Cùng một hình ảnh y tế, hai người đều có thể đánh dấu vị trí bất thường trên hình; cùng một đoạn văn bản pháp lý, hai người đều có thể phân loại nó. Các nhãn được nộp lên có thể rất gọn gàng và đều có thể được mô hình đọc vào khi huấn luyện. Nhưng nếu nhiệm vụ đòi hỏi phán đoán chuyên môn, thì việc người ghi nhãn có đủ tư cách hay không không thể chỉ dựa vào một câu trong hồ sơ cá nhân như “Tôi là chuyên gia”. @primus_labs đã đề xuất trong bối cảnh ứng dụng chất lượng dữ liệu: sử dụng bằng chứng dữ liệu zkTLS để xác minh tư cách của các ghi nhãn chuyên môn trong lĩnh vực y tế, pháp lý, chẳng hạn như họ có đủ danh tính chuyên môn tương ứng hay không. Ý tưởng này tiếp cận ngay bước đầu tiên trong huấn luyện AI: chưa bàn đến việc mô hình học tốt hay không, mà trước tiên phải xác minh xem những người cung cấp phán đoán cho nó có đáp ứng yêu cầu nhiệm vụ hay không. Việc xác minh tư cách đương nhiên không đảm bảo rằng mỗi nhãn do một người đưa ra đều chính xác; vẫn cần kiểm tra ngẫu nhiên, rà soát lại và sửa lỗi sau đó. Nhưng nếu ngay cả tư cách cũng chỉ dựa vào lời tự khai, thì kiểm soát chất lượng đã thiếu đi một căn cứ ngay từ đầu. Hiện tại đây vẫn chỉ là các kịch bản ứng dụng được mô tả trong tài liệu chính thức. Tôi hy vọng trong tương lai sẽ thấy những cách thức triển khai cụ thể hơn: làm thế nào để xác minh tư cách, làm thế nào để bảo vệ người ghi nhãn không cần công khai toàn bộ thông tin cá nhân, và làm thế nào để truy vết khi phát hiện nhãn sai. AI cần học cách phán đoán, thì những người huấn luyện nó cũng nên có thể bị kiểm chứng. #PrimusLabs #AIData @KaitoAI