في ازدهار الذكاء الاصطناعي التوليدي اليوم ، ما زلنا نكافح لحل مشكلة أساسية: الذكاء الاصطناعي هو أحيانا هراء خطير. تعرف هذه الظاهرة في الصناعة باسم "الهلوسة". يحاول Mira ، وهو بروتوكول لامركزي مصمم للتحقق من مخرجات الذكاء الاصطناعي ، إضافة "مصداقية واقعية" إلى الذكاء الاصطناعي من خلال آليات الإجماع متعددة النماذج وتدقيق التشفير. فيما يلي نظرة على كيفية عمل Mira ، ولماذا هو أكثر فاعلية من الممارسات التقليدية ، وكيف هو حاليا في تطبيقات العالم الحقيقي. تستند هذه المقالة إلى تقرير بحثي نشره Messari ، ويمكن العثور على النص الكامل على: فهم التحقق من الذكاء الاصطناعي: حالة استخدام ل Mira
بروتوكول التحقق من الحقائق اللامركزي: المبادئ الأساسية لعمل ميرا
Mira ليست نموذج ذكاء اصطناعي، بل هي طبقة تحقق مدمجة. عندما ينتج نموذج الذكاء الاصطناعي استجابة (مثل إجابة روبوت الدردشة، ملخص، تقرير آلي، إلخ)، تقوم Mira بتفكيك الناتج إلى سلسلة من الادعاءات المستقلة. يتم إرسال هذه الادعاءات إلى شبكة التحقق اللامركزية الخاصة بها، حيث يقوم كل عقدة (أي المحقق) بتشغيل نماذج ذكاء اصطناعي بهياكل مختلفة، لتقييم ما إذا كانت هذه الادعاءات صحيحة.
ستقوم كل عقدة بإعطاء حكم "صحيح" أو "خطأ" أو "غير مؤكد" بشأن المطالبة، وفي النهاية تعتمد النظام على الإجماع الأكثر لعمل القرار الكلي. إذا اعترفت غالبية النماذج بمطالبة معينة كصحيحة، فستتم الموافقة على تلك المطالبة؛ وإلا، فسيتم وضع علامة عليها أو رفضها أو إظهار تحذير.
تكون هذه العملية شفافة تمامًا وقابلة للتدقيق. كل عملية تحقق ستنتج شهادة تشفير تُظهر النماذج المشاركة، ونتائج التصويت، وطوابع الوقت، وما إلى ذلك، للتحقق من قبل طرف ثالث.
لماذا تحتاج الذكاء الاصطناعي إلى نظام تحقق مثل ميرا؟
نماذج الذكاء الاصطناعي التوليدية (مثل GPT وClaude) ليست أدوات حتمية، بل هي تتنبأ بالحرف التالي بناءً على الاحتمالات، ولا تمتلك "إدراك الحقائق" المدمج. هذا التصميم يسمح لها بكتابة الشعر وإخبار النكات، ولكنه يعني أيضًا: أنها قد تنتج معلومات خاطئة بجدية.
آلية الإجماع التي اقترحتها ميرا تهدف إلى حل أربعة من المشاكل الأساسية الحالية للذكاء الاصطناعي:
تدفق الهلوسة: حالات لا حصر لها من سياسات مصنوعة بالذكاء الاصطناعي، أحداث تاريخية مختلقة، واستشهادات عشوائية.
العمليات المغلقة: المستخدمون لا يعرفون من أين تأتي إجابات الذكاء الاصطناعي، ولا يمكن تتبعها.
إخراج غير متسق: قد تعطي الذكاء الاصطناعي إجابات مختلفة لنفس المشكلة.
التحكم المركزي: حاليًا، تسيطر عدد قليل من الشركات على معظم نماذج الذكاء الاصطناعي، ولا يمكن للمستخدمين التحقق من منطقها أو السعي للحصول على رأي ثان.
قيود طرق التحقق التقليدية
البدائل الحالية، مثل المراجعة البشرية (Human-in-the-loop)، المرشحات القائمة على القواعد، والتحقق الذاتي للنموذج، جميعها لها عيوبها الخاصة:
التدقيق البشري يصعب توسيعه، وهو بطيء وتكلفته مرتفعة.
تقتصر تصفية القواعد على السيناريوهات المحددة، ولا تستطيع التعامل مع الأخطاء الإبداعية.
تأثير التقييم الذاتي للنموذج ضعيف، وغالبًا ما تكون الذكاء الاصطناعي واثقة بشكل مفرط من الإجابات الخاطئة.
على الرغم من أن Ensemble المركزي يمكنه التحقق المتبادل، إلا أنه يفتقر إلى تنوع النماذج، مما يجعله عرضة لتشكيل "نقاط عمياء جماعية".
آلية ابتكار ميرا: دمج آلية الإجماع مع تقسيم العمل بواسطة الذكاء الاصطناعي
الابتكار الرئيسي في ميرا هو إدخال مفهوم الإجماع في البلوكشين إلى التحقق من الذكاء الاصطناعي. كل مخرج من مخرجات الذكاء الاصطناعي، بعد مرورها عبر ميرا، ستتحول إلى عدة بيانات مستقلة، يتم "التصويت" عليها بواسطة نماذج الذكاء الاصطناعي المختلفة. فقط عندما يتفق أكثر من نسبة معينة من النماذج، سيتم اعتبار المحتوى موثوقًا.
تشمل المزايا الأساسية لتصميم ميرا:
تنوع النماذج: نماذج من هياكل وخلفيات بيانات مختلفة، تقلل من التحيز الجماعي.
تحمل الأخطاء: حتى إذا أخطأ بعض العقد، فلن يؤثر ذلك على النتيجة الإجمالية.
شفافية كاملة للسلسلة: يمكن التحقق من سجلات التسجيل على السلسلة، مما يسمح بالتدقيق.
قابلية التوسع العالية: يمكن التحقق من أكثر من 3 مليارات توكن يوميًا (ما يعادل مئات الآلاف من النصوص).
لا حاجة للتدخل البشري: يتم التنفيذ تلقائيًا دون الحاجة إلى التحقق اليدوي.
البنية التحتية اللامركزية: من يوفر العقد وموارد الحوسبة؟
تقدم عقد التحقق الخاصة بـ Mira من قبل مساهمي الحوسبة اللامركزية حول العالم. يُعرف هؤلاء المساهمون بـ Node Delegators (، وهم لا يديرون العقد بشكل مباشر، بل يؤجرون موارد الحوسبة GPU لمشغلي العقد المعتمدين. هذه النموذج "الحوسبة كخدمة" قد وسع بشكل كبير من نطاق ما يمكن لـ Mira معالجته.
تشمل الموردين الرئيسيين للتعاون النقاط:
Io.Net: يوفر شبكة حسابات GPU مع بنية DePIN.
Aethir: تركز على GPU السحابية الموزعة المعتمدة على الذكاء الاصطناعي والألعاب.
Hyperbolic، Exabits، Spheron: العديد من منصات حسابات blockchain، تقدم أيضًا البنية التحتية لعقد Mira.
يجب على المشاركين في العقد المرور بعملية التحقق من الهوية عبر الفيديو KYC لضمان التفرد والأمان في الشبكة.
Mira تحقق من رفع دقة الذكاء الاصطناعي إلى 96%
وفقا لبيانات فريق Mira من تقرير Messari ، فإن التصفية من خلال طبقة التحقق الخاصة بها زادت من معدل الدقة الواقعية لنماذج اللغات الكبيرة من 70٪ إلى 96٪. في سيناريوهات العالم الحقيقي مثل التعليم والتمويل وخدمة العملاء ، انخفض تكرار المحتوى الهلوسة بنسبة 90٪. الأهم من ذلك ، أن هذه التحسينات لا تتطلب إعادة تدريب نموذج الذكاء الاصطناعي على الإطلاق ، ولكن يمكن تحقيقها من خلال "التصفية" وحدها.
حاليًا، تم دمج Mira في العديد من منصات التطبيقات، بما في ذلك:
أداة تعليمية
منتجات التحليل المالي
روبوت الدردشة الذكي
خدمة واجهة برمجة التطبيقات المولدة المعتمدة من الطرف الثالث
تشمل منظومة ميرا بأكملها أكثر من 4.5 مليون مستخدم، حيث يتجاوز عدد المستخدمين النشطين يوميًا 500,000 شخص. على الرغم من أن معظم الناس لم يتعاملوا مباشرةً مع ميرا، إلا أن ردود أفعال الذكاء الاصطناعي الخاصة بها قد مرت بالفعل بهدوء عبر آلية الإجماع التي تقف وراءها.
Mira تبني طبقة أساسية موثوقة للتشفير
بينما تسعى صناعة الذكاء الاصطناعي بشكل متزايد إلى الحجم والكفاءة، تقدم ميرا اتجاهًا جديدًا: عدم الاعتماد على ذكاء اصطناعي واحد لتحديد الإجابة، بل الاعتماد على مجموعة من النماذج المستقلة "للتصويت على الحقيقة". هذه البنية لا تجعل النتائج الناتجة أكثر موثوقية فحسب، بل أيضًا تؤسس "آلية ثقة قابلة للتحقق"، وتتمتع بمرونة عالية.
مع تزايد حجم المستخدمين وانتشار عمليات المراجعة من قبل الأطراف الثالثة، تمتلك Mira القدرة على أن تصبح بنية تحتية لا غنى عنها في نظام الذكاء الاصطناعي. بالنسبة لأي مطور أو شركة تأمل أن يكون للذكاء الاصطناعي الخاص بها موطئ قدم في التطبيقات الواقعية، قد تمثل "طبقة التحقق اللامركزية" التي تمثلها Mira إحدى القطع الأساسية.
هذه المقالة تحليل خاص من Messari: كيف تجعل بروتوكول Mira الذكاء الاصطناعي أكثر صدقًا من خلال آلية الإجماع اللامركزية؟ ظهرت لأول مرة في أخبار السلاسل ABMedia.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
تحليل خاص من Messari: كيف يعمل بروتوكول Mira على جعل الذكاء الاصطناعي أكثر صدقًا من خلال آلية الإجماع اللامركزية؟
في ازدهار الذكاء الاصطناعي التوليدي اليوم ، ما زلنا نكافح لحل مشكلة أساسية: الذكاء الاصطناعي هو أحيانا هراء خطير. تعرف هذه الظاهرة في الصناعة باسم "الهلوسة". يحاول Mira ، وهو بروتوكول لامركزي مصمم للتحقق من مخرجات الذكاء الاصطناعي ، إضافة "مصداقية واقعية" إلى الذكاء الاصطناعي من خلال آليات الإجماع متعددة النماذج وتدقيق التشفير. فيما يلي نظرة على كيفية عمل Mira ، ولماذا هو أكثر فاعلية من الممارسات التقليدية ، وكيف هو حاليا في تطبيقات العالم الحقيقي. تستند هذه المقالة إلى تقرير بحثي نشره Messari ، ويمكن العثور على النص الكامل على: فهم التحقق من الذكاء الاصطناعي: حالة استخدام ل Mira
بروتوكول التحقق من الحقائق اللامركزي: المبادئ الأساسية لعمل ميرا
Mira ليست نموذج ذكاء اصطناعي، بل هي طبقة تحقق مدمجة. عندما ينتج نموذج الذكاء الاصطناعي استجابة (مثل إجابة روبوت الدردشة، ملخص، تقرير آلي، إلخ)، تقوم Mira بتفكيك الناتج إلى سلسلة من الادعاءات المستقلة. يتم إرسال هذه الادعاءات إلى شبكة التحقق اللامركزية الخاصة بها، حيث يقوم كل عقدة (أي المحقق) بتشغيل نماذج ذكاء اصطناعي بهياكل مختلفة، لتقييم ما إذا كانت هذه الادعاءات صحيحة.
ستقوم كل عقدة بإعطاء حكم "صحيح" أو "خطأ" أو "غير مؤكد" بشأن المطالبة، وفي النهاية تعتمد النظام على الإجماع الأكثر لعمل القرار الكلي. إذا اعترفت غالبية النماذج بمطالبة معينة كصحيحة، فستتم الموافقة على تلك المطالبة؛ وإلا، فسيتم وضع علامة عليها أو رفضها أو إظهار تحذير.
تكون هذه العملية شفافة تمامًا وقابلة للتدقيق. كل عملية تحقق ستنتج شهادة تشفير تُظهر النماذج المشاركة، ونتائج التصويت، وطوابع الوقت، وما إلى ذلك، للتحقق من قبل طرف ثالث.
لماذا تحتاج الذكاء الاصطناعي إلى نظام تحقق مثل ميرا؟
نماذج الذكاء الاصطناعي التوليدية (مثل GPT وClaude) ليست أدوات حتمية، بل هي تتنبأ بالحرف التالي بناءً على الاحتمالات، ولا تمتلك "إدراك الحقائق" المدمج. هذا التصميم يسمح لها بكتابة الشعر وإخبار النكات، ولكنه يعني أيضًا: أنها قد تنتج معلومات خاطئة بجدية.
آلية الإجماع التي اقترحتها ميرا تهدف إلى حل أربعة من المشاكل الأساسية الحالية للذكاء الاصطناعي:
تدفق الهلوسة: حالات لا حصر لها من سياسات مصنوعة بالذكاء الاصطناعي، أحداث تاريخية مختلقة، واستشهادات عشوائية.
العمليات المغلقة: المستخدمون لا يعرفون من أين تأتي إجابات الذكاء الاصطناعي، ولا يمكن تتبعها.
إخراج غير متسق: قد تعطي الذكاء الاصطناعي إجابات مختلفة لنفس المشكلة.
التحكم المركزي: حاليًا، تسيطر عدد قليل من الشركات على معظم نماذج الذكاء الاصطناعي، ولا يمكن للمستخدمين التحقق من منطقها أو السعي للحصول على رأي ثان.
قيود طرق التحقق التقليدية
البدائل الحالية، مثل المراجعة البشرية (Human-in-the-loop)، المرشحات القائمة على القواعد، والتحقق الذاتي للنموذج، جميعها لها عيوبها الخاصة:
التدقيق البشري يصعب توسيعه، وهو بطيء وتكلفته مرتفعة.
تقتصر تصفية القواعد على السيناريوهات المحددة، ولا تستطيع التعامل مع الأخطاء الإبداعية.
تأثير التقييم الذاتي للنموذج ضعيف، وغالبًا ما تكون الذكاء الاصطناعي واثقة بشكل مفرط من الإجابات الخاطئة.
على الرغم من أن Ensemble المركزي يمكنه التحقق المتبادل، إلا أنه يفتقر إلى تنوع النماذج، مما يجعله عرضة لتشكيل "نقاط عمياء جماعية".
آلية ابتكار ميرا: دمج آلية الإجماع مع تقسيم العمل بواسطة الذكاء الاصطناعي
الابتكار الرئيسي في ميرا هو إدخال مفهوم الإجماع في البلوكشين إلى التحقق من الذكاء الاصطناعي. كل مخرج من مخرجات الذكاء الاصطناعي، بعد مرورها عبر ميرا، ستتحول إلى عدة بيانات مستقلة، يتم "التصويت" عليها بواسطة نماذج الذكاء الاصطناعي المختلفة. فقط عندما يتفق أكثر من نسبة معينة من النماذج، سيتم اعتبار المحتوى موثوقًا.
تشمل المزايا الأساسية لتصميم ميرا:
تنوع النماذج: نماذج من هياكل وخلفيات بيانات مختلفة، تقلل من التحيز الجماعي.
تحمل الأخطاء: حتى إذا أخطأ بعض العقد، فلن يؤثر ذلك على النتيجة الإجمالية.
شفافية كاملة للسلسلة: يمكن التحقق من سجلات التسجيل على السلسلة، مما يسمح بالتدقيق.
قابلية التوسع العالية: يمكن التحقق من أكثر من 3 مليارات توكن يوميًا (ما يعادل مئات الآلاف من النصوص).
لا حاجة للتدخل البشري: يتم التنفيذ تلقائيًا دون الحاجة إلى التحقق اليدوي.
البنية التحتية اللامركزية: من يوفر العقد وموارد الحوسبة؟
تقدم عقد التحقق الخاصة بـ Mira من قبل مساهمي الحوسبة اللامركزية حول العالم. يُعرف هؤلاء المساهمون بـ Node Delegators (، وهم لا يديرون العقد بشكل مباشر، بل يؤجرون موارد الحوسبة GPU لمشغلي العقد المعتمدين. هذه النموذج "الحوسبة كخدمة" قد وسع بشكل كبير من نطاق ما يمكن لـ Mira معالجته.
تشمل الموردين الرئيسيين للتعاون النقاط:
Io.Net: يوفر شبكة حسابات GPU مع بنية DePIN.
Aethir: تركز على GPU السحابية الموزعة المعتمدة على الذكاء الاصطناعي والألعاب.
Hyperbolic، Exabits، Spheron: العديد من منصات حسابات blockchain، تقدم أيضًا البنية التحتية لعقد Mira.
يجب على المشاركين في العقد المرور بعملية التحقق من الهوية عبر الفيديو KYC لضمان التفرد والأمان في الشبكة.
Mira تحقق من رفع دقة الذكاء الاصطناعي إلى 96%
وفقا لبيانات فريق Mira من تقرير Messari ، فإن التصفية من خلال طبقة التحقق الخاصة بها زادت من معدل الدقة الواقعية لنماذج اللغات الكبيرة من 70٪ إلى 96٪. في سيناريوهات العالم الحقيقي مثل التعليم والتمويل وخدمة العملاء ، انخفض تكرار المحتوى الهلوسة بنسبة 90٪. الأهم من ذلك ، أن هذه التحسينات لا تتطلب إعادة تدريب نموذج الذكاء الاصطناعي على الإطلاق ، ولكن يمكن تحقيقها من خلال "التصفية" وحدها.
حاليًا، تم دمج Mira في العديد من منصات التطبيقات، بما في ذلك:
أداة تعليمية
منتجات التحليل المالي
روبوت الدردشة الذكي
خدمة واجهة برمجة التطبيقات المولدة المعتمدة من الطرف الثالث
تشمل منظومة ميرا بأكملها أكثر من 4.5 مليون مستخدم، حيث يتجاوز عدد المستخدمين النشطين يوميًا 500,000 شخص. على الرغم من أن معظم الناس لم يتعاملوا مباشرةً مع ميرا، إلا أن ردود أفعال الذكاء الاصطناعي الخاصة بها قد مرت بالفعل بهدوء عبر آلية الإجماع التي تقف وراءها.
Mira تبني طبقة أساسية موثوقة للتشفير
بينما تسعى صناعة الذكاء الاصطناعي بشكل متزايد إلى الحجم والكفاءة، تقدم ميرا اتجاهًا جديدًا: عدم الاعتماد على ذكاء اصطناعي واحد لتحديد الإجابة، بل الاعتماد على مجموعة من النماذج المستقلة "للتصويت على الحقيقة". هذه البنية لا تجعل النتائج الناتجة أكثر موثوقية فحسب، بل أيضًا تؤسس "آلية ثقة قابلة للتحقق"، وتتمتع بمرونة عالية.
مع تزايد حجم المستخدمين وانتشار عمليات المراجعة من قبل الأطراف الثالثة، تمتلك Mira القدرة على أن تصبح بنية تحتية لا غنى عنها في نظام الذكاء الاصطناعي. بالنسبة لأي مطور أو شركة تأمل أن يكون للذكاء الاصطناعي الخاص بها موطئ قدم في التطبيقات الواقعية، قد تمثل "طبقة التحقق اللامركزية" التي تمثلها Mira إحدى القطع الأساسية.
هذه المقالة تحليل خاص من Messari: كيف تجعل بروتوكول Mira الذكاء الاصطناعي أكثر صدقًا من خلال آلية الإجماع اللامركزية؟ ظهرت لأول مرة في أخبار السلاسل ABMedia.