Geo 創辦人 Yaniv Tal 指出線上資訊的四項弱點，他認為這些弱點導致 AI 的答案不可靠：來源失落、權威扁平化、隱藏異議以及重複的模型生成錯誤。
Geo 創辦人 Yaniv Tal 告訴 crypto.news，不可靠的 AI 答案往往始於模型接收的資料，他認為網際網路的設計是為了散佈資訊，而非維護其權威性、來源或問責制。
「AI 沒有真相問題，網際網路才有，」Tal 說。
根據 Tal 的說法，當網站抓取並重新發布資訊時，資訊會失去關鍵的背景脈絡。一項主張可能經過多個頁面才進入訓練集，這使得模型只留下陳述，卻無法追溯其原始來源。
當研究論文、公司公告和匿名論壇貼文以文字形式進入相同的資料管道時，權威性也變得難以衡量。Tal 表示，模型可能會將具有不同證據標準的資料視為具有相似的權重。
「來源喪失。一項主張被抓取、改述、再抓取，直到原始來源無法恢復，」他說。
異議造成了另一個問題，因為語言模型經常將相互競爭的立場合併為一個回應。Tal 表示，這種壓縮可能隱藏合格專家之間的真正爭議，為用戶提供單一的、自信的答案，卻不顯示存在可信的替代方案。
第四個弱點發生在 AI 生成的資料返回給後續模型使用的資料供應時。錯誤可以在重複發布後繼續存在，而合成文章、貼文和摘要使得更難以找到該主張來源的人類製作資料。
「模型越來越多地以其他模型的輸出進行訓練，因此錯誤不僅持續存在，還會放大，」Tal 說。
獨立研究記錄了相關風險。一項 2024 年《自然》雜誌研究檢視了生成模型重複地從早期模型生成的資料中學習時會發生什麼。研究人員將「模型崩潰」描述為系統逐漸失去關於原始資料分佈的資訊的過程。
根據該論文，在實驗的早期階段，不常見的資料開始消失，而後來的模型世代生成的資料分佈與原始資料幾乎沒有相似之處。研究人員表示，隨著 AI 生成資料在網際網路中傳播，存取原始、人類製作的資訊仍然很重要。
Tal 並未將這四個弱點歸類為僅限於模型設計的失敗。他認為，模型重現了訓練資料中已存在的缺陷，包括遺失的來源以及證據、意見和促銷之間缺乏可見的區別。
Geo 提出的解決方案始於將陳述與其作者和支持證據分開。條目之間的關係可以顯示一個論點是否支持另一個論點、與其矛盾，或直接回應爭議點。
Tal 表示，一旦這些連結被記錄下來，Geo 就可以根據其評估的強度對論點進行排序，同時在下方保留相互競爭的資料。該結構旨在保持異議的可見性，而不是將所有貢獻都顯示為未經區分的評論區塊。
「多元性不一定意味著噪音，」Tal 說。「我們認為幾個結構良好、相互競爭的觀點往往是更誠實的答案。」
Geo 透過稱為「空間」(Spaces) 的獨立社群組織資訊。其目前的網站列出了最初的空間，涵蓋了加密貨幣、健康、AI、教育、世界事務和美國政治。
成員可以貢獻並參與討論，而具備相關知識的人可以申請成為編輯。根據 Geo 的說法，其策展人計畫要求參與者評估來源、連結論點，並將結構化資訊添加到開放知識圖中。
該模型是從 Geo Genesis 開發而來的，Geo Genesis 於 2025 年 1 月進入早期存取階段。如先前報導，其預設治理結構將參與者分為編輯和成員。編輯獲得投票權限，而成員可以向個別空間貢獻資訊。
Geo Genesis 建立在 Aragon OSx 治理框架之上，並在 GRC-20 發布之後推出，GRC-20 是一個用於表示互聯知識的標準。The Graph 在 2025 年 6 月表示，GRC-20 可以讓社群在鏈上發布結構化資訊，並透過 subgraphs 和 Substreams 檢索。
曾共同創立 The Graph，而後創立 Geo 的 Tal 表示，專業知識不會在所提議的系統下由一個中央機構指派。貢獻者將透過他們的工作建立聲譽，Geo 旨在讓該記錄在個人跨越不同空間時隨之轉移。
「人類判斷現在是稀缺的輸入，而不是冗餘的。機器生成的內容比人類能處理的還要多，而且幾乎沒有人對其真實性負責。」
一個人類運營的知識網路仍必須確定貢獻者是否真實、合格且獨立。開放治理系統可能面臨女巫攻擊 (Sybil attacks)，其中一個參與者創建多個身份以在投票、排名或獎勵中獲得影響力。
一份 2026 年 6 月的說明文件檢視了生物識別檢查、社會信任網路和零知識身份工具如何嘗試驗證獨特的人。每種方法都涉及隱私、抗攻擊性、可訪問性和控制之間的權衡，而 AI 可以幫助攻擊者以低成本創建令人信服的角色。
Tal 表示，Geo 將依賴貢獻記錄和特定領域社群，而不是讓匿名資料享有與具備公開歷史的人所提出的主張相同的地位。編輯將通過各個空間申請，而成員將參與管理他們所關注的主題。
「沒有財務利益關係的參與改變了人們願意冠名之物的品質，」Tal 說。
這種方法並不能消除決定誰來選擇編輯、社群如何解決協調操縱，或者在一個主題中獲得的專業知識是否應該在另一個主題中具有影響力的問題。Tal 將「看門人」問題描述為真實存在，但他認為獨立空間將阻止一個機構控制所有領域。
人類參與在加密貨幣安全領域也受到關注，自動化工具可能會檢測到惡意活動，但用戶仍然需要授權交易。在 2026 年 5 月，一份 Ledger 安全報告將手動驗證和清晰的交易顯示描述為防範 AI 輔助網路釣魚、虛假介面和自動化詐騙的保障。
Tal 表示，加密貨幣是 Geo 的首批空間之一，因為區塊鏈活動提供了可驗證記錄和人類解釋之間差異的直接測試。
區塊鏈可以確認交易發生在記錄的地址和區塊上。然而，它無法在沒有額外證據的情況下，確定誰控制該地址、資金為何移動、活動是否自然發生，或專案下一步計劃做什麼。
「鏈上數據是透過建構可驗證的。交易發生了就是發生了，沒有就是沒有。圍繞它的所有都是主張，」Tal 說。
因此，根據 Tal 的說法，專案公告、合作夥伴描述、市場預測和代幣流動解釋需要單獨處理。Geo 旨在將這些主張歸屬於具名貢獻者並保留其記錄，包括先前證明為錯誤的陳述。
促銷活動使得這種區別在數位資產市場中尤為重要，在這些市場中，團隊可能會在可驗證交易數據旁呈現選定的指標。Tal 表示，可信的知識層應對這些類別進行標示，而不是以相同的口吻呈現兩者。
對於部署生成式 AI 的美國開發者和公司，美國國家標準與技術研究院 (NIST) 建議了幾項與 Tal 論點部分重疊的控制措施。
NIST 於 2024 年 7 月發布的《生成式 AI 檔案》(Generative AI Profile) 建議組織記錄訓練資料來源、監控生成資料的來源，並評估溯源系統和人類審閱者之間的意見回饋。該自願性框架也呼籲領域專家和受影響的社群參與某些評估。
內容溯源標準提供了另一種記錄數位資料來源的方法。內容溯源與真實性聯盟 (C2PA) 使用密碼簽署的內容憑證來保留有關誰創建或更改了資產以及如何編輯的資訊。
然而，根據 C2PA 規範，經過驗證的溯源並不能決定所附主張是好是壞還是真實。該標準驗證主張與基礎資產相關聯、格式正確且未經篡改。
