AI信任层的新探索：Mira网络公共测试网启动

近日，Mira网络的公共测试网正式推出，这一项目旨在为AI构建信任层。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，AI存在"幻觉"或偏见的问题却常常被忽视。所谓AI的"幻觉"，简单来说就是AI有时会"编造"信息，看似合理地解释一些不存在的现象。

AI的"幻觉"或偏见与当前的AI技术路径有关。生成式AI通过预测"最可能"的内容来实现连贯性和合理性，但有时难以验证真伪。此外，训练数据本身可能包含错误、偏见甚至虚构内容，这也会影响AI的输出。换言之，AI学习的是人类语言模式，而非事实本身。

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产生"幻觉"。这种带有偏见或幻觉的输出在普通知识或娱乐内容中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，可能会产生重大影响。因此，解决AI幻觉和偏见成为AI演化过程中的核心问题之一。

Mira项目正是试图解决AI偏见和幻觉的问题，构建AI的信任层，提升AI的可靠性。那么，Mira是如何减少AI的偏见和幻觉，并最终实现可信任的AI呢？

Mira的核心策略是通过多个AI模型的共识来验证AI输出。Mira本质上是一个验证网络，借助多个AI模型的共识来验证AI输出的可靠性。更重要的是，Mira采用去中心化共识进行验证。

Mira网络的关键在于去中心化的共识验证。这种方法结合了加密领域的优势和多模型协同的特点，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。节点运营商参与验证这些声明，通过加密经济激励/惩罚机制确保节点运营商的诚实性。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。首先，系统将客户提交的候选内容分解成可验证声明，然后分发给节点进行验证，最后汇总结果达成共识。为保护客户隐私，声明对会以随机分片的方式分发给不同节点。

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。他们参与验证的动力来自于可获得的收益，这些收益源于为客户创造的价值。Mira网络的目标是降低AI的错误率，特别是在医疗、法律、航空、金融等领域，这可能产生巨大价值。

为防止节点运营商投机取巧，持续偏离共识的节点会被扣减质押代币。这种经济机制的博弈确保了节点运营商诚实参与验证。

总体而言，Mira为实现AI的可靠性提供了一种新的解决思路。它在多AI模型基础上构建去中心化共识验证网络，为客户的AI服务带来更高的可靠性，降低AI偏见和幻觉，满足客户对更高准确度和精确率的需求。

目前，Mira已与多个AI agent框架合作。用户可以通过Klok（一个基于Mira的LLM聊天应用）参与Mira公共测试网，体验经过验证的AI输出，并有机会赚取Mira积分。这种新型的AI信任层有望推动AI应用的深入发展。