OriginTrail เป็นระบบนิเวศที่สร้างอินเทอร์เน็ตที่ตรวจสอบได้สําหรับ AI โดยให้กรอบการทํางานที่ครอบคลุมซึ่งจัดการกับความท้าทายของโลกในยุค AI เช่นภาพหลอนอคติและการล่มสลายของโมเดลโดยการรับรองแหล่งที่มาและการตรวจสอบความถูกต้องของข้อมูลที่ใช้โดยระบบ AI OriginTrail ถูกใช้โดยผู้นําระดับโลกเช่น British Standards Institution, Swiss Federal Railways, Supplier Compliance Audit Network (SCAN) ซึ่งคิดเป็นกว่า 40% ของการนําเข้าของสหรัฐฯ และกลุ่มพันธมิตรหลายแห่งที่ได้รับทุนจากสหภาพยุโรปเป็นต้น ได้รับคําแนะนําจาก Dr. Bob Metcalfe ผู้ชนะรางวัล Turing ซึ่งมีชื่อเสียงในด้านกฎหมายเอฟเฟกต์เครือข่ายทีม Trace Labs (นักพัฒนาหลักของ OriginTrail) มีบทบาทสําคัญในการส่งเสริม AI ที่ครอบคลุมโปร่งใสและกระจายอํานาจมากขึ้น
โดยเริ่มแรกถูกนำมาใช้ในโซ่อุปทานทั่วโลกเพื่อให้บริการศูนย์กลางในการแบ่งปันข้อมูลที่น่าเชื่อถือ OriginTrail’s technology มีความสำคัญมากขึ้นในหลายภาคส่วน เช่น การเปลี่ยนข้อมูลสินทรัพย์, การก่อสร้าง, การดูแลสุขภาพ, มีทวีปเสมือนจริง และอื่นๆ เนื่องจากความสามารถในการยืนยันและรักษาความปลอดภัยของข้อมูล
(1)ในกลุ่มภูมิคุ้มกันการคุ้มครอง, BSI และ SCAN กำลังใช้ OriginTraill เพื่อให้ความมั่นใจในความครบถ้วนของการตรวจสอบความปลอดภัยสำหรับบางผู้นำเข้าของสหรัฐที่ใหญ่ที่สุด
(2)BSI ยังใช้เทคโนโลยี OriginTrail เพื่อให้การอำนวยความสะดวกในการ Flow ของขวัญข้ามชายแดนของสหราชอาณาจักร
(3) รถไฟรัฐแห่งสวิตเซอร์กำลังใช้ OriginTrail เพื่อให้มั่นใจในความปลอดภัยของการเดินทางด้วยรถไฟโดยการติดตามวัสดุรางรถไฟทุกชิ้น
(4)ในด้านการดูแลสุขภาพ OriginTrail ใช้เพื่อให้แน่ใจว่ายาที่บริจาคถึงผู้ป่วยที่เป็นเป้าหมาย แม้ในสภาพแวดล้อมที่ซับซ้อน
(5)ในการก่อสร้าง เทคโนโลยี OriginTrail ถูกใช้เพื่อสร้างฐานความรู้ที่น่าเชื่อถือเพื่อเพิ่มประสิทธิภาพ ลดความผิดพลาด และเพิ่มความ๏าสถิติ และความเชื่อถือ ซึ่งในที่สุดจะนําไปสู่โปรเจคท์ก่อสร้างที่ยั่งยืนมากขึ้น
(6)ใน metaverse OriginTrail ถูกรวมเข้ากับ Traverse ซึ่งเป็นโครงการเล่าเรื่องที่ใช้ Graph NFT เพื่อมอบประสบการณ์การเล่าเรื่องที่ไม่มีใครเทียบได้และสมจริง
ทีมงาน Trace Labs (ผู้พัฒนาแกนกลาง OriginTrail) ได้นำเสนอ ChatDKG ซึ่งเป็นปัจจัยประดิษฐ์ที่แท้จริง เพื่อสร้างความร่วมมือระหว่างพื้นที่ของโซลูชันปัญหาทางด้าน AI เพื่อจัดการกับอาการเห็นภาพที่ไม่เป็นจริง ความลำเอียง และการพิการของโมเดล โดยไม่ควรที่จะขาดการออกแบบโซลูชัน AI เมื่อเกี่ยวข้องกับการเป็นเจ้าของข้อมูล การที่มาของข้อมูล การยืนยันความถูกต้องของข้อมูล หรือความลำเอียงที่จะรวมถึงการใช้วิธีการออกแบบการเซ็นเซอร์ข้อมูล ความเสี่ยงที่น่ากลัวจากการเกิดปฏิกิริยาของการปฏิวัตินี้ในทางที่ไม่รวมถึงเป็นอันตรายต่อสังคมคือการสร้างการเลียนแบบ AI
ทีมจึงนำเสนอวิธีการสร้างแนวคิดใหม่อย่างมีประสิทธิภาพโดยใช้เฟรมเวิร์ก Decentralized Retri-Augmented Generation (dRAG) ซึ่งเป็นการพัฒนาโมเดล RAG โดยจัดองค์ความรู้ภายนอกในกราฟความรู้ที่กระจายอยู่ (Decentralized Knowledge Graph (DKG)) พร้อมนำเสนอสิ่งประสงค์ในการเติบโตของเครือข่ายแห่งความรู้ระดับโลกที่มีการรวมกันเพื่อให้โมเดล AI ใช้ได้ โครงสร้าง dRAG ช่วยให้มีระบบ AI แบบไฮบริดที่กระจายและรวมกันได้ (decentralized AI ) โดยเชื่อมโยงระบบ neural (เช่น LLMs) และ symbolic AI (เช่น Knowledge Graph) อย่างมีประสิทธิภาพ
ตรงกันข้ามกับการใช้แนวทาง AI ประสาทที่น่าจะเป็นไปได้เพียงอย่างเดียววิธีการ AI เชิงสัญลักษณ์ช่วยเพิ่มความแข็งแกร่งของกราฟความรู้โดยแนะนําองค์ประกอบที่กําหนดได้มากขึ้น เพื่อควบคุมการพัฒนาที่กลมกลืนระหว่างพื้นฐาน Web3 และระบบ AI ที่ปรับใช้อย่างรวดเร็วแนวทางคือการรวมเทคโนโลยีหลักของ Web3 เช่น OriginTrail Decentralized Knowledge Graph (DKG) และระบบ AI (OpenAI, Gemini, Microsoft Co-pilot, Grok ของ xAI และอื่น ๆ ) เราสามารถตระหนักถึงศักยภาพของ AI ที่เชื่อถือได้โดยการสร้างอินเทอร์เน็ตที่ตรวจสอบได้สําหรับ AI ซึ่งก่อตั้งขึ้นบนหลักการของความเป็นกลางความครอบคลุมและการใช้งานในขณะที่ให้อิสระแก่ผู้ใช้ในการเลือกด้วยกรอบ AI หลายรูปแบบและหลายรุ่น
โซลูชัน AI ที่ได้รับการยอมรับและรวมศูนย์มากที่สุดในโลกเช่น Google Gemini, OpenAI, xAI, Perplexity มอบคุณค่าอันยิ่งใหญ่สําหรับกรณีการใช้งานที่หลากหลาย การใช้ประโยชน์จาก Origin Trails dRAG — ChatDKG.ai ชื่อแบรนด์พวกเขาสามารถปรับปรุงข้อบกพร่องของพวกเขาโดยการควบคุมการทํางานร่วมกันของ AI สัญลักษณ์ประสาทความเป็นเจ้าของข้อมูลและประสิทธิภาพด้านต้นทุนที่ดีขึ้น ดังนั้น ChatDKG.ai จึงไม่ได้แข่งขันกับโซลูชัน AI ที่จัดตั้งขึ้น แต่ช่วยให้ผู้ใช้สามารถปรับปรุงพวกเขาด้วย dRAG ขับเคลื่อนการตรวจสอบความรู้ความคุ้มค่าอธิปไตยของผู้ใช้ในการเป็นเจ้าของข้อมูลและเสรีภาพในการเลือกโมเดล AI
ความเปิดเผยและความเป็นไปได้โดยไม่จำกัดของ OriginTrail DKG ช่วยให้สามารถรวมกันและเป็นกลางได้อย่างไม่มีข้อจำกัด ทำให้ผู้ใช้มีระดับของความเสรีภาพที่สูงมากในทุกชั้น — เพื่อเลือกโมเดล AI ที่เปิดใช้งานโดย DKG สามารถเลือกแหล่งความรู้ที่ค้นพบใน DKG และเลือกบริการ AI ที่เป็นไปได้ ทั้งศูนย์กลางหรือกระจายในบล็อกเชนที่แตกต่างกัน
หลักการเดียวกันใช้กับตัวแทน AI, เครื่องมือค้นหาและบริการ AI ที่หลากหลายเพิ่มขึ้นทุกเครื่องมือที่มีอยู่ - โดยใช้ dRAG พวกเขาจะช่วยให้เสรีภาพในการเลือก AI โดยอิสระและความเชื่อมั่น พร้อมกับการใช้เอฟเฟกต์ของเครือข่ายผ่านความเชื่อมต่อ
อัปเดต Decentralized Knowledge Graph (DKG) V8 ที่จะเกิดขึ้นเร็ว ๆ นี้เป็นการก้าวหน้าที่สำคัญใน Decentralized AI โดยสร้างต่อจากความสำเร็จของนวัตกรรมก่อนหน้าที่นำเสนอโดย V6 การทำ DKG V6 เป็นสินทรัพย์ชนิดใหม่โดยมี Core AI-ready Knowledge Assets ที่กำหนดเส้นทางสำหรับแอปพลิเคชัน AI ขั้นสูงในโดเมนของสินทรัพย์โลกจริง (RWAs) วิทยาศาสตร์ Decentralized (DeSci) อุตสาหกรรม 4.0 และอื่น ๆ
เดินหน้าไปอีกขั้น DKG V8 นำเสนอการเจริญเติบโตแบบอัตโนมัส DKG และยังเพิ่มความสามารถในทางเทคโนโลยีอย่างมีนัยสำคัญ ด้วยเหตุนี้ การเรียกคืนแบบกระจายโดยไม่มีการเซ็ทใด ๆ (dRAG) เป็นกรอบพื้นฐานที่ถูกฝังอยู่ใน DKG V8 ที่เร่งด่วนอย่างมีนัยสำคัญในการก้าวหน้าของแอปพลิเคชันรายละเอียดของภาษาใหญ่ (LLM)
DKG V8 ถูกออกแบบมาเพื่อขับเคลื่อน AI รุ่นต่อไปผ่านเนื้อหาแบบ multi-modal ซึ่งเป็นสิ่งที่สำคัญสำหรับระบบนิเวศ AI ที่หลากหลายและแข็งแกร่ง การผสมผสานของ dRAG และความสามารถอื่น ๆ ของ AI แบบกระจายช่วยให้การประยุกต์ใช้เทคโนโลยี AI มีความน่าเชื่อถือและปลอดภัยมากขึ้น แก้ไขปัญหาเช่นการสื่อข้อมูลที่ไม่ถูกต้อง การเอียงข้อมูลและการพังโมเดล
การอัปเดตโครงการ DKG V8 เน้นตัวบ่งชี้ที่ออกแบบมาเพื่อเร่งการเริ่มต้นและส่งเสริมความก้าวหน้าเหล่านี้ รวมถึงกระบวนการขุดค้นความรู้ที่ปรับปรุงแล้วการผสมผสานข้ามระบบบล็อกเชนหลายระบบและการปรับปรุงความสามารถในการขยายตัวที่มุ่งเน้นการสนับสนุนการเติบโตของทรัพยากรความรู้ที่แผ่ขยายไป มูลฐานนี้มั่นใจว่า DKG V8 ไม่เพียงขยายผลกระทบของเครือข่ายของมันแต่ยังเสริมสร้างตำแหน่งของมันเป็นฐานวัดสำคัญของการพัฒนา AI อนาคต