ਗੋਪਨੀਯਤਾ, KVKK ਅਤੇ ਕਲਾਇੰਟ ਡੇਟਾ ਦੀ ਸੁਰੱਖਿਆ

ਲਾਭ:

• ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਅਤੇ ਕੇਵੀਕੇਕੇ ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਕਲਾਇੰਟ ਡੇਟਾ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਕਿ ਕਿਹੜਾ ਡੇਟਾ ਨਕਲੀ ਖੁਫੀਆ ਸਾਧਨਾਂ ਨੂੰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ
• ਸੈਸ਼ਨ ਸਮੱਗਰੀ ਅਤੇ ਪਛਾਣ ਜਾਣਕਾਰੀ ਨੂੰ ਅਗਿਆਤ ਕਰਕੇ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਟੂਲਸ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਸੰਦਰਭ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਲਈ ਜਾਣਕਾਰੀ, ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਅਤੇ ਡੇਟਾ ਸਟੋਰੇਜ/ਮਿਟਾਉਣ ਦੀਆਂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ

ਮਾਨਸਿਕ ਸਿਹਤ ਪੇਸ਼ੇ ਦੇ ਮੂਲ ਵਿੱਚ ਇੱਕ ਕਹਾਵਤ ਹੈ: "ਜੋ ਤੁਸੀਂ ਮੈਨੂੰ ਕਹਿੰਦੇ ਹੋ ਉਹ ਉੱਥੇ ਰਹਿੰਦਾ ਹੈ." ਇੱਕ ਗਾਹਕ ਤੁਹਾਨੂੰ ਉਸਦੀ ਜ਼ਿੰਦਗੀ ਦੀ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਜਾਣਕਾਰੀ (ਸਦਮੇ, ਨਸ਼ੇ, ਰਿਸ਼ਤੇ, ਡਰ) ਦੱਸਣ ਲਈ ਤੁਹਾਡੇ 'ਤੇ ਭਰੋਸਾ ਕਰਦਾ ਹੈ। ਇਹ ਵਿਸ਼ਵਾਸ ਪੇਸ਼ੇ ਦਾ ਦਿਲ ਹੈ ਅਤੇ ਇੱਕ ਵਾਰ ਖਰਾਬ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ ਇਸਨੂੰ ਬਹਾਲ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਟੂਲਸ ਇਸ ਟਰੱਸਟ ਲਈ ਇੱਕ ਬਿਲਕੁਲ ਨਵਾਂ ਜੋਖਮ ਜੋੜਦੇ ਹਨ: ਕਿਉਂਕਿ ਇੱਕ ਵਾਕ ਜੋ ਤੁਸੀਂ ਕਲਾਉਡ ਵਿੱਚ ਟਾਈਪ ਕਰਦੇ ਹੋ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਹੋਰ ਕੰਪਨੀ ਦੇ ਸਰਵਰ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਾਂ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ AI ਯੁੱਗ ਵਿੱਚ ਕਲਾਇੰਟ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਸੁਰੱਖਿਅਤ ਕਰਨਾ ਹੈ; ਤੁਸੀਂ ਇਹ ਸਿੱਖੋਗੇ ਕਿ KVKK (ਨਿੱਜੀ ਡੇਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨ; ਕਾਨੂੰਨ ਨੰਬਰ 6698, ਜੋ ਕਿ ਤੁਰਕੀ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਦਾ ਹੈ) ਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਕੀ ਆਗਿਆ ਹੈ ਅਤੇ ਕੀ ਮਨਾਹੀ ਹੈ।

ਕਲਾਇੰਟ ਡੇਟਾ "ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ" ਕਿਉਂ ਹੈ?

KVKK ਡੇਟਾ ਨੂੰ ਦੋ ਵਿੱਚ ਵੰਡਦਾ ਹੈ: ਆਮ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ਟੈਲੀਫੋਨ) ਅਤੇ ਵਿਸ਼ੇਸ਼ ਨਿੱਜੀ ਡੇਟਾ। ਮਾਨਸਿਕ ਸਿਹਤ ਬਾਰੇ ਕੋਈ ਵੀ ਜਾਣਕਾਰੀ (ਇੱਥੋਂ ਤੱਕ ਕਿ ਇਹ ਤੱਥ ਕਿ ਕੋਈ ਵਿਅਕਤੀ ਇਲਾਜ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ) ਇਸ ਦੂਜੇ, ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਸਮੂਹ ਵਿੱਚ ਆਉਂਦੀ ਹੈ। ਸਿਹਤ ਡੇਟਾ ਕਾਨੂੰਨ ਵਿੱਚ ਇੱਕ ਵੱਖਰੀ ਸੁਰੱਖਿਅਤ ਸ਼੍ਰੇਣੀ ਹੈ; ਇੱਕ ਨਿਯਮ ਦੇ ਤੌਰ 'ਤੇ, ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਜਾਂ ਸਖਤ ਅਪਵਾਦਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇੱਕ ਗਾਹਕ ਦੇ ਸੈਸ਼ਨ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਇੱਕ ਬੇਤਰਤੀਬ AI ਟੂਲ ਵਿੱਚ ਟਾਈਪ ਕਰਨਾ ਨਾ ਸਿਰਫ਼ ਇੱਕ ਨੈਤਿਕ, ਸਗੋਂ ਇੱਕ ਕਾਨੂੰਨੀ ਉਲੰਘਣਾ ਵੀ ਹੋ ਸਕਦਾ ਹੈ।

ਇਸ ਵਿੱਚ ਇੱਕ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਵੀ ਸ਼ਾਮਲ ਕੀਤੀ ਗਈ ਹੈ। ਪੇਸ਼ੇਵਰ ਨੈਤਿਕਤਾ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਦੇ ਤੀਜੀ ਧਿਰ ਨਾਲ ਗਾਹਕ ਦੀ ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰਨ ਦੀ ਮਨਾਹੀ ਕਰਦੀ ਹੈ। ਇੱਕ ਕਲਾਉਡ-ਅਧਾਰਿਤ AI ਟੂਲ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਇੱਕ "ਤੀਜੀ ਧਿਰ" ਹੈ। ਇਸ ਲਈ ਸਵਾਲ ਇਹ ਹੈ: ਕੀ ਮੈਂ ਸੱਚਮੁੱਚ ਇਸ ਟੂਲ ਨੂੰ ਇਹ ਡੇਟਾ ਦੇਣ ਲਈ ਅਧਿਕਾਰਤ ਹਾਂ?

ਸਾਵਧਾਨ: "ਕੋਈ ਵੀ ਇਸਨੂੰ ਨਹੀਂ ਦੇਖੇਗਾ" ਜਾਂ "ਮੈਂ ਸਿਰਫ਼ ਸੰਖੇਪ ਕਰਾਂਗਾ" ਸੁਰੱਖਿਆ ਨਹੀਂ ਹੈ। ਜਦੋਂ ਡੇਟਾ ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ, ਇਹ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਹੁੰਦਾ ਹੈ। ਗੁਪਤਤਾ ਬਣਾਈ ਰੱਖਣਾ ਡੇਟਾ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਲਿਆ ਗਿਆ ਫੈਸਲਾ ਹੈ; ਬਾਅਦ ਵਿੱਚ ਵਾਪਸ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ।

ਡੇਟਾ ਦੀਆਂ ਤਿੰਨ ਅਵਸਥਾਵਾਂ: ਕਿਹੜਾ ਡੇਟਾ, ਕਿਹੜਾ ਮਾਧਿਅਮ

ਕਲਾਇੰਟ ਡੇਟਾ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ, ਹਰੇਕ ਜਾਣਕਾਰੀ ਨੂੰ ਤਿੰਨ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡੋ:

ਡਾਟਾ ਕਿਸਮ

ਉਦਾਹਰਨ

ਕੀ ਇਹ AI ਨੂੰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ?

ਨਿਯਮ

ਸਿੱਧੀ ਪਛਾਣ

ਨਾਮ-ਉਪਨਾਮ, TR ID, ਟੈਲੀਫੋਨ, ਪਤਾ, ਕੰਮ ਵਾਲੀ ਥਾਂ

ਨਹੀਂ

ਇਸ ਦੇ ਕੱਚੇ ਰੂਪ ਵਿੱਚ ਕਦੇ ਨਹੀਂ ਦਿੱਤਾ ਗਿਆ

ਅਸਿੱਧੇ ਪਛਾਣ

ਦੁਰਲੱਭ ਪੇਸ਼ੇ, ਛੋਟੀ ਜਿਹੀ ਬੰਦੋਬਸਤ, ਵਿਲੱਖਣ ਘਟਨਾ

ਨਹੀਂ (ਇਕੱਲੇ ID ਖੋਲ੍ਹਦਾ ਹੈ)

ਜਨਰਲਾਈਜ਼ਡ ਜਾਂ ਹਟਾਇਆ ਗਿਆ

ਕਲੀਨਿਕਲ ਸਮੱਗਰੀ (ਅਗਿਆਤ)

ਲੱਛਣ, ਥੀਮ, ਪ੍ਰਕਿਰਿਆ (ਪਛਾਣ ਕੱਢੀ ਗਈ)

ਸ਼ਰਤ 'ਤੇ ਹਾਂ

ਅਗਿਆਤ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਅਤ ਵਾਹਨ ਵਿੱਚ

ਟੀਚਾ ਡੀ-ਪਛਾਣ ਹੈ: ਡੇਟਾ ਨੂੰ ਅਜਿਹਾ ਬਣਾਉਣਾ ਕਿ ਨਾ ਤਾਂ ਤੁਸੀਂ ਅਤੇ ਨਾ ਹੀ ਕੋਈ ਹੋਰ ਇਸਨੂੰ ਕਿਸੇ ਖਾਸ ਵਿਅਕਤੀ ਨਾਲ ਲਿੰਕ ਕਰ ਸਕੇ। ਸਿਰਫ਼ ਨਾਮ ਮਿਟਾਉਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਵਾਕ "ਸ਼ਹਿਰ ਵਿੱਚ ਸਿਰਫ ਦੰਦਾਂ ਦਾ ਡਾਕਟਰ" ਵਿਅਕਤੀ ਨੂੰ ਦੂਰ ਕਰ ਦਿੰਦਾ ਹੈ ਭਾਵੇਂ ਨਾਮ ਮਿਟਾਇਆ ਜਾਵੇ।

ਕਦਮ ਦਰ ਕਦਮ: ਸੁਰੱਖਿਅਤ ਅਗਿਆਤਕਰਨ

1. ਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰੋ। ਨਾਮ, ਉਪਨਾਮ, ਉਮਰ ਦੀ ਬਜਾਏ ਸੀਮਾ ("30s"), ਸਥਾਨ, ਕੰਮ ਵਾਲੀ ਥਾਂ, ਸਕੂਲ, ਮਿਤੀ, ਰਿਸ਼ਤੇਦਾਰਾਂ ਦੇ ਨਾਮ।
2. ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਆਮ ਬਣਾਓ। "ਸ਼ਹਿਰ ਵਿੱਚ ਖੇਤੀਬਾੜੀ ਸੈਕਟਰ ਵਿੱਚ ਕੰਮ ਕਰਨ" ਦੀ ਬਜਾਏ "ਟ੍ਰੈਬਜ਼ੋਨ ਵਿੱਚ ਹੇਜ਼ਲਨਟ ਨਿਰਯਾਤਕ"। ਸਾਰ ਵਿਲੱਖਣ ਘਟਨਾਵਾਂ.
3. ਨੰਬਰਾਂ ਨੂੰ ਬਲਰ ਕਰੋ। ਸਹੀ ਮਿਤੀ ਦੀ ਬਜਾਏ "ਲਗਭਗ 6 ਮਹੀਨੇ ਪਹਿਲਾਂ"।
4. ਵਾਹਨ ਦੀ ਜਾਂਚ ਕਰੋ. ਕੀ AI ਟੂਲ ਜੋ ਤੁਸੀਂ ਵਰਤਦੇ ਹੋ ਉਹ ਸਿਖਲਾਈ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ? ਕੀ ਇੱਥੇ ਕੋਈ "ਐਂਟਰਪ੍ਰਾਈਜ਼/ਪ੍ਰਾਈਵੇਸੀ ਮੋਡ" ਹੈ? ਡੇਟਾ ਕਿੱਥੇ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
5. ਨਿਊਨਤਮ ਡਾਟਾ ਨੀਤੀ। ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਘੱਟੋ-ਘੱਟ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰੋ; ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਾ ਦਿਓ।
6. ਸਹਿਮਤੀ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ। ਕਲਾਇੰਟ ਨੂੰ ਸਿਖਿਅਤ ਕਰੋ ਕਿ ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਪ੍ਰਬੰਧਕੀ/ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ।

ਸੰਕੇਤ: ਕਿਸੇ ਟੈਕਸਟ ਨੂੰ ਅਗਿਆਤ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਆਪਣੇ ਆਪ ਨੂੰ ਇਹ ਸਵਾਲ ਪੁੱਛੋ: "ਜੇਕਰ ਇਹ ਕਲਾਇੰਟ ਇਹ ਟੈਕਸਟ ਪੜ੍ਹਦਾ ਹੈ, ਤਾਂ ਕੀ ਉਹ ਆਪਣੇ ਆਪ ਨੂੰ ਪਛਾਣ ਲਵੇਗਾ? ਕੀ ਕੋਈ ਹੋਰ ਉਸਨੂੰ ਪਛਾਣੇਗਾ?" ਜੇਕਰ ਤੁਸੀਂ ਦੋਹਾਂ ਨੂੰ "ਨਹੀਂ" ਨਹੀਂ ਕਹਿ ਸਕਦੇ, ਤਾਂ ਅਗਿਆਤਕਰਨ ਪੂਰਾ ਨਹੀਂ ਹੁੰਦਾ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਛੋਟੀ ਗਲਤੀ, ਵੱਡੀ ਉਲੰਘਣਾ। ਜਦੋਂ ਕਿ ਇੱਕ ਮਾਹਰ ਕੋਲ ਸੈਸ਼ਨ ਨੋਟਸ ਦਾ AI ਸੰਖੇਪ ਹੈ, ਗਾਹਕ ਦਾ ਨਾਮ "M.Y." ਅਤੇ ਬਾਕੀ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਛੱਡਦਾ ਹੈ: "ਕਦੀਕੋਏ ਵਿੱਚ ਹਸਪਤਾਲ X ਵਿਖੇ ਨਰਸ, ਧੀ ਦਾ ਨਾਮ ਏਲੀਫ ਹੈ, ਤਲਾਕ ਦਾ ਕੇਸ..." ਭਾਵੇਂ ਨਾਮ ਛੋਟਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਹ ਵੇਰਵੇ ਆਸਾਨੀ ਨਾਲ ਵਿਅਕਤੀ ਦੀ ਪਛਾਣ ਕਰ ਲੈਂਦੇ ਹਨ। ਅਗਿਆਤਕਰਨ ਅਸਫਲ; ਉਲੰਘਣਾ ਹੋਈ ਮੰਨੀ ਜਾਂਦੀ ਹੈ। ਸਹੀ ਤਰੀਕਾ: "ਸਿਹਤ ਸੰਭਾਲ ਖੇਤਰ ਵਿੱਚ ਕਰਮਚਾਰੀ", ਬੱਚੇ ਨੂੰ "ਇੱਕ ਬੱਚਾ ਹੈ", ਕੇਸ ਨੂੰ "ਕਾਨੂੰਨੀ ਪ੍ਰਕਿਰਿਆ" ਵਜੋਂ ਆਮ ਬਣਾਓ।

ਕੇਸ 2 - ਵਾਹਨ ਦੀ ਚੋਣ ਇੱਕ ਫਰਕ ਪਾਉਂਦੀ ਹੈ। ਦੋ ਮਨੋਵਿਗਿਆਨੀ ਇੱਕੋ ਕੰਮ ਕਰਦੇ ਹਨ। ਇੱਕ ਨਿੱਜੀ, ਮੁਫਤ ਚੈਟ ਟੂਲ ਵਿੱਚ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਟਾਈਪ ਕਰਦਾ ਹੈ; ਟੂਲ ਦਾ ਇਕਰਾਰਨਾਮਾ ਕਹਿੰਦਾ ਹੈ "ਸੇਵਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇਨਪੁਟਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।" ਦੂਜਾ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਇਕਰਾਰਨਾਮੇ ਦੇ ਨਾਲ ਇੱਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜਿਸਦੀ ਸੈਟਿੰਗ "ਸਿੱਖਿਆ ਵਿੱਚ ਮੇਰੇ ਇਨਪੁਟ ਦੀ ਵਰਤੋਂ" ਅਤੇ ਅਗਿਆਤ ਡੇਟਾ ਦੇ ਨਾਲ ਖੁੱਲੀ ਹੈ। ਉਹ ਦੋਵੇਂ ਕਹਿੰਦੇ ਹਨ "ਅਸੀਂ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕੀਤੀ", ਪਰ ਇੱਕ ਨੇ ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਅਤੇ ਦੂਜੇ ਨੇ ਇਸਨੂੰ ਲੀਕ ਕੀਤਾ।

ਕੇਸ 3 - ਮਿਟਾਉਣ ਦਾ ਅਧਿਕਾਰ। ਇੱਕ ਕਲਾਇੰਟ ਥੈਰੇਪੀ ਛੱਡਦਾ ਹੈ ਅਤੇ ਉਸਦੇ ਡੇਟਾ ਨੂੰ ਮਿਟਾਉਣ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ (ਕੇਵੀਕੇਕੇ ਦੇ ਅਧੀਨ ਉਸਦਾ ਅਧਿਕਾਰ)। ਮਾਹਰ ਆਪਣੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਨੂੰ ਮਿਟਾ ਦਿੰਦਾ ਹੈ, ਪਰ ਸੈਸ਼ਨ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ ਜੋ ਉਸਨੇ 3 ਮਹੀਨੇ ਪਹਿਲਾਂ ਇੱਕ ਏਆਈ ਟੂਲ ਵਿੱਚ ਪੇਸਟ ਕੀਤਾ ਸੀ; ਉਹ ਡੇਟਾ ਨੂੰ ਯਾਦ ਨਹੀਂ ਕਰ ਸਕਦਾ ਜਾਂ ਇਹ ਯਕੀਨੀ ਨਹੀਂ ਕਰ ਸਕਦਾ ਕਿ ਉਸਨੇ ਇਸਨੂੰ ਮਿਟਾ ਦਿੱਤਾ ਹੈ। ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਅਗਿਆਤ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਨਾ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ: ਕੋਈ ਵੀ ਪਛਾਣ ਡੇਟਾ ਨਹੀਂ ਰੱਖਿਆ ਜਾਂਦਾ ਜਿੱਥੇ ਇਸਨੂੰ ਮਿਟਾਇਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਅਤੇ ਟੈਂਪਲੇਟਸ

ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਨੂੰ ਅਗਿਆਤ ਬਣਾਓ। ਨਿਮਨਲਿਖਤ ਨੂੰ ਹਟਾਓ ਜਾਂ ਸਧਾਰਣ ਬਣਾਓ: ਪਹਿਲਾ ਨਾਮ, ਆਖਰੀ ਨਾਮ, ਉਮਰ (ਰੇਂਜ ਵਿੱਚ ਬਦਲੋ), ਸ਼ਹਿਰ/ਕਾਉਂਟੀ/ਨੇਬਰਹੁੱਡ, ਕੰਮ ਵਾਲੀ ਥਾਂ, ਸਕੂਲ, ਮਿਤੀ, ਰਿਸ਼ਤੇਦਾਰ ਨਾਮ, ਵਿਲੱਖਣ ਘਟਨਾਵਾਂ। ਫਿਰ ਮੈਨੂੰ ਪੁੱਛਿਆ ਗਿਆ ਕਿ "ਕੀ ਬਾਕੀ ਲਿਖਤ ਤੋਂ ਪਛਾਣ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ?" ਆਪਣਾ ਮੁਲਾਂਕਣ ਵੀ ਲਿਖੋ। ਟੈਕਸਟ: [text]

ਇਸ ਟੈਕਸਟ ਵਿੱਚ ਹਰੇਕ ਵਾਕਾਂਸ਼ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰੋ ਜੋ ਸਿੱਧੇ ਜਾਂ ਅਸਿੱਧੇ ਰੂਪ ਵਿੱਚ ਵਿਅਕਤੀ ਦਾ ਵਰਣਨ ਕਰ ਸਕਦਾ ਹੈ (ਬਹੁਤ ਘੱਟ ਕਿੱਤੇ, ਛੋਟੀ ਜਗ੍ਹਾ, ਵਿਲੱਖਣ ਘਟਨਾ ਸਮੇਤ)। ਸੁਝਾਅ ਦਿਓ ਕਿ ਮੈਂ ਹਰੇਕ ਲਈ ਆਮ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ। ਟੈਕਸਟ: [ਟੈਕਸਟ]

ਇੱਕ ਮਨੋਵਿਗਿਆਨ ਅਭਿਆਸ ਲਈ ਕਲਾਇੰਟ ਜਾਣਕਾਰੀ ਪਾਠ ਵਿੱਚ ਜੋੜਨ ਲਈ ਇੱਕ ਸਧਾਰਨ, ਸਮਝਣ ਯੋਗ ਪੈਰਾਗ੍ਰਾਫ਼ ਤਿਆਰ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਇਹ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ ਕਿ "ਸੇਵਾ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ ਪ੍ਰਸ਼ਾਸਕੀ ਅਤੇ ਡਰਾਫਟ ਉਦੇਸ਼ਾਂ ਲਈ ਨਕਲੀ ਖੁਫੀਆ ਟੂਲ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ; ਕਲਾਇੰਟ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ ਜਾਵੇਗਾ ਅਤੇ ਨਿਦਾਨ/ਇਲਾਜ ਦੇ ਫੈਸਲੇ ਮਾਹਰ ਦੇ ਹਨ।"

ਇਹ ਨਿਯੰਤਰਣ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਮੈਨੂੰ ਇੱਕ ਨਕਲੀ ਖੁਫੀਆ ਟੂਲ ਦੀ ਗੋਪਨੀਯਤਾ ਨੀਤੀ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਸਦੀ ਮੈਂ ਵਰਤੋਂ ਕਰਨ 'ਤੇ ਵਿਚਾਰ ਕਰ ਰਿਹਾ ਹਾਂ: ਡੇਟਾ ਸਟੋਰੇਜ, ਸਿੱਖਿਆ ਵਿੱਚ ਵਰਤੋਂ, ਡੇਟਾ ਟਿਕਾਣਾ, ਮਿਟਾਉਣਾ, ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਝੌਤਾ, ਕਾਰਪੋਰੇਟ ਮੋਡ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਹੇਠ ਦਿੱਤੇ ਸੈਸ਼ਨ ਰਿਕਾਰਡਿੰਗ ਦਾ ਸਾਰ ਦਿਓ: [ਅਸਲ ਨਾਮ ਅਤੇ ਪੂਰੇ ਵੇਰਵਿਆਂ ਨਾਲ ਕੱਚਾ ਟੈਕਸਟ]"

ਇਹ ਪ੍ਰੋਂਪਟ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਇਸਦੇ ਕੱਚੇ ਰੂਪ ਵਿੱਚ ਤੀਜੀ ਧਿਰ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕਰਦਾ ਹੈ; ਇਹ ਕੇਵੀਕੇਕੇ ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਦੀ ਉਲੰਘਣਾ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ: "ਪਹਿਲਾਂ ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਨੂੰ ਅਗਿਆਤ ਬਣਾਓ (ਨਾਮ, ਸਥਾਨ, ਕੰਮ ਵਾਲੀ ਥਾਂ, ਮਿਤੀ, ਰਿਸ਼ਤੇਦਾਰਾਂ ਦੇ ਨਾਮ ਨੂੰ ਆਮ ਬਣਾਓ), ਫਿਰ SOAP ਫਾਰਮੈਟ ਵਿੱਚ ਅਗਿਆਤ ਸੰਸਕਰਣ ਦਾ ਸਾਰ ਦਿਓ। ਇਹ ਵੀ ਮੁਲਾਂਕਣ ਕਰੋ ਕਿ ਕੀ ਗੁਮਨਾਮਕਰਨ ਕਾਫ਼ੀ ਹੈ: [text]"

ਇਹ ਪ੍ਰੋਂਪਟ ਪਹਿਲਾਂ ਸੁਰੱਖਿਆ ਕਰਦਾ ਹੈ, ਫਿਰ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਉਹ ਆਪਣੀ ਪਛਾਣ ਸਾਹਮਣੇ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਕੰਮ ਖਤਮ ਕਰ ਲੈਂਦਾ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਬਸ ਨਾਮ ਮਿਟਾਓ. ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾ (ਬਹੁਤ ਘੱਟ ਕਿੱਤਾ, ਛੋਟਾ ਸਥਾਨ) ਵਿਅਕਤੀ ਨੂੰ ਛੱਡ ਦਿੰਦੇ ਹਨ ਭਾਵੇਂ ਤੁਸੀਂ ਨਾਮ ਮਿਟਾਉਂਦੇ ਹੋ।
• ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਮੁਫਤ/ਨਿੱਜੀ ਟੂਲ ਵਿੱਚ ਲਿਖਣਾ। ਸਿੱਖਿਆ ਵਿੱਚ ਇਨਪੁਟਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਾਂ ਨਹੀਂ ਇਸਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਡਾਟਾ ਪ੍ਰਦਾਨ ਕਰਨਾ।
• ਸਹਿਮਤੀ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਗਾਹਕ ਨੂੰ ਬਿਲਕੁਲ ਵੀ ਸੂਚਿਤ ਨਾ ਕਰਨਾ; ਪਾਰਦਰਸ਼ਤਾ ਇੱਕ ਨੈਤਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
• ਇਹ ਸੋਚਣਾ ਕਿ ਇਹ "ਅਸਥਾਈ" ਹੈ। ਇਹ ਭੁੱਲ ਜਾਣਾ ਕਿ ਕਲਾਉਡ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ; ਮਿਟਾਉਣ ਦਾ ਹੱਕ ਪੈਦਾ ਹੋਣ 'ਤੇ ਲਾਚਾਰ ਹੋਣਾ।
• ਘੱਟ ਤੋਂ ਘੱਟ ਡਾਟਾ ਸਿਧਾਂਤ ਦੀ ਉਲੰਘਣਾ ਕਰਨਾ। ਕੰਮ ਲਈ ਦਰਜਨਾਂ ਬੇਲੋੜੇ ਵੇਰਵਿਆਂ ਨੂੰ ਚਿਪਕਾਉਣਾ; ਹਰ ਵਾਧੂ ਡੇਟਾ ਇੱਕ ਵਾਧੂ ਜੋਖਮ ਹੁੰਦਾ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਕਲਾਇੰਟ ਡੇਟਾ ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ ਵਿੱਚ ਹੈ, KVKK ਦੇ ਅਧੀਨ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਸਮੂਹ ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਹੈ। ਇੱਕ ਕਲਾਉਡ-ਅਧਾਰਿਤ AI ਟੂਲ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਇੱਕ ਤੀਜੀ ਧਿਰ ਹੈ; ਉਸ ਨੂੰ ਕੱਚਾ ਗਾਹਕ ਡੇਟਾ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸਿੱਧੀ/ਅਪ੍ਰਤੱਖ ਪਛਾਣ ਅਤੇ ਅਗਿਆਤ ਕਲੀਨਿਕਲ ਸਮੱਗਰੀ ਵਿੱਚ ਵੱਖਰਾ ਡੇਟਾ; ਇੱਕ ਘੱਟੋ-ਘੱਟ ਡੇਟਾ ਨੀਤੀ ਦੇ ਨਾਲ ਇੱਕ ਗੋਪਨੀਯਤਾ-ਨਿਯੰਤਰਿਤ ਟੂਲ ਵਿੱਚ ਕੇਵਲ ਸੱਚਮੁੱਚ ਹੀ ਅਗਿਆਤ ਸਮੱਗਰੀ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਗਾਹਕ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਬਾਰੇ ਸਿੱਖਿਅਤ ਕਰੋ। ਗੋਪਨੀਯਤਾ ਡੇਟਾ ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਲਿਆ ਗਿਆ ਇੱਕ ਫੈਸਲਾ ਹੈ ਜੋ ਬਾਅਦ ਵਿੱਚ ਵਾਪਸ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਹੱਥ (ਜਾਂ ਕਾਲਪਨਿਕ) ਸੈਸ਼ਨ ਨੋਟ ਲਓ। ਪਹਿਲਾਂ ਸਾਰੇ ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਪੀਲੇ ਵਿੱਚ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਫਿਰ ਹਰੇਕ ਨੂੰ ਇੱਕ ਆਮ ਸਮੀਕਰਨ ਨਾਲ ਬਦਲੋ ਅਤੇ ਇੱਕ ਅਗਿਆਤ ਸੰਸਕਰਣ ਲਿਖੋ। ਅੰਤ ਵਿੱਚ ਆਪਣੇ ਆਪ ਨੂੰ ਪੁੱਛੋ, "ਕੀ ਇਹ ਗਾਹਕ ਆਪਣੇ ਆਪ ਨੂੰ ਜਾਣਦਾ ਹੈ?" ਸਵਾਲ ਪੁੱਛੋ ਅਤੇ ਆਪਣਾ ਜਵਾਬ ਨੋਟ ਕਰੋ। ਤੁਸੀਂ ਇੱਕ AI ਟੂਲ ਦੀ ਗੋਪਨੀਯਤਾ ਸੈਟਿੰਗਾਂ ਨੂੰ ਵੀ ਖੋਲ੍ਹ ਸਕਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਵਰਤਦੇ ਹੋ ਅਤੇ ਪੁੱਛ ਸਕਦੇ ਹੋ "ਕੀ ਸਿਖਲਾਈ ਵਿੱਚ ਇਨਪੁੱਟ ਵਰਤੇ ਜਾਂਦੇ ਹਨ?" ਸਵਾਲ ਦਾ ਜਵਾਬ ਲੱਭੋ.

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਸਿੱਧੇ ਪਛਾਣਕਰਤਾ (ਨਾਮ, ਸਥਾਨ, ਮਿਤੀ, ਕੰਮ ਵਾਲੀ ਥਾਂ) ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਹੈ।
• [ ] ਮੈਂ ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾਵਾਂ (ਬਹੁਤ ਘੱਟ ਪੇਸ਼ੇ, ਵਿਲੱਖਣ ਘਟਨਾ) ਨੂੰ ਆਮ ਬਣਾਇਆ ਹੈ।
• [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਕਿ ਜੋ ਟੂਲ ਮੈਂ ਵਰਤ ਰਿਹਾ ਹਾਂ ਉਹ ਸਿਖਲਾਈ ਲਈ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ ਹੈ।
• [ ] ਮੈਂ ਘੱਟ ਤੋਂ ਘੱਟ ਡੇਟਾ ਦੇ ਸਿਧਾਂਤ ਦੀ ਪਾਲਣਾ ਕੀਤੀ; ਮੈਂ ਬਸ ਉਹੀ ਦਿੱਤਾ ਜੋ ਜ਼ਰੂਰੀ ਸੀ।
• [ ] ਮੈਂ ਕਲਾਇੰਟ ਨੂੰ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਸੂਚਿਤ ਕੀਤਾ / ਸਹਿਮਤੀ ਢਾਂਚੇ ਨੂੰ ਦੇਖਿਆ।
• [] "ਕੀ ਗਾਹਕ ਆਪਣੇ ਆਪ ਨੂੰ ਪਛਾਣਦਾ ਹੈ?" ਮੈਂ ਪ੍ਰੀਖਿਆ ਪਾਸ ਕੀਤੀ।