1. Pengantar
Kecerdasan Buatan (AI) sering dibandingkan dengan penemuan besar seperti mesin cetak dan internet. Ini memiliki kekuatan untuk mengubah masyarakat dalam banyak cara. Namun, sistem AI saat ini masih menghadapi batasan serius. Mereka dapat menghasilkan jawaban yang kreatif dan realistis, tetapi mereka sering membuat kesalahan. Kesalahan ini menghalangi AI untuk bekerja sendiri dalam situasi penting tanpa pengawasan manusia.
Ada dua jenis kesalahan utama dalam sistem AI: halusinasi dan bias. Halusinasi terjadi ketika model menciptakan informasi yang salah atau tidak didukung. Bias muncul ketika model menunjukkan kesalahan sistematis karena data yang digunakan selama pelatihan. Dua masalah ini menciptakan tingkat kesalahan minimum yang tidak dapat dihilangkan sepenuhnya oleh model tunggal.
Ketika pengembang mencoba mengurangi halusinasi dengan memilih data pelatihan dengan hati-hati, mereka mungkin meningkatkan bias. Ketika mereka mencoba mengurangi bias dengan menggunakan data yang lebih beragam, halusinasi mungkin meningkat. Ini menciptakan trade-off permanen antara presisi dan akurasi. Bahkan model besar dan canggih tidak dapat sepenuhnya menghindari batas ini.
Model yang disesuaikan dengan baik dapat berkinerja baik di area sempit. Namun, mereka sering kesulitan untuk mempelajari pengetahuan baru dan menangani situasi yang tidak terduga. Ini membuat mereka tidak cocok untuk sistem otonom sepenuhnya yang harus bekerja di lingkungan dunia nyata yang kompleks.
Gagasan utama dari $MIRA a adalah bahwa tidak ada model AI tunggal yang dapat menyelesaikan masalah keandalan ini sendirian. Sebaliknya, beberapa model yang bekerja sama melalui konsensus terdesentralisasi dapat mengurangi kesalahan. Dengan menggabungkan model yang berbeda dengan perspektif yang berbeda, sistem dapat memfilter halusinasi dan menyeimbangkan bias.
2. Arsitektur Jaringan
Jaringan Mira memverifikasi konten yang dihasilkan AI menggunakan sistem terdesentralisasi. Alih-alih mempercayai satu otoritas pusat, ia menggunakan banyak node independen yang menjalankan model AI yang berbeda.
Inovasi kunci adalah transformasi konten. Ketika seorang pengguna mengirimkan konten untuk verifikasi, sistem memecahnya menjadi klaim yang lebih kecil, jelas, dan dapat diverifikasi. Misalnya, pernyataan majemuk dapat dibagi menjadi klaim faktual terpisah. Setiap klaim diverifikasi secara independen.
Proses ini memastikan bahwa semua model verifier memeriksa pertanyaan yang sama yang didefinisikan dengan jelas. Tanpa transformasi ini, model yang berbeda mungkin menginterpretasikan konten yang sama dengan cara yang berbeda.
Setelah transformasi, jaringan mendistribusikan klaim ke beberapa node. Setiap node menganalisis klaim dan mengajukan jawabannya. Jaringan kemudian mengagregasi respons dan menerapkan aturan konsensus, seperti kesepakatan mayoritas atau ambang batas yang telah ditentukan.
Ketika konsensus tercapai, sistem menghasilkan sertifikat kriptografi. Sertifikat ini mencatat hasil verifikasi dan membuktikan bahwa proses telah diselesaikan sesuai dengan protokol.
Alur kerja mengikuti langkah-langkah ini:
1. Pengguna mengirimkan konten dan mendefinisikan persyaratan verifikasi.
2. Sistem mengubah konten menjadi klaim.
3. Klaim didistribusikan ke node.
4. Node memverifikasi dan mengajukan respons.
5. Jaringan mengagregasi hasil dan mencapai konsensus.
6. Sertifikat diterbitkan dan dikembalikan kepada pengguna.
Desain ini memastikan bahwa tidak ada aktor tunggal yang dapat mengendalikan hasil.
3. Model Keamanan Ekonomi
Mira menggabungkan prinsip Proof-of-Work (PoW) dan Proof-of-Stake (PoS). Namun, alih-alih menyelesaikan teka-teki yang tidak berarti, node melakukan tugas verifikasi yang nyata.
Karena tugas verifikasi mungkin menggunakan format pilihan ganda, tebakan acak kadang-kadang dapat menghasilkan jawaban yang benar. Untuk mencegah ini, node harus mempertaruhkan nilai untuk berpartisipasi. Jika sebuah node berperilaku tidak jujur atau sering tidak setuju dengan konsensus tanpa justifikasi, taruhannya dapat dikurangi melalui penalti slashing.
Ini menciptakan insentif ekonomi yang kuat untuk perilaku jujur. Memanipulasi sistem menjadi mahal dan tidak rasional.
Model ini didasarkan pada tiga prinsip:
Perilaku ekonomi rasional para peserta.
Kontrol mayoritas oleh pemangku kepentingan yang jujur.
Keberagaman model untuk mengurangi bias.
Seiring jaringan tumbuh, biaya yang dibayar oleh pengguna menghargai operator node. Peningkatan partisipasi meningkatkan keberagaman dan keamanan. Seiring waktu, sistem menjadi lebih kuat.
Jaringan juga menggunakan duplikasi dan sharding. Pada tahap awal, beberapa instance dari model yang sama memverifikasi tugas untuk mendeteksi perilaku jahat. Kemudian, tugas didistribusikan secara acak untuk mengurangi risiko kolusi.
4. Privasi
Privasi adalah prinsip desain yang sentral. Ketika konten diubah menjadi klaim yang lebih kecil, klaim-klaim ini didistribusikan secara acak. Tidak ada node tunggal yang dapat merekonstruksi konten asli secara penuh.
Respons node tetap pribadi sampai konsensus tercapai. Sertifikat akhir hanya mencakup detail verifikasi yang diperlukan.
Seiring perkembangan sistem, lebih banyak perlindungan privasi terdesentralisasi dan kriptografi akan ditambahkan. Tujuannya adalah untuk mempertahankan jaminan privasi yang kuat sambil menjaga integritas verifikasi.
5. Evolusi Jaringan
Mira dimulai dengan domain berisiko tinggi seperti kesehatan, hukum, dan keuangan, di mana akurasi faktual sangat penting. Seiring waktu, itu akan berkembang untuk mendukung kode, data terstruktur, dan multimedia.
Visi jangka panjang melampaui verifikasi. Jaringan bertujuan untuk menciptakan model dasar di mana verifikasi dibangun langsung ke dalam proses generasi. Alih-alih menghasilkan terlebih dahulu dan memverifikasi kemudian, sistem akan menghasilkan keluaran yang sudah terverifikasi.
Basis data klaim yang terverifikasi yang terus tumbuh juga dapat mendukung aplikasi lain, seperti sistem pengecekan fakta dan layanan oracle.
6. Kesimpulan
Sistem AI saat ini tidak dapat beroperasi dengan andal tanpa pengawasan manusia karena halusinasi dan bias. Mira mengatasi keterbatasan ini melalui verifikasi terdesentralisasi, insentif ekonomi, dan konsensus terdistribusi.
Dengan menggabungkan beberapa model dan menyelaraskan insentif melalui staking, jaringan membuat perilaku tidak jujur menjadi mahal dan tidak praktis. Seiring waktu, sistem ini dapat mendukung AI yang beroperasi secara otonom dengan keandalan tinggi.
Mira mewakili model baru untuk infrastruktur AI yang dapat dipercaya, di mana verifikasi terdesentralisasi, diamankan secara ekonomi, dan terintegrasi ke dalam masa depan generasi AI.