ผมได้เปิดเผย knowledge graph ด้าน provenance ของงานศิลปะ (ประวัติการครอบครอง) เป็นเซิร์ฟเวอร์ MCP แล้ว ตอนนี้เป็นโอเพนเบต้าใช้ฟรี และเชื่อมกับ Claude/ChatGPT/Cursor ได้ด้วย URL เดียวโดยไม่ต้องใช้คีย์: https://provenio.art/api/mcp (stdio คือ npx provenio-mcp)
สิ่งที่ยืนยันได้ระหว่างทำคือ LLM รุ่นใหม่รู้จักประวัติศาสตร์ศิลปะที่มีชื่อเสียงอยู่แล้วค่อนข้างดี ดังนั้นผมจึงสรุปว่าจุดต่างที่แท้จริงของเซิร์ฟเวอร์เฉพาะทางไม่ใช่ "ความรู้" แต่คือ "พฤติกรรมเมื่อมันไม่รู้"
ตัวอย่างเช่น ถ้าถามถึง Untitled (Boxer) ของ Basquiat ระบบจะส่งกลับข้อเท็จจริงว่าหลังสร้างในปี 1982 จนถึงการประมูลของ Christie's ในปี 2017 ตลอด 35 ปีนั้น ไม่เคยมีการยืนยันเจ้าของต่อสาธารณะได้ ดังนี้:
{ "gap": "ผู้ซื้อเดิมในปี 1982 และสายการครอบครองระหว่างปี 1982–2017 ยังไม่ได้รับการยืนยันจากเอกสารปฐมภูมิ", "impact": "medium" }
แทนที่จะกุเรื่องเจ้าของที่ดูน่าเชื่อถือ ระบบจะคืน "ช่องว่าง" กลับมาเป็นข้อมูล สำหรับโดเมนอย่างการประเมินความแท้ การขอคืนทรัพย์สิน หรือประกันภัย ซึ่งการโกหกอย่างมั่นใจอันตรายกว่าความเงียบ นี่คือฟังก์ชันหลักที่สำคัญที่สุด
องค์ประกอบ:
- knowledge graph 282,731 โหนด (CIDOC-CRM/PROV-O) — Getty Provenance Index, สมุดบัญชีแกลเลอรี Knoedler (1872–1971), บันทึกการปล้นสะดมในนิทรรศการและการขอคืนทรัพย์สิน
- เครื่องมือ 27 รายการ: สายการครอบครอง (รวมการปักธงความเสี่ยงยุคนาซี 1933–45), สรุปเปอร์เซ็นไทล์ราคาประมูล, เปรียบเทียบผลงานคล้ายกัน, เครือข่ายอิทธิพล
- อัตราหลอน <1% ตรวจสอบด้วย eval harness ที่รันซ้ำได้บน live API (ไม่ใช่การรายงานตัวเอง)
- พัฒนาโดยคนเดียว ตั้งแต่ออนโทโลยี → MCP → เว็บ ด้วยระบบ AI agent
แถมยังมีงานที่สร้างจากข้อมูลชุดนี้ด้วย: provenio.art/genesis — เป็นภาพแสดงผลที่ศิลปิน 36 คนซิงก์กันด้วยโมเดล Kuramoto บน adjacency matrix ของความสัมพันธ์เชิงอิทธิพลจริง (คำนวณสดทุกเฟรม)
อยากได้ฟีดแบ็กเกี่ยวกับการออกแบบ "AI ที่เงียบเมื่อไม่มีแหล่งอ้างอิง" โดยเฉพาะจากคนที่เคยลองนำแนวคิดนี้ไปใช้กับโดเมนอื่นครับ
ยังไม่มีความคิดเห็น