Useimmat tekoälymallit oppivat nykyään "anonyymistä" tiedoista, käytännössä mistä tahansa, mitä he löytävät verkosta. Kun tekoäly alkaa tehdä suurempia päätöksiä, kuten potilaan diagnosoinnin sairaalassa tai itseohjautuvan auton ajamisen, emme voi sallia datan olevan "mysteeri". Jos data on huonoa (mitä asiantuntijat kutsuvat "datamyrkytykseksi"), tekoälyn päätökset muuttuvat vaarallisiksi. Miten Perle Labs korjaa tämän Ajattele @PerleLabs digitaalisena notaarina tekoälydatalle. Sen sijaan, että käytettäisiin satunnaisia väkijoukkoja datan merkitsemiseen, he käyttävät tarkastettuja asiantuntijoita (kuten oikeita lääkäreitä tai lakimiehiä). Näin se toimii kolmessa yksinkertaisessa vaiheessa: Asiantuntijaopettajat: Vain ne, jotka oikeasti tuntevat aiheen, saavat opettaa tekoälyä. Radiologi tarkistaa lääketieteelliset kuvat, ei satunnainen henkilö älypuhelimella. Muuttumaton kuitti: Joka kerta kun asiantuntija auttaa tekoälyä, tuo toiminta tallennetaan lohkoketjuun. Tämä luo pysyvän, "hakkeroimattoman" tietueen, jonka avulla yritys voi todistaa tarkalleen, kuka koulutti heidän tekoälynsä ja mistä tiedot ovat peräisin. Maine on tärkeää: Jos asiantuntija tarjoaa jatkuvasti erinomaista tietoa, hän rakentaa alustalle digitaalisen "ansioluettelon", joka tuo hänelle enemmän palkintoja. Tämä varmistaa, että laatu on aina nopeuden edellä. Miksi tämä on tärkeää? Lähitulevaisuudessa, kun tekoäly auttaa tuomaria tai kirurgia, meidän ei tarvitse vain "luottaa" koneeseen. Perle Labsin ansiosta voimme katsoa "kuitteja" ja nähdä, että tekoäly on koulutettu maailman parhaiden ihmisten asiantuntijoiden toimesta. @PerleLabs #PerleAI #ToPerle