Pada tanggal 17 Oktober 2024, dalam Pertemuan Kecerdasan Buatan Terdesentralisasi yang diselenggarakan di MIT, Origin Trail diakui sebagai proyek kecerdasan buatan terdesentralisasi terbaik.

Grafik pengetahuan adalah teknologi yang mengatur pengetahuan dalam struktur relasional, mewakili hubungan dan konteks antara berbagai entitas. Ini tidak hanya menyimpan data dan informasi tetapi juga mengubahnya menjadi "pengetahuan," menekankan koneksi dan informasi semantik.

Anda dapat mempertimbangkan grafik pengetahuan sebagai jenis database pengetahuan, tetapi tidak seperti database reguler, ia lebih fokus pada hubungan dan semantik. Salah satu contoh grafik pengetahuan yang paling sering dijumpai adalah Grafik Pengetahuan Google, yang dikembangkan oleh Google untuk meningkatkan kualitas mesin pencarinya. Bahkan jika pengguna tidak menyadari keberadaannya, kemungkinan besar grafik ini menjadi pendorong di balik hasil pencarian Google mereka.

Dalam dunia terdesentralisasi, graf pengetahuan terdesentralisasi yang paling terkenal adalah Wikipedia. Sebagai platform sumber terbuka dan kolaboratif, Wikipedia beroperasi secara terdistribusi. Namun, Wikipedia tidak menggunakan teknologi blockchain. Di sisi lain, Origin Trail membawa graf pengetahuan terdesentralisasi ke blockchain, memungkinkan integrasi mulus dengan kecerdasan buatan terdesentralisasi untuk menawarkan pengetahuan yang transparan, dapat dilacak, dan dapat diverifikasi.

NeuroWeb, yang dibuat oleh Origin Trail, adalah sebuah parachain dalam ekosistem Polkadot. Aktivitas on-chain-nya mengalami pertumbuhan yang pesat. Menurut data on-chain dari The Block, parachain Polkadot terus memecahkan rekor untuk aktivitas transaksi, dengan NeuroWeb menyumbang 70% dari volume transaksi (per Oktober).

sumber

Origin Trail, diluncurkan pada tahun 2017, adalah proyek blockchain yang mapan. Namun, bagaimana proyek ini menemukan relevansi di bidang AI yang sedang panas? Artikel ini memperkenalkan apa itu Origin Trail, hubungannya dengan NeuroWeb, konsep penambangan pengetahuan, potensi masa depan proyek ini, aktivitas signifikan di Polkadot parachains, dan token terkaitnya, $TRAC dan $NEURO.

Aplikasi Dunia Nyata dari Graf Pengetahuan Terdesentralisasi

Jika konsep graf pengetahuan terdesentralisasi terasa abstrak atau sulit untuk dibayangkan, pertimbangkan contoh dunia nyata ini yang melibatkan kemitraan dengan perusahaan kereta api:

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

Kecelakaan kereta baru-baru ini di Eropa disebabkan oleh kegagalan roda yang tidak terdeteksi sebelumnya. Dengan mengintegrasikan grafik pengetahuan terdesentralisasi dengan teknologi blockchain, data dari berbagai sumber informasi dapat dikonsolidasikan dan diserahkan kepada kecerdasan buatan untuk deteksi anomali real-time, yang berpotensi mencegah kecelakaan semacam itu.

Mengapa desentralisasi memiliki keuntungan dalam jenis aplikasi ini? Karena lebih aman, tangguh, dan tidak memerlukan kepercayaan.

Pendekatan yang sama juga dapat diterapkan dalam bidang seperti aerospace, otomotif, pertahanan, konstruksi, dan lainnya, menawarkan potensi signifikan untuk kasus penggunaan di masa depan.

Ikhtisar Origin Trail

Pengenalan Graf Pengetahuan Terdesentralisasi (DKG) Origin Trail

Origin Trail adalah proyek yang telah berjalan lama dengan arsitektur dan ekosistem yang luas, sehingga sulit untuk disimpulkan secara ringkas. Mari kita bahas langkah demi langkah.

Perjalanan Pengembangan Origin Trail

Origin Trail awalnya berfungsi sebagai solusi rantai pasokan, menggunakan teknologi blockchain untuk memperbaiki masalah manajemen rantai pasokan. Ini adalah arah utama yang diusulkan dalam versi pertama whitepaper. Kemudian, ditemukan bahwa data lebih banyak, termasuk aset dunia nyata, NFT, dan lainnya, dapat diintegrasikan, beralih ke Web3 dan meluncurkan parachain Polkadot sendiri, Origin Trail Parachain.

Mitra korporasi Origin Trail termasuk British Standards Institution (BSI), Swiss Federal Railways (SBB), GS1 (organisasi kode batang internasional), dan Supplier Compliance Audit Network (SCAN), yang mencakup Costco, Walmart, Target, dan pedagang lainnya yang terkenal. Aplikasi telah mencakup pemeriksaan impor untuk barang, bahan whiskey, produk farmasi, produk pertanian, dan pelacakan daging, dan bahkan deteksi anomali komponen kereta api, terutama di Eropa.

Kasus yang relevan dapat dilihat di sini.

Dengan perkembangan AI, grafik pengetahuan terdesentralisasi Origin Trail telah menghubungkan lebih banyak data dan informasi. Pada tahun 2024, versi ketiga whitepaper dirilis, dengan tujuan menjadi jaringan pengetahuan yang dapat diverifikasi untuk AI. Ini dapat dipahami sebagai lapisan pengetahuan terdesentralisasi untuk AI, menyediakan pengetahuan yang dapat dilacak dan diverifikasi.

Pada Oktober 2024, di KTT Kecerdasan Buatan yang diselenggarakan di MIT, peserta termasuk perusahaan-perusahaan terkemuka seperti Dell, Intel, dan Nvidia. Origin Trail terpilih oleh peserta sebagai Proyek AI Terbaik.

Produk Utama Origin Trail

Aset Pengetahuan

Setiap aset pengetahuan diwakili sebagai NFT, yang dapat dilacak dan diverifikasi menggunakan blockchain.

Penjelajah Aset Pengetahuan: DKG Explorer

Memungkinkan pengguna untuk mencari semua aset pengetahuan dalam database.

Chatbot yang didukung oleh LLM: ChatDKG

Sebuah chatbot yang menjawab pertanyaan berdasarkan pengetahuan yang terkandung dalam DKG. Saat ini, cakupannya terbatas pada domain-domain tertentu dalam grafik pengetahuan, sehingga ia tidak dapat menjawab sebagian besar pertanyaan sehari-hari.

Twitter Bot:ChatDKG

Pengguna dapat mengeluarkan perintah dengan menandai bot. Misalnya:

/tanya @ChatDKG Mengapa Origin Trail adalah proyek kecerdasan buatan terbaik?

(Perintah dapat dimodifikasi berdasarkan pertanyaan.)

Catatan: Respon chatbot terbatas pada informasi yang terkandung dalam grafik pengetahuan Origin Trail.

Arsitektur Teknis Origin Trail

Dengan pengecualian lapisan aplikasi, Origin Trail mengadopsi arsitektur dual-layer, terdiri dari blockchain NeuroWeb sebagai lapisan pertama dan Jaringan Pengetahuan Terdesentralisasi sebagai lapisan kedua.

Grafik Pengetahuan Terdesentralisasi (DKG) beroperasi sebagai jaringan simpul terdesentralisasi yang berfungsi di luar rantai. Ini terintegrasi dengan beberapa blockchain, seperti Gnosis, NeuroWeb, dan Base.

Apa itu Pengetahuan dalam DKG? Pengetahuan mencakup data, informasi, semantik, dan hubungan. Pengetahuan ini utamanya disimpan dalam jaringan node DKG (off-chain). Hash terenkripsi dari data diunggah ke blockchain, menghasilkan Universal Asset Locator (UAL) yang unik. UAL berfungsi sebagai hiperlink berbasis blockchain, dengan setiap UAL sesuai dengan kumpulan pengetahuan tertentu.

DKG adalah jaringan node terbuka, tanpa izin, terdesentralisasi. Siapa pun dapat menjadi node dengan mempertaruhkan token $TRAC. Pengetahuan dalam jaringan dapat ditunjuk sebagai publik (dibagikan di semua node) atau pribadi (dihosting oleh node tertentu).

Staking Node: Menjadi node memerlukan staking token $TRAC.

Transaksi Pengetahuan: Menambah pengetahuan ke jaringan melibatkan pembayaran token $TRAC.

Sederhana Arsitektur Dua Lapisan:

• Layer Pengetahuan (DKG):
  • Jaringan node terdesentralisasi tempat pengetahuan disimpan dan dikelola.
  • Mendukung integrasi dengan beberapa blockchain.
  • $TRAC berfungsi sebagai token utama untuk lapisan ini, digunakan untuk menghasilkan dan mengelola pengetahuan serta untuk memasang node.
• Layer Blockchain (NeuroWeb):
  • Sebuah blockchain Layer 1 yang didukung oleh Polkadot.
  • Memudahkan operasi seperti bukti terenkripsi dan pembangkitan hash untuk pengetahuan.
  • Menggunakan token $NEURO untuk reward penambangan pengetahuan, biaya gas, dan tata kelola.

Apa itu Knowledge Mining?

Penambangan pengetahuan mendorong kontribusi ke DKG dengan memberi penghargaan kepada pengguna dengan token $NEURO. Sementara menambah pengetahuan ke DKG membutuhkan $TRAC, kontributor diberi hadiah dengan $NEURO untuk memperkaya jaringan, mirip dengan insentif entri Wikipedia.

Empat Langkah Penambangan Pengetahuan:

1. Penemuan:Identifikasi kesenjangan pengetahuan dengan nilai potensial.
2. Publikasi:Bagikan pengetahuan yang berguna untuk menjembatani kesenjangan ini.
3. Pemerkayaan:Meningkatkan dan menerapkan pengetahuan (misalnya, referensi, frekuensi penggunaan).
4. Validasi:Sistem mengevaluasi kualitas dan mengkonfirmasi pengetahuan.

Saat ini, penambangan pengetahuan membutuhkan beberapa keterampilan pemrograman. Untuk informasi lebih lanjut, lihat dokumentasi resmi. Pengembangan di masa depan mungkin mencakup aktivitas yang ramah pengguna, seperti penambangan melalui @ChatDKGBot TwitterTetap terupdate dengan mengikuti akun Twitter resmi.

$TRAC dan $NEURO Token: Pasokan dan Pembelian

Bagaimana cara membeli $TRAC

Total pasokan $TRAC adalah 500 juta token, dengan 400 juta (80%) saat ini beredar. Token ini didistribusikan di lima rantai: Ethereum, Gonsis, Polygon, Base, dan NeuroWeb. Alamat kontrak dapat ditemukan [di sini].

Anda dapat membeli $TRAC di bursa-bursa berikut atau langsung di rantai yang disebutkan di atas:

Bagaimana Membeli $NEURO

Total pasokan $NEURO adalah 1 miliar token. Awalnya, hanya separuh dari token yang dirilis, sementara separuh sisanya akan secara bertahap terbuka melalui imbalan blok. Saat ini, pasokan beredar adalah 548 juta token, yang sebagian besar beredar di rantai Base, NeuroWeb, dan Moonbeam.
Saluran pembelian yang direkomendasikan secara resmi termasuk:

• Penukaran MEXC / Gate.io
• Stellaswap DEX di Moonbeam

Ringkasan: OriginTrail sebagai Lapisan Pengetahuan Terdesentralisasi untuk Kecerdasan Buatan

Perkembangan AI yang pesat dalam beberapa tahun terakhir sungguh luar biasa, tetapi juga menimbulkan kekhawatiran tentang risiko AI terpusat. Untungnya, banyak proyek AI terdesentralisasi sedang dikembangkan, beberapa di antaranya telah diperkenalkan sebelumnya oleh CryptoWesearch.

OriginTrail, sebagai grafik pengetahuan terdesentralisasi, menyediakan pengetahuan yang dapat dilacak dan diverifikasi yang terintegrasi dengan konteks relasional dan semantik untuk AI. Ini mengatasi masalah transparansi sumber data dalam sistem AI terpusat, menjadikan OriginTrail sebagai proyek kolaboratif untuk aplikasi AI.

Meskipun whitepaper telah mengalami tiga versi, hal ini mencerminkan pendekatan iteratif daripada perubahan arah yang sering. Proyek ini dimulai dengan data rantai pasok on-chain, diperluas menjadi berbagai aset on-chain yang lebih luas, dan lebih lanjut berkembang menjadi lapisan pengetahuan kolaboratif untuk AI.

Sepanjang perkembangan AI, diskusi tentang privasi data, transparansi sumber data, transparansi proses inferensi, dan verifikasi terus berlangsung. Grafik pengetahuan terdesentralisasi dapat mengatasi masalah ini. OriginTrail, berakar pada solusi rantai pasokan, telah mengumpulkan kekayaan pengetahuan on-chain di bidang-bidang tertentu selama bertahun-tahun. Digabungkan dengan jaringan kolaborasi perusahaan yang luas, pengembangannya di masa depan sangat menjanjikan.

Disclaimer:

1. Artikel ini di-repost dari [.cryptowesearch]. Hak cipta dimiliki oleh penulis asli [東東]. Jika ada keberatan terhadap reposting, silakan hubungi kontak,Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penafian Kewajiban: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata milik penulis dan bukan merupakan saran investasi.
3. Tim Gate Learn menerjemahkan artikel ke dalam bahasa lain. Menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang kecuali disebutkan.