નફો:
- એ હકીકતને સમજવા અને અમલમાં મૂકવાની ક્ષમતા કે બાળકનો ડેટા વિશેષ ડેટા છે અને તે KVKK અને ગોપનીયતાના દાયરામાં અનામી હોવું જોઈએ અને કુટુંબની સંમતિની જરૂર છે.
- ડેટા સુરક્ષા, સંગ્રહ અને મોડલ તાલીમમાં ઉપયોગના સંદર્ભમાં કૃત્રિમ બુદ્ધિ સાધનોનું મૂલ્યાંકન કરવાની ક્ષમતા અને સલામત એક પસંદ કરવાની ક્ષમતા
- ડાયગ્નોસ્ટિક ઓથોરિટી, કલંક, ભેદભાવ અને વર્કફ્લોમાં બાળકનું શ્રેષ્ઠ હિત જેવી નૈતિક સીમાઓ જાળવવાની ક્ષમતા
બાળકની વિકાસની ફાઇલ તે બાળકની સૌથી ઘનિષ્ઠ માહિતી ધરાવે છે: વિકાસનો ઇતિહાસ, કૌટુંબિક પરિસ્થિતિ, સ્ક્રીનીંગ પરિણામો, અવલોકનો અને કેટલીકવાર તબીબી માહિતી. જ્યારે આ માહિતી ખોટા હાથમાં આવે છે અથવા તેનો દુરુપયોગ થાય છે, ત્યારે તે આવનારા વર્ષો સુધી બાળકને નુકસાન પહોંચાડી શકે છે: એક લેબલ, એક કલંક, એક ભેદભાવ. તેથી, બાળકોના ડેટાનું રક્ષણ કરવું એ બાળ વિકાસ નિષ્ણાતની સૌથી ગંભીર જવાબદારીઓમાંની એક છે; કૃત્રિમ બુદ્ધિમત્તાના યુગમાં, આ જવાબદારી ઘણી વધી જાય છે, કારણ કે ટૂલમાં ડેટા પેસ્ટ કરવામાં સેકન્ડ લાગે છે અને તેને પૂર્વવત્ કરી શકાતો નથી. આ એકમમાં, અમે બાળ ડેટાની કાનૂની સ્થિતિ, ગોપનીયતાના સંદર્ભમાં કૃત્રિમ બુદ્ધિ સાધનોનું મૂલ્યાંકન અને નૈતિક સીમાઓને આવરી લઈશું.
પ્રથમ, કાનૂની આધાર: Türkiye માં, KVKK (પર્સનલ ડેટા પ્રોટેક્શન લો) વ્યક્તિગત ડેટાની પ્રક્રિયાને નિયંત્રિત કરે છે. બાળકના સ્વાસ્થ્ય અને વિકાસ ડેટા ખાસ વ્યક્તિગત ડેટાની શ્રેણીમાં છે; આ શ્રેણી ઉચ્ચતમ સ્તરના રક્ષણને આધીન છે. યુરોપમાં, તેની સમકક્ષ GDPR છે. બાળકના કિસ્સામાં, સંવેદનશીલતા પણ વધારે છે, કારણ કે બાળક તેના પોતાના ડેટા પર માન્ય સંમતિ આપી શકતું નથી; સંમતિ (જાણકારી સ્પષ્ટ સંમતિ) કાનૂની પ્રતિનિધિ, એટલે કે પરિવાર પાસેથી મેળવવામાં આવે છે. દરેક નિર્ણયમાં "બાળકનું શ્રેષ્ઠ હિત" નો સિદ્ધાંત પ્રવર્તે છે.
અનામીકરણ: સૌથી મૂળભૂત અને શક્તિશાળી પગલું
આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે કામ કરતી વખતે ગોપનીયતાનું રક્ષણ કરતું સૌથી મૂળભૂત, સૌથી વ્યવહારુ પગલું એ અનામીકરણ છે: ડેટામાંથી બધી ઓળખ-જાહેર માહિતી (નામ, અટક, TR ID નંબર, જન્મ તારીખ, શાળા/સંસ્થાનું નામ, સરનામું, પ્રોટોકોલ/ફાઇલ નંબર, કુટુંબના નામ) દૂર કરવી અને ફક્ત તમારી બિન-ઓળખાયેલ માહિતી માટે જરૂરી માહિતીનો ઉપયોગ કરવો. "એલિફ કાયા, 3 વર્ષ અને 2 મહિના, પાપટ્યા કિન્ડરગાર્ટન" ને બદલે "3 વર્ષ અને 2 મહિનાની છોકરી" લખવું ડેટાનું કામ કરે છે પરંતુ ઓળખ સાચવે છે.
સાવધાનીનો શબ્દ: જ્યારે બહુવિધ નાની વિગતો એકસાથે આવે ત્યારે ઓળખ ફરી ઉભરી શકે છે (આને ફરીથી ઓળખ કહેવામાં આવે છે). ઉદાહરણ તરીકે, "X ગામનો એકમાત્ર જોડિયા, તેના પિતા મુખ્ય છે" જેવી વિગતો કોઈ નામ ન હોય તો પણ વ્યક્તિ ઓળખી શકે છે. તેથી, ફક્ત નામ કાઢી નાખવું જ નહીં, પણ તેને અનન્ય બનાવતી વિગતોનું સામાન્યીકરણ કરવું પણ જરૂરી છે.
કાચો (શેર કરી શકાતો નથી)
અનામિક (શેર કરવા યોગ્ય)
એલિફ કાયા, TC 123..., જન્મ 12.03.2022.
3 વર્ષ 2 મહિનાની છોકરી
પાપત્ય કિન્ડરગાર્ટન, 3-A વર્ગ
પૂર્વશાળા સંસ્થા
તેની માતા આયશે અને પિતા મુખ્તાર છે.
માતાપિતા
ફાઇલ નંબર 2024/187
(દૂર કરેલ)
ધ્યાન આપો: સાર્વજનિક રૂપે ઉપલબ્ધ આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલ પર બાળકની ઓળખ માહિતી, સંપૂર્ણ અહેવાલ અથવા ફોટો અપલોડ કરવો એ KVKK અને ગોપનીયતાનું ઉલ્લંઘન છે અને તેને પાછી ખેંચી શકાતી નથી. ડેટા બાહ્ય સર્વર પર જાય છે અને કેટલાક ટૂલ્સ તેનો ઉપયોગ મોડેલ તાલીમ માટે કરી શકે છે. અપલોડ કરતા પહેલા હંમેશા અનામી રાખો.
સાધન પસંદગી અને ડેટા જીવનચક્ર
દરેક AI ટૂલમાં ગોપનીયતાનું સમાન સ્તર હોતું નથી. સાધનનું મૂલ્યાંકન કરતી વખતે, પૂછો: શું તે મોડેલને તાલીમ આપવામાં કાર્યક્ષમતાનો ઉપયોગ કરે છે? તે ડેટા ક્યાં સ્ટોર કરે છે અને કેટલા સમય માટે? શું તે ડેટા પ્રોસેસિંગ કરાર (કોર્પોરેટ ઉપયોગ માટે) ઓફર કરે છે? તેમના સર્વર ક્યાં છે? કોર્પોરેટ, કરારબદ્ધ અને તાલીમ સાધનો કે જે તમારા ડેટાનો ઉપયોગ કરતા નથી તે સાર્વજનિક રૂપે ઉપલબ્ધ મફત સાધનો કરતાં વધુ સુરક્ષિત છે. જો કે, સૌથી સુરક્ષિત સાધનમાં પણ, બિનજરૂરી ઓળખપત્રો શેર કરશો નહીં — અનામીકરણ એ તમામ સંજોગોમાં પ્રથમ સંરક્ષણ છે.
ડેટા લાઇફસાઇકલને ધ્યાનમાં લો: ડેટા એકત્રિત કરો (માન્ય કરો), પ્રક્રિયા (જરૂરીયાત મુજબ), સ્ટોર કરો (સુરક્ષિત, સમયસર), શેર કરો (માત્ર અધિકૃત, અનામી), અને કાઢી નાખો (જ્યારે પૂર્ણ થાય). AI ટૂલ્સમાં તમે જે કંઈપણ વળગી રહો છો તે આ લૂપની બહાર પડવાનું જોખમ ધરાવે છે.
ટીપ: તમારા મનપસંદ સંકેતોની ટોચ પર એક સખત નિયમ મૂકો: "હું આ વાર્તાલાપમાં બાળક અથવા કુટુંબની ઓળખ કરતી કોઈપણ માહિતી શેર કરીશ નહીં." આને કંટ્રોલ રીફ્લેક્સ બનાવવું સૌથી સામાન્ય ઉલ્લંઘનને અટકાવે છે (ગેરહાજરપણે ID પેસ્ટ કરવું).
નૈતિક સીમાઓ: નિદાન, કલંક, ભેદભાવ
ગોપનીયતા એક તકનીકી સમસ્યા છે, પરંતુ નૈતિકતા વ્યાપક છે. ત્રણ બાઉન્ડ્રી મહત્વપૂર્ણ છે. ડાયગ્નોસ્ટિક ઓથોરિટી: બાળ વિકાસ નિષ્ણાત સ્ક્રીનીંગ અને વિકાસલક્ષી મૂલ્યાંકન કરે છે; ચોક્કસ નિદાન એ સંબંધિત ચિકિત્સક/ક્લિનિકલ ટીમનું કામ છે. કૃત્રિમ બુદ્ધિ આ મર્યાદાને જાણતી નથી; તમે રક્ષણ કરશો. કલંક: બાળકને પ્રારંભિક અને કાયમી લેબલ (ફાઈલમાં, કુટુંબમાં, તમારા પોતાના મનમાં) સાથે ચિહ્નિત કરવું એ બાળક માટે અન્યાયી છે અને તેના વિકાસ પર નકારાત્મક અસર કરી શકે છે. ભેદભાવ અને પૂર્વગ્રહ: AI પ્રશિક્ષણ ડેટામાં પૂર્વગ્રહોને પ્રતિબિંબિત કરી શકે છે; તે ચોક્કસ સંસ્કૃતિ, લિંગ અથવા સામાજિક આર્થિક જૂથને લગતા પક્ષપાતી પરિણામો ઉત્પન્ન કરી શકે છે. નિષ્ણાતે આની નોંધ લેવી જોઈએ અને તેને સુધારવી જોઈએ. આ બધા ઉપર બાળકના શ્રેષ્ઠ હિતનો સિદ્ધાંત છે: શું દરેક નિર્ણય બાળકના ભલા માટે છે?
ચાર નકલ કરી શકાય તેવા સંકેતો
1) અનામીકરણ પ્રોમ્પ્ટ:
હું તમને એક ટેક્સ્ટ આપીશ. બાળક અથવા કુટુંબની ઓળખ (નામ, અટક, TR ID, જન્મ તારીખ, શાળા/સંસ્થા, સરનામું, ફાઇલ નંબર, અનન્ય વિગતો) ની ઓળખ જાહેર કરી શકે તેવી કોઈપણ માહિતી દૂર કરો; સામાન્ય અભિવ્યક્તિ ([છોકરી], [પૂર્વ-શાળા સંસ્થા]) સાથે બદલો. ફક્ત નામ જ નહીં, પણ વ્યક્તિની ઓળખ કરી શકે તેવી અનન્ય વિગતો પણ સામાન્ય કરો. તમે શું દૂર કર્યું તેની સૂચિ બનાવો. ટેક્સ્ટ: [કાચા]
2) વાહન ગોપનીયતા મૂલ્યાંકન પ્રોમ્પ્ટ:
મને ગોપનીયતા પ્રશ્નોની એક ચેકલિસ્ટ આપો જે નક્કી કરવા માટે મારે પૂછવું જોઈએ કે શું હું ચાઈલ્ડ ડેટા સાથે AI ટૂલનો ઉપયોગ કરી શકું છું (એજ્યુકેશન, રીટેન્શન, કોન્ટ્રાક્ટ, સર્વર સ્થાન, કાઢી નાખવામાં ઉપયોગમાં લેવાતો ડેટા છે). જવાબો બનાવશો નહીં; ફક્ત પ્રશ્નોની સૂચિ બનાવો.
3) નૈતિકતા/ઓથોરિટી કંટ્રોલ પ્રોમ્પ્ટની મર્યાદા:
નૈતિક રીતે નીચેના ટેક્સ્ટની સમીક્ષા કરો: (1) શું તે નિદાન કરે છે/સૂચિત કરે છે? (2) ત્યાં કોઈ કલંકિત લેબલ છે? (3) શું ત્યાં સાંસ્કૃતિક/લિંગ/સામાજિક આર્થિક પૂર્વગ્રહો છે? દરેક સમસ્યાને હાઇલાઇટ કરો અને સુધારેલ, સાવધ વિકલ્પ સૂચવો. ટેક્સ્ટ: [ડ્રાફ્ટ]
4) કૌટુંબિક સંમતિ માહિતી ટેક્સ્ટ પ્રોમ્પ્ટ:
કુટુંબને સંક્ષિપ્ત સૂચના/સંમતિ લખાણનો મુસદ્દો તૈયાર કરો જે ફક્ત સમજાવે છે કે હું બાળકના ડેટાનો ઉપયોગ અને રક્ષણ કેવી રીતે કરીશ. તેમાં શામેલ છે: કયો ડેટા, કયા હેતુ માટે, તે કેવી રીતે સુરક્ષિત છે, કોની સાથે શેર કરવામાં આવે છે, ઉપાડનો અધિકાર. કાનૂની સલાહ આપવી; નોંધ કરો કે તે એક ડ્રાફ્ટ છે અને સંસ્થા દ્વારા મંજૂર થયેલ હોવું આવશ્યક છે.
ત્રણ નાના કેસો
કેસ 1 — ઓળખ અપલોડ ઉલ્લંઘન. વ્યસ્ત દિવસે, નિષ્ણાત બાળકના વિકાસના અહેવાલને, સંપૂર્ણ નામ અને ID સાથે પૂર્ણ, સાર્વજનિક સાધનમાં પેસ્ટ કરે છે અને કહે છે "સારાંશ." ડેટા સંસ્થા છોડી ગયો હતો અને કુટુંબની સંમતિ મેળવવામાં આવી ન હતી. સાચો રસ્તો 1લી પ્રોમ્પ્ટ સાથે ડેટાને અનામી કરવાનો હતો અને સુરક્ષિત સાધનમાં માત્ર અનામી માહિતીનો ઉપયોગ કરવાનો હતો. આ ઉલ્લંઘન કાનૂની અને નૈતિક બંને સમસ્યા છે અને તેને ઉલટાવી શકાતી નથી.
કેસ 2 - ફરીથી ઓળખ. એક નિષ્ણાત નામ કાઢી નાખે છે પરંતુ વિગત છોડી દે છે "ગામમાં એકમાત્ર ત્રિપુટી, તેના પિતા ઇમામ છે." આ વિગત નામ વગર પણ બાળકને ઓળખે છે. નિષ્ણાત અનન્ય વિગતોને સામાન્ય બનાવવા માટે અનામીકરણને વધુ ઊંડું કરે છે: "ગ્રામીણ વિસ્તારમાં રહેતા બહુવિધ ગર્ભાવસ્થાનું બાળક." ઓળખ હવે સુરક્ષિત છે.
કેસ 3 - પૂર્વગ્રહ કરેક્શન. AI ઓછી આવક ધરાવતા કુટુંબ વિશેની સામગ્રીમાં ગર્ભિત પક્ષપાતી ધારણા ઉત્પન્ન કરે છે, જેમ કે "આ પરિવારોમાં સંડોવણી ઘણીવાર અપૂરતી હોય છે." નિષ્ણાત 3જી પ્રોમ્પ્ટ સાથે આને પકડી લે છે; નિવેદનને અપ્રમાણિત, લાંછનજનક અને ભેદભાવપૂર્ણ લાગે છે અને તેને દૂર કરે છે. તે સામગ્રીને એવી ભાષામાં ફરીથી લખે છે કે જે દરેક કુટુંબને સમાન અને આદરણીય તરીકે જુએ છે.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
હું એલિફનો સંપૂર્ણ અહેવાલ અહીં પેસ્ટ કરું છું, મૂલ્યાંકન કરું છું અને નિદાનની ભલામણ કરું છું.
સમસ્યા: ઓળખની માહિતી શેર કરવામાં આવી છે (KVKK ઉલ્લંઘન), નિદાનની વિનંતી કરવામાં આવી છે (અધિકૃતતા વધારે છે), કોઈ સંમતિ નથી, સલામત વાહન પર પ્રશ્ન નથી.
શક્તિશાળી પ્રોમ્પ્ટ:
મૂલ્યાંકન ડ્રાફ્ટ માટે નીચેના અનામિક વિકાસ સારાંશ (ઓળખની માહિતી દૂર કરવામાં આવી છે) સંપાદિત કરો. નિદાન કરવું; કલંકિત લેબલોનો ઉપયોગ કરીને; પક્ષપાતી ધારણા ટાળો. જ્યાં તમને ખાતરી ન હોય ત્યાં માર્ક કરો [એક નિષ્ણાતનું મૂલ્યાંકન કરવા દો]. સારાંશ: [અનામી]
સામાન્ય ભૂલો
- અપલોડિંગ ઓળખપત્રો: સૌથી સામાન્ય અને સૌથી ગંભીર ઉલ્લંઘન; હંમેશા અનામી.
- સુપરફિસિયલ અનામીકરણ: ફક્ત નામ કાઢી નાખવું પૂરતું નથી; અનન્ય વિગતોનું પણ સામાન્યીકરણ કરો.
- સાધનની ગોપનીયતા પર સવાલ ન ઉઠાવો: શિક્ષણ માટે તમારા ડેટાનો ઉપયોગ કરતા સાધનો ટાળો.
- ડાયગ્નોસ્ટિક સીમા પાર કરવી: મૂલ્યાંકન એ નિદાન નથી; સત્તા ચિકિત્સક/ટીમ પાસે છે.
- પૂર્વગ્રહને ઓળખતા નથી: AI ની કલંકિત/ભેદભાવપૂર્ણ ધારણાઓને ઠીક કરો.
સારાંશમાં
બાળ ડેટા ખાસ વ્યક્તિગત ડેટા છે; તેને KVKK ના કાર્યક્ષેત્રમાં સર્વોચ્ચ સુરક્ષાની જરૂર છે અને પરિવાર પાસેથી ગોપનીયતા અને સંમતિ મેળવવામાં આવે છે. AI સાથે કામ કરતી વખતે સૌથી મજબૂત સંરક્ષણ એ અનામીકરણ છે — માત્ર નામને જ નહીં, પણ અનન્ય વિગતોને પણ સામાન્ય બનાવો જે વ્યક્તિને ઓળખી શકે. ગોપનીયતા માટે સાધનોનું મૂલ્યાંકન કરો; સલામત એક પસંદ કરો જે તાલીમમાં તમારા ડેટાનો ઉપયોગ કરતું નથી. નૈતિક સીમાઓ જાળવો (નિદાન સત્તા, કલંક, ભેદભાવ/પક્ષપાત) અને દરેક નિર્ણયમાં બાળકના શ્રેષ્ઠ હિતોને ધ્યાનમાં લો.
એપ્લિકેશન કાર્ય
બિન-અનામી (અધિકૃત, તમારા પોતાના રેકોર્ડમાંથી) પ્રગતિ નોંધ લો; તેને સ્ક્રીન પર પ્રતિબિંબિત કર્યા વિના, 1લી પ્રોમ્પ્ટના તર્કનો ઉપયોગ કરીને તેને મેન્યુઅલી અનામી બનાવો અને તમે કાઢેલી દરેક માહિતીની સૂચિ બનાવો. 2જી પ્રોમ્પ્ટ વડે ગોપનીયતાના સંદર્ભમાં તમે ઉપયોગ કરો છો તે AI સાધનનું મૂલ્યાંકન કરો. પ્રોમ્પ્ટ 3 સાથે નીતિશાસ્ત્ર/પક્ષપાત માટે ડ્રાફ્ટ તપાસો. તમે કરેલા ઓછામાં ઓછા ત્રણ સુધારાઓ નોંધો (એક અનામીકરણ, એક નીતિશાસ્ત્ર, એક પૂર્વગ્રહ).
ચેકલિસ્ટ
- [ ] મેં ડેટાને અનામી રાખ્યો છે; મેં અનન્ય વિગતોનું સામાન્યીકરણ પણ કર્યું.
- [ ] મેં ગોપનીયતાના સંદર્ભમાં ઉપયોગમાં લીધેલા સાધનનું મૂલ્યાંકન કર્યું; મેં સલામત પસંદ કર્યું.
- જ્યારે જરૂરી હોય ત્યારે મેં કુટુંબની સંમતિ મેળવી.
- [ ] મેં ડાયગ્નોસ્ટિક ઓથોરિટી મર્યાદા જાળવી રાખી છે; મેં મૂલ્યાંકન-નિદાન ભેદ લાગુ કર્યો.
- [ ] મેં કલંકિત ટૅગ્સ અને ભેદભાવપૂર્ણ/પક્ષપાતી અભિવ્યક્તિઓ દૂર કરી છે.
- [ ] મેં દરેક નિર્ણયમાં બાળકના શ્રેષ્ઠ હિતોને ધ્યાનમાં લીધા.
- [ ] મેં કોઈપણ વાહન પર ઓળખપત્ર અપલોડ કર્યું નથી.