Ciò che è interessante di Mira non è che cerchi di rendere l'IA più accurata.
Parte da un'ipotesi diversa.
L'accuratezza da sola non crea affidabilità.
La maggior parte dei sistemi di IA restituisce una risposta insieme a un punteggio di fiducia. Il modello stima la probabilità di essere corretto e il sistema avanza.
Mira si concentra su ciò che accade dopo che la risposta appare.
Invece di trattare l'output come finale, il sistema lo tratta come un'affermazione che può essere messa in discussione.
Nodi indipendenti esaminano quell'affermazione prima che diventi affidabile.
L'affidabilità deriva quindi dall'analisi, non solo dalla fiducia interna del modello.
Questo cambiamento modifica il modo in cui i sistemi di IA possono essere progettati.
Gli sviluppatori smettono di trattare il modello come automaticamente corretto e iniziano a costruire sistemi in cui ci si aspetta che gli output vengano verificati.
La vera limitazione nell'IA applicata potrebbe non essere l'intelligenza del modello.
Potrebbe essere se il sistema circostante può effettivamente dimostrare quando una risposta merita di essere considerata affidabile.
@Mira - Trust Layer of AI $MIRA #Mira
