什么是Mira？Mira有什么作用？2025 Mira發(fā)展路線圖是什么？

近年來，生成式人工智能的快速發(fā)展對(duì)基礎(chǔ)設(shè)施和工作流程提出了新的要求，特別是在驗(yàn)證和評(píng)估方面。 Mira正在構(gòu)建一個(gè)創(chuàng)新的第1層網(wǎng)絡(luò)，為AI輸出提供無需信任、可擴(kuò)展且準(zhǔn)確的驗(yàn)證。通過將復(fù)雜的AI輸出分解為更小的可驗(yàn)證部分，并利用多個(gè)AI模型進(jìn)行驗(yàn)證，Mira顯著降低了錯(cuò)誤率和幻覺。該平臺(tái)已為多個(gè)擁有20萬以上用戶的AI應(yīng)用提供驗(yàn)證服務(wù)。隨著生成式AI市場(chǎng)預(yù)計(jì)在2030年突破1萬億美元，Mira致力于成為所有AI應(yīng)用的可信任驗(yàn)證層，通過去中心化方式解決AI輸出可靠性這一關(guān)鍵挑戰(zhàn)。

長(zhǎng)話短說

• 輸出驗(yàn)證對(duì)于確保人工智能可靠運(yùn)行至關(guān)重要。
• Mira 正在構(gòu)建一個(gè)第 1 層網(wǎng)絡(luò)，為 AI 輸出提供無需信任、可擴(kuò)展且準(zhǔn)確的驗(yàn)證。
• 同時(shí)減少幻覺和偏見是一種微妙的平衡行為。 Mira 通過利用人工智能模型的集體智慧來做到這一點(diǎn)。
• Mira 的驗(yàn)證系統(tǒng)建立在兩個(gè)基本設(shè)計(jì)原則之上：(1) 將人工智能輸出分解為更小的、易于驗(yàn)證的部分，以及 (2) 使用模型集合來驗(yàn)證每個(gè)部分。
• Mira 的初始市場(chǎng)規(guī)模與 LLMOps 相關(guān)，但其總體潛在市場(chǎng)可能會(huì)擴(kuò)展到所有人工智能，因?yàn)槊總€(gè)人工智能應(yīng)用程序都需要更可靠的輸出。
• Mira 已經(jīng)為多個(gè)擁有 20 萬以上用戶的 AI 應(yīng)用程序提供 AI 驗(yàn)證。
• 米拉的最終目標(biāo)是成為 合成基礎(chǔ)模型，無縫插入每個(gè)主要提供商，通過單個(gè) API 提供預(yù)先驗(yàn)證的輸出。

幻覺： 一種對(duì)不存在的事物產(chǎn)生明顯感知的體驗(yàn)

安德烈·卡帕蒂 (Andrej Karpathy) 將人工智能稱為“夢(mèng)想機(jī)器”。他認(rèn)為幻覺——人工智能自信地生成不真實(shí)事物的那些時(shí)刻——是一種特征，而不是一個(gè)錯(cuò)誤。試圖完全消除它們是徒勞的。老實(shí)說，這有一些詩意。

大型語言模型（LLM）是一位藝術(shù)家，一位創(chuàng)造者。它用代碼做夢(mèng)，憑空產(chǎn)生想法，并從數(shù)據(jù)中解讀意義。但為了讓人工智能從美好的白日夢(mèng)轉(zhuǎn)向?qū)嶋H的日常應(yīng)用，我們必須控制這些幻覺。

LLM 在許多任務(wù)中的錯(cuò)誤率仍然很高，通常徘徊在 30% 左右。在這個(gè)水平上，LLM 仍然需要人工參與才能達(dá)到可用的準(zhǔn)確性標(biāo)準(zhǔn)。

但是，當(dāng)我們達(dá)到難以捉摸的 99.x% 準(zhǔn)確率（即輸出在沒有人為監(jiān)督的情況下可靠）時(shí)，奇跡就會(huì)發(fā)生。這是人工智能實(shí)現(xiàn)人類水平可靠性的門檻，解鎖了以前無法實(shí)現(xiàn)的無窮無盡的用例。

然而，達(dá)到這種精度水平并非易事。它需要不懈的工程努力和創(chuàng)新。

@Mira_Network 的故事從這里開始。但在我們深入探討之前，讓我們花點(diǎn)時(shí)間討論一下 LLM 的發(fā)展，以及為什么驗(yàn)證正在成為人工智能領(lǐng)域的下一個(gè)重大 事件。

LLM 是如何誕生的

LLM 開發(fā)是深度學(xué)習(xí)之旅的最新迭代，與我們過去 50 多年磨練的傳統(tǒng)軟件開發(fā)實(shí)踐不同。LLM 只存在了大約三年，完全翻轉(zhuǎn)了劇本，從 確定性思維 （如果 X，則 Y） 轉(zhuǎn)為概率推理 （如果 X，那么……也許是 Y？）。

這意味著人工智能驅(qū)動(dòng)的世界的基礎(chǔ)設(shè)施需要一套全新的工具和工作流程。然而，其中許多工具仍然被鎖在創(chuàng)建 LLM 的研究實(shí)驗(yàn)室內(nèi)。

好消息是，這些工具開始逐漸進(jìn)入公共領(lǐng)域，為世界各地的開發(fā)人員打開了一個(gè)充滿可能性的世界。

在這個(gè)新工作流程的最后，存在著一個(gè)關(guān)鍵的難題： 評(píng)估和驗(yàn)證。 今天，我們的焦點(diǎn)集中在這些方面。他們回答了一個(gè)基本問題： 人工智能運(yùn)行良好嗎？

驗(yàn)證=信任

信任是任何偉大人工智能產(chǎn)品的基礎(chǔ)。

隨著人工智能日益成為我們生活中不可或缺的一部分，該技術(shù)本身仍然脆弱。錯(cuò)誤總會(huì)發(fā)生，當(dāng)錯(cuò)誤發(fā)生時(shí)，信任就會(huì)迅速消失。用戶期望人工智能準(zhǔn)確、公正且真正有幫助，但如果沒有可靠的系統(tǒng)來確保這一點(diǎn)，他們的挫敗感就會(huì)增加，而挫敗感會(huì)導(dǎo)致客戶流失。

這就是驗(yàn)證發(fā)揮作用的地方。

驗(yàn)證起到保障作用。它們是開發(fā)人員賴以完善輸出和構(gòu)建用戶可以信任的系統(tǒng)的質(zhì)量保證層。

Mira 正在通過加密技術(shù)的去信任透明性來解決 Web2 的核心問題。通過利用去中心化的驗(yàn)證節(jié)點(diǎn)網(wǎng)絡(luò)，Mira 確保人工智能輸出得到準(zhǔn)確、獨(dú)立的驗(yàn)證。

進(jìn)入 Mira

假設(shè)您有一段關(guān)于巴黎市的 LLM 的輸出。你如何驗(yàn)證它是否準(zhǔn)確？這樣做很難，因?yàn)閺闹鲝埖絻?nèi)容結(jié)構(gòu)再到寫作風(fēng)格，一切都存在很多細(xì)微差別。

這就是 Mira 介入的地方。

Mira 的愿景非常大膽：創(chuàng)建一個(gè)可提供以下功能的第 1 層網(wǎng)絡(luò)： 人工智能輸出的無需信任、可擴(kuò)展且準(zhǔn)確的驗(yàn)證。通過利用集體智慧，Mira 減少偏見和幻覺，解決公平和成本等核心問題，同時(shí)證明區(qū)塊鏈如何真正增強(qiáng)人工智能。

來源：Mira

早期結(jié)果令人鼓舞。在最近的發(fā)表在 Arxiv 上的研究 Mira 證明，使用多個(gè)模型生成輸出并達(dá)成共識(shí)可顯著提高準(zhǔn)確率。使用 三個(gè)模型時(shí)，準(zhǔn)確率達(dá)到95.6% ，而單個(gè)模型輸出的準(zhǔn)確率僅為73.1% 。

Mira 的方法有兩個(gè)關(guān)鍵設(shè)計(jì)元素：

• 內(nèi)容的分片和二值化：將復(fù)雜的人工智能輸出分解為更小的、可獨(dú)立驗(yàn)證的部分。
• 型號(hào)多樣性： 利用多個(gè)模型來增強(qiáng)可靠性并最大限度地減少偏差。

#1：通過二值化和分片進(jìn)行內(nèi)容轉(zhuǎn)換

由于內(nèi)容生成成本接近于零，人工智能生成的輸出范圍從簡(jiǎn)單的陳述到龐大的論文。但這種豐富的復(fù)雜性帶來了一個(gè)挑戰(zhàn)：如何確保如此多樣化的輸出的準(zhǔn)確性？

Mira 的解決方案很簡(jiǎn)單： 分解它。

@Mira_Network 將復(fù)雜的人工智能生成的內(nèi)容轉(zhuǎn)換為更小的、易于理解的片段，人工智能模型可以在稱為分片的過程中客觀地審查這些片段。

通過標(biāo)準(zhǔn)化輸出并將其分解為離散的、可驗(yàn)證的聲明，Mira 確保每個(gè)部分都可以得到一致的評(píng)估，從而消除經(jīng)常困擾評(píng)估的模糊性。

例如，考慮這個(gè)復(fù)合語句：

“植物中發(fā)生光合作用，將陽光轉(zhuǎn)化為能量，而蜜蜂通過在花朵之間轉(zhuǎn)移花粉，在授粉中發(fā)揮著關(guān)鍵作用。”

表面上看，驗(yàn)證起來似乎很簡(jiǎn)單。但當(dāng)交給多個(gè)模型時(shí)，解釋怪癖可能會(huì)導(dǎo)致不同的答案。 Mira 通過分片進(jìn)行內(nèi)容轉(zhuǎn)換，通過將聲明分成兩個(gè)獨(dú)立的聲明來解決這個(gè)問題：

• “植物中發(fā)生光合作用，將陽光轉(zhuǎn)化為能量。”
• “蜜蜂通過在花朵之間傳遞花粉，在授粉中發(fā)揮著關(guān)鍵作用。”

一旦分片，每個(gè)主張都會(huì)經(jīng)過二值化，轉(zhuǎn)換為多項(xiàng)選擇題。這些問題被分發(fā)到運(yùn)行人工智能模型的節(jié)點(diǎn)網(wǎng)絡(luò)。使用 Mira 的整體驗(yàn)證方法，模型可以協(xié)作評(píng)估并確認(rèn)每個(gè)聲明的有效性。

目前，Mira 的內(nèi)容分片和二值化功能主要集中在文本輸入上。到 2025 年初，這些流程將擴(kuò)展為支持多模式輸入，例如圖像和視頻

#2：集體行動(dòng)，而非個(gè)人行動(dòng)

Mira 開發(fā)了一種先進(jìn)的驗(yàn)證系統(tǒng)，結(jié)合了多種人工智能模型的優(yōu)勢(shì)來評(píng)估人工智能輸出的質(zhì)量。

讓我們來解開它。

傳統(tǒng)的自動(dòng)化評(píng)估通常依賴于單一大型語言模型 (LLM)（例如 GPT-4）作為質(zhì)量的最終仲裁者。雖然有效，但這種方法存在重大缺陷：成本高昂、容易產(chǎn)生偏差，并且受到模型固有的怪癖和“個(gè)性”的限制。

Mira 的突破是從依賴單一大型模型轉(zhuǎn)變?yōu)槔?nbsp;不同 LLM 的集合。 該整體在事實(shí)準(zhǔn)確性比創(chuàng)意天賦更重要的任務(wù)中表現(xiàn)出色，可降低錯(cuò)誤率并提供更可靠、一致的驗(yàn)證。

集成技術(shù)已經(jīng)在分類等機(jī)器學(xué)習(xí)任務(wù)中得到了充分研究，Mira 現(xiàn)在正在對(duì)其進(jìn)行驗(yàn)證。

Mira 系統(tǒng)的核心是 LLM 驗(yàn)證者小組 (PoLL)——一個(gè)模型協(xié)作網(wǎng)絡(luò)，共同驗(yàn)證輸出。將其視為一個(gè)多元化的專家小組對(duì)決定進(jìn)行權(quán)衡，而不是將其交給單一的、可能存在偏見的法官。

這不僅僅是一廂情愿——它是有研究基礎(chǔ)的?？纯聪旅娴膱D表：

Cohere 研究發(fā)布2024 年 4 月，一項(xiàng)研究證明，由三個(gè)較小模型（GPT-3.5、Claude-3 Haiku 和 Command R）組成的面板比單獨(dú)的 GPT-4 更接近人類判斷。值得注意的是，這種集成方法的成本也降低了 7 倍。

Mira 現(xiàn)在正在將這項(xiàng)研究付諸實(shí)踐，大規(guī)模部署其集成驗(yàn)證方法。迄今為止，他們分享的內(nèi)部結(jié)果令人信服：

• 錯(cuò)誤率從 80% 降低至 5% 用于復(fù)雜的推理任務(wù)。

• 速度和成本提高 5 倍 與人工驗(yàn)證相比。

這是一個(gè)不小的壯舉。通過采用共識(shí)機(jī)制，Mira 的多樣化模型集合有效地過濾了幻覺并平衡了個(gè)體模型的偏差。它們共同提供的東西大于其各部分之和：更快、更便宜且更符合我們需求的驗(yàn)證。

它是如何運(yùn)作的——搭建設(shè)計(jì)

回顧一下，Mira 的驗(yàn)證系統(tǒng)建立在兩個(gè)基本設(shè)計(jì)原則之上：

• 將人工智能輸出分解為更小的、易于驗(yàn)證的部分。
• 使用不同的人工智能模型集合來驗(yàn)證每一件作品。

維護(hù)多樣化的模型對(duì)于高質(zhì)量輸出至關(guān)重要，這使得 Mira 的設(shè)計(jì)非常適合去中心化架構(gòu)。消除單點(diǎn)故障對(duì)于任何驗(yàn)證產(chǎn)品都至關(guān)重要。

Mira 使用基于區(qū)塊鏈的方法來確保沒有任何一個(gè)實(shí)體可以操縱結(jié)果。前提很簡(jiǎn)單：人工智能生成的輸出應(yīng)該像區(qū)塊鏈狀態(tài)變化一樣得到驗(yàn)證。

驗(yàn)證通過獨(dú)立節(jié)點(diǎn)網(wǎng)絡(luò)進(jìn)行，運(yùn)營商在經(jīng)濟(jì)上受到激勵(lì)來執(zhí)行準(zhǔn)確的驗(yàn)證。通過將獎(jiǎng)勵(lì)與誠實(shí)相結(jié)合，Mira 的系統(tǒng)可以阻止不良行為者并確?？煽康慕Y(jié)果。

它的工作原理如下：

• AI 開發(fā)人員創(chuàng)建模型輸出數(shù)據(jù)集，并通過 API 將其提交給 Mira。
• Mira 將數(shù)據(jù)集轉(zhuǎn)換為多項(xiàng)選擇題（二值化），并將其分割成更小的、可管理的部分（分片）。
• 這些分片被分發(fā)到 Mira 的驗(yàn)證者節(jié)點(diǎn)網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)都會(huì)收到不同的分片進(jìn)行驗(yàn)證。
• 每個(gè)節(jié)點(diǎn)獨(dú)立審查其分配分片中的問題并將其結(jié)果提交回網(wǎng)絡(luò)。
• 分配到同一分片的節(jié)點(diǎn)對(duì)驗(yàn)證結(jié)果達(dá)成共識(shí)，然后匯總到最終評(píng)估中。
• 最終驗(yàn)證結(jié)果連同驗(yàn)證證書（評(píng)估的加密證明）一起返回給人工智能開發(fā)人員。該證書存儲(chǔ)在區(qū)塊鏈上，創(chuàng)建可驗(yàn)證、防篡改的驗(yàn)證記錄。

Mira 通過將輸入數(shù)據(jù)分成更小的部分來確保數(shù)據(jù)機(jī)密性，確保沒有單個(gè)節(jié)點(diǎn)無法訪問完整的數(shù)據(jù)集。

為了提高安全性，Mira 支持動(dòng)態(tài)隱私級(jí)別，允許用戶根據(jù)數(shù)據(jù)敏感性調(diào)整分片數(shù)量。雖然更高的隱私級(jí)別需要更多的分片（因此成本更高），但它們?yōu)樘幚砻舾行畔⒌挠脩籼峁┝烁叩臋C(jī)密性。

節(jié)點(diǎn)執(zhí)行的每次驗(yàn)證都會(huì)記錄在區(qū)塊鏈上，從而創(chuàng)建驗(yàn)證過程的透明且可審計(jì)的記錄。這種不可變的分類賬確保了傳統(tǒng)的非區(qū)塊鏈方法無法實(shí)現(xiàn)的信任和責(zé)任。

這為安全、公正的人工智能驗(yàn)證設(shè)立了新標(biāo)準(zhǔn)。

確保節(jié)點(diǎn)完成其工作

在 Mira 的去中心化網(wǎng)絡(luò)中，誠實(shí)的工作會(huì)得到獎(jiǎng)勵(lì)。

專家可以通過節(jié)點(diǎn)軟件部署專門的人工智能模型，并獲得準(zhǔn)確驗(yàn)證的代幣。反過來，人工智能開發(fā)人員為每次驗(yàn)證支付費(fèi)用，在需求和供應(yīng)之間創(chuàng)建了一個(gè)自我維持的經(jīng)濟(jì)循環(huán)。

這種方法將 Web2 工作流程的真正價(jià)值連接到 Web3 生態(tài)系統(tǒng)，直接獎(jiǎng)勵(lì)推理提供者和模型創(chuàng)建者等參與者。

但激勵(lì)措施也伴隨著挑戰(zhàn)。在任何去中心化系統(tǒng)中，不良行為者都會(huì)嘗試?yán)镁W(wǎng)絡(luò)，提交虛假結(jié)果以在不做任何工作的情況下獲得獎(jiǎng)勵(lì)。

那么，我們?nèi)绾未_保節(jié)點(diǎn)實(shí)際上準(zhǔn)確且誠實(shí)地執(zhí)行其任務(wù)？

為了保持誠信，Mira 采用了 驗(yàn)證證明機(jī)制 —— 一種受比特幣工作量證明啟發(fā)但專為人工智能設(shè)計(jì)的機(jī)制。節(jié)點(diǎn)必須證明自己已經(jīng)完成了驗(yàn)證任務(wù)才能參與共識(shí)過程，而不是挖掘區(qū)塊。

它的工作原理如下：

• 質(zhì)押要求： 每個(gè)節(jié)點(diǎn)都必須抵押代幣作為經(jīng)濟(jì)承諾。如果一個(gè)節(jié)點(diǎn)重復(fù)提交不正確的結(jié)果，其部分權(quán)益將被削減作為懲罰。這確保節(jié)點(diǎn)有參與其中的必要，并有理由誠實(shí)行事。
• 虛假工作的處罰： 提交虛假結(jié)果（例如跳過計(jì)算或生成隨機(jī)輸出）的節(jié)點(diǎn)將面臨處罰。當(dāng)他們的結(jié)果始終顯著偏離共識(shí)時(shí)（假設(shè)大多數(shù)節(jié)點(diǎn)是誠實(shí)的），就會(huì)檢測(cè)到欺詐。

驗(yàn)證證明創(chuàng)建了一個(gè)平衡的系統(tǒng)，在該系統(tǒng)中節(jié)點(diǎn)在經(jīng)濟(jì)上受到激勵(lì)來執(zhí)行高質(zhì)量的驗(yàn)證。這種機(jī)制確保網(wǎng)絡(luò)隨著時(shí)間的推移保持安全可靠。

挑戰(zhàn)與權(quán)衡

問題在于： 如果 Mira 的方法如此有效，為什么不是每個(gè)人都這樣做呢？

答案在于在現(xiàn)實(shí)世界中實(shí)施這樣一個(gè)系統(tǒng)的權(quán)衡和復(fù)雜性。在快速、準(zhǔn)確的評(píng)估和管理多個(gè)模型的復(fù)雜性之間實(shí)現(xiàn)完美平衡絕非易事。

Mira 最大的障礙之一是 延遲。 雖然使用模型集合可以并行運(yùn)行驗(yàn)證，但同步結(jié)果和達(dá)成共識(shí)會(huì)帶來延遲。該過程的速度取決于最慢的節(jié)點(diǎn)。

目前，這使得 Mira 成為人工智能輸出批量處理的理想選擇——不需要實(shí)時(shí)結(jié)果的用例。隨著網(wǎng)絡(luò)隨著更多的節(jié)點(diǎn)和計(jì)算可用性而增長(zhǎng)，長(zhǎng)期目標(biāo)是實(shí)現(xiàn)實(shí)時(shí)驗(yàn)證，將 Mira 的適用性擴(kuò)展到更廣泛的場(chǎng)景。

除了延遲之外，其他挑戰(zhàn)還包括：

工程復(fù)雜性： 跨多個(gè)模型協(xié)調(diào)評(píng)估并確保共識(shí)機(jī)制順利運(yùn)行需要大量的工程工作。

更高的計(jì)算要求： 即使使用較小的模型，在集成中一起運(yùn)行它們也會(huì)增加計(jì)算需求。

良好的共識(shí)機(jī)制設(shè)計(jì)： 通過多數(shù)投票、加權(quán)評(píng)分或其他方法達(dá)成共識(shí)的方式對(duì)系統(tǒng)的可靠性起著至關(guān)重要的作用。在不明確的情況下，集成可能難以協(xié)調(diào)，從而導(dǎo)致結(jié)果不一致。

Mira 的應(yīng)用程序和用例

來源：Mira

Mira 的 API 可以輕松地與任何應(yīng)用程序集成，類似于 OpenAI 的 GPT-4o。它與消費(fèi)者和 B2B 應(yīng)用程序無關(guān)，使其成為適用于各種用例的多功能解決方案。如今，有十多個(gè)應(yīng)用程序使用 Mira 的基礎(chǔ)設(shè)施。

消費(fèi)者整合

在消費(fèi)者方面，Mira 已經(jīng)為多個(gè)早期人工智能應(yīng)用程序提供人工智能驗(yàn)證：

• Creato：一款用于個(gè)性化每日?qǐng)?bào)價(jià)和狀態(tài)消息的發(fā)現(xiàn)和共享應(yīng)用程序，為超過 12 萬用戶提供服務(wù)。
• Astro247：用戶與人工智能占星師聊天以獲取個(gè)性化星座運(yùn)勢(shì)和預(yù)測(cè)的平臺(tái)。
• Amor：一款人工智能伴侶應(yīng)用程序，允許用戶與幻想人工智能角色進(jìn)行沉浸式對(duì)話。
• Klok：Mira 推出的專注于加密貨幣的 ChatGPT，它使用 CoinMarketCap 等 API 以及從加密網(wǎng)站和新聞媒體收集的網(wǎng)絡(luò)數(shù)據(jù)來回答加密查詢。

Delphi Oracle 是最新的，也許是最先進(jìn)的集成。這位人工智能驅(qū)動(dòng)的研究助理允許 @Delphi_Digital 會(huì)員可以直接參與研究?jī)?nèi)容、提出問題、澄清觀點(diǎn)、整合價(jià)格信息，并將內(nèi)容調(diào)整到不同的復(fù)雜程度。

Delphi Oracle 利用 Mira Network 的驗(yàn)證技術(shù)來提供可靠且準(zhǔn)確的響應(yīng)。通過驗(yàn)證多個(gè)模型的響應(yīng)，Mira 將幻覺率從約 30% 降低到 5% 以下，確保了堅(jiān)實(shí)的信任基礎(chǔ)。

Delphi Oracle 的核心是 高性能查詢路由器

• 價(jià)格查詢：直接路由到市場(chǎng)數(shù)據(jù)端點(diǎn)以獲得近乎即時(shí)的響應(yīng)。
• 基本問題：由緩存響應(yīng)系統(tǒng)處理，平衡速度和成本效益。
• 復(fù)雜查詢：針對(duì)專門的 LLM 處理流程，能夠綜合多個(gè)來源的信息。

這種智能路由系統(tǒng)與智能緩存相結(jié)合，通過平衡延遲、成本和質(zhì)量來確保最佳性能。

Mira 的測(cè)試表明，較小的、具有成本效益的模型幾乎可以像較大的模型一樣處理大多數(shù)查詢。這使得運(yùn)營成本降低了 90%，同時(shí)保持了用戶期望的高質(zhì)量響應(yīng)。

盡管其中許多消費(fèi)者應(yīng)用程序仍處于早期階段，但它們凸顯了 Mira 無縫集成和支持大型活躍用戶群的能力。不難想象，只要開發(fā)者體驗(yàn)保持簡(jiǎn)單且價(jià)值主張保持清晰，就會(huì)有數(shù)千個(gè)應(yīng)用程序插入 Mira 的生態(tài)系統(tǒng)。

B2B 應(yīng)用

在 B2B 方面，Mira 專注于信任和精確性至關(guān)重要的行業(yè)的專業(yè)集成，最初的重點(diǎn)是醫(yī)療保健和教育。

主要應(yīng)用包括：

• 衛(wèi)生保?。喝斯ぶ悄苤痔峁┛煽康牡诙庖姴⒅С轴t(yī)生做出關(guān)鍵決策。
• 教育：個(gè)性化學(xué)習(xí)助手，可適應(yīng)個(gè)別學(xué)生的需求，同時(shí)保持事實(shí)準(zhǔn)確性并與課程保持一致。
• 法律服務(wù)：能夠準(zhǔn)確總結(jié)判例法并預(yù)測(cè)法律結(jié)果以簡(jiǎn)化法律工作流程的系統(tǒng)。

Miran 的終局

Mira 的最終目標(biāo)是提供本地驗(yàn)證的生成——用戶只需通過 API 連接，就像 OpenAI 或 Anthropic 一樣，并在返回之前接收預(yù)先驗(yàn)證的輸出。

他們的目標(biāo)是通過提供現(xiàn)有模型的高度可靠版本（例如 Mira-Claude-3.5-Sonnet 或 Mira-OpenAI-GPT-4o）來取代現(xiàn)有模型 API，并通過內(nèi)置的、基于共識(shí)的可靠性進(jìn)行增強(qiáng)。

市場(chǎng)規(guī)模

生成式人工智能正在飛速發(fā)展。根據(jù)彭博，市場(chǎng)預(yù)計(jì)將以驚人的42% 復(fù)合年增長(zhǎng)率增長(zhǎng)，到 2030 年收入將超過1 萬億美元。在這股巨大的浪潮中，提高 AI 工作流程速度、準(zhǔn)確性和可靠性的工具將占據(jù)重要地位。

隨著越來越多的企業(yè)將 LLM 集成到他們的工作流程中（從客戶支持聊天機(jī)器人到復(fù)雜的研究助理），對(duì)強(qiáng)大模型驗(yàn)證的需求變得更加緊迫。

組織將尋求能夠（1）測(cè)量模型準(zhǔn)確性和可靠性，（2）診斷提示和參數(shù)效率低下，（3）持續(xù)監(jiān)控性能和漂移，以及（4）確保遵守圍繞人工智能安全的新興監(jiān)管框架的工具。

聽起來很熟悉嗎？這是我們之前見過的 MLOps（“機(jī)器學(xué)習(xí)操作”的縮寫）的劇本。隨著機(jī)器學(xué)習(xí)在 2010 年代規(guī)?；?，部署、跟蹤和維護(hù)模型的工具變得至關(guān)重要，創(chuàng)造了一個(gè)價(jià)值數(shù)十億美元的市場(chǎng)。隨著生成式人工智能的興起， LLMOps 正在遵循相同的軌跡。

即使占據(jù)萬億美元市場(chǎng)的一小部分，也可能會(huì)在 2030 年將該子行業(yè)推至 100B+ 美元。

幾家 Web2 初創(chuàng)公司已經(jīng)做好了自己的定位，提供注釋數(shù)據(jù)、微調(diào)模型和評(píng)估性能的工具：

• Braintrust（籌集 3600 萬美元）

• Vellum AI（籌集 500 萬美元）

• Humanloop（籌集 280 萬美元）

這些先行者正在奠定基礎(chǔ)，但這個(gè)領(lǐng)域瞬息萬變。到 2025 年，我們可能會(huì)看到該領(lǐng)域的初創(chuàng)企業(yè)激增。有些公司可能專注于小眾評(píng)估指標(biāo)（例如偏差檢測(cè)和穩(wěn)健性測(cè)試），而另一些公司則擴(kuò)大其產(chǎn)品范圍，覆蓋整個(gè) AI 開發(fā)生命周期。

大型科技公司（如主要云提供商和 AI 平臺(tái)）可能會(huì)將評(píng)估功能捆綁到其產(chǎn)品中。上個(gè)月，OpenAI在其平臺(tái)上直接引入了評(píng)估。為了保持競(jìng)爭(zhēng)力，初創(chuàng)公司必須通過專業(yè)化、易用性和高級(jí)分析來脫穎而出。

Mira 并不是這些初創(chuàng)公司或現(xiàn)有企業(yè)的直接競(jìng)爭(zhēng)對(duì)手。相反，它是一個(gè)基礎(chǔ)設(shè)施提供商，通過 API 與兩者無縫集成。關(guān)鍵是什么？它必須有效。

Mira 的初始市場(chǎng)規(guī)模與 LLMOps 相關(guān)，但其 總的潛在市場(chǎng)將擴(kuò)展到所有人工智能領(lǐng)域 因?yàn)槊總€(gè)人工智能應(yīng)用都需要更可靠的輸出。

從博弈論的角度來看，Mira 處于一個(gè)獨(dú)特的境地。與 OpenAI 等其他模型提供商不同，Mira 可以跨模型集成。這使得 Mira 成為人工智能的信任層，提供任何單一提供商都無法比擬的可靠性。

2025 年路線圖

Mira 的 2025 年路線圖旨在在完全去中心化的道路上平衡完整性、可擴(kuò)展性和社區(qū)參與：

第一階段：引導(dǎo)信任（我們現(xiàn)在所處的位置）

在早期階段，經(jīng)過審查的節(jié)點(diǎn)運(yùn)營商確保網(wǎng)絡(luò)可靠性。知名GPU計(jì)算提供商作為第一波運(yùn)營商，處理初始運(yùn)營并為增長(zhǎng)奠定堅(jiān)實(shí)的基礎(chǔ)。

第二階段：漸進(jìn)式去中心化

Mira 引入了設(shè)計(jì)重復(fù)，其中同一驗(yàn)證者模型的多個(gè)實(shí)例處理每個(gè)請(qǐng)求。雖然這會(huì)增加驗(yàn)證成本，但對(duì)于識(shí)別和消除惡意操作者至關(guān)重要。通過比較節(jié)點(diǎn)之間的輸出，可以盡早發(fā)現(xiàn)不良行為者。

在成熟的形式下，Mira 將實(shí)施 隨機(jī)分片 分配驗(yàn)證任務(wù)。這使得共謀在經(jīng)濟(jì)上不可行，并隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大增強(qiáng)了網(wǎng)絡(luò)的彈性和安全性。

第三階段：合成基礎(chǔ)模型

Mira 將在這里提供經(jīng)過本地驗(yàn)證的世代。用戶將通過類似于 OpenAI 或 Anthropic 的 API 進(jìn)行連接，并接收預(yù)先驗(yàn)證的輸出——可靠、隨時(shí)可用的結(jié)果，無需額外驗(yàn)證。

在接下來的幾個(gè)月中，Mira 正在為實(shí)現(xiàn)幾個(gè)重大里程碑做準(zhǔn)備：

• 推出人工智能工作流程產(chǎn)品 Mira Flows，允許開發(fā)人員快速構(gòu)建 API 驅(qū)動(dòng)的人工智能應(yīng)用程序
• 一月份的公共測(cè)試網(wǎng)。
• 代幣發(fā)行也即將推出，目標(biāo)是 2024 年第一季度。

節(jié)點(diǎn)委托者計(jì)劃

Mira 正在通過其 節(jié)點(diǎn)委托者計(jì)劃。這一舉措使每個(gè)人都可以支持網(wǎng)絡(luò)——無需技術(shù)專業(yè)知識(shí)。

該過程很簡(jiǎn)單：您可以租用計(jì)算資源并將其委托給一組精心策劃的節(jié)點(diǎn)運(yùn)營商。捐款范圍從 35 美元到 750 美元不等，并為支持網(wǎng)絡(luò)提供獎(jiǎng)勵(lì)。 Mira 管理所有復(fù)雜的基礎(chǔ)設(shè)施，因此節(jié)點(diǎn)委托者可以坐下來觀察網(wǎng)絡(luò)的發(fā)展并捕捉一些優(yōu)勢(shì)。

團(tuán)隊(duì)

如今，Mira 擁有一支小而緊湊的團(tuán)隊(duì)，主要以工程為主。

聯(lián)合創(chuàng)始人有3名：

• @karansirdesai（首席執(zhí)行官），曾在 Accel 的加密貨幣和人工智能投資團(tuán)隊(duì)工作，并在 BCG 擔(dān)任咨詢顧問
• Sid Doddipalli (CTO) 是 IIT Madras 的校友，之前是 Stader Labs 的聯(lián)合創(chuàng)始人，Stader Labs 是以太坊上的流動(dòng)質(zhì)押平臺(tái)，TVL 超過 4 億美元
• Ninad Naik （首席產(chǎn)品官）曾擔(dān)任 Uber 產(chǎn)品管理總監(jiān)和亞馬遜智能家居部門總經(jīng)理等領(lǐng)導(dǎo)職務(wù)。

他們將投資智慧、技術(shù)創(chuàng)新和產(chǎn)品領(lǐng)導(dǎo)力結(jié)合在一起，實(shí)現(xiàn)了 Mira 去中心化人工智能驗(yàn)證的愿景。 Mira 籌集了 900 萬美元 種子輪 2024 年 7 月，由 BITKRAFT 和 Framework Ventures 牽頭。

我們的想法

看到加密人工智能團(tuán)隊(duì)解決基本的 Web2 人工智能問題（讓人工智能變得更好）而不是在加密泡沫中玩投機(jī)游戲，這令人耳目一新。

• 驗(yàn)證將成為 2025 年的人工智能流行詞

業(yè)界正在意識(shí)到驗(yàn)證的重要性。僅僅依靠“直覺”已經(jīng)不夠了。每個(gè)人工智能應(yīng)用程序和工作流程很快都需要適當(dāng)?shù)尿?yàn)證流程，并且不難想象未來的法規(guī)會(huì)強(qiáng)制執(zhí)行這些流程以確保安全。

Mira 的方法利用多個(gè)模型來獨(dú)立驗(yàn)證輸出，避免依賴單個(gè)集中式模型。這種去中心化的框架增強(qiáng)了信任并降低了偏見和操縱的風(fēng)險(xiǎn)。

讓我們考慮一下如果我們?cè)谖磥韼啄陜?nèi)實(shí)現(xiàn) AGI/通用人工智能（確實(shí)有可能）會(huì)發(fā)生什么。

如Canonical Anand Iyer (@AI 指出，如果人工智能可以巧妙地操縱決策和代碼，我們?nèi)绾涡湃螠y(cè)試這些行為的系統(tǒng)？聰明人都會(huì)提前思考。Anthropic的研究 強(qiáng)調(diào)了緊迫性，強(qiáng)調(diào)評(píng)估是在潛在危險(xiǎn)的人工智能能力升級(jí)為問題之前識(shí)別它們的關(guān)鍵工具。

通過實(shí)現(xiàn)徹底的透明度，區(qū)塊鏈為防范惡意人工智能系統(tǒng)增加了一層強(qiáng)大的保護(hù)。無需信任的共識(shí)機(jī)制確保安全評(píng)估得到數(shù)千個(gè)獨(dú)立節(jié)點(diǎn)的驗(yàn)證（如 Mira 上的驗(yàn)證），從而大大降低了 Sybil 攻擊的風(fēng)險(xiǎn)。

• 雄心勃勃的愿景與執(zhí)行風(fēng)險(xiǎn)

Mira 正在追逐一個(gè)巨大的市場(chǎng)，該市場(chǎng)對(duì)有效的解決方案有明確的需求。但挑戰(zhàn)是真實(shí)存在的。提高延遲、精度和成本效率需要不懈的工程努力和時(shí)間。團(tuán)隊(duì)需要不斷地證明他們的方法明顯優(yōu)于現(xiàn)有的替代方法。

核心創(chuàng)新在于Mira的二值化和分片過程。這種“秘密武器”有望解決可擴(kuò)展性和信任挑戰(zhàn)。為了使 Mira 取得成功，這項(xiàng)技術(shù)需要兌現(xiàn)其承諾。

• 代幣設(shè)計(jì)和 Mira 的秘密武器

在任何去中心化網(wǎng)絡(luò)中，代幣和激勵(lì)設(shè)計(jì)都是成敗因素。 Mira 的成功將取決于這些機(jī)制在保持網(wǎng)絡(luò)完整性的同時(shí)如何協(xié)調(diào)參與者的利益。

雖然 Mira 代幣經(jīng)濟(jì)學(xué)的細(xì)節(jié)仍處于保密狀態(tài)，但我預(yù)計(jì)團(tuán)隊(duì)將在 2025 年初代幣發(fā)行臨近時(shí)透露更多信息。

光明的未來

“我們發(fā)現(xiàn)，實(shí)施出色評(píng)估的工程團(tuán)隊(duì)的行動(dòng)速度明顯快于那些只是觀察生產(chǎn)中發(fā)生的情況并嘗試臨時(shí)修復(fù)問題的團(tuán)隊(duì)，速度快了 10 倍，”- Ankur Goyal，Braintrust

在人工智能驅(qū)動(dòng)的世界中，信任就是一切。

隨著模型變得越來越復(fù)雜，可靠的驗(yàn)證將支撐每一個(gè)偉大的人工智能產(chǎn)品。它們幫助我們解決幻覺、消除偏見并確保人工智能輸出符合用戶的實(shí)際需求。

Mira 可以實(shí)現(xiàn)驗(yàn)證自動(dòng)化，降低成本并減少對(duì)人工干預(yù)的依賴。這可以實(shí)現(xiàn)更快的迭代、實(shí)時(shí)調(diào)整和無瓶頸的可擴(kuò)展解決方案。

最終，Mira 的目標(biāo)是成為信任的 API——一個(gè)去中心化的驗(yàn)證框架，每個(gè)人工智能開發(fā)人員和應(yīng)用程序都可以依賴它來獲得經(jīng)過驗(yàn)證的答案。

它大膽、雄心勃勃，正是人工智能世界所需要的。

以上就是腳本之家小編給大家分享的是什么是Mira？Mira功能、團(tuán)隊(duì)、未來、路線圖介紹了，希望大家喜歡！

你可能感興趣的文章

• 

  預(yù)測(cè)市場(chǎng)如何定價(jià)美聯(lián)儲(chǔ)加息動(dòng)作？利率預(yù)期形成機(jī)制深度解析

  美聯(lián)儲(chǔ)議息前夕出現(xiàn)罕見預(yù)期分化：經(jīng)濟(jì)學(xué)家一致看維穩(wěn)，預(yù)測(cè)市場(chǎng)定價(jià)加息概率走高,本文對(duì)比聯(lián)邦基金期貨與加密預(yù)測(cè)市場(chǎng)定價(jià)機(jī)制，厘清預(yù)期分歧成因，分析驅(qū)動(dòng)加息預(yù)期上行…

  2026-07-27
• 

  Robinhood Chain到底是什么?一文拆解十大Robinhood Chain的核心問題

  Robinhood 推出的 Layer 2 網(wǎng)絡(luò)主打股票代幣化，但上線后 99% 的交易量來自 memecoin 投機(jī)，真正的 RWA 應(yīng)用仍處于起步階段，這篇文章拆解了 Robinhood Chain 的十個(gè)核心問…

  2026-07-24
• 

  a16z Crypto 2026加密投資版圖全解析：他們到底投了哪些區(qū)塊鏈項(xiàng)目？

  a16z crypto是加密世界最無法忽視的資本力量,不少耳熟能詳?shù)膮^(qū)塊鏈項(xiàng)目，在早期融資階段都出現(xiàn)過a16z的名字，每當(dāng)a16z公布新投資，市場(chǎng)都會(huì)給予不小的關(guān)注,那么，A16Z到底…

  2026-07-24
• 

  Gas費(fèi)是什么？如何節(jié)省Gas成本？2026年新手節(jié)省Gas成本的四大實(shí)戰(zhàn)策略

  本文系統(tǒng)解析了區(qū)塊鏈Gas費(fèi)的本質(zhì)、構(gòu)成與2026年最新動(dòng)態(tài),文章指出，以太坊Gas費(fèi)已跌至1 Gwei歷史低位，Layer 2網(wǎng)絡(luò)可將交易成本降低90%-99%,同時(shí)提供了四條實(shí)操省錢策略,…

  2026-07-24
• 

  Robinhood預(yù)測(cè)市場(chǎng)是什么？Q2或首超加密收入，世界杯引爆轉(zhuǎn)型

  Robinhood 預(yù)測(cè)市場(chǎng)為合規(guī)事件合約交易產(chǎn)品，借助 Rothera 承接世界杯交易熱潮,數(shù)據(jù)顯示 Q2 該板塊收入或?qū)⑹锥瘸郊用軜I(yè)務(wù),憑借海量用戶形成競(jìng)爭(zhēng)壁壘，行業(yè)增長(zhǎng)空間廣闊…

  2026-07-24
• 

  Robinhood公鏈解讀：Stock Tokens全球上線 + Morpho 7%收益 + AI Agent

  從零傭金App到Arbitrum L2基礎(chǔ)設(shè)施，傳統(tǒng)券商第一次真正，上鏈，這份報(bào)告講透Robinhood Chain的野心與隱患,,需要的朋友可以參考下…

  2026-07-24
• 

  區(qū)塊鏈瀏覽器Blockchain Explorer是什么?區(qū)塊鏈瀏覽器查詢鏈上交易與地

  區(qū)塊鏈瀏覽器（Blockchain Explorer）是面向公鏈的搜索工具：它把節(jié)點(diǎn)上的區(qū)塊、交易與地址索引成人類可讀的網(wǎng)頁界面,下面小編就和大家簡(jiǎn)單聊聊如何使用區(qū)塊鏈瀏覽器查詢鏈…

  2026-07-24
• 

  什么是加密貨幣空投？2026下半年值得關(guān)注的空投項(xiàng)目盤點(diǎn)

  026 下半年加密空投告別無腦白嫖模式，轉(zhuǎn)向真實(shí)鏈上貢獻(xiàn)獎(jiǎng)勵(lì),本文剖析空投行業(yè)迭代趨勢(shì)，盤點(diǎn) Base、MetaMask、Polymarket 等六大高潛力項(xiàng)目，詳解各項(xiàng)目?jī)?yōu)勢(shì)、數(shù)據(jù)與參與…

  2026-07-24
• 

  Ethereum Dencun（Cancun-Deneb）升級(jí)解析：ETH價(jià)格表現(xiàn)如何？

  Dencun 在工程上取得了毋庸置疑的成功，但在經(jīng)濟(jì)上則更為復(fù)雜,它兌現(xiàn)了所承諾的費(fèi)用削減，使 rollups 適用于日常使用，并為 Ethereum 提供了一條兩年多來一直有效的擴(kuò)容路…

  2026-07-24
• 

  Rain 與 Polymarket 有何不同？預(yù)測(cè)市場(chǎng)正從應(yīng)用平臺(tái)走向基礎(chǔ)設(shè)施時(shí)代

  2026 年預(yù)測(cè)市場(chǎng)交易量快速攀升，行業(yè)迎來結(jié)構(gòu)轉(zhuǎn)變,Polymarket 代表消費(fèi)級(jí)應(yīng)用模式，Rain 主打去中心化基礎(chǔ)設(shè)施，支持無許可建市與 AI Agent 接入,賽道正由單一應(yīng)用邁向分…

  2026-07-23