2024 年 10 月 17 日，在麻省理工學院 (MIT) 去中心化 AI 峰會中，Origin Trail 被評選為最佳去中心化 AI 專案。

知識圖譜（Knowledge Graph）是一種將知識以關係結構方式組織起來的技術，用來表示各種事物之間的關係和背景。它不僅儲存資料與數據，還將資料與數據轉化為「知識」，強調事物之間的連結和語意信息。

也能理解成一種知識資料庫，和一般資料庫差別在於更強調關係和語意；平常最常接觸到的知識圖譜之一是 Google Knowledge Graph，由 Google 推出，用來提高 Google 搜尋品質的知識圖譜，雖然我們不一定知道它，但在 google 上搜尋時，背後可能都有它的運作。

而最知名的 "去中心化" 知識圖譜則是維基百科 Wiki，開源共享分散，不過維基百科並沒有使用區塊鏈，Origin Trail 將去中心化知識圖譜搬到區塊鏈上運作，能和去中心化 AI 結合，提供透明、可追溯、可驗證的知識。

NeuroWeb 是由 Origin Trail 創建的波卡生態平行鏈，鏈上活躍度飛速發展，根據 the Block 鏈上數據，波卡平行鏈交易活躍度持續創出新高，NeuroWeb 就佔了其中 70% 交易量 (10 月數據)。

來源

Origin Trail 是 2017 創立的老項目，如今怎麼和火熱的 AI 又扯上關係？這篇文章將介紹 Origin Trail 是什麼、與 NeuroWeb 的關係、知識挖礦是什麼、項目前景如何、為什麼能在波卡平行鏈中佔有這麼高的活躍度、以及其中的相關代幣 $TRAC 與 $NEURO。

---

去中心化知識圖譜在真實世界中使用情境

如果對去中心化知識圖譜在真實世界的應用感到抽象，覺得很難想像，可參考這個與鐵路公司合作的案例：

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

歐洲之前一起火車出軌意外，原因是輪子壞掉但沒事先發現，在結合去中心化知識圖譜與區塊鏈之後，就能整合眾多資訊來源數據，交給 AI 即時偵測出異常狀況並避免此類意外事故。

至於為什麼去中心化在這種應用中會有優勢？因為更安全、更彈性，且去信任。

而同樣的應用方式，在航空航太、汽車、國防、建築等等領域也都能發揮用處，未來使用場景極大。

Oirigin Trail 小檔案

 

Origin Trail 去中心化知識圖譜介紹

多年老項目，架構和生態版圖都有點大，不太容易簡短說明，我們一步一步拆解。

Origin Trail 發展過程

最初是作為供應鏈解決方案，結合區塊鏈技術來改善供應鏈管理上的問題，這是第一版白皮書提出時的主要方向；接著發現可以將更多數據整合進來，包含真實世界資產、NFT 等等，開始朝 web 3 的方向，也推出自己的波卡平行鏈 Origin Trail parachain。

Origin Trail 合作的企業單位包含英國標準協會 BSI、瑞士聯邦鐵路 SBB、國際條碼組織 GS1、供應商合規審計網路 SCAN (包含了 Costco / 沃爾瑪 / Target 等知名零售) 等，參與了包括貨物進口檢查、威士忌原料、藥品、農產品與肉品追蹤、甚至包含鐵路鐵軌零件異常偵測等，主要在歐洲地區。

相關案例可在這裡查看

隨著 AI 發展，Origin Trail 的去中心化知識圖譜也連接了更多數據與資訊，2024 提出白皮書 3.0 版，朝向成為 AI 的可驗證知識網，可以理解成提供給 AI 使用的去中心化知識層，提供可追溯、可驗證的知識。

2024 / 10 月在麻省理工學院進行的 AI 峰會，參與者包含了 Dell、Intel、Nvdia 等知名企業，Origin Trail 經參與者投票獲選為最佳 AI 專案。

Origin Trail 主要產品

知識資產

每個知識資產都是 NFT，並可使用區塊鏈追蹤與驗證。

 

知識資產創建與管理工具 nOS

 

知識資產瀏覽器 DKG Explor

可查詢資料庫中的所有知識資產。

 

LLM 機器人 ChatDKG

就是聊天機器人，但只會根據 DKG 中的知識來回答。目前因為知識圖譜中的知識比較屬於特定範疇，大多日常問題無法回答。

https://x.com/ChatDKG

ChatDKG 的推特機器人，可下命令並標註它，它會回答問題，例如：
/ask @ChatDKG why origin trail is the best AI project

前面是命令，後面問題可自行調整，有推特帳號的可以體驗看看。

備註：目前 ChatDKG 問題的回答範圍受限於 OriginTrail 知識圖譜中的資訊，因此並不是所有問題都能夠得到充分的回答 。

Origin Trail 技術架構

撇除應用層，Origin Trail 是雙層架構，由第一層區塊鏈 NeuroWeb 和第二層去中心化知識網路構成。

去中心化知識圖譜 Decentralized Knowledge Graph 可簡稱為 DKG，去中心化節點網路，在鏈下運行，可與多個區塊鏈整合 (Gnosis、Neuroweb、Base 等)。

知識包含了哪些？數據、資訊等等都算，再加上語意與關聯性，知識主要儲存在 DKG 節點網路中 (鏈下)，經加密摘要後上傳至鏈上，並生成獨一無二的 UAL，可理解成一個鏈上超連結，每個 UAL 都對應一組知識。

DKG 是開放、無須許可的去中心化節點網路，任何人都可以成為節點 (需要質押 $TRAC)，網路中的知識可以設定為公開 (所有節點共用) 或私有 (由特定節點託管)。

$TRAC 是 DKG 網路的代幣，要成為節點必需質押一定數量的 $TRAC，在網路中增加知識也需要支付 $TRAC。

 

兩層架構可簡易理解為：

• 知識層 DKG
  去中心化節點網路，可和多鏈整合，知識實際存儲與管理的地方，$TRAC 是這一層主要代幣，生成知識要支付代幣，成為節點需質押代幣

• 區塊鏈層 NeuroWeb
  由波卡支援的 layer 1 區塊鏈，負責協助 DKG 所需的區塊鏈運作，例如生成知識的加密證明與哈希等，鏈上代幣為 $NEURO，作為知識挖礦激勵、gas 支付與治理代幣  

什麼是知識挖礦 - 綁定 $TRAC 以及 $NEURO

簡單說就是提供獎勵給為 DKG 增加知識的人。在 DKG 上增加知識要支付 $TRAC，知識挖礦計畫會獎勵 $Neuro，主要目的是希望藉此來增加 DKG 的豐富度，就像是提供獎勵引誘人們去維基百科上增加條目。

知識挖礦的四個步驟：

• 發現－發現有利可圖的知識差距

• 發布－發布可補上差距的有用知識

• 充實－知識的改進與應用 (例如知識被引用 / 被使用的次數等)

• 學習－系統最終確認此知識並評估品質

目前要進行知識挖礦需要一點程式背景，有興趣可參閱官方文件。未來可能會推出更多直接使用前述推特機器人 @ChatDKG 就能進行的知識挖礦活動，可以追蹤官方推特，注意最新消息。

Origin Trail 兩種代幣：$TRAC 與 $NEURO｜供應量與購買管道

如何購買 $TRAC

總供應量 5 億顆，目前已流通 4 億顆 (80%)，目前分布在五條鏈上 (以太坊、Gonsis、Polygon、Base、NeuroWeb)，合約地址可從這裡查看。

可在以下交易所或到上述五條鏈上購買：

 

如何購買 $NEURO

總供應量 10 億顆，一開始只釋放一半，剩餘一半隨著區塊獎勵逐步釋放，目前流通供應量 5 億 4800 萬顆，目前主要在 Base / NeuroWeb / Moonbeam 鏈上流通。

官方推薦購買管道：

MEXC / Gate.io 交易所

Moonbeam 上 DEX Stellaswap

小結 - Origin Trail 是協助 AI 的去中心化知識層

AI 近年展現出的成長速度令人驚豔，但隨之而來的中心化 AI 風險也令人擔憂，所幸也有許多去中心化 AI 項目發展中，幣研之前也介紹過不少。

Origin Trail 做為去中心化知識圖譜，提供可追溯、可驗證，並已結合關聯性和語意的知識給 AI 使用，這能解決中心化 AI 中數據來源不透明的問題，可以將 Origin Trail 理解為 AI 的協同運作項目

雖然白皮書出了三版，但能看出這並不是因為找不到方向而頻繁調整，而是建立在累積之後的延伸，先從供應鏈數據上鏈出發，而後延伸到更多類型資產上鏈，再延伸到將這些累積的知識作為 AI 的協知識層。

在 AI 的發展過程中，關於數據隱私、AI 產出所使用的數據來源、推理過程透明度、是否可驗證等等的討論一直存在，去中心化知識圖譜可以改善這些問題，Origin Trail 從供應鏈解決方案起家，多年來已在特定領域累積大量鏈上知識，再加上這些年累積的廣泛企業組織合作網，未來發展頗令人期待。

 

延伸閱讀

Crypto 結合 AI，你不得錯過的下一個浪潮

區塊鏈百科轉型幣圈 GPT！ IQ wiki 生態系 AI 項目介紹

有網路就能零成本頻寬挖礦！ AI 數據網路 Grass 介紹，積分空投任務教學

Web 3 的 Hugging Face，AI + DePIN 資料數據庫 Aggregata 介紹