AI信任層的新探索：Mira網路公共測試網啓動

近日，Mira網路的公共測試網正式推出，這一項目旨在爲AI構建信任層。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，AI存在"幻覺"或偏見的問題卻常常被忽視。所謂AI的"幻覺"，簡單來說就是AI有時會"編造"信息，看似合理地解釋一些不存在的現象。

AI的"幻覺"或偏見與當前的AI技術路徑有關。生成式AI通過預測"最可能"的內容來實現連貫性和合理性，但有時難以驗證真僞。此外，訓練數據本身可能包含錯誤、偏見甚至虛構內容，這也會影響AI的輸出。換言之，AI學習的是人類語言模式，而非事實本身。

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產生"幻覺"。這種帶有偏見或幻覺的輸出在普通知識或娛樂內容中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，可能會產生重大影響。因此，解決AI幻覺和偏見成爲AI演化過程中的核心問題之一。

Mira項目正是試圖解決AI偏見和幻覺的問題，構建AI的信任層，提升AI的可靠性。那麼，Mira是如何減少AI的偏見和幻覺，並最終實現可信任的AI呢？

Mira的核心策略是通過多個AI模型的共識來驗證AI輸出。Mira本質上是一個驗證網路，借助多個AI模型的共識來驗證AI輸出的可靠性。更重要的是，Mira採用去中心化共識進行驗證。

Mira網路的關鍵在於去中心化的共識驗證。這種方法結合了加密領域的優勢和多模型協同的特點，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。節點運營商參與驗證這些聲明，通過加密經濟激勵/懲罰機制確保節點運營商的誠實性。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。首先，系統將客戶提交的候選內容分解成可驗證聲明，然後分發給節點進行驗證，最後匯總結果達成共識。爲保護客戶隱私，聲明對會以隨機分片的方式分發給不同節點。

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。他們參與驗證的動力來自於可獲得的收益，這些收益源於爲客戶創造的價值。Mira網路的目標是降低AI的錯誤率，特別是在醫療、法律、航空、金融等領域，這可能產生巨大價值。

爲防止節點運營商投機取巧，持續偏離共識的節點會被扣減質押代幣。這種經濟機制的博弈確保了節點運營商誠實參與驗證。

總體而言，Mira爲實現AI的可靠性提供了一種新的解決思路。它在多AI模型基礎上構建去中心化共識驗證網路，爲客戶的AI服務帶來更高的可靠性，降低AI偏見和幻覺，滿足客戶對更高準確度和精確率的需求。

目前，Mira已與多個AI agent框架合作。用戶可以通過Klok（一個基於Mira的LLM聊天應用）參與Mira公共測試網，體驗經過驗證的AI輸出，並有機會賺取Mira積分。這種新型的AI信任層有望推動AI應用的深入發展。