Mayroong halos 350,000 na tao ang nag-ambag sa DataHub ng OORT, na nagbibigay ng data para sa pagtuturo ng AI model. Naghihihingi ito ng mahahalagang tanong tungkol sa pinagmulan ng data: • Sino ang gumawa ng data? • Sa ilalim ng anong kondisyon ito ay kinolekta? • Nakakuha ba ng pahintulot? • Maaari bang masuri ang pinagmulan at pinahihintulutang paggamit ng data? Mahalaga ang mga tanong na ito dahil ang tiwala sa AI ay hindi nakasalalay lamang sa dami ng available na data kundi pati na rin sa kalidad, pinagmulan, at mga kondisyon kung saan ito ay maaaring gamitin. Tinutugon ng @oortech ang mga ito sa pamamagitan ng kanyang DataHub, Deimos infrastructure, at Layer 1 blockchain. Ang DataHub ay nagpapaloob sa mga tao sa proseso ng pagkolekta, pag-label, at pag-verify ng data para sa pagtuturo ng AI. Ang layunin ay tulungan ang pagbuo ng mga dataset na hindi lamang malaki kundi kapaki-pakinabang, magkakaibang-iba, at maaasahan. Ngunit ang pagkolekta ng mabuting data ay bahagi lamang ng kuwento. _________Kailangan mo ring malaman kung saan ito galing at kung maaari bang masuri ang kanyang paglalakbay._________ Dito nagsisimula ang blockchain infrastructure ng OORT. Sa pamamagitan ng Olympus Protocol, ang Layer 1 blockchain ng OORT, ang mga ambag ay nakarehistro upang suportahan ang traceability at accountability sa buong proseso ng data. Samantala, ang Deimos 1 ay sumusuporta sa decentralized storage, habang ang Deimos 2 ay nagbibigay ng distributed computing infrastructure. Kasama nila, ang mga layer na ito ay sumusuporta sa mas malawak na sistema na nag-aalaga ng data at AI workloads. Bakit mahalaga lahat ito? Dahil ang masamang data ay maaaring turuan ang AI model ng maling bagay. Ang data na kinolekta nang walang tamang pahintulot ay maaaring magdulot ng malubhang etikal at legal na problema. At kapag walang makakatukoy kung saan galing ang training data, mahirap makamit ang tiwala. Ang data provenance ay tumutulong na lutasin ang mga problema na ito sa pamamagitan ng paggawa ng mas madaling masuri ang pinagmulan, kasaysayan, at pinahihintulutang paggamit ng data. Habang lumalakas ang AI, mahalaga na malaman kung ano ang natutunan ng model—pareho na kahalagahan nito sa pag-unawa kung ano ang kayang gawin nito.