AI信任层：Mira网络的创新尝试

近日，Mira网络的公共测试网正式上线，这个项目旨在为AI构建一个信任层。那么，为什么AI需要被信任？Mira又是如何解决这个问题的？

在讨论AI时，人们往往更关注其强大的能力。然而，一个有趣但常被忽视的问题是AI存在的"幻觉"或偏见。所谓AI的"幻觉"，简单来说就是AI有时会"胡编乱造"，看似有理有据地说出完全错误的信息。例如，如果你问AI为什么月亮是粉色的，它可能会给出一系列看似合理但完全虚构的解释。

AI的这种"幻觉"或偏见与当前的一些AI技术路径有关。生成式AI通过预测"最可能"的内容来实现连贯和合理性，但这种方法有时无法验证真伪。此外，训练数据本身可能包含错误、偏见甚至虚构内容，这些都会影响AI的输出。换句话说，AI学习的是人类的语言模式，而不是事实本身。

目前的概率生成机制和数据驱动模式几乎不可避免地会导致AI幻觉的可能性。对于普通知识或娱乐内容，这种带有偏见或幻觉的输出可能暂时不会造成直接后果。但在医疗、法律、航空、金融等高度严谨的领域，它可能会产生严重的后果。因此，解决AI幻觉和偏见成为AI发展过程中的核心问题之一。

Mira项目正是为了解决AI偏见和幻觉的问题而生。它试图构建AI的信任层，减少AI偏见和幻觉，提升AI的可靠性。那么，Mira是如何实现这一目标的呢？

Mira的核心是通过多个AI模型的共识来验证AI输出。它本质上是一个验证网络，利用多个AI模型的共识来验证AI输出的可靠性。更重要的是，Mira采用去中心化的共识来进行验证。

Mira网络的关键在于去中心化的共识验证。这一点正是加密领域所擅长的，同时它也利用了多模型协同的优势，通过集体验证模式来减少偏见和幻觉。

在验证架构方面，Mira协议支持将复杂内容转换为独立验证声明。这些声明需要节点运营商参与验证。为了确保节点运营商的诚实性，Mira采用加密经济激励/惩罚机制，不同AI模型和分散的节点运营商共同参与，以保证验证结果的可靠性。

Mira的网络架构包括内容转换、分布式验证和共识机制，以此实现验证的可靠性。在这个架构中，内容转换是重要一环。Mira网络首先将候选内容分解成不同的可验证声明，这些声明由系统分发给节点进行验证，以确定声明的有效性，并汇总结果达成共识。为了保护客户隐私，候选内容被转换为声明对，并以随机分片的方式分发给不同节点，防止验证过程中的信息泄漏。

节点运营商负责运行验证器模型，处理声明并提交验证结果。他们参与验证是因为可以获得收益，这些收益来自为客户创造的价值。Mira网络的目的是降低AI的错误率，一旦达成这个目标，就可以在医疗、法律、航空、金融等领域产生巨大价值。因此，客户愿意为此付费。为了防止节点随机响应的投机行为，持续偏离共识的节点会被减少质押代币。通过这种经济机制的博弈，确保节点运营商诚实地参与验证。

总的来说，Mira为实现AI的可靠性提供了一种新的解决思路。它在多AI模型的基础上，构建出去中心化的共识验证网络，为客户的AI服务带来更高的可靠性，降低AI偏见和幻觉，以满足客户对更高准确度和精确率的需求。同时，在为客户提供价值的基础上，为Mira网络的参与者带来收益。简而言之，Mira试图构建AI的信任层，这将推动AI应用的深入发展。

目前，Mira已经与多个AI agent框架合作。用户可以通过Klok这个基于Mira的LLM聊天应用来参与Mira公共测试网。使用Klok可以体验经过验证的AI输出，并有机会赚取Mira积分。至于这些积分的未来用途，目前还未公布。