قدم عالم النفس يونغ مفهوم اللاوعي الجماعي (Collective Unconscious) ، حيث أسس نظريته ومدرسته على هذا الهيكل. يعتقد يونغ أن هناك لاوعي جماعي في أساس المجتمع البشري، وهذا اللاوعي الجماعي مشترك لجميع البشر، وهو ليس ناتجًا عن تجارب الأفراد مباشرة، بل يأتي من الجينات الوراثية للإنسان والوعي الجماعي والأصلي الذي أنشأه البشر في الماضي. هذه الوعي الجماعي يؤثر على تطور الأفراد والمجتمع في المستقبل، وممكن أن ينتقل الخطأ بشكل متكرر ويؤثر على نقل المعرفة ويعيق تطور المجتمع الحضاري.
يمكن أن يشرح هذا أهمية البيانات الموثقة بواسطة تقنية سلسلة الكتل في مخطط المعرفة المتمحور حول الذكاء الاصطناعي المركزية (Decentralized Knowledge Graph المعروفة أيضًا بـ DKG) وحقوق الملكية الفكرية وقيمة النزاهة.
تطور الذكاء الاصطناعي قد نما بقوة في العديد من المجالات، ولكن لا يزال هناك العديد من العيوب التي تؤثر بشكل كبير على تطور الذكاء الاصطناعي في المستقبل في مختلف المجالات. من أجل تجهيز AI التوليد للتعامل مع التغييرات الاجتماعية الكبيرة، يجب تقييد الأوهام والتحيزات والأخطاء في الذكاء الاصطناعي والقضاء على انتهاك حقوق الملكية الفكرية.
يستخدم الخريطة الذكية المركزية للذكاء الاصطناعي نموذج الإخراج لتوفير مصادر المعلومات وضمان التحقق من صحة المعلومات المقدمة واحترام ملكية البيانات والمصادر، لحل مجالات نقص الذكاء الاصطناعي.
انضم فريق تطوير OriginTrail Trace Labs إلى مشروع NVIDIA Inception، على أمل تحقيق خريطة معرفية لامركزية (DKG) لخلق شبكة ذكاء اصطناعي قابلة للتحقق (Verifiable Internet).
قامت Trace Labs بتنفيذ رسم بياني للمعرفة الذكية غير المركزية في مجالات سلسلة التوريد والرعاية الصحية والبناء والرياضة وصناعة الطيران، والتعاون مع NVIDIA يمكن أن يجمع بين تقنية سلسلة الكتل والذكاء الاصطناعي بشكل مثالي.
كيف قامت Trace Labs و Nvidia ببناء مخطط المعرفة الذكي المركزي
سيقوم Origin Trail بالتعاون مع NVIDIA ببناء "مخطط معرفي للذكاء الاصطناعي المركزي" من خلال دمج نمط المعرفة اللامركزية (DKG) الذي تم تطويره بواسطة فريق التكنولوجيا الخاص بنا.
تعزيز الاسترجاع المحسن (اختصار RAG) هو آلية توليد معلومات موسعة لتوليد النصوص أثناء توليدها، وتوفير مصادر معرفية قابلة للتحقق وموثوقة. RAG هو نوع من التقنيات التي تسمح لنماذج التعلم الآلي بسحب معلومات ذات صلة من قواعد بيانات خارجية قبل توليد الإخراج، مما يعزز دقة الإجابة وصلة السياق.
RAG اللامركزية (dRAG) هو إصدار متقدم لـ RAG ، حيث يسمح بوجود البيانات على شكل أصول المعرفة (Knowledge Assets) من خلال الرسم البياني المعرفي اللامركزي لـ OriginTrail. تحتوي كل أصل على تعريف وملكية محددين لضمان تتبع البيانات واكتمالها وملكيتها ، مما يساهم في زيادة دقة وموثوقية نموذج GenAI بشكل كبير.
يقوم dRAG بتحسين نظام RAG من خلال استخدام الخريطة المعرفية اللامركزية (DKG). كل أصل معرفي يحتوي على بيانات الرسوم البيانية وتضمينات الناقلات والبراهين غير المتغيرة ومعرف التفويض اللامركزي (DID) وحقوق الملكية NFT. عند الاتصال بـ DKG غير المرخص به، سيتم تمكين هيكل الخريطة المعرفية للسماح بالمزيج بين الشبكات العصبية والرموز والذكاء الاصطناعي، من خلال إدخال دقيق لتعزيز نماذج الذكاء الاصطناعي.
يمكن لمالكي الأصول المعرفية إدارة الوصول إلى البيانات في مستودع الأصول المعرفية وذلك من خلال سمة البلوكشين التي تحمل خصائص التحقق وعدم القابلية للتلاعب. كل رسالة معرفية على DKG تحمل شهادة تشفير يمكن التحقق منها، مما يضمن عدم تغييرها بعد النشر.
برنامج تطوير NVIDIA Inception مع Trace Labs
نفيديا وتراس لابز يطوران جرافات المعرفة الذكية المفتوحة من خلال التعاون لتوفير فرص الاستثمار في رأس المال المغامر. يشمل برنامج Inception أيضًا الانضمام إلى أكاديمية نفيديا للتعلم العميق ومنتدى مطوري نفيديا ، مما يتيح لتراس لابز العمل مع نفيديا لتعزيز بناء البيئة الذكية للذكاء الاصطناعي المفتوحة.
إذا كان هناك وعي جماعي في المجتمع البشري ، فإن الذكاء الاصطناعي لديه أيضًا وعي جماعي يمكنه إعادة تعريف التغييرات التي يمكن أن يجلبها الذكاء الاصطناعي للمجتمع البشري.
تطبيقات المشهد للذكاء الاصطناعي الموزع هي وكلاء الذكاء الاصطناعي التي تستخدم الوعي الجماعي عبر الشبكة للاستفادة من المعرفة المشتركة ولكن ذات السيادة من قواعد المعرفة، مما يعني أن الذكاء الاصطناعي يمكنه توفير تفاعل متسق ودقيق يتكامل مع السياق دون المساس بخصوصية وسلامة البيانات، مما يتيح لكل مجال مهني بناء بيئة وكلاء للذكاء الاصطناعي يمكن الاعتماد عليها.
تطبيق الشبكة العصبية المركزة للمعرفة الذكية يستخدم الحواسيب العملاقة من Nvidia لمعالجة مليارات الأصول المعرفية ، ويمكن أن يوفر أساسًا علميًا للعلوم غير المركزية.
هذا المقال تعاونت Trace Labs مع برنامج Inception من NVIDIA لتعزيز رسم خرائط المعرفة الذكية غير المركزية AI ظهرت لأول مرة في ChainNews ABMedia.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
Trace Labs تنضم إلى مشروع إنسيبشن من NVIDIA للتعاون في تعزيز الذكاء الاصطناعي المتوزع
قدم عالم النفس يونغ مفهوم اللاوعي الجماعي (Collective Unconscious) ، حيث أسس نظريته ومدرسته على هذا الهيكل. يعتقد يونغ أن هناك لاوعي جماعي في أساس المجتمع البشري، وهذا اللاوعي الجماعي مشترك لجميع البشر، وهو ليس ناتجًا عن تجارب الأفراد مباشرة، بل يأتي من الجينات الوراثية للإنسان والوعي الجماعي والأصلي الذي أنشأه البشر في الماضي. هذه الوعي الجماعي يؤثر على تطور الأفراد والمجتمع في المستقبل، وممكن أن ينتقل الخطأ بشكل متكرر ويؤثر على نقل المعرفة ويعيق تطور المجتمع الحضاري.
يمكن أن يشرح هذا أهمية البيانات الموثقة بواسطة تقنية سلسلة الكتل في مخطط المعرفة المتمحور حول الذكاء الاصطناعي المركزية (Decentralized Knowledge Graph المعروفة أيضًا بـ DKG) وحقوق الملكية الفكرية وقيمة النزاهة.
تطور الذكاء الاصطناعي قد نما بقوة في العديد من المجالات، ولكن لا يزال هناك العديد من العيوب التي تؤثر بشكل كبير على تطور الذكاء الاصطناعي في المستقبل في مختلف المجالات. من أجل تجهيز AI التوليد للتعامل مع التغييرات الاجتماعية الكبيرة، يجب تقييد الأوهام والتحيزات والأخطاء في الذكاء الاصطناعي والقضاء على انتهاك حقوق الملكية الفكرية.
يستخدم الخريطة الذكية المركزية للذكاء الاصطناعي نموذج الإخراج لتوفير مصادر المعلومات وضمان التحقق من صحة المعلومات المقدمة واحترام ملكية البيانات والمصادر، لحل مجالات نقص الذكاء الاصطناعي.
انضم فريق تطوير OriginTrail Trace Labs إلى مشروع NVIDIA Inception، على أمل تحقيق خريطة معرفية لامركزية (DKG) لخلق شبكة ذكاء اصطناعي قابلة للتحقق (Verifiable Internet).
قامت Trace Labs بتنفيذ رسم بياني للمعرفة الذكية غير المركزية في مجالات سلسلة التوريد والرعاية الصحية والبناء والرياضة وصناعة الطيران، والتعاون مع NVIDIA يمكن أن يجمع بين تقنية سلسلة الكتل والذكاء الاصطناعي بشكل مثالي.
كيف قامت Trace Labs و Nvidia ببناء مخطط المعرفة الذكي المركزي
سيقوم Origin Trail بالتعاون مع NVIDIA ببناء "مخطط معرفي للذكاء الاصطناعي المركزي" من خلال دمج نمط المعرفة اللامركزية (DKG) الذي تم تطويره بواسطة فريق التكنولوجيا الخاص بنا.
تعزيز الاسترجاع المحسن (اختصار RAG) هو آلية توليد معلومات موسعة لتوليد النصوص أثناء توليدها، وتوفير مصادر معرفية قابلة للتحقق وموثوقة. RAG هو نوع من التقنيات التي تسمح لنماذج التعلم الآلي بسحب معلومات ذات صلة من قواعد بيانات خارجية قبل توليد الإخراج، مما يعزز دقة الإجابة وصلة السياق.
RAG اللامركزية (dRAG) هو إصدار متقدم لـ RAG ، حيث يسمح بوجود البيانات على شكل أصول المعرفة (Knowledge Assets) من خلال الرسم البياني المعرفي اللامركزي لـ OriginTrail. تحتوي كل أصل على تعريف وملكية محددين لضمان تتبع البيانات واكتمالها وملكيتها ، مما يساهم في زيادة دقة وموثوقية نموذج GenAI بشكل كبير.
يقوم dRAG بتحسين نظام RAG من خلال استخدام الخريطة المعرفية اللامركزية (DKG). كل أصل معرفي يحتوي على بيانات الرسوم البيانية وتضمينات الناقلات والبراهين غير المتغيرة ومعرف التفويض اللامركزي (DID) وحقوق الملكية NFT. عند الاتصال بـ DKG غير المرخص به، سيتم تمكين هيكل الخريطة المعرفية للسماح بالمزيج بين الشبكات العصبية والرموز والذكاء الاصطناعي، من خلال إدخال دقيق لتعزيز نماذج الذكاء الاصطناعي.
يمكن لمالكي الأصول المعرفية إدارة الوصول إلى البيانات في مستودع الأصول المعرفية وذلك من خلال سمة البلوكشين التي تحمل خصائص التحقق وعدم القابلية للتلاعب. كل رسالة معرفية على DKG تحمل شهادة تشفير يمكن التحقق منها، مما يضمن عدم تغييرها بعد النشر.
برنامج تطوير NVIDIA Inception مع Trace Labs
نفيديا وتراس لابز يطوران جرافات المعرفة الذكية المفتوحة من خلال التعاون لتوفير فرص الاستثمار في رأس المال المغامر. يشمل برنامج Inception أيضًا الانضمام إلى أكاديمية نفيديا للتعلم العميق ومنتدى مطوري نفيديا ، مما يتيح لتراس لابز العمل مع نفيديا لتعزيز بناء البيئة الذكية للذكاء الاصطناعي المفتوحة.
إذا كان هناك وعي جماعي في المجتمع البشري ، فإن الذكاء الاصطناعي لديه أيضًا وعي جماعي يمكنه إعادة تعريف التغييرات التي يمكن أن يجلبها الذكاء الاصطناعي للمجتمع البشري.
تطبيقات المشهد للذكاء الاصطناعي الموزع هي وكلاء الذكاء الاصطناعي التي تستخدم الوعي الجماعي عبر الشبكة للاستفادة من المعرفة المشتركة ولكن ذات السيادة من قواعد المعرفة، مما يعني أن الذكاء الاصطناعي يمكنه توفير تفاعل متسق ودقيق يتكامل مع السياق دون المساس بخصوصية وسلامة البيانات، مما يتيح لكل مجال مهني بناء بيئة وكلاء للذكاء الاصطناعي يمكن الاعتماد عليها.
تطبيق الشبكة العصبية المركزة للمعرفة الذكية يستخدم الحواسيب العملاقة من Nvidia لمعالجة مليارات الأصول المعرفية ، ويمكن أن يوفر أساسًا علميًا للعلوم غير المركزية.
هذا المقال تعاونت Trace Labs مع برنامج Inception من NVIDIA لتعزيز رسم خرائط المعرفة الذكية غير المركزية AI ظهرت لأول مرة في ChainNews ABMedia.