ලාභ:
- කෘත්රිම බුද්ධියට ලබාදීමට පෙර ගර්භනී කාන්තාව සෘජුව හෝ වක්රව හඳුනාගත හැකි දත්ත වෙන්කර හඳුනාගෙන හඳුනාගැනීමේ හැකියාව
- දත්ත අවම කිරීම යෙදීමේ හැකියාව සහ KVKK රාමුව තුළ ආයතනික අනුමත මෙවලම් පමණක් භාවිතා කිරීමේ පුරුද්ද ලබා ගැනීම.
- 'මෙම පුද්ගලයා මෙම පාඨයෙන් සොයාගත හැකිද?' පරීක්ෂණය යෙදීමෙන් නැවත හඳුනාගැනීමේ අවදානම කළමනාකරණය කිරීමේ හැකියාව
වින්නඹු මාතාව යනු මිනිසුන්ගේ වඩාත්ම පුද්ගලික තොරතුරු ස්පර්ශ කරන වෘත්තියකි: ගැබ් ගැනීමක් සිදු වන ආකාරය, අතීත ගැබ්ගැනීම්, ගබ්සාවීම්, පාඩු, සබඳතා, මානසික තත්ත්වය, ලිංගික සෞඛ්යය. මෙම තොරතුරු වැරදි අතට පත් වූ විට, එය ආපසු හැරවිය නොහැකි හානියක් සිදු කරයි - ගෘහස්ථ අර්බුදයක්, සමාජ අපකීර්තියක්, විශ්වාසය නැතිවීමක්. එබැවින්, රහස්යභාවය වින්නඹු මාතාව තුළ "අතිරේක රීතියක්" නොව, වෘත්තියේ පදනම වේ. ඔබ ඔබේ ව්යාපාරයට AI හඳුන්වා දුන් පසු, පෞද්ගලිකත්වයේ නව මායිමක් විවෘත වේ: ඔබ කතාබස් සහායකයකුට ටයිප් කරන ඕනෑම දෙයක් ඔබේ පාලනයෙන් බැහැර විය හැක. AI භාවිතා කරන විට ගර්භනී දත්ත ආරක්ෂා කරන ආකාරය මෙම ඒකකය ඔබට උගන්වයි - විශේෂයෙන්ම KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය; Türkiye හි පුද්ගලික දත්ත සැකසීම නියාමනය කරන නීතිය) රාමුව තුළ.
මූලික මූලධර්මය එක් වාක්යයකින් ඇත: ගර්භනී කාන්තාවක් හඳුනා ගත හැකි ඕනෑම තොරතුරක් කිසි විටෙකත් කෘතිම බුද්ධි මෙවලමකට ඇතුළු නොවිය යුතුය. මෙම රීතිය ඉගෙනීම මොඩියුලයේ අනෙකුත් සියලුම කුසලතා වලට වඩා ප්රමුඛත්වය ගනී; මක්නිසාද යත් වරක් කාන්දු වූ දත්ත නැවත ලබා ගත නොහැක.
අවධානය: ඔබ AI මෙවලමකට ටයිප් කරන පෙළ එම සේවාවේ සේවාදායකයන් වෙත යයි; ගබඩා කිරීම, සැකසීම සහ සමහර අවස්ථාවලදී ආදර්ශ පුහුණුව සඳහා භාවිතා කළ හැක. "මට සාරාංශයක් අවශ්ය විය" යැයි පැවසීමෙන් දත්ත ලබා නොදේ. එකම ආරක්ෂිත ක්රමය නම් කිසි විටෙකත් අක්තපත්රය මුලින් ටයිප් නොකිරීමයි.
පුද්ගලික දත්ත යනු කුමක්ද, එය හඳුනාගත හැකි තොරතුරු මොනවාද?
පුද්ගලික දත්ත යනු පුද්ගලයෙකු සෘජුව හෝ වක්රව හඳුනාගත හැකි ඕනෑම තොරතුරකි. වින්නඹු මාතාවන්හිදී, මේවා විශේෂයෙන් විශේෂ කාණ්ඩයට අයත් වේ (නීතියේ ඉහළම ආරක්ෂාව ලැබෙන සෞඛ්ය දත්ත වැනි). කණ්ඩායම් දෙකකින් පිළිගැනීමක් ලබා දෙන තොරතුරු සලකා බලන්න:
සෘජු හඳුනාගැනීම්: නම-වාසගම, TR ID අංකය, ගොනුව/ප්රොටෝකෝල අංකය, දුරකථනය, ලිපිනය, විද්යුත් තැපෑල, උපන් දිනය, සමාජ මාධ්ය ගිණුම, ඡායාරූපය.
වක්ර විස්තර කරන්නන් (එය හදුනාගත හැකි පරිදි ඒකාබද්ධ කර ඇත): "එම අසල්වැසි එකම ත්රිත්ව ගැබ් ගැනීම", "පළමු ගැබ් ගැනීම සමඟ ආයතනයේ එකම 44 හැවිරිදි", දුර්ලභ රෝගයක් + කුඩා ජනාවාසයක්, රැකියා ස්ථානය + ගර්භණී වයස. තමන් විසින්ම නිර්දෝෂී බව පෙනෙන විස්තර කිහිපයක් එකට ගෙන එන විට පුද්ගලයෙකුට පෙන්වා දිය හැකිය. මෙය නැවත හඳුනාගැනීමේ අවදානම ලෙස හැඳින්වේ.
හඳුනාගැනීම ඉවත් කිරීම යනු මෙම හඳුනාගැනීම් පෙළෙන් ඉවත් කිරීමේ ක්රියාවලියයි. හොඳින් සිදු කරන ලද හඳුනාගැනීම් ඉවත් කිරීම සෘජු සහ වක්ර හඳුනාගැනීම් යන දෙකම ඉවත් කරයි.
පියවරෙන් පියවර: AI වෙත දත්ත ලබා දීමට පෙර හඳුනාගැනීම ඉවත් කිරීම
- සෘජු හඳුනාගැනීම් මකන්න: නම, හැඳුනුම්පත, දුරකථන අංකය, ගොනු අංකය, ලිපිනය, දිනය - ඒවා සියල්ල ඉවත් කරන්න. "ගැබිනි A", "වයස අවුරුදු 38 පමණ", "දෙවන ත්රෛමාසිකය" වැනි සාමාන්යකරණයන් සමඟ එය ප්රතිස්ථාපනය කරන්න.
- වක්ර ඉඟි බොඳ කරන්න: නිශ්චිත වයස පරාසයට හරවන්න (උදා: "40 ගණන්වල මුල්"), නිශ්චිත ස්ථානය කලාපයට, දුර්ලභ සංයෝජන සාමාන්ය බවට පත් කරන්න.
- අනවශ්ය විස්තර ඉවතලන්න: AI හට එහි කාර්යය කිරීමට අවශ්ය අවම තොරතුරු ලබා දෙන්න (දත්ත අවම කිරීම). මව්කිරි දීමේ කාඩ්පතක් ලිවීමට ගර්භනී කාන්තාවකගේ ඉතිහාසය අවශ්ය නොවේ.
- ආයතන ප්රතිපත්තිය පරීක්ෂා කරන්න: සමහර ආයතන අනුමත/ආයතනික AI මෙවලම් නිර්වචනය කරයි; පුද්ගලික/නොමිලේ මෙවලම් වලට රෝගියාගේ දත්ත ඇතුලත් කිරීම තහනම් කළ හැක. ඔබේ ආයතනයේ රීතිය අනුගමනය කරන්න.
- අවසාන කියවීම: විමසුම යැවීමට පෙර "මෙම පුද්ගලයා මෙම පාඨයෙන් සොයාගත හැකිද?" එය නැවත වරක් කියවන්න.
මෙම පියවර පහෙන් වඩාත්ම දුෂ්කර වන්නේ දෙවන - නොපැහැදිලි වක්ර ඉඟි - සෘජු හඳුනාගැනීම් මකා දැමීම පහසු වන අතර පළමුව මතකයට එයි, නමුත් බොහෝ හඳුනා ගැනීම ඇත්ත වශයෙන්ම වක්ර විස්තර සංයෝජනයෙන් පැමිණේ. වෘත්තියක්, වයසක්, පදිංචි ස්ථානයක් සහ දුර්ලභ තත්වයක් යන දෙකෙහි එකතුව නමක් සඳහන් නොකළත් පුද්ගලයෙකු තනි පුද්ගලයෙකු බවට පත් කළ හැකිය. එබැවින් හඳුනාගැනීම ඉවත් කිරීම "නම් මකා දැමීම" ලෙස නොසිතිය යුතු අතර "මෙම පාඨය කියවන කිසිවකුට පුද්ගලයා අනුමාන කළ නොහැකි බව සහතික කිරීම" ලෙස සැලකිය යුතුය. මෙම මානසික රාමුව නැවත හඳුනාගැනීමේ අවදානම රැඩිකල් ලෙස අඩු කරයි.
ඉඟිය: හොඳ පරීක්ෂණයක්: ඔබ එම ගැබිනි කාන්තාව හඳුනන සගයකුට හඳුනා නොගත් පෙළ පෙන්වුවහොත්, ඇය "මෙය එසේ ය" යැයි කියනු ඇත්ද? එයාට එහෙම කියන්න පුළුවන් නම් ඒ කියන්නේ ඔයා එයාව හඳුනාගෙන නැති තරම්.
කුඩා නඩු තුනක්
1 වන අවස්ථාව - වක්ර හඳුනා ගැනීම: ඉතිහාස සාරාංශයක් සඳහා AI වෙතින් විමසූ විට, වින්නඹු මාතාවක් හැඳුනුම්පත මඟ හැරිය නමුත් “අපේ නගරයේ ඇති එකම සිව් ගුණයක ගැබ් ගැනීම” යන වාක්ය ඛණ්ඩය අත්හැරියේය. මේ තනි වැකිය කෙලින්ම පෙන්වා දෙන්නේ එම කුඩා ස්ථානයේ සිටින පුද්ගලයාටයි. ඔහුගේ සගයා දැක අනතුරු අඟවයි; වින්නඹු මාතාව ප්රකාශය "බහු ගැබ් ගැනීම" ලෙස සාමාන්යකරණය කරයි. පාඩම: සෘජු හඳුනාගැනීම් මෙන්ම වක්ර හඳුනාගැනීම් ද භයානක ය.
2 වන අවස්ථාව - දත්ත අවම කිරීම: දෙවන වින්නඹු මාතාව "ගර්භණී පෝෂණ" අත් පත්රිකාවක් මුද්රණය කරනවා වෙනුවට ගැබිනි කාන්තාවගේ සම්පූර්ණ ගොනුවම AI වෙත ඇලවීම පුරුද්දක් ලෙස සිදු කරයි. එය පවතී: අත් පත්රිකාව සඳහා පුද්ගලික දත්ත අවශ්ය නොවේ. ඔහු ලිපිගොනුව භාර නොදී, විෂයය පමණක් ලියමින් විවරණිකාව ලබා ගනී. වඩාත්ම ආරක්ෂිත දත්ත වන්නේ කිසි විටෙක බෙදා නොගන්නා දත්ත ය.
නඩුව 3 — වැරදි මෙවලම: තුන්වන උදාහරණයේ දී, වින්නඹු මාතාවක් ආයතනික ප්රතිපත්තිය මතක තබා ගන්නා විට ඇයගේ පුද්ගලික දුරකථනයේ අහඹු යෙදුමකට රෝගී තොරතුරු ටයිප් කිරීමට සූදානම් වේ: රෝගියාගේ දත්ත සැකසිය හැක්කේ හඳුනා නොගත් සහ ආයතන අනුමත මෙවලම් භාවිතයෙන් පමණි. පුද්ගලික යෙදුම භාවිතා නොකරයි. දත්ත කාන්දුවක් බොහෝ විට පැන නගින්නේ එවැනි "පහසුව" මොහොතකින් මිස තාක්ෂණික දෝෂයකින් නොවේ.
පිටපත් කළ හැකි සැකිලි
භූමිකාව: හඳුනාගැනීමේ පාලන සහායකයා ඔබයි.කාර්යය: පුද්ගලයෙකු සෘජුව හෝ වක්රව හඳුනාගත හැකි සෑම ප්රකාශනයක්ම පහත පෙළෙහි සලකුණු කරන්න:- සෘජු: නම, හැඳුනුම්පත, දුරකථන, ලිපිනය, ගොනු අංකය, නිශ්චිත දිනය, ඡායාරූපය.- වක්ර: දුර්ලභ සංයෝජනය, කුඩා ස්ථානය + විශේෂ තත්ත්වය, නිශ්චිත වයස, සේවා ස්ථානය, අද්විතීය/සුවිශේෂී පෙළ.
භූමිකාව: ඔබ දත්ත අවම කිරීමේ උපදේශකයෙකි. කාර්යය: මට මෙම කාර්යය කිරීමට අවශ්යයි: [රැකියාව]. මෙය සිදු කිරීම සඳහා මා ඔබට ලබා දිය යුතු අවම තොරතුරු මොනවාද? අනවශ්ය රෝගී තොරතුරු "[සපයන්න එපා]" ලෙස සලකුණු කරන්න.
භූමිකාව: ඔබ ආරක්ෂිත සාරාංශ සහායකයා වේ. කාර්යය: DIDIDENTIFIED කතාව පහතින් සාරාංශ කරන්න. පෙළෙහි හඳුනාගැනීමේ තොරතුරු ඔබ දකින්නේ නම්, සාරාංශ නොකරන්න; ඒ වෙනුවට ලියන්න "මම අක්තපත්ර හඳුනා ගත්තා, කරුණාකර ඉවත් කර නැවත යවන්න."කතාව: [කතාව]
ආයතනික ප්රතිපත්ති මතක් කිරීමේ පිරික්සුම් ලැයිස්තුව (ඔබෙන්ම අසන්න):- මෙම මෙවලම මගේ ආයතනය විසින් අනුමත කර තිබේද?- මා ඇතුළත් කළ දත්තවල පුද්ගලිකව හඳුනාගත හැකි තොරතුරු තිබේද?- මෙම කාර්යය සඳහා මෙම තොරතුරු ඇත්ත වශයෙන්ම අවශ්යද?- මා දන්නා කෙනෙකුට පෙළ කියවා ඇත්නම් පුද්ගලයා සොයා ගත හැකිද?- ප්රතිදානය සුරැකීමේදී මම හඳුනාගැනීමේ තොරතුරු එක් කරන්නේද?
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල: "Ayşe Y., 39, තෙවන ගැබ් ගැනීම, පහත සඳහන් රෝහලේ, ගොනු අංක 4412; ඇගේ ඉතිහාසය සාරාංශ කරන්න."
මෙම විමසුම සෘජු හඳුනාගැනීම් වලින් පිරී ඇත; එව්වාම පුද්ගලික දත්ත පිටවුණා.
ශක්තිමත්:
භූමිකාව: ආරක්ෂිත සාරාංශ සහායක. පහත සඳහන් නිර්නාමික ඉතිහාසය සාරාංශ කරන්න. "ගැබිනි A, 30 ගණන්වල අගභාගය, තෙවන ගැබ් ගැනීම, [ආශ්රිත වෛද්ය තොරතුරු නිර්නාමික]." පෙළෙහි හඳුනාගැනීමේ තොරතුරු ඔබ දකින්නේ නම්, සාරාංශ නොකරන්න, අනතුරු අඟවන්න.
වෙනස: ශක්තිමත් අනුවාදයේ සෘජු/වක්ර හඳුනාගැනීම් නොමැත; කාර්යය කිරීමට අවශ්ය වන්නේ අනන්යතාවයක් නොමැති සන්දර්භය පමණි. විමසුම ලිවීමට පෙර ආරක්ෂාව ආරම්භ වේ.
බෙදාගත යුතු දේ සහ බෙදා නොගත යුතු දේ
තොරතුරු වර්ගය
එය AI වලට වැටෙනවාද?
විකල්ප
නම, TR ID, දුරකථනය, ලිපිනය, ගොනු අංකය
කවදාවත්
"ගර්භනී ඒ"
නිශ්චිත වයස / නිශ්චිත දිනය
නැත
වයස් පරාසය / ත්රෛමාසිකය
දුර්ලභ + කුඩා ස්ථාන සංයෝජනය
නැත
සාමාන්යකරණය
සාමාන්ය වෛද්ය සන්දර්භය (නිර්නාමික)
ඔව්, අවශ්ය නම්
දත්ත අවම කිරීම යොදන්න
ඡායාරූපය/රූපය
නැත (මුහුණ / ලකුණ)
අවශ්ය නොවේ
ආයතනය විසින් අනුමත නොකළ වාහනය
රෝගියාගේ දත්ත නොමැත
අනුමත වාහනය
පොදු වැරදි
- නම මකා දැමීම සහ වක්ර ඉඟි ඉතිරි කිරීම: නැවත හඳුනා ගැනීමේ අවදානම පවතී.
- "පහසුව" සඳහා සම්පූර්ණ ගොනුව ඇලවීම: දත්ත අවම කිරීමේ මූලධර්මය උල්ලංඝනය කරයි.
- පුද්ගලික/අනුමත නොකළ උපාංගවලට රෝගියාගේ දත්ත ඇතුළත් කිරීම: එය ආයතනික ප්රතිපත්ති සහ KVKK වලට විරුද්ධ විය හැක.
- ඡායාරූපයක්/තිර රුවක් බෙදා ගැනීම: රූපයේ ඇති මුහුණ, නම සහ ගොනු අංකය රහසිගතව පැවතිය හැක.
- ප්රතිදානය සුරැකීමේදී හැඳුනුම්පතක් එකතු කිරීම: හැඳුනුම්පතක් නොමැතිව එන ප්රතිදානයට හැඳුනුම්පතක් එක් කිරීමෙන් අවදානම ආපසු ගෙන එයි.
- "එය කෙසේ හෝ මකා දැමෙනු ඇත" යැයි උපකල්පනය කිරීම: දත්ත මොනවාදැයි ඔබ නොදනී; එකම සහතිකය කිසිවක් නොයැවීමයි.
සාරාංශයකින්
කෘත්රිම බුද්ධිය භාවිතා කරන විට, පෞද්ගලිකත්වය පූර්ව අවශ්යතාවයක් මිස තාක්ෂණික දෙයක් නොවේ. ගැබිනි කාන්තාවක් සෘජුව (නම, හැඳුනුම්පත, දුරකථනය) හෝ වක්රව (දුර්ලභ සංයෝජනය + කුඩා ස්ථානය) හඳුනාගත හැකි ඕනෑම තොරතුරක් AI මෙවලමක් ඇතුළු නොකළ යුතුය. දත්ත අවම කිරීම පුහුණු වන්න — කාර්යය කිරීමට අවශ්ය අවම තොරතුරු සපයන්න — සහ ඔබේ සංවිධානය විසින් අනුමත කරන ලද මෙවලම් පමණක් භාවිතා කරන්න. විමසුම යැවීමෙන් තොරව "මෙම පුද්ගලයා මෙම පාඨයෙන් සොයාගත හැකිද?" පරීක්ෂණය කරන්න. කාන්දු වූ පසු, දත්ත නැවත ලබා ගත නොහැක; එබැවින්, විමසුම ලිවීමට පෙර ආරක්ෂාව ආරම්භ වේ.
යෙදුම් කාර්යය
සැබෑ ගැබ්ගැනීම් ඉතිහාසය (කඩදාසි මත) ගෙන, හඳුනාගැනීමේ අච්චුව භාවිතයෙන් පෙළ පියවරෙන් පියවර පිරිසිදු කරන්න: පළමුව සෘජු, පසුව වක්ර හඳුනාගැනීම්. නිෂ්කාශනය කළ පෙළ සගයකුට පෙන්වා "මේ කවුරුන් විය හැකිද?" යනුවෙන් අසන්න. අසන්න; ඔබට එය හඳුනාගත හැකි නම්, එය තවදුරටත් සාමාන්යකරණය කරන්න. ඔබේම ආයතනයේ AI/දත්ත ප්රතිපත්තියද සොයා ගන්න, එය එක් වාක්යයකින් සාරාංශ කරන්න, සහ කුමන මෙවලම් අනුමත කර ඇත්දැයි සටහන් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම සියලුම සෘජු හඳුනාගැනීම් (නම, හැඳුනුම්පත, දුරකථනය, ලිපිනය, ගොනු අංකය) ඉවත් කළෙමි.
- [ ] මම වක්ර විස්තර කිරීම් සාමාන්යකරණය කළෙමි (දුර්ලභ සංයෝජනය, කුඩා ස්ථානය, නිශ්චිත වයස).
- [ ] මම ලබා දී ඇත්තේ කාර්යය කිරීමට අවශ්ය අවම තොරතුරු පමණි.
- [ ] මම භාවිතා කළේ මගේ ආයතනය විසින් අනුමත කරන ලද මෙවලමක් පමණි.
- [ ] "මෙම පුද්ගලයා මෙම පාඨයෙන් සොයාගත හැකිද?" මම පරීක්ෂණය කළා.
- [ ] මම පසුව ප්රතිදානයට කිසිදු අක්තපත්රයක් එකතු කළේ නැත.