Lorsque j'ai d'abord regardé un @Mira - Trust Layer of AI , cela semblait calme par rapport au battage médiatique autour des projets d'IA crypto. Ce calme était le premier signe de l'endroit où cela s'inscrit dans le tableau plus large de l'IA crypto. Vous pouvez parler de Bittensor et Fetch AI autant que vous le souhaitez. Mira est dans un endroit qui a plus de sens une fois que vous comprenez ce que ces autres réseaux essaient réellement de résoudre.
Prenons Bittensor par exemple. Ce n'est pas juste un "réseau décentralisé d'IA". Il récompense les gens pour leur contribution à l'apprentissage automatique sur une blockchain avec son jeton. Vous obtenez de la valeur pour l'entraînement de modèles que d'autres peuvent utiliser et ce système de jeton a attiré des développeurs qui veulent un marché pour améliorer les modèles. Parce qu'il s'agit principalement d'entraînement de modèles, le réseau peut ressembler à un marché avec beaucoup d'offre mais pas toujours assez de demande. C'est pourquoi l'activité monte et descend ; s'il y a des nœuds créant de la valeur mais que peu de gens les utilisent réellement, l'incitation devient floue.
Fetch AI est un peu différent. Il s'agit d'agents travaillant avec des données et des services du monde réel. Ces agents ont besoin de sources et de vérification pour faire confiance aux données qu'ils reçoivent. En pratique, cela signifie des partenariats et des intégrations qui apportent des données des chaînes d'approvisionnement ou des flux de prix. Le réseau est bon pour faire fonctionner les incitations économiques pour la fourniture de données. Fetch gère encore la complexité des intégrations du monde réel, où la précision et la rapidité des données comptent plus que dans la simple formation de modèles.
D'après mon point de vue, Mira essaie de connecter ces deux domaines problématiques d'une manière qui concerne davantage la vérification et la fiabilité que le calcul ou la gestion des agents. En concurrence avec le marché de modèles de Bittensor ou le cadre d'agents de Fetch AI, Mira est comme un protocole qui dit : si vous voulez des résultats d'IA décentralisée auxquels vous pouvez faire confiance, vous avez besoin d'une couche de vérification qui prouve que les données et le calcul sont réels.
Cela attire l'attention parce que le plus gros problème en IA en ce moment n'est ni la formation ni les agents ; c'est la confiance. Les gens paieront pour l'IA s'ils croient que les réponses ne sont pas fabriquées ou manipulées. C'est là que la vérification comme celle de Miras devient importante. Des protocoles comme Chainlink ont montré que les flux de prix on-chain sont précieux lorsqu'ils sont vérifiés. Mira applique une approche aux résultats de l'IA, ce qui explique pourquoi sa position semble différente même si elle n'a pas les métriques les plus flashy.
Maintenant, les conditions du marché changent. L'attention se disperse. Les tokens liés aux marchés de formation ont été volatils parce que la demande pour ces modèles n'a pas correspondu à l'engouement. Ce n'est pas une critique, c'est juste que le marché crypto est en train de comprendre ce qui est réellement utilisé par rapport à ce qui semble bon. Dans ce contexte, un protocole comme Mira qui se concentre sur la vérification peut sembler ennuyeux. Il aborde un problème réel.
Comprendre cela aide à expliquer pourquoi certains projets avec des idées n'ont pas encore pris d'ampleur. Ce n'est pas une question de technologie, c'est une question de confiance dans les résultats. Si Mira peut résoudre cela, le tableau d'ensemble est que l'IA décentralisée ne concerne pas le remplacement des modèles, mais l'ajout de confiance par-dessus. Ce qui est notable, c'est que la confiance est ce pour quoi les utilisateurs paient, pas le calcul. Si cela est vrai, le point clé est simple : dans les protocoles d'IA silencieux qui résolvent la confiance, cela pourrait importer plus que ceux bruyants qui poursuivent la puissance de calcul.
