AI 可信度提升：Mira 網路構建 AI 信任層

近日，Mira 網路的公共測試網正式上線，旨在爲 AI 構建信任層。這引發了人們對 AI 可信度的思考：爲什麼 AI 需要被信任？Mira 又如何解決這一問題？

在討論 AI 時，人們往往更關注其強大的能力，而忽視了 AI 存在的"幻覺"或偏見問題。AI 的"幻覺"指的是 AI 有時會"編造"看似合理但實際上並不準確的內容。例如，當被問及月亮爲什麼是粉色時，AI 可能會給出一系列聽起來合理但實際上是虛構的解釋。

AI 出現"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"的內容來實現連貫性和合理性，但有時無法驗證真僞。此外，訓練數據本身可能包含錯誤、偏見甚至虛構內容，這也會影響 AI 的輸出。簡而言之，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 幻覺的可能性。雖然在普通知識或娛樂內容中，這種帶有偏見或幻覺的輸出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，則可能產生重大影響。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 項目試圖通過構建 AI 的信任層來解決這一問題，減少 AI 偏見和幻覺，提升 AI 的可靠性。Mira 的核心思路是通過多個 AI 模型的共識來驗證 AI 輸出。它是一個驗證網路，利用多個 AI 模型的共識和去中心化共識來驗證 AI 輸出的可靠性。

Mira 網路的關鍵在於去中心化的共識驗證。它結合了加密領域的優勢和多模型協同的方法，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，通過加密經濟激勵和懲罰機制來確保節點運營商的誠實性。

Mira 的網路架構包括內容轉換、分布式驗證和共識機制。內容轉換是其中的重要環節，Mira 網路將候選內容分解成不同的可驗證聲明，並分發給節點進行驗證。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。他們參與驗證是爲了獲得收益，這些收益來自爲客戶創造的價值。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，這將產生巨大價值。

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。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 已與多個 AI agent 框架合作。用戶可以通過 Klok（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。