في 17 أكتوبر 2024، خلال قمة الذكاء الاصطناعي المتميزة التي عقدت في معهد التكنولوجيا بالتخصص، تم التعرف على Origin Trail كأفضل مشروع ذكاء اصطناعي لامركزي.

الرسم البياني للمعرفة هو تقنية تنظم المعرفة في هيكل علاقي، ممثلة العلاقات والسياق بين الكيانات المختلفة. فهو لا يقوم بتخزين البيانات والمعلومات فقط، بل يقوم أيضًا بتحويلها إلى 'معرفة'، مع التركيز على الاتصالات والمعلومات الدلالية.

يمكنك التفكير في رسم العلاقات المعرفية على أنه نوع من قواعد البيانات المعرفية، ولكن على عكس القواعد البيانات العادية، يركز أكثر على العلاقات والدلالات. واحدة من الأمثلة الأكثر شيوعًا على رسم العلاقات المعرفية هي رسم العلاقات المعرفية في جوجل، الذي تم تطويره من قبل جوجل لتحسين جودة محرك البحث الخاص بها. حتى لو لم يكون المستخدمون على علم بوجوده، فمن المحتمل أنه يقوم بتشغيل النتائج خلف عمليات بحثهم في جوجل.

في العالم اللامركزي ، الرسم البياني المعرفي "اللامركزي" الأكثر شهرة هو ويكيبيديا. كمنصة تعاونية مفتوحة المصدر ، تعمل ويكيبيديا بطريقة موزعة. ومع ذلك ، لا تستخدم ويكيبيديا تقنية blockchain. من ناحية أخرى ، يجلب Origin Trail الرسوم البيانية للمعرفة اللامركزية على blockchain ، مما يتيح التكامل السلس مع الذكاء الاصطناعي اللامركزية لتقديم معرفة شفافة ويمكن تتبعها ويمكن التحقق منها.

نيوروويب، الذي تم إنشاؤه بواسطة أوريجين تريل، هو باراشين في نظام بولكادوت. تشهد نشاطه على السلسلة الفعلية نموا سريعا. وفقًا لبيانات السلسلة الفعلية من ذا بلوك، فإن باراشينات بولكادوت قد تكسرت باستمرار لنشاط المعاملات، ونيوروويب يمثل 70% من حجم المعاملات (حتى أكتوبر).

مصدر

أوريجين تريل، التي تم إطلاقها في عام 2017، هي مشروع بلوكشين معتمد. ولكن كيف وجدت الصلة في مجال الذكاء الاصطناعي الساخن؟ يقدم هذا المقال ما هو أوريجين تريل، وعلاقته بنيورويب، ومفهوم تعدين المعرفة، والإمكانات المستقبلية للمشروع، والنشاط الهام على سلسلات بولكادوت، والرموز المرتبطة بها، $TRAC و $NEURO.

تطبيقات العالم الحقيقي للرسوم البيانية المعرفية المركزية

إذا كانت فكرة الرسوم البيانية للمعرفة غير المركزية تبدو مجردة أو صعبة لتصورها ، فإننا نعتبر هذا المثال العملي الذي يتضمن شراكة مع شركات السكك الحديدية:

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

حدث انحراف قطار مؤخرا في أوروبا بسبب عطل في العجلة لم يتم اكتشافه مسبقا. من خلال دمج الرسوم البيانية المعرفية اللامركزية مع تقنية blockchain ، يمكن دمج البيانات من مصادر معلومات متعددة وتسليمها إلى الذكاء الاصطناعي للكشف عن الحالات الشاذة في الوقت الفعلي ، مما قد يمنع مثل هذه الحوادث.

لماذا لدى اللامركزية ميزة في هذا النوع من التطبيقات؟ لأنها أكثر أمانًا وصمودًا وعدم الثقة.

يمكن تطبيق نفس النهج أيضًا في مجالات مثل الفضاء الجوي والسيارات والدفاع والبناء وغيرها، مما يوفر إمكانات هامة لحالات الاستخدام المستقبلية.

نظرة عامة على مسار المنشأ

مقدمة عن الرسم البياني المعرفي اللامركزي لـ Origin Trail (DKG)

تعتبر Origin Trail مشروعًا طويل الأمد ببنية ونظام بيئي واسعين، مما يجعل من الصعب تلخيصه بإيجاز. لنقم بتفكيكه خطوة بخطوة.

رحلة تطوير أصل المسار

كانت Origin Trail في البداية تعمل كحل لسلسلة التوريد، باستخدام تكنولوجيا البلوكشين لتحسين مشكلات إدارة سلسلة التوريد. كانت هذه هي الاتجاه الرئيسي المقترح في النسخة الأولى من ورقة البيضاء. في وقت لاحق، تم اكتشاف أنه يمكن دمج المزيد من البيانات، بما في ذلك الأصول العالمية الحقيقية والـ NFTs وغيرها، مما أدى إلى التحول نحو Web3 وإطلاق باراتشاين Origin Trail الخاص بها على بولكادوت.

تشمل شركاء Origin Trail British Standards Institution (BSI) و Swiss Federal Railways (SBB) و GS1 (المنظمة العالمية لرمز الشريط) وشبكة مراقبة الامتثال للموردين (SCAN) ، التي تشمل Costco و Walmart و Target وغيرها من التجار المعروفين. وتشمل التطبيقات تفتيشات الواردات للسلع ومكونات الويسكي والمنتجات الصيدلانية والمنتجات الزراعية وتتبع اللحوم ، وكشف تشوهات مكونات السكك الحديدية ، بشكل رئيسي في أوروبا.

يمكن عرض الحالات ذات الصلة هنا.

مع تطور الذكاء الاصطناعي، ارتبطت الرسم البياني للمعرفة اللامركزية لـ Origin Trail بالمزيد من البيانات والمعلومات. في عام 2024، تم إصدار النسخة الثالثة من الورقة البيضاء، بهدف أن يصبح شبكة معرفية قابلة للتحقق للذكاء الاصطناعي. يمكن فهم ذلك على أنه طبقة معرفية لامركزية للذكاء الاصطناعي، توفر معرفة قابلة للتتبع والتحقق.

في أكتوبر 2024، في قمة الذكاء الاصطناعي التي عقدت في معهد ماساتشوستس للتكنولوجيا، شاركت فيها شركات بارزة مثل ديل وإنتل وإنفيديا. تم اختيار أوريجين تريل من قبل المشاركين كأفضل مشروع للذكاء الاصطناعي.

المنتجات الرئيسية لشركة Origin Trail

أصول المعرفة

يتم تمثيل كل أصل معرفة ك NFT ، والذي يمكن تتبعه والتحقق منه باستخدام تكنولوجيا البلوكشين.

مستعرض الأصول المعرفية: DKG Explorer

يتيح للمستخدمين البحث عن جميع أصول المعرفة داخل قاعدة البيانات.

الدردشة المدعومة بتقنية LLM: ChatDKG

روبوت دردشة يجيب على الأسئلة استنادًا فقط إلى المعرفة الواردة في DKG. حاليًا، يقتصر نطاقه على مجالات محددة داخل الرسم البياني للمعرفة، لذلك لا يمكنه الإجابة على معظم الأسئلة اليومية.

تويتر بوت:ChatDKG

يمكن للمستخدمين إصدار الأوامر عن طريق وسم الروبوت. على سبيل المثال:

/ask @ChatDKG لماذا يعد Origin Trail أفضل مشروع AI؟

(يمكن تعديل الأمر استنادًا إلى السؤال.)

ملحوظة: تقتصر ردود الروبوت الدردشة على المعلومات الموجودة داخل مخطط معرفة Origin Trail.

الأصل تريل العمارة التقنية

باستثناء طبقة التطبيق، يعتمد Origin Trail على هندسة الطبقة المزدوجة، التي تتكون من سلسلة الكتل NeuroWeb كطبقة أولى وشبكة المعرفة اللامركزية كطبقة ثانية.

يعمل الرسم البياني للمعرفة اللامركزي (DKG) كشبكة عقد موزعة تعمل خارج السلسلة. يتكامل مع عدة سلاسل كتلية، مثل الحكم، و NeuroWeb، والقاعدة.

ما هو المعرفة في DKG؟ تشمل المعرفة البيانات والمعلومات والدلالات والعلاقات. تخزن هذه المعرفة في الغالب في شبكة العقدة DKG (خارج السلسلة). يتم تحميل التجزئة المشفرة للبيانات إلى سلسلة الكتل، مما يولد معرف الأصل العالمي الفريد (UAL). يعمل UAL كارتباط تشعبي مبني على تقنية سلسلة الكتل، حيث يتوافق كل UAL مع مجموعة معرفة محددة.

DKG هو شبكة عقد مفتوحة وغير مرخصة ولامركزية. يمكن لأي شخص أن يصبح عقدًا عن طريق الرهان على رموز $TRAC. يمكن تحديد المعرفة داخل الشبكة على أنها عامة (مشتركة عبر جميع العقد) أو خاصة (مستضافة من قبل عقد معين).

عملية إرساء المعالج: يتطلب تحويل $TRAC إلى رهن لكي تصبح معالجًا.

معاملات المعرفة: إضافة المعرفة إلى الشبكة ينطوي على دفع رموز $TRAC.

معمارية طبقتين مبسطة:

• طبقة المعرفة (DKG):
  • الشبكة اللامركزية للعقد حيث يتم تخزين المعرفة وإدارتها.
  • يدعم التكامل مع عدة سلاسل كتلية.
  • $TRAC تعمل كرمز أساسي لهذا الطبقة ، تستخدم لتوليد وإدارة المعرفة وللرهان على العقد.
• طبقة البلوكشين (NeuroWeb):
  • بلوكشين من الطبقة 1 المدعوم من بولكادوت.
  • يسهل العمليات مثل البراهين المشفرة وتوليد التجزئة للمعرفة.
  • يستخدم رمز $NEURO لمكافآت التعدين المعرفي، رسوم الغاز، والحوكمة.

ما هو تعدين المعرفة؟

تشجيع تعدين المعرفة المساهمات في DKG عن طريق مكافأة المستخدمين برموز $NEURO. في حين أن إضافة المعرفة إلى DKG يتطلب $TRAC ، يتم مكافأة المساهمين برموز $NEURO لإثراء الشبكة ، على غرار تحفيز إدخالات ويكيبيديا.

أربع خطوات لتعدين المعرفة:

1. اكتشاف:تحديد الفجوات في المعرفة ذات القيمة المحتملة.
2. النشر:مشاركة المعرفة المفيدة لتعزيز هذه الفجوات.
3. تحسين:تحسين وتطبيق المعرفة (على سبيل المثال ، المراجع ، تكرار الاستخدام).
4. التحقق:يقوم النظام بتقييم الجودة وتأكيد المعرفة.

حالياً، يتطلب تعدين المعرفة بعض المهارات البرمجية. لمزيد من المعلومات، يرجى الاطلاع على الوثائق الرسمية. قد تشمل التطورات المستقبلية أنشطة سهلة الاستخدام، مثل التعدين من خلال @ChatDKGتويتر بوت. ابق على اطلاع من خلال متابعة حساب Twitter الرسمي.

$TRAC و $NEURO Tokens: العرض والشراء

كيفية شراء $TRAC

إجمالي العرض الكلي لـ $TRAC هو 500 مليون رمز ، حيث يوجد حاليًا 400 مليون (80٪) في التداول. يتم توزيع هذه الرموز عبر خمس سلاسل: Ethereum و Gonsis و Polygon و Base و NeuroWeb. يمكن العثور على عناوين العقود [هنا].

يمكنك شراء $TRAC على التبادلات التالية أو مباشرة على السلاسل المذكورة أعلاه:

كيفية شراء $NEURO

إجمالي العرض الكلي لـ $NEURO هو مليار رمز. في البداية ، يتم إصدار نصف الرموز فقط ، في حين يتم إطلاق النصف الآخر تدريجياً عن طريق مكافآت الكتل. حاليًا ، يبلغ العرض المتداول 548 مليونًا من الرموز ، تدور أساسًا على سلاسل Base و NeuroWeb و Moonbeam.
يشمل قنوات الشراء الموصى بها رسميًا:

• MEXC / Gate.io التبادلات
• Stellaswap DEX على Moonbeam

ملخص: OriginTrail كطبقة معرفة لامركزية ل الذكاء الاصطناعي

شهد التطور السريع للذكاء الاصطناعي في السنوات الأخيرة تقدماً ملحوظاً، ولكنه أثار أيضاً مخاوف بشأن مخاطر الذكاء الاصطناعي المركزي. لحسن الحظ، هناك العديد من مشاريع الذكاء الاصطناعي اللامركزي قيد التطوير، بعضها تم تقديمه سابقاً من قبل CryptoWesearch.

أوريجينتريل، بوصفها رسم بياني للمعرفة غير المركزية، توفر معرفة قابلة للتتبع والتحقق متكاملة مع السياق العلاقي والدلالي للذكاء الاصطناعي. ويتناول هذا المسألة الخاصة بشفافية مصدر البيانات في أنظمة الذكاء الاصطناعي المركزية، مما يضع أوريجينتريل كمشروع تعاوني لتطبيقات الذكاء الاصطناعي.

في حين أن الورقة البيضاء قد مرت بثلاث نسخ، فإن ذلك يعكس نهجًا تكراريًا بدلاً من تغييرات متكررة في الاتجاه. بدأ المشروع ببيانات سلسلة توريد على السلسلة، ثم توسع إلى مجموعة أوسع من الأصول على السلسلة، وتطور بعد ذلك إلى طبقة معرفية تعاونية للذكاء الاصطناعي.

على مر الزمان، استمرت المناقشات حول خصوصية البيانات، وشفافية مصدر البيانات، وشفافية عملية الاستدلال، وقابلية التحقق. يمكن للرسم البياني المعرفي المتميز باللامركزية التعامل مع هذه المسائل. OriginTrail، الذي يتركز في حلول سلسلة التوريد، قد تراكم ثروة من المعرفة على السلسلة في مجالات محددة على مر السنين. بالاشتراك مع شبكتها الواسعة من التعاونيات المؤسسية، فإن تطورها المستقبلي واعد للغاية.

تنصيح:

1. تمت إعادة نشر هذه المقالة من [ cryptowesearchحقوق الطبع والنشر تنتمي إلى الكاتب الأصلي [東東]. إذا كان هناك أي اعتراضات على إعادة النشر ، يرجى التواصل معبوابة تعلمالفريق، وسوف يتعاملون معها بسرعة.
2. تنصل المسؤولية: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك المؤلف ولا تشكل نصيحة استثمارية.
3. قام فريق Gate Learn بترجمة المقالة إلى لغات أخرى. يحظر نسخ المقالات المترجمة أو توزيعها أو سرقتها ما لم يذكر ذلك.