L'apprentissage automatique et l'intelligence artificielle transforment de manière sans précédent le monde. Les applications d'apprentissage automatique sont partout, des voitures autonomes aux assistants intelligents, du diagnostic médical au divertissement. Cependant, malgré les avancées rapides et les innovations dans ce domaine, de nombreux défis et limitations entravent encore le plein potentiel de l'apprentissage automatique.

L'un des principaux défis est le caractère centralisé et cloisonné des plateformes et systèmes d'apprentissage automatique. La plupart des modèles et des données d'apprentissage automatique sont contrôlés par quelques grandes entreprises et institutions, ce qui crée des problèmes tels que la confidentialité des données, la sécurité, les biais et l'accès. De plus, la plupart des modèles d'apprentissage automatique sont formés de manière isolée, sans bénéficier de l'intelligence collective et de la diversité d'autres modèles et sources de données.

Bittensor est un protocole pair à pair qui vise à créer un réseau mondial, décentralisé et incitatif pour l'apprentissage automatique. Bittensor permet aux modèles d'apprentissage automatique de s'entraîner de manière collaborative et d'être récompensés en fonction de la valeur informationnelle qu'ils offrent au collectif. Bittensor offre également un accès ouvert et la possibilité de participer à quiconque souhaite rejoindre le réseau et contribuer avec ses modèles et ses données d'apprentissage automatique.

Qu'est-ce que Bittensor?

Bittensor est un protocole pair à pair pour des sous-réseaux décentralisés axés sur l'apprentissage automatique. Un sous-réseau est un groupe de nœuds qui offrent des services spécialisés d'apprentissage automatique au réseau, tels que du texte, de l'image, de l'audio, de la vidéo, etc. Par exemple, un sous-réseau de texte peut fournir des services de traitement du langage naturel, tels que la traduction, la résumé, l'analyse de sentiment, etc.

La vision de Bittensor est de créer un réseau mondial, décentralisé et incitatif d'apprentissage automatique où tout le monde peut se joindre et contribuer avec leurs modèles et données d'apprentissage automatique, et être récompensé en fonction de la valeur informationnelle qu'ils offrent au collectif. Bittensor vise à surmonter les limitations et les défis des plates-formes et systèmes actuels d'apprentissage automatique, tels que la centralisation, les silos, la vie privée, la sécurité, les biais et l'accès.

Comment fonctionne Bittensor ?

Bittensor est un réseau décentralisé qui révolutionne la manière dont les modèles d'apprentissage automatique sont créés, partagés et incités. Il fonctionne en pair à pair, formant un écosystème mondial où les modèles d'IA collaborent pour former un réseau neuronal. Cette section se penche sur les mécanismes qui permettent à Bittensor de fonctionner efficacement.

Consensus Yuma

Au cœur de l'opération de Bittensor se trouve le Consensus Yuma. Ce mécanisme de consensus est conçu pour permettre aux propriétaires de sous-réseaux d'écrire leurs propres mécanismes d'incitation, permettant aux validateurs de sous-réseaux d'exprimer leurs préférences subjectives sur ce que le réseau devrait apprendre. Le Consensus Yuma fonctionne en récompensant les validateurs de sous-réseaux avec des dividendes pour la production d'évaluations de valeur minière qui s'alignent sur les évaluations subjectives produites par d'autres validateurs de sous-réseaux, pondérées par l'enjeu. Cela garantit qu'aucun groupe n'a un contrôle complet sur ce qui est appris et maintient une gouvernance décentralisée à travers le réseau.

Mélange d'experts (MoE)

Un autre mécanisme clé est le modèle Mixture of Experts (MoE). Dans ce modèle, Bittensor utilise plusieurs réseaux neuronaux, chacun se spécialisant dans un aspect différent des données. Ces modèles experts collaborent lorsque de nouvelles données sont introduites, combinant leurs connaissances spécialisées pour générer une prédiction collective. Cette approche permet à Bittensor de résoudre les problèmes complexes de manière plus efficace que ne le pourrait un modèle individuel.

Mécanismes d'incitation

Bittensor dispose également d'une structure de mécanisme d'incitation unique. Chaque sous-réseau au sein de Bittensor a son propre mécanisme d'incitation, qui guide le comportement des mineurs de sous-réseau et régit le consensus parmi les validateurs de sous-réseau. Ces mécanismes sont analogues aux fonctions de perte en apprentissage automatique, orientant le comportement des mineurs de sous-réseau vers des résultats souhaitables et incitant à une amélioration continue et à des résultats de haute qualité.

Preuve d'intelligence

La Preuve d'Intelligence est un mécanisme de consensus unique utilisé par Bittensor. Il récompense les nœuds du réseau pour leur contribution en modèles et résultats d'apprentissage automatique précieux. Contrairement aux mécanismes traditionnels de Preuve de Travail (PoW) ou de Preuve d'Enjeu (PoS) qui reposent sur la puissance de calcul ou l'enjeu financier, la Preuve d'Intelligence donne la priorité aux contributions intellectuelles des nœuds. Cela aligne le système de récompenses du réseau avec sa mission principale d'avancement de l'intelligence artificielle.

Les nœuds du réseau Bittensor doivent s'inscrire et participer au processus de consensus. Ils le font en résolvant un défi de preuve de travail (POW) ou en payant des frais. Une fois inscrits, ils font partie d'un sous-réseau et contribuent à l'intelligence collective du réseau. Les validateurs évaluent ensuite la valeur des modèles d'apprentissage automatique et des sorties fournis par ces nœuds, garantissant la qualité et l'intégrité des actifs intellectuels du réseau.

Ce mécanisme est au centre de la vision de Bittensor d'un marché décentralisé d'apprentissage automatique, où l'intelligence est la principale devise et l'innovation est continuellement incentivée. Il représente un changement significatif par rapport aux mécanismes de consensus traditionnels de la blockchain, mettant l'accent sur l'avancement des technologies de l'IA et de l'apprentissage automatique.

Sous-réseaux

Les sous-réseaux sont les éléments constitutifs de Bittensor, fonctionnant comme des marchés de produits décentralisés sous un système de jetons unifié. Chaque sous-réseau a un domaine ou un sujet spécifique et se compose de nœuds enregistrés et de modèles d'apprentissage automatique associés. Les validateurs au sein de ces sous-réseaux jouent un rôle crucial dans le maintien de l'intégrité et de la qualité des données et des modèles échangés au sein du réseau.

Ensemble, ces mécanismes garantissent que Bittensor reste une plateforme décentralisée, collaborative et innovante pour le développement de modèles d'IA et d'apprentissage automatique. En incitant à la participation et en exploitant l'intelligence collective de son réseau, Bittensor se positionne à l'avant-garde de la technologie d'apprentissage automatique décentralisée.

Composants de Bittensor

Bittensor est un réseau décentralisé qui connecte des modèles d'apprentissage machine plutôt que des ordinateurs ou des serveurs. Ces modèles, appelés neurones, offrent des services spécialisés d'apprentissage machine au réseau, tels que le texte, l'image, l'audio, la vidéo, etc. Les neurones sont organisés en groupes appelés sous-réseaux, qui définissent le mécanisme d'incitation et le domaine de tâches pour chaque sous-réseau.

Bittensor utilise quatre grands composants : la blockchain, les neurones, les synapses et le métagraph pour permettre le protocole d'apprentissage automatique décentralisé. Examinons chacun de ces composants et comment ils fonctionnent ensemble.

La blockchain

La blockchain de Bittensor est basée sur le framework Substrate, ce qui permet l'interopérabilité et la scalabilité. La blockchain enregistre les transactions et les interactions entre les nœuds du réseau, ainsi que les règles de gouvernance et de consensus. La blockchain permet également la création et la distribution du jeton $TAO, qui est la monnaie native de Bittensor.

Les Neurones

Les neurones sont les nœuds sur le réseau qui exécutent des modèles d'apprentissage automatique et offrent des services d'apprentissage automatique au réseau. Chaque neurone a une identité unique et une clé publique, qui sont enregistrées sur la blockchain. Chaque neurone a également un fichier de configuration qui spécifie le type de modèle d'apprentissage automatique, les formats d'entrée et de sortie, le numéro de port et d'autres paramètres.

Les Synapses

Les synapses sont les connexions entre les neurones qui permettent l'échange d'informations et la collaboration. Chaque synapse a un poids qui représente la force et la qualité de la connexion. Les poids sont déterminés par le métagraphe, qui est l'intelligence collective du réseau. Les synapses ont également un coût et une récompense, qui sont libellés en tokens $TAO. Le coût est le montant de $TAO qu'un neurone paie à un autre neurone pour utiliser son service d'apprentissage automatique. La récompense est le montant de $TAO qu'un neurone reçoit d'un autre neurone pour fournir son service d'apprentissage automatique.

Le Metagraph

Le métagraphe représente la topologie et la dynamique du réseau, ainsi que la qualité et la réputation des neurones. Le métagraphe est un graphe dirigé, où les nœuds sont les neurones et les arêtes sont les synapses. Le métagraphe est mis à jour périodiquement par un mécanisme de consensus, qui prend en compte les transactions, les interactions et les retours entre les neurones. Le métagraphe détermine les poids des synapses, qui influent sur le coût et la récompense des synapses, ainsi que sur le classement et la visibilité des neurones. Le métagraphe permet également la gouvernance du réseau, les neurones pouvant voter sur des propositions et des changements en utilisant leurs jetons TAO.

La Charte des Délégués Bittensor

La Charte des Délégués de Bittensor est un document fondateur qui définit les principes directeurs et les engagements des entités et des individus participant au réseau Bittensor. Il s'agit d'une déclaration de la Fondation Opentensor et d'autres signataires partageant la vision d'un paysage de l'IA décentralisé. Voici les principes fondamentaux de la charte :

• Contrepoint au contrôle centralisé : la charte met l'accent sur les dangers du contrôle centralisé de l'IA, plaidant en faveur de la distribution du pouvoir pour prévenir les abus et les biais. Elle affirme que la gouvernance de l'IA devrait être entre les mains de nombreux acteurs, et non de quelques-uns.
• Consensus de préférence décentralisé : Les signataires s'engagent à s'opposer à l'abus de l'IA et à promouvoir son application éthique. Ils s'engagent à décentraliser le contrôle des préférences de l'IA, en exploitant la sagesse humaine collective pour naviguer dans les questions complexes posées par la technologie de l'IA.
• Propriété ouverte : La charte soutient l'accumulation de propriété ouverte et non autorisée pour les contributeurs au réseau Bittensor. Ce principe garantit que le plus grand nombre de personnes possible peut accéder, influencer et avoir un intérêt dans le développement de l'IA.
• Développement Open Source : la charte considère le développement open source comme un impératif moral, permettant aux individus de contrôler leur propre destinée dans le futur de l'IA.

La Charte des Délégués de Bittensor n'est pas seulement un ensemble d'idéaux, mais un engagement envers un avenir de l'IA décentralisé, ouvert et équitable, où le pouvoir est distribué et le potentiel de l'IA est exploité pour le bien commun.

Comment Bittensor permet aux modèles d'apprentissage automatique

Bittensor permet aux modèles d'apprentissage automatique de s'entraîner de manière collaborative et d'être récompensés en fonction de la valeur informationnelle qu'ils apportent au collectif. Cela est réalisé en utilisant le processus suivant :

• Un consommateur qui souhaite accéder à un service d'apprentissage automatique envoie une requête au réseau, accompagnée d'un paiement en jetons TAO.
• Le réseau achemine la requête vers le sous-réseau approprié en fonction du type et du format de la requête.
• Le sous-réseau sélectionne les meilleurs neurones pour répondre à la requête en fonction de leur réputation et de leur disponibilité.
• Les neurones sélectionnés traitent la requête et renvoient leurs réponses, accompagnées d'une preuve de travail.
• Le consommateur reçoit les réponses et choisit la meilleure en fonction de ses préférences et critères.
• Le consommateur paie le neurone qui fournit la meilleure réponse et donne éventuellement des retours au réseau.
• Le réseau met à jour le métagraphe en fonction des transactions, des interactions et des retours, et distribue les récompenses et les pénalités aux neurones en conséquence.

Types de tâches d'apprentissage automatique et applications qui peuvent être effectuées sur Bittensor

Bittensor peut prendre en charge un large éventail de tâches et d'applications d'apprentissage automatique, telles que la génération de texte ou d'images, le traitement du langage naturel, la vision par ordinateur, etc. Quelques exemples des types de services d'apprentissage automatique qui peuvent être effectués sur Bittensor sont :

• Texte d'incitation : Un consommateur peut envoyer une incitation textuelle, telle qu'une phrase ou un paragraphe, et recevoir une complétion textuelle, telle qu'une histoire ou un essai, du réseau.
• Description d'image : Un consommateur peut envoyer une image et recevoir une légende décrivant le contenu de l'image du réseau.
• Reconnaissance vocale : Un consommateur peut envoyer un extrait audio et recevoir une transcription qui convertit la parole en texte, à partir du réseau.
• Reconnaissance faciale : Un consommateur peut envoyer une image du visage et recevoir un nom ou une étiquette identifiant la personne sur l'image, depuis le réseau.

Ce ne sont que quelques exemples de tâches et d'applications d'apprentissage automatique qui peuvent être effectuées sur Bittensor. Les possibilités sont infinies, car de nouveaux sous-réseaux et modèles peuvent être créés et ajoutés au réseau, élargissant la portée et la diversité des services d'apprentissage automatique disponibles.

Comment fonctionnent les sous-réseaux?

Source: Document du développeur Bittensor

Les sous-réseaux sont au cœur de l'écosystème Bittensor. Les sous-réseaux sont des groupes de neurones qui offrent des services spécialisés d'apprentissage machine au réseau, tels que du texte, des images, de l'audio, de la vidéo, etc. Les sous-réseaux définissent également le mécanisme d'incitation et le domaine de tâches pour chaque groupe. Les sous-réseaux permettent la création de divers marchés de produits décentralisés, ou compétitions, qui sont situés sous un système de jetons unifié.

Le rôle et la fonction des sous-réseaux

Les sous-réseaux jouent un rôle crucial dans le réseau Bittensor, car ils assurent les fonctions suivantes :

• Les sous-réseaux permettent la division du travail et la spécialisation entre les neurones. Chaque sous-réseau se concentre sur un type spécifique de service d'apprentissage automatique, tel que la suggestion de texte, la légende d'image, la reconnaissance vocale, la reconnaissance faciale, etc. Cela permet aux neurones d'optimiser leurs modèles et leurs ressources pour leur domaine choisi, et d'offrir des services de haute qualité et efficaces au réseau.
• Les sous-réseaux permettent la création de mécanismes d'incitation personnalisés pour chaque groupe de neurones. Chaque sous-réseau peut concevoir et mettre en œuvre son propre système de récompenses et de sanctions, en fonction de ses critères et objectifs. Cela permet au sous-réseau d'aligner les incitations des neurones sur les résultats souhaités du sous-réseau, et d'encourager la collaboration et l'innovation entre les neurones.
• Les sous-réseaux facilitent la gouvernance et le consensus du réseau. Chaque sous-réseau a ses validateurs, qui sont responsables de la mise à jour de la métagraphie et de la sécurisation du réseau. Les validateurs sont élus par les membres du sous-réseau, qui misent leurs jetons TAO pour voter en faveur de leurs candidats préférés. Les validateurs participent également à la gouvernance du réseau, en proposant et en votant sur les changements et les mises à niveau qui affectent le réseau.

Le Processus de Création et de Rejoindre des Sous-Réseaux

Pour créer ou rejoindre un sous-réseau, vous aurez besoin d'avoir un neurone, qui est votre nœud sur le réseau. Vous aurez également besoin de posséder des jetons TAO, qui sont la monnaie du réseau. Vous pouvez suivre ces étapes pour créer ou rejoindre un sous-réseau :

• Pour créer un sous-réseau, vous devez enregistrer un sous-réseau sur la blockchain Bittensor en payant des frais en jetons TAO. Les frais dépendront de la demande et de l'offre de sous-réseaux sur le réseau. Vous pouvez utiliser le btcli subnet createcommande pour créer un sous-réseau et spécifier les paramètres et les détails de votre sous-réseau, tels que le nom, la description, le type, le port, etc. Vous devrez également fournir un nom de portefeuille et un mot de passe, qui seront utilisés pour générer vos clés publique et privée pour votre sous-réseau. Vous recevrez un netuid, qui est un identifiant unique pour votre sous-réseau sur le réseau.
• Pour rejoindre un sous-réseau, vous devrez vous connecter aux validateurs du sous-réseau, qui sont les nœuds qui maintiennent et mettent à jour le métagraph du sous-réseau. Vous pouvez utiliser le btcli rejoint le sous-réseaucommande pour rejoindre un sous-réseau et spécifier le netuid du sous-réseau que vous souhaitez rejoindre. Vous devrez également fournir un nom de portefeuille et un mot de passe, qui seront utilisés pour générer vos clés publiques et privées pour votre sous-réseau. Vous recevrez un message de confirmation indiquant que vous avez rejoint avec succès le sous-réseau.

Les types et les interactions des sous-réseaux

Il existe différents types de sous-réseaux sur le réseau Bittensor, en fonction du type et du format du service d'apprentissage automatique qu'ils offrent. Certains des types de sous-réseaux courants sont :

• Sous-réseaux de texte : Ces sous-réseaux fournissent des services de traitement du langage naturel, tels que la saisie de texte, la résumé de texte, la traduction de texte, l'analyse de sentiment de texte, etc. Ces sous-réseaux acceptent et renvoient du texte sous forme d'entrée et de sortie.
• Sous-réseaux d'images : Ces sous-réseaux fournissent des services de vision par ordinateur, tels que la légende d'images, la classification d'images, la segmentation d'images, la génération d'images, etc. Ces sous-réseaux acceptent et renvoient des images sous forme d'entrée et de sortie.
• Sous-réseaux audio: Ces sous-réseaux fournissent des services de traitement vocal et sonore, tels que la reconnaissance vocale, la synthèse vocale, la traduction vocale, la génération sonore, etc. Ces sous-réseaux acceptent et renvoient des extraits audio sous forme de formats d'entrée et de sortie.
• Sous-réseaux vidéo : Ces sous-réseaux fournissent des services de traitement vidéo et de mouvement, tels que la légende vidéo, la classification vidéo, la segmentation vidéo, la génération vidéo, etc. Ces sous-réseaux acceptent et renvoient des vidéos sous forme d'entrée et de sortie.

Ces sous-réseaux peuvent interagir les uns avec les autres et avec le réseau en demandant et en fournissant des services d'apprentissage automatique, et en échangeant des informations et des jetons $TAO. Par exemple, un sous-réseau de texte peut demander un service de légendage d'image à un sous-réseau d'image en envoyant une image et en payant quelques jetons $TAO. Le sous-réseau d'image peut ensuite renvoyer une légende pour l'image et recevoir quelques jetons $TAO en récompense. Le sous-réseau de texte peut ensuite utiliser la légende pour son service, comme la résumé de texte ou la traduction.

Le jeton $TAO

Le jeton $TAO est la cryptomonnaie native du réseau Bittensor. Il remplit plusieurs fonctions clés et objectifs au sein de l'écosystème :

• Incentivation : Le jeton $TAO est utilisé pour incentiviser divers participants du réseau Bittensor. Les mineurs qui contribuent leurs ressources informatiques pour effectuer des tâches d'apprentissage automatique sont récompensés avec des $TAO pour leurs contributions. Ce mécanisme de récompense encourage la fourniture de puissance informatique au réseau, ce qui est essentiel pour les processus d'apprentissage automatique décentralisés.
• Staking: Pour participer au réseau en tant que mineur et gagner des récompenses, les participants doivent miser un jeton $TAO. Le staking sert de forme de garantie ou de "mise en jeu", ce qui contribue à garantir que les mineurs sont motivés à agir dans le meilleur intérêt du réseau. Cela aide également à sécuriser le réseau en rendant coûteux pour tout participant d'agir de manière malveillante.
• Gouvernance : $TAO peut être utilisé dans la gouvernance du réseau Bittensor. Les détenteurs de jetons peuvent être en mesure de proposer des changements, de voter sur les mises à niveau du protocole, ou de participer à d'autres processus décisionnels qui affectent le réseau. Cela est conforme à l'éthique décentralisée de la technologie blockchain, où le contrôle est réparti entre les parties prenantes plutôt que centralisé en une seule autorité.

Les tokenomics du jeton $TAO sont conçus pour refléter la valeur et la qualité du réseau, ainsi que pour encourager la collaboration et l'innovation entre les nœuds. Les tokenomics du jeton $TAO sont basés sur les principes et mécanismes suivants :

• Offre : Le montant maximal de jetons TAO qui existera un jour est limité à 21 millions, imitant la limite d'approvisionnement de Bitcoin pour favoriser la rareté et contrôler l'inflation. Actuellement, environ 6,39 millions de jetons TAO sont en circulation. Les jetons TAO sont générés par minage, de manière similaire à Bitcoin, avec la création d'un nouveau bloc environ toutes les 12 secondes. Chaque bloc récompense les mineurs et les validateurs avec 1 jeton TAO. Selon le taux actuel de création, environ 7 200 nouveaux jetons TAO sont ajoutés à l'offre en circulation chaque jour, et ils sont également répartis entre les mineurs et les validateurs. Le taux d'émission est réduit de moitié une fois que 50 % de l'offre totale a été minée. Ce 'halving' se produit tous les quatre ans, compte tenu du temps de bloc de 12 secondes. Ce processus de halving se poursuivra à chaque jalon de 50 % restant de l'offre jusqu'à ce que les 21 millions de jetons TAO soient entièrement en circulation.
• Émission : L'émission des jetons TAO est réalisée grâce aux récompenses du réseau, qui sont distribuées aux mineurs fournissant des services d'apprentissage automatique au réseau. Les récompenses du réseau sont calculées en fonction de la valeur informationnelle des services, déterminée par le métagraphique. Les récompenses du réseau sont également ajustées par un facteur de difficulté basé sur l'activité du réseau et le total des jetons mis en jeu. Le taux d'émission des jetons TAO est conçu pour suivre une courbe logarithmique, ce qui signifie que l'émission diminuera avec le temps à mesure que le réseau se développe et que la demande augmente.
• Brûlage : Le brûlage des jetons TAO est effectué via les frais de réseau, payés par les consommateurs qui accèdent aux services d'apprentissage automatique du réseau. Les frais de réseau sont calculés en fonction du coût des services, déterminé par le métagraphique. Les frais de réseau sont également ajustés par un facteur de demande, basé sur l'activité du réseau et le total des jetons en circulation. Le taux de brûlage des jetons TAO est conçu pour suivre une courbe exponentielle, ce qui signifie que le brûlage augmentera avec le temps à mesure que le réseau se développe et que l'offre diminue.

Fondateurs de Bittensor

Les fondateurs de Bittensor sont des individus talentueux qui se sont réunis pour développer et faire avancer le projet Bittensor, qui vise à révolutionner le domaine de l'apprentissage automatique et de l'intelligence artificielle. Chaque fondateur apporte son expertise unique et son expérience dans des domaines pertinents, contribuant ainsi au succès du projet. Les fondateurs sont :

• Jacob Steeves: Jacob est le PDG et co-fondateur de Bittensor. Il a une expérience dans la recherche en apprentissage automatique et a fondé Bittensor pour décentraliser l'IA. Il a travaillé précédemment pour des marques telles que Google et Knowm.
• Ala Shaabana: Ala est le co-fondateur de Bittensor. Il est titulaire d'un doctorat en apprentissage automatique. Avant de créer Bittensor, il a travaillé en tant que professeur adjoint à l'Université de Toronto, Canada.

Est-ce que Bittensor $TAO est un bon investissement ?

Bittensor $TAO est une crypto-monnaie qui alimente le réseau Bittensor, un protocole de machine learning décentralisé. $TAO est utilisé pour récompenser les nœuds qui fournissent des services de machine learning au réseau, pour sécuriser le réseau et permettre la gouvernance. $TAO a un approvisionnement plafonné de 21 millions de jetons, et l'offre et la demande du réseau déterminent son prix.

$TAO a également beaucoup de potentiel et de valeur, car il est soutenu par un projet révolutionnaire et innovant. Bittensor vise à créer un réseau mondial, décentralisé et incitatif d'apprentissage automatique pour transformer l'apprentissage automatique et l'intelligence artificielle. Bittensor a déjà montré des résultats et des réalisations prometteurs, tels que le lancement de son mainnet, attirant l'attention et l'intérêt, et recevant un soutien et un financement. Bittensor s'est également fixé des objectifs et des plans ambitieux pour l'avenir, tels que l'expansion et la diversification de son réseau, l'amélioration et l'optimisation de son réseau, et la croissance et l'engagement de sa communauté.

Par conséquent, $TAO est un bon investissement pour ceux qui croient en la vision et la mission de Bittensor, et sont prêts à prendre le risque et à conserver le jeton à long terme. Comme toujours, les investisseurs doivent faire leurs propres recherches et diligences avant d'investir dans une crypto-monnaie, et n'investir que ce qu'ils peuvent se permettre de perdre.

Comment acheter $TAO sur Gate.io

Pour acheter des jetons $TAO sur Gate.io, suivez ces étapes :

• Visitez le site Web Gate.ioet créez un compte avec votre email et mot de passe.
• Déposez des fonds sur votre compte Gate.io.
• Échangez vos fonds contre des jetons $TAO en choisissant le TAO/USDTpaire, et entrer le montant et le prix.

Agissez sur $TAO

Découvrez le prix de $XPRT aujourd'hui et commencez à échanger vos paires de devises préférées :

• TAO/USDT