Eksplorasi Baru Lapisan Kepercayaan AI: Peluncuran Jaringan Publik Testnet Mira
Baru-baru ini, jaringan publik testnet Mira resmi diluncurkan, proyek ini bertujuan untuk membangun lapisan kepercayaan untuk AI. Jadi, mengapa AI perlu dipercaya? Bagaimana Mira menyelesaikan masalah ini?
Dalam membahas AI, orang sering kali lebih memperhatikan kemampuannya yang kuat. Namun, masalah "ilusi" atau bias pada AI sering kali diabaikan. Apa yang disebut "ilusi" AI, secara sederhana, adalah ketika AI kadang-kadang "mengada-ada" informasi, tampak secara wajar menjelaskan beberapa fenomena yang tidak ada.
"Ilusi" atau bias AI terkait dengan jalur teknologi AI saat ini. AI generatif mencapai koherensi dan kelogisan dengan memprediksi konten yang "paling mungkin", tetapi terkadang sulit untuk memverifikasi kebenarannya. Selain itu, data pelatihan itu sendiri mungkin mengandung kesalahan, bias, atau bahkan konten fiktif, yang juga dapat memengaruhi output AI. Dengan kata lain, AI mempelajari pola bahasa manusia, bukan fakta itu sendiri.
Mekanisme generasi probabilitas dan model berbasis data saat ini hampir tidak dapat dihindari akan menyebabkan AI menghasilkan "ilusi". Output yang mengandung bias atau ilusi ini mungkin tidak akan menyebabkan konsekuensi langsung dalam konten pengetahuan umum atau hiburan, tetapi di bidang-bidang yang sangat ketat seperti medis, hukum, penerbangan, dan keuangan, dapat memiliki dampak yang signifikan. Oleh karena itu, mengatasi ilusi dan bias AI menjadi salah satu masalah inti dalam proses evolusi AI.
Proyek Mira berusaha untuk mengatasi masalah bias dan halusinasi AI, membangun lapisan kepercayaan AI, dan meningkatkan keandalan AI. Lalu, bagaimana Mira mengurangi bias dan halusinasi AI, dan akhirnya mewujudkan AI yang dapat dipercaya?
Strategi inti Mira adalah untuk memverifikasi output AI melalui konsensus dari beberapa model AI. Mira pada dasarnya adalah jaringan verifikasi yang menggunakan konsensus dari beberapa model AI untuk memverifikasi keandalan output AI. Lebih penting lagi, Mira mengadopsi konsensus terdesentralisasi untuk verifikasi.
Kunci dari jaringan Mira terletak pada verifikasi konsensus yang terdesentralisasi. Metode ini menggabungkan keunggulan bidang kriptografi dan karakteristik kolaborasi multi-model, dengan menggunakan model verifikasi kolektif untuk mengurangi bias dan ilusi.
Dalam hal arsitektur verifikasi, protokol Mira mendukung konversi konten kompleks menjadi pernyataan verifikasi independen. Operator node berpartisipasi dalam memverifikasi pernyataan ini, memastikan kejujuran operator node melalui mekanisme insentif/hukuman ekonomi kripto. Model AI yang berbeda dan operator node yang terdesentralisasi berkolaborasi untuk menjamin keandalan hasil verifikasi.
Arsitektur jaringan Mira mencakup konversi konten, verifikasi terdistribusi, dan mekanisme konsensus. Pertama, sistem memecah konten kandidat yang diajukan oleh klien menjadi pernyataan yang dapat diverifikasi, kemudian mendistribusikannya ke node untuk diverifikasi, dan akhirnya mengumpulkan hasil untuk mencapai konsensus. Untuk melindungi privasi klien, pernyataan akan didistribusikan ke node yang berbeda dengan cara pemecahan acak.
Operator node bertanggung jawab untuk menjalankan model validasi, memproses pernyataan dan mengajukan hasil validasi. Motivasi mereka untuk berpartisipasi dalam validasi berasal dari keuntungan yang tersedia, yang bersumber dari nilai yang diciptakan untuk klien. Tujuan jaringan Mira adalah untuk mengurangi tingkat kesalahan AI, terutama di bidang kesehatan, hukum, penerbangan, dan keuangan, yang dapat menghasilkan nilai besar.
Untuk mencegah operator node dari spekulasi, node yang terus-menerus menyimpang dari konsensus akan kehilangan token yang dipertaruhkan. Mekanisme ekonomi ini memastikan bahwa operator node berpartisipasi secara jujur dalam verifikasi.
Secara keseluruhan, Mira menawarkan pendekatan baru untuk mencapai keandalan AI. Ini membangun jaringan verifikasi konsensus terdesentralisasi di atas beberapa model AI, memberikan keandalan yang lebih tinggi untuk layanan AI pelanggan, mengurangi bias dan halusinasi AI, serta memenuhi kebutuhan pelanggan akan akurasi dan presisi yang lebih tinggi.
Saat ini, Mira telah bekerja sama dengan beberapa kerangka agen AI. Pengguna dapat berpartisipasi dalam jaringan pengujian publik Mira melalui Klok (aplikasi obrolan LLM berbasis Mira), merasakan keluaran AI yang telah terverifikasi, dan memiliki kesempatan untuk mendapatkan poin Mira. Lapisan kepercayaan AI baru ini diharapkan dapat mendorong perkembangan mendalam aplikasi AI.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
7 Suka
Hadiah
7
2
Bagikan
Komentar
0/400
DataChief
· 17jam yang lalu
Ini AI sekarang sudah bermain Desentralisasi ya?
Lihat AsliBalas0
NullWhisperer
· 18jam yang lalu
hmm lapisan kepercayaan... masih dapat dieksploitasi secara teoretis
Peluncuran versi beta jaringan Mira: Membangun lapisan kepercayaan AI untuk Drop bias dan ilusi
Eksplorasi Baru Lapisan Kepercayaan AI: Peluncuran Jaringan Publik Testnet Mira
Baru-baru ini, jaringan publik testnet Mira resmi diluncurkan, proyek ini bertujuan untuk membangun lapisan kepercayaan untuk AI. Jadi, mengapa AI perlu dipercaya? Bagaimana Mira menyelesaikan masalah ini?
Dalam membahas AI, orang sering kali lebih memperhatikan kemampuannya yang kuat. Namun, masalah "ilusi" atau bias pada AI sering kali diabaikan. Apa yang disebut "ilusi" AI, secara sederhana, adalah ketika AI kadang-kadang "mengada-ada" informasi, tampak secara wajar menjelaskan beberapa fenomena yang tidak ada.
"Ilusi" atau bias AI terkait dengan jalur teknologi AI saat ini. AI generatif mencapai koherensi dan kelogisan dengan memprediksi konten yang "paling mungkin", tetapi terkadang sulit untuk memverifikasi kebenarannya. Selain itu, data pelatihan itu sendiri mungkin mengandung kesalahan, bias, atau bahkan konten fiktif, yang juga dapat memengaruhi output AI. Dengan kata lain, AI mempelajari pola bahasa manusia, bukan fakta itu sendiri.
Mekanisme generasi probabilitas dan model berbasis data saat ini hampir tidak dapat dihindari akan menyebabkan AI menghasilkan "ilusi". Output yang mengandung bias atau ilusi ini mungkin tidak akan menyebabkan konsekuensi langsung dalam konten pengetahuan umum atau hiburan, tetapi di bidang-bidang yang sangat ketat seperti medis, hukum, penerbangan, dan keuangan, dapat memiliki dampak yang signifikan. Oleh karena itu, mengatasi ilusi dan bias AI menjadi salah satu masalah inti dalam proses evolusi AI.
Proyek Mira berusaha untuk mengatasi masalah bias dan halusinasi AI, membangun lapisan kepercayaan AI, dan meningkatkan keandalan AI. Lalu, bagaimana Mira mengurangi bias dan halusinasi AI, dan akhirnya mewujudkan AI yang dapat dipercaya?
Strategi inti Mira adalah untuk memverifikasi output AI melalui konsensus dari beberapa model AI. Mira pada dasarnya adalah jaringan verifikasi yang menggunakan konsensus dari beberapa model AI untuk memverifikasi keandalan output AI. Lebih penting lagi, Mira mengadopsi konsensus terdesentralisasi untuk verifikasi.
Kunci dari jaringan Mira terletak pada verifikasi konsensus yang terdesentralisasi. Metode ini menggabungkan keunggulan bidang kriptografi dan karakteristik kolaborasi multi-model, dengan menggunakan model verifikasi kolektif untuk mengurangi bias dan ilusi.
Dalam hal arsitektur verifikasi, protokol Mira mendukung konversi konten kompleks menjadi pernyataan verifikasi independen. Operator node berpartisipasi dalam memverifikasi pernyataan ini, memastikan kejujuran operator node melalui mekanisme insentif/hukuman ekonomi kripto. Model AI yang berbeda dan operator node yang terdesentralisasi berkolaborasi untuk menjamin keandalan hasil verifikasi.
Arsitektur jaringan Mira mencakup konversi konten, verifikasi terdistribusi, dan mekanisme konsensus. Pertama, sistem memecah konten kandidat yang diajukan oleh klien menjadi pernyataan yang dapat diverifikasi, kemudian mendistribusikannya ke node untuk diverifikasi, dan akhirnya mengumpulkan hasil untuk mencapai konsensus. Untuk melindungi privasi klien, pernyataan akan didistribusikan ke node yang berbeda dengan cara pemecahan acak.
Operator node bertanggung jawab untuk menjalankan model validasi, memproses pernyataan dan mengajukan hasil validasi. Motivasi mereka untuk berpartisipasi dalam validasi berasal dari keuntungan yang tersedia, yang bersumber dari nilai yang diciptakan untuk klien. Tujuan jaringan Mira adalah untuk mengurangi tingkat kesalahan AI, terutama di bidang kesehatan, hukum, penerbangan, dan keuangan, yang dapat menghasilkan nilai besar.
Untuk mencegah operator node dari spekulasi, node yang terus-menerus menyimpang dari konsensus akan kehilangan token yang dipertaruhkan. Mekanisme ekonomi ini memastikan bahwa operator node berpartisipasi secara jujur dalam verifikasi.
Secara keseluruhan, Mira menawarkan pendekatan baru untuk mencapai keandalan AI. Ini membangun jaringan verifikasi konsensus terdesentralisasi di atas beberapa model AI, memberikan keandalan yang lebih tinggi untuk layanan AI pelanggan, mengurangi bias dan halusinasi AI, serta memenuhi kebutuhan pelanggan akan akurasi dan presisi yang lebih tinggi.
Saat ini, Mira telah bekerja sama dengan beberapa kerangka agen AI. Pengguna dapat berpartisipasi dalam jaringan pengujian publik Mira melalui Klok (aplikasi obrolan LLM berbasis Mira), merasakan keluaran AI yang telah terverifikasi, dan memiliki kesempatan untuk mendapatkan poin Mira. Lapisan kepercayaan AI baru ini diharapkan dapat mendorong perkembangan mendalam aplikasi AI.