ملخص حوار جيت لايف - أوريجين تريل

السؤال 1: ما هو أوريجين تريل؟

OriginTrail هو نظام بيئي يبني شبكة إنترنت يمكن التحقق منها من أجل الذكاء الاصطناعي ، ويوفر إطارا شاملا يعالج تحديات العالم في عصر الذكاء الاصطناعي ، مثل الهلوسة والتحيز وانهيار النموذج ، من خلال ضمان مصدر البيانات التي تستخدمها أنظمة الذكاء الاصطناعي وإمكانية التحقق منها. يتم استخدام OriginTrail من قبل قادة عالميين مثل المعهد البريطاني للمعايير ، والسكك الحديدية الفيدرالية السويسرية ، وشبكة تدقيق امتثال الموردين (SCAN) ، والتي تمثل أكثر من 40٪ من واردات الولايات المتحدة والعديد من الاتحادات التي يمولها الاتحاد الأوروبي وغيرها. بناء على نصيحة الدكتور بوب ميتكالف الحائز على جائزة تورينج ، المشهور بقانونه لتأثيرات الشبكة ، يلعب فريق Trace Labs (مطورو OriginTrail الأساسيون) دورا حاسما في تعزيز الذكاء الاصطناعي أكثر شمولا وشفافية ولامركزية.

ما هي حالات الاستخدام العملية لـ OriginTrail؟

تم اعتماده في البداية في سلاسل التوريد العالمية لتوفير محور مشاركة البيانات الموثوق بها ، وتصبح تكنولوجيا OriginTrail أكثر أهمية عبر مختلف القطاعات ، بما في ذلك تجزئة الأصول ، والبناء ، والرعاية الصحية ، والعالم الرقمي ، وغيرها بسبب قدرتها على المصادقة وتأمين المعلومات.

(1) في قطاع سلسلة التوريد ، يستخدم BSI و SCAN OriginTraill لضمان سلامة التدقيقات الأمنية لبعض أكبر مستوردي الولايات المتحدة.

(2) تعتمد BSI أيضًا على تقنية OriginTrail لتسهيل تدفق نقل البضائع عبر حدود المملكة المتحدة.

(3)تستخدم السكك الحديدية الفدرالية السويسرية OriginTrail لضمان سلامة السفر بالقطار عن طريق تتبع كل قطعة من مواد القضبان.

(4) في مجال الرعاية الصحية، يتم استخدام OriginTrail لضمان وصول الأدوية المتبرع بها إلى المرضى المقصودين، حتى في البيئات المعقدة.

(5)في بناء تقنية OriginTrail تستخدم لبناء قاعدة معرفية موثوقة تهدف إلى تحسين الكفاءة، وتقليل الأخطاء، وزيادة الشفافية والثقة، مما يؤدي في نهاية المطاف إلى مشاريع بناء أكثر استدامة.

(6) في العالم الافتراضي ، يتم دمج OriginTrail مع Traverse ، وهو مشروع لسرد القصص يستخدم الرموز غراف NFT لتقديم تجربة سرد قصص غامرة لا مثيل لها.

Q3: أحدث الابتكارات في مجال الذكاء الاصطناعي؟

قدم فريق Trace Labs (مطوري OriginTrail الأساسيين) ChatDKG، وهو ذكاء اصطناعي حقيقي مفتوح، يدفع التآزر في مجالات حلول الذكاء الاصطناعي للتصدي للهلوسة والتحيز وانهيار النموذج، حيث لا ينبغي أن يكون هناك تسوية في تصميم حلول الذكاء الاصطناعي عندما يتعلق الأمر بملكية البيانات أو مصدر المعلومات أو قابلية التحقق من المعلومات أو التحيز الذي سيشمل أي نهج للرقابة بالتصميم. إن خطر عدم تنفيذ هذه الثورة بطريقة شاملة هو تهديد اجتماعي يتمثل في إنشاء احتكار للذكاء الاصطناعي.

لذلك قدم الفريق طريقة فعالة لإنشاء نموذج جديد، باستخدام إطار الاسترجاع المزود بالتعزيز المركزي (dRAG). يقدم dRAG تطورًا لنموذج RAG عن طريق تنظيم المصادر الخارجية في مخطط معرفة مركزي (DKG) مع إدخال حوافز لتنمية شبكة معرفية عالمية مشتركة تتاح للنماذج الذكاء الاصطناعي لاستخدامها. يمكن لإطار الاسترجاع المزود بالتعزيز المركزي أن يمكن نظام ذكاء اصطناعي متجانس مركزي يجمع بين النماذج العصبية (على سبيل المثال LLMs) والذكاء الاصطناعي الرمزي (على سبيل المثال Knowledge Graph) بطرق.

على عكس استخدام نهج الذكاء الاصطناعي النمائي بشكل كامل، يعزز نهج الذكاء الاصطناعي الرمزي ذلك بقوة الرسوم البيانية المعرفية، مما يقدم مكونًا أكثر تحديدًا. لاستغلال تطوير متناغم بين أساسيات الويب3 وأنظمة الذكاء الاصطناعي المنتشرة بسرعة، يكمن النهج في دمج تقنيات الويب3 الأساسية مثل الرسوم البيانية المعرفية اللامركزية لـ OriginTrail (DKG) وأنظمة الذكاء الاصطناعي (OpenAI، Gemini، Microsoft Co-pilot، Grok لـ xAI، وغيرها). يمكننا تحقيق إمكانات الذكاء الاصطناعي الموثوق من خلال إنشاء إنترنت قابلة للتحقق للذكاء الاصطناعي مبنية على مبادئ الحيادية والشمولية والقابلية للإستخدام، مع منح المستخدمين حرية الاختيار من خلال إطار ذكاء اصطناعي متعدد الوسائط ومتعدد النماذج.

Q4: إمكانية الدمج مع ChatDKG؟

أكثر الحلول الذكية المعتمدة والمركزة عالمياً مثل جوجل جيميني ، OpenAI ، xAI ، Perplexity تقدم قيمة هائلة لمجموعة متنوعة من الحالات الاستخدام. باستخدام Origin Trails dRAG - اسم العلامة التجارية ChatDKG.ai ، يمكنها تحسين نقاط ضعفها من خلال استغلال تآزر الذكاء الاصطناعي العصبي الرمزي ، وامتلاك البيانات ، وأداء التكلفة الأفضل. لذلك ، فإن ChatDKG.ai ليست تتنافس مع أي حلول ذكاء اصطناعي معتمدة ، ولكنها بدلاً من ذلك تمكن المستخدمين من تعزيزها باستخدام dRAG ، وتحقيق مصداقية المعرفة ، وكفاءة التكلفة ، وسيادة المستخدمين في امتلاك بياناتهم وحرية اختيار نموذج الذكاء الاصطناعي.

يسمح الطبيعة المفتوحة المصدر وغير المرخصة لـ OriginTrail DKG بالشمولية والحيادية ، مما يمنح المستخدمين مستوى هائل من الحرية في جميع الطبقات - لاختيار نماذج الذكاء الاصطناعي التي يتم تمكينها بواسطة قابلية نقل البيانات DKG ، واختيار مصادر المعرفة التي يمكن اكتشافها في DKG ، وكذلك اختيار خدمات الذكاء الاصطناعي المركزية أو المفتوحة على سلاسل كتل مختلفة.

تنطبق المبادئ نفسها على وكلاء الذكاء الاصطناعي، محركات البحث، ومجموعة متنوعة متزايدة من خدمات الذكاء الاصطناعي المتكاملة في كل أداة موجودة - باستخدام dRAG ، سيسمحون بحرية اختيار المستخدم ، واستقلالية الذكاء الاصطناعي والثقة ، كل ذلك مع الاستفادة من آثار الشبكة من خلال التوصيل.

Q5: Roadmap - ما القادم؟

التحديث القادم للرسم البياني للمعرفة اللامركزية (DKG) V8 يمثل تقدمًا كبيرًا في مجال الذكاء الاصطناعي اللامركزي، مبنيًا على الإنجازات السابقة التي جلبها V6. حقق DKG V6 المعرفة كفئة أصول جديدة، مع أصوله المعرفية الجاهزة للذكاء الاصطناعي الأساسية التي حددت المسرح لتطبيقات الذكاء الاصطناعي المتقدمة في مجالات الأصول الحقيقية (RWAs)، والعلوم اللامركزية (DeSci)، صناعة 4.0، وأكثر.

مع DKG V8 ، تقدم نمو DKG التلقائي وتزيد من قدرة التوسع بشكل كبير. بهذا يصبح Decentralized Retri Augmented Generation (dRAG) إطارًا أساسيًا متجذرًا في DKG V8 ، مما يعزز بشكل كبير مجموعة واسعة من تطبيقات نموذج اللغة الكبيرة (LLM).

DKG V8 مصمم لدفع الجيل القادم من الذكاء الاصطناعي من خلال المحتوى متعدد الوسائط، وهو أمر حاسم لنظام بيئة الذكاء الاصطناعي المتنوع والقوي. إن دمج dRAG ووظائف الذكاء الاصطناعي اللامركزي الأخرى يسمح بتطبيق أكثر تحققًا وأمانًا لتقنيات الذكاء الاصطناعي، ومعالجة التحديات مثل نشر المعلومات غير الصحيحة والانحياز في البيانات وانهيار النموذج.

تركز تحديث خريطة الطريق DKG V8 على العوامل المحفزة المصممة لتعزيز وتسريع هذه التطورات، بما في ذلك تحسين عمليات التعدين المعرفي المحسنة، والتكامل عبر عدة نظم بلوكشين، وتحسينات قابلية التوسع التي تهدف إلى دعم نمو واسع لأصول المعرفة. تضمن هذه المبادرات أن DKG V8 لا يمتد فقط تأثيرات شبكتها الأساسية ولكنها أيضًا تعزز موقعها كركيزة لتطورات الذكاء الاصطناعي المستقبلية.