gateLive AMA回顾-OriginTrail

2024-05-30, 11:20

Q1:OriginTrail是什么?

OriginTrail是一个生态系统,为人工智能构建一个可验证的互联网,提供一个包容性框架,解决人工智能时代世界面临的挑战,如幻觉、偏见和模型崩溃,通过确保人工智能系统使用的数据的来源和可验证性。OriginTrail被全球领导者使用,如英国标准协会、瑞士联邦铁路、供应商合规审计网络(SCAN),代表美国40%以上的进口以及欧盟资助的几个联盟等。在图灵奖获得者鲍勃·梅特卡夫博士的建议下,以网络效应法则闻名的Trace Labs团队(OriginTrail核心开发者)在推动更具包容性、透明性和去中心化的人工智能方面发挥着关键作用。

Q2:OriginTrail 的真实世界应用有哪些?

OriginTrail的技术最初在全球供应链中得到采用,用于提供一个可信赖的数据共享中心,由于其验证和保护信息的能力,它在资产代币化、建筑、医疗、元宇宙等各个领域变得越来越重要。

(1)在供应链领域,BSI 和 SCAN 正在利用 OriginTraill 来确保美国一些最大的进口商的安全审计的完整性。

(2)BSI还利用OriginTrail技术来促进 Flow 穿越英国边境的货物。

(3)瑞士联邦铁路正在利用OriginTrail来确保火车旅行的安全,通过跟踪每一块铁轨材料。

(4)在医疗保健领域,OriginTrail 用于确保捐赠药品能够在复杂环境中抵达预期的患者。

(5) 在建筑中使用OriginTrail技术构建一个可信的知识库,旨在提高效率、减少错误、增加透明度和信任,最终实现更可持续的建筑项目。

(6)在元宇宙中,OriginTrail与Traverse集成,Traverse是一个使用Graph NFTs提供无与伦比的沉浸式叙事体验的故事项目。

Q3:人工智能领域的最新创新?

Trace Labs团队(OriginTrail核心开发人员)推出了ChatDKG,这是一个真正开放的人工智能,它在AI解决方案领域推动协同效应,以解决幻觉、偏见和模型崩溃的问题。在设计AI解决方案时,数据所有权、信息来源、信息可验证性或偏见方面不应有任何妥协,也不应采取任何审查制度。这一革命无法以包容性的方式展开,这是对社会构成的威胁,会对AI建立垄断产生影响。

因此,团队引入了一种有效的方式来建立一个新的范式,使用分布式检索增强生成(dRAG)框架。dRAG通过组织分布式知识图谱(DKG)中的外部资源,同时引入激励机制,以发展一个全球的众包知识网络,供AI模型使用。dRAG框架实现了一个混合的、分布式的AI系统,将神经网络(如LLMs)和符号AI(如知识图谱)方法结合在一起。

与仅使用概率神经 AI 方法相反,符号 AI 方法通过知识图谱的优势对其进行了增强,引入了更具确定性的组件。为了利用 Web3 基本原理和快速部署的 AI 系统之间的和谐发展,方法是整合核心 Web3 技术,例如 OriginTrail 去中心化知识图谱 (DKG) 和 AI 系统(OpenAI、Gemini、Microsoft Co-pilot、xAI 的 Grok 等)。我们可以通过创建一个基于中立性、包容性和可用性原则的可验证 AI 互联网来实现可信 AI 的潜力,同时通过多模态和多模型 AI 框架为用户提供选择自由。

Q4:与ChatDKG可能的集成?

Google Gemini、OpenAI、xAI、Perplexity 等全球采用率最高和集中式 AI 解决方案为各种用例提供了巨大的价值。利用 Origin Trails dRAG(品牌 ChatDKG.ai,他们可以通过利用神经符号 AI、数据所有权和更好的成本效益的协同作用来改善他们的不足。因此,ChatDKG.ai 不是在与任何已建立的 AI 解决方案竞争,而是通过其 dRAG 使用户能够增强它们,从而推动知识可验证性、成本效益、用户拥有数据的主权和 AI 模型选择的自由。

OriginTrail DKG的开源和无许可特性,允许包容性和中立性,为用户提供了所有层的巨大自由度——选择DKG数据可移植性支持的AI模型,选择可在DKG中发现的知识源,以及选择不同区块链上的集中式或分散式AI服务。

相同的原则适用于AI代理、搜索引擎和越来越多的集成到现有工具中的各种AI服务-借助dRAG,它们将实现用户的选择自由、AI的自主性和信任,并通过连接实现网络效应。

Q5:路线图-下一步是什么?

即将到来的去中心化知识图谱(DKG)V8更新代表了去中心化人工智能的重大进步,构建在V6带来的先前创新成果之上。DKG V6将知识实体化为一种新的资产类别,其核心人工智能准备知识资产为实现领域的高级人工智能应用,如现实资产(RWAs)、去中心化科学(DeSci)、工业4.0等,奠定了基础。

DKG V8向前迈进,引入了自主DKG增长,并显著提高了可伸缩性。借此,去中心化检索增强生成(dRAG)成为DKG V8中的基础框架,显著推进了一系列大型语言模型(LLM)应用。

DKG V8旨在通过多模态内容推动下一代人工智能,这对于多样化和强大的人工智能生态系统至关重要。集成dRAG和其他分散式人工智能功能可实现更可验证和安全的人工智能技术应用,解决了错误信息、数据偏见和模型崩溃等挑战。

DKG V8 路线图更新主要关注旨在推动和加速这些进展的催化剂,包括增强的知识挖掘流程,跨多个区块链生态系统的整合以及旨在支持知识资产的大规模增长的可扩展性改进。这些举措确保 DKG V8 不仅扩展其基础网络效应,而且巩固其作为未来人工智能发展的基石的地位。


作者: GateLive, Gate.io团队
本文仅代表研究人员的观点,不构成任何投资建议。
Gate.io保留本文的所有权利。允许转载文章,但必须注明出处Gate.io。对于侵犯版权的情况,我们将采取法律行动。


分享一下
目录
gate logo
荣誉积分榜
完成动态任务,升级荣誉等级