KVKK, ಗೌಪ್ಯತೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಸಾರ್ವಜನಿಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆಡಳಿತ — ಸಾರ್ವಜನಿಕ ಆಡಳಿತ ಮತ್ತು ಸರ್ಕಾರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲಾಭಗಳು:

AI ಪರಿಕರಗಳಲ್ಲಿ ನಾಗರಿಕರ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ ಇದು KVKK ತತ್ವಗಳು ಮತ್ತು ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆಯನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ.
ಇದು AI ಬಳಕೆಯ ನೀತಿ, ಆಡಿಟ್ ಟ್ರಯಲ್ ಮತ್ತು ಜವಾಬ್ದಾರಿಯ ಸರಪಳಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂಸ್ಥೆಗೆ ಆಡಳಿತ ಚೌಕಟ್ಟನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ.
ಮಾನವನ ಮೇಲ್ವಿಚಾರಣೆ, ಪಾರದರ್ಶಕತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯ ಮೇಲೆ ಜವಾಬ್ದಾರಿಯುತ ಸಾರ್ವಜನಿಕ AI ಅನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ ಎಂದು ಅದು ಸಮಗ್ರವಾಗಿ ವಾದಿಸುತ್ತದೆ.

ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ, ಸಾರ್ವಜನಿಕವಾಗಿ AI ಹೇಗೆ ಶಕ್ತಿಯುತ ವೇಗವರ್ಧಕವಾಗಿದೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ: ನಾಗರಿಕರ ಪ್ರಶ್ನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ, ಅರ್ಜಿಗಳು ಮತ್ತು ಪತ್ರವ್ಯವಹಾರ, ಶಾಸಕಾಂಗ ಸಂಶೋಧನೆ, ನೀತಿ ವಿಶ್ಲೇಷಣೆ, ವರದಿ ಮಾಡುವಿಕೆ, ಡೇಟಾ-ಚಾಲಿತ ನಿರ್ಧಾರ ತಯಾರಿಕೆ, ಇ-ಸರ್ಕಾರ ಮತ್ತು ಪಾರದರ್ಶಕತೆ. ಈಗ ನಾವು ಎಲ್ಲವನ್ನೂ ಒಟ್ಟಿಗೆ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವ ಚೌಕಟ್ಟಿಗೆ ಬರುತ್ತೇವೆ: ವೈಯಕ್ತಿಕ ಡೇಟಾ ರಕ್ಷಣೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಆಡಳಿತ. ಸಾರ್ವಜನಿಕ, ಅದರ ಸ್ವಭಾವದಿಂದ, ನಾಗರಿಕರ ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ: ಗುರುತು, ವಿಳಾಸ, ಆದಾಯ, ಆರೋಗ್ಯ, ಅಪರಾಧ ದಾಖಲೆ, ಕುಟುಂಬದ ಪರಿಸ್ಥಿತಿ. AI ಪರಿಕರಗಳೊಂದಿಗೆ ಈ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು KVKK (ವೈಯಕ್ತಿಕ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಕಾನೂನು ಸಂಖ್ಯೆ 6698; ವೈಯಕ್ತಿಕ ಡೇಟಾದ ಕಾನೂನುಬದ್ಧ, ಸೀಮಿತ ಮತ್ತು ಸುರಕ್ಷಿತ ಸಂಸ್ಕರಣೆಯನ್ನು ನಿಯಂತ್ರಿಸುವ ಕಾನೂನು) ಚೌಕಟ್ಟನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅನುಸರಿಸಬೇಕು. ಈ ಅಂತಿಮ ಘಟಕದಲ್ಲಿ, ನಾವು ಸಾರ್ವಜನಿಕ AI ಬಳಕೆಯ ಗೌಪ್ಯತೆ ಮತ್ತು ಆಡಳಿತದ ಬೆನ್ನೆಲುಬನ್ನು ಸ್ಥಾಪಿಸುತ್ತೇವೆ - ಯಾವ ಸಾಧನಕ್ಕೆ ಯಾವ ಡೇಟಾವನ್ನು ನೀಡಬಹುದು, ಯಾವ ನೀತಿಗಳು ಅನ್ವಯಿಸುತ್ತವೆ, ಯಾರು ಜವಾಬ್ದಾರರು, ಸಂಸ್ಥೆಯು AI ಅನ್ನು ಹೇಗೆ ಸುರಕ್ಷಿತವಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ. ಈ ಘಟಕವು ಹಿಂದಿನ ಹತ್ತು ಘಟಕಗಳ ಮೇಲೆ ಇರಿಸಲಾದ ಛಾವಣಿಯಾಗಿದೆ.

ಸಾರ್ವಜನಿಕ AI ಅನ್ನು ಸ್ಪರ್ಶಿಸುವ KVKK ಯ ಮೂಲ ತತ್ವಗಳು

KVKK ಹಲವಾರು ಮೂಲಭೂತ ತತ್ವಗಳನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ AI ಬಳಕೆಯನ್ನು ನೇರವಾಗಿ ಮಿತಿಗೊಳಿಸುತ್ತದೆ:

ಕಾನೂನಿನ ಅನುಸರಣೆ ಮತ್ತು ಉದ್ದೇಶದ ಅನುಸರಣೆ: ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ನಿರ್ದಿಷ್ಟ, ಕಾನೂನುಬದ್ಧ ಉದ್ದೇಶಕ್ಕಾಗಿ ಮಾತ್ರ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಒಂದು ಉದ್ದೇಶಕ್ಕಾಗಿ ಸಂಗ್ರಹಿಸಲಾದ ಡೇಟಾವನ್ನು (ಉದಾಹರಣೆಗೆ, ಸಹಾಯಕ್ಕಾಗಿ ಅರ್ಜಿ ಸಲ್ಲಿಸುವುದು) ಅನುಮತಿಯಿಲ್ಲದೆ ಮತ್ತೊಂದು ಉದ್ದೇಶಕ್ಕಾಗಿ (ಉದಾಹರಣೆಗೆ, ಮಾದರಿ ತರಬೇತಿ) ಬಳಸಲಾಗುವುದಿಲ್ಲ.
ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ: ಉದ್ದೇಶಕ್ಕಾಗಿ ಅಗತ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುವುದಿಲ್ಲ. ವರ್ಗ ವಿಶ್ಲೇಷಣೆಗೆ ಹೆಸರು ಅಗತ್ಯವಿಲ್ಲದಿದ್ದರೆ, ಯಾವುದೇ ಹೆಸರನ್ನು ನೀಡಲಾಗುವುದಿಲ್ಲ.
ಭದ್ರತೆ: ಅನಧಿಕೃತ ಪ್ರವೇಶದಿಂದ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಲಾಗಿದೆ. ನಾಗರಿಕ ಡೇಟಾವನ್ನು ಸಾರ್ವಜನಿಕ AI ಸಾಧನಕ್ಕೆ ಅಂಟಿಸುವುದರಿಂದ ಆ ಡೇಟಾವನ್ನು ಸಂಸ್ಥೆಯ ಹೊರಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ - ಇದು ಭದ್ರತಾ ನೀತಿಯ ಉಲ್ಲಂಘನೆಯಾಗಿದೆ.
ಶೇಖರಣಾ ಅವಧಿ: ಉದ್ದೇಶವು ಕೊನೆಗೊಂಡಾಗ ಡೇಟಾವನ್ನು ಅಳಿಸಲಾಗುತ್ತದೆ; ಇದನ್ನು ಅನಿರ್ದಿಷ್ಟವಾಗಿ ಇರಿಸಲಾಗುವುದಿಲ್ಲ.
ಮಾಹಿತಿ ಮತ್ತು ಹಕ್ಕುಗಳು: ನಾಗರಿಕರು ತಮ್ಮ ಡೇಟಾವನ್ನು ಹೇಗೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತಾರೆ, ಸರಿಪಡಿಸುತ್ತಾರೆ, ಅಳಿಸುತ್ತಾರೆ ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ನಿರ್ಧಾರಗಳಿಗೆ ಆಕ್ಷೇಪಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವ ಹಕ್ಕನ್ನು ಹೊಂದಿರುತ್ತಾರೆ.

ಗಮನ: ಸಂಸ್ಥೆಯು ಅನುಮೋದಿಸದ ಸಾರ್ವಜನಿಕ AI ಪರಿಕರಕ್ಕೆ ನಾಗರಿಕರ ಡೇಟಾವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದು, ಡೇಟಾವನ್ನು ಎಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಮತ್ತು ಯಾರಿಗೆ ಪ್ರವೇಶವಿದೆ ಎಂಬುದು ಅಸ್ಪಷ್ಟವಾಗಿದೆ, ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ KVKK ಉಲ್ಲಂಘನೆಯಾಗಿದೆ ಮತ್ತು ಸಂಸ್ಥೆಯನ್ನು ನಿರ್ಬಂಧಗಳಿಗೆ ತೆರೆಯುತ್ತದೆ. "ಕೆಲಸವನ್ನು ಸುಲಭಗೊಳಿಸಲು" ನಿಯಮಗಳು ಎಂದಿಗೂ ಬಾಗುವುದಿಲ್ಲ.

ಯಾವ ಡೇಟಾ, ಯಾವ ವಾಹನಕ್ಕೆ? ಮೂರು-ವಲಯ ಮಾದರಿ

ಹೆಬ್ಬೆರಳಿನ ನಿಯಮದಂತೆ, ಡೇಟಾವನ್ನು ಮೂರು ಪ್ರದೇಶಗಳಾಗಿ ವಿಂಗಡಿಸಿ:

ಕೆಂಪು (ಸಾರ್ವಜನಿಕ ವಾಹನಕ್ಕೆ ಎಂದಿಗೂ ಪ್ರವೇಶಿಸುವುದಿಲ್ಲ): ID ಸಂಖ್ಯೆ, ಆರೋಗ್ಯ, ಅಪರಾಧ, ಧರ್ಮ, ಜನಾಂಗೀಯತೆ, ಬಯೋಮೆಟ್ರಿಕ್ಸ್, ಪೂರ್ಣ ವಿಳಾಸ, ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸುವ ಯಾವುದಾದರೂ. ಇವುಗಳನ್ನು ಸಂಸ್ಥೆಯು ಅನುಮೋದಿಸಿದ ಒಪ್ಪಂದದ/ಮನೆಯಲ್ಲಿ ಮತ್ತು KVKK ಕಂಪ್ಲೈಂಟ್ ಪರಿಸರದಲ್ಲಿ ಮಾತ್ರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತದೆ.
ಹಳದಿ (ಎಚ್ಚರಿಕೆಯಿಂದ, ಮರೆಮಾಚುವ ಮೂಲಕ): ವ್ಯಕ್ತಿಗೆ ಪರೋಕ್ಷವಾಗಿ ಲಿಂಕ್ ಮಾಡಬಹುದಾದ ಡೇಟಾ. ಮೊದಲು ಅನಾಮಧೇಯಗೊಳಿಸಿ/ಒಟ್ಟುಗೊಳಿಸಿ, ನಂತರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ.
ಹಸಿರು (ಉಚಿತ): ನಿರಾಕಾರ, ಸಾರ್ವಜನಿಕ, ಸಾಮಾನ್ಯ ಮಾಹಿತಿ (ಶಾಸಕ ಪಠ್ಯ, ಸಾರ್ವಜನಿಕ ಅಂಕಿಅಂಶಗಳು, ಸಾಮಾನ್ಯ ಕಾರ್ಯವಿಧಾನ). AI ನೊಂದಿಗೆ ನೀವು ಇವುಗಳನ್ನು ಸುಲಭವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು.

ಸಲಹೆ: AI ಗೆ ಪಠ್ಯವನ್ನು ನೀಡುವ ಮೊದಲು, 5-ಸೆಕೆಂಡ್ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಿ: "ಈ ವಿಷಯದಲ್ಲಿ ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸಲು ಏನಾದರೂ ಇದೆಯೇ?" ಉತ್ತರವು "ಹೌದು/ಬಹುಶಃ" ಆಗಿದ್ದರೆ, ಮಾಸ್ಕ್ ಅಪ್ ಮಾಡಿ ಅಥವಾ ಅನುಮೋದಿತ ವಾಹನವನ್ನು ಚಾಲನೆ ಮಾಡಿ. ಸಂದೇಹವಿದ್ದರೆ, ಕೆಂಪು ಬಣ್ಣವನ್ನು ಪರಿಗಣಿಸಿ.

ಕಾರ್ಪೊರೇಟ್ ಆಡಳಿತ: ವ್ಯಕ್ತಿಯಿಂದ ವ್ಯವಸ್ಥೆಗೆ

ಜವಾಬ್ದಾರಿಯುತ ಸಾರ್ವಜನಿಕ AI ಅನ್ನು ವೈಯಕ್ತಿಕ ನಾಗರಿಕ ಸೇವಕರ ಉತ್ತಮ ಇಚ್ಛೆಗೆ ಬಿಡಲಾಗುವುದಿಲ್ಲ; ಸಾಂಸ್ಥಿಕ ಚೌಕಟ್ಟು ಅಗತ್ಯವಿದೆ:

ನೀತಿ: ಸಂಸ್ಥೆಯು AI ಬಳಕೆಯ ನೀತಿಯನ್ನು ಹೊಂದಿರಬೇಕು: ಯಾವ ಪರಿಕರಗಳನ್ನು ಅನುಮೋದಿಸಲಾಗಿದೆ, ಯಾವ ಡೇಟಾವನ್ನು ನಮೂದಿಸಬಹುದು, ಯಾರು ಜವಾಬ್ದಾರರು.
ಅನುಮೋದಿತ ಪರಿಕರ ಪಟ್ಟಿ: ಸಂಸ್ಥೆಯು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ ಮತ್ತು ಅನುಮೋದಿಸಿದ ಪರಿಕರಗಳನ್ನು ಸಿಬ್ಬಂದಿ ಬಳಸಬೇಕು, ಯಾದೃಚ್ಛಿಕವಾಗಿ ಅಲ್ಲ.
ತರಬೇತಿ: ಸಿಬ್ಬಂದಿ ಪರಿಶೀಲನೆ ಶಿಸ್ತು ಮತ್ತು ಡೇಟಾ ಪ್ರದೇಶಗಳನ್ನು ತಿಳಿದಿರಬೇಕು (ಈ ಮಾಡ್ಯೂಲ್‌ನಂತೆ).
ರೆಕಾರ್ಡಿಂಗ್ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧನೆ: AI ಯೊಂದಿಗೆ ತಯಾರಿಸಲಾದ ನಿರ್ಧಾರಗಳ ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಇಟ್ಟುಕೊಳ್ಳಬೇಕು.
ಹೊಣೆಗಾರಿಕೆ: ಪ್ರತಿ AI-ಚಾಲಿತ ಔಟ್‌ಪುಟ್ ಮಾನವ ಮಾಲೀಕರು ಮತ್ತು ಅನುಮೋದನೆಯನ್ನು ಹೊಂದಿರಬೇಕು. ಜವಾಬ್ದಾರಿಯು ಸಂಸ್ಥೆ ಮತ್ತು ಅಧಿಕಾರಿಯ ಮೇಲಿದೆ, ವಾಹನವಲ್ಲ.
ಮಾನವ-ಕೇಂದ್ರಿತ ತತ್ವ: ಯಾವುದೇ ಅಂತಿಮ ಹಕ್ಕುಗಳನ್ನು ರಚಿಸುವ/ನಿರ್ಬಂಧಿಸುವ ನಿರ್ಧಾರವನ್ನು ಮಾನವ ಒಪ್ಪಿಗೆಯಿಲ್ಲದೆ ಮಾಡಲಾಗುವುದಿಲ್ಲ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಕೆಂಪು ಡೇಟಾ ಸೋರಿಕೆಯನ್ನು ತಡೆಯಲಾಗಿದೆ. ಸಿಬ್ಬಂದಿಯೊಬ್ಬರು 1,200 ಜನರಿಗೆ ಆರೋಗ್ಯ ಪ್ರಯೋಜನಗಳ ಪಟ್ಟಿಯ ಸಾರಾಂಶವನ್ನು ಸಾರ್ವಜನಿಕ ಸಾಧನಕ್ಕೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಲಿದ್ದಾರೆ. ಏಜೆನ್ಸಿಯ ಅನುಮೋದಿತ ವಾಹನ ನೀತಿ ಮತ್ತು "ಕೆಂಪು ಡೇಟಾ" ತರಬೇತಿಗೆ ಧನ್ಯವಾದಗಳು, ಅದು ನಿಂತುಹೋಯಿತು; ಡೇಟಾವನ್ನು ಆಂತರಿಕವಾಗಿ ಅನುಮೋದಿಸಿದ ಪರಿಸರದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು ಗುರುತಿನ ಕ್ಷೇತ್ರಗಳನ್ನು ಮರೆಮಾಡಲಾಗಿದೆ. ಸಂಭಾವ್ಯ KVKK ಉಲ್ಲಂಘನೆ ಮತ್ತು ಹತ್ತಾರು ಸಾವಿರ ಜನರಿಗೆ ನಂಬಿಕೆಯ ನಷ್ಟವನ್ನು ತಡೆಯಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ದುರ್ಬಳಕೆ. ಒಂದು ಘಟಕವು ಚುನಾವಣಾ ಪೂರ್ವ ಸಂವಹನಗಳ ಯೋಜನೆಗಾಗಿ ಪ್ರಚಾರಕ್ಕಾಗಿ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವನ್ನು ಬಳಸಲು ಬಯಸಿದೆ. ದತ್ತಾಂಶ ಸಂರಕ್ಷಣಾ ಅಧಿಕಾರಿಯು ಉದ್ದೇಶದ ಅನುಸರಣೆಯ ತತ್ವವನ್ನು ನೆನಪಿಸಿಕೊಂಡರು: ಇದು ದತ್ತಾಂಶವನ್ನು ಯಾವ ಉದ್ದೇಶಕ್ಕಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆಯೋ ಅದರ ಹೊರಗಿನ ಬಳಕೆಯಾಗಿದೆ ಮತ್ತು ಕಾನೂನುಬಾಹಿರವಾಗಿದೆ. ವಿನಂತಿಯನ್ನು ನಿರಾಕರಿಸಲಾಯಿತು.

ಪ್ರಕರಣ 3 - ಆಡಳಿತದ ಅಂತರವನ್ನು ಮುಚ್ಚಲಾಗಿದೆ. ಒಂದು ಪುರಸಭೆಯಲ್ಲಿ, ವಿವಿಧ ಘಟಕಗಳು ನಿಯಂತ್ರಣವಿಲ್ಲದೆಯೇ ವಿವಿಧ AI ಉಪಕರಣಗಳನ್ನು ಬಳಸುತ್ತಿವೆ; ಯಾವ ಡೇಟಾ ಎಲ್ಲಿಗೆ ಹೋಯಿತು ಎಂಬುದು ಯಾರಿಗೂ ತಿಳಿದಿರಲಿಲ್ಲ. ಏಜೆನ್ಸಿಯು AI ಬಳಕೆಯ ನೀತಿ, ಅನುಮೋದಿತ ವಾಹನ ಪಟ್ಟಿ ಮತ್ತು ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಪರಿಚಯಿಸಿತು; 3 ತಿಂಗಳೊಳಗೆ, ನೋಂದಾಯಿಸದ ವಾಹನ ಬಳಕೆ 90% ರಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ ಮತ್ತು ಡೇಟಾ ಇನ್ವೆಂಟರಿ ರಚಿಸಲಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಡೇಟಾ ಪ್ರದೇಶದ ವರ್ಗೀಕರಣ (ವಾಹನಕ್ಕೆ ರಫ್ತು ಮಾಡುವ ಮೊದಲು):

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ರಕ್ಷಣೆ ಸಲಹೆಗಾರ. AI ಏಜೆಂಟ್‌ಗೆ ನೀಡುವ ಮೊದಲು ಕೆಳಗಿನ ವಿಷಯವನ್ನು ವರ್ಗೀಕರಿಸಿ: ಕೆಂಪು (ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸುತ್ತದೆ, ಸಾರ್ವಜನಿಕ ವಾಹನವನ್ನು ಎಂದಿಗೂ ಪ್ರವೇಶಿಸುವುದಿಲ್ಲ), ಹಳದಿ (ಪರೋಕ್ಷವಾಗಿ ಸಂಪರ್ಕಿಸಬಹುದಾದ, ಮುಖವಾಡ), ಹಸಿರು (ವೈಯಕ್ತಿಕವಲ್ಲದ, ಉಚಿತ). ಕೆಂಪು/ಹಳದಿ ಪ್ರದೇಶಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಗುರುತಿಸಿ ಮತ್ತು ಮಾಸ್ಕ್ ಮಾಡುವುದು ಹೇಗೆ ಎಂದು ತಿಳಿಸಿ. ಶಂಕಿತರನ್ನು ಕೆಂಪು ಎಂದು ಎಣಿಸಿ. ವಿಷಯ: [ಪಠ್ಯ]

2) ಮರೆಮಾಚುವಿಕೆ/ಅನಾಮಧೇಯಗೊಳಿಸುವಿಕೆ:

ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೊದಲು ಎಲ್ಲಾ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿ: ಹೆಸರು -> [ವ್ಯಕ್ತಿ-1], ID ಸಂಖ್ಯೆ -> [IDENTITY], ವಿಳಾಸ ->[ADDRESS], ಆರೋಗ್ಯ/ದಂಡ -> [ಸೆನ್ಸಿಟಿವ್]. ಅದೇ ವ್ಯಕ್ತಿಯನ್ನು ಟ್ಯಾಗ್ ಮಾಡಿ. ಅನಾಮಧೇಯ ಪಠ್ಯವನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ರಫ್ತು ಮಾಡಿ. ಔಟ್‌ಪುಟ್‌ಗೆ ನಿಜವಾದ ಡೇಟಾವನ್ನು ಎಂದಿಗೂ ಬರೆಯಬೇಡಿ. ಪಠ್ಯ: [ಪಠ್ಯ]

3) KVKK ಅನುಸರಣೆ ಪರಿಶೀಲನಾಪಟ್ಟಿ (AI ಬಳಕೆಗಾಗಿ):

ನಿಮ್ಮ ಪಾತ್ರ: KVKK ಅನುಸರಣೆ ತಜ್ಞ. ಕೆಳಗಿನ AI ಬಳಕೆಗಾಗಿ ಅನುಸರಣೆ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ: (1) ಕಾನೂನುಬದ್ಧ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಪ್ರಕ್ರಿಯೆಯ ಉದ್ದೇಶವಾಗಿದೆ, (2) ಇದು ಉದ್ದೇಶಕ್ಕೆ ಸಂಪರ್ಕಿತವಾಗಿದೆಯೇ (ಇದು ಇನ್ನೊಂದು ಉದ್ದೇಶಕ್ಕೆ ಬದಲಾಗುತ್ತಿದೆಯೇ), (3) ಇದು ಆಪ್ಟಿಮೈಸ್ ಮಾಡಲಾಗಿದೆಯೇ, (4) ಸುರಕ್ಷಿತ/ಅನುಮೋದಿತ ಸಾಧನವಾಗಿದೆ, (5) ಧಾರಣ ಅವಧಿ ನಿಶ್ಚಿತವಾಗಿದೆ, (6) ನಾಗರಿಕ ಹಕ್ಕುಗಳು (ಆಕ್ಷೇಪಣೆ, ಅಳಿಸುವಿಕೆ) ರಕ್ಷಿಸಲಾಗಿದೆ. ಕಾಣೆಯಾದ ವಸ್ತುಗಳನ್ನು ಕೆಂಪು ಧ್ವಜದಿಂದ ಗುರುತಿಸಿ. ಬಳಕೆ: [ಪಾಕವಿಧಾನ]

4) ಕಾರ್ಪೊರೇಟ್ AI ನೀತಿ ಚೌಕಟ್ಟು:

ನಿಮ್ಮ ಪಾತ್ರ: ಸಾರ್ವಜನಿಕ ಐಟಿ ಆಡಳಿತ ತಜ್ಞರು. ನಮ್ಮ ಸಂಸ್ಥೆಗಾಗಿ AI ಬಳಕೆಯ ನೀತಿಯ ಚೌಕಟ್ಟನ್ನು ತಯಾರಿಸಿ: ವ್ಯಾಪ್ತಿ, ಅನುಮೋದಿತ ಪರಿಕರಗಳು, ಡೇಟಾ ವಲಯಗಳು (ಕೆಂಪು/ಹಳದಿ/ಹಸಿರು), ನಿಷೇಧಿತ ಬಳಕೆಗಳು, ಮಾನವ ಅನುಮೋದನೆ ಅಂಕಗಳು, ಆಡಿಟ್ ಟ್ರಯಲ್, ಜವಾಬ್ದಾರಿಗಳು, ತರಬೇತಿ ಮತ್ತು ಉಲ್ಲಂಘನೆ ಅಧಿಸೂಚನೆ. ಪ್ರತಿ ಶೀರ್ಷಿಕೆಯನ್ನು 1-2 ವಾಕ್ಯಗಳೊಂದಿಗೆ ಭರ್ತಿ ಮಾಡಿ. ಸಂಸ್ಥೆ: [ಘಟಕ ಮತ್ತು ವಿಶಿಷ್ಟ ಉದ್ಯೋಗಗಳು]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ಉಲ್ಲೇಖಗಳ ಪಟ್ಟಿಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ."

ಪ್ರಬಲ: "ನಿಮ್ಮ ಪಾತ್ರವು ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಸಲಹೆಗಾರ. ಮೊದಲಿಗೆ, ಈ ಪಟ್ಟಿಯನ್ನು ಡೇಟಾ ಪ್ರದೇಶದ ಮೂಲಕ (ಕೆಂಪು/ಹಳದಿ/ಹಸಿರು) ವರ್ಗೀಕರಿಸಿ ಮತ್ತು ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸುವ ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳನ್ನು ಗುರುತಿಸಿ. ಕೆಂಪು/ಹಳದಿ ಕ್ಷೇತ್ರಗಳನ್ನು [ವ್ಯಕ್ತಿ]/[IDENTITY]/[ಸೆನ್ಸಿಟಿವ್] ಜೊತೆಗೆ ಮಾಸ್ಕ್ ಮಾಡಿ, ಅದೇ ವ್ಯಕ್ತಿಯನ್ನು ಅದೇ ಲೇಬಲ್‌ನೊಂದಿಗೆ ಇರಿಸಿಕೊಳ್ಳಿ. ಅನಾಮಧೇಯ ಡೇಟಾದೊಂದಿಗೆ ವರ್ಗದ ಸಾರಾಂಶವನ್ನು ಮಾತ್ರ ಬರೆಯಿರಿ. ಕೊನೆಯಲ್ಲಿ, KVKK (ಉದ್ದೇಶ, ಸಂಗ್ರಹಣೆ, ವಾಹನದ ಭದ್ರತೆ) ಸೇರಿಸುವಿಕೆಯ ವಿಷಯದಲ್ಲಿ ಈ ಪ್ರಕ್ರಿಯೆಗೆ ಗಮನ ಬೇಕು ಎಂಬುದನ್ನು ಗಮನಿಸಿ."

ವ್ಯತ್ಯಾಸ: ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೊದಲು KVKK ತತ್ವಗಳನ್ನು ವರ್ಗೀಕರಿಸುತ್ತದೆ, ಮುಖವಾಡಗಳು, ಕಡಿಮೆಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಸಂಯೋಜಿಸುತ್ತದೆ.

ಡೇಟಾ ಪ್ರದೇಶಗಳು ಮತ್ತು ನಿಯಮಗಳು

ಪ್ರದೇಶ

ಉದಾಹರಣೆ

ನಿಯಮ

ಕೆಂಪು

ಟಿಆರ್ ಐಡಿ ಸಂಖ್ಯೆ, ಆರೋಗ್ಯ, ದಂಡ, ಪೂರ್ಣ ವಿಳಾಸ

ಸಾರ್ವಜನಿಕ ವಾಹನವನ್ನು ಎಂದಿಗೂ ಪ್ರವೇಶಿಸಬೇಡಿ; ಅನುಮೋದಿತ ಪರಿಸರ

ಹಳದಿ

ವಯಸ್ಸು+ನೆರೆಹೊರೆ+ಉದ್ಯೋಗ, ಪರೋಕ್ಷ ಗುರುತಿಸುವಿಕೆ

ಮಾಸ್ಕ್/ಒಟ್ಟಾರೆ, ನಂತರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ

ಹಸಿರು

ಶಾಸನ, ಸಾರ್ವಜನಿಕ ಅಂಕಿಅಂಶಗಳು, ಸಾಮಾನ್ಯ ಕಾರ್ಯವಿಧಾನ

ಸ್ವತಂತ್ರ ಕೆಲಸ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

ಸಾರ್ವಜನಿಕ ಉಪಕರಣಕ್ಕೆ ಕೆಂಪು ಡೇಟಾವನ್ನು ರಫ್ತು ಮಾಡಲಾಗುತ್ತಿದೆ. ಅತ್ಯಂತ ಗಂಭೀರ ಉಲ್ಲಂಘನೆ; ID/ಆರೋಗ್ಯ/ಪೆನಾಲ್ಟಿ ಡೇಟಾ ಅನುಮೋದಿತ ಪರಿಸರವನ್ನು ಬಿಡುವುದಿಲ್ಲ.
ದುರ್ಬಳಕೆ. ಒಂದು ಉದ್ದೇಶಕ್ಕಾಗಿ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವನ್ನು ಅನುಮತಿಯಿಲ್ಲದೆ ಮತ್ತೊಂದು ಉದ್ದೇಶಕ್ಕಾಗಿ (ಮಾದರಿ ತರಬೇತಿ, ಸಂವಹನ) ಬಳಸುವುದು ಕಾನೂನಿಗೆ ವಿರುದ್ಧವಾಗಿದೆ.
ಹೆಚ್ಚು ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತಿದೆ. ಉದ್ದೇಶಕ್ಕಾಗಿ ಅನಗತ್ಯ ಕ್ಷೇತ್ರಗಳನ್ನು (ಹೆಸರು, ವಿಳಾಸ) ಸರಿಸಬೇಡಿ; ಕಡಿಮೆಗೊಳಿಸು.
ಅನುಮೋದನೆ ಇಲ್ಲದೆ ಚಾಲನೆ. ಸಂಸ್ಥೆಯು ಮೌಲ್ಯಮಾಪನ ಮಾಡದ ವಾಹನಗಳಲ್ಲಿ ಡೇಟಾ ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ.
ಧಾರಣ ಅವಧಿಯನ್ನು ನಿರ್ಧರಿಸುತ್ತಿಲ್ಲ. ಉದ್ದೇಶ ಪೂರ್ಣಗೊಂಡಾಗ ಡೇಟಾವನ್ನು ಅಳಿಸಬೇಕು; ಅನಿರ್ದಿಷ್ಟವಾಗಿ ಇಡಬಾರದು.
ವಾಹನದ ಮೇಲೆ ಜವಾಬ್ದಾರಿಯನ್ನು ಹಾಕುವುದು. ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮಾನವ ಒಡೆತನದಲ್ಲಿದೆ ಮತ್ತು ಅನುಮೋದಿಸಲಾಗಿದೆ; "AI ಅದನ್ನು ಮಾಡಿದೆ" ಎಂಬುದು ರಕ್ಷಣೆಯಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

ಜವಾಬ್ದಾರಿಯುತ ಸಾರ್ವಜನಿಕ AI ಯ ಚೌಕಟ್ಟು ವೈಯಕ್ತಿಕ ಡೇಟಾ ರಕ್ಷಣೆ ಮತ್ತು ಕಾರ್ಪೊರೇಟ್ ಆಡಳಿತವಾಗಿದೆ. KVKK ತತ್ವಗಳು - ಉದ್ದೇಶಪೂರ್ವಕತೆ, ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ, ಭದ್ರತೆ, ಧಾರಣ ಮಿತಿ, ನಾಗರಿಕರ ಹಕ್ಕುಗಳು - AI ಯ ಯಾವುದೇ ಬಳಕೆಯನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತವೆ. ಡೇಟಾವನ್ನು ಕೆಂಪು/ಹಳದಿ/ಹಸಿರು ವಲಯಗಳಾಗಿ ಪ್ರತ್ಯೇಕಿಸಿ, ಸಾರ್ವಜನಿಕ ಸಾಧನಕ್ಕೆ ಎಂದಿಗೂ ಕೆಂಪು ಬಣ್ಣವನ್ನು ನೀಡಬೇಡಿ, ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮರೆಮಾಡಿ, ಅನುಮೋದಿತ ಸಾಧನಗಳನ್ನು ಮಾತ್ರ ಬಳಸಿ ಮತ್ತು ಪ್ರತಿ ನಿರ್ಧಾರಕ್ಕೂ ಮಾನವ ಮಾಲೀಕರನ್ನು ಸಂಪರ್ಕಿಸಿ. ಸಾಂಸ್ಥಿಕ ಮಟ್ಟದ ನೀತಿ, ಅನುಮೋದಿತ ವಾಹನ ಪಟ್ಟಿ, ತರಬೇತಿ ಮತ್ತು ತಪಾಸಣೆ ದಾಖಲೆ; ವ್ಯಕ್ತಿಯ ಮಟ್ಟದಲ್ಲಿ ಪರಿಶೀಲನೆಯ ಶಿಸ್ತು. ಹೀಗಾಗಿ, AI ನಾಗರಿಕರ ಹಕ್ಕುಗಳನ್ನು ರಕ್ಷಿಸುವ ಮೂಲಕ ಸಾರ್ವಜನಿಕರಿಗೆ ಸೇವೆ ಸಲ್ಲಿಸುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಘಟಕದಲ್ಲಿ ನೀವು ಮಾಡಿದ (ಅಥವಾ ತಯಾರಿಸಲು ಪರಿಗಣಿಸುತ್ತಿರುವ) ನಿಜವಾದ AI ಬಳಕೆಯನ್ನು ಆರಿಸಿ. "ಡೇಟಾ ಪ್ರದೇಶದ ವರ್ಗೀಕರಣ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ನೀವು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ವಿಷಯವನ್ನು ಕೆಂಪು/ಹಳದಿ/ಹಸಿರು ಬಣ್ಣಕ್ಕೆ ಪ್ರತ್ಯೇಕಿಸಿ. "KVKK ಅನುಸರಣೆ ಪರಿಶೀಲನಾಪಟ್ಟಿ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಅನ್ವಯಿಸಿ ಮತ್ತು ಕನಿಷ್ಠ ಒಂದು ಕಾಣೆಯಾದ/ಅಪಾಯಕಾರಿ ಬಿಂದುವನ್ನು ಹುಡುಕಿ. ಅಂತಿಮವಾಗಿ, "ಕಾರ್ಪೊರೇಟ್ AI ನೀತಿ ಅಸ್ಥಿಪಂಜರ" ದೊಂದಿಗೆ ನಿಮ್ಮ ಘಟಕಕ್ಕೆ ಸೂಕ್ತವಾದ ಕಿರು ನೀತಿಯನ್ನು ರಚಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

[ ] ನಾನು ವಿಷಯವನ್ನು ಕೆಂಪು/ಹಳದಿ/ಹಸಿರು ವಲಯಕ್ಕೆ ವಿಂಗಡಿಸಿದೆ; ನಾನು ಶಂಕಿತನನ್ನು ಕೆಂಪು ಎಂದು ಎಣಿಸಿದ್ದೇನೆ.
[ ] ನಾನು ಸಾರ್ವಜನಿಕ ಉಪಕರಣಕ್ಕೆ ಕೆಂಪು ಡೇಟಾವನ್ನು ಒದಗಿಸಿಲ್ಲ; ನಾನು ಅನುಮೋದಿತ ಮಾಧ್ಯಮವನ್ನು ಬಳಸಿದ್ದೇನೆ.
[ ] ನಾನು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮರೆಮಾಚಿದ್ದೇನೆ ಮತ್ತು ಅನಗತ್ಯ ಕ್ಷೇತ್ರಗಳನ್ನು ತೆಗೆದುಹಾಕಿದ್ದೇನೆ (ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ).
[ ] ನಾನು ಸಂಸ್ಕರಣೆ, ಶೇಖರಣಾ ಅವಧಿ ಮತ್ತು ವಾಹನ ಭದ್ರತೆಯ ಉದ್ದೇಶವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
[ ] ನಾನು ನಾಗರಿಕರ ಆಕ್ಷೇಪಣೆ/ಅಳಿಸುವಿಕೆಯ ಹಕ್ಕುಗಳನ್ನು ಗಮನಿಸಿದ್ದೇನೆ.
[ ] ನಾನು ಪ್ರತಿ ಔಟ್‌ಪುಟ್‌ಗೆ ಮಾನವ ಮಾಲೀಕ ಮತ್ತು ಅನುಮೋದನೆಯನ್ನು ಲಗತ್ತಿಸಿದ್ದೇನೆ; ನಾನು ಆಡಿಟ್ ಟ್ರಯಲ್ ಇಟ್ಟುಕೊಂಡಿದ್ದೇನೆ.

ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ

1. ಸಾರ್ವಜನಿಕ ಅಧಿಕಾರಿಯಾಗಿ, AI ಗೆ ಕೆಲಸವನ್ನು ಹಸ್ತಾಂತರಿಸುವ ಮೊದಲು ನೀವು ಕೇಳಬೇಕಾದ ಉತ್ತಮ ಆದ್ಯತೆಯ ಪ್ರಶ್ನೆ ಯಾವುದು?

ಎ) ಈ ಔಟ್‌ಪುಟ್ ತಪ್ಪಾಗಿದ್ದರೆ ನಾಗರಿಕನು ಏನು ಕಳೆದುಕೊಳ್ಳುತ್ತಾನೆ? ✔
ಬಿ) AI ಈ ಕೆಲಸವನ್ನು ಎಷ್ಟು ವೇಗವಾಗಿ ಮಾಡಬಹುದು?
ಸಿ) ಈ AI ಉಪಕರಣವು ಉಚಿತವೇ?
ಡಿ) ಇನ್ನೊಂದು ಘಟಕವು ಈ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬಳಸುತ್ತದೆಯೇ?

ವಿವರಣೆ: ಔಟ್‌ಪುಟ್ ತಪ್ಪಾಗಿದ್ದರೆ ನಾಗರಿಕನು ಅನುಭವಿಸುವ ಹಾನಿಯ ಆಧಾರದ ಮೇಲೆ ವರ್ಗಾವಣೆಯ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಕೆಲವೇ ನಿಮಿಷಗಳ ಪುನಃ ಬರೆಯುವ ವೇಳೆ ಹಾನಿಯನ್ನು ಸುಲಭವಾಗಿ ವರ್ಗಾಯಿಸಲಾಗುತ್ತದೆ; ಇದು ಅನ್ಯಾಯದ ನಿರಾಕರಣೆ, ತಪ್ಪು ಪೆನಾಲ್ಟಿ ಅಥವಾ ಹಕ್ಕುಗಳ ನಷ್ಟವಾಗಿದ್ದರೆ, AI ಮಾತ್ರ ಕರಡನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ನಿರ್ಧಾರ ಮತ್ತು ಪರಿಶೀಲನೆಯು ಅಧಿಕೃತರಿಗೆ ಸೇರಿದೆ.

2. AI ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕಾನೂನು ಅಥವಾ ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ನ್ಯಾಯಾಲಯದ ತೀರ್ಪನ್ನು ನೈಜವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಿದಾಗ ಅದನ್ನು ಏನೆಂದು ಕರೆಯುತ್ತಾರೆ?

ಎ) ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವುದು
ಬಿ) ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ
ಸಿ) ಅನಾಮಧೇಯತೆ
ಡಿ) ಭ್ರಮೆ ✔

ವಿವರಣೆ: AI ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ಉತ್ಪಾದಿಸಿದಾಗ ಭ್ರಮೆಯಾಗಿದೆ (ತಯಾರಿಸಿದ ವಸ್ತು, ರದ್ದುಪಡಿಸಿದ ನಿಯಂತ್ರಣ, ತಪ್ಪು ಸಂಖ್ಯೆ). ಶಾಸನದ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಇದು ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಪಾಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಏಕೆಂದರೆ ಇದು ಹಕ್ಕುಗಳ ನಷ್ಟ ಮತ್ತು ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮದ ರದ್ದತಿಗೆ ಕಾರಣವಾಗಬಹುದು.

3. YZ ಮೂಲಕ ಸೂಚಿಸಲಾದ ನಿಯಂತ್ರಣ ಲೇಖನವನ್ನು ಆಧರಿಸಿ ಅಧಿಕಾರಿಯೊಬ್ಬರು ಅರ್ಜಿಯನ್ನು ತಿರಸ್ಕರಿಸಲಿದ್ದಾರೆ. ಅತ್ಯಂತ ಸರಿಯಾದ ನಡವಳಿಕೆ ಯಾವುದು?

ಎ) AI ನೇರವಾಗಿ ನಿರಾಕರಣೆಯನ್ನು ಬರೆಯುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ಆತ್ಮವಿಶ್ವಾಸವನ್ನು ತೋರುತ್ತದೆ
ಬಿ) ಅದೇ ಪ್ರಶ್ನೆಯನ್ನು ಇನ್ನೊಂದು AI ವಾಹನಕ್ಕೆ ಕೇಳಿ ಮತ್ತು ದೃಢೀಕರಣವನ್ನು ಪಡೆಯಿರಿ
ಸಿ) Çözüm.gov.tr ✔ ನಲ್ಲಿ ಪ್ರಸ್ತುತ ಏಕೀಕೃತ ಪಠ್ಯದಿಂದ ಲೇಖನವನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆ
ಡಿ) ಮೌಖಿಕವಾಗಿ ನಿರ್ಧಾರವನ್ನು ಉನ್ನತಾಧಿಕಾರಿಗೆ ಕೇಳುತ್ತದೆ

ವಿವರಣೆ: AI ಯ ತರಬೇತಿ ಡೇಟಾವನ್ನು ನಿರ್ದಿಷ್ಟ ದಿನಾಂಕದಲ್ಲಿ ಫ್ರೀಜ್ ಮಾಡಲಾಗಿದೆ; ಅದು ತೋರಿಸುವ ಲೇಖನವನ್ನು ರದ್ದುಗೊಳಿಸಿರಬಹುದು ಅಥವಾ ಬದಲಾಯಿಸಿರಬಹುದು. ಲೇಖನವು ಜಾರಿಯಲ್ಲಿದೆ ಮತ್ತು ಅದರ ಅಂತಿಮ ಆವೃತ್ತಿಯನ್ನು Çözüm.gov.tr ನಲ್ಲಿ ಪ್ರಸ್ತುತ ಏಕೀಕೃತ ಪಠ್ಯದಿಂದ ದೃಢೀಕರಿಸುವ ನಿರ್ಧಾರವು ಅನ್ಯಾಯದ ನಿರಾಕರಣೆ ಮತ್ತು ಸಂಭವನೀಯ ರದ್ದತಿ ಮೊಕದ್ದಮೆಯನ್ನು ತಡೆಯುತ್ತದೆ.

4. 'ನನಗೆ ಗೊತ್ತಿಲ್ಲ, ನಾನು ನಿಮ್ಮನ್ನು ಒಬ್ಬ ಅಧಿಕಾರಿಗೆ ವರ್ಗಾಯಿಸುತ್ತಿದ್ದೇನೆ' ಎಂದು ಹೇಳಲು ನಾಗರಿಕ ಚಾಟ್‌ಬಾಟ್‌ಗೆ ಗುಣಮಟ್ಟದ ಭರವಸೆ ಏಕೆ?

ಎ) ವಹಿವಾಟು ದರವನ್ನು ಹೆಚ್ಚಿಸುವ ಮೂಲಕ ಅಂಕಿಅಂಶಗಳನ್ನು ಸುಧಾರಿಸುತ್ತದೆ
B) ಖಚಿತವಾಗಿಲ್ಲದಿದ್ದಾಗ ಮಾನವರಿಗೆ ಮಾಹಿತಿಯನ್ನು ನಿಯೋಜಿಸುವ ಮೂಲಕ ತಪ್ಪು ಮಾಹಿತಿಯನ್ನು ತಡೆಯುತ್ತದೆ ✔
ಸಿ) ನಾಗರಿಕರ ಗಮನವನ್ನು ಬೇರೆಡೆಗೆ ಸೆಳೆಯುವ ಮೂಲಕ ಕರೆ ಸಮಯವನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ
ಡಿ) ಚಾಟ್‌ಬಾಟ್‌ಗೆ ಕಡಿಮೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಸ್ವೀಕರಿಸಲು ಅನುಮತಿಸುತ್ತದೆ

ವಿವರಣೆ: ಸಾರ್ವಜನಿಕವಾಗಿ, ಪ್ರಾಮಾಣಿಕವಾದ ಟೇಕ್‌ಗಿಂತ ಆತ್ಮವಿಶ್ವಾಸದ ತಪ್ಪು ಉತ್ತರವು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ; ಇದು ಸಂಸ್ಥೆಯ ಹಕ್ಕುಗಳ ನಷ್ಟ ಮತ್ತು ಅಪನಂಬಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಖಚಿತವಾಗದಿದ್ದಾಗ ಮಾನವನಿಗೆ ಹಸ್ತಾಂತರಿಸುವ ಚಾಟ್‌ಬಾಟ್‌ನ ಸಾಮರ್ಥ್ಯವು ಭ್ರಮೆಯ ತಪ್ಪು ಮಾಹಿತಿಯನ್ನು ತಡೆಯುವ ಸುರಕ್ಷತಾ ಕಾರ್ಯವಿಧಾನವಾಗಿದೆ.

5. AI ನೊಂದಿಗೆ ಅಧಿಕೃತ ಪತ್ರವ್ಯವಹಾರವನ್ನು 'ಸರಳಗೊಳಿಸುವಾಗ' ಪರಿಗಣಿಸಬೇಕಾದ ಪ್ರಮುಖ ಅಪಾಯ ಯಾವುದು?

ಎ) ಪಠ್ಯವು ತುಂಬಾ ಚಿಕ್ಕದಾಗಿದೆ
ಬಿ) ಫಾಂಟ್ ಬದಲಾಯಿಸುವುದು
ಸಿ) ಷರತ್ತು ಅಥವಾ ವಿನಾಯಿತಿಯನ್ನು ಕೈಬಿಡುವುದು ✔
ಡಿ) ವಿಳಾಸದಾರರ ಹೆಸರಿನ ತಪ್ಪು ಕಾಗುಣಿತ

ವಿವರಣೆ: ಶೈಲಿಯ ರೂಪಾಂತರವು ವಿಷಯವನ್ನು ಬದಲಾಯಿಸಬಾರದು. ಸರಳೀಕರಿಸುವಾಗ, AI ಕೆಲವೊಮ್ಮೆ ವಿನಾಯಿತಿ, ಷರತ್ತು ಅಥವಾ ಅವಧಿಯನ್ನು ಬಿಡುತ್ತದೆ. ಆದ್ದರಿಂದ, ಸರಳೀಕೃತ ಪಠ್ಯವನ್ನು ಯಾವಾಗಲೂ ಮೂಲ ನಿರ್ಧಾರ ಅಥವಾ ಶಾಸನದೊಂದಿಗೆ ಹೋಲಿಸಬೇಕು.

6. ಹೆಸರು ಮತ್ತು ಟಿ.ಆರ್. ಡೇಟಾ ಸೆಟ್ನಲ್ಲಿ. 'ನೆರೆಹೊರೆ + ಹುಟ್ಟಿದ ವರ್ಷ + ಅಂಗವೈಕಲ್ಯದ ಪ್ರಕಾರ' ಸಂಯೋಜನೆಯು ID ಸಂಖ್ಯೆಯನ್ನು ಅಳಿಸಿದ್ದರೂ ಸಹ ವ್ಯಕ್ತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸಬಹುದಾದಾಗ ನೀವು ಅದನ್ನು ಏನೆಂದು ಕರೆಯುತ್ತೀರಿ?

A) ಮರುವ್ಯಾಖ್ಯಾನ ✔
ಬಿ) ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ
ಸಿ) ಕವರೇಜ್ ದರ
ಡಿ) ಬಲವರ್ಧನೆ

ವಿವರಣೆ: ಮರು-ಗುರುತಿಸುವಿಕೆಯು ಅನಾಮಧೇಯ ಎಂದು ಭಾವಿಸಲಾದ ಡೇಟಾದಿಂದ ಪರೋಕ್ಷ ಗುರುತಿಸುವಿಕೆಗಳ ಸಂಯೋಜನೆಯ ಮೂಲಕ ವ್ಯಕ್ತಿಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು. ಒಬ್ಬ ವ್ಯಕ್ತಿಯಲ್ಲಿ ಅಪರೂಪದ ವರ್ಗವು ಕಂಡುಬಂದರೆ, ಹೆಸರನ್ನು ಅಳಿಸುವುದು ಸಾಕಾಗುವುದಿಲ್ಲ; ವಯಸ್ಸನ್ನು ಶ್ರೇಣಿಗೆ ಪರಿವರ್ತಿಸುವುದು ಮತ್ತು ಅಪರೂಪದ ವರ್ಗಗಳನ್ನು ಸಂಯೋಜಿಸುವಂತಹ ಹೆಚ್ಚುವರಿ ಕ್ರಮಗಳ ಅಗತ್ಯವಿದೆ.

7. ತಪಾಸಣಾ ಮಾದರಿಯು ಈ ಹಿಂದೆ ಅತೀವವಾಗಿ ಪರೀಕ್ಷಿಸಲ್ಪಟ್ಟ ನೆರೆಹೊರೆಯನ್ನು 'ಅಪಾಯಕಾರಿ' ಎಂದು ಗುರುತಿಸಿದಾಗ ಮತ್ತು ಹೆಚ್ಚಿನ ತಪಾಸಣೆಗಳನ್ನು ಅಲ್ಲಿಗೆ ಕಳುಹಿಸಿದಾಗ ಅದನ್ನು ಏನೆಂದು ಕರೆಯುತ್ತಾರೆ, ಅದು ಆ ನೆರೆಹೊರೆಯನ್ನು ಹೆಚ್ಚು ಅಪಾಯಕಾರಿ ಎಂದು ನೋಡಲು ಮಾದರಿಯನ್ನು ತಳ್ಳುತ್ತದೆ?

ಎ) ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ
ಬಿ) ಭ್ರಮೆ
ಸಿ) ಅನಾಮಧೇಯತೆ
ಡಿ) ಪ್ರತಿಕ್ರಿಯೆ ಲೂಪ್ ✔

ವಿವರಣೆ: ಪ್ರತಿಕ್ರಿಯೆ ಲೂಪ್ ಎಂದರೆ ಮಾದರಿಯ ಔಟ್‌ಪುಟ್ ನಂತರದ ತರಬೇತಿ ಡೇಟಾದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪಕ್ಷಪಾತವನ್ನು ಬಲಪಡಿಸುತ್ತದೆ. ವ್ಯತ್ಯಾಸವು ನಿಜವಾದ ಅಪಾಯದಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಒಬ್ಬರು ಎಲ್ಲಿ ನೋಡುತ್ತಾರೆ ಎಂಬುದರಲ್ಲಿ ಹೆಚ್ಚಾಗುತ್ತದೆ. ನಿಮ್ಮನ್ನು ರಕ್ಷಿಸಿಕೊಳ್ಳುವ ಮಾರ್ಗವೆಂದರೆ ಪರಿಣಾಮವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು, ಔಟ್‌ಪುಟ್ ಅಲ್ಲ, ಮತ್ತು ನಿರ್ಧಾರಗಳ ಗುಂಪು ಆಧಾರಿತ ವಿತರಣೆಯನ್ನು ನಿಯಂತ್ರಿಸುವುದು.

8. ಪ್ರಯೋಜನಗಳ ಅಪ್ಲಿಕೇಶನ್ ಸಂಪೂರ್ಣವಾಗಿ ಆನ್‌ಲೈನ್‌ಗೆ ತೆರಳಿದ ನಂತರ, ಮೊದಲ ತಿಂಗಳಲ್ಲಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಸಂಖ್ಯೆ 30 ಪ್ರತಿಶತದಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ. ಇದಕ್ಕೆ ಹೆಚ್ಚಿನ ವಿವರಣೆ ಏನು?

ಎ) ನಾಗರಿಕರ ನೈಜ ಅಗತ್ಯಗಳು ಕಡಿಮೆಯಾಗಿದೆ
ಬಿ) ಇಂಟರ್ನೆಟ್ ಮತ್ತು ಡಿಜಿಟಲ್ ಸಾಕ್ಷರತೆ ಇಲ್ಲದ ನಾಗರಿಕರನ್ನು ಹೊರಗಿಡಲಾಗಿದೆ ✔
ಸಿ) ಸಹಾಯದ ಮೊತ್ತ ಕಡಿಮೆಯಾದ ಕಾರಣ ಬಡ್ಡಿ ಕಡಿಮೆಯಾಗಿದೆ
ಡಿ) ಸಿಸ್ಟಮ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಎಲ್ಲಾ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಅನುಮೋದಿಸಿದೆ

ವಿವರಣೆ: ಡಿಜಿಟಲ್ ಡಿವೈಡ್ ಎಂದರೆ ಇಂಟರ್ನೆಟ್ ಪ್ರವೇಶ ಅಥವಾ ಡಿಜಿಟಲ್ ಸಾಕ್ಷರತೆ ಇಲ್ಲದ ನಾಗರಿಕರು ಸೇವೆಗಳನ್ನು ಪ್ರವೇಶಿಸಲು ಅಸಮರ್ಥತೆ. ಅತ್ಯಂತ ಅಗತ್ಯವಿರುವ ಗುಂಪು, ವೃದ್ಧರು ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಇಲ್ಲದ ನಾಗರಿಕರು ಅರ್ಜಿ ಸಲ್ಲಿಸಲು ಸಾಧ್ಯವಿಲ್ಲದ ಕಾರಣ ಸಂಖ್ಯೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ಸಹಾಯಕ ರೆಫರಲ್ ಪಾಯಿಂಟ್‌ಗಳಂತಹ ಪರ್ಯಾಯ ಚಾನಲ್‌ಗಳನ್ನು ಬಿಡುವುದು ಪರಿಹಾರವಾಗಿದೆ.

9. ವಾರ್ಷಿಕ ವರದಿಯಲ್ಲಿನ ನಿಜವಾದ ಯಶಸ್ಸಿನ ಪ್ರಮಾಣವು ಶೇಕಡಾ 63 ಆಗಿದ್ದರೆ, YZ ನಿರ್ಮಿಸಿದ ಕಾರ್ಯಕಾರಿ ಸಾರಾಂಶವು 'ಬಹುಪಾಲು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಸಕಾರಾತ್ಮಕವಾಗಿವೆ' ಎಂದು ಹೇಳುತ್ತದೆ. ಸರಿಯಾದ ನಡವಳಿಕೆ ಏನು?

ಎ) ಅಭಿವ್ಯಕ್ತಿ ಸಕಾರಾತ್ಮಕವಾಗಿರುವುದರಿಂದ ಅದನ್ನು ಹಾಗೆಯೇ ಬಿಡಲಾಗಿದೆ.
ಬಿ) ಅನುಪಾತವನ್ನು ಅಳಿಸಲಾಗಿದೆ ಮತ್ತು ಗುಣಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ
ಸಿ) ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ನೈಜ ಸಂಖ್ಯೆ 63 ಪ್ರತಿಶತ ✔ ನೊಂದಿಗೆ ಬದಲಾಯಿಸಲಾಗಿದೆ
ಡಿ) ಸಾರಾಂಶವನ್ನು ವರದಿಯಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ತೆಗೆದುಹಾಕಲಾಗಿದೆ

ವಿವರಣೆ: ಸಾರ್ವಜನಿಕ ವರದಿಯಲ್ಲಿನ ಉತ್ಪ್ರೇಕ್ಷಿತ ಧನಾತ್ಮಕ ಗ್ರಹಿಕೆಯು ಸಂಸ್ಥೆಯನ್ನು ನಂತರದ ಲೆಕ್ಕಪರಿಶೋಧನೆಗಳಲ್ಲಿ ಕಠಿಣ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಇರಿಸುತ್ತದೆ. ಕಾರ್ಯನಿರ್ವಾಹಕ ಸಾರಾಂಶದಲ್ಲಿನ ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಕಚ್ಚಾ ಡೇಟಾಕ್ಕೆ ಹೋಲಿಸಬೇಕು ಮತ್ತು ನಿಜವಾದ ಸಂಖ್ಯೆಯನ್ನು (63 ಪ್ರತಿಶತ) ಬರೆಯಬೇಕು; AI ಸಾರಾಂಶಗಳನ್ನು ಲೆಕ್ಕಪರಿಶೋಧನೆ ಮಾಡದೆ ವರದಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ.

10. ಸಾರ್ವಜನಿಕ ವಲಯದಲ್ಲಿ ಡೇಟಾ ಆಧಾರಿತ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಾಗ, 'ಮಾಸಿಕ ಮುಚ್ಚಲಾದ ಫೈಲ್‌ಗಳ ಸಂಖ್ಯೆ' ಹೆಚ್ಚಾದರೆ 'ಮೊದಲ ಸಂಪರ್ಕದಲ್ಲಿ ರೆಸಲ್ಯೂಶನ್ ದರ' ಕಡಿಮೆಯಾದರೆ, ಇದು ನಮಗೆ ಮೊದಲು ಏನು ಕಲಿಸುತ್ತದೆ?

ಎ) ಸಂಖ್ಯೆಯನ್ನು ಗುಣಿಸುವುದಕ್ಕಿಂತ ಸರಿಯಾದ ಸೂಚಕವನ್ನು ಆರಿಸುವುದು ಹೆಚ್ಚು ಮುಖ್ಯವಾಗಿದೆ ✔
ಬಿ) ಸಿಬ್ಬಂದಿ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸಬೇಕು
ಸಿ) ಗ್ರಾಫ್‌ಗಳನ್ನು ಬಣ್ಣ ಮಾಡಬೇಕು
ಡಿ) ಚಾಟ್‌ಬಾಟ್ ಹೆಚ್ಚಿನ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಬೇಕು

ವಿವರಣೆ: ತಪ್ಪು ಸೂಚಕವು ಸರಿಯಾದ ಡೇಟಾದೊಂದಿಗೆ ತಪ್ಪು ನಿರ್ಧಾರಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಫೈಲ್‌ಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಮುಚ್ಚಬಹುದು ಮತ್ತು ಮತ್ತೆ ತೆರೆಯಬಹುದು. ಸರಿಯಾದ ಸೂಚಕವನ್ನು ಆರಿಸುವುದು ಮತ್ತು ಸೂಚಕಗಳನ್ನು ಒಟ್ಟಿಗೆ ಓದುವುದು ಕೇವಲ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಸಂಖ್ಯೆಯನ್ನು ಆಧರಿಸಿ ಬಡಾಯಿ ಕೊಚ್ಚಿಕೊಳ್ಳುವುದನ್ನು ತಡೆಯುತ್ತದೆ.

11. ಚಾರ್ಟ್‌ನಲ್ಲಿ, ಲಂಬ ಅಕ್ಷವು ಶೂನ್ಯಕ್ಕೆ ಬದಲಾಗಿ 40 ರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಮತ್ತು 2 ಪ್ರತಿಶತದಷ್ಟು ಹೆಚ್ಚಳವು ನಾಟಕೀಯ ಜಿಗಿತದಂತೆ ತೋರುವುದು ಯಾವ ಸಮಸ್ಯೆಗೆ ಉದಾಹರಣೆಯಾಗಿದೆ?

ಎ) ಭ್ರಮೆ
ಬಿ) ಡೇಟಾ ಕಡಿಮೆಗೊಳಿಸುವಿಕೆ
ಸಿ) ಡಿಜಿಟಲ್ ವಿಭಜನೆ
ಡಿ) ದಾರಿತಪ್ಪಿಸುವ ದೃಶ್ಯೀಕರಣ ✔

ವಿವರಣೆ: ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ದೃಶ್ಯೀಕರಣವು ಶೂನ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗದ ಅಕ್ಷ, ಅನುಪಾತದ ಪ್ರಮಾಣ ಅಥವಾ ಆಯ್ದ ಕಾಲಾವಧಿಯಂತಹ ತಂತ್ರಗಳ ಮೂಲಕ ಗ್ರಹಿಕೆಯನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ. ಇದು ಸಾರ್ವಜನಿಕ ಡೇಟಾದಲ್ಲಿ ಪ್ರಾಮಾಣಿಕ ದೃಶ್ಯ ಆಡಳಿತದ ಭಾಗವಾಗಿದೆ; ಅಕ್ಷವನ್ನು ಶೂನ್ಯಕ್ಕೆ ಎಳೆಯುವ ಮೂಲಕ ನೈಜ ಕೋಷ್ಟಕವನ್ನು ತೋರಿಸಬೇಕು.

12. ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮಕ್ಕೆ ಸಮರ್ಥನೆಯಾಗಿ 'AI ಬರೆದದ್ದು' ಎಂದು ಹೇಳುವುದು ಏಕೆ ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲ?

ಎ) ಏಕೆಂದರೆ AI ಉಪಕರಣಗಳು ತುಂಬಾ ದುಬಾರಿಯಾಗಿದೆ
ಬಿ) ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮವನ್ನು ಸಮರ್ಥಿಸಬೇಕು ಮತ್ತು ಜವಾಬ್ದಾರಿಯು ಅಧಿಕಾರಿಯ ಮೇಲಿರುತ್ತದೆ ✔
ಸಿ) ಏಕೆಂದರೆ AI ಗೆ ಟರ್ಕಿಶ್ ತಿಳಿದಿಲ್ಲ
D) ಏಕೆಂದರೆ ನಾಗರಿಕರು AI ಅನ್ನು ಇಷ್ಟಪಡುವುದಿಲ್ಲ

ವಿವರಣೆ: ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮವು ತರ್ಕಬದ್ಧವಾಗಿರಬೇಕು ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧಕವಾಗಿರಬೇಕು; ಜವಾಬ್ದಾರಿಯು AI ಗೆ ಅಲ್ಲ, ಆದರೆ ಅದನ್ನು ಪರಿಶೀಲಿಸದೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬಳಸುವ ಸಾರ್ವಜನಿಕ ಅಧಿಕಾರಿ ಮತ್ತು ಸಂಸ್ಥೆಗೆ ಇರುತ್ತದೆ. 'AI ಹೀಗೆ ಹೇಳಿದೆ' ಎಂಬುದು ಸಮರ್ಥನೆಯಲ್ಲ ಮತ್ತು ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ.

13. ಖಾಸಗಿ ವಲಯದಿಂದ ಸಾರ್ವಜನಿಕ ವಲಯದಲ್ಲಿ AI ಬಳಕೆಯನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ನಾಲ್ಕು ತತ್ವಗಳು ಯಾವುವು ಮತ್ತು ಹೆಚ್ಚುವರಿಯಾಗಿ ಗಮನಿಸಬೇಕು?

ಎ) ವೇಗ, ಅಗ್ಗದತೆ, ಲಾಭದಾಯಕತೆ, ಸ್ಪರ್ಧೆ
ಬಿ) ಆಟೊಮೇಷನ್, ಸ್ಕೇಲ್, ಮಾರ್ಕೆಟಿಂಗ್, ಬ್ರ್ಯಾಂಡ್
ಸಿ) ಸಮಾನತೆ, ಪಾರದರ್ಶಕತೆ, ಹೊಣೆಗಾರಿಕೆ, ವೈಯಕ್ತಿಕ ಡೇಟಾದ ರಕ್ಷಣೆ ✔
ಡಿ) ಗೌಪ್ಯತೆ, ಗೌಪ್ಯತೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ಗೌಪ್ಯತೆ

ವಿವರಣೆ: ಸಾರ್ವಜನಿಕ ಶಕ್ತಿಯನ್ನು ಬಳಸುವ ಕೆಲಸಗಳಲ್ಲಿ, AI ಅನ್ನು ಸಮಾನತೆ (ಇದೇ ರೀತಿಯ ಪರಿಸ್ಥಿತಿಯ ಚಿಕಿತ್ಸೆ), ಪಾರದರ್ಶಕತೆ (ನಿರ್ಧಾರದ ಸಮರ್ಥನೆಯ ವಿವರಣೆ), ಹೊಣೆಗಾರಿಕೆ (ಪ್ರತಿ ವಹಿವಾಟು ಮತ್ತು ಆಡಿಟ್ ಟ್ರಯಲ್‌ಗೆ ಜವಾಬ್ದಾರಿ) ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾದ ರಕ್ಷಣೆ (KVKK) ತತ್ವಗಳಿಂದ ರಚಿಸಲಾಗಿದೆ.

14. ಅಪರೂಪದ ಡಾಕ್ಯುಮೆಂಟ್ ಪ್ರಕಾರದ ಬಗ್ಗೆ ಖಚಿತವಾಗಿಲ್ಲದಿದ್ದಾಗ ಸ್ವಯಂಚಾಲಿತ ಪ್ರಿಫ್ಲೈಟ್ ಸಿಸ್ಟಮ್ ಏನು ಮಾಡಬೇಕು?

ಎ) ಅರ್ಜಿಯನ್ನು ಮೌನವಾಗಿ ತಿರಸ್ಕರಿಸುವುದು
ಬಿ) ಅರ್ಜಿಯನ್ನು ಮಾನವ ವಿಮರ್ಶೆಗೆ ಫಾರ್ವರ್ಡ್ ಮಾಡುವುದು ✔
ಸಿ) ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅನುಮೋದಿಸಿ
ಡಿ) ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಅಳಿಸಿ

ವಿವರಣೆ: ಉತ್ತಮ ಯಾಂತ್ರೀಕರಣವು ಮಾದರಿಯನ್ನು ನಿಶ್ಶಬ್ದವಾಗಿ ತಿರಸ್ಕರಿಸುವ ಬದಲು ಖಚಿತವಾಗಿಲ್ಲದಿದ್ದಾಗ ಅದನ್ನು ಅಧಿಕಾರಿಗೆ ನಿರ್ದೇಶಿಸುತ್ತದೆ. ಇಲ್ಲದಿದ್ದರೆ, ನ್ಯಾಯಸಮ್ಮತವಾದ ಅರ್ಜಿಗಳು ಕುರುಡಾಗಿ ಬೀಳುತ್ತವೆ ಮತ್ತು ಬಲಿಪಶು ಸಂಭವಿಸುತ್ತದೆ. ನಿರ್ಧಾರದ ಹಂತದಲ್ಲಿ ಜನರನ್ನು ಇರಿಸುವುದು ವಿನಾಯಿತಿ ನಿರ್ವಹಣೆಯ ಆಧಾರವಾಗಿದೆ.