เมื่อวันที่ 17 ตุลาคม พ.ศ. 2567 ในงาน Decentralized AI Summit ซึ่งจัดขึ้นที่ MIT Origin Trail ได้รับการยอมรับว่าเป็นโครงการ AI แบบกระจายอํานาจที่ดีที่สุด

กราฟความรู้เป็นเทคโนโลยีที่จัดระบบความรู้ในโครงสร้างที่เกี่ยวข้องระหว่างตัวแปรต่างๆ โดยแสดงความสัมพันธ์และบริบทระหว่างตัวแปรต่างๆ มันไม่เพียงแค่จัดเก็บข้อมูลและข้อมูล แต่ยังแปลงข้อมูลเหล่านั้นเป็น "ความรู้" โดยเน้นความสัมพันธ์และข้อมูลหมวดหมู่

คุณสามารถคิดเป็นกราฟความรู้เป็นประเภทของฐานข้อมูลความรู้ แต่ต่างจากฐานข้อมูลปกติโดยเน้นความสัมพันธ์และความหมายมากกว่า ตัวอย่างที่พบบ่อยที่สุดของกราฟความรู้คือ Google Knowledge Graph ที่พัฒนาโดย Google เพื่อปรับปรุงคุณภาพของเครื่องมือค้นหาของ Google แม้ผู้ใช้งานจะไม่รู้จักมัน แต่มันอาจเป็นแหล่งพลังข behind ผลการค้นหาของ Google ของพวกเขา

ในโลกที่กระจายอำนาจ เกรฟความรู้ที่มีชื่อเสียงที่สุดในโลก “decentralized” คือ Wikipedia ในฐานะแพลตฟอร์มที่เปิดเผยและมีความร่วมมือ Wikipedia ทำงานโดยกระจายแบบไม่ต้องใช้เทคโนโลยีบล็อกเชน Origin Trail อย่างไรก็ตาม นำกราฟความรู้ที่กระจายอำนาจเข้าสู่บล็อกเชนเพื่อเปิดโอกาสให้มีการผสมผสานระหว่าง AI ที่กระจายอำนาจเพื่อให้มีการให้ความโปร่งใส ติดตามได้ และยืนยันได้

NeuroWeb ที่ถูกสร้างขึ้นโดย Origin Trail เป็นพาราเชนในนิเวศ Polkadot กิจกรรมบนเชืองจะกำลังเจริญเติบโตอย่างรวดเร็ว ตามข้อมูลบนเชืองจาก The Block พาราเชนของ Polkadot ได้ตลอดเวลาที่ทำรายการมากกว่ากิจกรรมการทำธุรกรรมแบบบล็อกๆ ซึ่ง NeuroWeb มีส่วนร่วมถึง 70% ของปริมาณการทำธุรกรรม (ตั้งแต่เดือนตุลาคม)

แหล่งที่มา

Origin Trail เปิดตัวในปี 2017 เป็นโครงการบล็อกเชนที่จัดตั้งขึ้น แต่มันพบความเกี่ยวข้องในสาขาที่ร้อนแรงของ AI ได้อย่างไร? บทความนี้แนะนําสิ่งที่ Origin Trail คือความสัมพันธ์กับ NeuroWeb แนวคิดของการขุดความรู้ศักยภาพในอนาคตของโครงการกิจกรรมที่สําคัญใน Polkadot parachains และโทเค็นที่เกี่ยวข้อง $ TRAC และ $NEURO

การประยุกต์ใช้ในโลกจริงของกราฟความรู้ที่แยกต่างหาก

หากคุณรู้สึกว่าแนวคิดของกราฟความรู้แบบกระจายนั้นมีลักษณะที่น่าสะพรึงกลัวหรือยากต่อการมองเห็น โปรดพิจารณาตัวอย่างในโลกจริงนี้ที่เกี่ยวข้องกับความร่วมมือกับบริษัทรถไฟ

https://x.com/BranaRakic/status/1831225441467629734

อุบัติเหตุของการเกิดอุบัติเหตุรถไฟเกิดขึ้นล่าสุดในยุโรปเกิดจากการล้มละลายของล้อที่ไม่ได้ตรวจจับล่วงหน้า ด้วยการรวมกราฟความรู้ที่มีการกระจายตัวไปทำงานร่วมกับเทคโนโลยีบล็อกเชน ข้อมูลจากแหล่งข้อมูลหลายแห่งสามารถรวมกันและส่งมอบให้กับ AI เพื่อตรวจจับความผิดปกติแบบเรียลไทม์ ซึ่งอาจป้องกันอุบัติเหตุเช่นนี้ได้

ทำไมการกระจายอำนาจนั้นมีข้อดีในประเภทแอปพลิเคชันนี้? เพราะว่ามันมีความปลอดภัย ทนทาน และไร้ความเชื่อมั่นมากกว่า

วิธีเดียวกันยังสามารถนำไปใช้ในด้านอวกาศ ยานยนต์ การป้องกัน การก่อสร้าง และอื่นๆ โดยมีศักยภาพมากในการใช้งานในอนาคต

ภาพรวมของ Origin Trail

การแนะนำแก่กราฟความรู้ที่มีการกระจายอำนาจของ Origin Trail (DKG)

Origin Trail เป็นโครงการที่มีอยู่นานและมีสถาปัตยกรรมและนิเวศที่กว้างขวางมาก ทำให้เป็นงานที่ท้าทายในการสรุปโดยกระชับ มาเริ่มต้นด้วยขั้นตอนละก้าวละก้าวกันเถอะ

การเดินทางในการพัฒนาของ Origin Trail

Origin Trail เริ่มต้นโดยที่เป็นโซลูชันสำหรับโซลูชันในการจัดการโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซลูชันโซ

พาร์ทเนอร์ทางธุรกิจของ Origin Trail รวมถึงบริษัทสถาบันมาตรฐานของสหรัฐอังกฤษ (BSI), Swiss Federal Railways (SBB), GS1 (องค์กรบาร์โค้ดระหว่างประเทศ), และ Supplier Compliance Audit Network (SCAN) ที่รวมถึง Costco, Walmart, Target และร้านค้าระดับโลกอื่น ๆ ในการประยุกต์ใช้เครื่องตรวจสอบการนำเข้าสินค้าสำหรับสินค้าเหล้า, สารเคมีทางยา, ผลิตภัณฑ์ทางการเกษตร, การติดตามเนื้อสัตว์, และการตรวจจับความผิดปกติของชิ้นส่วนรถไฟอย่างเดียว ๆ ในยุโรปเป็นหลัก

กรณีที่เกี่ยวข้องสามารถดูได้ที่นี่

ด้วยการพัฒนา AI กราฟความรู้แบบกระจายอํานาจของ Origin Trail ได้เชื่อมต่อข้อมูลและข้อมูลเพิ่มเติม ในปี 2024 เอกสารไวท์เปเปอร์ฉบับที่สามได้รับการเผยแพร่โดยมีเป้าหมายเพื่อเป็นเครือข่ายความรู้ที่ตรวจสอบได้สําหรับ AI สิ่งนี้สามารถเข้าใจได้ว่าเป็นเลเยอร์ความรู้แบบกระจายอํานาจสําหรับ AI ซึ่งให้ความรู้ที่ตรวจสอบย้อนกลับและตรวจสอบได้

ในเดือนตุลาคม พ.ศ. 2567 ที่มหา'ลัยเอ็มไอที มีการประชุมสุดยอดด้าน AI ที่มีผู้เข้าร่วมระดับสูงเช่น Dell, Intel และ Nvidia Origin Trail ได้รับการโหวตโดยผู้เข้าร่วมในฐานะโครงการ AI ที่ดีที่สุด

ผลิตภัณฑ์หลักของ Origin Trail

ทรัพยากรความรู้

ทรัพยากรความรู้แต่ละรายการถูกแทนที่เป็น NFT ซึ่งสามารถติดตามและตรวจสอบได้โดยใช้บล็อกเชน

เบราว์เซอร์สินทรัพย์ความรู้: DKG Explorer

ช่วยให้ผู้ใช้สามารถค้นหาทรัพยากรความรู้ทั้งหมดภายในฐานข้อมูลได้

ชาตบอทที่ใช้ LLM: ChatDKG

แชทบอทที่ตอบคําถามตามความรู้ที่มีอยู่ใน DKG เท่านั้น ปัจจุบันขอบเขตถูก จํากัด ไว้ที่โดเมนเฉพาะภายในกราฟความรู้ดังนั้นจึงไม่สามารถตอบคําถามในชีวิตประจําวันส่วนใหญ่ได้

บอททวิตเตอร์: ChatDKG

ผู้ใช้สามารถสั่งคำสั่งได้โดยใช้แท็กบอท ตัวอย่างเช่น:

/ask @ChatDKG ทำไม Origin Trail เป็นโครงการ AI ที่ดีที่สุด?

(คำสั่งสามารถปรับเปลี่ยนได้ตามคำถาม)

หมายเหตุ: การตอบสนองของแชทบอทถูกจำกัดไว้ที่ข้อมูลภายในกราฟความรู้ของ Origin Trail

สถาปัตยกรรมเทคนิคของ Origin Trail

ยกเว้นชั้นแอปพลิเคชัน Origin Trail นำระบบสถาปัตยกรรมชั้นคู่ ประกอบด้วยบล็อกเชน NeuroWeb เป็นชั้นแรกและเครือข่ายความรู้ภาคกลางเป็นชั้นที่สอง

กราฟความรู้ที่ไม่มีความเชื่อมต่อ (DKG) ทำงานเป็นเครือข่ายโหนดที่ไม่มีความเชื่อมต่อที่ทำงานนอกเหนือจากเชื่อมต่อบล็อกเชนหลายราย เช่น Gnosis, NeuroWeb และ Base

Knowledge ใน DKG คืออะไร? ความรู้รวมถึงข้อมูล ข้อมูลที่สื่อความหมายและความสัมพันธ์ ความรู้เหล่านี้ถูกเก็บรักษาในเครือข่ายโหนด DKG (อยู่นอกเชือง) แฮชข้อมูลที่เข้ารหัสถูกอัปโหลดลงบล็อกเชน เพื่อสร้างตัวระบุสินทรัพย์ที่ไม่ซ้ำกัน (UAL) ตัวระบุสินทรัพย์ที่ไม่ซ้ำกันที่อยู่บนบล็อกเชนทำหน้าที่เป็นลิงก์ภายในบล็อกเชน โดยแต่ละตัวระบุสินทรัพย์ที่ไม่ซ้ำกันจะสอดคล้องกับเซ็ตของความรู้ที่เฉพาะเจาะจง

DKG เป็นเครือข่ายโหนดแบบเปิดที่ไม่ได้รับอนุญาตและกระจายอํานาจ ทุกคนสามารถเป็นโหนดได้โดยการปักหลักโทเค็น $TRAC ความรู้ภายในเครือข่ายสามารถกําหนดให้เป็นสาธารณะ (แชร์ในทุกโหนด) หรือส่วนตัว (โฮสต์โดยโหนดเฉพาะ)

การเป็นโหนด: การเป็นโหนดต้องใช้การเป็นเจ้าของ $TRAC โทเค็น

ธุรกรรมความรู้: การเพิ่มความรู้ในเครือข่ายเกี่ยวข้องกับการชำระเงินด้วย $TRAC โทเค็น

สถาปัตยกรรมสองชั้นที่เรียบง่ายขึ้น:

• Knowledge Layer (DKG):
  • เครือข่ายโหนดที่ไม่มีกฏหมายที่เก็บรักษาและจัดการความรู้
  • รองรับการบูรณาการกับบล็อกเชนหลายรูปแบบ
  • $TRAC เป็นโทเค็นหลักสำหรับชั้นนี้ ใช้สำหรับการสร้างและบริหารจัดการความรู้และสำหรับการจำนำโหนด
• ชั้นข้อมูลบล็อกเชน (NeuroWeb):
  • บล็อกเชนชั้นที่ 1 ที่รองรับ Polkadot
  • สะดวกในการดำเนินการ เช่น การสร้างพิสูจน์ที่เข้ารหัสและการสร้างแฮชสำหรับความรู้
  • ใช้ตัวโทเค็น $NEURO สำหรับรางวัลการขุดความรู้ ค่าธรรมเนียมแก๊ส และการปกครอง

Knowledge Mining คืออะไร?

การขุดความรู้สร้างสิทธิ์ในการมีส่วนร่วมกับ DKG โดยการรางวัลผู้ใช้ด้วยเหรียญ $NEURO ในขณะที่การเพิ่มความรู้ใน DKG ต้องใช้ $TRAC รางวัลผู้ใช้ด้วยเหรียญ $NEURO เพื่อเพิ่มความมั่งคั่งในเครือข่าย คล้ายกับการสร้างกรอบข้อมูลใน Wikipedia

ขั้นตอนสี่ของการขุดความรู้:

1. การค้นพบ:ระบุช่องว่างในความรู้ที่มีค่า
2. การเผยแพร่:แบ่งปันความรู้ที่เป็นประโยชน์เพื่อสร้างสะพานเชื่อมต่อช่องว่างเหล่านี้
3. เพิ่มคุณค่า:ปรับปรุงและใช้ความรู้ (เช่นการอ้างอิง ความถี่ของการใช้)
4. การตรวจสอบ:ระบบประเมินคุณภาพและยืนยันความรู้

ในปัจจุบัน การขุดเหมืองความรู้ต้องการทักษะในการเขียนโปรแกรมบ้าง สำหรับข้อมูลเพิ่มเติม โปรดอ้างถึงเอกสารประกอบการอย่างเป็นทางการ การพัฒนาในอนาคตอาจรวมถึงกิจกรรมที่ใช้งานง่ายสำหรับผู้ใช้ เช่น การขุดผ่าน@ChatDKGบอตทวิตเตอร์. อัปเดตโดยการติดตามบัญชีทวิตเตอร์อย่างเป็นทางการ

$TRAC และ $NEURO โทเค็น: ส่งออกและการซื้อ

วิธีการซื้อ $ TRAC

จำนวนสุทธิของ $TRAC คือ 500 ล้านโทเค็น โดยมี 400 ล้าน (80%) อยู่ในการแพร่กระจายในปัจจุบัน โทเค็นเหล่านี้ถูกกระจายในห้าโซน: Ethereum, Gonsis, Polygon, Base, และ NeuroWeb ที่อยู่ของสัญญาสามารถพบได้ [ที่นี่].

คุณสามารถซื้อ $ TRAC ในการแลกเปลี่ยนต่อไปนี้หรือโดยตรงในห่วงโซ่ดังกล่าวข้างต้น:

วิธีการซื้อ $NEURO

จำนวนโทเคน $NEURO ทั้งหมดเป็น 1 พันล้านตัว โดยเริ่มต้นมีการเปิดตัวโทเคนครึ่งหนึ่งเท่านั้น ในขณะเดียวกันครึ่งหนึ่งที่เหลือจะถูกปลดล็อคเรื่อย ๆ ผ่านการรับรางวัลบล็อก ปัจจุบันมีการแพร่หลายอยู่ทั่วโลก 548 ล้านโทเคนโดยส่วนใหญ่แพร่หลายบนเครือข่าย Base, NeuroWeb และ Moonbeam
ช่องทางการซื้อที่แนะนำอย่างเป็นทางการ ได้แก่:

• MEXC / แลกเปลี่ยน Gate.io
• Stellaswap DEX บน Moonbeam

สรุป: OriginTrail เป็นเลเยอร์ความรู้แบบกระจายอํานาจสําหรับ AI

การพัฒนาของ AI ที่รวดเร็วในปีหลังนี้นั้นมีความสำคัญมาก แต่ก็ยังเพิ่มความกังวลเกี่ยวกับความเสี่ยงที่เกิดขึ้นจาก AI ที่มีลักษณะที่เป็นศูนย์กลาง อย่างไรก็ตาม โชคดีที่มีโครงการ AI ที่มีลักษณะที่เป็นกระจายกำลังถูกพัฒนาอยู่ บางส่วนได้รับการนำเสนอมาแล้วโดย CryptoWesearch

OriginTrail เป็นกราฟความรู้ที่ไม่มีศูนย์กลางที่ให้มีการติดตามและยืนยันความรู้ที่ผสมผสานกับบริบทที่เกี่ยวข้องทางความสัมพันธ์และความหมายสำหรับ AI ซึ่งแก้ไขปัญหาความโปร่งใสของแหล่งข้อมูลในระบบ AI ที่มีศูนย์กลาง โดยตั้งตำแหน่ง OriginTrail เป็นโครงการร่วมมือสำหรับการใช้งาน AI

ในขณะที่เอกสาร Whitepaper ได้ผ่านการปรับปรุงเวอร์ชันทั้งหมด 3 รุ่น แต่นี้เป็นการเข้าใจได้ว่ามีการเปลี่ยนแปลงแนวทางบ่อยครั้ง โครงการเริ่มต้นด้วยข้อมูลซัพพลายเชนบนเชื่อมต่อ ขยายไปสู่การมีทรัพย์สินบนเชื่อมต่อที่หลากหลายมากขึ้น และพัฒนาเป็นชั้นความรู้เพื่อการทำงานร่วมกันสำหรับ AI

ตลอดการพัฒนา AI การอภิปรายเกี่ยวกับความเป็นส่วนตัวของข้อมูล ความ๏เปิดเผยต้นทางของข้อมูล ความ๏เปิดเผยกระบวนการอินเฟอเรนซ์ และความสามารถในการทำให้เชื่อถือได้มีอยู่ตลอดเวลา กราฟความรู้ที่แยกออกมา (decentralized knowledge graph) สามารถที่จะตอบสนองกับปัญหาเหล่านี้ได้ โดย OriginTrail ที่เชื่อมโยงกับการแก้ไขสายพันธุ์ทางการค้ามีความรุ่นเร่อแล้วในเชิงโดเมน มีการสะสมผลประโยชน์มากมายในสวนทางเซียนเฉพาะไปอย่างยาวนาน ทั้งนี้แล้วที่มาพร้อมกับเครือข่ายกว้างขวางของการทำงานร่วมกันของบริษัท ดังนั้นการพัฒนาในอนาคตของมันเป็นไปในทิศทางที่มีความเชื่อถือมาก

คำปฏิเสธ:

1. บทความนี้ถูกโพสต์ซ้ำจาก [คริปโทเวร์เซอร์ช]. ลิขสิทธิ์เป็นของผู้เขียนเริ่มต้น [東東] หากมีข้อตรงข้อบกพร่องในการโพสต์โปรดติดต่อเกตเรียนทีมงานจะดูแลมันอย่างรวดเร็ว
2. คำแนะนำในการรับผิดชอบ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นสิ่งที่เฉพาะเจาะจงเจ้าของและไม่ใช่คำแนะนำในการลงทุน
3. ทีมงาน Gate Learn แปลบทความเป็นภาษาอื่น ๆ การคัดลอก การกระจายหรือการลอกเลียนแบบบทความที่แปลนั้นถูกห้าม ยกเว้นที่ได้รับอนุญาต