El 17 de octubre de 2024, en la Cumbre de IA Descentralizada celebrada en MIT, Origin Trail fue reconocido como el mejor proyecto de IA descentralizada.

Un grafo de conocimiento es una tecnología que organiza el conocimiento en una estructura relacional, representando las relaciones y el contexto entre varias entidades. No solo almacena datos e información, sino que también los transforma en 'conocimiento', enfatizando las conexiones y la información semántica.

Puede pensar en un grafo de conocimiento como una especie de base de datos de conocimientos, pero a diferencia de las bases de datos regulares, se centra más en las relaciones y la semántica. Uno de los ejemplos más comúnmente encontrados de un grafo de conocimiento es el Grafo de Conocimiento de Google, que fue desarrollado por Google para mejorar la calidad de su motor de búsqueda. Incluso si los usuarios no son conscientes de su existencia, probablemente alimenta los resultados detrás de sus búsquedas en Google.

En el mundo descentralizado, el grafo de conocimiento "descentralizado" más conocido es Wikipedia. Como plataforma de código abierto y colaborativa, Wikipedia opera de manera distribuida. Sin embargo, Wikipedia no utiliza la tecnología blockchain. Por otro lado, Origin Trail lleva los grafos de conocimiento descentralizados a la cadena de bloques, lo que permite una integración perfecta con la inteligencia artificial descentralizada para ofrecer conocimiento transparente, rastreable y verificable.

NeuroWeb, creada por Origin Trail, es una parachain en el ecosistema Polkadot. Su actividad on-chain está experimentando un rápido crecimiento. Según los datos on-chain de The Block, las parachains de Polkadot han batido constantemente récords de actividad transaccional, y NeuroWeb representa el 70% del volumen de transacciones (a partir de octubre).

fuente

Origin Trail, lanzado en 2017, es un proyecto de blockchain establecido. Pero ¿cómo ha encontrado relevancia en el campo candente de la IA? Este artículo introduce qué es Origin Trail, su relación con NeuroWeb, el concepto de minería de conocimiento, el potencial futuro del proyecto, su actividad significativa en las parachains de Polkadot y sus tokens asociados, $TRAC y $NEURO.

Aplicaciones del mundo real de los gráficos de conocimiento descentralizados

Si el concepto de grafos de conocimiento descentralizados parece abstracto o difícil de imaginar, considere este ejemplo del mundo real que involucra una asociación con empresas ferroviarias:

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

Un reciente descarrilamiento de tren en Europa fue causado por una falla en la rueda que no fue detectada con anticipación. Al integrar grafos de conocimiento descentralizados con tecnología blockchain, los datos de múltiples fuentes de información pueden ser consolidados y entregados a la IA para la detección de anomalías en tiempo real, lo que podría prevenir este tipo de accidentes.

¿Por qué la descentralización tiene una ventaja en este tipo de aplicación? Porque es más seguro, resistente y no requiere confianza.

El mismo enfoque también se puede aplicar en campos como aeroespacial, automotriz, defensa, construcción y más, ofreciendo un potencial significativo para casos de uso futuros.

Resumen de Origin Trail

Introducción al Grafo de Conocimiento Descentralizado (DKG) de Origin Trail

Origin Trail es un proyecto de larga data con una amplia arquitectura y ecosistema, lo que dificulta resumirlo de forma sucinta. Vamos a desglosarlo paso a paso.

Viaje de desarrollo de Origin Trail

Origin Trail inicialmente funcionó como una solución de cadena de suministro, utilizando tecnología blockchain para mejorar los problemas de gestión de la cadena de suministro. Esta fue la dirección principal propuesta en la primera versión de su libro blanco. Más tarde, se descubrió que se podía integrar más datos, incluidos activos del mundo real, NFT y otros, cambiando hacia Web3 y lanzando su propia paracadena de Polkadot, Origin Trail Parachain.

Los socios corporativos de Origin Trail incluyen la British Standards Institution (BSI), los Ferrocarriles Federales Suizos (SBB), GS1 (la organización internacional de códigos de barras) y la Red de Auditorías de Cumplimiento de Proveedores (SCAN), que incluye a Costco, Walmart, Target y otros minoristas conocidos. Las aplicaciones han incluido inspecciones de importación de mercancías, ingredientes para whisky, productos farmacéuticos, productos agrícolas y trazabilidad de carne, e incluso detección de anomalías en componentes de ferrocarriles, principalmente en Europa.

Los casos relevantes se pueden ver aquí.

Con el desarrollo de la IA, el gráfico de conocimiento descentralizado de Origin Trail ha conectado más datos e información. En 2024, se lanzó la tercera versión del libro blanco, con el objetivo de convertirse en una red de conocimiento verificable para la IA. Esto se puede entender como una capa de conocimiento descentralizada para la IA, proporcionando conocimiento rastreable y verificable.

En octubre de 2024, en la Cumbre de IA celebrada en MIT, los participantes incluyeron empresas prominentes como Dell, Intel y Nvidia. Origin Trail fue votado por los asistentes como el Mejor Proyecto de IA.

Productos principales de Origin Trail

Activos de conocimiento

Cada activo de conocimiento se representa como un NFT, que se puede rastrear y verificar utilizando blockchain.

Explorador de activos de conocimiento: DKG Explorer

Permite a los usuarios buscar todos los activos de conocimiento dentro de la base de datos.

Chatbot impulsado por LLM: ChatDKG

Un chatbot que responde preguntas basándose únicamente en el conocimiento contenido dentro del DKG. Actualmente, su alcance se limita a dominios específicos dentro del grafo de conocimiento, por lo que no puede responder la mayoría de las preguntas cotidianas.

Bot de Twitter:ChatDKG

Los usuarios pueden emitir comandos etiquetando al bot. Por ejemplo:

/preguntar @ChatDKG ¿Por qué es Origin Trail el mejor proyecto de IA?

(El comando puede ser modificado en función de la pregunta.)

Nota: Las respuestas del chatbot se limitan a la información contenida en el gráfico de conocimiento de Origin Trail.

Arquitectura Técnica de Origin Trail

Excluyendo la capa de aplicación, Origin Trail adopta una arquitectura de doble capa, que consta de la cadena de bloques NeuroWeb como primera capa y la Red de Conocimiento Descentralizada como segunda capa.

El Grafo de Conocimiento Descentralizado (DKG) opera como una red de nodos descentralizada que funciona fuera de la cadena. Se integra con múltiples blockchains, como Gnosis, NeuroWeb y Base.

¿Qué es el conocimiento en DKG? El conocimiento abarca datos, información, semántica y relaciones. Este conocimiento se almacena principalmente en la red de nodos DKG (fuera de la cadena). Un hash encriptado de los datos se carga en la cadena de bloques, generando un localizador universal de activos (UAL) único. Una UAL actúa como un hipervínculo basado en blockchain, y cada UAL corresponde a un conjunto específico de conocimientos.

El DKG es una red de nodos abierta, sin permisos y descentralizada. Cualquiera puede convertirse en un nodo apostando tokens $TRAC. El conocimiento dentro de la red puede ser designado como público (compartido entre todos los nodos) o privado (alojado por nodos específicos).

Node Staking: Convertirse en un nodo requiere apostar tokens $TRAC.

Transacciones de conocimiento: Agregar conocimiento a la red implica pagar tokens $TRAC.

Arquitectura de dos capas simplificada:

• Capa de conocimiento (DKG):
  • La red de nodos descentralizada donde se almacena y gestiona el conocimiento.
  • Admite la integración con múltiples blockchains.
  • $TRAC sirve como el token principal para esta capa, utilizado para generar y gestionar conocimiento y para apostar nodos.
• Capa de Blockchain (NeuroWeb):
  • Una cadena de bloques de capa 1 compatible con Polkadot.
  • Facilita operaciones como pruebas encriptadas y generación de hash para el conocimiento.
  • Utiliza el token $NEURO para recompensas de minería de conocimientos, tarifas de gas y gobernanza.

¿Qué es la Minería del Conocimiento?

La minería de conocimiento incentiva las contribuciones al DKG recompensando a los usuarios con tokens $NEURO. Si bien agregar conocimiento al DKG requiere $TRAC, los contribuyentes son recompensados con $NEURO para enriquecer la red, de manera similar a incentivar las entradas de Wikipedia.

Cuatro pasos de la minería de conocimiento:

1. Descubrimiento:Identificar las brechas de conocimiento con valor potencial.
2. Publicación:Compartir conocimientos útiles para cerrar estas brechas.
3. Enriquecimiento:Mejorar y aplicar el conocimiento (por ejemplo, referencias, frecuencia de uso).
4. Validación:El sistema evalúa la calidad y confirma el conocimiento.

Actualmente, la extracción de conocimientos requiere algunas habilidades de programación. Para obtener más información, consulte la documentación oficial. Las futuras desarrollos pueden incluir actividades amigables para el usuario, como la extracción a través del @ChatDKGbot de TwitterManténgase actualizado siguiendo la cuenta oficial de Twitter.

Tokens $TRAC y $NEURO: Suministro y Compra

Cómo comprar $TRAC

El suministro total de $TRAC es de 500 millones de tokens, con 400 millones (80%) en circulación actualmente. Estos tokens se distribuyen en cinco cadenas: Ethereum, Gonsis, Polygon, Base y NeuroWeb. Las direcciones del contrato se pueden encontrar [aquí].

Puede comprar $TRAC en los siguientes intercambios o directamente en las cadenas mencionadas anteriormente:

Cómo comprar $NEURO

El suministro total de $NEURO es de mil millones de tokens. Inicialmente, solo se liberan la mitad de los tokens, mientras que la mitad restante se desbloqueará gradualmente a través de recompensas por bloque. Actualmente, el suministro circulante es de 548 millones de tokens, que circulan principalmente en las cadenas Base, NeuroWeb y Moonbeam. \
Los canales de compra oficialmente recomendados incluyen:

• Intercambios MEXC / Gate.io
• Stellaswap DEX en Moonbeam

Resumen: OriginTrail como una Capa de Conocimiento Descentralizada para IA

El rápido desarrollo de la IA en los últimos años ha sido notable, pero también plantea preocupaciones sobre los riesgos de la IA centralizada. Afortunadamente, muchos proyectos de IA descentralizada están en desarrollo, algunos de los cuales han sido presentados previamente por CryptoWesearch.

OriginTrail, como grafo de conocimiento descentralizado, proporciona conocimiento rastreable y verificable integrado con un contexto relacional y semántico para la IA. Esto aborda los problemas de transparencia de las fuentes de datos en los sistemas de IA centralizados, posicionando a OriginTrail como un proyecto colaborativo para aplicaciones de IA.

Si bien el documento técnico ha pasado por tres versiones, esto refleja un enfoque iterativo en lugar de cambios de dirección frecuentes. El proyecto comenzó con datos de la cadena de suministro on-chain, se extendió a una gama más amplia de activos on-chain y evolucionó hasta convertirse en una capa de conocimiento colaborativa para la IA.

A lo largo del desarrollo de la AI, las discusiones sobre la privacidad de los datos, la transparencia de la fuente de los datos, la transparencia del proceso de inferencia y la verificabilidad han persistido. Un gráfico de conocimiento descentralizado puede abordar estos problemas. OriginTrail, arraigado en soluciones de cadena de suministro, ha acumulado una gran cantidad de conocimientos on-chain en campos específicos a lo largo de los años. Combinado con su extensa red de colaboraciones empresariales, su futuro desarrollo es muy prometedor.

Renuncia:

1. Este artículo fue compartido desde [cryptowesearch]. Los derechos de autor pertenecen al autor original [東東]. Si hay alguna objeción a la republicación, póngase en contacto con el Gate Aprenderequipo y ellos se encargarán de ello rápidamente.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen asesoramiento de inversión.
3. El equipo de Gate Learn tradujo el artículo a otros idiomas. Queda prohibido copiar, distribuir o plagiar los artículos traducidos a menos que se mencione expresamente.