原文作者: Eric Zhang

　　翻译者：Yofu@DAOrayaki.org

　　审核者：DAOctor @DAOrayaki.org

　　原文: Web3 Collaborative Intelligence – Knowledge Trees, Knowledge Forest, and Community Contributions

　　原标题：《Web3协同智能——知识树、知识森林和社区贡献》

　　特别感谢 Zeo、DAOctor、Zhengyu、Christina 的贡献、审阅和反馈。

　　构建知识结构数据库和更好地可视化知识是推进计算机科学、人工智能和Web的重要任务。在加密货币和去中心化应用世界出现之前，旧的 Web 3.0 研究主要集中在构建知识库和知识图谱，以及基于这些结构的表示/推理（语义Web）。

　　建立知识库有两种通用方法。一种方法是从 Web 以及其他数据源获取数据，然后将它们组织到所需的知识数据库中（主要是“三元组”或“图”的巨大集合，然后执行“高阶逻辑”或机器学习推理结构和其他智能任务的技术）。另一种方法是依靠人类智能来协作建立数据库（例如，我们将在后面更详细讨论的 Wikipedia、ConceptNet 或 Citizen Science 项目）。

　　本文将首先回顾过去几十年的一些相关创新，然后讨论我们如何才能向前迈进，建立一个具有集体智慧和可持续激励机制的高水平知识数据库。

　　知识库、知识图谱和维基百科

　　很长一段时间以来，人们对创建知识图谱很感兴趣，主要有两个原因：

• 　　连接人类创造的所有信息和知识的点，

• 　　并且在知识图谱上执行推理和机器学习技术以产生更好的人工智能，并使用该系统改善 Web2 产品的用户体验。

　　现在，很明显有用的知识图谱大多是作为 Web2 中大型公司的基础工具创建的。例如，Facebook 知识图谱有助于更好的社交网络搜索，谷歌知识图谱有助于呈现相关信息。由于一切都是闭源的，我们不知道知识图谱是如何构建的，但从 UI 来看，这些知识图谱肯定有助于改善用户体验。

　　维基百科社区的努力是惊人的。这是展示互联网社区力量的首次尝试之一。另一方面，开放数据库可作为互联网公共产品使用。一个例子是 DBpedia，它是一个为想要利用 Wikipedia 知识库的应用程序提供 API 的数据库。另一个例子是 ConceptNet，这是一个免费提供的语义网络，可帮助 AI 和 NLP 程序获取通用语义。

　　然而，这些互联网公益组织能做多少，有一些根本性的限制。维基百科每年都依赖捐赠，它在一个 501(c)3 组织内运作，很难在其上施加更先进的激励机制并基于知识网络构建更酷的基础设施。DBpedia 和 ConceptNet 等也是如此。作为非营利组织，这些公益组织很难深入建立一个不断构建基础设施并最终形成生态系统的社区。我在大学时使用 DBpedia 的 API 构建了一个 Wikipedia 图形可视化和搜索工具。然而，当时加入一个充满活力的社区要困难得多。现在在加密社区，情况大不相同了，有好主意的开发者可以参与更多的活动，组队并得到多链生态系统的支持。 (责任编辑：admin)