Mira Kurs

Mira zeichnet sich durch mehrere einzigartige Mechanismen aus, die in seinem Whitepaper beschrieben sind:

• Sinnstiftende rechnergestützte Inferenz (Meaningful Computational Inference): Anstatt wie bei herkömmlichen Proof-of-Work-Systemen beliebige kryptografische Rätsel zu lösen, leisten Node-Betreiber nützliche Arbeit, indem sie KI-Modelle ausführen, um standardisierte Verifizierungsaufgaben zu bewältigen.
• Bekämpfung von KI-Halluzinationen und Bias: Das System reduziert aktiv Präzisionsfehler (Halluzinationen) und Genauigkeitsfehler (Modellverzerrungen bzw. Bias), indem es auf einen dezentralen Multi-Modell-Konsens setzt.
• Ökonomisch abgesicherte Wahrheit: Im Gegensatz zu Netzwerken, die sich rein auf Kontostände und Transaktionen konzentrieren, nutzt Mira reine Rechenleistung und Daten, um wirtschaftlich abgesicherte, verifizierte Fakten zu generieren – ideal für Anwendungen wie Orakel und deterministisches Fact-Checking.
• Ansatz synthetischer Basismodelle (Synthetic Foundation Models): Das Netzwerk zielt darauf ab, die Verifizierung direkt nativ in die Content-Erstellung zu integrieren, anstatt sich auf externe, menschliche Überprüfungen zu verlassen.

Laut dem Whitepaper des Projekts basiert das Netzwerk auf einem Wirtschaftsmodell, bei dem Nutzer und Kunden Netzwerkgebühren zahlen, um kryptografisch zertifizierte, verifizierte KI-Ergebnisse zu erhalten. Diese Gebühren werden anschließend als Belohnungen an Datenanbieter und teilnehmende Node-Betreiber verteilt, die Rechenleistung zur Verifizierung von Angaben bereitstellen.

Dem Mira-Whitepaper zufolge verspricht das Netzwerk Folgendes:

• Dezentrale Überprüfung von KI-Outputs: Umwandlung von KI- und menschlich generierten Inhalten in standardisierte, unabhängige Behauptungen, um deren Wahrheitsgehalt über verschiedene KI-Modelle hinweg zu bewerten.
• Kryptografische Zertifizierung: Ausstellung kryptografischer Zertifikate, sobald ein Konsens gemäß den Kriterien des Clients erreicht ist. Dies verifiziert, welche Modelle übereinstimmten, und validiert das Ergebnis.
• Privacy by Design: Aufteilung komplexer Eingaben in Entity-Claim-Paare und deren zufälliges Sharding über verschiedene Nodes hinweg. Dies verhindert, dass einzelne Betreiber die ursprünglichen Daten rekonstruieren können, während die Antworten der Nodes bis zum Erreichen des Konsenses privat bleiben.
• Ökonomische Zuverlässigkeit: Nutzung von Netzwerkgebühren zur Belohnung von Verifizierern und Einsatz von Stake Slashing zur Bestrafung von willkürlichem Raten oder dauerhaftem Abweichen vom Konsens.

Mira nutzt ein hybrides Konsensmodell, das Elemente von Proof-of-Work (PoW) und Proof-of-Stake (PoS) kombiniert:

• PoW-Inferenz: Node-Betreiber leisten Rechenarbeit, indem sie KI-Verifizierungsmodelle ausführen, um standardisierte Verifizierungsaufgaben zu lösen.
• PoS-Staking: Teilnehmer müssen Werte staken, um im Netzwerk aktiv zu sein. Nodes riskieren, dass ihr Stake geslasht wird, wenn sie wiederholt vom Konsens abweichen oder Muster von zufälligem Raten aufweisen.

Die Teilnehmer interagieren auf einige grundlegende Weisen mit dem Netzwerk, wie im Whitepaper beschrieben:

• Kunden: Zahlen Netzwerkgebühren, um KI-Outputs zur dezentralen Überprüfung einzureichen, und erhalten verifizierbare, kryptografisch zertifizierte Ergebnisse.
• Node-Betreiber: Staken Token, um KI-Verifizierungsmodelle zu betreiben, standardisierte Verifizierungsaufgaben auszuführen und Verifizierungs-Belohnungen aus den Kundengebühren zu verdienen.

Mira kann mit wenigen Klicks über die SwissBorg-App gekauft werden. Lade die App für Android oder iOS herunter und tausche Kryptos sofort zum besten Preis um.

Mira adressiert das mangelnde Vertrauen, das Auftreten von Halluzinationen (Präzisionsfehler) und die inhärenten Verzerrungen bzw. Biases (Genauigkeitsfehler) in Systemen der künstlichen Intelligenz. Heutzutage erfordert das Vertrauen auf KI-Ergebnisse in Umfeldern, in denen viel auf dem Spiel steht – wie etwa im Rechtswesen, im Gesundheitssektor und im Finanzbereich –, in der Regel eine menschliche Überprüfung. Mira beseitigt diesen Engpass durch den Aufbau eines automatisierten, dezentralen Konsensnetzwerks, das Behauptungen über mehrere unabhängige KI-Modelle hinweg verifiziert.

Laut dem Whitepaper des Projekts besteht Miras langfristige Vision darin, ein synthetisches Foundation-Modell aufzubauen, bei dem die Multi-Modell-Verifizierung nativ in den Prozess der Content-Erstellung integriert ist. Dieses Architekturdesign zielt darauf ab, autonome, fehlerfreie KI-Outputs zu erzielen, die zuverlässig und ohne menschliche Aufsicht funktionieren.