DataHub d'OORT compte environ 350 000 contributeurs humains qui fournissent des données pour l'entraînement de modèles d'IA. Cela soulève des questions importantes sur la provenance des données : • Qui a créé les données ? • Dans quelles conditions ont-elles été collectées ? • Un consentement a-t-il été obtenu ? • Peut-on vérifier l'origine et les utilisations autorisées des données ? Ces questions sont cruciales, car une IA fiable dépend non seulement de la quantité de données disponibles, mais aussi de leur qualité, de leur origine et des conditions dans lesquelles elles peuvent être utilisées. @oortech aborde ce défi grâce à son DataHub, à l'infrastructure Deimos et à la blockchain de niveau 1. DataHub intègre les contributeurs humains dans le processus de collecte, d'étiquetage et de vérification des données d'entraînement pour l'IA. L'objectif est de créer des jeux de données non seulement volumineux, mais aussi utiles, diversifiés et fiables. Mais collecter de bonnes données n'est qu'une partie de l'histoire. 𝗬𝗼𝘂 𝗮𝗹𝘀𝗼 𝗻𝗲𝗲𝗱 𝘁𝗼 𝗸𝗻𝗼𝘄 𝘄𝗵𝗲𝗿𝗲 𝗶𝘁 𝗰𝗮𝗺𝗲 𝗳𝗿𝗼𝗺 𝗮𝗻𝗱 𝘄𝗵𝗲𝘁𝗵𝗲𝗿 𝗶𝘁𝘀 𝗷𝗼𝘂𝗿𝗻𝗲𝘆 𝗰𝗮𝗻 𝗯𝗲 𝘁𝗿𝗮𝗰𝗲𝗱. C'est là que l'infrastructure blockchain d'OORT intervient. Grâce à son protocole Olympus, la blockchain de niveau 1 d'OORT permet d'enregistrer les contributions afin de garantir la traçabilité et la responsabilité tout au long du processus de données. Parallèlement, Deimos 1 prend en charge le stockage décentralisé, tandis que Deimos 2 fournit une infrastructure de calcul distribué. Ensemble, ces couches soutiennent le système global qui gère les données et les charges de travail IA. Pourquoi tout cela est-il important ? Parce que des données de mauvaise qualité peuvent apprendre à un modèle IA des choses erronées. Des données collectées sans consentement approprié peuvent créer des problèmes éthiques et juridiques sérieux. Et lorsque personne ne peut établir l'origine des données d'entraînement, la confiance devient difficile à gagner. La provenance des données aide à résoudre ces problèmes en facilitant l'établissement de l'origine, de l'historique et des utilisations autorisées des données. À mesure que l'IA devient plus puissante, savoir d'où un modèle a appris sera aussi important que de savoir ce qu'il peut faire.