نفس الصورة الطبية، يمكن لشخصين أن يُحددا المواقع الشاذة عليها؛ نفس النص القانوني، يمكن لشخصين أن يصنفاها. قد تكون التسميات المقدمة منظمة تمامًا، ويمكن للنموذج التدريبي قراءتها بسهولة. لكن إذا كانت المهمة تتطلب تقييمًا متخصصًا، فلا يمكن الاعتماد فقط على جملة واحدة في الملف الشخصي تقول "أنا خبير" لتحديد ما إذا كان المُلصق يمتلك المؤهلات المناسبة. في سياق تطبيقات جودة البيانات، اقترح @primus_labs استخدام إثباتات بيانات zkTLS للتحقق من مؤهلات المُلصقين المتخصصين في المجالات الطبية والقانونية، على سبيل المثال، ما إذا كانوا يمتلكون الهوية المهنية المناسبة. هذه الفكرة تستهدف خطوة مبكرة جدًا في تدريب الذكاء الاصطناعي: قبل حتى مناقشة ما إذا كان النموذج يتعلم جيدًا، نتأكد أولاً من أن الأشخاص الذين يقدمون التقييمات مؤهلون للمهمة. لا يمكن لإثبات المؤهلات أن يضمن صحة كل تسمية يقدمها الشخص، ولا يزال يلزم إجراء فحوصات عشوائية ومراجعة وتصحيح لاحقة. لكن إذا كانت المؤهلات تعتمد فقط على الادعاء الشخصي، فسيكون التحكم في الجودة ناقصًا منذ البداية. حاليًا، ما زالت هذه تطبيقات موصوفة فقط في الوثائق الرسمية. أتمنى أن أرى في المستقبل طرقًا ملموسة أكثر: كيف يتم التحقق من المؤهلات؟ كيف يمكن حماية المُلصقين من الكشف عن جميع بياناتهم الشخصية؟ وكيف يتم تتبع التسميات الخاطئة عند اكتشافها؟ يجب أن يتعلم الذكاء الاصطناعي كيفية التقييم، ويجب أن يكون الأشخاص الذين يدربونه قابلين للتحقق أيضًا. #PrimusLabs #AIData @KaitoAI