యూనిట్లు
1. ఎంటర్‌ప్రైజ్ AI పాలసీ ఎందుకు? ఫౌండేషన్ ఆఫ్ గవర్నెన్స్ అండ్ షాడో AI 2. కార్పొరేట్ AI వినియోగ విధానాన్ని ఎలా వ్రాయాలి 3. KVKK ఫండమెంటల్స్, జనరల్ ప్రిన్సిపల్స్ మరియు VERBIS 4. చట్టపరమైన ఆధారం, తెలియజేసే బాధ్యత మరియు స్పష్టమైన సమ్మతి 5. EU AI చట్టం మరియు ప్రమాద తరగతులు 6. GDPR, ఆటోమేటెడ్ డెసిషన్స్ మరియు క్రాస్-బోర్డర్ డేటా ట్రాన్స్ఫర్ 7. డేటా ప్రాసెసింగ్, నిల్వ, కనిష్టీకరణ మరియు అనామకీకరణ 8. కాపీరైట్, మేధో సంపత్తి మరియు AI ఫలితాలు 9. సరఫరాదారు మరియు సాధనాల అంచనా: ఆమోదించబడిన AI సాధనాల జాబితా 10. డేటా ప్రొటెక్షన్ ఇంపాక్ట్ అసెస్‌మెంట్ (DPIA) మరియు రిస్క్ మేనేజ్‌మెంట్ 11. మానవ నియంత్రణ, పారదర్శకత, పక్షపాతం మరియు నీతి 12. AI గవర్నెన్స్ ఫ్రేమ్‌వర్క్: పాత్రలు, ఆమోదం, ఆడిట్ మరియు సంఘటన ప్రతిస్పందన
యూనిట్ 5 / 12

EU AI చట్టం మరియు ప్రమాద తరగతులు

లాభాలు:

  • EU AI చట్టం యొక్క నాలుగు ప్రమాద తరగతులు మరియు నిషేధిత అభ్యాసాలను గుర్తించడం
  • ఉపయోగం ఏ రిస్క్ కేటగిరీలోకి వస్తుందో సహేతుకమైన మూల్యాంకనం
  • అధిక ప్రమాదం మరియు సాధారణ ప్రయోజన AI బాధ్యతలు టర్కిష్ కంపెనీలను ఎందుకు ప్రభావితం చేస్తాయో అర్థం చేసుకోండి

2024లో అమల్లోకి వచ్చే EU ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యాక్ట్ (EU AI యాక్ట్) అనేది ప్రపంచంలోని మొట్టమొదటి సమగ్ర AI నియంత్రణ మరియు దాని ప్రభావం యూరోపియన్ యూనియన్ సరిహద్దులకు మించి విస్తరించింది. ఈ చట్టం Türkiyeలో ఉన్న కంపెనీకి నేరుగా కట్టుబడి ఉండవచ్చు, కానీ EU మార్కెట్‌కు సేవలు అందిస్తుంది, EU కస్టమర్‌లను కలిగి ఉంటుంది లేదా EUకి ఉత్పత్తులను విక్రయిస్తుంది. ఈ యూనిట్‌లో, మీరు చట్టం యొక్క ప్రాథమిక తర్కాన్ని - దాని ప్రమాద-ఆధారిత విధానం - దాని నాలుగు తరగతులు, నిషేధించబడిన పద్ధతులు మరియు అధిక-ప్రమాద బాధ్యతలతో నేర్చుకుంటారు; వినియోగం ఏ పెట్టెలో పడుతుందో అంచనా వేయడానికి మేము ప్రయత్నిస్తాము.

ప్రాథమిక ఆలోచన: ఎక్కువ ప్రమాదం, కఠినమైన నియమం

EU AI చట్టం అన్ని AIలను కలిపి ఉండదు. ఇది కృత్రిమ మేధస్సు వ్యవస్థను దాని సంభావ్య హానిని బట్టి నాలుగు వర్గాలుగా విభజిస్తుంది మరియు ప్రతి వర్గానికి వేర్వేరు బాధ్యతలను విధిస్తుంది. ఒక సంగీత సిఫార్సు ఒక నియామక స్క్రీనింగ్ సిస్టమ్ వలె అదే ప్రమాదాన్ని కలిగి ఉండదు; చట్టం వారికి అదే నిబంధన వర్తించదు. ఈ ప్రమాద-ఆధారిత విధానం చట్టం యొక్క వెన్నెముక.

రిస్క్ క్లాస్

అర్థం

ఉదాహరణ

పాలన

నిషేధించబడింది (ఆమోదయోగ్యం కాదు)

ప్రాథమిక హక్కులకు బహిరంగ ముప్పు

సామాజిక స్కోరింగ్, ఉపచేతన మానిప్యులేషన్

మొత్తం నిషేధం

అధిక ప్రమాదం

ఇది మానవ జీవితాన్ని తీవ్రంగా ప్రభావితం చేస్తుంది

రిక్రూట్‌మెంట్, క్రెడిట్, హెల్త్‌కేర్, ఎడ్యుకేషన్, క్రిటికల్ ఇన్‌ఫ్రాస్ట్రక్చర్

కఠినమైన బాధ్యత

పరిమిత ప్రమాదం

పారదర్శకత అవసరం

చాట్ బాట్, డీప్‌ఫేక్, AI కంటెంట్

సమాచారం తప్పనిసరి

కనీస ప్రమాదం

తక్కువ ప్రమాదం

స్పామ్ ఫిల్టర్, గేమ్ AI, సిఫార్సు ఇంజిన్

ఉచిత

నిషేధించబడిన యాప్‌లు: రెడ్ లైన్

AI యొక్క కొన్ని ఉపయోగాలు చాలా హానికరమైనవిగా పరిగణించబడతాయి, అవి ఎంత ప్రమాదాన్ని తగ్గించినా విడుదల చేయలేవు. ఇవి నిషేధించబడిన (ఆమోదించలేని ప్రమాదం) వర్గంలో ఉన్నాయి:

  • రాష్ట్ర-మద్దతు ఉన్న సామాజిక స్కోరింగ్ (వ్యక్తులను వారి ప్రవర్తన/లక్షణాల ప్రకారం స్కోర్ చేయడం మరియు వారికి ప్రతికూలతలు).
  • వ్యక్తుల ఉపచేతనాన్ని మార్చే మరియు హాని కలిగించే వ్యవస్థలు.
  • వయస్సు మరియు వైకల్యం వంటి దుర్బలత్వాలను ఉపయోగించుకునే వ్యవస్థలు.
  • నిర్దిష్ట నిజ-సమయ బయోమెట్రిక్ గుర్తింపు మరియు సామూహిక నిఘా అప్లికేషన్లు (ఇరుకైన మినహాయింపులతో).
  • కార్యాలయంలో మరియు విద్యలో భావోద్వేగ గుర్తింపు వంటి నిర్దిష్ట అనువర్తనాలు.
శ్రద్ధ: ఉపయోగం "నిషిద్ధ" వర్గంలో ఉంది అనే వాస్తవం "నాకు మంచి కారణం ఉంది" అని చెప్పడం ద్వారా అధిగమించగలిగే అడ్డంకి కాదు. ఈ పద్ధతులు పూర్తిగా నిషేధించబడ్డాయి; ప్రమాదాన్ని తగ్గించే చర్యలతో కూడా విడుదల చేయడం సాధ్యం కాదు. ఈ జాబితాలో ప్రాజెక్ట్ చేర్చబడిందా లేదా అనేది మొదటి చెక్ చేయవలసి ఉంది.

అధిక రిస్క్ బాధ్యతలు

అధిక ప్రమాద వ్యవస్థలు నిషేధించబడలేదు కానీ కఠినమైన షరతులకు లోబడి ఉంటాయి. విలక్షణమైన అధిక-ప్రమాద ప్రాంతాలు: రిక్రూటింగ్ మరియు ఉద్యోగుల నిర్వహణ, క్రెడిట్ మరియు బీమా, విద్య మరియు పరీక్షల అంచనా, ఆరోగ్య సంరక్షణ, క్లిష్టమైన మౌలిక సదుపాయాలు, చట్ట అమలు మరియు ఇమ్మిగ్రేషన్. ఈ వ్యవస్థలలో సాధారణ బాధ్యతలు:

  1. రిస్క్ మేనేజ్‌మెంట్ సిస్టమ్‌ను ఏర్పాటు చేయడం మరియు నిర్వహించడం.
  2. డేటా నాణ్యత మరియు పక్షపాత నిర్వహణ (శిక్షణ డేటాకు ప్రతినిధి మరియు ఖచ్చితమైనది).
  3. సాంకేతిక డాక్యుమెంటేషన్ మరియు రికార్డ్ కీపింగ్ (ట్రేసబిలిటీ).
  4. పారదర్శకత మరియు వినియోగదారుకు సమాచారాన్ని అందించడం.
  5. మానవ నియంత్రణ (జోక్యం మరియు భర్తీ చేసే మానవ సామర్థ్యం).
  6. ఖచ్చితత్వం, పటిష్టత మరియు సైబర్ భద్రత హామీలు.

సాధారణ ప్రయోజన AI (GPAI) బాధ్యతలు

సాధారణ-ప్రయోజన AI మోడల్స్ (GPAI)పై చట్టం నిర్దిష్ట పారదర్శకత మరియు డాక్యుమెంటేషన్ బాధ్యతలను విధిస్తుంది - అంటే, పెద్ద భాషా నమూనాలు వంటి బహుళ-ప్రయోజన బేస్ మోడల్‌లు - అలాగే వ్యక్తిగత ఉపయోగాలపై: శిక్షణ డేటాపై సారాంశాలను అందించడం, కాపీరైట్ సమ్మతి విధానం, దైహిక ప్రమాదం ఉన్న మోడల్‌లకు అదనపు అంచనా. ఒక సంస్థ ఈ నమూనాలను దాని స్వంత ఉత్పత్తిలో పొందుపరిచినట్లయితే, ఈ బాధ్యతలలో కొన్ని గొలుసులో ప్రతిబింబించవచ్చు.

మూడు చిన్న కేసులు

కేసు 1 - రిక్రూట్‌మెంట్ స్క్రీనింగ్ (అధిక ప్రమాదం). ఇజ్మీర్‌లోని ఒక సాఫ్ట్‌వేర్ కంపెనీ EU కంపెనీలకు సేవలందించే రిక్రూట్‌మెంట్ ప్లాట్‌ఫారమ్‌ను అభివృద్ధి చేస్తుంది; సిస్టమ్ స్వయంచాలకంగా స్కోర్ చేస్తుంది మరియు అభ్యర్థులను తొలగిస్తుంది. ఇది అధిక ప్రమాదంగా చట్టం స్పష్టంగా భావించే ప్రాంతం. కంపెనీ; డేటా నాణ్యత, బయాస్ టెస్టింగ్, హ్యూమన్ ఆడిటింగ్ మరియు డాక్యుమెంటేషన్ బాధ్యతలను తప్పక తీర్చాలి. "మేము టర్కీలో ఉన్నాము, అది మమ్మల్ని బంధించదు" అనే వాదన చెల్లదు; సిస్టమ్ EU మార్కెట్‌లో ఉపయోగించబడుతుంది కాబట్టి, చట్టం వర్తిస్తుంది.

కేసు 2 — కస్టమర్ చాట్‌బాట్ (పరిమిత ప్రమాదం). ఇ-కామర్స్ సైట్ తన EU కస్టమర్‌లకు సేవలందించే చాట్‌బాట్‌ను అమలు చేస్తుంది. ఇది పరిమిత ప్రమాద వర్గంలో ఉంది; ప్రధాన బాధ్యత పారదర్శకత: "మీరు కృత్రిమ మేధస్సుతో మాట్లాడుతున్నారు" అని వినియోగదారుకు స్పష్టంగా తెలియజేయాలి. దీన్ని దాచడం ఉల్లంఘన; నిర్దేశిస్తే సరిపోతుంది.

కేసు 3 - నిషేధించబడిన రేఖకు చేరుకోవడం. రిటైల్ చైన్ స్టోర్ కెమెరాల ద్వారా కస్టమర్‌ల భావోద్వేగ ప్రతిచర్యలను విశ్లేషించి, "సంభావ్య షాప్‌లిఫ్టర్" స్కోర్‌ను అందించాలనుకుంటోంది. ఇది ఎమోషన్ రికగ్నిషన్ మరియు స్కోరింగ్ డైమెన్షన్‌లు రెండింటితో నిషేధించబడిన/చాలా ఎక్కువ ప్రమాదం ఉన్న ప్రాంతంలోకి వస్తుంది. చట్టపరమైన బృందం డిజైన్ దశలో ప్రాజెక్ట్‌ను నిలిపివేస్తుంది; ప్రమాదాన్ని తగ్గించే చర్యలతో కూడా దీన్ని అమలు చేయడం సాధ్యం కాదని స్పష్టమైంది.

చిట్కా: కొత్త AI ప్రాజెక్ట్‌ను ప్రారంభించేటప్పుడు మొదటి ప్రశ్న "ఇది ఎంత ఉపయోగకరంగా ఉంది?" కానీ "ఇది ఏ రిస్క్ క్లాస్‌లోకి వస్తుంది?" ఉండాలి. మొదటి స్థానంలో వర్గీకరణ చేయడం వలన ఆ తర్వాత రద్దు చేయబడే ప్రాజెక్ట్‌లో వనరులు వృధా కాకుండా ఉంటాయి.

కాపీ చేయగల టెంప్లేట్లు

టెంప్లేట్ 1 — రిస్క్ క్లాస్ ప్రిలిమినరీ అసెస్‌మెంట్: "EU AI చట్టం ప్రకారం కింది AI వినియోగాన్ని ముందుగా మూల్యాంకనం చేయండి: [ఉపయోగాన్ని వివరించండి]. ఇది ఏ రిస్క్ క్లాస్ (నిషేధించబడింది / అధిక / పరిమితమైన / కనిష్టంగా)కి చెందవచ్చో, సమర్థనతో పేర్కొనండి. మీకు ఖచ్చితంగా తెలియని పాయింట్లను 'చట్టపరమైన నిర్ధారణ అవసరం' అని గుర్తించండి; చట్టపరమైన తీర్పును రూపొందించవద్దు."

టెంప్లేట్ 2 — నిషేధించబడిన అప్లికేషన్ స్కానింగ్: "ఈ క్రింది ప్రాజెక్ట్ ఆలోచనను 'EU AI చట్టం నిషేధించబడిన అప్లికేషన్‌ల' జాబితాకు వ్యతిరేకంగా మాత్రమే స్కాన్ చేయండి: [ప్రాజెక్ట్‌ను వివరించండి]. సామాజిక స్కోరింగ్, సబ్‌కాన్షియస్ మానిప్యులేషన్, దుర్బలత్వ దోపిడీ, అనధికారిక బయోమెట్రిక్ నిఘా మరియు ప్రతి భావాన్ని గుర్తించడం వంటి వాటి పరంగా ప్రమాదం ఉందా?

టెంప్లేట్ 3 — హై-రిస్క్ లయబిలిటీ చెక్‌లిస్ట్: "ఈ హై-రిస్క్ AI ఉపయోగం కోసం, [ఉపయోగాన్ని వివరించండి] ఆరు బాధ్యత శీర్షికలలో (రిస్క్ మేనేజ్‌మెంట్, డేటా నాణ్యత, డాక్యుమెంటేషన్, పారదర్శకత, మానవ ఆడిటింగ్, పటిష్టత) 'మా ప్రస్తుత పరిస్థితి ఏమిటి, ఏమి లేదు' పట్టికను సృష్టిస్తుంది. ప్రతి అడ్డు వరుసలో నిర్దిష్ట చర్యను సూచించండి."

టెంప్లేట్ 4 — పారదర్శకత నోటిఫికేషన్ (పరిమిత ప్రమాదం): "EU వినియోగదారులకు సేవలందిస్తున్న చాట్‌బాట్ కోసం, వినియోగదారుకు ప్రదర్శించబడేలా 'మీరు AIతో మాట్లాడుతున్నారు' నోటిఫికేషన్‌ను చిన్నగా వ్రాయండి. సాధారణ, భరోసా, గరిష్టంగా 2 వాక్యాలు. హ్యూమన్ ఏజెంట్‌కి మారే ఎంపికను చేర్చండి."

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనం: “EU AI చట్టం మాకు సంబంధించినదా?”-> మోడల్ సాధారణ సమాధానం ఇస్తుంది; ఇది మీ కాంక్రీట్ వినియోగాన్ని వర్గీకరించదు, EU మార్కెట్‌కి మీ కనెక్షన్‌ని అంచనా వేయదు. GÜÇLÜ: "మేము ఇజ్మీర్‌లో ఉన్న కంపెనీ, మేము జర్మనీలోని ఒక కంపెనీకి రిక్రూట్‌మెంట్ మరియు స్క్రీనింగ్ AIని విక్రయిస్తాము. ఈ ఉపయోగం EU AI చట్టం కింద ఏ రిస్క్ క్లాస్‌కు వస్తుంది, మాపై ఎలాంటి బాధ్యతలు వస్తాయి మరియు టర్కీలో ఉండటం మాకు ఎందుకు మినహాయింపు ఇవ్వదు? మీకు ఖచ్చితంగా తెలియదని గుర్తించండి." -> మోడల్ సందర్భ-నిర్దిష్ట వర్గీకరణ మరియు బాధ్యత జాబితాను ఉత్పత్తి చేస్తుంది.

సాధారణ తప్పులు

  • "మేము టర్కీలో ఉన్నాము, EU చట్టం మమ్మల్ని బంధించదు" అని ఆలోచిస్తూ; అయితే, EU మార్కెట్‌ను తాకడం సరిపోతుంది.
  • ప్రాజెక్ట్ అభివృద్ధి తర్వాత ప్రమాద వర్గీకరణ చేయడం; అయితే, ఇది మొదటి స్థానంలో చేయాలి.
  • నిషేధించబడిన అభ్యాసాన్ని "మంచి సమర్థన"తో అధిగమించగలిగే అడ్డంకిగా తప్పుగా భావించడం.
  • పరిమిత రిస్క్ సిస్టమ్స్‌లో పారదర్శకత రిపోర్టింగ్‌ను దాటవేయడం (బోట్‌ను మానవుడిలా చేయడం).
  • అధిక రిస్క్ బాధ్యతల నుండి మానవ ఆడిటింగ్ మరియు బయాస్ మేనేజ్‌మెంట్‌ను నిర్లక్ష్యం చేయడం.
  • సాధారణ ప్రయోజన AI (GPAI) బాధ్యతలను పట్టించుకోకుండా గొలుసులో ప్రతిధ్వనించవచ్చు.
  • KVKKతో EU AI చట్టాన్ని మార్చుకోండి; అవి భిన్నమైనవి కానీ పరిపూరకరమైనవి.

సారాంశంలో

  • EU AI చట్టం ప్రమాద-ఆధారిత విధానాన్ని తీసుకుంటుంది మరియు AIని నాలుగు తరగతులుగా విభజిస్తుంది: నిషేధిత, అధిక, పరిమిత, కనిష్ట.
  • నిషిద్ధ పద్ధతులు (సామాజిక స్కోరింగ్, మానిప్యులేషన్ మొదలైనవి) ప్రమాదం తగ్గినప్పటికీ విడుదల చేయబడవు.
  • అధిక ప్రమాద వ్యవస్థలు; ఇది రిస్క్ మేనేజ్‌మెంట్, డేటా నాణ్యత, మానవ నియంత్రణ మరియు డాక్యుమెంటేషన్ వంటి కఠినమైన బాధ్యతలకు లోబడి ఉంటుంది.
  • పరిమిత ప్రమాద వ్యవస్థలలో, ప్రధాన బాధ్యత పారదర్శకత (AI ఉందని నివేదించడం).
  • EU మార్కెట్‌ను తాకిన టర్కిష్ కంపెనీలు కూడా చట్టం ద్వారా ప్రభావితమవుతాయి; ప్రాజెక్ట్ ప్రారంభంలోనే వర్గీకరణ చేయాలి.

అప్లికేషన్ టాస్క్

EU మార్కెట్‌కు సంబంధించి మీ సంస్థ (లేదా కల్పిత కంపెనీ) ఉపయోగించే AI యొక్క మూడు విభిన్న ఉపయోగాలను పరిగణించండి. EU AI చట్టంలోని నాలుగు ప్రమాద తరగతుల్లో ప్రతి ఒక్కటిని ఉంచండి మరియు మీ సమర్థనను వ్రాయండి. నియంత్రణ చార్ట్‌లో మీరు అత్యధిక ప్రమాదాన్ని కనుగొన్న ఆరు అధిక-రిస్క్ బాధ్యతలను ఉంచండి: “ప్రస్తుత స్థితి” మరియు “అసంపూర్ణ/చర్య” నిలువు వరుసలను పూరించండి. పరిమిత రిస్క్ కేటగిరీలోకి వచ్చే ఉపయోగం కోసం వినియోగదారుకు ప్రదర్శించబడే పారదర్శకత ప్రకటనను వ్రాయండి. చివరగా, మీ ఉపయోగాలలో ఏవైనా నిషేధిత రేఖకు చేరుకుంటున్నట్లయితే, అది మరియు ఎందుకు అని గమనించండి.

చెక్లిస్ట్

  • [ ] నేను AI యొక్క ప్రతి వినియోగాన్ని నాలుగు ప్రమాద తరగతుల్లో ఒకటిగా ఉంచాను.
  • [ ] నేను నిషేధించబడిన అప్లికేషన్‌ల జాబితాకు వ్యతిరేకంగా నా ప్రాజెక్ట్‌లను స్కాన్ చేసాను.
  • [ ] నేను అధిక రిస్క్ వినియోగం కోసం బాధ్యత నియంత్రణ చార్ట్‌ని సృష్టించాను.
  • [ ] నేను బాధ్యతలలో మానవ ఆడిటింగ్ మరియు పక్షపాత నిర్వహణను చేర్చాను.
  • [ ] పరిమిత ప్రమాద వినియోగం కోసం నేను పారదర్శకత ప్రకటనను సిద్ధం చేసాను.
  • [ ] నా EU మార్కెట్ కనెక్షన్ చట్టాన్ని ఎందుకు ప్రేరేపించిందో నేను అర్థం చేసుకున్నాను.
  • [ ] నేను రిస్క్ వర్గీకరణను ప్రాజెక్ట్ ప్రారంభంలో చేసాను, చివరిలో కాదు.