كلما زادت تعرضي للذكاء الاصطناعي، زاد اقتناعي بأن المشكلة الأكبر لم تعد في الذكاء. لقد أصبح الذكاء الاصطناعي قادرًا على الكتابة والتحليل والرد بشكل مقنع جدًا. الأمر المقلق يكمن في شيء آخر: كيف نعرف أن الإجابة فعلاً موثوقة؟

قد يخطئ الذكاء الاصطناعي، لكنه يخطئ بثقة كبيرة جدًا. عندما يبدأ الذكاء الاصطناعي في المشاركة في التمويل، التعليم، القانون أو الأنظمة الآلية، لم تعد عبارة "يبدو صحيحًا" كافية. ما نحتاجه هو القدرة على التحقق.
لهذا السبب أُولي اهتمامًا بـ @mira\_network. بدلاً من بناء نموذج أكثر ذكاءً، تركز Mira على إنشاء طبقة للتحقق من صحة مخرجات الذكاء الاصطناعي. يحولون المحتوى الذي ينتجه الذكاء الاصطناعي إلى بيانات صغيرة يمكن فصلها، فحصها وتقييمها. عندما يتم تقسيم النص إلى ادعاءات محددة، لم يعد مجرد كلمات مؤثرة بل أصبح شيئًا يمكن مقارنته والتحقق منه.
وفقًا للورقة البيضاء، تصمم #Mira نظام تحقق "بدون ثقة"، يستخدم الرهان وآلية اقتصادية لتشجيع المدققين على التصرف بصدق. توكن $MIRA لديه إجمالي عرض قدره مليار على Base، ويستخدم للوصول إلى API، والرهان، والحكم. تم تقديم منتج مثل WikiSentry لدعم الاقتباس والتحقق التلقائي من المحتوى.
بالطبع، التحقق على نطاق واسع ليس سهلاً على الإطلاق. ولكن إذا كان الذكاء الاصطناعي يؤثر بشكل متزايد على القرارات الواقعية، فإن طبقة البنية التحتية للثقة ستكون مهمة بنفس قدر أهمية النموذج نفسه. ولهذا أعتقد أن مسار Mira ليس مجرد سرد، بل هو قطعة أساسية من البنية التحتية اللازمة لعصر الذكاء الاصطناعي.