Mira Network có thể giải quyết vấn đề "ảo giác" của mô hình AI lớn không?

Tác giả: Haotian

Mọi người đều biết rằng trở ngại lớn nhất đối với việc triển khai các mô hình lớn AI trong các kịch bản ứng dụng dọc như tài chính, y tế, luật pháp là vấn đề “ảo tưởng” trong kết quả đầu ra AI không thể phù hợp với các kịch bản ứng dụng thực tế đòi hỏi độ chính xác. Làm thế nào để giải quyết nó? Gần đây, @Mira_Network đã đưa ra một testnet công khai với một giải pháp, hãy để tôi cho bạn biết những gì đang xảy ra:

Trước hết, các công cụ mô hình AI lớn có tình trạng “ảo giác”, mọi người đều có thể cảm nhận được, lý do chủ yếu có hai điểm:

1、Dữ liệu đào tạo của AI LLM không đầy đủ, mặc dù quy mô dữ liệu đã rất lớn, nhưng vẫn không thể bao quát thông tin trong một số lĩnh vực ngách hoặc chuyên môn, lúc này AI có xu hướng thực hiện “bổ sung sáng tạo” dẫn đến một số lỗi thời gian thực;

2、AI LLMs làm việc về bản chất đều phụ thuộc vào “mẫu xác suất”, nó nhận diện các mẫu thống kê và mối liên hệ trong dữ liệu huấn luyện, chứ không phải là “hiểu” thực sự, do đó sự ngẫu nhiên của mẫu xác suất, sự không nhất quán của kết quả huấn luyện và suy diễn, v.v., đều có thể dẫn đến sự sai lệch của AI trong việc xử lý các vấn đề thực tế có độ chính xác cao;

Làm thế nào để giải quyết vấn đề này? Trên nền tảng ArXiv của Đại học Cornell đã công bố một bài viết về phương pháp xác thực kết quả của LLMs thông qua nhiều mô hình khác nhau.

Hiểu đơn giản là trước tiên cho mô hình chính tạo ra kết quả, sau đó tích hợp nhiều mô hình xác thực để phân tích “biểu quyết theo đa số” cho vấn đề đó, từ đó có thể giảm thiểu “ảo giác” mà mô hình tạo ra.

Trong một loạt các thử nghiệm, phương pháp này có thể nâng cao độ chính xác của đầu ra AI lên tới 95,6%.

Vì vậy, chắc chắn cần một nền tảng xác thực phân tán để quản lý và xác thực quy trình tương tác hợp tác giữa mô hình chính và mô hình xác thực, Mira Network chính là một mạng lưới trung gian được xây dựng chuyên biệt để xác thực AI LLMs, tạo ra một lớp xác thực đáng tin cậy giữa người dùng và các mô hình AI cơ sở.

Với sự tồn tại của mạng lớp xác minh này, có thể thực hiện các dịch vụ tích hợp bao gồm bảo vệ quyền riêng tư, đảm bảo độ chính xác, thiết kế có khả năng mở rộng, giao diện API tiêu chuẩn hóa, có thể mở rộng khả năng ứng dụng của AI trong các kịch bản ứng dụng khác nhau nhờ vào việc giảm thiểu ảo giác đầu ra của AI LLMs, đây cũng là một thực tiễn mà mạng xác minh phân tán Crypto có thể áp dụng trong quá trình triển khai AI LLMs.

Ví dụ, Mira Network đã chia sẻ một số trường hợp trong lĩnh vực tài chính, giáo dục và hệ sinh thái blockchain có thể chứng minh:

1. Sau khi Gigabrain tích hợp Mira, hệ thống có thể thêm một vòng xác thực độ chính xác của phân tích và dự đoán thị trường, lọc bỏ những gợi ý không đáng tin cậy, có thể nâng cao độ chính xác của tín hiệu giao dịch AI, làm cho các LLMs AI hoạt động trong các tình huống DeFi đáng tin cậy hơn.

2）Learnrite sử dụng mira để xác thực các câu hỏi thi chuẩn hóa do AI tạo ra, giúp các tổ chức giáo dục có thể sử dụng nội dung do AI tạo ra trên quy mô lớn mà không ảnh hưởng đến độ chính xác của nội dung kiểm tra giáo dục, nhằm duy trì các tiêu chuẩn giáo dục nghiêm ngặt;

3）Dự án Kernel blockchain sử dụng cơ chế đồng thuận LLM của Mira để tích hợp vào hệ sinh thái BNB, tạo ra mạng xác thực phi tập trung DVN, giúp đảm bảo một mức độ chính xác và an toàn cho việc thực hiện tính toán AI trên blockchain.

Trên đây.

Thực ra, Mira Network cung cấp dịch vụ mạng đồng thuận trung gian, chắc chắn không phải là con đường duy nhất để tăng cường khả năng ứng dụng AI. Thực tế, việc tăng cường thông qua đào tạo từ phía dữ liệu, thông qua tương tác từ các mô hình lớn đa mô hình, cũng như việc tăng cường tính toán riêng tư bằng các công nghệ mật mã tiềm năng như ZKP, FHE, TEE, v.v. đều là những con đường có thể lựa chọn. Nhưng so với các giải pháp khác, giải pháp của Mira có giá trị ở chỗ thực tiễn nhanh chóng và hiệu quả trực tiếp.