AI的信任層：Mira網路如何解決AI的偏見和幻覺問題

近日，一個名爲Mira的網路公共測試版推出，引起了業內關注。這個項目的目標是構建AI的信任層，解決AI偏見和幻覺的問題。那麼，爲什麼AI需要被信任？Mira又是如何解決這個問題的呢？

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"瞎編"，正兒八經地胡說八道。舉個例子，如果你問AI爲什麼月亮是粉色的，它可能會煞有介事地給出一堆看似合理的解釋。

AI出現"幻覺"或偏見與當前的一些AI技術路徑有關。比如，生成式AI通過預測"最可能"的內容來實現連貫和合理性，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，這些都會影響AI的輸出。換句話說，AI學習的是人類的語言模式，而非事實本身。

目前的概率生成機制加上數據驅動的模式，幾乎不可避免地會導致AI產生幻覺。如果這種帶有偏見或幻覺的輸出僅限於普通知識或娛樂內容，暫時還不會造成直接後果。但如果發生在醫療、法律、航空、金融等需要高度嚴謹的領域，就可能產生重大影響。因此，解決AI幻覺和偏見問題成爲AI發展過程中的核心問題之一。

Mira項目正是致力於解決這個問題，通過構建AI的信任層來減少AI偏見和幻覺，提升AI的可靠性。那麼，Mira是如何實現這一目標的呢？

Mira的核心策略是通過多個AI模型的共識來驗證AI輸出。它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採用了去中心化的共識驗證方式。

Mira網路的關鍵在於去中心化的共識驗證。這種方式不僅利用了加密領域的優勢，還借助了多模型協同的優點，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可驗證的聲明。這些聲明需要節點運營商參與驗證。爲了確保節點運營商的誠實性，Mira採用了加密經濟激勵/懲罰機制，同時引入不同AI模型和分散的節點運營商參與，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三個部分，以此實現驗證的可靠性。在這個架構中，內容轉換是重要一環。Mira網路首先會將候選內容分解成不同的可驗證聲明，這些聲明由系統分發給節點進行驗證，以確定聲明的有效性，並匯總結果達成共識。爲了保護客戶隱私，候選內容轉換分解爲聲明對，它們會以隨機分片的方式給到不同節點，防止驗證過程中產生信息泄漏。

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。他們參與聲明驗證的動力來自於可以獲得收益。這些收益源自爲客戶創造的價值。Mira網路的目的是降低AI的錯誤率（幻覺和偏見），一旦達成目的，就能在醫療、法律、航空、金融等領域產生巨大價值。因此，客戶願意爲此付費。當然，付費的可持續性和規模取決於Mira網路能否持續爲客戶帶來價值。爲了防止節點隨機響應的投機取巧行爲，持續偏離共識的節點會被消減質押代幣。

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。同時，在爲客戶提供價值的基礎上，爲Mira網路的參與者帶來收益。簡而言之，Mira試圖構建AI的信任層，這將推動AI應用的深入發展。

目前，用戶可以通過使用Klok參與Mira公共測試網。Klok是基於Mira的LLM聊天應用，用戶可以體驗經過驗證的AI輸出，並有機會賺取Mira積分。至於這些積分的未來用途，目前還未公布。