AI信任層：Mira網路的創新嘗試

近日，Mira網路的公共測試網正式上線，這個項目旨在爲AI構建一個信任層。那麼，爲什麼AI需要被信任？Mira又是如何解決這個問題的？

在討論AI時，人們往往更關注其強大的能力。然而，一個有趣但常被忽視的問題是AI存在的"幻覺"或偏見。所謂AI的"幻覺"，簡單來說就是AI有時會"胡編亂造"，看似有理有據地說出完全錯誤的信息。例如，如果你問AI爲什麼月亮是粉色的，它可能會給出一系列看似合理但完全虛構的解釋。

AI的這種"幻覺"或偏見與當前的一些AI技術路徑有關。生成式AI通過預測"最可能"的內容來實現連貫和合理性，但這種方法有時無法驗證真僞。此外，訓練數據本身可能包含錯誤、偏見甚至虛構內容，這些都會影響AI的輸出。換句話說，AI學習的是人類的語言模式，而不是事實本身。

目前的概率生成機制和數據驅動模式幾乎不可避免地會導致AI幻覺的可能性。對於普通知識或娛樂內容，這種帶有偏見或幻覺的輸出可能暫時不會造成直接後果。但在醫療、法律、航空、金融等高度嚴謹的領域，它可能會產生嚴重的後果。因此，解決AI幻覺和偏見成爲AI發展過程中的核心問題之一。

Mira項目正是爲了解決AI偏見和幻覺的問題而生。它試圖構建AI的信任層，減少AI偏見和幻覺，提升AI的可靠性。那麼，Mira是如何實現這一目標的呢？

Mira的核心是通過多個AI模型的共識來驗證AI輸出。它本質上是一個驗證網路，利用多個AI模型的共識來驗證AI輸出的可靠性。更重要的是，Mira採用去中心化的共識來進行驗證。

Mira網路的關鍵在於去中心化的共識驗證。這一點正是加密領域所擅長的，同時它也利用了多模型協同的優勢，通過集體驗證模式來減少偏見和幻覺。

在驗證架構方面，Mira協議支持將復雜內容轉換爲獨立驗證聲明。這些聲明需要節點運營商參與驗證。爲了確保節點運營商的誠實性，Mira採用加密經濟激勵/懲罰機制，不同AI模型和分散的節點運營商共同參與，以保證驗證結果的可靠性。

Mira的網路架構包括內容轉換、分布式驗證和共識機制，以此實現驗證的可靠性。在這個架構中，內容轉換是重要一環。Mira網路首先將候選內容分解成不同的可驗證聲明，這些聲明由系統分發給節點進行驗證，以確定聲明的有效性，並匯總結果達成共識。爲了保護客戶隱私，候選內容被轉換爲聲明對，並以隨機分片的方式分發給不同節點，防止驗證過程中的信息泄漏。

節點運營商負責運行驗證器模型，處理聲明並提交驗證結果。他們參與驗證是因爲可以獲得收益，這些收益來自爲客戶創造的價值。Mira網路的目的是降低AI的錯誤率，一旦達成這個目標，就可以在醫療、法律、航空、金融等領域產生巨大價值。因此，客戶願意爲此付費。爲了防止節點隨機響應的投機行爲，持續偏離共識的節點會被減少質押代幣。通過這種經濟機制的博弈，確保節點運營商誠實地參與驗證。

總的來說，Mira爲實現AI的可靠性提供了一種新的解決思路。它在多AI模型的基礎上，構建出去中心化的共識驗證網路，爲客戶的AI服務帶來更高的可靠性，降低AI偏見和幻覺，以滿足客戶對更高準確度和精確率的需求。同時，在爲客戶提供價值的基礎上，爲Mira網路的參與者帶來收益。簡而言之，Mira試圖構建AI的信任層，這將推動AI應用的深入發展。

目前，Mira已經與多個AI agent框架合作。用戶可以通過Klok這個基於Mira的LLM聊天應用來參與Mira公共測試網。使用Klok可以體驗經過驗證的AI輸出，並有機會賺取Mira積分。至於這些積分的未來用途，目前還未公布。