Sama-sama sebuah citra medis, dua orang dapat menandai lokasi abnormal pada gambar tersebut; sama-sama sebuah teks hukum, dua orang dapat mengklasifikasikannya. Label yang dikirimkan mungkin rapi dan dapat dibaca oleh model selama pelatihan. Namun, jika tugas tersebut memerlukan penilaian profesional, apakah annotator memiliki kualifikasi yang sesuai, tidak bisa hanya bergantung pada satu kalimat di profil mereka yang mengatakan “Saya seorang ahli.” @primus_labs dalam konteks penerapan kualitas data mengusulkan penggunaan bukti data zkTLS untuk memverifikasi kualifikasi annotator profesional seperti di bidang medis dan hukum, misalnya apakah mereka memiliki identitas profesional yang sesuai. Gagasan ini menyentuh langkah awal yang sangat penting dalam pelatihan AI: sebelum membahas apakah model belajar dengan baik, pertama-tama pastikan orang yang memberikan penilaian memenuhi persyaratan tugas. Verifikasi kualifikasi tentu tidak menjamin setiap label yang diberikan seseorang itu benar; masih diperlukan sampling, tinjauan ulang, dan koreksi. Namun, jika kualifikasi hanya bergantung pada pernyataan pribadi, kontrol kualitas sudah kehilangan salah satu dasar sejak awal. Saat ini ini masih merupakan skenario aplikasi yang dijelaskan dalam dokumen resmi. Saya berharap suatu hari nanti dapat melihat cara penerapan yang lebih spesifik: bagaimana cara memverifikasi kualifikasi, bagaimana melindungi annotator agar tidak perlu mengungkapkan seluruh data pribadi mereka, serta bagaimana melacak kembali ketika label yang salah ditemukan. AI harus belajar membuat penilaian, tetapi siapa yang melatihnya juga harus dapat diverifikasi. #PrimusLabs #AIData @KaitoAI