Satu imej perubatan yang sama, dua orang boleh menandakan lokasi ketidaknormalan; satu teks undang-undang yang sama, dua orang boleh mengklasifikasikannya. Label yang dihantar mungkin tersusun rapi dan boleh dimasukkan ke dalam model semasa pelatihan. Namun, jika tugas ini memerlukan penilaian profesional, kecukupan penanda tidak boleh hanya bergantung pada satu pernyataan dalam profil mereka yang berkata, “Saya seorang pakar.” @primus_labs mengusulkan dalam konteks aplikasi kualiti data untuk mengesahkan kelayakan penanda profesional seperti perubatan dan undang-undang menggunakan bukti data zkTLS, contohnya sama ada mereka memiliki identiti profesional yang bersesuaian. Gagasan ini menyentuh langkah awal yang sangat penting dalam pelatihan AI: sebelum membincangkan sama ada model belajar dengan baik, kita perlu memastikan orang yang memberikan penilaian memenuhi syarat tugas tersebut. Pengesahan kelayakan tentu tidak menjamin setiap label yang diberikan oleh seseorang adalah betul; masih diperlukan pemeriksaan rawak, semakan semula, dan pembaikan. Tetapi jika kelayakan hanya bergantung pada pernyataan sendiri, pengawalan kualiti sudah kekurangan satu asas sejak awal. Sekarang ini masih merupakan skenario aplikasi yang dijelaskan dalam dokumen rasmi. Saya berharap kelak melihat cara pelaksanaan yang lebih spesifik: bagaimana mengesahkan kelayakan, bagaimana melindungi penanda supaya tidak perlu mengumumkan semua maklumat peribadi mereka, serta bagaimana melacak apabila label yang salah ditemui. AI perlu belajar membuat penilaian, tetapi siapa yang melatihnya juga harus boleh disahkan. #PrimusLabs #AIData @KaitoAI