Em 17 de outubro de 2024, na Cimeira de IA Descentralizada realizada no MIT, o Origin Trail foi reconhecido como o melhor projeto de IA descentralizada.

Um grafo de conhecimento é uma tecnologia que organiza o conhecimento em uma estrutura relacional, representando as relações e o contexto entre várias entidades. Ele não apenas armazena dados e informações, mas também os transforma em “conhecimento”, enfatizando conexões e informações semânticas.

Você pode pensar em um grafo de conhecimento como um tipo de banco de dados de conhecimento, mas ao contrário de bancos de dados regulares, ele se concentra mais em relacionamentos e semântica. Um dos exemplos mais comuns de um grafo de conhecimento é o Google Knowledge Graph, que foi desenvolvido pelo Google para melhorar a qualidade de seu mecanismo de busca. Mesmo que os usuários não estejam cientes de sua existência, é provável que ele alimente os resultados por trás de suas pesquisas no Google.

No mundo descentralizado, o grafo de conhecimento "descentralizado" mais conhecido é a Wikipedia. Como uma plataforma de código aberto e colaborativa, a Wikipedia opera de forma distribuída. No entanto, a Wikipedia não usa tecnologia blockchain. Por outro lado, o Origin Trail traz grafos de conhecimento descentralizados para a blockchain, permitindo integração perfeita com IA descentralizada para oferecer conhecimento transparente, rastreável e verificável.

NeuroWeb, criado pela Origin Trail, é uma parachain no ecossistema Polkadot. Sua atividade on-chain está experimentando um crescimento rápido. De acordo com dados on-chain da The Block, as parachains Polkadot têm consistentemente quebrado recordes de atividade de transação, com NeuroWeb representando 70% do volume de transação (em outubro).

fonte

Origin Trail, lançado em 2017, é um projeto blockchain estabelecido. Mas como encontrou relevância no campo fervilhante da IA? Este artigo apresenta o que é o Origin Trail, sua relação com a NeuroWeb, o conceito de mineração de conhecimento, o potencial futuro do projeto, sua atividade significativa nas parachains do Polkadot e seus tokens associados, $TRAC e $NEURO.

Aplicações do mundo real de grafos de conhecimento descentralizados

Se o conceito de grafos de conhecimento descentralizados parecer abstrato ou difícil de imaginar, considere este exemplo do mundo real envolvendo uma parceria com empresas ferroviárias:

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

Um recente descarrilamento de comboio na Europa foi causado por uma falha na roda que não foi detetada antecipadamente. Ao integrar gráficos de conhecimento descentralizados com tecnologia blockchain, os dados de múltiplas fontes de informação podem ser consolidados e entregues à IA para deteção de anomalias em tempo real, potencialmente prevenindo tais acidentes.

Por que a descentralização tem uma vantagem neste tipo de aplicação? Porque é mais seguro, resiliente e sem confiança.

A mesma abordagem também pode ser aplicada em áreas como aeroespacial, automotiva, defesa, construção e outras, oferecendo um potencial significativo para casos de uso futuros.

Visão geral do Origin Trail

Introdução ao Grafo de Conhecimento Descentralizado (DKG) da Origin Trail

Origin Trail é um projeto de longa data com uma arquitetura e ecossistema amplos, o que torna desafiador resumir de forma sucinta. Vamos dividi-lo passo a passo.

Jornada de Desenvolvimento da OriginTrail

A Origin Trail inicialmente serviu como solução de cadeia de suprimentos, utilizando a tecnologia blockchain para melhorar questões de gerenciamento de cadeia de suprimentos. Esse foi o principal direcionamento proposto na primeira versão de seu whitepaper. Posteriormente, descobriu-se que mais dados, incluindo ativos do mundo real, NFTs e outros, poderiam ser integrados, mudando em direção ao Web3 e lançando sua própria parachain Polkadot, a Origin Trail Parachain.

Os parceiros corporativos da Origin Trail incluem a British Standards Institution (BSI), os Caminhos de Ferro Federais Suíços (SBB), a GS1 (organização internacional de códigos de barras) e a Rede de Auditoria de Conformidade de Fornecedores (SCAN), que inclui Costco, Walmart, Target e outros varejistas conhecidos. As aplicações incluíram inspeções de importação de mercadorias, ingredientes de uísque, produtos farmacêuticos, produtos agrícolas e rastreamento de carne, e até mesmo detecção de anomalias em componentes ferroviários, principalmente na Europa.

Os casos relevantes podem ser visualizados aqui.

Com o desenvolvimento da IA, o gráfico de conhecimento descentralizado da Origin Trail conectou mais dados e informações. Em 2024, foi lançada a terceira versão do whitepaper, visando se tornar uma rede de conhecimento verificável para a IA. Isso pode ser entendido como uma camada de conhecimento descentralizada para a IA, fornecendo conhecimento rastreável e verificável.

Em outubro de 2024, na Cimeira de IA realizada no MIT, os participantes incluíram empresas proeminentes como Dell, Intel e Nvidia. O Origin Trail foi eleito pelos participantes como o Melhor Projeto de IA.

Principais Produtos da Origin Trail

Ativos de Conhecimento

Cada ativo de conhecimento é representado como um NFT, que pode ser rastreado e verificado usando blockchain.

Navegador de Ativos de Conhecimento: Explorador DKG

Permite aos usuários pesquisar todos os ativos de conhecimento dentro do banco de dados.

Chatbot alimentado por LLM: ChatDKG

Um chatbot que responde a perguntas com base apenas no conhecimento contido dentro do DKG. Atualmente, seu escopo é limitado a domínios específicos dentro do grafo de conhecimento, então não pode responder à maioria das perguntas do dia a dia.

Bot do Twitter:ChatDKG

Os utilizadores podem enviar comandos marcando o bot. Por exemplo:

/ask @ChatDKG Por que o Origin Trail é o melhor projeto de IA?

(O comando pode ser modificado com base na pergunta.)

Nota: As respostas do chatbot estão limitadas à informação contida no gráfico de conhecimento da Origin Trail.

Arquitetura Técnica do Origin Trail

Excluindo a camada de aplicação, o Origin Trail adota uma arquitetura de duas camadas, composta pela NeuroWeb blockchain como primeira camada e pela Rede Descentralizada de Conhecimento como segunda camada.

O Decentralized Knowledge Graph (DKG) opera como uma rede de nós descentralizada que funciona off-chain. Integra-se com várias blockchains, como Gnosis, NeuroWeb e Base.

O que é Conhecimento em DKG? O conhecimento engloba dados, informações, semântica e relacionamentos. Esse conhecimento é armazenado principalmente na rede do nó DKG (off-chain). Um hash criptografado dos dados é carregado para o blockchain, gerando um Universal Asset Locator (UAL) exclusivo. Um UAL atua como um hiperlink baseado em blockchain, com cada UAL correspondendo a um conjunto específico de conhecimento.

O DKG é uma rede de nós aberta, sem permissão e descentralizada. Qualquer pessoa pode tornar-se um nó ao apostar tokens $TRAC. O conhecimento dentro da rede pode ser designado como público (partilhado entre todos os nós) ou privado (hospedado por nós específicos).

Staking de Nó: Tornar-se um nó requer o staking de tokens $TRAC.

Transações de conhecimento: Adicionar conhecimento à rede envolve o pagamento de tokens $TRAC.

Arquitetura de duas camadas simplificada:

• Camada de Conhecimento (DKG):
  • A rede de nós descentralizada onde o conhecimento é armazenado e gerenciado.
  • Suporta integração com várias blockchains.
  • $TRAC serve como o token principal para essa camada, usado para gerar e gerenciar conhecimento e para apostas de nós.
• Camada Blockchain (NeuroWeb):
  • Uma blockchain de camada 1 suportada pela Polkadot.
  • Facilita operações como provas criptografadas e geração de hash para conhecimento.
  • Utiliza o token $NEURO para recompensas de mineração de conhecimento, taxas de gás e governança.

O que é a Mineração de Conhecimento?

A mineração de conhecimento incentiva contribuições para o DKG, recompensando os usuários com tokens $NEURO. Embora adicionar conhecimento ao DKG exija $TRAC, os contribuidores são recompensados com $NEURO para enriquecer a rede, semelhante a incentivar entradas na Wikipedia.

Quatro etapas de mineração de conhecimento:

1. Descoberta:Identificar lacunas de conhecimento com valor potencial.
2. Publicação:Compartilhar conhecimento útil para preencher essas lacunas.
3. Enriquecimento:Melhorar e aplicar o conhecimento (por exemplo, referências, frequência de uso).
4. Validação:O sistema avalia a qualidade e confirma o conhecimento.

Atualmente, a mineração de conhecimento requer algumas habilidades de programação. Para mais informações, consulte a documentação oficial. Os desenvolvimentos futuros podem incluir atividades amigáveis para o usuário, como a mineração através do @ChatDKGbot do Twitter. Mantenha-se atualizado seguindo a conta oficial do Twitter.

Tokens $TRAC e $NEURO: Fornecimento e Compra

Como comprar $TRAC

O fornecimento total de $TRAC é de 500 milhões de tokens, com 400 milhões (80%) atualmente em circulação. Esses tokens estão distribuídos em cinco cadeias: Ethereum, Gonsis, Polygon, Base e NeuroWeb. Os endereços do contrato podem ser encontrados [aqui].

Você pode comprar $TRAC nas seguintes bolsas ou diretamente nas cadeias acima mencionadas:

Como comprar $NEURO

O fornecimento total de $NEURO é de 1 bilhão de tokens. Inicialmente, apenas metade dos tokens é lançada, enquanto a outra metade será gradualmente desbloqueada por meio de recompensas em bloco. Atualmente, o fornecimento circulante é de 548 milhões de tokens, principalmente circulando nas cadeias Base, NeuroWeb e Moonbeam. \
Os canais de compra oficialmente recomendados incluem:

• MEXC / exchanges Gate.io
• Stellaswap DEX na Moonbeam

Resumo: OriginTrail como uma Camada de Conhecimento Descentralizada para a Inteligência Artificial

O rápido desenvolvimento da IA nos últimos anos tem sido notável, mas também levanta preocupações sobre os riscos da IA centralizada. Felizmente, muitos projetos de IA descentralizada estão em desenvolvimento, alguns dos quais foram introduzidos anteriormente pela CryptoWesearch.

OriginTrail, como um grafo de conhecimento descentralizado, fornece conhecimento rastreável e verificável integrado com contexto relacional e semântico para IA. Isso aborda problemas de transparência da fonte de dados em sistemas de IA centralizados, posicionando o OriginTrail como um projeto colaborativo para aplicações de IA.

Embora o whitepaper tenha passado por três versões, isso reflete uma abordagem iterativa em vez de mudanças direcionais frequentes. O projeto começou com dados da cadeia de suprimentos on-chain, se estendeu a uma gama mais ampla de ativos on-chain e evoluiu para uma camada de conhecimento colaborativa para IA.

Ao longo do desenvolvimento da IA, as discussões sobre privacidade de dados, transparência da fonte de dados, transparência do processo de inferência e verificabilidade persistiram. Um gráfico de conhecimento descentralizado pode abordar essas questões. A OriginTrail, enraizada em soluções de cadeia de suprimentos, acumulou uma riqueza de conhecimento on-chain em campos específicos ao longo dos anos. Combinado com sua extensa rede de colaborações empresariais, seu desenvolvimento futuro é altamente promissor.

Declaração de exoneração de responsabilidade:

1. Este artigo foi republicado a partir de [cryptowesearch]. Os direitos autorais pertencem ao autor original [東東]. Se houver alguma objeção à republicação, entre em contato com o Gate Aprenderequipa, e eles vão tratar disso prontamente.
2. Aviso de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem um conselho de investimento.
3. A equipe do Gate Learn traduziu o artigo para outros idiomas. Copiar, distribuir ou plagiar os artigos traduzidos é proibido, a menos que mencionado.