Introducción

OriginTrail es un ecosistema que construye una infraestructura de conocimiento confiable para la inteligencia artificial. Su objetivo es resolver el desafío de la desinformación en la era de la IA promoviendo la capacidad de descubrimiento de la información y asegurando la fuente de la información. OriginTrail se compromete a construir una economía global sostenible mediante la organización de activos de conocimiento confiables y listos para la IA. Se basa en su gráfico de conocimiento descentralizado (DKG) único, que combina múltiples cadenas de bloques para crear valor basado en los efectos de la red. Aprovecha su gráfico de conocimiento descentralizado único y OriginTrail Parachain para proporcionar búsqueda y soluciones basadas en IA a empresas e individuos de todo el mundo. DKG le permite:

• Descubra, consulte e integre fácilmente el conocimiento de múltiples fuentes

• Comparta datos semánticos (conocimiento) de forma segura entre sistemas y aplicaciones descentralizadas

• Monetizar APIs y datos con tokens intercambiables y no intercambiables (tokens de conocimiento)

• Cree fácilmente canalizaciones de datos verificables personalizadas

• Se integra con las herramientas existentes de SSI y blockchain

OriginTrail cuenta con el apoyo y las asociaciones de organizaciones de clase mundial como la British Standards Institution, SCAN, Polkadot, Parity, Walmart, la Federación Mundial de Hemofilia, Next Generation Internet of Oracle y la Comisión Europea. Estas asociaciones ayudan a impulsar el crecimiento de la base de conocimientos de confianza de OriginTrail en industrias de billones de dólares, al tiempo que proporcionan una red de conocimientos verificable, especialmente en lo que respecta a impulsar la economía de los APR.

DKG

OriginTrail Decentralized Knowledge Graph (DKG) es una estructura de datos global y abierta compuesta por activos de conocimiento interconectados estructurados como un gráfico de conocimiento basado en RDF. Está alojado en la red descentralizada (ODN) OriginTrail, abierta y sin permisos, que combina blockchain con tecnología de gráficos de conocimiento. OriginTrail se conecta a múltiples cadenas de bloques como Ethereum, Polkadot (a través de NeuroWeb), Polygon, Gnosis y más. Funciona con el token TRAC, que se utiliza para gestionar las relaciones entre los participantes de la red DKG. Ejecutar un nodo de OriginTrail también lo convierte en uno de los colaboradores que alojan DKG y elegible para recompensas de tokens TRAC. Como desarrollador que utiliza OriginTrail DKG, puede crear y mantener activos de conocimiento que se pueden utilizar en aplicaciones Web3. También puede utilizar tecnologías estandarizadas como GS1 EPCIS, RDF/SPARQL, JSON-LD y otros estándares W3C y GS1. ¿Por qué combinar blockchain con gráficos de conocimiento? Blockchain y knowledge graph son dos tipos diferentes de redes:

-Blockchain es una red de confianza. Se ejecutan en protocolos de estado descentralizados, lo que permite un estado compartido verificable para aplicaciones como la identidad descentralizada, la tokenización de activos (NFT), las finanzas descentralizadas, la computación multipartita de confianza y más. -El grafo de conocimiento es una red semántica. Cuando a Google se le ocurrió por primera vez el término "gráfico de conocimiento", lo explicaron como "cosas, no cadenas". Los grafos de conocimiento conectan entidades semánticas altamente estructuradas y comprensibles por máquinas en una red de datos semánticos para lograr potentes funciones de datos como búsqueda, razonamiento, recomendaciones, aprendizaje automático avanzado, etc. Los grafos de conocimiento heredan el concepto de pila de tecnología de la Web Semántica (introducida como la Web 3.0 "original" por Tim Berners-Lee, el inventor de la WWW). Estas dos tecnologías se unen en el Gráfico de Conocimiento Descentralizado de OriginTrail para formar la visión específica de la Web3 Semántica: una Web semántica, centrada en los datos, confiable y propiedad del usuario.

Estructura del sistema

La pila tecnológica de OriginTrail está diseñada para llevar los activos del mundo real a la Web3, lo que permite la capacidad de descubrimiento, la verificabilidad y la conectividad de los activos físicos y digitales en un ecosistema de datos Web3 coherente. Dos requisitos clave necesarios para implementar esta infraestructura Web3 son la capacidad de garantizar la confianza a través del consenso descentralizado y aprovechar los datos semánticos y verificables de los activos para representar relaciones y características complejas del mundo real (como la propiedad, la ubicación y los antecedentes comerciales). Estos diferentes requisitos requieren los dos tipos diferentes de tecnologías mencionadas anteriormente: blockchain y gráficos de conocimiento. Blockchain es una red de confianza diseñada para permitir una computación confiable a través del consenso descentralizado, al igual que los procesadores informáticos confiables en todo el mundo. Los grafos de conocimiento, por otro lado, son redes de datos semánticos. Alimentando sistemas como Google, NASA, Amazon y más, es una estructura de datos de gráficos conectados más adecuada para representar activos complejos y sus relaciones en el mundo real. La pila de tecnología OriginTrail aprovecha al máximo la cadena de bloques y los gráficos de conocimiento al incorporarlos en dos capas de red.

En las siguientes secciones, nos sumergimos en las dos capas de tecnología y sus interacciones. Distinguimos varias subcapas de la capa DKG (capa 2):

-ODNNetwork layer, que consiste en una red peer-to-peer de nodos DKG alojados por individuos y organizaciones, implementa S/Kademlia.

-La capa ODNdata aloja datos de gráficos de conocimiento, distribuidos en instancias separadas de la base de datos de gráficos a través de la red.

-La capa de servicio implementa varios servicios básicos y de extensión, como autenticación, interfaces estándar y canalizaciones de datos.

-La capa de consenso implementa interfaces con múltiples cadenas de bloques que alojan contratos inteligentes de confianza y se utiliza para gestionar las relaciones entre nodos. También implementa protocolos sin confianza (actualmente compatibles con Ethereum, xDai Blockchain y OriginTrail NeuroWeb).

-Las capas de aplicación, incluidas las Dapps y las aplicaciones tradicionales, utilizan OriginTrail DKG como parte de su flujo de datos.

Capa de consenso multicadena Blockchain-OriginTrail

La capa de consenso de OriginTrail consiste en una cadena de bloques, que proporciona la computación confiable requerida para que DKG opere en un entorno descentralizado. Actualmente implementado en Ethereum, Gnosis Chain, Polygon y NeuroWeb, OriginTrail es un sistema multicadena capaz de integrar y conectar todos los activos nativos de las cadenas de bloques interconectadas, extendiéndose a través de gráficos de activos y aplicaciones basadas en contratos inteligentes, como mercados de datos. En la versión actual de DKG (una cadena de bloques basada en Ethereum), el ecosistema de OriginTrail está esencialmente "subcontratando" la funcionalidad de la primera capa. Con la incorporación de OriginTrail NeuroWeb, la capa de blockchain es ahora una parte integral de la pila tecnológica del ecosistema OriginTrail por primera vez. OriginTrail NeuroWeb también presenta un token nativo, NEURO, un activo de utilidad no solo para las tarifas de gas de blockchain y la gobernanza inclusiva, sino que también proporciona una forma de incentivar el crecimiento en el uso de DKG. Junto con TRAC, estos dos tokens forman la economía de tokens del ecosistema OriginTrail, impulsando los efectos de red y creando valor para todos los participantes de la red. OriginTrail se convierte así en un ecosistema con dos componentes técnicos, dos capas de red y dos tokens de utilidad. Las dos capas de la tecnología OriginTrail, la DKG (capa 2) y la capa de consenso (capa 1), pueden beneficiarse enormemente entre sí cuando están estrechamente integradas. Al utilizar OriginTrail NeuroWeb como una cadena de bloques personalizada para DKG, la pila de tecnología de OriginTrail obtiene funcionalidad adicional y mejoras significativas en escalabilidad y rendimiento.

Conceptos básicos en DKG

Knowledge Asset es un producto del Gráfico de Conocimiento Descentralizado (DKG) de OriginTrail, que combina varios componentes estandarizados de los dominios de blockchain y gráfico de conocimiento. El elemento central de DKG es el "Activo de Conocimiento", que se explica junto con otros componentes importantes a continuación.

Un activo de conocimiento es un contenedor de información valiosa que le pertenece, capaz de describir cualquier objeto físico, documento, concepto abstracto, digital o cadena. Existe dentro de un gráfico de conocimiento descentralizado, lo que facilita su descubrimiento al tiempo que garantiza la integridad de la información y la propiedad del activo de conocimiento a través de la cadena de bloques subyacente. Más precisamente, un activo de conocimiento es un recurso web identificado por un localizador unificado de activos (UAL), una extensión de la URL tradicional. Incluye:

Un gráfico de activos que contiene datos de activos de conocimiento representados en RDF, almacenados en el DKG (no en la cadena de bloques).

Registros de propiedad y pruebas inmutables: Consisten en pruebas de estado de gráficos de activos y registros de propiedad representados por tokens no fungibles almacenados en la cadena de bloques.

El gráfico de activos consta de aserciones, que representan el estado del contenido del activo. Las aserciones se almacenan en el DKG y tienen huellas dactilares cifradas para su verificación. La integridad de cada afirmación se puede verificar de forma independiente recalculando la huella digital cifrada y comparando el resultado con el registro de huellas dactilares de la cadena de bloques correspondiente. Técnicamente, una aserción se serializa utilizando N-Quads (almacenados en el DKG) y utiliza una huella digital cifrada (raíz de Merkle del gráfico N-Quads, almacenada inmutablemente en la cadena de bloques) para la verificación de la aserción. Los recursos de conocimiento pueden contener datos públicos y privados. Los datos de aserción pública se replican en la red descentralizada de OriginTrail y se ponen a disposición del público, mientras que los datos de aserción privados están contenidos en el dominio privado del propietario del activo (por ejemplo, un nodo de OriginTrail operado por el propietario del activo, como un individuo o una empresa). En general, un activo de conocimiento es una combinación de registros NFT y registros semánticos. Con el SDK de dkg.js, podrá realizar operaciones CRUD (Crear, Leer, Actualizar, Transferir) en Knowledge Assets.

Finalidad del estado

Al igual que una base de datos distribuida, OriginTrail Decentralized Knowledge Graph aplica mecanismos de replicación y requiere mecanismos para lograr un estado coherente de los activos de conocimiento en toda la red. En OriginTrail DKG, la coherencia de estado se coordina mediante una cadena de bloques que aloja pruebas de estado de activos de conocimiento, así como información de confirmación replicada de los nodos de DKG. Esto significa que los nodos de red aceptan las actualizaciones de los activos de conocimiento existentes (de forma similar a como los nodos aceptan los activos de conocimiento en el momento de la creación) y se pueden utilizar todas las operaciones de estado aceptadas. Hay tres etapas del estado de los activos de conocimiento:

• ÚLTIMO: Indica el estado del activo de conocimiento que se va a actualizar, a la espera del envío del nodo DKG. Una vez que se recibe la confirmación, el estado se transfiere a LATEST_FINALIZED.

• LATEST_FINALIZED: El estado de la última presentación aceptada por la red.

• HISTÓRICO: Cualquier estado completado previamente, identificable por su hash de estado. Resource Description Framework (RDF) es un modelo estandarizado del W3C diseñado para representar datos sobre objetos físicos y conceptos abstractos (recursos). Es un modelo que expresa las relaciones entre entidades en un formato gráfico. El esquema RDF proporciona un mecanismo para describir los recursos relacionados y sus relaciones. Es similar a los lenguajes de programación orientados a objetos, pero describe las propiedades en forma de clases de recursos. RDF implementa consultas a través del lenguaje de consulta SPARQL. Los UALs (Universal Asset Locators) son identificadores propiedad de la DKG, similares a las URL en contextos web tradicionales. UAL sigue la especificación de URL DID y se utiliza para identificar y localizar activos de conocimiento específicos en el gráfico de conocimiento descentralizado (DKG) de OriginTrail. UAL consta de 5 partes:

• Predicado did (identificador descentralizado)

• Predicado DKG (Gráfico de conocimiento descentralizado)

• identificador de cadena de bloques (otp:2043 = OriginTrail NeuroWeb Mainnet)

• dirección de la cadena de bloques (por ejemplo, la dirección del contrato inteligente NFT asociado con el activo correspondiente)

• identificador específico del contrato, como el ID del token NFT

• Componentes de consulta y fragmento.

Por ejemplo, una UAL podría verse así: didotp:2043/0x5cac41237127f94c2d21dae0b14bfefa99880630/318322. Este UAL se refiere al gráfico de conocimiento descentralizado en la red principal, con el 0x5cac41237127f94c2d21dae0b14bfefa99880630 de dirección de la cadena de bloques y el 318322 de ID del token.

Economía de tokens

El token se emitió en 2018 con un suministro total de 500.000.000 de tokens. Actualmente, hay 402.324.425 tokens en circulación, lo que representa una tasa de circulación del 80%. El precio actual del token es de 0,83 dólares USD, con el precio máximo alcanzando los 3,863 dólares el 2 de noviembre de 2021, y el punto más bajo en torno a los 0,2 dólares. Esto marca un aumento de cuatro veces en el valor. En cuanto a la distribución de tokens, la mayoría de los tokens, el 50%, se asignaron a inversores, el 18% a fundadores, el 20% a desarrollo de proyectos, el 5% a asesores de equipo y el 5% a liquidez. Esto significa que, además del 50% asignado a los inversores, el 50% restante también está en manos de su equipo, lo que plantea algunas preocupaciones sobre el método de distribución.

Conclusión

En conclusión, este proyecto puede considerarse como un proyecto profundamente involucrado en el aspecto del grafo de conocimiento de blockchain. Sin embargo, somos conscientes de que en la era de la Web2, hay muchas empresas centradas en los grafos de conocimiento. Si bien el concepto es realmente innovador, el valor de la aplicación práctica es actualmente limitado, similar al campo del big data. Para aprovechar realmente el potencial de los gráficos de conocimiento, es necesario lograr la interoperabilidad de los datos entre las industrias y extraer eficazmente el valor de los datos. Esto requiere esfuerzos acumulativos y no se puede lograr de la noche a la mañana. Sin embargo, con la acumulación gradual, los avances pueden ocurrir repentinamente, de manera similar a ChatGPT.

Además, este proyecto comenzó en 2017 y ha estado en continua transición a las últimas tendencias. Recientemente, publicó el documento técnico 3.0, lo que indica un cambio hacia la IA desde los gráficos de conocimiento, lo que parece razonable. Además, anuncia con frecuencia colaboraciones con varias empresas B2B, lo que indica una base de proyecto decente y desarrollos en curso. La única preocupación radica en la distribución de tokens, que está algo centralizada. Sin embargo, después de años de consolidación, este problema se ha mitigado un poco. En cuanto a las estrategias de tokens, se están llevando a cabo más discusiones dentro de la comunidad.

Renuncia:

1. Este artículo es una reimpresión de [书中自有大饼屋], Reenvía el título original'去中心化知识图谱龙头-OriginTrail 项目分析',Todos los derechos de autor pertenecen al autor original [Teacher Zhu321]. Si hay objeciones a esta reimpresión, comuníquese con el equipo de Gate Learn y ellos lo manejarán de inmediato.
2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.