एक ही चिकित्सा छवि पर, दो लोग असामान्य स्थानों को चिह्नित कर सकते हैं; एक ही कानूनी पाठ पर, दो लोग इसे वर्गीकृत कर सकते हैं। जमा किए गए लेबल सुव्यवस्थित हो सकते हैं, और मॉडल प्रशिक्षण के दौरान उन्हें सभी पढ़ा जा सकता है। लेकिन यदि कार्य में विशेषज्ञ निर्णय की आवश्यकता है, तो लेबलर के पास संबंधित योग्यता है या नहीं, इसका निर्णय केवल उनकी प्रोफाइल में “मैं एक विशेषज्ञ हूँ” जैसे एक वाक्य से नहीं हो सकता। @primus_labs ने डेटा क्वालिटी के अनुप्रयोग में zkTLS डेटा प्रमाण का उपयोग करके चिकित्सा, कानून आदि के विशेषज्ञ लेबलर्स की पात्रता की पुष्टि करने का प्रस्ताव रखा है, उदाहरण के लिए, क्या वे संबंधित पेशेवर पहचान रखते हैं। यह विचार AI प्रशिक्षण के सबसे प्रारंभिक चरण में प्रवेश करता है: मॉडल की प्रदर्शन क्षमता पर चर्चा से पहले, पहले यह सुनिश्चित करना है कि इसे निर्णय लेने के लिए डेटा प्रदान करने वाले व्यक्ति कार्य की मांगों के अनुपालन में हैं। पात्रता प्रमाणीकरण सुनिश्चित नहीं करता कि किसी व्यक्ति के सभी लेबल सही होंगे; बाद में भी सैम्पलिंग, पुनरावलोकन और सुधार की आवश्यकता होगी। लेकिन यदि पात्रता केवल स्व-दावे पर ही आधारित है, तो गुणवत्ता नियंत्रण पहले से ही एक महत्वपूर्ण मापदंड से वंचित होता है। अभी यह केवल औपचारिक दस्तावेज़ में वर्णित अनुप्रयोग है। मुझे आशा है कि मैं भविष्य में अधिक स्पष्ट कार्यान्वयन देखूँगा: पात्रता की पुष्टि कैसे की जाए, लेबलर को अपनी सभी व्यक्तिगत जानकारी साझा किए बिना कैसे सुरक्षित रखा जाए, और गलत लेबल मिलने पर पहचान कैसे की जाए। AI को निर्णय लेना सीखना है, परन्तु इसे प्रशिक्षित करने वाले कौन हैं, इसकी पुष्टि होनी चाहिए। #PrimusLabs #AIData @KaitoAI