लाभ:
- बच्चाको डाटा विशेष डाटा हो र यो KVKK र गोपनीयताको दायरा भित्र गुमनाम हुनुपर्छ र परिवारको सहमति चाहिन्छ भन्ने तथ्य बुझ्न र कार्यान्वयन गर्ने क्षमता।
- डेटा सुरक्षा, भण्डारण र मोडेल प्रशिक्षणमा प्रयोगको सन्दर्भमा कृत्रिम बुद्धिमत्ता उपकरणहरू मूल्याङ्कन गर्न र सुरक्षित छनौट गर्ने क्षमता
- नैतिक सीमाहरू जस्तै नैदानिक अधिकार, कलंक, भेदभाव र कार्यप्रवाहमा बच्चाको सर्वोत्तम चासो कायम राख्न सक्ने क्षमता
बच्चाको विकास फाइलले त्यो बच्चाको सबैभन्दा घनिष्ठ जानकारी बोक्छ: विकास इतिहास, पारिवारिक अवस्था, स्क्रीनिंग परिणामहरू, अवलोकनहरू, र कहिलेकाहीँ चिकित्सा जानकारी। जब यो जानकारी गलत हातमा जान्छ वा दुरुपयोग हुन्छ, यसले बच्चालाई आगामी वर्षसम्म हानि पुर्याउन सक्छ: लेबल, कलंक, भेदभाव। तसर्थ, बालबालिकाको डाटा सुरक्षित गर्नु बाल विकास विशेषज्ञको सबैभन्दा गम्भीर जिम्मेवारी हो; आर्टिफिसियल इन्टेलिजेन्सको युगमा, यो जिम्मेवारी धेरै गुणा हुन्छ, किनभने उपकरणमा डाटा टाँस्न सेकेन्ड लाग्छ र पूर्ववत गर्न सकिँदैन। यस एकाइमा, हामी बाल डेटाको कानूनी स्थिति, गोपनीयताको सन्दर्भमा कृत्रिम बुद्धिमत्ता उपकरणहरूको मूल्याङ्कन, र नैतिक सीमाहरू समावेश गर्नेछौं।
पहिलो, कानुनी आधार: Türkiye मा, KVKK (व्यक्तिगत डेटा संरक्षण कानून) ले व्यक्तिगत डेटाको प्रशोधनलाई नियमन गर्दछ। बच्चाको स्वास्थ्य र विकास डेटा विशेष व्यक्तिगत डेटा को श्रेणी मा छन्; यो श्रेणी उच्च स्तरको सुरक्षाको अधीनमा छ। युरोपमा, यसको बराबर GDPR हो। बच्चाको मामलामा, संवेदनशीलता अझ बढी हुन्छ, किनभने बच्चाले आफ्नो डेटामा मान्य सहमति दिन सक्दैन; सहमति (सुचित स्पष्ट सहमति) कानूनी प्रतिनिधि, अर्थात् परिवारबाट प्राप्त गरिन्छ। प्रत्येक निर्णयमा "बालको सर्वोत्तम हित" को सिद्धान्त प्रबल हुन्छ।
अनामीकरण: सबैभन्दा आधारभूत र शक्तिशाली चरण
आर्टिफिसियल इन्टेलिजेन्ससँग काम गर्दा गोपनीयताको रक्षा गर्ने सबैभन्दा आधारभूत, सबैभन्दा व्यावहारिक कदम भनेको अज्ञातीकरण हो: डाटाबाट सबै पहिचान-उद्धार गर्ने जानकारी (नाम, थर, टीआर आइडी नम्बर, जन्म मिति, विद्यालय/संस्थाको नाम, ठेगाना, प्रोटोकल/फाइल नम्बर, परिवारको नामहरू) हटाउने र तपाईंको गैर-पहिचान जानकारीको लागि आवश्यक जानकारी मात्र प्रयोग गर्ने। "Elif Kaya, 3 वर्ष र 2 महिना, Papatya Kindergarten" को सट्टा "3 वर्ष र 2 महिना केटी" लेख्दा डेटाको काम गर्छ तर पहिचान जोगाउँछ।
सावधानीको एक शब्द: धेरै साना विवरणहरू एकसाथ आउँदा पहिचान पुन: उत्पन्न हुन सक्छ (यसलाई पुन: पहिचान भनिन्छ)। उदाहरणका लागि, नाम नभए पनि "गाउँ X मा एक मात्र जुम्ल्याहा, उसको बुबा हेडम्यान हो" जस्ता विवरणहरूले व्यक्तिलाई पहिचान गर्न सक्छ। तसर्थ, यो नाम मेटाउन मात्र होइन तर यसलाई अद्वितीय बनाउने विवरणहरू सामान्यीकरण गर्न आवश्यक छ।
कच्चा (साझेदारी गर्न सकिँदैन)
बेनामी (साझेदारी योग्य)
एलिफ काया, TC 123..., 12.03.2022 को जन्म।
३ वर्ष २ महिनाकी बालिका
पापट्या किन्डरगार्टन, 3-ए कक्षा
पूर्वस्कूल संस्था
उनकी आमा आइसे र बुबा मुख्तार हुन्।
आमाबाबु
फाइल नम्बर २०२४/१८७
(हटाइयो)
ध्यान दिनुहोस्: सार्वजनिक रूपमा उपलब्ध कृत्रिम बुद्धिमत्ता उपकरणमा बच्चाको पहिचान जानकारी, पूर्ण रिपोर्ट वा फोटो अपलोड गर्नु KVKK र गोपनीयताको उल्लङ्घन हो र यसलाई फिर्ता लिन सकिँदैन। डाटा बाह्य सर्भरमा जान्छ र केहि उपकरणहरूले यसलाई मोडेल प्रशिक्षणको लागि प्रयोग गर्न सक्छन्। अपलोड गर्नु अघि सधैं गुमनाम राख्नुहोस्।
उपकरण चयन र डेटा जीवनचक्र
प्रत्येक एआई उपकरणको गोपनीयताको समान स्तर हुँदैन। उपकरणको मूल्याङ्कन गर्दा, सोध्नुहोस्: के यसले मोडेललाई प्रशिक्षण दिन दक्षता प्रयोग गर्छ? यसले डाटा कहाँ र कति समयसम्म भण्डार गर्छ? के यसले डेटा प्रशोधन सम्झौता (कर्पोरेट प्रयोगको लागि) प्रस्ताव गर्दछ? तिनीहरूका सर्भरहरू कहाँ छन्? तपाईंको डाटा प्रयोग नगर्ने कर्पोरेट, अनुबंधित, र प्रशिक्षण उपकरणहरू सार्वजनिक रूपमा उपलब्ध निःशुल्क उपकरणहरू भन्दा सुरक्षित छन्। यद्यपि, सबैभन्दा सुरक्षित उपकरणमा पनि, अनावश्यक प्रमाणहरू साझा नगर्नुहोस् - अज्ञातता सबै परिस्थितिहरूमा पहिलो रक्षा हो।
डाटा जीवनचक्रलाई विचार गर्नुहोस्: डाटा सङ्कलन (मान्यता), प्रक्रिया (आवश्यकता अनुसार), भण्डारण (सुरक्षित, समय), साझेदारी (अधिकृत मात्र, बेनामी), र मेटाउनुहोस् (जब सकियो)। तपाईंले AI उपकरणहरूमा टाँस्नुभएको कुनै पनि कुराले यस लूपबाट बाहिर खस्ने जोखिम चलाउँछ।
सुझाव: तपाईंको मनपर्ने प्रम्प्टहरूको शीर्षमा कडा नियम राख्नुहोस्: "म यस कुराकानीमा बच्चा वा परिवारलाई पहिचान गर्ने कुनै पनि जानकारी साझा गर्दिन।" यसलाई कन्ट्रोल रिफ्लेक्स बनाउनुले सबैभन्दा सामान्य उल्लङ्घनलाई रोक्छ (अवस्थित रूपमा ID टाँस्दै)।
नैतिक सीमाहरू: निदान, कलंक, भेदभाव
गोपनीयता एक प्राविधिक मुद्दा हो, तर नैतिकता फराकिलो छ। तीन बाउन्ड्री महत्वपूर्ण छन्। निदान प्राधिकरण: बाल विकास विशेषज्ञले स्क्रीनिंग र विकास मूल्याङ्कन सञ्चालन गर्दछ; निश्चित निदान सम्बन्धित चिकित्सक/क्लिनिकल टोलीको काम हो। आर्टिफिसियल इन्टेलिजेन्सलाई यो सीमा थाहा छैन; तिमीले रक्षा गर्नेछौ। कलंक: बच्चालाई प्रारम्भिक र स्थायी लेबल (फाइलमा, परिवारमा, तपाईंको आफ्नै दिमागमा) चिन्ह लगाउनु बच्चाको लागि अनुचित हो र उनीहरूको विकासमा नकारात्मक असर पार्न सक्छ। भेदभाव र पूर्वाग्रह: AI ले प्रशिक्षण डेटामा पूर्वाग्रहहरू प्रतिबिम्बित गर्न सक्छ; यसले विशेष संस्कृति, लिङ्ग वा सामाजिक आर्थिक समूहको सन्दर्भमा पक्षपाती परिणामहरू उत्पादन गर्न सक्छ। विज्ञले ध्यान दिनुपर्छ र सच्याउनुपर्छ। यी सबै भन्दा माथि बच्चाको सर्वोत्तम हितको सिद्धान्त खडा छ: प्रत्येक निर्णय बच्चाको हितको लागि हो?
चार प्रतिलिपि योग्य प्रम्प्टहरू
1) बेनामी प्रम्प्ट:
म तिमीलाई एउटा पाठ दिन्छु। बच्चा वा परिवारको पहिचान प्रकट गर्न सक्ने कुनै पनि जानकारी हटाउनुहोस् (नाम, थर, टीआर आईडी, जन्म मिति, विद्यालय/संस्था, ठेगाना, फाइल नम्बर, अद्वितीय विवरणहरू); सामान्य अभिव्यक्ति ([केटी], [पूर्व-विद्यालय संस्था]) को साथ प्रतिस्थापन गर्नुहोस्। नाम मात्र होइन, व्यक्तिलाई पहिचान गर्न सक्ने अद्वितीय विवरणहरू पनि सामान्यीकरण गर्नुहोस्। तपाईंले हटाउनुभएको सूची बनाउनुहोस्। पाठ: [कच्चा]
२) सवारी साधनको गोपनीयता मूल्याङ्कन प्रम्प्ट:
मलाई बाल डेटा (शिक्षा, प्रतिधारण, अनुबंध, सर्भर स्थान, मेटाउने डेटामा प्रयोग गरिएको डेटा हो) संग AI उपकरण प्रयोग गर्न सक्छु कि भनेर निर्णय गर्न मैले सोध्नु पर्ने गोपनीयता प्रश्नहरूको चेकलिस्ट दिनुहोस्। जवाफहरू नबनाउनुहोस्; केवल प्रश्नहरू सूचीबद्ध गर्नुहोस्।
3) नैतिकता/अधिकार नियन्त्रण प्रम्प्टको सीमा:
नैतिक रूपमा निम्न पाठको समीक्षा गर्नुहोस्: (1) के यसले निदान गर्छ/सकेत गर्छ? (2) त्यहाँ एक कलंक लेबल छ? (३) के त्यहाँ सांस्कृतिक/लिंग/सामाजिक आर्थिक पूर्वाग्रहहरू छन्? प्रत्येक समस्यालाई हाइलाइट गर्नुहोस् र सच्याइएको, सतर्क विकल्प सुझाव दिनुहोस्। पाठ: [ड्राफ्ट]
4) पारिवारिक सहमति जानकारी पाठ प्रम्प्ट:
परिवारलाई एउटा संक्षिप्त सूचना/सहमति पाठ ड्राफ्ट गर्नुहोस् जसमा म बच्चाको डेटा कसरी प्रयोग र सुरक्षित गर्छु भनेर व्याख्या गर्दछ। यसमा समावेश छ: कुन डाटा, कुन उद्देश्यका लागि, यसलाई कसरी सुरक्षित गरिएको छ, कससँग साझेदारी गरिएको छ, फिर्ता लिने अधिकार। कानूनी सल्लाह प्रदान गर्दै; ध्यान दिनुहोस् कि यो एक मस्यौदा हो र संस्था द्वारा अनुमोदित हुनुपर्छ।
तीन मिनी केसहरू
केस १ — पहिचान अपलोड उल्लङ्घन। व्यस्त दिनमा, एक विशेषज्ञले बच्चाको विकास रिपोर्ट टाँस्छन्, पूरा नाम र आईडी सहित, सार्वजनिक उपकरणमा र "संक्षेप गर्नुहोस्।" तथ्याङ्कले संस्था छोड्यो र परिवारको सहमति प्राप्त भएको थिएन। सही तरिका पहिलो प्रम्प्टको साथ डाटा गुमाउन र एक सुरक्षित उपकरणमा केवल बेनामी जानकारी प्रयोग गर्न थियो। यो उल्लङ्घन कानूनी र नैतिक दुवै मुद्दा हो र उल्टाउन सकिँदैन।
केस २ - पुन: पहिचान। एक विशेषज्ञले नाम मेटाउँछ तर विवरण छोड्छ "गाउँमा एक मात्र त्रिगुट, उसको बुबा इमाम हुनुहुन्छ।" यो विवरणले नाम बिना नै बच्चाको पहिचान गर्छ। विज्ञले अनौठो विवरणहरू सामान्यीकरण गर्न गुमनामतालाई गहिरो बनाएका छन्: "ग्रामीण क्षेत्रमा बस्ने बहु गर्भावस्थाको बच्चा।" पहिचान अब सुरक्षित छ।
केस 3 - पूर्वाग्रह सुधार। AI ले कम आय भएका परिवारको बारेमा सामग्रीमा निहित पक्षपाती धारणा उत्पादन गर्छ, जस्तै "यी परिवारहरूमा संलग्नता प्रायः अपर्याप्त हुन्छ।" विशेषज्ञले यसलाई तेस्रो प्रम्प्टको साथ समात्छन्; कथनलाई अप्रमाणित, कलंकजनक र भेदभावपूर्ण फेला पार्छ र यसलाई हटाउँछ। यसले प्रत्येक परिवारलाई समान र सम्मानको रूपमा हेर्ने भाषामा सामग्री पुन: लेख्छ।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
म यहाँ एलिफको पूर्ण रिपोर्ट टाँस्दै छु, मूल्याङ्कन गर्नुहोस् र निदान सिफारिस गर्नुहोस्।
समस्या: पहिचान जानकारी साझा गरिएको छ (KVKK उल्लङ्घन), निदान अनुरोध गरिएको छ (अधिकृतता अतिरिक्त), कुनै सहमति छैन, सुरक्षित वाहन प्रश्न छैन।
शक्तिशाली प्रम्प्ट:
मूल्याङ्कन ड्राफ्टको लागि निम्न बेनामी विकास सारांश (पहिचान जानकारी हटाइयो) सम्पादन गर्नुहोस्। निदान गर्दै; कलंकित लेबलहरू प्रयोग गर्दै; पूर्वाग्रही धारणाबाट बच्नुहोस्। जहाँ तपाईं निश्चित हुनुहुन्न त्यहाँ चिन्ह लगाउनुहोस् [एक विशेषज्ञलाई मूल्याङ्कन गर्न दिनुहोस्]। सारांश: [अनाम]
सामान्य गल्तीहरू
- प्रमाणहरू अपलोड गर्दै: सबैभन्दा सामान्य र सबैभन्दा गम्भीर उल्लङ्घन; सधैं गुमनाम।
- सतही गुमनामकरण: नाम मात्र मेटाउन पर्याप्त छैन; अद्वितीय विवरणहरू पनि सामान्यीकरण गर्नुहोस्।
- उपकरणको गोपनीयतामा प्रश्न नगर्नुहोस्: शिक्षाको लागि तपाइँको डेटा प्रयोग गर्ने उपकरणहरू नदिनुहोस्।
- निदान सीमा पार गर्दै: मूल्याङ्कन निदान होइन; अधिकार चिकित्सक/टोलीमा निहित छ।
- पूर्वाग्रह पहिचान गर्दैन: AI को कलंकित/भेदभावपूर्ण धारणाहरू ठीक गर्नुहोस्।
संक्षेपमा
बाल डेटा विशेष व्यक्तिगत डेटा हो; यसलाई KVKK को दायरा भित्र उच्चतम सुरक्षा चाहिन्छ र परिवारबाट गोपनीयता र सहमति प्राप्त गरिन्छ। AI सँग काम गर्दा सबैभन्दा बलियो प्रतिरक्षा भनेको अनामीकरण हो — नाम मात्र होइन, व्यक्तिलाई पहिचान गर्न सक्ने अद्वितीय विवरणहरू पनि सामान्य बनाउनुहोस्। गोपनीयताका लागि उपकरणहरू मूल्याङ्कन गर्नुहोस्; तालिममा तपाईंको डाटा प्रयोग नगर्ने सुरक्षित छनौट गर्नुहोस्। नैतिक सीमाहरू (निदान गर्ने अधिकार, कलंक, भेदभाव/पूर्वाग्रह) कायम राख्नुहोस् र प्रत्येक निर्णयमा बच्चाको सर्वोत्तम हितलाई विचार गर्नुहोस्।
आवेदन कार्य
एक गैर-अनाम (प्रामाणिक, तपाईंको आफ्नै रेकर्डबाट) प्रगति नोट लिनुहोस्; यसलाई स्क्रिनमा प्रतिबिम्बित नगरीकन, पहिलो प्रम्प्टको तर्क प्रयोग गरेर यसलाई म्यानुअल रूपमा अज्ञात बनाउनुहोस् र तपाईंले निकाल्नुभएको प्रत्येक जानकारीलाई सूचीबद्ध गर्नुहोस्। तपाईंले दोस्रो प्रम्प्टको साथ गोपनीयताको सन्दर्भमा प्रयोग गर्ने AI उपकरणको मूल्याङ्कन गर्नुहोस्। प्रम्प्ट 3 को साथ नैतिकता/पूर्वाग्रहको लागि मस्यौदा जाँच गर्नुहोस्। तपाईंले गर्नुभएका कम्तिमा तीनवटा सुधारहरू नोट गर्नुहोस् (एउटा अज्ञातकरण, एउटा नैतिकता, एक पूर्वाग्रह)।
चेकलिस्ट
- [] मैले डेटा गुमनाम गरें; मैले अद्वितीय विवरणहरू पनि सामान्यीकृत गरें।
- [ ] मैले गोपनीयताको सन्दर्भमा प्रयोग गरेको उपकरणको मूल्याङ्कन गरें; मैले सुरक्षित रोजें।
- [ ] मैले आवश्यक पर्दा परिवारको सहमति लिएको छु ।
- [ ] मैले निदान अधिकार सीमा कायम राखेको छु; मैले मूल्याङ्कन-निदान भिन्नता लागू गरें।
- [] मैले कलंकित ट्यागहरू र भेदभावपूर्ण/पक्षपाती अभिव्यक्तिहरू हटाएँ।
- [ ] मैले हरेक निर्णयमा बालबालिकाको हितलाई ध्यानमा राखेको छु ।
- [] मैले कुनै पनि सवारी साधनमा प्रमाणपत्र अपलोड गरेको छैन।