#mira $MIRA Sieć Mira
Większość ludzi myśli o dokładności AI jako o pytaniu, czy model poprawia się z czasem. Ale praca z warstwą konsensusu walidatora Sieci Mira ujawnia subtelniejszą prawdę: poprawa i weryfikacja to nie to samo.
Ostatnio obserwowałem, jak mała aktualizacja wagi modelu zmieniła odpowiedź AI. Różnica nie była dramatyczna — logika po prostu nieco się zaostrzyła. Z perspektywy modelowania nowa odpowiedź była zdecydowanie lepsza.
Ale Mira nie interesowała się „lepszym”.
Mira certyfikuje artefakty, a nie intencje. Oryginalny wynik przeszedł już przez sieć walidatorów i otrzymał certyfikat konsensusu: hash wyniku, identyfikator epoki, kworum walidatorów. Ten dowód przypieczętował dokładne bajty wyprodukowane w danym momencie.
Kiedy wagi się zmieniły, odpowiedź również się zmieniła. Nowy hash oznaczał nowy artefakt. Oryginalny certyfikat już nie obowiązywał.
W rezultacie system miał dwie zweryfikowane prawdy.
Pierwsza odpowiedź była certyfikowana na podstawie poprzedniego stanu modelu. Druga była certyfikowana po aktualizacji. Obie miały ważne dowody konsensusu. Żaden nie zastąpił drugiego.
I to ujawnia coś ważnego na temat weryfikowalnych systemów AI.
„Certyfikowany” nie oznacza „najnowocześniejszy”.
Oznacza „udowodnione jako poprawne w momencie, gdy zostało przypieczętowane”.
To rozróżnienie ma znaczenie dla każdej infrastruktury próbującej uczynić wyniki AI przenośnymi między systemami. Gdyby certyfikaty zmieniały się za każdym razem, gdy model się poprawiał, weryfikacja straciłaby swoją trwałość.
Zamiast tego, księga gromadzi historię.
Dwa wyniki. Dwa hashe. Dwa certyfikaty.
Oba prawdziwe — po prostu z różnych momentów w czasie.