Narzędzia AI dzisiaj mogą pisać artykuły, kod, streszczenia badań i niemal wszystko w kilka sekund. Ale za tą szybkością kryje się poważny problem. AI często popełnia błędy. Czasami wymyśla fakty, czasami tworzy fałszywe źródła, a czasami podaje odpowiedzi, które brzmią pewnie, ale są całkowicie błędne. Problem ten znany jest jako halucynacje AI i zdarza się, ponieważ większość systemów AI przewiduje słowa na podstawie wzorców zamiast rzeczywiście weryfikować informacje.
Tutaj wkracza Mira Network. Pomysł za Mirą jest prosty, ale potężny. Zamiast ufać jednemu modelowi AI, system dzieli wyniki AI na mniejsze twierdzenia. Każde twierdzenie jest następnie sprawdzane przez wiele niezależnych modeli AI i walidatorów w sieci. Jeśli kilka systemów zgadza się, że twierdzenie jest poprawne, poziom pewności wzrasta. Jeśli się nie zgadzają, twierdzenie jest oznaczane jako niepewne.
Sieć rejestruje te wyniki weryfikacji za pomocą zdecentralizowanego konsensusu, podobnie jak blockchainy takie jak Bitcoin i Ethereum weryfikują transakcje. Ale zamiast weryfikować przelewy pieniędzy, Mira weryfikuje informacje. Walidatorzy w sieci są nagradzani za dokładną weryfikację i karani za niepoprawną walidację, co tworzy silne zachęty do rzetelnych kontroli.
Celem jest przekształcenie treści generowanej przez AI w informacje, które zostały rzeczywiście zweryfikowane, zamiast po prostu brzmieć poprawnie. W miarę jak AI staje się coraz bardziej zaangażowane w finanse, badania i podejmowanie decyzji w rzeczywistym świecie, systemy, które mogą weryfikować wyniki AI, mogą stać się ważną częścią przyszłej infrastruktury AI.