केवीकेके, गोपनीयता और जिम्मेदार सार्वजनिक कृत्रिम बुद्धिमत्ता शासन

लाभ:

• एआई टूल में नागरिकों के व्यक्तिगत डेटा को संसाधित करते समय यह केवीकेके सिद्धांतों और डेटा न्यूनतमकरण को लागू करता है।
• यह एक संगठन के लिए एक शासन ढांचा स्थापित करता है जिसमें एआई उपयोग नीति, ऑडिट ट्रेल और जिम्मेदारी की श्रृंखला शामिल होती है।
• यह समग्र रूप से तर्क देता है कि जिम्मेदार सार्वजनिक एआई मानवीय निरीक्षण, पारदर्शिता और जवाबदेही पर बनाया गया है।

इस पूरे मॉड्यूल में, हमने देखा कि कैसे एआई सार्वजनिक रूप से एक शक्तिशाली त्वरक है: नागरिक प्रश्नों, याचिकाओं और पत्राचार, विधायी अनुसंधान, नीति विश्लेषण, रिपोर्टिंग, डेटा-संचालित निर्णय लेने, ई-सरकार और पारदर्शिता का जवाब। अब हम उस ढांचे पर आते हैं जो सब कुछ एक साथ रखता है: व्यक्तिगत डेटा सुरक्षा और जिम्मेदार शासन। जनता, अपने स्वभाव से, नागरिक के सबसे संवेदनशील डेटा को संसाधित करती है: पहचान, पता, आय, स्वास्थ्य, आपराधिक रिकॉर्ड, पारिवारिक स्थिति। एआई उपकरणों के साथ इस डेटा को संसाधित करने को केवीकेके (व्यक्तिगत डेटा संरक्षण कानून संख्या 6698; व्यक्तिगत डेटा के वैध, सीमित और सुरक्षित प्रसंस्करण को विनियमित करने वाला कानून) के ढांचे का पूरी तरह से पालन करना चाहिए। इस अंतिम इकाई में, हम सार्वजनिक एआई उपयोग की गोपनीयता और शासन रीढ़ स्थापित करेंगे - किस उपकरण को कौन सा डेटा दिया जा सकता है, कौन सी नीतियां लागू होती हैं, कौन जिम्मेदार है, एक संगठन एआई को सुरक्षित रूप से कैसे प्रबंधित करता है। यह इकाई पिछली दस इकाइयों के ऊपर रखी गई छत है।

सार्वजनिक एआई को छूने वाले केवीकेके के बुनियादी सिद्धांत

KVKK कई बुनियादी सिद्धांत निर्धारित करता है, जिनमें से प्रत्येक सीधे AI के उपयोग को सीमित करता है:

• कानून का अनुपालन और उद्देश्य का पालन: व्यक्तिगत डेटा को केवल एक विशिष्ट, वैध उद्देश्य के लिए संसाधित किया जाता है। एक उद्देश्य के लिए एकत्र किया गया डेटा (उदाहरण के लिए, मदद के लिए आवेदन करना) बिना अनुमति के किसी अन्य उद्देश्य (उदाहरण के लिए, किसी मॉडल को प्रशिक्षित करना) के लिए उपयोग नहीं किया जा सकता है।
• डेटा न्यूनीकरण: इस उद्देश्य के लिए आवश्यकता से अधिक डेटा संसाधित नहीं किया जाता है। यदि किसी श्रेणी विश्लेषण के लिए किसी नाम की आवश्यकता नहीं है, तो कोई नाम नहीं दिया गया है।
• सुरक्षा: डेटा अनधिकृत पहुंच से सुरक्षित है। नागरिक डेटा को सार्वजनिक एआई टूल में चिपकाना उस डेटा को संगठन से बाहर ले जाना है - यह सुरक्षा नीति का उल्लंघन है।
• भंडारण अवधि: उद्देश्य समाप्त होने पर डेटा हटा दिया जाता है; इसे अनिश्चित काल तक नहीं रखा जाता है.
• सूचना और अधिकार: नागरिकों को यह जानने का अधिकार है कि उनके डेटा को कैसे संसाधित किया जाता है, सही किया जाता है, हटाया जाता है और स्वचालित निर्णयों पर आपत्ति जताई जाती है।

ध्यान दें: किसी नागरिक के डेटा को सार्वजनिक एआई टूल पर अपलोड करना जिसे संस्थान ने मंजूरी नहीं दी है, जहां डेटा संग्रहीत है और उस तक किसकी पहुंच है यह स्पष्ट नहीं है, ज्यादातर मामलों में केवीकेके का उल्लंघन है और संस्थान को प्रतिबंधों के लिए खोलता है। नियम कभी भी "काम को आसान बनाने" के लिए नहीं झुकते।

कौन सा डेटा, किस वाहन को? तीन-ज़ोन मॉडल

सामान्य नियम के रूप में, डेटा को तीन क्षेत्रों में विभाजित करें:

1. लाल (सार्वजनिक वाहन में कभी प्रवेश नहीं करता): आईडी नंबर, स्वास्थ्य, अपराधी, धर्म, जातीयता, बायोमेट्रिक्स, पूरा पता, कुछ भी जो व्यक्ति की पहचान करता हो। इन्हें केवल संस्थान द्वारा अनुमोदित अनुबंधित/इन-हाउस और केवीकेके अनुरूप वातावरण में संसाधित किया जाता है।
2. पीला (सावधानीपूर्वक, छिपाकर): डेटा जो अप्रत्यक्ष रूप से व्यक्ति से जुड़ा हो सकता है। पहले अज्ञात बनाएं/एकत्रित करें, फिर प्रक्रिया करें।
3. हरा (मुक्त): अवैयक्तिक, सार्वजनिक, सामान्य जानकारी (विधायी पाठ, सार्वजनिक आँकड़े, सामान्य प्रक्रिया)। आप इन्हें AI से आसानी से प्रोसेस कर सकते हैं।

युक्ति: एआई को एक पाठ देने से पहले, 5-सेकंड का परीक्षण करें: "क्या इस सामग्री में ऐसा कुछ है जो किसी व्यक्ति की पहचान कर सके?" यदि उत्तर "हां/शायद" है, तो मास्क पहनें या अनुमोदित वाहन चलाएं। यदि संदेह हो तो लाल रंग पर विचार करें।

कॉर्पोरेट प्रशासन: व्यक्ति से सिस्टम तक

जिम्मेदार सार्वजनिक एआई को व्यक्तिगत सिविल सेवकों की सद्भावना पर नहीं छोड़ा जा सकता है; एक संस्थागत ढांचे की आवश्यकता है:

• नीति: संस्थान के पास एआई उपयोग नीति होनी चाहिए: कौन से उपकरण स्वीकृत हैं, कौन सा डेटा दर्ज किया जा सकता है, कौन जिम्मेदार है।
• स्वीकृत उपकरण सूची: कार्मिक को उन उपकरणों का उपयोग करना चाहिए जिनका संस्थान ने मूल्यांकन और अनुमोदन किया है, यादृच्छिक रूप से नहीं।
• प्रशिक्षण: कर्मचारियों को सत्यापन अनुशासन और डेटा क्षेत्र (इस मॉड्यूल की तरह) पता होना चाहिए।
• रिकॉर्डिंग और ऑडिटिंग: एआई के साथ किए गए निर्णयों का ऑडिट ट्रेल रखा जाना चाहिए।
• जवाबदेही: प्रत्येक एआई-संचालित आउटपुट का एक मानव स्वामी और अनुमोदन होना चाहिए। जिम्मेदारी संस्था और अधिकारी की है, वाहन की नहीं.
• मानव-केंद्रित सिद्धांत: कोई भी अंतिम अधिकार-सृजन/प्रतिबंधित निर्णय मानवीय सहमति के बिना नहीं किया जाता है।

तीन मिनी मामले

केस 1 - रेड डेटा लीक रोका गया। एक स्टाफ सदस्य 1,200 लोगों के लिए स्वास्थ्य लाभ की सूची का सारांश एक सार्वजनिक टूल पर अपलोड करने वाला था। एजेंसी की अनुमोदित वाहन नीति और "रेड डेटा" प्रशिक्षण के कारण यह रुक गया; डेटा को इन-हाउस अनुमोदित वातावरण में और पहचान क्षेत्रों को छिपाकर संसाधित किया गया था। संभावित केवीकेके उल्लंघन और हजारों लोगों के विश्वास की हानि को रोका गया।

केस 2 - दुरुपयोग। एक इकाई चुनाव पूर्व संचार योजना के लिए आउटरीच के लिए एकत्र किए गए डेटा का उपयोग करना चाहती थी। डेटा संरक्षण अधिकारी ने उद्देश्य के पालन के सिद्धांत को याद किया: यह उस उद्देश्य के बाहर डेटा का उपयोग था जिसके लिए इसे एकत्र किया गया था और यह गैरकानूनी था। अनुरोध अस्वीकार कर दिया गया.

केस 3 - शासन का अंतर समाप्त हो गया। एक नगर पालिका में, विभिन्न इकाइयाँ बिना नियंत्रण के विभिन्न AI उपकरणों का उपयोग कर रही थीं; कोई नहीं जानता था कि कौन सा डेटा कहां गया. एजेंसी ने एआई उपयोग नीति, अनुमोदित वाहन सूची और ऑडिट ट्रेल पेश की; 3 महीनों के भीतर, अपंजीकृत वाहन उपयोग में 90% की कमी आई और एक डेटा इन्वेंट्री बनाई गई।

चार प्रतिलिपि योग्य टेम्पलेट

1) डेटा क्षेत्र वर्गीकरण (वाहन को निर्यात करने से पहले):

आपकी भूमिका: डेटा सुरक्षा सलाहकार। एआई एजेंट को देने से पहले निम्नलिखित सामग्री को वर्गीकृत करें: लाल (व्यक्ति की पहचान करता है, सार्वजनिक वाहन में कभी प्रवेश नहीं करता है), पीला (अप्रत्यक्ष रूप से कनेक्ट करने योग्य, मुखौटा), हरा (गैर-व्यक्तिगत, मुफ़्त)। लाल/पीले क्षेत्रों को एक-एक करके चिह्नित करें और उन्हें मास्क लगाने का तरीका बताएं। संदिग्ध को लाल के रूप में गिनें। सामग्री: [पाठ]

2) छिपाना/गुमनाम करना:

निम्नलिखित पाठ को संसाधित करने से पहले सभी व्यक्तिगत डेटा को अज्ञात करें: नाम -> [व्यक्ति-1], आईडी नंबर -> [पहचान], पता ->[पता], स्वास्थ्य/जुर्माना -> [संवेदनशील]। उसी व्यक्ति को टैग करें. अज्ञात पाठ को अलग से निर्यात करें. आउटपुट में कभी भी वास्तविक डेटा न लिखें। पाठ: [पाठ]

3) केवीकेके अनुपालन चेकलिस्ट (एआई के उपयोग के लिए):

आपकी भूमिका: केवीकेके अनुपालन विशेषज्ञ। निम्नलिखित एआई उपयोग के लिए एक अनुपालन चेकलिस्ट तैयार करें: (1) वैध और विशिष्ट प्रसंस्करण का उद्देश्य है, (2) क्या यह उद्देश्य से जुड़ा है (क्या यह किसी अन्य उद्देश्य में स्थानांतरित हो रहा है), (3) क्या यह अनुकूलित है, (4) उपकरण सुरक्षित/अनुमोदित है, (5) अवधारण अवधि निश्चित है, (6) नागरिक अधिकार (आपत्ति, विलोपन) संरक्षित हैं। गुम वस्तुओं को लाल झंडे से चिह्नित करें। उपयोग: [नुस्खा]

4) कॉर्पोरेट एआई नीति ढांचा:

आपकी भूमिका: सार्वजनिक आईटी प्रशासन विशेषज्ञ। हमारे संगठन के लिए एक एआई उपयोग नीति ढांचा तैयार करें: दायरा, स्वीकृत उपकरण, डेटा क्षेत्र (लाल/पीला/हरा), निषिद्ध उपयोग, मानव अनुमोदन बिंदु, ऑडिट ट्रेल, जिम्मेदारियां, प्रशिक्षण और उल्लंघन अधिसूचना। प्रत्येक शीर्षक को 1-2 वाक्यों से भरें। संस्थान: [इकाई और विशिष्ट नौकरियां]

कमजोर संकेत/मजबूत संकेत

कमज़ोर: "संदर्भों की इस सूची को संक्षेप में प्रस्तुत करें।"

मजबूत: "आपकी भूमिका डेटा सुरक्षा सलाहकार की है। सबसे पहले, इस सूची को डेटा क्षेत्र (लाल/पीला/हरा) के आधार पर वर्गीकृत करें और व्यक्ति की पहचान करने वाले सभी क्षेत्रों को चिह्नित करें। लाल/पीले क्षेत्रों को [व्यक्ति]/[पहचान]/[संवेदनशील] के साथ छिपाएं, उसी व्यक्ति को एक ही लेबल के साथ रखें। केवल अज्ञात, एकत्रित डेटा के साथ एक श्रेणी सारांश तैयार करें; आउटपुट में वास्तविक व्यक्तिगत डेटा न लिखें। अंत में, ध्यान दें कि इस प्रक्रिया को केवीकेके के संदर्भ में कहां ध्यान देने की आवश्यकता है (उद्देश्य, भंडारण, वाहन सुरक्षा) जोड़ें।"

अंतर: शक्तिशाली प्रॉम्प्ट डेटा को संसाधित करने से पहले केवीकेके सिद्धांतों को वर्गीकृत, मास्क, न्यूनतम और एकीकृत करता है।

डेटा क्षेत्र और नियम

क्षेत्र

उदाहरण

नियम

लाल

टीआर आईडी नंबर, स्वास्थ्य, जुर्माना, पूरा पता

कभी भी सार्वजनिक वाहन में प्रवेश न करें; स्वीकृत वातावरण

पीला

आयु+पड़ोस+व्यवसाय, अप्रत्यक्ष पहचानकर्ता

मास्क/एग्रीगेट करें, फिर प्रक्रिया करें

हरा

विधान, सार्वजनिक सांख्यिकी, सामान्य प्रक्रिया

स्वतंत्र कार्य

सामान्य गलतियाँ

• सार्वजनिक उपकरण में लाल डेटा निर्यात करना। सबसे गंभीर उल्लंघन; आईडी/स्वास्थ्य/जुर्माना डेटा अनुमोदित वातावरण नहीं छोड़ता है।
• दुस्र्पयोग करना। बिना अनुमति के एक उद्देश्य के लिए एकत्र किए गए डेटा का दूसरे उद्देश्य (मॉडल प्रशिक्षण, संचार) के लिए उपयोग करना कानून के खिलाफ है।
• बहुत अधिक डेटा संसाधित करना. इस प्रयोजन के लिए अनावश्यक फ़ील्ड (नाम, पता) न हटाएँ; छोटा करना।
• बिना मंजूरी के गाड़ी चलाना. यह स्पष्ट नहीं है कि डेटा उन वाहनों में कहां जाता है जिनका संस्थान ने मूल्यांकन नहीं किया है।
• अवधारण अवधि का निर्धारण नहीं करना. उद्देश्य पूरा होने पर डेटा हटा देना चाहिए; अनिश्चित काल तक नहीं रखा जाना चाहिए.
• जिम्मेदारी गाड़ी पर डाल रहे हैं. आउटपुट का स्वामित्व और अनुमोदन मानव के पास है; "एआई ने यह किया" कोई बचाव नहीं है।

संक्षेप में

जिम्मेदार सार्वजनिक एआई की रूपरेखा व्यक्तिगत डेटा सुरक्षा और कॉर्पोरेट प्रशासन है। केवीकेके सिद्धांत - उद्देश्यपूर्णता, न्यूनतमकरण, सुरक्षा, अवधारण सीमा, नागरिकों के अधिकार - एआई के किसी भी उपयोग को सीमित करते हैं। डेटा को लाल/पीले/हरे ज़ोन में अलग करें, किसी सार्वजनिक टूल को कभी भी रेड न दें, व्यक्तिगत डेटा को छुपाएं, केवल स्वीकृत टूल का उपयोग करें, और प्रत्येक निर्णय के लिए एक मानव स्वामी को जोड़ें। संस्थागत स्तर की नीति, अनुमोदित वाहन सूची, प्रशिक्षण और निरीक्षण रिकॉर्ड; व्यक्ति स्तर पर सत्यापन का अनुशासन. इस प्रकार, AI नागरिकों के अधिकारों की रक्षा करके जनता की सेवा करता है।

आवेदन कार्य

वह वास्तविक AI उपयोग चुनें जो आपने अपनी इकाई में किया है (या करने पर विचार कर रहे हैं)। जिस सामग्री को आप संसाधित करेंगे उसे "डेटा क्षेत्र वर्गीकरण" टेम्पलेट के साथ लाल/पीले/हरे रंग में अलग करें। "केवीकेके अनुपालन चेकलिस्ट" टेम्पलेट लागू करें और कम से कम एक गुम/जोखिम भरा बिंदु ढूंढें। अंत में, "कॉर्पोरेट एआई पॉलिसी स्केलेटन" के साथ अपनी इकाई के लिए उपयुक्त एक छोटी नीति का मसौदा तैयार करें।

चेकलिस्ट

• [ ] मैंने सामग्री को लाल/पीला/हरा क्षेत्र में विभाजित किया है; मैंने संदिग्ध को लाल के रूप में गिना।
• [ ] मैंने सार्वजनिक टूल को रेड डेटा प्रदान नहीं किया; मैंने स्वीकृत मीडिया का उपयोग किया.
• [ ] मैंने व्यक्तिगत डेटा को छुपाया और अनावश्यक फ़ील्ड हटा दिए (न्यूनीकरण)।
• [ ] मैंने प्रसंस्करण के उद्देश्य, भंडारण अवधि और वाहन सुरक्षा की जांच की है।
• [ ] मैंने नागरिकों के आपत्ति/हटाने के अधिकारों का अवलोकन किया है।
• [ ] मैंने प्रत्येक आउटपुट के लिए एक मानव स्वामी और अनुमोदन संलग्न किया; मैंने एक ऑडिट ट्रेल रखा।

मॉड्यूल परीक्षा

1. एक सार्वजनिक अधिकारी के रूप में, एआई को नौकरी सौंपने से पहले आपको कौन सा सर्वोत्तम प्राथमिकता वाला प्रश्न पूछना चाहिए?

• ए) यदि यह आउटपुट गलत है तो नागरिक को क्या नुकसान होता है? ✔
• बी) एआई यह काम कितनी तेजी से कर सकता है?
• सी) क्या यह एआई टूल मुफ़्त है?
• डी) क्या दूसरी इकाई भी इस आउटपुट का उपयोग करेगी?

स्पष्टीकरण: स्थानांतरण का निर्णय गलत आउटपुट होने पर नागरिक को होने वाली क्षति के आधार पर किया जाता है। यदि पुनर्लेखन केवल कुछ ही मिनटों का हो तो क्षति आसानी से स्थानांतरित हो जाती है; यदि यह अनुचित अस्वीकृति, गलत जुर्माना या अधिकारों की हानि है, तो एआई केवल एक मसौदा तैयार करता है, निर्णय और सत्यापन अधिकारी का होता है।

2. जब AI किसी गैर-मौजूद कानून या मनगढ़ंत अदालती फैसले को वास्तविक के रूप में प्रस्तुत करता है तो इसे क्या कहा जाता है?

• ए) कैशिंग
• बी) ट्राइएज
• सी) गुमनामीकरण
• डी) मतिभ्रम ✔

स्पष्टीकरण: मतिभ्रम तब होता है जब एआई आत्मविश्वास से ऐसी जानकारी उत्पन्न करता है जो वास्तव में मौजूद नहीं है (मनगढ़ंत पदार्थ, निरस्त विनियमन, गलत संख्या)। कानून के क्षेत्र में, यह सबसे खतरनाक जोखिमों में से एक है, क्योंकि इससे अधिकारों की हानि हो सकती है और प्रशासनिक कार्रवाई रद्द हो सकती है।

3. एक अधिकारी YZ द्वारा बताए गए विनियमन लेख के आधार पर आवेदन को अस्वीकार करने वाला है। सबसे सही व्यवहार कौन सा है?

• ए) एआई सीधे अस्वीकृति लिखता है क्योंकि यह आश्वस्त लगता है
• बी) यही प्रश्न किसी अन्य एआई वाहन से पूछें और पुष्टि प्राप्त करें
• सी) Çözüm.gov.tr पर वर्तमान समेकित पाठ से लेख की पुष्टि करता है ✔
• डी) मौखिक रूप से वरिष्ठ से निर्णय पूछता है

विवरण: एआई का प्रशिक्षण डेटा एक निश्चित तिथि पर फ़्रीज़ कर दिया जाता है; इसमें दिखाया गया लेख निरस्त या परिवर्तित हो सकता है। यह पुष्टि करना कि लेख लागू है और निर्णय से पहले Çözüm.gov.tr ​​​​पर वर्तमान समेकित पाठ से इसका अंतिम संस्करण एक अनुचित अस्वीकृति और संभावित विलोपन मुकदमे को रोकता है।

4. एक नागरिक चैटबॉट के लिए यह कहना गुणवत्ता आश्वासन क्यों है कि 'मुझे नहीं पता, मैं तुम्हें एक अधिकारी के पास स्थानांतरित कर रहा हूं'?

• ए) टर्नओवर दर बढ़ाकर आंकड़ों में सुधार करता है
• बी) अनिश्चित होने पर मनुष्यों को जानकारी सौंपकर गलत सूचना को रोकता है
• C) नागरिकों का ध्यान भटकाकर कॉल का समय बढ़ा देता है
• डी) चैटबॉट को कम प्रश्न प्राप्त करने की अनुमति देता है

स्पष्टीकरण: सार्वजनिक रूप से, एक ईमानदार गलत उत्तर एक ईमानदार उत्तर की तुलना में बहुत अधिक महंगा है; इससे अधिकारों की हानि होती है और संस्था पर अविश्वास होता है। अनिश्चित होने पर चैटबॉट की मानव को सौंपने की क्षमता एक सुरक्षा तंत्र है जो भ्रामक गलत सूचना को रोकती है।

5. एआई के साथ आधिकारिक पत्राचार को 'सरलीकृत' करते समय विचार करने योग्य सबसे महत्वपूर्ण जोखिम क्या है?

• ए) पाठ बहुत छोटा है
• बी) फ़ॉन्ट बदलना
• सी) किसी शर्त या अपवाद को हटाना ✔
• डी) पते वाले के नाम की गलत वर्तनी

स्पष्टीकरण: शैलीगत अनुकूलन से सामग्री में परिवर्तन नहीं होना चाहिए। सरलीकरण करते समय, एआई कभी-कभी अपवाद, शर्त या अवधि छोड़ देता है। इसलिए, सरलीकृत पाठ की तुलना हमेशा मूल निर्णय या कानून से की जानी चाहिए।

6. नाम एवं टी.आर. एक डेटा सेट में. आप इसे क्या कहते हैं जब 'पड़ोस + जन्म का वर्ष + विकलांगता का प्रकार' का संयोजन किसी व्यक्ति को पहचान सकता है, भले ही आईडी नंबर हटा दिया गया हो?

• ए) पुनर्परिभाषा ✔
• बी) डेटा न्यूनतमकरण
• सी) कवरेज दर
• डी) समेकन

स्पष्टीकरण: गुमनाम समझे जाने वाले डेटा से अप्रत्यक्ष पहचानकर्ताओं के संयोजन के माध्यम से किसी व्यक्ति को ढूंढना पुन: पहचान है। यदि किसी एक व्यक्ति में दुर्लभ श्रेणी पाई जाती है, तो नाम हटाना पर्याप्त नहीं होगा; अतिरिक्त उपायों की आवश्यकता है, जैसे आयु को सीमा में परिवर्तित करना और दुर्लभ श्रेणियों का संयोजन।

7. इसे क्या कहा जाता है जब एक निरीक्षण मॉडल किसी ऐसे पड़ोस को 'जोखिम भरा' के रूप में चिह्नित करता है जिसका अतीत में भारी निरीक्षण किया गया है और वहां अधिक निरीक्षण भेजता है, जो मॉडल को उस पड़ोस को और अधिक जोखिम भरा देखने के लिए प्रेरित करता है?

• ए) डेटा न्यूनतमकरण
• बी) मतिभ्रम
• सी) गुमनामीकरण
• डी) फीडबैक लूप ✔

स्पष्टीकरण: फीडबैक लूप तब होता है जब मॉडल का आउटपुट बाद के प्रशिक्षण डेटा को प्रभावित करता है, मौजूदा पूर्वाग्रह को मजबूत करता है। अंतर वास्तविक जोखिम में नहीं, बल्कि इस बात में बढ़ता है कि कोई कहाँ देखता है। स्वयं को सुरक्षित रखने का तरीका परिणाम की नहीं, बल्कि प्रभाव की निगरानी करना और निर्णयों के समूह-आधारित वितरण को नियंत्रित करना है।

8. लाभ आवेदन पूरी तरह से ऑनलाइन होने के बाद, पहले महीने में आवेदनों की संख्या में 30 प्रतिशत की गिरावट आई। इसके लिए सबसे संभावित स्पष्टीकरण क्या है?

• ए) नागरिकों की वास्तविक ज़रूरतें कम हो गई हैं
• बी) इंटरनेट और डिजिटल साक्षरता के बिना नागरिकों को छोड़ दिया गया ✔
• C) सहायता राशि कम होने से ब्याज कम हो गया
• डी) सिस्टम ने स्वचालित रूप से सभी आवेदनों को मंजूरी दे दी

विवरण: डिजिटल विभाजन इंटरनेट पहुंच या डिजिटल साक्षरता के बिना नागरिकों की सेवाओं तक पहुंचने में असमर्थता है। संख्या कम हो जाती है क्योंकि सबसे जरूरतमंद समूह, बुजुर्ग और बिना इंटरनेट वाले नागरिक आवेदन नहीं कर सकते हैं। समाधान वैकल्पिक चैनलों को छोड़ना है, जैसे कि सहायता प्राप्त रेफरल बिंदु।

9. जबकि वार्षिक रिपोर्ट में वास्तविक सफलता दर 63 प्रतिशत है, YZ द्वारा निर्मित कार्यकारी सारांश कहता है 'अधिकांश आवेदन सकारात्मक थे।' सही व्यवहार क्या है?

• ए) अभिव्यक्ति को वैसे ही छोड़ दिया गया है क्योंकि यह सकारात्मक है।
• बी) अनुपात हटा दिया गया है और केवल गुणात्मक अभिव्यक्ति का उपयोग किया गया है
• सी) अभिव्यक्ति को वास्तविक संख्या 63 प्रतिशत ✔ से बदल दिया गया है
• डी) सारांश पूरी तरह से रिपोर्ट से हटा दिया गया है

स्पष्टीकरण: सार्वजनिक रिपोर्ट में अतिरंजित सकारात्मक धारणा संस्था को बाद के ऑडिट में मुश्किल स्थिति में डाल देती है। कार्यकारी सारांश में प्रत्येक दावे की तुलना कच्चे डेटा से की जानी चाहिए और वास्तविक संख्या (63 प्रतिशत) लिखी जानी चाहिए; एआई सारांश ऑडिट किए बिना रिपोर्ट में शामिल नहीं किए जाते हैं।

10. सार्वजनिक क्षेत्र में डेटा-आधारित निर्णय लेते समय, यदि 'मासिक रूप से बंद की जाने वाली फ़ाइलों की संख्या' बढ़ जाती है जबकि 'प्रथम संपर्क पर समाधान दर' कम हो जाती है, तो यह हमें सबसे पहले क्या सिखाता है?

• ए) संख्या ✔ को गुणा करने की तुलना में सही संकेतक चुनना अधिक महत्वपूर्ण है
• बी) कर्मियों की संख्या बढ़ाई जानी चाहिए
• ग) ग्राफ़ रंगीन होना चाहिए
• डी) चैटबॉट को अधिक प्रश्नों का उत्तर देना चाहिए

स्पष्टीकरण: गलत संकेतक सही डेटा के साथ भी गलत निर्णय की ओर ले जाता है। फ़ाइलें शीघ्रता से बंद की जा सकती हैं और पुनः खोली जा सकती हैं। सही संकेतक चुनना और संकेतकों को एक साथ पढ़ना अकेले भ्रामक संख्या के आधार पर डींगें हांकने से रोकता है।

11. एक चार्ट में, ऊर्ध्वाधर अक्ष शून्य के बजाय 40 से शुरू होता है और 2 प्रतिशत की वृद्धि एक नाटकीय उछाल की तरह दिखती है, यह किस समस्या का उदाहरण है?

• ए) मतिभ्रम
• बी) डेटा न्यूनतमकरण
• सी) डिजिटल डिवाइड
• डी) भ्रामक दृश्य ✔

स्पष्टीकरण: भ्रामक विज़ुअलाइज़ेशन तकनीकों के माध्यम से धारणा को विकृत कर रहा है जैसे कि अक्ष शून्य से शुरू नहीं होता है, असंगत पैमाने, या चयनित समय अवधि। यह सार्वजनिक डेटा में ईमानदार दृश्य शासन का हिस्सा है; वास्तविक तालिका को अक्ष को शून्य तक खींचकर दिखाया जाना चाहिए।

12. किसी प्रशासनिक कार्रवाई के औचित्य के रूप में 'एआई ने ऐसा लिखा' कहना अस्वीकार्य क्यों है?

• ए) क्योंकि एआई उपकरण बहुत महंगे हैं
• बी) प्रशासनिक कार्रवाई उचित होनी चाहिए और जिम्मेदारी अधिकारी की है
• सी) क्योंकि एआई तुर्की नहीं जानता है
• डी) क्योंकि नागरिकों को एआई पसंद नहीं है

स्पष्टीकरण: प्रशासनिक कार्रवाई तर्कसंगत और श्रवण योग्य होनी चाहिए; जिम्मेदारी एआई की नहीं, बल्कि सार्वजनिक अधिकारी और संस्था की है जो आउटपुट को सत्यापित किए बिना उपयोग करता है। 'एआई ने ऐसा कहा' कोई औचित्य नहीं है और प्रशासनिक कार्रवाई को कायम नहीं रखता है।

13. वे कौन से चार सिद्धांत हैं जो सार्वजनिक क्षेत्र में एआई के उपयोग को निजी क्षेत्र से अलग करते हैं और जिनका अतिरिक्त रूप से पालन किया जाना चाहिए?

• ए) गति, सस्तापन, लाभप्रदता, प्रतिस्पर्धा
• बी) स्वचालन, पैमाना, विपणन, ब्रांड
• सी) समानता, पारदर्शिता, जवाबदेही, व्यक्तिगत डेटा की सुरक्षा ✔
• डी) गोपनीयता, गोपनीयता, गोपनीयता और गोपनीयता

स्पष्टीकरण: उन कार्यों में जहां सार्वजनिक शक्ति का उपयोग किया जाता है, एआई को समानता (समान स्थिति का समान उपचार), पारदर्शिता (निर्णय के औचित्य की व्याख्या), जवाबदेही (प्रत्येक लेनदेन और ऑडिट ट्रेल के लिए जिम्मेदार) और व्यक्तिगत डेटा की सुरक्षा (केवीकेके) के सिद्धांतों द्वारा तैयार किया गया है।

14. जब एक स्वचालित प्रीफ़्लाइट सिस्टम किसी दुर्लभ दस्तावेज़ प्रकार के बारे में अनिश्चित हो तो उसे क्या करना चाहिए?

• A) आवेदन को चुपचाप अस्वीकार कर देना
• बी) आवेदन को मानव समीक्षा के लिए अग्रेषित करना ✔
• सी) आवेदन को स्वचालित रूप से स्वीकृत करें
• डी) एप्लिकेशन हटाएं

स्पष्टीकरण: अच्छा स्वचालन मॉडल को चुपचाप अस्वीकार करने के बजाय अनिश्चित होने पर अधिकारी को निर्देशित करता है। अन्यथा, वैध आवेदन धराशायी हो जाएंगे और उत्पीड़न होगा। लोगों को निर्णय बिंदु पर रखना अपवाद प्रबंधन का आधार है।