la moneta nativa del protocollo.
Il principale vantaggio di questa soluzione rispetto alle alternative del Web2 è che chiunque può sviluppare la propria AI utilizzando le risorse del network Bittensor, condividendo il proprio codice con la community del protocollo e massimizzando le funzionalità delle intelligenze artificiali.
Visto che il network di Bittensor è stato lanciato circa 5 anni fa e ha una distribuzione di moneta simile a quella di Bitcoin, con un totale di 21 milioni di TAO distribuibili sul mercato, ci sono attualmente (e ci saranno ancora per molti anni) forti incentivi per coloro che utilizzano la propria intelligenza e potenza computazionale per sviluppare AI sulla sua infrastruttura.
Facendo un parallelo con Bitcoin, che è una rete distribuita e censurabile per lo scambio di valore digitale che utilizza la moneta BTC principalmente come incentivo per chi si occupa della sicurezza della rete, Bittensor punta a diventare una rete distribuita e permissionless che ricompensa chi offre le proprie competenze di sviluppo AI e potenza computazionale con il token.
Come funziona tecnicamente?
Per comprendere la struttura tecnica di Bittensor possiamo pensare alla struttura di funzionamento di Polkadot. Non ha caso, la rete Bittensor è stata costruita proprio utilizzando il framework di questa chain, il Polkadot SDK, meglio conosciuto come Substrate, vincendo una Polkadot’s auction a febbraio del 2023.
Substrate è un framework modulare, che consente la creazione di purpose-built blockchain, cioè dei network modificabili in base alle esigenze dei propri sviluppatori.
Ed è proprio grazie a questo che sulla “relay chain” di Bittensor è possibile costruire, al momento, fino a 52 subnet, simili alle parachain di polkadot. Queste sono delle chain che hanno un obiettivo ed una logica di “mining” variabile a seconda di ciò che è stato pensato dal suo creator, così da poter canalizzare le energie verso un obiettivo ben specifico.
La relay chain, che d’ora in avanti chiameremo Subtensor, è una rete che consente di effettuare transazioni, sviluppare smart contract e, soprattutto, di determinare le ricompense da distribuire agli attori all’interno delle subnet. Questo processo di distribuzione delle ricompense è reso possibile grazie al meccanismo di consenso Yuma, che esamineremo successivamente insieme agli attori coinvolti.
La chain principale utilizza un meccanismo di consenso definito Proof of Authority, al fine di non dover incentivare il lavoro di validazione attraverso il mining della moneta. Questi validatori, definiti trusted miners (TM) che partecipano al consenso sono scelti dalla OpenTensor Foundation.
Il ruolo dei trusted miner è fondamentale perché consente di creare un’infrastruttura di rete sicura e immutabile, permettendo l’esecuzione di transazioni e interazioni con gli smart contract.
La Bittensor API, invece, ha il compito di connettere Subtensor e le sue subnets.
Il numero di subnets creabili su Bittensor è deliberatamente limitato a 52, per il momento, al fine di incentivare questa competizione tra le reti e, allo stesso tempo, gestire in modo più efficiente la distribuzione delle risorse limitate. In ogni caso la foundation ha gia in programma di estendere questo numero a 64 subnet, nelle prossime settimane.
Ma come viene creata una subnet e come può perdere il suo posto in questi slot?
Per creare una subnet, se sono già attive 52 reti, chi la desidera deve registrarsi in una lista d’attesa, spiegare la logica di funzionamento della propria chain (che vedremo nella prossima sezione) e bloccare una certa quantità di $TAO in uno Smart Contract (SC).
Cʼè un limite di 1 registrazione subnet ogni 7200 blocchi, circa un giorno, così da creare una coda ordinata di registrazione. Mentre il costo di registrazione varia in base ad un “prezzo di mercatoˮ.
Cʼè un costo minimo pari a 100 $TAO, e ogni qual volta viene registrata una nuova subnet il costo di registrazione corrente raddoppia, dimezzandosi in maniera lineare nellʼarco di 14 giorni, se non ci sono nuove iscrizioni.
In questa dashboard è possibile vedere l’attuale costo di registrazione.
Per buttare fuori dalla classifica una subnet e sbloccare al suo owner la quantità di $TAO bloccati inizialmente, ci devono essere due condizioni: la prima è che tutti i 52 posti siano occupati, la seconda è che ci sia almeno 1 altra rete in coda per entrare. Quando si presenta questa situazione, la subnet che ha ricevuto meno incentivi da parte dei validators, verrà buttata fuori.
In questo modo, le sotto-reti che performano peggio eviteranno di sprecare risorse della rete, lasciando spazio ad altre catene che possono contribuire maggiormente allo sviluppo di queste risorse e favorire la crescita di Bittensor.
Nella prima settimana d’ingresso di una subnet negli slot è prevista una fase di immunità, per dare ai miner e ai validatori il tempo di iniziare a lavorare e sviluppare un proprio modello di intelligenza artificiale.
Il consenso di Yuma
Lo Yuma consensus è un meccanismo creato dalla Opentensor foundation che combina la proof-of-work (POW) e la proof-of-stake (POS), bilanciando così il consumo energetico e la possibilità di centralizzazione.
I nodi eseguono lavoro computazionale per validare le transazioni e, se convalidato da altri nodi, vengono ricompensati con un token. Al contempo, la partecipazione al consenso richiede che i nodi detengano una certa quantità di token, incentivando comportamenti che favoriscono l’interesse della rete. Questo grazie a meccanismi legati alla teoria dei giochi come il valore di Shapley.
In sostanza, lo Yuma consensus permette la distribuzione del carico di lavoro su più nodi, facilitando la gestione di attività AI complesse, migliorando la scalabilità e riducendo il rischio di attacchi, poiché non c’è un single point of failure.
La Root Subnet
Arriviamo ora a comprendere una delle subnet più importanti di questo ecosistema, ovvero la Subnet 0. Definita ‘root‘ che, a differenza delle altre 52 subnet, non opera come loro, poiché al suo interno non avviene alcun training di intelligenza artificiale, né viene utilizzata potenza computazionale. La Subnet 0 esiste esclusivamente per consentire la votazione sulla suddivisione delle emissioni del network verso le altre subnet e per fungere da network di ‘Senato’, gestendo le votazioni di governance.
È composta da 64 validatori, definiti Neuroni, che si occuperanno della distribuzione delle ricompense verso altre subnet, potendo impostare una percentuale in base al proprio volere, e tenendo conto anche del Yuma consensus, che peserà il loro voto anche in base a caratteristiche che devono essere in linea con quelle degli altri validatori, così da evitare manipolazioni e centralizzazione del potere.
Sarà possibile per questi validatori scegliere anche di distribuire parte delle emissioni a questa subnet. Tuttavia, queste saranno interamente riciclate.
Ad esempio, se ogni giorno devono essere distribuiti 7200 TAO, e i validatori hanno votato per distribuirne il 10% (720 TAO) alla subnet 0, allora 6480 TAO verranno distribuiti verso le altre reti, mentre 720 torneranno nella chain nativa, così da poter essere emessi nuovamente in seguito.
Questo sistema di riciclo funge come meccanismo di sicurezza nel caso in cui fosse necessario interrompere o ridurre le emissioni senza dover bloccare la rete stessa.
Come già anticipato, questa subnet ha anche lo scopo di permettere le votazioni di governance per i membri del ‘Senato’. Questi, per diventare tali, devono rispettare determinati criteri di ammissione. Il Senato può essere visto come la DAO che governa questo ecosistema, bilanciando parzialmente le decisioni del ‘Triumvirato’, che invece è composto dai membri della OpenTensor Foundation.
L’obiettivo del progetto è diventare sempre più decentralizzato, fino ad eliminare completamente le decisioni prese dalla OpenTensor Foundation.
Le Sub-nets e alcuni esempi
Passiamo ora all’aspetto più importante di Bittensor, ovvero le sue subnet e i suoi attori principali.
Analizzando i principali ruoli all’interno di una subnet, possiamo identificarne tre:
- Il subnet owner: questo si occupa di registrare e creare la subnet bloccando un certo numero di TAO e impone le regole di esecuzione ai miner e ai validatori.
- I miners: questi eseguono le regole richieste dall’owner, ad esempio dovendo condividere potenza computazionale nella rete, effettuando machine learning per addestrare l’IA richiesta, trovando i risultati più precisi in base a quello che viene richiesto o altro.
- I validator: controllano gli output creati dai miner, e giudicano il loro lavoro, aumentando o diminuendo le reward che guadagneranno questi attori.
Per diventare validatori, è necessario vincolare un minimo di 20.000 $TAO (al prezzo attuale, si parla di quasi 10 milioni di dollari), che possono essere forniti interamente da noi oppure delegati da altri. Esistono modi per diventare validatori anche con meno TAO, ma in tal caso il validatore dovrà accettare dei compromessi.
Per ogni subnet può esserci un solo owner e un massimo di 256 ruoli, distribuiti tra miner e validatori, definiti dal network come “neuroni”. Di questi, un massimo di 64 possono essere validatori, mentre il resto sono miner. Naturalmente, chiunque esterno a questo gruppo voglia sostituire un miner può farlo sottoponendo i risultati dell’operazione richiesta dall’owner ad un backtest, al fine di ottenere risultati analizzabili da riportare poi all’owner per valutare la possibilità di sostituire gli attori attualmente in gioco.
Questo crea un ulteriore meccanismo di competizione, poiché massimizza il lavoro degli altri miner e obbliga questi attori ad operare in modo efficiente, così da continuare a ricevere incentivi dalla subnet.
La quantità di incentivi che ottiene ogni subnet viene definito a livello percentuale dai validatori della Subnet zero, che hanno un potere di voto soppesato per la quantità di monete che gli sono state delegate e che hanno messo in stake e in base allo Yuma consensus.
Così da poter prendere una decisione in base alla fiducia che hanno ricevuto, al capitale che stanno rischiando e a ciò che dovrebbe essere meglio per l’ecosistema.
Ad esempio come possiamo vedere dall’immagine qua sopra la subnet “root”, ha ricevuto il 12.92% dell’emissione di $TAO dell’intera trance destinata alle subnet, riciclando il 100% di quello che ha ricevuto.
Mentre la subnet 19, chiamata Nineteen, ha ricevuto il 7.73% dell’emissione totale, che utilizzerà per incentivare il lavoro sulla propria sotto rete.
Cliccando all’interno della rispettiva subnet sarà possibile capire quale validatore della “root” ha deciso di distribuire l’incentivo e per che percentuale.
La distribuzione all’interno di una subnet è divisa in questi valori percentuali:
- Il 18% va al subnet owner
- il 41% vanno ai validators (questa reward prende il nome di dividendo)
- il 41% vanno ai miner (questa reward prende il nome di incentivo)
All’interno di queste subnet, c’è un meccanismo di consenso diverso da quello della chain sottostante e viene definito “proof of intelligence”(PoI), ed ogni owner ha modo di modificare le regole di questo consenso a proprio piacimento così da poter ottenere diversi risultati.
Generalmente, l’obiettivo di consenso delle chain, porta i miner ad eseguire il lavoro di Machine learning richiesto, mentre i validator ad analizzare i loro risultati.
Ad esempio, nella subnet 41, chiamata Sportstensor, i miner dovranno cercare di prevedere i risultati di alcuni incontri sportivi, cercando di ottenere previsioni il più possibile vicine a quanto accadrà nei match reali. In questo caso, i miner svolgono una funzione simile a quella degli oracoli: devono determinare il risultato di eventi esterni al mondo blockchain e riportarlo all’interno della rete.
I validatori, invece, hanno il compito di valutare queste previsioni in base a fattori quali la rapidità, la qualità e l’unicità delle risposte, e possono premiare di conseguenza il lavoro dei miner, assegnando maggiori incentivi a chi ha performato meglio in questi aspetti e incentivi minori a chi ha ottenuto risultati peggiori.
Naturalmente anche i validatori, dovranno sviluppare degli algoritmi o dei modelli di analisi dati per poter controllare queste informazioni.
La subnet 27 invece ha regole del tutto diverse. Questa è molto simile ad altre reti come Akash, IO.NET o Render network, dove il miner non deve fornire un risultato ad una richiesta, ma piuttosto condividere la propria potenza computazionale, che può essere affittata da utenti esterni al progetto, o da altri miner di subnet che magari hanno bisogno di potenza computazionale extra.
In questo caso i validatori, valutano e garantiscono per l’integrità ed efficienza delle risorse condivise dai miner.
Ecco una lista NON aggiornata, ma divisa per categoria di gran parte delle subnet presenti attualmente su Bittensor.
Mentre qua sotto vi metto lo snapshot di una dasbhoard, presa dal sito ufficiale, che vi permette di monitorare in tempo reale gli incentivi ricevuti dalle principali 12 subnet nel tempo.
Le subnet su questa chain variano in continuazione e in più hanno caratteristiche diverse l’una dall’altra, un po’ come avviene per le app-chain di cosmos o per le parachain di polkadot, per questo motivo vi consiglio di andarvi a fare una cultura analizzando quelle che stanno ricevendo maggiori incentivi o quelle che vi interessano maggiormente.
Il token $TAO
La moneta del protocollo si chiama TAO, e ha una supply limitata a 21 milioni. La chiusura di ogni blocco avviene ogni 12 secondi, per un totale di 7200 nuove coin al giorno. Inoltre, subisce un halving ogni 4 anni (il prossimo arriverà probabilmente a novembre 2025).
L’inflazione annuale in questo ciclo di halving della moneta, visto che il suo circolante è pari a circa 7.5 milioni di TAO, è del 28.6%, mentre lo staking nativo paga in media un rendimento del 18% circa.
Per maggiori informazioni sulle metriche principali del network ecco un link che rimanda a Taostats.
Essa ha più funzioni all’interno del network:
– Incentivi: il token viene utilizzato per ricompensare i vari attori attivi del network per il lavoro che svolgono.
– Staking: la moneta può essere bloccata in stake, per creare una subnet o per diventare validators, controllare il lavoro dei miner e decidere come distribuire le reward.
– Governance: gli staker di $TAO, possono partecipare alla governance alla base di bittensor diventando parte del “Senato”
– Gas: la moneta può essere usata per effettuare transazioni, creare o avere interazioni con gli smart contract.
– Pagamenti: il token può essere usato come moneta di pagamento così da utilizzare i servizi AI costruiti sull’infrastruttura principale.
Conclusione finale
Il network Bittensor è oggettivamente una delle idee più interessanti e innovative nate nell’ambito Web3. A prescindere dall’andamento del suo token nelle prossime settimane/mesi, il meccanismo di funzionamento dell’intera infrastruttura ha un elevato potenziale, come dimostra la collaborazione di numerose menti brillanti nel campo dello sviluppo dell’AI.
Possiamo paragonare l’intelligenza artificiale sviluppata da OpenAI, come ChatGPT-4, a uno studente modello, mentre Bittensor può essere immaginato come un’università.
Il network funge da infrastruttura, e ogni subnet rappresenta un’aula. Il proprietario della subnet è colui che la crea, definisce l’obiettivo di ricerca o il risultato da raggiungere, e la predispone per l’apprendimento.
I miner di queste subnet possono essere visti come gli studenti che cercano di ottenere il miglior risultato possibile, mentre i validatori sono i professori che controllano i risultati e valutano il lavoro svolto dagli studenti.
Il token TAO incentiva tutti gli attori a lavorare al massimo delle loro potenzialità. Può essere acquistato e utilizzato da utenti esterni al progetto per accedere ai risultati delle ricerche o utilizzare i servizi creati.
Questo sistema, caratterizzato da posti limitati, controlli continui e distribuzione di incentivi, crea un ambiente di sviluppo per l’AI in cui ogni attore è contemporaneamente in competizione e in collaborazione con gli altri. Infatti, migliori saranno i risultati di altre subnet, miner o validatori, maggiori saranno le probabilità che un utente esterno utilizzi i servizi o i prodotti offerti da Bittensor, a beneficio dell’intero ecosistema.
Consigli di lettura e visione
Visto che l’argomento è tanto interessante quanto complesso, vi consiglio di consultare questa serie di link per migliorare la vostra comprensione finale.
– Documentario su Bittensor, Video
– Guida base, articolo (riassunto)
– Come funziona Bittensor, Video (riassunto)
– Analisi di Revelo Intel, Articolo
Seguici sui nostri canali YouTube e Telegram: troverai tanti altri aggiornamenti, tutorial e approfondimenti per essere sempre sul pezzo!
