লাভ:
- সবুজ ধোয়ার ধরন (অনিশ্চিত, অপ্রমাণিত, লুকানো বিনিময়, অতিরঞ্জিত ভবিষ্যত) সনাক্ত করার ক্ষমতা এবং একটি দাবি পরিমাপযোগ্য, উত্সযুক্ত এবং স্কোপ করা।
- গোপনীয়তার পরিপ্রেক্ষিতে গাড়িকে দেওয়া ডেটাকে শ্রেণীবদ্ধ করার ক্ষমতা এবং বাণিজ্য গোপনীয়তা এবং ব্যক্তিগত ডেটা রক্ষা করার ক্ষমতা
- সংজ্ঞা থেকে যাচাইকরণ পর্যন্ত একটি এন্ড-টু-এন্ড কোয়ালিটি গেট বাস্তবায়ন করার ক্ষমতা এবং 'এআই বলেছেন' প্রতিরক্ষার উপর নির্ভর না করে চূড়ান্ত দায়িত্ব গ্রহণ করার ক্ষমতা
এই মডিউলের প্রতিটি ইউনিটে একটি নীতির পুনরাবৃত্তি ছিল: সংখ্যাটি উত্সের উপর ভিত্তি করে হওয়া উচিত, দাবিটি প্রমাণের ভিত্তিতে হওয়া উচিত। এই চূড়ান্ত ইউনিট সেই নীতিকে সংহত করে। পরিবেশ এবং জলবায়ুতে AI এর সবচেয়ে বড় ঝুঁকি একটি ভুল গণনা নয়, বরং এটি একটি বিশ্বাসযোগ্য কিন্তু ভিত্তিহীন গল্প তৈরি করে। এই ইউনিটে আপনি শিখবেন কীভাবে গ্রিনওয়াশিংকে চিনতে এবং প্রতিরোধ করতে হয়, ডেটার যথার্থতা, নৈতিকতা এবং গোপনীয়তা নিশ্চিত করতে হয় এবং সম্পূর্ণ মডিউলকে একীভূত করে এমন একটি এন্ড-টু-এন্ড ওয়ার্কফ্লো।
সবুজ ধোয়ার শারীরস্থান
গ্রিনওয়াশিং হল যখন একটি সংস্থা তার পরিবেশগত কার্যকারিতাকে বাস্তবের চেয়ে ভাল দেখায়। যেহেতু AI সাবলীল এবং প্ররোচিত পাঠ্য তৈরিতে খুব ভাল, এটি অজান্তে গ্রিনওয়াশিং তৈরি করার জন্যও খুব প্রবণ। প্রধান প্রকার:
সবুজ ধোয়ার ধরন
মানে কি?
উদাহরণ
অস্পষ্ট দাবি
পরিমাপযোগ্য, অনির্ধারিত শব্দ
"পরিবেশ বান্ধব", "প্রাকৃতিক", "সবুজ"
প্রমাণ ছাড়াই দাবি
ডেটা ছাড়াই নম্বর/টার্গেট
"আমরা কার্বন নিরপেক্ষ" (কোন ডকুমেন্টেশন নেই)
গোপন বিনিময়
ভালোটা হাইলাইট করা আর বড় খারাপটাকে আড়াল করা
"প্যাকেজিং পুনর্ব্যবহারযোগ্য" কিন্তু পণ্যটি অত্যন্ত দূষণকারী
অপ্রাসঙ্গিক দাবি
যা ইতিমধ্যে প্রয়োজনীয়/অগুরুত্বপূর্ণ তা একটি গুণ হিসাবে উপস্থাপন করা
"নিষিদ্ধ পদার্থ ধারণ করে না"
জাল লেবেল
বানোয়াট/যাচাই করা শংসাপত্রের উপস্থিতি
স্ব-উদ্ভাবিত "সবুজ" লোগো
অসামান্য ভবিষ্যত
প্রমাণ ছাড়াই দূরের লক্ষ্যে আশ্রয় নেওয়া
"আমরা 2050 সালে নিরপেক্ষ থাকব" (কোন অন্তর্বর্তী পরিকল্পনা নেই)
টিপ: একটি ভাল পরিবেশগত দাবির তিনটি বৈশিষ্ট্য রয়েছে: পরিমাপযোগ্য (একটি সংখ্যা), প্রমাণিত (প্রমাণের একটি অংশ), এবং পরিসরে পরিষ্কার (কখন তুলনা করা হচ্ছে তা পরিষ্কার করুন)। যদি একটি দাবি এই তিনটির মধ্যে একটি অনুপস্থিত থাকে তবে এটি প্রকাশ করার আগে বন্ধ করুন।
ডেটা নির্ভুলতা: মডিউলের সুবর্ণ নিয়ম
আমরা প্রতিটি ইউনিটে যে যাচাইকরণ শৃঙ্খলা দেখি তা একটি একক বাক্যে সংক্ষিপ্ত করা যেতে পারে: AI দ্বারা উত্পাদিত কোনও সংখ্যা বা তথ্য একটি স্বাধীন উত্স দ্বারা নিশ্চিত না হয়ে সিদ্ধান্ত, প্রতিবেদন বা দাবিতে পরিণত হয় না। নির্গমন ফ্যাক্টরটি অফিসিয়াল টেবিল থেকে নিশ্চিত করা হয়েছে, আইন প্রবন্ধটি বর্তমান পাঠ্য থেকে নিশ্চিত করা হয়েছে, পরিমাপটি ক্যালিব্রেটেড ডিভাইস থেকে নিশ্চিত করা হয়েছে এবং নির্বাহিত কোড থেকে গণনা নিশ্চিত করা হয়েছে। এআই ত্বরান্বিত; তিনি সত্যবাদী মানুষ।
নৈতিকতা এবং গোপনীয়তা
নীতিশাস্ত্র: পরিবেশগত তথ্য জনসাধারণ এবং ভবিষ্যত প্রজন্মকে উদ্বিগ্ন করে; ডেটা ম্যাসেজিং, নির্বাচনী প্রতিবেদন বা অনিশ্চয়তা লুকানো একটি নৈতিক লঙ্ঘন। AI কে "রিপোর্টটি আরও ভালভাবে দেখাতে" বলবেন না, বরং "রিপোর্টটি আরও সঠিকভাবে এবং বোধগম্যভাবে দেখান"।
গোপনীয়তা: উদ্ভিদ-স্তরের উৎপাদন পরিসংখ্যান, সরবরাহকারী চুক্তি, অপ্রকাশিত নির্গমন ডেটা ট্রেড সিক্রেট হতে পারে; কর্মচারী ভ্রমণ বা অবস্থান তথ্য ব্যক্তিগত তথ্য হতে পারে. পাবলিক AI টুলগুলিতে পেস্ট করার আগে কর্পোরেট নীতি এবং ডেটা সুরক্ষা নিয়মগুলি (যেমন KVKK/GDPR) পরীক্ষা করুন; সম্ভব হলে নাম প্রকাশ করুন বা একটি এন্টারপ্রাইজ, ডেটা-প্রুফ টুল ব্যবহার করুন।
সতর্কতা: "এআই তাই বলেছে" একটি প্রতিরক্ষা নয়। প্রতিষ্ঠান এবং স্বাক্ষরকারী একটি মিথ্যা নির্গমন প্রতিবেদন, বিভ্রান্তিকর বিজ্ঞাপন বা গোপনীয় তথ্য ফাঁসের জন্য দায়ী। এআই একটি টুল; তিনি একজন দায়বদ্ধ ব্যক্তি।
এন্ড-টু-এন্ড ওয়ার্কফ্লো: মডিউলটি একত্রিত করুন
শুরু থেকে শেষ পর্যন্ত আত্মবিশ্বাসের সাথে পরিবেশগত দাবি বা প্রতিবেদন তৈরি করার জন্য এখানে ছয়টি ধাপ রয়েছে:
1. সংজ্ঞায়িত করুন। কি রিপোর্ট/দাবি করা হবে? সুযোগ, একক, মান, সময়কাল কি পরিষ্কার?
2. তথ্য সংগ্রহ এবং নিশ্চিত করুন। প্রতিটি সমস্যার একটি ট্রেসযোগ্য উৎস আছে? ফ্যাক্টর অফিসিয়াল?
3. গণনা করুন এবং যাচাই করুন। কোডে পাটিগণিত করুন এবং একক ও ক্রম সহ ফলাফল প্রদান করুন।
4. স্কেচ। AI দিয়ে টেক্সট কঙ্কাল তৈরি করুন; প্রতিটি বাক্যকে প্রমাণের সাথে সংযুক্ত করুন।
5. গ্রীনওয়াশিং ফিল্টারের মাধ্যমে এটি পাস করুন। অস্পষ্ট, অপ্রমাণিত, অতিরঞ্জিত বিবৃতি বাদ দিন।
6. যাচাই করুন এবং দায়িত্ব নিন। স্বাধীন আশ্বাস/বিশেষজ্ঞ নিয়ন্ত্রণ; চূড়ান্ত অনুমোদন মানুষের কাছে।
তিনটি মিনি কেস
কেস 1 - সাবলীল কিন্তু ভিত্তিহীন। একটি দল এআই একটি স্থায়িত্ব সংক্ষিপ্ত লিখতে ছিল; পাঠ্যটি চিত্তাকর্ষক ছিল, কিন্তু "শিল্প-নেতৃস্থানীয় স্থায়িত্ব," "নিজের-শূন্য প্রভাব" এর মতো অ-পরিমাণযোগ্য বাক্যাংশে পূর্ণ। গ্রিনওয়াশিং ফিল্টার প্রয়োগ করা (নীচে টেমপ্লেট 1) পতাকাঙ্কিত সাতটি অপ্রমাণিত দাবি; প্রতিটি হয় একটি প্রমাণিত সংখ্যা দ্বারা প্রতিস্থাপিত বা সরানো হয়েছে। প্রতিবেদনটি সংক্ষিপ্ত কিন্তু সংরক্ষিত ছিল।
কেস 2 - তথ্য ফাঁস। একজন বিশ্লেষক একটি সর্বজনীনভাবে উপলব্ধ এআই টুলে এখনও প্রকাশ না হওয়া সুবিধা নির্গমন ডেটা পেস্ট করেছেন এবং বিশ্লেষণের অনুরোধ করেছেন। কমপ্লায়েন্স টিম বুঝতে পেরেছিল যে এটি একটি বাণিজ্য গোপনীয়তা এবং সম্ভাব্য নিয়ন্ত্রক প্রকাশ লঙ্ঘন; প্রক্রিয়াটি বন্ধ করা হয়েছিল, ডেটা একটি কর্পোরেট (লিক-প্রুফ) টুলে সরানো হয়েছিল। পাঠ: টুলে দেওয়ার আগে ডেটার শ্রেণী (গোপনীয়?) নির্ধারণ করুন।
কেস 3 — বৈধকরণ চেইন। একটি সংস্থা তার সমগ্র বার্ষিক প্রতিবেদনের জন্য একটি "দাবি-প্রমাণ" টেবিল রাখে: প্রতিটি বাক্যে প্রতিটি সংখ্যার বিপরীতে তার উৎস। যখন অডিটর এসেছিলেন, তারা মিনিটের মধ্যে প্রতিটি দাবি ট্র্যাক করতে সক্ষম হয়েছিল; আশ্বাস প্রক্রিয়া সুষ্ঠুভাবে চলল। এই শৃঙ্খলাটি মডিউলের সমস্ত ইউনিটের মূল ছিল এবং বাস্তব জগতে সময় এবং স্বীকৃতি সংরক্ষণ করেছিল।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
আমাদের স্থায়িত্ব বার্তা আরও চিত্তাকর্ষক করুন.
কেন এটি দুর্বল: "চিত্তাকর্ষক" এর আকাঙ্ক্ষা এআইকে হাইপারবোল এবং অস্পষ্ট প্রশংসার দিকে ঠেলে দেয়; সবুজ ধোয়া উত্পাদন করে।
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: পরিবেশগত যোগাযোগ সম্পাদক এবং গ্রীনওয়াশিং অডিটর। নীচের লেখাটিকে আরও সঠিক এবং বোধগম্য করুন, "চকচকে" নয়। প্রতিটি দাবি জিজ্ঞাসা করে: এটি কি পরিমাপযোগ্য, এটি কি উৎসর্গ করা হয়েছে, এর সুযোগ কি পরিষ্কার? পতাকা অস্পষ্ট ("পরিবেশ-বান্ধব"), অপ্রমাণিত ("নিরপেক্ষ"), এবং অতিরঞ্জিত বিবৃতি এবং প্রমাণ-ভিত্তিক, পরিমাপ করা বিকল্পগুলির পরামর্শ দেয়। কোন প্রমাণ নেই এমন দাবিটি সরান৷ পাঠ্য: [এখানে]
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) গ্রিনওয়াশিং কন্ট্রোল ফিল্টার:
আপনার ভূমিকা: গ্রীনওয়াশিং অডিটর। নীচের পাঠ্যে প্রতিটি পরিবেশগত দাবি সারণী করুন: (দাবি | এটি পরিমাপ করা যেতে পারে | প্রমাণ আছে কি এটি অনিশ্চিত | রায়)৷ যেগুলি অস্পষ্ট/অপ্রমাণিত/অতিরিক্ত সেগুলি চিহ্নিত করুন এবং প্রতিটির জন্য একটি পরিমাপিত, প্রমাণ-ভিত্তিক বিকল্প প্রস্তাব করুন। পাঠ্য: [এখানে]
2) দাবি-প্রমাণ ম্যাচিং টেবিল:
নীচের প্রতিবেদনের পাঠ্য থেকে প্রতিটি সংখ্যাগত এবং বাস্তবিক দাবি বাদ দিন। প্রতিটির জন্য একটি "উৎস" কলাম ছেড়ে দিন। একটি অনির্দিষ্ট উত্স সহ যে কোনও দাবিকে "প্রমাণ প্রয়োজনীয়" হিসাবে চিহ্নিত করুন৷ পাঠ্য পরিবর্তন করুন; পরীক্ষা করুন। পাঠ্য: [এখানে]
3) গোপনীয়তা প্রি-চেক:
একটি AI টুলে প্রক্রিয়া করার আগে নিম্নলিখিত ডেটা শ্রেণীবদ্ধ করুন: এতে কি বাণিজ্য গোপনীয়তা (উদ্ভিদ উৎপাদন, সরবরাহকারীর মূল্য), ব্যক্তিগত তথ্য (নাম, অবস্থান) বা অপ্রকাশিত আর্থিক তথ্য রয়েছে? ঝুঁকিপূর্ণ এলাকায় পতাকাঙ্কিত করুন এবং নাম প্রকাশ/অপসারণের সুপারিশ করুন। ডেটা উদাহরণ: [এখানে]
4) শেষ থেকে শেষ মানের গেট:
নীচে পরিবেশগত প্রতিবেদন/দাবীর জন্য একটি চূড়ান্ত চেক করুন। ক্রমানুসারে: (1) স্কোপ-ইউনিট-স্ট্যান্ডার্ড পরিষ্কার, (2) প্রতিটি সংখ্যা উৎস করা হয়েছে, (3) গাণিতিক যাচাই করা হয়েছে, (4) গ্রিনওয়াশিং আছে, (5) গোপনীয়/ব্যক্তিগত ডেটা ফাঁস হয়েছে। প্রতিটি আইটেমের জন্য পাস/ফেল এবং ন্যায্যতা দিন। বিষয়বস্তু: [এখানে]
সাধারণ ভুল
- "চিত্তাকর্ষক" চাই। এটি এআইকে হাইপারবোল এবং গ্রিনওয়াশিং-এ ঠেলে দেয়; "সঠিক এবং বোধগম্য" জন্য জিজ্ঞাসা করুন।
- অস্পষ্ট দাবি লক্ষ্য না. "পরিবেশ-বান্ধব" এর মতো বাক্যাংশগুলি অপরিমেয় এবং ঝুঁকিপূর্ণ।
- একটি খোলা টুলে গোপনীয় তথ্য রপ্তানি করা হচ্ছে। প্রথমে ডেটা শ্রেণীবদ্ধ করুন এবং প্রয়োজনে এটি বেনামী করুন।
- এর সাথে ডিফেন্ড করে "এআই বলেছে।" দায়িত্ব সর্বদা ব্যক্তির উপর নিহিত।
- যাচাইকরণ চেইন বজায় রাখা হচ্ছে না। প্রতিটি দাবির উৎস অবশ্যই নিরীক্ষাযোগ্য হতে হবে।
সংক্ষেপে
পরিবেশ এবং জলবায়ুতে নিরাপদে AI ব্যবহার করার সারমর্ম হল একটি একক শৃঙ্খলা: প্রতিটি সংখ্যার উৎস, প্রতিটি দাবি প্রমাণিত, প্রতিটি ডেটা শ্রেণীবদ্ধ প্রতিটি টুলকে দেওয়া, প্রতিটি চূড়ান্ত সিদ্ধান্ত মানুষের। গ্রীনওয়াশিং হল তরল ভাষার ফাঁদ; এটি এড়ানোর উপায় হল এমন দাবি করা যা পরিমাপযোগ্য, উৎস এবং একটি নির্দিষ্ট সুযোগ রয়েছে। এআই; গণনা করে, স্ক্যান করে, খসড়া তৈরি করে এবং সংগঠিত করে - কিন্তু এটি একজন দক্ষ বিশেষজ্ঞ যিনি যাচাই করেন, সিদ্ধান্ত নেন এবং জবাবদিহি করেন। উচ্চ-পরিণামের পরিবেশগত কাজে, এআই আউটপুট বিশেষজ্ঞ যাচাইকরণ এবং বৈধতার বিকল্প নয়; এটা শুধুমাত্র এটা গতি.
আবেদন টাস্ক
মডিউল জুড়ে আপনি তৈরি করেছেন এমন একটি ডেলিভারি চয়ন করুন (একটি নির্গমন সারাংশ, একটি জল বিশ্লেষণ, বা একটি ESG বিভাগ)। প্রথমে টেমপ্লেট 1 সহ গ্রীনওয়াশিং অডিট করুন এবং আপনার খুঁজে পাওয়া যে কোনও অপ্রমাণিত দাবি সংশোধন করুন। তারপর 2য় টেমপ্লেট সহ একটি দাবি-প্রমাণ সারণী তৈরি করুন এবং উত্স ছাড়াই অবশিষ্ট সংখ্যাগুলি সম্পূর্ণ করুন৷ অবশেষে, 4র্থ টেমপ্লেটের সাথে শেষ থেকে শেষ মানের গেট প্রয়োগ করুন; আপনি সমস্ত পাঁচটি আইটেমে "পাস" না পাওয়া পর্যন্ত সঠিক করুন।
চেকলিস্ট
- [ ] আমি প্রতিটি দাবি পরিমাপযোগ্য, উৎস এবং সুযোগ নির্দিষ্ট করেছি৷
- [ ] আমি একটি গ্রিনওয়াশিং ফিল্টার দিয়ে অস্পষ্ট/অতিরিক্ত ভাষা পরিষ্কার করেছি।
- [ ] আমি স্বাধীনভাবে AI দ্বারা উত্পাদিত প্রতিটি সংখ্যা যাচাই করেছি৷
- [ ] আমি গোপনীয়তার জন্য টুলটিতে যে ডেটা দিয়েছিলাম তা আমি শ্রেণীবদ্ধ/অনামীকরণ করেছি।
- [ ] আমি গাণিতিক কোড করেছিলাম এবং এটিকে ইউনিট এবং র্যাঙ্ক দিয়েছিলাম।
- আমি চূড়ান্ত দায়িত্ব নিয়েছি; আমি "AI বলেছেন" প্রতিরক্ষার উপর নির্ভর করিনি।
মডিউল পরীক্ষা
1. পরিবেশ ও জলবায়ুতে কৃত্রিম বুদ্ধিমত্তার জন্য নিচের কোনটি সবচেয়ে সঠিক অবস্থান?
- ক) কৃত্রিম বুদ্ধিমত্তা হল কোড, ডেটা এবং ব্লুপ্রিন্টের সহকারী; কারণ, সুযোগ, প্রমাণ এবং নৈতিক সিদ্ধান্তের দায়িত্ব মানুষের উপর বর্তায় ✔
- খ) কৃত্রিম বুদ্ধিমত্তা একটি পরিমাপক যন্ত্র এবং এটি যে নির্গমন মান দেয় তা সর্বদা সঠিক।
- গ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র রিপোর্ট লেখার ক্ষেত্রেই উপযোগী, অ্যাকাউন্টিং এবং পর্যবেক্ষণের সাথে এর কোন সম্পর্ক নেই
- ঘ) যেহেতু কৃত্রিম বুদ্ধিমত্তা মানুষের চেয়ে বেশি নিরপেক্ষ, তাই সমস্ত পরিবেশগত সিদ্ধান্ত তার উপর ছেড়ে দেওয়া উচিত।
বর্ণনা: কৃত্রিম বুদ্ধিমত্তা; এটি একটি সহকারী যা কোড লেখে, ডেটা সংগঠিত করে, খসড়া তৈরি করে এবং সারসংক্ষেপ করে। যাইহোক, নির্গমন ফ্যাক্টর, সুযোগ এবং একক নির্ভুলতা, দাবির প্রমাণ এবং চূড়ান্ত দায়িত্ব উপযুক্ত বিশেষজ্ঞের সাথে নিশ্চিতকরণ। বড় ভাষা মডেল একটি পরিমাপ যন্ত্র, ক্যালকুলেটর, বা আইনের উৎস নয়; এটি একটি টেক্সট জেনারেটর যা 'পরবর্তী সম্ভাব্য শব্দ' তৈরি করে এবং এর অযাচাইকৃত আউটপুট একটি মিথ্যা প্রতিবেদন বা দাবির দিকে নিয়ে যেতে পারে।
2. গ্রীনহাউস গ্যাস ইনভেন্টরিতে 'ক্রিয়াকলাপ ডেটা × নির্গমন ফ্যাক্টর' গণনার জন্য কোন পদ্ধতিটি সঠিক?
- ক) কৃত্রিম বুদ্ধিমত্তা যে ফ্যাক্টরটি মনে রাখে তা ব্যবহার করে এবং এটি ম্যানুয়ালি মোট কাজ করে
- খ) সরকারী সারণী থেকে দেশ এবং বছর অনুসারে গুণনীয়ক গ্রহণ করা এবং এক্সিকিউটেবল কোড দিয়ে যোগফল তৈরি করা ✔
- গ) সমস্ত গ্যাসকে CO₂ হিসাবে গণনা করা এবং GWP রূপান্তর এড়িয়ে যাওয়া
- D) প্রতিটি দেশের জন্য ডিফল্ট (যেমন US) গ্রিড ফ্যাক্টর ব্যবহার করা
বর্ণনা: দেশ, বছর এবং জ্বালানি দ্বারা নির্গমনের কারণগুলি পরিবর্তিত হয়; 'রিমাইন্ডিং' এআই বানোয়াট হওয়ার ঝুঁকির পরিচয় দেয়। ফ্যাক্টরটি সর্বদা একটি অফিসিয়াল টেবিল থেকে নিশ্চিত করা উচিত (IPCC, DEFRA/EPA, জাতীয় তালিকা); মাল্টি-লাইন মোট এক্সিকিউটেবল কোড দিয়ে করা উচিত, ম্যানুয়ালি নয়। মিথেন এবং N₂O অগত্যা সঠিক GWP সেটের সাথে CO₂e তে রূপান্তরিত হয়।
3. GHG প্রোটোকল অনুসারে, ক্রয়কৃত বিদ্যুতের উৎপাদনের ফলে নির্গমনকে কোন সুযোগের অন্তর্ভুক্ত করে?
- ক) ব্যাপ্তি 1
- খ) ব্যাপ্তি 3
- গ) ব্যাপ্তি 2 ✔
- ঘ) এটি কোন সুযোগের মধ্যে অন্তর্ভুক্ত নয় এবং রিপোর্ট করা হয় না
বর্ণনা: স্কোপ 1 হল সংস্থার নিজস্ব উত্স (বয়লার, কোম্পানির গাড়ি) থেকে সরাসরি নির্গমন। স্কোপ 2 হল ক্রয়কৃত শক্তি (বিদ্যুৎ, বাষ্প, উত্তাপ, শীতল) উৎপাদন থেকে পরোক্ষ নির্গমন। স্কোপ 3 মূল্য শৃঙ্খলে (সরবরাহ, ভ্রমণ, পণ্য ব্যবহার) অন্যান্য সমস্ত পরোক্ষ নির্গমনকে কভার করে।
4. MACC (প্রান্তিক হ্রাস খরচ) দ্বারা প্রশমন ব্যবস্থাকে অগ্রাধিকার দেওয়ার সময় কোনটি সঠিক?
- ক) সবচেয়ে ব্যয়বহুল এবং প্রযুক্তিগত ব্যবস্থা সর্বদা প্রথমে নেওয়া হয়
- খ) প্রথমে অফসেট ক্রয় করা হয় এবং 'নেট জিরো' বলা হয়, পরে হ্রাস করা হয়।
- গ) কর্মের ক্রম খরচ থেকে স্বাধীন; সব একই সময়ে প্রয়োগ করা হয়
- ঘ) নেতিবাচক খরচ (সঞ্চয়) ব্যবস্থা প্রথমে নেওয়া হয়, বাদ দেওয়া হয় শেষ ✔
বর্ণনা: MACC পরিমাপ র্যাঙ্ক করে প্রতি টন খরচ এড়ানো (€/টন)। নেতিবাচক খরচ ব্যবস্থা (যেমন শক্তি দক্ষতা) উভয়ই নির্গমন হ্রাস করে এবং অর্থ সাশ্রয় করে; এগুলো সামনে আনা হয়। উচ্চ খরচের বিকল্প এবং অফসেট শেষ পর্যন্ত বাকি আছে। অপসারণ প্রশমনের বিকল্প নয়, তবে অনিবার্য অবশিষ্টাংশের পরিপূরক।
5. আপনি স্যাটেলাইট ইমেজে দেখেছেন যে একটি অঞ্চলে NDVI হঠাৎ এক মাসে কমে গেছে। আপনি প্রথম কি করা উচিত?
- ক) অবিলম্বে একটি 'হঠাৎ বন উজাড়' অ্যালার্ম বাড়ান এবং জনসাধারণের কাছে ঘোষণা করুন
- খ) ক্লাউড মাস্ক প্রয়োগ করে এবং প্রতিবেশী তারিখের সাথে তুলনা করে সংকেতের সত্যতা পরীক্ষা করা ✔
- গ) একটি একক চিত্রের দিকে তাকিয়ে এবং একটি সঠিক শতাংশ ক্ষতি রিপোর্ট করা
- ঘ) স্যাটেলাইট তথ্য সবসময় সঠিক; কোন অতিরিক্ত চেক প্রয়োজন
ব্যাখ্যা: স্যাটেলাইট ডেটার সবচেয়ে সাধারণ জাল সংকেত হল ক্লাউড। একটি NDVI ড্রপ বনের প্রকৃত ক্ষতি হতে পারে, বা এটি সেই দিনের চিত্রের উপর মেঘ হতে পারে। প্রথমে একটি ক্লাউড মাস্ক প্রয়োগ করা এবং প্রতিবেশী ক্লাউড-মুক্ত তারিখগুলির সাথে তুলনা করা প্রয়োজন; পরিবর্তনের দাবি প্রবণতার উপর ভিত্তি করে হওয়া উচিত, একটি একক তারিখ নয়, এবং যদি সম্ভব হয়, এটি গ্রাউন্ড ট্রুথ দিয়ে যাচাই করা উচিত।
6. দুটি কারখানার পানির প্রভাব তুলনা করার সময় কোন পদ্ধতি সঠিক?
- ক) শুধু পরম লিটারের দিকে তাকানো এবং সবচেয়ে বেশি খাওয়াকে সবচেয়ে খারাপ হিসাবে ঘোষণা করা
- খ) জলের প্রভাব সর্বত্র একই; অঞ্চল গুরুত্বহীন
- গ) আঞ্চলিক জলের চাপ দ্বারা খরচ ওজন করা এবং প্রকৃত প্রভাবের সাথে তুলনা করা ✔
- ঘ) একটি একক সংখ্যায় সবুজ, নীল এবং ধূসর জল যোগ করা এবং চাপ উপেক্ষা করা
ব্যাখ্যা: জল, কার্বনের বিপরীতে, স্থানীয়; একই পরিমাণ জল মানে উচ্চ জলের চাপ সহ একটি অঞ্চলে অনেক বেশি মারাত্মক পরিবেশগত প্রভাব। অতএব, জলের প্রভাবকে শুধুমাত্র পরম লিটারে নয়, আঞ্চলিক জলের চাপ দ্বারা ওজন করা উচিত। একটি অঞ্চলের একটি সুবিধা যা খুব কম খরচ করে কিন্তু খুব শুষ্ক হয় এমন একটি সুবিধার চেয়ে বেশি জটিল হতে পারে যেটি প্রচুর পরিমাণে জল ব্যবহার করে কিন্তু প্রচুর পরিমাণে জল রয়েছে৷
7. বর্জ্য ব্যবস্থাপনায়, কৃত্রিম বুদ্ধিমত্তা রাসায়নিক বর্জ্যকে 'অ-বিপজ্জনক' কোডে শ্রেণীবদ্ধ করে। সঠিক আচরণ কি?
- ক) সেই কোড থেকে সরাসরি বাদ দেওয়া কারণ কৃত্রিম বুদ্ধিমত্তা তাই বলে
- খ) বর্জ্য কোড গুরুত্বহীন; তারা সব একই ভাবে নিষ্পত্তি করা হয়
- গ) দূষণ এবং বিপদ শ্রেণী উপেক্ষা করা এবং সংগৃহীত পরিমাণ রিপোর্ট করা
- ঘ) নিরাপত্তা ডেটা শীট (SDS) এবং আইনের সাথে ক্লাস নিশ্চিত করা, কৃত্রিম বুদ্ধিমত্তার প্রস্তাব চূড়ান্ত হিসাবে গ্রহণ না করা ✔
বর্ণনা: বিপজ্জনক বর্জ্যের ভুল শ্রেণীবিভাগ এবং অনিবন্ধিত নিষ্পত্তি হল সবচেয়ে বেশি অনুমোদিত পরিবেশগত অপরাধের মধ্যে৷ এআই বর্জ্য কোড প্রস্তাবটি একটি প্রাথমিক খসড়া মাত্র; বিপদ শ্রেণী সর্বদা পদার্থের নিরাপত্তা ডেটা শীট (SDS) এবং প্রযোজ্য বর্জ্য বিধি দ্বারা নিশ্চিত করা আবশ্যক। AI আউটপুট চূড়ান্ত বর্জ্য কোড হিসাবে ব্যবহার করা হয় না.
8. একটি সুবিধা তার স্ট্যাক নির্গমন 20% কমিয়েছে। কেন 'পাড়ার বাতাস 20% পরিষ্কার করা হয়েছে' বলা ভুল?
- ক) নির্গমন এবং ঘনত্ব ভিন্ন; আবহাওয়ার পরিবর্তনের জন্য আলাদা পরিমাপ এবং মডেলিং প্রয়োজন ✔
- খ) নির্গমন এবং ঘনত্ব একই জিনিস; হ্রাস সরাসরি বাতাসে প্রতিফলিত হয়
- গ) চিমনি পরিমাপ সবসময় সঠিক আশেপাশের আবহাওয়া দেয়
- ঘ) আবহাওয়া বায়ুর গুণমানকে প্রভাবিত করে না, তাই দাবিটি বৈধ
ব্যাখ্যা: নির্গমন (উৎস থেকে বেরিয়ে আসা পরিমাণ) এবং ঘনত্ব (বায়ুতে পরিমাপ করা ঘনত্ব) ভিন্ন জিনিস। বায়ু, তাপমাত্রা এবং টপোগ্রাফি একই নির্গমন ঘটায় যার ফলে খুব ভিন্ন ঘনত্ব হয়। এমনকি যদি স্ট্যাক নির্গমন হ্রাস বাস্তব হয়, বায়ুতে ঘনত্বের দাবি শুধুমাত্র ক্যালিব্রেটেড পরিমাপ এবং উপযুক্ত বিচ্ছুরণ মডেল দ্বারা প্রমাণিত হতে পারে; অন্যথায় এটি অপ্রমাণিত এবং বিভ্রান্তিকর।
9. ইএসজি রিপোর্টিংয়ে, কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত একটি পাঠ্যে 'আমরা আমাদের জলের ব্যবহার 15% হ্রাস করেছি' একটি বাক্য রয়েছে। সবচেয়ে গুরুত্বপূর্ণ নিয়ন্ত্রণ কি?
- ক) বাক্যটি কতটা চিত্তাকর্ষক এবং সাবলীল তা দেখে
- খ) যাচাই করুন যে নম্বরটি একটি সনাক্তযোগ্য উত্সের সাথে লিঙ্ক করা হয়েছে (চালান, মিটার, পরিমাপ) ✔
- গ) সংখ্যাটি সঠিক বলে ধরে নেওয়া হচ্ছে কারণ কৃত্রিম বুদ্ধিমত্তা এটি তৈরি করে
- D) সংখ্যাটিকে আরও দৃঢ় মনে করার জন্য শতাংশকে রাউন্ডিং করুন
ব্যাখ্যা: একটি ESG রিপোর্টের মূল্য হল এর দুর্বলতম ডেটার সন্ধানযোগ্যতা, এবং স্বাধীন আশ্বাস নিরীক্ষকরা সংখ্যার পিছনে প্রমাণের চেইন পরীক্ষা করে। AI এমন একটি সংখ্যা তৈরি করতে পারে যা পূর্ববর্তী পাঠ্যগুলি থেকে 'যুক্তিসঙ্গত' দেখায় কিন্তু খুঁজে পাওয়া যায় না। চালান/মিটার/শংসাপত্রের উপর ভিত্তি করে একটি সনাক্তযোগ্য উত্সের সাথে লিঙ্ক না করে প্রতিটি ডিজিটাল দাবি রিপোর্টে প্রবেশ করা উচিত নয়।
10. কেন একক ভবিষ্যতের পরিবর্তে জলবায়ু ঝুঁকি মূল্যায়নে একাধিক পরিস্থিতি ব্যবহার করা হয়?
- ক) দৃশ্যকল্প হল সাজসজ্জা; একটি সঠিক ভবিষ্যতবাণীই যথেষ্ট
- খ) যেহেতু কৃত্রিম বুদ্ধিমত্তা ভবিষ্যৎ বন্যার সম্ভাবনা সঠিক শতাংশ দিয়ে দিতে পারে, তাই একটি দৃশ্যই যথেষ্ট
- গ) পরিস্থিতির উপর নির্ভর করে শারীরিক এবং পরিবর্তনের ঝুঁকি প্রতিকূল হতে পারে; উদ্দেশ্য ধৈর্য পরীক্ষা করা হয় ✔
- ঘ) শারীরিক এবং ট্রানজিশন ঝুঁকি একই জিনিস, আলাদা পরিস্থিতির প্রয়োজন নেই
ব্যাখ্যা: শারীরিক ঝুঁকি (জলবায়ুর প্রভাব যেমন বন্যা, খরা) এবং স্থানান্তর ঝুঁকি (কার্বনের মূল্য, আইন, প্রযুক্তির পরিবর্তন) প্রায়ই বিপরীত দিকে চলে: যদি বিশ্ব দ্রুত প্রশমন করে, স্থানান্তর ঝুঁকি বাড়ে, শারীরিক ঝুঁকি হ্রাস পায়; সে ধীরে ধীরে কাজ করলে উল্টোটা হয়। অতএব, কমপক্ষে একটি নিম্ন (1.5-2°C) এবং একটি উচ্চ (3°C+) উষ্ণায়নের দৃশ্য পরীক্ষা করা হয়। উদ্দেশ্য ভবিষ্যতের ভবিষ্যদ্বাণী করা নয়, ধৈর্য পরীক্ষা করা।
11. আপনি AI কে জিজ্ঞাসা করেছেন যদি একটি প্রবিধান (যেমন CBAM) আপনার এবং এর সময়সীমার ক্ষেত্রে প্রযোজ্য হয়। আপনি কিভাবে আচরণ করা উচিত?
- ক) কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রদত্ত তারিখ এবং আইটেম অনুযায়ী সরাসরি পরিকল্পনা করা
- খ) AI এর সাধারণ ব্যাখ্যার উপর সুযোগের সিদ্ধান্তের ভিত্তিতে, অফিসিয়াল কোড তালিকার দিকে না তাকিয়ে
- গ) সম্মতি এককালীন; একবার আপনি জিজ্ঞাসা করলে, ক্রমাগত আইনটি পর্যবেক্ষণ করার দরকার নেই
- ঘ) আউটপুটটিকে একটি খসড়া হিসাবে বিবেচনা করুন এবং বর্তমান অফিসিয়াল পাঠ্য থেকে নিবন্ধ, তারিখ, প্রান্তিকতা এবং সুযোগ নিশ্চিত করুন ✔
বর্ণনা: নিয়ন্ত্রক জ্ঞান দ্রুত পুরানো হয়ে যায়; নিবন্ধগুলি পরিবর্তিত হয়, তারিখগুলি স্থগিত হয়, সুযোগগুলি প্রসারিত হয়। এআই-এর প্রশিক্ষণের ডেটা একটি নির্দিষ্ট তারিখে হিমায়িত করা হয় এবং আপ টু ডেট নাও হতে পারে; তদুপরি, পদার্থ ইতিহাস এবং প্রান্তিকের মতো সমালোচনামূলক তথ্য তৈরি করতে পারে। সুযোগের সিদ্ধান্তটি অফিসিয়াল পণ্য/কোড তালিকা, সমস্ত তারিখ এবং থ্রেশহোল্ড কার্যকর অফিসিয়াল পাঠ্য দ্বারা নিশ্চিত করা উচিত; সমালোচনামূলক সম্মতির সিদ্ধান্তে অনুমোদিত/বিশেষজ্ঞের মতামত নেওয়া উচিত।
12. নিচের কোন পরিবেশগত দাবিতে সবুজ ধোয়ার ঝুঁকি সবচেয়ে কম?
- ক) 'আমরা 2023 সালের মধ্যে আমাদের উৎপাদন নির্গমন 18% কমিয়েছি (স্বতন্ত্র যাচাইয়ের সাথে)' ✔
- খ) 'আমাদের পণ্য সম্পূর্ণ পরিবেশবান্ধব এবং প্রাকৃতিক'
- গ) 'আমাদের কোম্পানি কার্বন নিরপেক্ষ' (কোন নথি বা তথ্য প্রদান ছাড়াই)
- ঘ) 'আমরা শিল্পের সবচেয়ে টেকসই এবং প্রায় শূন্য-প্রভাবিত কোম্পানি'
ব্যাখ্যা: একটি ভাল পরিবেশগত দাবি পরিমাপযোগ্য (একটি সংখ্যা ধারণ করে), প্রমাণিত (প্রমাণের উপর ভিত্তি করে), এবং সুযোগে নির্দিষ্ট (এটা স্পষ্ট যে কখন তুলনা করা হচ্ছে)। 'আমরা 2023 সালের মধ্যে উৎপাদন নির্গমন 18% কমিয়েছি (স্বতন্ত্র যাচাইয়ের সাথে)' এই তিনটি বৈশিষ্ট্য রয়েছে। 'পরিবেশ-বান্ধব', 'প্রাকৃতিক', 'কার্বন নিরপেক্ষ' (অপ্রমাণিত) শব্দগুচ্ছ অপ্রমাণযোগ্য বা অপ্রমাণিত এবং সবুজ ধোয়ার ঝুঁকি বহন করে।
13. বিশ্লেষণের জন্য সর্বজনীনভাবে উপলব্ধ এআই টুলে অপ্রকাশিত সুবিধা নির্গমন ডেটা পেস্ট করা কেন ঝুঁকিপূর্ণ?
- ক) কোন ঝুঁকি নেই; পরিবেশগত তথ্য সর্বদা সর্বজনীনভাবে উপলব্ধ
- খ) বাণিজ্য গোপনীয়তা, অপ্রকাশিত তথ্য এবং ব্যক্তিগত তথ্য ফাঁস হতে পারে; শ্রেণীবিভাগ এবং বেনামীকরণ প্রথমে প্রয়োজন ✔
- গ) ঝুঁকিটি শুধুমাত্র একটি গণনার ত্রুটি, ডেটা গোপনীয়তার সাথে এর কোন সম্পর্ক নেই
- ঘ) একবার গাড়িতে ডেটা দেওয়া হলে, দায়িত্ব কৃত্রিম বুদ্ধিমত্তা প্রদানকারীর কাছে চলে যায়
প্রকাশ: সাইট-স্তরের উত্পাদন এবং নির্গমন ডেটা ট্রেড সিক্রেট হতে পারে এবং অপ্রকাশিত আর্থিক/পরিবেশগত ডেটা নিয়ন্ত্রক প্রকাশের নিয়ম লঙ্ঘন করতে পারে; কর্মচারী অবস্থান/ভ্রমণ ডেটা ব্যক্তিগত ডেটা। একটি ওপেন টুলে এই ধরনের ডেটা দেওয়ার আগে, এটিকে শ্রেণীবদ্ধ করা, প্রয়োজনে এটি বেনামী করা বা একটি প্রাতিষ্ঠানিক (ডেটা-মুক্ত) টুল ব্যবহার করা প্রয়োজন। 'এআই বলেছে' কোনো প্রতিরক্ষা নয়; দায়বদ্ধতা প্রতিষ্ঠান ও ব্যক্তির।
14. গ্রিনহাউস গ্যাস যেমন মিথেন (CH₄) কে CO₂e-তে রূপান্তর করার সময় কোন ধারণা ব্যবহার করা হয় এবং কেন এটি গুরুত্বপূর্ণ?
- ক) AQI (এয়ার কোয়ালিটি ইনডেক্স); বাতাসে গ্যাসের রঙ নির্ধারণ করে
- খ) এনডিভিআই (উদ্ভিদ সূচক); গ্যাসের মাটির প্রভাব পরিমাপ করে
- গ) GWP (গ্লোবাল ওয়ার্মিং পটেনশিয়াল); যদি বাদ দেওয়া হয়, মিথেন/N₂O প্রভাবকে ব্যাপকভাবে অবমূল্যায়ন করা হবে ✔
- ঘ) কোন সহগ প্রয়োজন নেই; মিথেন 1 থেকে 1 সরাসরি CO₂ এর মতো গণনা করে
বর্ণনা: GWP (গ্লোবাল ওয়ার্মিং পটেনশিয়াল) হল সহগ যা বিভিন্ন গ্রীনহাউস গ্যাসের উত্তাপের প্রভাবকে CO₂ এর সাপেক্ষে একটি সাধারণ ইউনিটে রূপান্তর করে। মিথেনের 100 বছরের GWP প্রায় 28; সুতরাং 1 টন মিথেন মানে প্রায় 28 টন CO₂e। যদি GWP বাদ দেওয়া হয়, তাহলে মিথেন এবং N₂O-এর মতো শক্তিশালী গ্যাসের প্রভাবকে ব্যাপকভাবে অবমূল্যায়ন করা হবে এবং ইনভেন্টরি সম্পূর্ণরূপে ভুল হবে; কোন GWP সেট (যেমন IPCC AR6, 100 বছর) ব্যবহার করা হয়েছে তাও বলা উচিত।