AI 可信度提升：Mira 网络构建 AI 信任层

近日，Mira 网络的公共测试网正式上线，旨在为 AI 构建信任层。这引发了人们对 AI 可信度的思考：为什么 AI 需要被信任？Mira 又如何解决这一问题？

在讨论 AI 时，人们往往更关注其强大的能力，而忽视了 AI 存在的"幻觉"或偏见问题。AI 的"幻觉"指的是 AI 有时会"编造"看似合理但实际上并不准确的内容。例如，当被问及月亮为什么是粉色时，AI 可能会给出一系列听起来合理但实际上是虚构的解释。

AI 出现"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"的内容来实现连贯性和合理性，但有时无法验证真伪。此外，训练数据本身可能包含错误、偏见甚至虚构内容，这也会影响 AI 的输出。简而言之，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 幻觉的可能性。虽然在普通知识或娱乐内容中，这种带有偏见或幻觉的输出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，则可能产生重大影响。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 项目试图通过构建 AI 的信任层来解决这一问题，减少 AI 偏见和幻觉，提升 AI 的可靠性。Mira 的核心思路是通过多个 AI 模型的共识来验证 AI 输出。它是一个验证网络，利用多个 AI 模型的共识和去中心化共识来验证 AI 输出的可靠性。

Mira 网络的关键在于去中心化的共识验证。它结合了加密领域的优势和多模型协同的方法，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，通过加密经济激励和惩罚机制来确保节点运营商的诚实性。

Mira 的网络架构包括内容转换、分布式验证和共识机制。内容转换是其中的重要环节，Mira 网络将候选内容分解成不同的可验证声明，并分发给节点进行验证。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。他们参与验证是为了获得收益，这些收益来自为客户创造的价值。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，这将产生巨大价值。

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。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 已与多个 AI agent 框架合作。用户可以通过 Klok（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。