નૈતિકતા, કાનૂની, એન્ટિ-પ્લન્ડર અને એન્ડ-ટુ-એન્ડ વર્કફ્લો

નફો:

• ઉત્પત્તિ અને ઉત્પત્તિ, કાનૂની માળખું અને પારદર્શિતાના સિદ્ધાંત વચ્ચેના તફાવતને સમજવાની અને AI વપરાશની ઘોષણા અને નૈતિક પ્રારંભિક સ્ક્રીનીંગ બનાવવાની ક્ષમતા.
• ઉપગ્રહ ટ્રેકિંગ અને ઓનલાઈન વાણિજ્ય સ્કેનિંગ સાથે લૂંટનો સામનો કરવા માટે AI નો ઉપયોગ કરતી વખતે સંવેદનશીલ સુરક્ષા ડેટાને સુરક્ષિત કરો
• એન્ડ-ટુ-એન્ડ વર્કફ્લો સ્થાપિત કરવાની ક્ષમતા જે દરેક પગલા પર માનવ નિર્ણયથી AI ની ભૂમિકાને અલગ કરે છે, પ્રોજેક્ટના આયોજનથી લઈને પ્રકાશન સુધી, અને અંતિમ અર્થઘટન અને જવાબદારી માનવના હાથમાં રાખે છે.

આ છેલ્લા એકમમાં, અમે ફ્રેમવર્ક સ્થાપિત કરીએ છીએ જે અગાઉના એકમોને એકસાથે ધરાવે છે: અમે પુરાતત્વ અને સાંસ્કૃતિક વારસામાં કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરતી વખતે આપણે જે નૈતિક અને કાનૂની સિદ્ધાંતોનું પાલન કરવું જોઈએ તે જોઈશું, ગેરકાયદેસર ખોદકામ અને લૂંટ (પુરાતત્વીય સ્થળોનું ગેરકાયદેસર ખોદકામ અને દાણચોરી) સામે લડવામાં AI ની ભૂમિકા, જે તમામ પગલાંઓ શોધવામાં આવે છે. એક જ પ્રોજેક્ટ. ધ્યેય એ છે કે તમે જે સાધનો શીખ્યા તે એક જવાબદાર સમગ્રમાં એકીકૃત કરો.

મૂળભૂત સિદ્ધાંત એ વાક્યનું અંતિમ સંસ્કરણ છે જે આપણે સમગ્ર મોડ્યુલમાં પુનરાવર્તન કરીએ છીએ: AI; એક શક્તિશાળી સહાયક છે જે વર્ગીકરણ કરે છે, માપે છે, સ્કેન કરે છે, સારાંશ આપે છે, અનુવાદ કરે છે અને ડ્રાફ્ટ બનાવે છે; પરંતુ ભૂતકાળનું અર્થઘટન, સાંસ્કૃતિક એટ્રિબ્યુશન, પ્રોટેક્શન ઓર્ડર, કાનૂની જવાબદારી અને નૈતિક ચુકાદો સક્ષમ વ્યક્તિનો છે. ઉચ્ચ-પરિણામ અને બદલી ન શકાય તેવા ક્ષેત્રમાં, AI આઉટપુટ નિષ્ણાત માન્યતા માટે કોઈ વિકલ્પ નથી; તે માત્ર તેને ઝડપી બનાવે છે.

નૈતિક અને કાનૂની માળખું

કાનૂની આધાર. પુરાતત્વીય ખોદકામ, સપાટી સંશોધન અને આર્ટિફેક્ટ પ્રોસેસિંગ; તે રાષ્ટ્રીય સુરક્ષા કાયદાઓ, પરમિટો અને આંતરરાષ્ટ્રીય કરારોને આધીન છે. સાંસ્કૃતિક અસ્કયામતોમાં ગેરકાયદેસર વેપારને રોકવા માટે આંતરરાષ્ટ્રીય કરારો છે (ઉદાહરણ તરીકે, 1970 યુનેસ્કો સંમેલન દ્વારા નિર્ધારિત માળખું). AI કાનૂની સલાહકાર નથી; કાનૂની પ્રશ્નોના જવાબો સક્ષમ અધિકારીઓ અને કાયદાઓ પાસેથી લેવામાં આવે છે.

ઉત્પત્તિ અને ઉત્પત્તિ. બે સમાન શબ્દો બે અલગ અલગ વસ્તુઓ છે: સાબિતી (ખોદકામમાં શોધનું ચોક્કસ સ્થાન અને સંદર્ભ-વૈજ્ઞાનિક મૂલ્યનો સ્ત્રોત) અને ઉત્પત્તિ (કોઈ વસ્તુની શોધથી અત્યાર સુધીની માલિકી અને માલિકીનો ઈતિહાસ-કાયદેસરતાનો પુરાવો). જો કોઈ વસ્તુની ઉત્પત્તિ અનિશ્ચિત હોય, તો તે લૂંટી લેવામાં આવી હશે; સંગ્રહાલયો અને સંશોધકો આવી વસ્તુઓ સાથે કામ કરવાનું ટાળે છે.

ડેટા નીતિશાસ્ત્ર. સંવેદનશીલ સ્થાનો, માનવ અવશેષો અને સાંસ્કૃતિક રીતે સંવેદનશીલ માહિતી સુરક્ષિત છે; તે ખુલ્લા વાહનો માટે આપવામાં આવતું નથી.

પારદર્શિતા. AI નો ઉપયોગ વૈજ્ઞાનિક કાર્યમાં સ્પષ્ટપણે જણાવવામાં આવ્યો છે: કયા કાર્યમાં, કયા સાધનમાં, કયા માન્યતા. છુપાવવું એ વૈજ્ઞાનિક અખંડિતતા વિરુદ્ધ છે.

ટીપ: દરેક પ્રોજેક્ટની શરૂઆતમાં "AI ઉપયોગ નિવેદન" ડ્રાફ્ટ કરો: તમે કયા કાર્યોમાં AI નો ઉપયોગ કરશો, જ્યાં ડેટા પર પ્રક્રિયા કરવામાં આવશે, ચકાસણીના પગલાં અને ગોપનીયતા નિયમો. આ નિવેદન નૈતિક પારદર્શિતા પ્રદાન કરે છે અને ટીમને એક સામાન્ય માનક પર રાખે છે.

લૂંટ સામેની લડાઈમાં એ.આઈ

AI એ સાંસ્કૃતિક વારસાના રક્ષણ માટે પણ એક શસ્ત્ર છે:

• સેટેલાઇટ ટ્રેકિંગ. સમય જતાં સુરક્ષિત વિસ્તારોમાં લૂંટના ખાડાઓમાં વધારો આપમેળે ચિહ્નિત થાય છે (જુઓ એકમ 9).
• ઓનલાઇન બિઝનેસ સ્ક્રીનીંગ. હરાજી અને વેચાણ પ્લેટફોર્મ પર ફરતા શંકાસ્પદ ઉત્પત્તિની વસ્તુઓ સ્કેન કરવામાં આવે છે અને નિષ્ણાતની પરીક્ષા માટે રજૂ કરવામાં આવે છે.
• વિઝ્યુઅલ મેચિંગ. ચોરાયેલ/નોંધાયેલ વસ્તુઓની તુલના ડેટાબેઝમાંની છબીઓ સાથે કરવામાં આવે છે.

પરંતુ સાવચેત રહો: ​​AI કહે છે કે "આ ઑબ્જેક્ટ લૂંટી લેવામાં આવી છે" અથવા "આ ચોરાયેલી આર્ટિફેક્ટ જેવું લાગે છે" એ શરૂઆત છે. કાનૂની અને વૈજ્ઞાનિક નિષ્કર્ષ એ નિષ્ણાત અને સક્ષમ અધિકારીની બાબત છે; ખોટો આરોપ એ ચૂકી ગયેલા પુરાવા જેટલો હાનિકારક છે.

સાવધાન: લૂંટનો સામનો કરવા માટે AI નો ઉપયોગ કરતી વખતે પણ તમારે ચોક્કસ સ્થાનની માહિતી જાળવવી આવશ્યક છે. વ્યંગાત્મક રીતે, જો બેદરકારીપૂર્વક શેર કરવામાં આવે તો રક્ષણાત્મક વિશ્લેષણ લૂંટારાઓને નકશો પ્રદાન કરી શકે છે. સાચવણીનો ડેટા ઓછામાં ઓછો શોધ જેટલો ગોપનીય છે.

એન્ડ-ટુ-એન્ડ વર્કફ્લો: એક ઉદાહરણ પ્રોજેક્ટ

ચાલો શરૂઆતથી અંત સુધી એક સર્વેક્ષણ અને મૂલ્યાંકન પ્રોજેક્ટને ધ્યાનમાં લઈએ; દરેક પગલા પર, AI અને મનુષ્યની ભૂમિકા સ્પષ્ટ છે:

1. આયોજન. કાનૂની પરવાનગીઓ મેળવવામાં આવે છે, AI વપરાશ નિવેદન અને ગોપનીયતા યોજના લખવામાં આવે છે. (માનવ: જવાબદારી)
2. તપાસ. રિમોટ સેન્સિંગ અને LiDAR અને AI શક્ય વિસ્તારોને ચિહ્નિત કરે છે. (AI: સ્ક્રીનીંગ; માનવ: નાબૂદી)
3. જમીનની પુષ્ટિ. પ્રાધાન્યતા બિંદુઓ સાઇટ પર તપાસવામાં આવે છે. (માનવ: અવલોકન)
4. દસ્તાવેજીકરણ. શોધો અને બંધારણો ફોટોગ્રામેટ્રી દ્વારા દસ્તાવેજીકૃત કરવામાં આવે છે. (AI: મોડેલ; માનવ: સ્કેલ/ટિપ્પણી)
5. પ્રક્રિયા શોધો. વિઝ્યુઅલ જૂથ અને વર્ણન કરવામાં આવે છે. (AI: પ્રારંભિક વર્ગીકરણ; માનવ: એટ્રિબ્યુશન)
6. નોંધણી. તે પ્રમાણિત ડેટાબેઝમાં દાખલ થયેલ છે. (AI: નિયમન; માનવ: અખંડિતતા)
7. વિશ્લેષણ. ડેટિંગ અને આંકડા હાથ ધરવામાં આવે છે. (AI: ગણતરી; માનવ: પદ્ધતિ/અર્થઘટન)
8. સાહિત્ય. તેની સરખામણી વાસ્તવિક સ્ત્રોતો સાથે કરવામાં આવે છે. (AI: સારાંશ; માનવ: એટ્રિબ્યુશન પુષ્ટિ)
9. અહેવાલ અને પ્રકાશન. પારદર્શક, સ્ત્રોત, મૂળ લખાણ લખાયેલ છે. (માનવ: ટિપ્પણી, સહી)
10. રક્ષણ અને શેરિંગ. દેખરેખ સ્થાપિત કરવામાં આવે છે, લોકો માટે પ્રમાણિક કથા તૈયાર કરવામાં આવે છે. (માનવ+સમુદાય)

ત્રણ-પગલાની ચકાસણી (સ્રોતની લિંક, સ્વતંત્ર હકીકત-તપાસ, નિષ્ણાત ફિલ્ટરિંગ) અને સંવેદનશીલ ડેટા સુરક્ષા દરેક પગલા પર લાગુ થાય છે.

ત્રણ નાના કેસો

કેસ 1 - પારદર્શક જાહેરાતથી વિશ્વાસ ઊભો થયો. એક ટીમે તેમના પ્રકાશનમાં સ્પષ્ટપણે લખ્યું છે કે તેઓએ કયા કાર્યોમાં AI (HTR, પ્રારંભિક વર્ગીકરણ, અનુવાદ ડ્રાફ્ટ) નો ઉપયોગ કર્યો અને તેઓએ તેની ચકાસણી કેવી રીતે કરી. સમીક્ષકોએ આ પારદર્શિતાનું વિશ્વસનીયતા તરીકે મૂલ્યાંકન કર્યું; છુપાયેલ ઉપયોગ શંકા પેદા કરશે.

કેસ 2 - લૂંટની તપાસ દરમિયાનગીરી તરફ દોરી ગઈ. એક સંસ્થાએ AI સેટેલાઇટ વિશ્લેષણ દ્વારા એક સિઝનમાં એક સાઇટ પર દેખાતા લગભગ 300 બગાડ ખાડાઓનું દસ્તાવેજીકરણ કર્યું; નિષ્ણાતોની ચકાસણી પછી, તેની જાણ અધિકારીઓને કરવામાં આવી હતી અને વિસ્તારને સુરક્ષા હેઠળ લેવામાં આવ્યો હતો. એકલા માનવ આંખને પકડવા માટે સ્કેલ ખૂબ મોટો હતો.

કેસ 3 - શંકાસ્પદ ઉત્પત્તિ બંધ. એક સંશોધકે ઓનલાઈન વેચાણમાં AI એ ચિહ્નિત કરેલ ઑબ્જેક્ટના ઉત્પત્તિની તપાસ કરી; ઑબ્જેક્ટના ઇતિહાસમાં એક અસ્પષ્ટ અંતર હતું અને તે જાણીતું લૂંટનું સ્થળ હતું. તપાસકર્તાએ ઑબ્જેક્ટ સાથે કામ કરવાનો ઇનકાર કર્યો અને પરિસ્થિતિની જાણ કરી. એઆઈએ તેનું ધ્યાન ખેંચ્યું હતું; નૈતિક સિદ્ધાંતે નિર્ણય લીધો.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) ડ્રાફ્ટ AI ઉપયોગ ઘોષણા:

તમારી ભૂમિકા: સંશોધન નીતિશાસ્ત્ર સહાયક. હું નીચેના પ્રોજેક્ટનું વર્ણન કરીશ. મને "AI વપરાશ નિવેદન"નો ડ્રાફ્ટ આપો: કયા કાર્યોમાં AI નો ઉપયોગ કરવામાં આવશે, જ્યાં ડેટા પર પ્રક્રિયા કરવામાં આવશે, કયા ચકાસણી પગલાં લાગુ કરવામાં આવશે, કયા સંવેદનશીલ ડેટાને સુરક્ષિત કરવામાં આવશે, ઉપયોગની પારદર્શક રીતે જાણ કેવી રીતે કરવામાં આવશે. ભારપૂર્વક જણાવો કે કાનૂની જવાબદારી વ્યક્તિની છે.

2) ઉત્પત્તિ જોખમ નિયંત્રણ:

હું ઑબ્જેક્ટના ઇતિહાસનું મૂલ્યાંકન કરીશ. ઉત્પત્તિ (માલિકીનો ઇતિહાસ) ના સંદર્ભમાં મારે કયા પ્રશ્નો પૂછવા જોઈએ, લૂંટ/દાણચોરીના સંકેતો શું હોઈ શકે છે, મારે કયા દસ્તાવેજો જોવા જોઈએ? કાનૂની અને નૈતિક લાલ ધ્વજની સૂચિ બનાવો. અંતિમ નિર્ણય ન કરો; ચકાસવાના બિંદુઓને દૂર કરો.

3) એન્ડ-ટુ-એન્ડ ચકાસણી સૂચિ:

હું નીચેના પ્રોજેક્ટના પગલાં આપીશ: [સૂચિ]. દરેક પગલા માટે, કંટ્રોલ ચાર્ટ કોલમ સાથે ઉભરી આવે છે: AI ની ભૂમિકા, માનવ નિર્ણય, ફરજિયાત ચકાસણી અને સંવેદનશીલ ડેટા જોખમ. ખાતરી કરો કે અંતિમ અર્થઘટન/નિર્ણય કોઈ પણ પગલા પર માનવ તરફથી લેવામાં ન આવે.

4) નૈતિક/કાનૂની પ્રી-સ્ક્રીનિંગ:

નૈતિક અને કાયદાકીય દ્રષ્ટિકોણથી નીચેની યોજનાની સમીક્ષા કરો: શું ત્યાં કોઈ પરમિટની જરૂર છે, શું ત્યાં સંવેદનશીલ સ્થાન/માનવ અવશેષો છે, શું સમુદાયની સંડોવણી જરૂરી છે, શું કોઈ ઉદ્ભવ સમસ્યા છે, શું AI નો ઉપયોગ પારદર્શક છે? પરામર્શ કરવા માટે જોખમો અને સત્તાવાળાઓની સૂચિ બનાવો. કાનૂની સલાહ આપશો નહીં; મને કહો કે કોની સલાહ લેવી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

AI ને આ પ્રોજેક્ટમાં બધું કરવા દો, પરિણામો અને રિપોર્ટ્સ ઝડપથી ઉત્પન્ન કરો.

આ અભિગમ AI ને અર્થઘટન અને જવાબદારી સોંપે છે; તે એક પરિણામ ઉત્પન્ન કરે છે જે ચકાસાયેલ નથી, શંકાસ્પદ મૂળનું છે અને નૈતિક અને કાનૂની જોખમોને નજરઅંદાજ કરે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: પ્રોજેક્ટ સંકલન સહાયક. આ પ્રોજેક્ટના દરેક પગલા માટે, એક યોજના ઉભરી આવે છે જે અલગ પાડે છે કે AI ક્યાં ડ્રાફ્ટ/સ્કેન બનાવશે અને જ્યાં માનવી ટિપ્પણીઓ, નિર્ણયો અને સહીઓ કરશે. દરેક પગલામાં પ્રમાણીકરણ અને સંવેદનશીલ ડેટા સુરક્ષા ઉમેરો. કાનૂની અધિકૃતતા, ઉત્પત્તિ અને પારદર્શિતા તપાસો શામેલ કરો. દરેક પગલા પર જણાવો કે અંતિમ જવાબદારી વ્યક્તિની રહે છે.

તફાવત: પ્રથમ વાહનને જવાબદારી સ્થાનાંતરિત કરે છે; બીજું, તે AIનો યોગ્ય જગ્યાએ ઉપયોગ કરે છે અને માણસમાં નિર્ણય અને પ્રમાણિકતા રાખે છે.

નૈતિકતા અને વર્કફ્લો સારાંશ કોષ્ટક

સિદ્ધાંત

અર્થ

AI ની મર્યાદા

કાયદેસરતા

પરવાનગી, કાયદો, કરાર

કાયદાકીય અભિપ્રાય આપી શકતા નથી

ઉત્પત્તિ

શું માલિકીનો ઇતિહાસ સ્વચ્છ છે?

શંકાના ગુણ, ન્યાય કરતા નથી

સંવેદનશીલ ડેટા

સ્થિતિ/અવશેષ સાચવેલ

ખુલ્લા વાહનો પર મંજૂરી નથી

પારદર્શિતા

AI નો ઉપયોગ જાહેર કરવામાં આવ્યો છે

ઉપયોગ છુપાયેલ નથી

જવાબદારી

અર્થઘટન અને નિર્ણય વ્યક્તિનો છે

સંમતિનું સ્થાન લેતું નથી

સામાન્ય ભૂલો

• AI ને જવાબદારી ટ્રાન્સફર કરવી. અર્થઘટન, નિર્ણય અને સહી હંમેશા માણસના હાથમાં હોય છે.
• AI નો ઉપયોગ છુપાવો. પારદર્શિતા એ વૈજ્ઞાનિક અખંડિતતાનો એક ભાગ છે.
• પ્રશ્ન વિના ઉત્પત્તિ સ્વીકારવી. અસ્પષ્ટ ભૂતકાળ લૂંટની નિશાની હોઈ શકે છે.
• સુરક્ષા ડેટાની બેદરકારીથી વહેંચણી. ચોક્કસ સ્થાન લૂંટારા માટે એક નકશો હોઈ શકે છે.
• કાનૂની સલાહકાર માટે AI ભૂલ કરવી. સક્ષમ અધિકારી પાસેથી કાનૂની જવાબો પ્રાપ્ત થાય છે.

સારાંશમાં

નૈતિક અને કાનૂની માળખું મોડ્યુલના તમામ સાધનોને એકસાથે ધરાવે છે. AI; લૂંટ સામે લડવાથી લઈને પ્રોજેક્ટ સંકલન સુધી તે એક શક્તિશાળી સહાય છે, પરંતુ અર્થઘટન, સાંસ્કૃતિક એટ્રિબ્યુશન, સંરક્ષણનો નિર્ણય, મૂળ ચુકાદો અને કાનૂની જવાબદારી મનુષ્યની છે. દરેક પગલામાં પારદર્શિતા, સંવેદનશીલ ડેટા સુરક્ષા, ત્રણ-પગલાની ચકાસણી અને સામુદાયિક જોડાણ લાવો. ભૂતકાળ નાજુક અને અનન્ય છે; વાહન જે તેને વેગ આપે છે તે જવાબદારીને બદલી શકતું નથી જે તેને સુરક્ષિત કરે છે.

એપ્લિકેશન કાર્ય

એક નાનો પુરાતત્વીય પ્રોજેક્ટ (વાસ્તવિક અથવા કાલ્પનિક) ડિઝાઇન કરો અને "એન્ડ-ટુ-એન્ડ વેરિફિકેશન લિસ્ટ" ટેમ્પ્લેટ સાથે દરેક પગલા માટે AI ભૂમિકા, માનવ નિર્ણય, ચકાસણી અને સંવેદનશીલ ડેટાના કૉલમ સાથે એક ટેબલ બનાવો. પછી તમારા પ્રોજેક્ટની પારદર્શિતા અને નૈતિકતાનું માળખું "ડ્રાફ્ટ AI ઉપયોગ ઘોષણા" અને "નૈતિક/કાનૂની પ્રી-સ્ક્રીનિંગ" નમૂનાઓ સાથે લખો. ઑબ્જેક્ટ દાખલા માટે "પ્રોવેનન્સ રિસ્ક ચેક" કરો.

ચેકલિસ્ટ

• [ ] મેં દરેક પગલા પર AI અને માનવ નિર્ણયની ભૂમિકાને અલગ કરી.
• [ ] મેં પારદર્શક રીતે AI નો ઉપયોગ જાહેર કર્યો છે.
• [ ] મેં સંવેદનશીલ સ્થાન, આર્ટિફેક્ટ અને સંરક્ષણ ડેટાને સુરક્ષિત રાખ્યો છે.
• [ ] મેં મૂળ અને કાનૂની જોખમો તપાસ્યા અને તેમને જરૂરી સત્તાવાળાઓને મોકલ્યા.
• [ ] મેં અંતિમ અર્થઘટન, નિર્ણય અને હસ્તાક્ષર માનવમાં રાખ્યા.

મોડ્યુલ પરીક્ષા

1. પુરાતત્વ અને સાંસ્કૃતિક વારસામાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે નીચેનામાંથી કયું સ્થાન સૌથી સચોટ છે?

• A) કૃત્રિમ બુદ્ધિ નિષ્ણાતની મંજૂરી વિના શોધના સમયગાળા અને સંસ્કૃતિને ચોક્કસપણે નિર્ધારિત કરી શકે છે
• બી) કૃત્રિમ બુદ્ધિ માત્ર સુંદર છબીઓ બનાવવા માટે જ ઉપયોગી છે, તેને વૈજ્ઞાનિક કાર્યપ્રવાહ સાથે કોઈ લેવાદેવા નથી
• C) કૃત્રિમ બુદ્ધિ એ વર્ગીકરણ, માપન, સ્ક્રીનીંગ અને ડ્રાફ્ટિંગ સાધન છે; અર્થઘટન, એટ્રિબ્યુશન અને અંતિમ જવાબદારી નિષ્ણાત પાસે રહે છે ✔
• ડી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ હંમેશા મનુષ્યો કરતાં વધુ નિષ્પક્ષ હોવાથી, ડેટિંગનો નિર્ણય તેના પર છોડવો જોઈએ.

વર્ણન: કૃત્રિમ બુદ્ધિ; તે એક સહાયક છે જે શોધના ડ્રાફ્ટનું વર્ગીકરણ, માપ, સ્કેન, સારાંશ, અનુવાદ અને ઉત્પાદન કરે છે. અર્થઘટન, સાંસ્કૃતિક-કાલક્રમિક સંદર્ભ, સંરક્ષણ નિર્ણય અને અંતિમ જવાબદારી સક્ષમ નિષ્ણાતની છે; વણચકાસાયેલ પ્રિન્ટઆઉટ ખોટી તારીખ, બનાવટી સ્ત્રોત અથવા લીક થયેલ સાઇટ સ્થાન તરફ દોરી શકે છે. પુરાતત્વ એ માનવ વિજ્ઞાન છે અને ઉચ્ચ-પરિણામ, બદલી ન શકાય તેવું ક્ષેત્ર છે.

2. મળેલ ઇમેજ વિશ્લેષણમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે સિરામિક પીસ આપતી વખતે સૌથી યોગ્ય અભિગમ કયો છે?

• A) એક જ ફોટોગ્રાફમાંથી ચોક્કસ સભ્યતા, ઉંમર અને કાર્ય એટ્રિબ્યુશનની જરૂર છે
• બી) માત્ર અવલોકનક્ષમ લક્ષણોનું નિષ્પક્ષપણે વર્ણન કરવામાં આવ્યું છે અને નિષ્ણાત સંદર્ભ સૂચિ સાથે એટ્રિબ્યુશન નિર્ણય લે છે. ✔
• સી) કૃત્રિમ બુદ્ધિમત્તાના પ્રથમ સંદર્ભને પ્રશ્ન વિના સ્વીકારવું, દુર્લભ શોધમાં પણ
• ડી) ફોટો ગુણવત્તા, સ્કેલ અને રંગ કાર્ડને ધ્યાનમાં લીધા વિના ઝડપથી વર્ગીકૃત કરો

સમજૂતી: 'તે શું છે' (કાળ/સંસ્કૃતિ સંદર્ભ)ને બદલે AIને 'તે કેવું દેખાય છે' (તટસ્થ વર્ણન: સ્વરૂપ, સપાટી, રંગ, શણગાર) પૂછવું સલામત છે. સંદર્ભ સૂચિ સાથે નિષ્ણાત દ્વારા સંદર્ભનો નિર્ણય લેવામાં આવે છે; વધુમાં, જો મેટાવિઝ્યુઅલ ડેટા જેમ કે કણક, પ્રોફાઇલ અને સંદર્ભ ઉમેરવામાં આવે છે, તો જૂથની ચોકસાઈ વધે છે. AI દુર્લભ ઉદાહરણોને સૌથી વધુ પરિચિત પેટર્નમાં દબાણ કરે છે.

3. રિમોટ સેન્સિંગમાં, ઉપગ્રહ અથવા LiDAR ઇમેજમાં કૃત્રિમ બુદ્ધિ દ્વારા ચિહ્નિત થયેલ વિસંગતતા માટે યોગ્ય વલણ શું છે?

• એ) બિંદુ એ 'ઉમેદવાર' છે; જમીનની પુષ્ટિ દ્વારા ચકાસણી વિના તેને સાઇટ જાહેર કરવામાં આવતી નથી અને તેનું સ્થાન સુરક્ષિત છે ✔
• બી) બિંદુ સીધી શોધ છે અને તેના ચોક્કસ કોઓર્ડિનેટ્સ સાથે તરત જ સાર્વજનિક થવું જોઈએ.
• C) આર્ટિફિશિયલ ઇન્ટેલિજન્સ ભૂમિતિ જુએ છે, તેથી કુદરતી/આધુનિક સમજૂતીઓને દૂર કરવાની જરૂર નથી.
• ડી) તમામ સંજોગોમાં એક જ છબી પૂરતી છે; મોસમ અને પદ્ધતિ તફાવતો બિનમહત્વપૂર્ણ છે

વર્ણન: કૃત્રિમ બુદ્ધિ દ્વારા ચિહ્નિત થયેલ દરેક બિંદુ એ એક પૂર્વધારણા છે જે ક્ષેત્રમાં પુષ્ટિ કરવાની જરૂર છે; તે શોધ નથી. ઘણા ચિહ્નો કુદરતી (ભૌગોલિક) અથવા આધુનિક (કૃષિ, મકાન) હોઈ શકે છે અને તેને દૂર કરવા જોઈએ. વધુમાં, સંવેદનશીલ સ્થળોને લૂંટફાટથી સુરક્ષિત રાખવું જોઈએ, ખુલ્લા વાહનોના સંપર્કમાં ન આવવા જોઈએ અને હવામાં અસ્પષ્ટ થવું જોઈએ.

4. ફોટોગ્રામેટ્રી સાથે 3D દસ્તાવેજીકરણમાં સૌથી વધુ જટિલ વૈજ્ઞાનિક આવશ્યકતાઓ અને સૌથી મોટા જોખમો શું છે?

• એ) એકમાત્ર માપદંડ એ છે કે મોડેલ વાસ્તવિક દેખાય છે; સ્કેલ અને જગ્યાઓ બિનમહત્વપૂર્ણ છે
• બી) મોડેલ આપોઆપ અને ચોક્કસપણે કહે છે કે દિવાલ શું છે અને કુદરતી પથ્થર શું છે, તેથી અર્થઘટનની જરૂર નથી.
• C) ગુમ થયેલ ભાગોમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ ભરવું હંમેશા સલામત છે અને દસ્તાવેજીકરણ મૂલ્યમાં વધારો કરે છે.
• ડી) સ્કેલ બાર અને નિયંત્રણ બિંદુઓ આવશ્યક છે; ખૂટતો ડેટા ભરેલ નથી - ચિહ્નિત, પુરાવા અને અનુમાન અલગ કરવામાં આવ્યા છે ✔

વર્ણન: સ્કેલ બાર અને નિયંત્રણ બિંદુઓ આવશ્યક છે; સ્કેલ વિનાનું મોડેલ 'સુંદર' હોવા છતાં, તે વૈજ્ઞાનિક રીતે નકામું છે કારણ કે તેમાંથી કોઈ વાસ્તવિક માપ લઈ શકાતું નથી. સૌથી મોટું જોખમ એ છે કે AI ગુમ થયેલ ડેટાને 'બુદ્ધિગમ્ય' સપાટી સાથે ભરી દેશે, જે વાસ્તવમાં જોવામાં ન આવી હોય તેવી વિગત ઉત્પન્ન કરશે; તેથી, નબળા/ભરેલા વિસ્તારોને અનુમાનિત પૂર્ણતાથી દૃષ્ટિની રીતે જુદા પાડતા, ચિહ્નિત કરવા જોઈએ.

5. ખોદકામ લોગીંગ અને ડેટાબેઝમાં AI સાથે કામ કરતી વખતે ડેટાની અખંડિતતા જાળવવાની યોગ્ય રીત કઈ છે?

• A) કૃત્રિમ બુદ્ધિમત્તાને ખૂટતા ક્ષેત્રોને પૂર્ણ કરવા દો અને કાચા ડેટાને સુધારેલ સંસ્કરણ સાથે બદલવા દો.
• બી) કાચા ડેટાને સુરક્ષિત રાખવું, ગુમ થયેલ 'અપૂર્ણ' છોડીને અને દરેક સ્વચાલિત ફેરફારને શોધી શકાય તેવું રાખવું ✔
• C) દરેકને પ્રમાણભૂત અને નિયંત્રિત શબ્દકોશનો ઉપયોગ કર્યા વિના તેઓ ઇચ્છે તે કોઈપણ શબ્દ દાખલ કરવાની મંજૂરી આપે છે
• ડી) સ્ટ્રેટગ્રાફિક અર્થઘટનને સંપૂર્ણપણે આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર છોડી દેવું અને મંજૂરી વિના હેરિસ મેટ્રિક્સને સ્વીકારવું

સમજૂતી: AI માનકીકરણ અને નિયંત્રણમાં મદદ કરે છે, પરંતુ ખૂટતો ડેટા ભરવાથી તેને બનાવવાની પરવાનગી મળે છે; ગુમ થયેલ 'અપૂર્ણ' રહેવું જોઈએ. કાચો ડેટા ક્યારેય ઓવરરાઈટ થતો નથી, દરેક સ્વચાલિત ફેરફાર શોધી શકાય તેવા રાખવામાં આવે છે અને મૂળ સાચવવામાં આવે છે. સ્ટ્રેટગ્રાફિક અર્થઘટન નિષ્ણાતનું છે; AI માત્ર તાર્કિક વિરોધાભાસ શોધે છે.

6. કૃત્રિમ બુદ્ધિ સાથે ઝાંખા શિલાલેખ અથવા જૂની હસ્તપ્રત વાંચવામાં સૌથી મોટો ભય શું છે?

• A) હસ્તપ્રતોને સ્કેન કરવા માટે કૃત્રિમ બુદ્ધિનો કોઈ ઉપયોગ નથી કારણ કે તે ખૂબ જ ધીમું છે
• B) આર્ટિફિશિયલ ઇન્ટેલિજન્સ માત્ર આધુનિક મુદ્રિત લખાણો જ વાંચી શકે છે, ઐતિહાસિક લખાણો બિલકુલ નહીં
• C) આર્ટિફિશિયલ ઇન્ટેલિજન્સ અસ્પષ્ટ ટેક્સ્ટને બનાવીને પૂર્ણ કરે છે અને અસ્ખલિત પરંતુ ખોટો અનુવાદ ઉત્પન્ન કરે છે; જે વાંચવામાં આવે છે તેની સાથે અનુમાન ભેળસેળ થઈ શકે છે ✔
• ડી) AI અનુવાદો હંમેશા સ્રોત ટેક્સ્ટ જેવા જ હોય છે, તેથી ચકાસણીની કોઈ જરૂર નથી

સમજૂતી: એપિગ્રાફીમાં, જે માનવ ક્ષેત્ર છે, સૌથી વિનાશક ભૂલ આભાસ છે: કૃત્રિમ બુદ્ધિમત્તા અસ્પષ્ટ/તૂટેલા ભાગોને 'પ્રશંસનીય' પરંતુ બનાવેલા લખાણથી ભરે છે, એવા શબ્દનું ભાષાંતર કરે છે જેનો તે અસ્ખલિત રીતે સમજી શકતો નથી પરંતુ ખોટી રીતે, અને પ્રકાશનનું અવતરણ આપી શકે છે જે અસ્તિત્વમાં નથી. ઉકેલ એ છે કે પાત્રને વાંચવું અને અનુમાનિત પૂર્ણતાને અલગ અને ચિહ્નિત રાખવું, અનુવાદને સ્રોત અને બેક-ટ્રાન્સલેશનની વિરુદ્ધ તપાસવું અને અંતિમ વાંચન નિષ્ણાત ફિલોલોજિસ્ટને સોંપવું.

7. સાહિત્ય સમીક્ષામાં કૃત્રિમ બુદ્ધિમત્તાના 'નકલી સ્ત્રોતો' ઉત્પન્ન કરવાના જોખમ સામે સૌથી અસરકારક પદ્ધતિ કઈ છે?

• A) વાસ્તવિક સ્ત્રોતો જાતે શોધો અને ટાંકો અને 'ફક્ત આપેલ સ્ત્રોત પર આધારિત' અવરોધ મૂકીને દરેક ટાંકણની પુષ્ટિ કરો ✔
• B) આર્ટિફિશિયલ ઇન્ટેલિજન્સમાંથી સીધા જ '15 મહત્વના સ્ત્રોતો સૂચવો' કહો અને ગ્રંથસૂચિમાં છે તેમ સૂચિ મૂકો.
• C) જ્યાં સુધી અવતરણનું ફોર્મેટ સાચું દેખાય ત્યાં સુધી રેકોર્ડ અસ્તિત્વમાં છે એમ માની લઈએ
• ડી) કૃત્રિમ બુદ્ધિ દ્વારા ઉત્પાદિત સારાંશને ક્યારેય સ્ત્રોત ખોલ્યા વિના વૈજ્ઞાનિક દાવામાં રૂપાંતરિત કરવું

સમજૂતી: સામાન્ય ટૂલ્સ વિશ્વાસપાત્ર પરંતુ નકલી ટાંકણો ઉત્પન્ન કરે છે જે વાસ્તવિક સૂચિને જોયા વિના બનાવેલા શીર્ષક સાથે વાસ્તવિક લેખકના નામને જોડે છે. સૌથી અસરકારક બચાવ એ છે કે વાસ્તવિક કેટલોગમાંથી સ્ત્રોતો જાતે શોધી કાઢો, કૃત્રિમ બુદ્ધિમત્તાને પાઠો આપો અને 'ફક્ત આપેલા સ્ત્રોત પર આધારિત' પ્રતિબંધ લાદવો; વધુમાં, દરેક અવતરણ સૂચિ/DOI માં પુષ્ટિ થયેલ છે અને દરેક અમૂર્ત સ્ત્રોતનો ઉલ્લેખ કરીને ચકાસવામાં આવે છે.

8. રેડિયોકાર્બન (C14) પરિણામનું અર્થઘટન કરતી વખતે નીચેનામાંથી કયું વલણ સાચું છે?

• A) પરિણામને એક ચોક્કસ વર્ષ સુધી ઘટાડીને રિપોર્ટમાંથી અનિશ્ચિતતાની શ્રેણીને દૂર કરો
• બી) સેમ્પલ ક્યાંથી અને કેવી રીતે આવે છે તેની પરવા કર્યા વિના આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ નંબર સ્વીકારવો
• સી) સહસંબંધને પ્રત્યક્ષ કાર્યકારણ તરીકે ધ્યાનમાં લેવું અને મજબૂત પરિણામ તરીકે નબળા પેટર્નને રજૂ કરવું
• ડી) પરિણામને સંભાવના શ્રેણી તરીકે લઈ જવું અને નિષ્ણાત સાથે નમૂનાની માન્યતા અને પદ્ધતિ પર પ્રશ્ન ઉઠાવવો ✔

સમજૂતી: માપાંકિત રેડિયોકાર્બન તારીખ એ શક્યતાઓની શ્રેણી છે (દા.ત. 800-680 BC 95% વિશ્વાસ સાથે), એક પણ ચોક્કસ વર્ષ નથી. અનિશ્ચિતતાને એક વર્ષ સુધી ઘટાડવી એ વૈજ્ઞાનિક વિકૃતિ છે. વધુમાં, 'કચરો અંદર, કચરો બહાર કાઢો' ના સિદ્ધાંત સાથે, નમૂનાની માન્યતા (જૂનું લાકડું, દૂષણ, મિશ્ર સંદર્ભ) પર પ્રશ્ન થવો જોઈએ અને પદ્ધતિની પસંદગી નિષ્ણાત પર છોડી દેવી જોઈએ.

9. સાંસ્કૃતિક વારસો વ્યવસ્થાપનમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ મોનિટરિંગ ચેતવણીઓ અને પુનઃસ્થાપન ભલામણોનું મૂલ્યાંકન કેવી રીતે કરવું જોઈએ?

• A) જ્યારે AI ધ્વજને નુકસાન પહોંચાડે છે, ત્યારે તે પુષ્ટિની જરૂર વગર ચોક્કસ માળખાકીય આકારણી છે
• બી) મોનિટરિંગ ચેતવણીઓ ક્ષેત્ર/નિષ્ણાત પુષ્ટિ સાથે જોડાયેલ છે; વિઝ્યુલાઇઝેશન ભૌતિક પુનઃસંગ્રહના અફર નિર્ણયને બદલતું નથી ✔
• C) કૃત્રિમ બુદ્ધિ દ્વારા ઉત્પાદિત પૂર્ણ કરેલી છબીને પુનઃસ્થાપન યોજના તરીકે સીધી રીતે લાગુ કરી શકાય છે
• ડી) કારણ કે સંરક્ષણ નિર્ણયો તકનીકી છે, તેઓ કાયદા અને સમુદાયની ભાગીદારીને બાકાત રાખવા જોઈએ

વર્ણન: કૃત્રિમ બુદ્ધિ એ મોનિટરિંગમાં પ્રારંભિક ચેતવણી સાધન છે: તે તિરાડો, સપાટીના નુકસાન અથવા બગાડને ચિહ્નિત કરે છે, પરંતુ દરેક ચેતવણીને ભૂપ્રદેશ અને નિષ્ણાત પુષ્ટિની જરૂર છે. તે જે 'પુનઃસ્થાપિત' છબી બનાવે છે તે વિઝ્યુલાઇઝેશન છે, ભૌતિક પુનઃસ્થાપન યોજના નથી; સંરક્ષણના નિર્ણયો ઓછામાં ઓછા હસ્તક્ષેપ, વિપરીતતા, વિશિષ્ટતા અને વિશિષ્ટતા, આંતરશાખાકીય કુશળતા, કાયદો અને સમુદાયની ભાગીદારીના સિદ્ધાંતો પર આધારિત છે.

10. સંગ્રહાલય પ્રદર્શનમાં કૃત્રિમ બુદ્ધિ દ્વારા ઉત્પાદિત પુનર્નિર્માણ છબીનો ઉપયોગ કરતી વખતે નૈતિક જવાબદારી શું છે?

• A) જો છબી પર્યાપ્ત વાસ્તવિક છે, તો મુલાકાતીને ગેરમાર્ગે દોરવાનું ટાળવા માટે તેને લેબલ કરવાની જરૂર નથી
• બી) આકર્ષકતા એ સૌથી મહત્વપૂર્ણ માપદંડ હોવાથી, અનિશ્ચિતતાને છુપાવવી અને એક ચોક્કસ વાર્તા રજૂ કરવી જરૂરી છે.
• C) છબીને 'પુનઃનિર્માણ' તરીકે સ્પષ્ટ રીતે ચિહ્નિત કરવું જોઈએ, તત્વોને પુરાવાના સ્તર અનુસાર લેબલ કરવા જોઈએ અને પુરાવાને કલ્પનાથી અલગ કરવા જોઈએ ✔
• ડી) અપ્રમાણિત રંગો અને સજાવટને 'વાસ્તવિક' તરીકે રજૂ કરવાથી પ્રદર્શન વધુ શૈક્ષણિક બને છે.

સમજૂતી: પુનઃનિર્માણ કલ્પના સાથે ચાલુ રહે છે જ્યાં પુરાવા સમાપ્ત થાય છે, અને AI સુરક્ષિત રીતે અંતર બનાવી શકે છે અને ક્લિચમાં સરકી શકે છે. મુલાકાતીને વાસ્તવિકતાની આગાહીને ભૂલથી અટકાવવા માટે, સ્પષ્ટપણે જણાવવું જોઈએ કે છબી એક 'પુનઃનિર્માણ' છે (વાસ્તવિક ફોટોગ્રાફ નથી), વસ્તુઓને પુરાવાના સ્તર અનુસાર લેબલ કરવી જોઈએ, પુરાવા કાલ્પનિકથી અલગ કરવા જોઈએ, અને જ્યાં શક્ય હોય ત્યાં વૈકલ્પિક અર્થઘટન પ્રદાન કરવું જોઈએ. આકર્ષણ પહેલા ચોકસાઈ આવે છે.

11. પુરાતત્વીય નીતિશાસ્ત્રમાં 'પ્રોવેનન્સ' અને 'પ્રોવેનન્સ' વચ્ચે શું તફાવત અને મહત્વ છે?

• A) પ્રાગટ્ય એ ઘટના/સંદર્ભ (વૈજ્ઞાનિક મૂલ્ય)નું સ્થળ છે, ઉત્પત્તિ એ માલિકીનો ઇતિહાસ છે (કાયદેસરતાનો પુરાવો); ✔ અનિશ્ચિત ઉત્પત્તિના બગાડની નિશાની હોઈ શકે છે
• બી) બંને એક જ વસ્તુ છે અને માત્ર એક વસ્તુનું નાણાકીય મૂલ્ય દર્શાવે છે
• સી) ઑબ્જેક્ટ સાથે કામ કરવું હંમેશાં સરળ હોય છે, પછી ભલે તે ઉદ્ભવ અનિશ્ચિત હોય
• ડી) ઉત્પત્તિ એ વસ્તુની કિંમત છે, ઉત્પત્તિ એ તેનું વજન છે

વર્ણન: પ્રોવેનિયન્સ એ ખોદકામમાં મળેલી શોધનું ચોક્કસ સ્થાન અને સંદર્ભ છે; વૈજ્ઞાનિક મૂલ્યનો સ્ત્રોત છે. ઉત્પત્તિ એ ઑબ્જેક્ટની શોધ પછી તેની માલિકી અને માલિકીના ફેરફારનો ઇતિહાસ છે; તે કાયદેસરતાનો પુરાવો છે. અનિશ્ચિત ઉત્પત્તિની વસ્તુ લૂંટી લેવામાં આવી હશે; સંગ્રહાલયો અને સંશોધકો આવી વસ્તુઓ સાથે કામ કરવાનું ટાળે છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ શંકાસ્પદ ઉત્પત્તિને ફ્લેગ કરવામાં મદદ કરે છે, પરંતુ તે નિષ્ણાત અને સક્ષમ અધિકારી પર નિર્ભર છે.

12. સંવેદનશીલ સ્થળોના સંદર્ભમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ કરતી વખતે અને લૂંટનો સામનો કરતી વખતે ધ્યાન આપવાનો સૌથી મહત્વપૂર્ણ મુદ્દો શું છે?

• A) સંવેદનશીલ સ્થાનોને સાર્વજનિક રૂપે શેર કરવું સલામત છે કારણ કે તે સુરક્ષા હેતુઓ માટે છે.
• B) જ્યારે AI કહે છે કે 'આ વસ્તુ લૂંટી લેવામાં આવી છે', ત્યારે નિષ્ણાતની જરૂર વગર આ એક નિશ્ચિત કાનૂની ચુકાદો છે.
• સી) લૂંટફાટ સામેની લડાઈને ઝડપી બનાવવા માટે, ખુલ્લા વાહનોમાં તમામ સાઇટ કોઓર્ડિનેટ્સ દાખલ કરવા જરૂરી છે.
• ડી) સાચવણીની માહિતી ઓછામાં ઓછી શોધ જેટલી સંવેદનશીલ હોય છે; વાહનો ખોલવા માટે ચોક્કસ સ્થાનો આપવામાં આવતા નથી, તેઓ સુરક્ષિત સિસ્ટમમાં રાખવામાં આવે છે ✔

વર્ણન: AI એ સેટેલાઇટ ટ્રેકિંગ અને ઑનલાઇન વાણિજ્યના સ્કેનિંગ સાથે લૂંટનો સામનો કરવા માટે એક શક્તિશાળી સાધન છે, પરંતુ જો બેદરકારીપૂર્વક શેર કરવામાં આવે તો રક્ષણાત્મક વિશ્લેષણ પણ લૂંટારાઓને નકશો પ્રદાન કરી શકે છે. ચોક્કસ કોઓર્ડિનેટ્સ, અપ્રકાશિત શોધો અને ચોક્કસ સ્થાનો અપ્રુવ્ડ ઓપન ટૂલ્સ માટે જાહેર કરવામાં આવતાં નથી અને સુરક્ષિત સિસ્ટમમાં રાખવામાં આવે છે; પ્રિઝર્વેશન ડેટા એ એક સંપત્તિ છે જે ઓછામાં ઓછી તેટલી જ સુરક્ષિત હોવી જોઈએ જેટલો મળે છે.

13. પુરાતત્વીય સાહિત્યને આવરી લેવામાં કૃત્રિમ બુદ્ધિની મર્યાદાઓ વિશે કયું સાચું છે?

• A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ દરેક ભાષામાં અને દરેક તારીખે તમામ પુરાતત્વીય પ્રકાશનો જાણે છે.
• બી) ગ્રે સાહિત્ય અને વિદેશી ભાષાના સ્ત્રોતો બિનમહત્વપૂર્ણ છે, ફક્ત અંગ્રેજી સૂચકાંકો પૂરતા છે
• સી) તેનું જ્ઞાન ચોક્કસ તારીખમાં સ્થિર છે, તેની પાસે બહુભાષી અને ગ્રે સાહિત્યનું મર્યાદિત જ્ઞાન છે; જો તે કહે છે કે 'કોઈ સ્ત્રોત નથી', તો આર્કાઇવને પૂછવું જોઈએ ✔
• ડી) જ્યારે આર્ટિફિશિયલ ઈન્ટેલિજન્સ કહે છે કે 'મને કોઈ સ્ત્રોત મળી શક્યો નથી', તો તેનો અર્થ એ છે કે તે વિષય પર ખરેખર કોઈ કામ નથી.

વર્ણન: કૃત્રિમ બુદ્ધિનું જ્ઞાન ચોક્કસ તારીખે સ્થિર થાય છે; તેમાં અનુગામી ખોદકામ અને સુધારાઓનો અભાવ છે અને તે માન્ય તરીકે સ્થાનાંતરિત દૃશ્યો રજૂ કરી શકે છે. પુરાતત્વ બહુવિધ ભાષાઓમાં લખાયેલ છે; માત્ર અંગ્રેજી સ્ત્રોતો પર આધાર રાખવાથી મોટા ભાગનું સાહિત્ય ચૂકી જાય છે. વધુમાં, માહિતીનો નોંધપાત્ર હિસ્સો ગ્રે સાહિત્યમાં છે (વાણિજ્યિક/કોર્પોરેટ અહેવાલો, મહાનિબંધો) જે ડિરેક્ટરીઓમાં સરળતાથી શોધી શકાતા નથી; આર્ટિફિશિયલ ઇન્ટેલિજન્સ કાં તો આ જાણતી નથી અથવા તેને બનાવે છે.

14. પુરાતત્વીય પ્રોજેક્ટમાં એન્ડ-ટુ-એન્ડ AI નો ઉપયોગ કરવા માટે યોગ્ય માળખું શું છે?

• A) ઝડપ માટે, બધા પગલાં કૃત્રિમ બુદ્ધિમત્તા પર છોડી દો અને તેના પર અર્થઘટન અને જવાબદારી સ્થાનાંતરિત કરો
• બી) દરેક પગલા પર માનવ નિર્ણયથી AI ભૂમિકાને અલગ પાડવી, ચકાસણી અને પારદર્શક ઘોષણા ઉમેરવી, માનવ સાથે અંતિમ જવાબદારી રાખવી ✔
• C) પ્રકાશનમાં કૃત્રિમ બુદ્ધિના ઉપયોગને છુપાવીને કાર્યને વધુ વિશ્વસનીય બનાવો
• ડી) કાનૂની પરવાનગી, ઉત્પત્તિ અને સમુદાયની સંડોવણીને બાયપાસ કરીને માત્ર તકનીકી પરિણામો પર ધ્યાન કેન્દ્રિત કરવું

વર્ણન: યોગ્ય વર્કફ્લો એઆઈની ડ્રાફ્ટિંગ/સ્કેનીંગ ભૂમિકા અને દરેક પગલા પર અર્થઘટન, નિર્ણય અને હસ્તાક્ષરની માનવ ભૂમિકાને અલગ પાડે છે (શોધ, દસ્તાવેજીકરણ, શોધ પ્રક્રિયા, રેકોર્ડિંગ, વિશ્લેષણ, સાહિત્ય, પ્રકાશન, જાળવણી); તે દરેક પગલામાં ત્રણ-પગલાની ચકાસણી અને સંવેદનશીલ ડેટા સુરક્ષા ઉમેરે છે. વધુમાં, વૈજ્ઞાનિક અભ્યાસોમાં કૃત્રિમ બુદ્ધિનો ઉપયોગ પારદર્શક રીતે જાહેર કરવામાં આવે છે; છુપાવવું એ વૈજ્ઞાનિક અખંડિતતાની વિરુદ્ધ છે, અને અંતિમ જવાબદારી હંમેશા મનુષ્યની રહે છે.