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

Um gráfico 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 gráfico 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 gráfico de conhecimento encontrado 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, provavelmente ele alimenta os resultados por trás de suas pesquisas no Google.

No mundo descentralizado, o gráfico de conhecimento "descentralizado" mais conhecido é a Wikipédia. Como uma plataforma colaborativa de código aberto, a Wikipédia opera de forma distribuída. No entanto, a Wikipédia não usa a tecnologia blockchain. O Origin Trail, por outro lado, traz gráficos de conhecimento descentralizados para o blockchain, permitindo a 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 do The Block, as parachains da Polkadot têm consistentemente quebrado recordes de atividade de transação, com a NeuroWeb respondendo por 70% do volume de transações (até outubro).

fonte

Origin Trail, lançado em 2017, é um projeto blockchain estabelecido. Mas como ele encontrou relevância no campo vermelho-quente da IA? Este artigo apresenta o que é o Origin Trail, sua relação com NeuroWeb, o conceito de mineração de conhecimento, o potencial futuro do projeto, sua atividade significativa em Polkadot parachains 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 visualizar, considere este exemplo do mundo real envolvendo uma parceria com empresas ferroviárias:

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

Um recente descarrilamento de trem na Europa foi causado por uma falha na roda que não foi detectada antecipadamente. Ao integrar grafos de conhecimento descentralizados com tecnologia blockchain, dados de múltiplas fontes de informação podem ser consolidados e repassados para a IA para detecção de anomalias em tempo real, potencialmente evitando tais acidentes.

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

A mesma abordagem também pode ser aplicada em campos como aeroespacial, automotivo, defesa, construção e muito mais, oferecendo um potencial significativo para casos de uso futuros.

Visão Geral da Origin Trail

Introdução ao Gráfico 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 dividir em etapas.

Jornada de Desenvolvimento do Origin Trail

Origin Trail inicialmente atuava como uma solução de cadeia de suprimentos, utilizando a tecnologia blockchain para melhorar os problemas de gerenciamento da cadeia de suprimentos. Essa foi a principal direção proposta na primeira versão de seu whitepaper. Posteriormente, descobriu-se que mais dados, incluindo ativos do mundo real, NFTs e outros, poderiam ser integrados, mudando para o Web3 e lançando sua própria parachain Polkadot, Origin Trail Parachain.

Os parceiros corporativos da Origin Trail incluem a British Standards Institution (BSI), a Swiss Federal Railways (SBB), a GS1 (a organização internacional de código de barras) e a Supplier Compliance Audit Network (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 de componentes ferroviários, principalmente na Europa.

Casos relevantes podem ser vistos aqui.

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

Em outubro de 2024, no AI Summit realizado no MIT, os participantes incluíram empresas proeminentes como Dell, Intel e Nvidia. Origin Trail foi votado 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 perguntas baseadas exclusivamente no conhecimento contido no DKG. Atualmente, seu escopo é limitado a domínios específicos dentro do grafo de conhecimento, então ele não pode responder a maioria das perguntas do dia a dia.

Twitter Bot:ChatDKG

Os usuários podem emitir comandos marcando o bot. Por exemplo:

/pergunte @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 são limitadas às informações contidas no grafo de conhecimento da Origin Trail.

Arquitetura técnica do Origin Trail

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

O Grafo de Conhecimento Descentralizado (DKG) opera como uma rede de nós descentralizada que funciona off-chain. Ele se integra a múltiplas blockchains, como Gnosis, NeuroWeb e Base.

O que é Conhecimento em DKG? Conhecimento engloba dados, informações, semântica e relacionamentos. Esse conhecimento é armazenado principalmente na rede de nós DKG (off-chain). Um hash criptografado dos dados é enviado para o blockchain, gerando um Localizador de Ativo Universal (UAL) único. Um UAL funciona como um hiperlink baseado em blockchain, sendo que cada UAL corresponde a um conjunto específico de conhecimento.

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

Staking de nós: Tornar-se um nó requer o bloqueio de tokens $TRAC.

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

Arquitetura de duas camadas simplificada:

• Knowledge Layer (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 staking de nós.
• Camada Blockchain (NeuroWeb):
  • Uma blockchain de camada 1 suportada pelo Polkadot.
  • Facilita operações como provas criptografadas e geração de hash para conhecimento.
  • Usa o token $NEURO para recompensas de mineração de conhecimento, taxas de gás e governança.

O que é 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 contribuintes são recompensados com $NEURO para enriquecer a rede, semelhante à forma de incentivar as entradas da Wikipedia.

Quatro etapas da mineração de conhecimento:

1. Descoberta:Identificar lacunas de conhecimento com potencial de valor.
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 obter mais informações, consulte a documentação oficial. Os desenvolvimentos futuros podem incluir actividades de fácil utilização, tais como a exploração mineira através do @ChatDKGbot do TwitterMantenha-se atualizado seguindo a conta oficial do Twitter.

$TRAC e $NEURO Tokens: Fornecimento e Compra

Como comprar $TRAC

A oferta total de $TRAC é de 500 milhões de tokens, com 400 milhões (80%) atualmente em circulação. Esses tokens são distribuídos em cinco cadeias: Ethereum, Gonsis, Polygon, Base e NeuroWeb. Os endereços dos contratos 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 liberada, enquanto a metade restante será gradualmente desbloqueada por meio de recompensas de bloco. Atualmente, o fornecimento circulante é de 548 milhões de tokens, principalmente circulando nas cadeias Base, NeuroWeb e Moonbeam. \
Canais de compra oficialmente recomendados incluem:

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

Resumo: OriginTrail como uma Camada de Conhecimento Descentralizada para a IA

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 pelo 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 a 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 frequentes de direção. O projeto começou com dados de cadeia de suprimentos on-chain, estendeu-se para uma ampla gama de ativos on-chain e evoluiu ainda mais para uma camada de conhecimento colaborativo 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.

Isenção de responsabilidade:

1. Este artigo foi republicado de [criptopesquisa]. Os direitos autorais pertencem ao autor original [東東]. Se houver alguma objeção à republicação, por favor entre em contato com o Gate Aprenderequipe e eles vão cuidar disso prontamente.
2. Isenção de responsabilidade: Os pontos de vista e opiniões expressos neste artigo são exclusivamente do autor e não constituem aconselhamento de investimento.
3. A equipe do Gate Learn traduziu o artigo para outros idiomas. É proibida a cópia, distribuição ou plágio dos artigos traduzidos, a menos que mencionado.