心理学家荣格提出了集体潜意识（Collective Unconscious）的心理学概念，他的理论基础与学派都建立在这个结构底下。荣格认为人类社会的底层有着集体潜意识，这个集体潜意识为所有人类共有，集体潜意识并非来自个人的直接经验，而是来自于人类的遗传基因和过往集体创造出的共同意识与原型，这些集体意识会互相影响未来个人与群体的发展，但也可能会以讹传讹，让错误也重复的传递下去，影响知识传承并阻碍文明社会发展。
这就能说明去中心化人工智慧知识图谱（Decentralized Knowledge Graph简称DKG）透过区块链验证资料的来源、著作权和诚信价值的重要性。
生成AI已经在多个领域中蓬勃发展，但还是有许多缺陷，严重影响未来人工智慧于各领域的发展。为了让生成AI做好准备应对大规模的社会变更，需要限制人工智慧的幻觉、偏见与误判，并杜绝侵犯智慧财产权。
去中心化人工智慧图谱透过模型输出提供资讯来源、确保所呈现资讯的可验证性，并尊重数据所有权与来源，来解决AI不足的领域。
OriginTrail的开发团队Trace Labs加入NVIDIA Inception计划，希望能实现去中心化知识图谱（DKG）创造可验证（Verifiable Internet）的人工智慧网络。Trace Labs已在供应链、医疗保健、建筑、体育、航空业等领域实施去中心化人工智慧知识图谱，与辉达的合作更能将区块链与人工智慧做完美的结合。
Trace Labs和Nvidia如何打造去中心化AI知识图谱
Origin Trail将本身技术团队开发的去中心化知识图谱（DKG）与NVIDIA生成AI合作打造「去中心化AI知识图谱」。
Retrieval Augmented Generation（简称RAG）为生成文本时增强扩大的信息检索生成机制，提供可验证且可靠的知识信息来源。RAG是一种技术，允许机器学习模型在生成输出前从外部数据库中提取相关讯息，借以提高回答的准确性和上下文的相关性。
去中心化RAG（dRAG）为RAG的进阶版，通过OriginTrail的去中心化知识图谱来允许数据以知识资产（Knowledge Assets）的形式存在，每个资产都有其特定的识别和所有权，确保数据的可追溯性、完整性和所有权，可大幅提高GenAI模型的准确性和可靠性。
dRAG透过利用去中心化知识图谱（DKG)改进RAG系统。每个知识资产都包含图表数据和向量嵌入、不变性证明与去中心化识别码（DID）和所有权NFT。当连接到一个无需许可的DKG中时，将启用知识图谱中的结构允许神经网络和符号与人工智慧混合，透过准确性输入来增强生成AI的模型。
知识资产的拥有者可以管理知识资产库中数据的存取，并透过区块链带着可验证与不可篡改的特性，DKG上每条知识信息都有加密凭证，可确保自发布后没有发生篡改。
NVIDIA Inception与Trace Labs的发展计划
Nvidia与Trace Labs透过合作发展去中心化AI知识图谱，提供VC投资机会。Inception计划还包括加入NVIDIA深度学习学院以及NVIDIA开发者论坛，使Trace Labs能够与NVIDIA一起推动建设去中心化人工智慧生态系。
如果说人类社会有集体潜意识，那么人工智慧也有AI的集体潜意识，可以重新定义人工智慧能为人类社会带来的改变。
去中心化人工智慧知识图谱的应用场景就是AI代理，利用网络大规模的集体意识，从共享但拥有主权的知识库中获取知识，意味着人工智慧可以提供上下文能具有连贯且准确的交互结合而不会损害数据的隐私与完整性，让各个专业可以建立一个可信赖的AI代理生态系。
去中心化AI知识图谱运用Nvidia的超级电脑处理数十亿知识资产，可奠定去中心化科学基础。
风险提示
加密货币投资具有高度风险，其价格可能波动剧烈，您可能损失全部本金。请谨慎评估风险。