AI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，引發了業內對AI可信度問題的關注。Mira網路的目標是構建AI的信任層，解決AI在使用過程中可能出現的偏見和"幻覺"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？

在討論AI時，人們往往更關注其強大的能力。然而，AI存在的"幻覺"或偏見問題卻常常被忽視。所謂AI的"幻覺"，簡單來說就是AI有時會"瞎編"，一本正經地胡說八道。例如，當被問及月亮爲什麼是粉色時，AI可能會給出看似合理但完全虛構的解釋。

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幻覺的出現。雖然在普通知識或娛樂內容領域，這種帶有偏見或幻覺的輸出可能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，它可能會產生嚴重影響。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項目正是致力於解決AI偏見和幻覺問題，構建AI的信任層，提升AI的可靠性。那麼，Mira是如何實現這一目標的呢？

Mira的核心方法是通過多個AI模型的共識來驗證AI輸出。Mira本質上是一個驗證網路，通過去中心化的共識驗證來確保AI輸出的可靠性。這種方法結合了加密領域擅長的去中心化共識驗證和多模型協同的優勢，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，並通過加密經濟激勵/懲罰機制來確保節點運營商的誠實性。不同AI模型和分散的節點運營商共同參與，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。首先，系統將客戶提交的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。節點確定聲明的有效性後，系統匯總結果達成共識，並將結果返回給客戶。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。

節點運營商通過運行驗證器模型、處理聲明和提交驗證結果來獲得收益。這些收益來自爲客戶創造的價值，即降低AI在各個領域的錯誤率。爲防止節點隨機響應，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。通過在多AI模型基礎上構建去中心化共識驗證網路，Mira旨在爲客戶的AI服務帶來更高的可靠性，降低AI偏見和幻覺，滿足更高準確度和精確率的需求。這種方法不僅爲客戶提供價值，也爲Mira網路的參與者帶來收益，有望推動AI應用的深入發展。

目前，用戶可以通過Klok（一個基於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。雖然積分的未來用途尚未公布，但這無疑爲用戶提供了一個親身體驗AI信任層的機會。