OORT का DataHub लगभग 350,000 मानव योगदानकर्ताओं को शामिल करता है, जो AI मॉडल प्रशिक्षण के लिए डेटा प्रदान करते हैं। यह डेटा की उत्पत्ति के बारे में महत्वपूर्ण प्रश्न उठाता है: • डेटा किसने बनाया? • इसे किन परिस्थितियों में एकत्रित किया गया? • क्या सहमति प्राप्त की गई? • क्या डेटा की उत्पत्ति और अनुमत प्रयोग की पुष्टि की जा सकती है? ये प्रश्न महत्वपूर्ण हैं क्योंकि विश्वसनीय AI केवल उपलब्ध डेटा की मात्रा पर ही निर्भर नहीं करता, बल्कि इसकी गुणवत्ता, उत्पत्ति और उपयोग की शर्तों पर भी। @oortech अपने DataHub, Deimos इंफ्रास्ट्रक्चर और Layer 1 ब्लॉकचेन के माध्यम से इस मुद्दे को संबोधित करता है। DataHub मानव योगदानकर्ताओं को AI प्रशिक्षण डेटा के संग्रह, लेबलिंग और सत्यापन की प्रक्रिया में शामिल करता है। लक्ष्य ऐसे डेटासेट बनाने में मदद करना है, जो केवल बड़े ही नहीं, बल्कि उपयोगी, विविध और विश्वसनीय हों। लेकिन अच्छा डेटा संग्रहित करना कहानी का केवल एक हिस्सा है। यू अल्सो नीड टू कनोव हेरे इट कैम फ्रॉम एंड हेथर इट्स जॉर्नी कैन बी ट्रेस्ड। यहीं OORT का ब्लॉकचेन इंफ्रास्ट्रक्चर महत्वपूर्ण होता है। Olympus Protocol, OORT की Layer 1 ब्लॉकचेन, के माध्यम से, डेटा प्रक्रिया में सुसंगठितता और जवाबदेही के समर्थन के लिए योगदानों को पंजीकृत किया जा सकता है। इसी समय, Deimos 1 डिसेंट्रलाइज्ड स्टोरेज का समर्थन करता है, जबकि Deimos 2 वितरित कंप्यूटिंग इंफ्रास्ट्रक्चर प्रदान करता है। साथ में, ये स्तर डेटा और AI कार्यभारों को संभालने वाली समग्र प्रणाली का समर्थन करते हैं। यह सब क्यों महत्वपूर्ण है? क्योंकि खराब डेटा AI मॉडल को गलत चीजें सिखा सकता है। सही सहमति के बिना संग्रहित डेटा गंभीर नैतिक और कानूनी समस्याएँ पैदा कर सकता है। और जब कोई भी AI प्रशिक्षण डेटा की मूल स्थिति स्थापित नहीं कर सकता, तो विश्वास प्राप्त करना मुश्किल हो जाता है। डेटा की उत्पत्ति (Data provenance) से इन समस्याओं को सुलझाने में मदद मिलती है, क्योंकि इससे डेटा की मूल, प्रक्रिया, और अनुमत प्रयोग को सुगमता से स्थापित किया जा सकता है। जब AI अधिक शक्तिशाली होता है, तो मॉडल के क्या सीखने के महत्वपूर्ण होने के समान, महत्वपूर्ण होता है कि हमें पता हो कि मॉडल किससे सीखा।