У сьогоднішньому бумі генеративного штучного інтелекту ми все ще намагаємося вирішити фундаментальну проблему: штучний інтелект іноді є серйозною нісенітницею. Це явище відоме в індустрії як «галюцинація». Mira, децентралізований протокол, розроблений для перевірки вихідних даних ШІ, намагається додати «фактичну достовірність» до ШІ за допомогою механізмів консенсусу з кількома моделями та криптографічного аудиту. Ось погляд на те, як працює Mira, чому вона ефективніша за традиційні практики, і як вона зараз використовується в реальних програмах. Ця стаття заснована на дослідницькому звіті, опублікованому Messari, повний текст можна знайти за посиланням: Розуміння верифікації AI: приклад використання Mira
Децентралізація фактів верифікації протоколу: Основний принцип роботи Mira
Mira – це не модель штучного інтелекту, а вбудований рівень верифікації. Коли модель штучного інтелекту видає відповідь (наприклад, відповіді чат-бота, резюме, автоматизовані звіти тощо), Mira розбиває вихідні дані на серію незалежних тверджень про факти. Ці твердження надсилаються до розподіленої мережі перевірки, де кожен вузол (тобто валідатор) запускає модель штучного інтелекту іншої архітектури, щоб оцінити, чи правдиві твердження.
Кожен вузол буде давати оцінку «правильно», «неправильно» або «невизначено» щодо твердження, а в кінці система приймає загальне рішення на основі більшості консенсусу. Якщо більшість моделей визнає певне твердження істинним, то це твердження буде схвалено; інакше воно буде помічено, відхилено або з'явиться попередження.
Цей процес абсолютно прозорий та підлягає аудиту. Кожна перевірка генерує шифроване свідоцтво, яке вказує на моделі, що брали участь у процесі перевірки, результати голосування, мітки часу тощо, для перевірки третіми особами.
Чому AI потребує таких систем перевірки, як Mira?
Генеративні моделі ШІ (такі як GPT, Claude) не є детерміністськими інструментами, вони прогнозують наступний символ на основі ймовірності і не мають вбудованого «сприйняття фактів». Такий дизайн дозволяє їм писати вірші, жартувати, але також означає, що вони можуть серйозно генерувати фальшиву інформацію.
Верифікаційний механізм, запропонований Мірою, покликаний вирішити чотири основні проблеми штучного інтелекту на сьогодні:
Ілюзія розквітає: безліч випадків, коли ШІ вигадує політику, вигадує історичні події та безглуздо цитує літературу.
Чорний ящик: користувач не знає, звідки береться відповідь AI, і не може відстежити.
Несумісний вихід: на одне й те саме питання ШІ може дати різні відповіді.
Централізоване управління: наразі більшість AI моделей монополізовані кількома компаніями, користувачі не можуть перевірити їх логіку або отримати другу думку.
Обмеження традиційних методів верифікації
Існуючі альтернативи, такі як людське втручання (Human-in-the-loop), правилові фільтри, самооцінка моделі тощо, мають свої недоліки:
Ручна перевірка важко масштабується, має повільну швидкість і високу вартість.
Правила фільтрації обмежені запланованими сценаріями і безсилі проти креативних помилок.
Модель має погану самоперевірку, ШІ часто надто впевнений у неправильних відповідях.
Хоча централізований ансамбль може здійснювати перехресну перевірку, він має недолік у різноманітті моделей, що призводить до виникнення "колективних сліпих зон".
Інноваційний механізм Mira: поєднання механізму консенсусу та AI розподілу
Ключовою інновацією Mira є впровадження концепції консенсусу блокчейн у верифікацію AI. Кожен вихід AI, після проходження через Mira, перетворюється на кілька незалежних фактів, за які голосують різні AI моделі. Тільки коли понад певний відсоток моделей досягає згоди, цей контент вважається достовірним.
Основні переваги дизайну Mira включають:
Різноманітність моделей: моделі з різних архітектур та даних, що зменшують колективну упередженість.
Помилка толерантність: навіть якщо деякі вузли помиляються, це не вплине на загальний результат.
Повна прозорість ланцюга: перевірка записів в ланцюзі, доступна для аудиту.
Висока масштабованість: щоденно можна перевірити понад 3 мільярди токенів (приблизно еквівалентно кільком мільйонам фрагментів тексту).
Не потребує людського втручання: автоматизовано, без необхідності ручної перевірки.
Децентралізована інфраструктура: хто надає вузли та обчислювальні ресурси?
Верифікаційні вузли Mira надаються глобальними децентралізованими учасниками обчислень. Ці учасники називаються Node Delegators ( делегаторами вузлів ), які не керують вузлами безпосередньо, а здають в оренду ресурси GPU сертифікованим операторам вузлів. Ця модель «обчислення як послуга» значно розширила масштаб, який може обробляти Mira.
Основні постачальники співпраці включають:
Io.Net: забезпечує мережу обчислень GPU на основі архітектури DePIN.
Aethir: зосереджений на децентралізованих хмарних GPU для AI та ігор.
Hyperbolic, Exabits, Spheron: Кілька обчислювальних платформ на блокчейні, які також забезпечують інфраструктуру для вузлів Mira.
Учасники вузлів повинні пройти процедуру відео-підтвердження KYC, щоб забезпечити унікальність та безпеку мережі.
Mira верифікація дозволяє підвищити точність AI до 96%
Згідно з даними команди Mira в звіті Messari, точність фактів великих мовних моделей після фільтрації через їхній шар валідації зросла з 70% до 96%. У реальних сценаріях, таких як освіта, фінанси, обслуговування клієнтів, частота появи ілюзорного контенту знизилася на 90%. Важливо, що ці покращення були досягнуті без повторного навчання AI-моделей, лише шляхом "фільтрації".
Наразі Mira інтегровано в кілька платформ застосунків, зокрема:
Освітній інструмент
Фінансовий аналітичний продукт
AI чат-бот
Служба Verified Generate API третьої сторони
Вся екосистема Mira охоплює понад 4,5 мільйона користувачів, при цьому щоденно активних користувачів понад 500 тисяч. Хоча більшість людей не мали прямого контакту з Mira, їхні AI відповіді вже тихо пройшли через механізм перевірки, що стоїть за цим.
Mira створює надійний базовий рівень для ШІ
У той час як індустрія штучного інтелекту все більше прагне до масштабу та ефективності, Mira пропонує новий напрямок: не покладатися на одинокий штучний інтелект для визначення відповіді, а використовувати групу незалежних моделей для «голосування за істину». Така архітектура не лише робить результати більш надійними, але й встановлює «перевірний механізм довіри», а також має високу масштабованість.
Зі збільшенням кількості користувачів та зростанням популярності незалежних перевірок, Mira має потенціал стати невід'ємною інфраструктурою в екосистемі ШІ. Для будь-якого розробника та підприємства, яке прагне, щоб їхній ШІ був конкурентоспроможним у реальному світі, «дистрибутивний рівень перевірки», що уособлює Mira, можливо, є одним з ключових елементів.
Ця стаття Messari спеціально аналізує: як протокол Mira через децентралізований механізм консенсусу робить AI більш чесним? Вперше з'явилася в ланцюгових новинах ABMedia.
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Messari спеціальний аналіз: Як протокол Mira через децентралізований механізм консенсусу робить AI більш чесним?
У сьогоднішньому бумі генеративного штучного інтелекту ми все ще намагаємося вирішити фундаментальну проблему: штучний інтелект іноді є серйозною нісенітницею. Це явище відоме в індустрії як «галюцинація». Mira, децентралізований протокол, розроблений для перевірки вихідних даних ШІ, намагається додати «фактичну достовірність» до ШІ за допомогою механізмів консенсусу з кількома моделями та криптографічного аудиту. Ось погляд на те, як працює Mira, чому вона ефективніша за традиційні практики, і як вона зараз використовується в реальних програмах. Ця стаття заснована на дослідницькому звіті, опублікованому Messari, повний текст можна знайти за посиланням: Розуміння верифікації AI: приклад використання Mira
Децентралізація фактів верифікації протоколу: Основний принцип роботи Mira
Mira – це не модель штучного інтелекту, а вбудований рівень верифікації. Коли модель штучного інтелекту видає відповідь (наприклад, відповіді чат-бота, резюме, автоматизовані звіти тощо), Mira розбиває вихідні дані на серію незалежних тверджень про факти. Ці твердження надсилаються до розподіленої мережі перевірки, де кожен вузол (тобто валідатор) запускає модель штучного інтелекту іншої архітектури, щоб оцінити, чи правдиві твердження.
Кожен вузол буде давати оцінку «правильно», «неправильно» або «невизначено» щодо твердження, а в кінці система приймає загальне рішення на основі більшості консенсусу. Якщо більшість моделей визнає певне твердження істинним, то це твердження буде схвалено; інакше воно буде помічено, відхилено або з'явиться попередження.
Цей процес абсолютно прозорий та підлягає аудиту. Кожна перевірка генерує шифроване свідоцтво, яке вказує на моделі, що брали участь у процесі перевірки, результати голосування, мітки часу тощо, для перевірки третіми особами.
Чому AI потребує таких систем перевірки, як Mira?
Генеративні моделі ШІ (такі як GPT, Claude) не є детерміністськими інструментами, вони прогнозують наступний символ на основі ймовірності і не мають вбудованого «сприйняття фактів». Такий дизайн дозволяє їм писати вірші, жартувати, але також означає, що вони можуть серйозно генерувати фальшиву інформацію.
Верифікаційний механізм, запропонований Мірою, покликаний вирішити чотири основні проблеми штучного інтелекту на сьогодні:
Ілюзія розквітає: безліч випадків, коли ШІ вигадує політику, вигадує історичні події та безглуздо цитує літературу.
Чорний ящик: користувач не знає, звідки береться відповідь AI, і не може відстежити.
Несумісний вихід: на одне й те саме питання ШІ може дати різні відповіді.
Централізоване управління: наразі більшість AI моделей монополізовані кількома компаніями, користувачі не можуть перевірити їх логіку або отримати другу думку.
Обмеження традиційних методів верифікації
Існуючі альтернативи, такі як людське втручання (Human-in-the-loop), правилові фільтри, самооцінка моделі тощо, мають свої недоліки:
Ручна перевірка важко масштабується, має повільну швидкість і високу вартість.
Правила фільтрації обмежені запланованими сценаріями і безсилі проти креативних помилок.
Модель має погану самоперевірку, ШІ часто надто впевнений у неправильних відповідях.
Хоча централізований ансамбль може здійснювати перехресну перевірку, він має недолік у різноманітті моделей, що призводить до виникнення "колективних сліпих зон".
Інноваційний механізм Mira: поєднання механізму консенсусу та AI розподілу
Ключовою інновацією Mira є впровадження концепції консенсусу блокчейн у верифікацію AI. Кожен вихід AI, після проходження через Mira, перетворюється на кілька незалежних фактів, за які голосують різні AI моделі. Тільки коли понад певний відсоток моделей досягає згоди, цей контент вважається достовірним.
Основні переваги дизайну Mira включають:
Різноманітність моделей: моделі з різних архітектур та даних, що зменшують колективну упередженість.
Помилка толерантність: навіть якщо деякі вузли помиляються, це не вплине на загальний результат.
Повна прозорість ланцюга: перевірка записів в ланцюзі, доступна для аудиту.
Висока масштабованість: щоденно можна перевірити понад 3 мільярди токенів (приблизно еквівалентно кільком мільйонам фрагментів тексту).
Не потребує людського втручання: автоматизовано, без необхідності ручної перевірки.
Децентралізована інфраструктура: хто надає вузли та обчислювальні ресурси?
Верифікаційні вузли Mira надаються глобальними децентралізованими учасниками обчислень. Ці учасники називаються Node Delegators ( делегаторами вузлів ), які не керують вузлами безпосередньо, а здають в оренду ресурси GPU сертифікованим операторам вузлів. Ця модель «обчислення як послуга» значно розширила масштаб, який може обробляти Mira.
Основні постачальники співпраці включають:
Io.Net: забезпечує мережу обчислень GPU на основі архітектури DePIN.
Aethir: зосереджений на децентралізованих хмарних GPU для AI та ігор.
Hyperbolic, Exabits, Spheron: Кілька обчислювальних платформ на блокчейні, які також забезпечують інфраструктуру для вузлів Mira.
Учасники вузлів повинні пройти процедуру відео-підтвердження KYC, щоб забезпечити унікальність та безпеку мережі.
Mira верифікація дозволяє підвищити точність AI до 96%
Згідно з даними команди Mira в звіті Messari, точність фактів великих мовних моделей після фільтрації через їхній шар валідації зросла з 70% до 96%. У реальних сценаріях, таких як освіта, фінанси, обслуговування клієнтів, частота появи ілюзорного контенту знизилася на 90%. Важливо, що ці покращення були досягнуті без повторного навчання AI-моделей, лише шляхом "фільтрації".
Наразі Mira інтегровано в кілька платформ застосунків, зокрема:
Освітній інструмент
Фінансовий аналітичний продукт
AI чат-бот
Служба Verified Generate API третьої сторони
Вся екосистема Mira охоплює понад 4,5 мільйона користувачів, при цьому щоденно активних користувачів понад 500 тисяч. Хоча більшість людей не мали прямого контакту з Mira, їхні AI відповіді вже тихо пройшли через механізм перевірки, що стоїть за цим.
Mira створює надійний базовий рівень для ШІ
У той час як індустрія штучного інтелекту все більше прагне до масштабу та ефективності, Mira пропонує новий напрямок: не покладатися на одинокий штучний інтелект для визначення відповіді, а використовувати групу незалежних моделей для «голосування за істину». Така архітектура не лише робить результати більш надійними, але й встановлює «перевірний механізм довіри», а також має високу масштабованість.
Зі збільшенням кількості користувачів та зростанням популярності незалежних перевірок, Mira має потенціал стати невід'ємною інфраструктурою в екосистемі ШІ. Для будь-якого розробника та підприємства, яке прагне, щоб їхній ШІ був конкурентоспроможним у реальному світі, «дистрибутивний рівень перевірки», що уособлює Mira, можливо, є одним з ключових елементів.
Ця стаття Messari спеціально аналізує: як протокол Mira через децентралізований механізм консенсусу робить AI більш чесним? Вперше з'явилася в ланцюгових новинах ABMedia.