యూనిట్లు
1. సైకాలజీలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: సరిహద్దులు, బాధ్యత మరియు నీతి 2. గోప్యత, KVKK మరియు క్లయింట్ డేటా రక్షణ 3. సాహిత్య సమీక్ష మరియు సాక్ష్యం-ఆధారిత సమాచారానికి ప్రాప్యత 4. సపోర్టింగ్ స్కేల్ మరియు టెస్ట్ ఇంటర్‌ప్రెటేషన్ 5. సెషన్ నోట్స్ మరియు క్లినికల్ రిపోర్ట్ డ్రాఫ్ట్ సిద్ధం చేస్తోంది 6. క్లయింట్ కోసం సైకోఎడ్యుకేషనల్ మెటీరియల్స్ మరియు కంటెంట్‌ను సృష్టించడం 7. రీసెర్చ్ డిజైన్ మరియు డేటా అనాలిసిస్ సపోర్ట్ 8. పక్షపాతం, ప్రాతినిధ్యం మరియు సాంస్కృతిక సున్నితత్వం 9. సంక్షోభం, ప్రమాదం మరియు ఆత్మహత్య: కృత్రిమ మేధస్సు యొక్క ఖచ్చితమైన సరిహద్దు 10. చికిత్సా చాట్‌బాట్‌లు మరియు డిజిటల్ మెంటల్ హెల్త్ టూల్స్ 11. పర్యవేక్షణ, వృత్తిపరమైన అభివృద్ధి మరియు అడ్మినిస్ట్రేటివ్ వర్క్‌ఫ్లో 12. ఎండ్-టు-ఎండ్ ఇంటిగ్రేషన్: ఎథికల్ AI వినియోగ విధానం
యూనిట్ 2 / 12

గోప్యత, KVKK మరియు క్లయింట్ డేటా రక్షణ

లాభాలు:

  • వృత్తిపరమైన గోప్యత మరియు KVKK యొక్క ఫ్రేమ్‌వర్క్‌లో క్లయింట్ డేటాను వర్గీకరించగల సామర్థ్యం మరియు కృత్రిమ మేధస్సు సాధనాలకు ఏ డేటా ఇవ్వవచ్చో నిర్ణయించడం
  • సెషన్ కంటెంట్ మరియు గుర్తింపు సమాచారాన్ని అనామకీకరించడం ద్వారా క్లౌడ్-ఆధారిత సాధనాల్లో సురక్షిత సందర్భాన్ని సృష్టించగల సామర్థ్యం
  • కృత్రిమ మేధస్సు వినియోగానికి సమాచారం, స్పష్టమైన సమ్మతి మరియు డేటా నిల్వ/తొలగింపు బాధ్యతలను స్వీకరించే సామర్థ్యం

మానసిక ఆరోగ్య వృత్తిలో ఒక సామెత ఉంది: "మీరు నాకు చెప్పేది అక్కడే ఉంటుంది." క్లయింట్ తన జీవితంలోని అత్యంత దుర్బలమైన సమాచారాన్ని (బాధలు, వ్యసనాలు, సంబంధాలు, భయాలు) మీకు చెప్పడానికి మిమ్మల్ని విశ్వసిస్తాడు. ఈ ట్రస్ట్ వృత్తి యొక్క గుండె మరియు ఒకసారి పాడైపోయిన అది పునరుద్ధరించబడదు. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) సాధనాలు ఈ ట్రస్ట్‌కు సరికొత్త ప్రమాదాన్ని జోడిస్తాయి: ఎందుకంటే మీరు క్లౌడ్‌లో టైప్ చేసిన వాక్యం మీ నియంత్రణ నుండి బయటపడవచ్చు మరియు మరొక కంపెనీ సర్వర్‌లో నిల్వ చేయబడుతుంది లేదా మోడల్‌కు శిక్షణ ఇవ్వడంలో కూడా ఉపయోగించబడుతుంది. ఈ యూనిట్‌లో, AI యుగంలో క్లయింట్ డేటాను ఎలా రక్షించాలో మీరు నేర్చుకుంటారు; KVKK (వ్యక్తిగత డేటా రక్షణ చట్టం; Türkiyeలో వ్యక్తిగత డేటా ప్రాసెసింగ్‌ని నియంత్రించే చట్టం సంఖ్య. 6698) ఫ్రేమ్‌వర్క్‌లో ఏది అనుమతించబడుతుందో మరియు ఏది నిషేధించబడిందో మీరు నేర్చుకుంటారు.

క్లయింట్ డేటా "ప్రత్యేక నాణ్యత" ఎందుకు?

KVKK డేటాను రెండుగా విభజిస్తుంది: సాధారణ వ్యక్తిగత డేటా (పేరు, టెలిఫోన్) మరియు ప్రత్యేక వ్యక్తిగత డేటా. మానసిక ఆరోగ్యానికి సంబంధించిన ఏదైనా సమాచారం (ఒక వ్యక్తి చికిత్స పొందుతున్నారనే వాస్తవం కూడా) ఈ రెండవ, అత్యంత రక్షిత సమూహంలోకి వస్తుంది. ఆరోగ్య డేటా అనేది చట్టంలో విడిగా రక్షించబడిన వర్గం; నియమం ప్రకారం, ప్రాసెసింగ్‌కు స్పష్టమైన సమ్మతి లేదా కఠినమైన మినహాయింపులు అవసరం. మరో మాటలో చెప్పాలంటే, క్లయింట్ యొక్క సెషన్ యొక్క కంటెంట్‌ను యాదృచ్ఛిక AI సాధనంలో టైప్ చేయడం నైతికంగా మాత్రమే కాకుండా చట్టపరమైన ఉల్లంఘన కూడా కావచ్చు.

వృత్తిపరమైన గోప్యత బాధ్యత కూడా దీనికి జోడించబడింది. క్లయింట్ సమాచారాన్ని అనుమతి లేకుండా మూడవ పక్షాలతో పంచుకోవడాన్ని వృత్తిపరమైన నీతి నిషేధిస్తుంది. క్లౌడ్-ఆధారిత AI సాధనం చట్టబద్ధంగా "థర్డ్ పార్టీ". కాబట్టి ప్రశ్న: ఈ సాధనానికి ఈ డేటాను ఇవ్వడానికి నాకు నిజంగా అధికారం ఉందా?

హెచ్చరిక: "ఎవరూ చూడలేరు" లేదా "నేను సంగ్రహంగా చెప్తాను" అనేది రక్షణ కాదు. వాహనంలోకి డేటా ప్రవేశించిన క్షణం, అది మీ నియంత్రణలో ఉండదు. గోప్యతను నిర్వహించడం అనేది డేటాను పంపే ముందు తీసుకున్న నిర్ణయం; తర్వాత వెనక్కి తీసుకోలేము.

డేటా యొక్క మూడు స్థితులు: ఏ డేటా, ఏ మాధ్యమానికి

క్లయింట్ డేటాతో పని చేస్తున్నప్పుడు, ప్రతి సమాచారాన్ని మూడు వర్గాలుగా విభజించండి:

డేటా రకం

ఉదాహరణ

AIకి ఇవ్వవచ్చా?

పాలన

ప్రత్యక్ష గుర్తింపు

పేరు-ఇంటిపేరు, TR ID, టెలిఫోన్, చిరునామా, కార్యస్థలం

సంఖ్య

దాని ముడి రూపంలో ఎప్పుడూ ఇవ్వబడలేదు

పరోక్ష గుర్తింపు

అరుదైన వృత్తి, చిన్న సెటిల్మెంట్, ఏకైక సంఘటన

లేదు (ఐడిని మాత్రమే తెరుస్తుంది)

సాధారణీకరించబడింది లేదా తీసివేయబడింది

క్లినికల్ కంటెంట్ (అనామక)

లక్షణాలు, ఇతివృత్తాలు, ప్రక్రియ (గుర్తింపు సంగ్రహించబడింది)

షరతులతో అవును

అనామకంగా మరియు సురక్షితమైన వాహనంలో

లక్ష్యం డి-ఐడెంటిఫికేషన్: మీరు లేదా మరెవరూ నిర్దిష్ట వ్యక్తికి లింక్ చేయలేని విధంగా డేటాను రూపొందించడం. పేరును తొలగిస్తే సరిపోదు; "పట్టణంలో ఉన్న ఏకైక దంతవైద్యుడు" అనే వాక్యం పేరు తొలగించబడినప్పటికీ వ్యక్తికి దూరంగా ఉంటుంది.

దశల వారీగా: సురక్షిత అనామకీకరణ

  1. డైరెక్ట్ ఐడెంటిఫైయర్‌లను సంగ్రహించండి. పేరు, ఇంటిపేరు, వయస్సుకి బదులుగా పరిధి ("30లు"), స్థానం, కార్యాలయం, పాఠశాల, తేదీ, బంధువుల పేర్లు.
  2. పరోక్ష ఐడెంటిఫైయర్‌లను సాధారణీకరించండి. "నగరంలో వ్యవసాయ రంగంలో పని చేయడం" కంటే "ట్రాబ్జోన్‌లో హాజెల్‌నట్ ఎగుమతిదారు". వియుక్త ఏకైక సంఘటనలు.
  3. సంఖ్యలను అస్పష్టం చేయండి. ఖచ్చితమైన తేదీకి బదులుగా "సుమారు 6 నెలల క్రితం".
  4. వాహనాన్ని తనిఖీ చేయండి. మీరు ఉపయోగించే AI సాధనం శిక్షణలో డేటాను ఉపయోగిస్తుందా? "ఎంటర్‌ప్రైజ్/ప్రైవసీ మోడ్" ఉందా? డేటా ఎక్కడ నిల్వ చేయబడుతుంది?
  5. కనీస డేటా విధానం. విధిని నిర్వహించడానికి అవసరమైన కనీస సమాచారాన్ని అందించండి; ఎక్కువ ఇవ్వకండి.
  6. సమ్మతి మరియు పారదర్శకత. ఈ ప్రక్రియలో మీరు అడ్మినిస్ట్రేటివ్/డ్రాఫ్టింగ్ ప్రయోజనాల కోసం AIని ఉపయోగిస్తున్నారని క్లయింట్‌కు తెలియజేయండి.
చిట్కా: వచనాన్ని అనామకీకరించిన తర్వాత, ఈ ప్రశ్నను మీరే ప్రశ్నించుకోండి: "ఈ క్లయింట్ ఈ వచనాన్ని చదివితే, అతను తనను తాను గుర్తించుకుంటాడా? మరెవరైనా అతన్ని గుర్తిస్తారా?" మీరు రెండింటికీ "లేదు" అని చెప్పలేకపోతే, అనామకీకరణ పూర్తి కాదు.

మూడు చిన్న కేసులు

కేసు 1 - చిన్న పొరపాటు, పెద్ద ఉల్లంఘన. ఒక నిపుణుడు AI సెషన్ నోట్స్‌ను సంగ్రహించగా, క్లయింట్ పేరు "M.Y." మరియు మిగిలినవి ఈ క్రింది విధంగా ఉన్నాయి: "కడికోయ్‌లోని హాస్పిటల్ X వద్ద నర్సు, కుమార్తె పేరు ఎలిఫ్, విడాకుల కేసు..." పేరు కుదించినప్పటికీ, ఈ వివరాలు వ్యక్తిని సులభంగా గుర్తిస్తాయి. అనామకీకరణ విఫలమైంది; ఉల్లంఘన జరిగినట్లు భావించబడుతుంది. సరైన మార్గం: పాత్రను "ఆరోగ్య సంరక్షణ రంగంలో కార్మికుడు"గా, బిడ్డకు "పిల్లలు ఉన్నారు", కేసును "చట్టపరమైన ప్రక్రియ"గా సాధారణీకరించండి.

కేస్ 2 - వాహనం ఎంపిక తేడా చేస్తుంది. ఇద్దరు మనస్తత్వవేత్తలు ఒకే పని చేస్తారు. ఒకరు ముడి డేటాను వ్యక్తిగత, ఉచిత చాట్ సాధనంగా టైప్ చేస్తారు; సాధనం యొక్క ఒప్పందం "సేవను మెరుగుపరచడానికి ఇన్‌పుట్‌లను ఉపయోగించవచ్చు" అని చెబుతోంది. మరొకటి డేటా ప్రాసెసింగ్ ఒప్పందంతో ఎంటర్‌ప్రైజ్ సాధనాన్ని ఉపయోగిస్తుంది, దాని సెట్టింగ్ "విద్యలో నా ఇన్‌పుట్‌ని ఉపయోగించి" మరియు అనామక డేటాతో తెరవబడి ఉంటుంది. వారిద్దరూ "మేము AI ఉపయోగించాము" అని చెప్పారు, కానీ ఒకరు డేటాను రక్షించారు మరియు మరొకరు దానిని లీక్ చేసారు.

కేసు 3 - ఎరేజర్ హక్కు. ఒక క్లయింట్ థెరపీని వదిలివేసి, అతని డేటాను (KVKK కింద అతని హక్కు) తొలగించమని అభ్యర్థిస్తుంది. నిపుణుడు తన స్వంత రికార్డింగ్‌లను తొలగిస్తాడు, కానీ అతను 3 నెలల క్రితం AI సాధనంలో అతికించిన సెషన్ ట్రాన్స్క్రిప్ట్ను గుర్తుంచుకుంటాడు; అతను డేటాను రీకాల్ చేయలేడు లేదా అతను దానిని తొలగించినట్లు నిర్ధారించుకోలేడు. మొదటి నుండి అనామకంగా పని చేయడం ఎందుకు అవసరం అని ఇది చూపిస్తుంది: గుర్తింపు డేటా తొలగించబడని చోట ఉంచబడదు.

కాపీ చేయదగిన ప్రాంప్ట్‌లు మరియు టెంప్లేట్‌లు

దిగువ వచనాన్ని అజ్ఞాతీకరించండి. కింది వాటిని తీసివేయండి లేదా సాధారణీకరించండి: మొదటి పేరు, చివరి పేరు, వయస్సు (పరిధికి మార్చండి), నగరం/కౌంటీ/పరిసరం, కార్యాలయం, పాఠశాల, తేదీ, సంబంధిత పేర్లు, ప్రత్యేక ఈవెంట్‌లు. అప్పుడు నన్ను "మిగిలిన టెక్స్ట్ నుండి గుర్తింపును ఊహించవచ్చా?" మీ మూల్యాంకనాన్ని కూడా వ్రాయండి. వచనం: [టెక్స్ట్]

వ్యక్తిని ప్రత్యక్షంగా లేదా పరోక్షంగా వర్ణించగల (అరుదైన వృత్తి, చిన్న ప్రదేశం, ప్రత్యేకమైన సంఘటనతో సహా) ఈ టెక్స్ట్‌లోని ప్రతి పదబంధాన్ని జాబితా చేయండి. ప్రతిదానికీ నేను ఎలా సాధారణీకరించవచ్చో సూచించండి. వచనం: [టెక్స్ట్]

సైకాలజీ ప్రాక్టీస్ కోసం క్లయింట్ ఇన్ఫర్మేషన్ టెక్స్ట్‌కు జోడించడానికి సరళమైన, అర్థమయ్యే పేరాగ్రాఫ్‌ను రూపొందించండి, ఇందులో "సేవా ప్రక్రియలో నిర్వాహక మరియు చిత్తుప్రతి ప్రయోజనాల కోసం కృత్రిమ మేధస్సు సాధనాలను ఉపయోగించవచ్చు; క్లయింట్ డేటా అనామకంగా ఉంటుంది మరియు రోగనిర్ధారణ/చికిత్స నిర్ణయాలు స్పెషలిస్ట్‌కు చెందుతాయి."

ఇది నేను ఉపయోగించాలనుకుంటున్న కృత్రిమ మేధస్సు సాధనం యొక్క గోప్యతా విధానం పరంగా నేను అడగవలసిన నియంత్రణ ప్రశ్నల జాబితాను అందిస్తుంది: డేటా నిల్వ, విద్యలో ఉపయోగం, డేటా స్థానం, తొలగింపు, డేటా ప్రాసెసింగ్ ఒప్పందం, కార్పొరేట్ మోడ్.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: "క్రింది సెషన్ రికార్డింగ్‌ను సంగ్రహించండి: [అసలు పేరు మరియు పూర్తి వివరాలతో ముడి వచనం]"

ఈ ప్రాంప్ట్ సున్నితమైన డేటాను దాని ముడి రూపంలో మూడవ పక్షానికి బదిలీ చేస్తుంది; ఇది KVKK మరియు వృత్తిపరమైన గోప్యత ఉల్లంఘన.

శక్తివంతమైన ప్రాంప్ట్: "మొదట కింది వచనాన్ని అజ్ఞాతీకరించండి (పేరు, స్థలం, కార్యాలయం, తేదీ, బంధువుల పేర్లను సాధారణీకరించండి), ఆపై అనామక సంస్కరణను SOAP ఆకృతిలో సంగ్రహించండి. అనామకీకరణ సరిపోతుందో లేదో కూడా అంచనా వేయండి: [టెక్స్ట్]"

ఈ ప్రాంప్ట్ మొదట రక్షిస్తుంది, తర్వాత ఉత్పత్తి చేస్తుంది; అతను తన గుర్తింపును వెల్లడించకముందే పనిని పూర్తి చేస్తాడు.

సాధారణ తప్పులు

  • కేవలం పేరును తొలగించండి. మీరు పేరును తొలగించినప్పటికీ పరోక్ష వివరణలు (అరుదైన వృత్తి, చిన్న స్థానం) వ్యక్తికి దూరంగా ఉంటాయి.
  • ఉచిత/వ్యక్తిగత సాధనానికి ముడి డేటాను వ్రాయడం. విద్యలో ఇన్‌పుట్‌లు ఉపయోగించబడుతున్నాయా లేదా అని తనిఖీ చేయకుండా డేటాను అందించడం.
  • సమ్మతిని దాటవేయడం. AI వినియోగం గురించి క్లయింట్‌కు అస్సలు తెలియజేయకపోవడం; పారదర్శకత అనేది ఒక నైతిక బాధ్యత.
  • ఇది "తాత్కాలికం" అని అనుకుంటున్నాను. క్లౌడ్‌లోకి ప్రవేశించే డేటాను తిరిగి పొందడం సాధ్యం కాదని మర్చిపోవడం; తొలగించే హక్కు వచ్చినప్పుడు నిస్సహాయంగా ఉండటం.
  • అతి తక్కువ డేటా సూత్రాన్ని ఉల్లంఘించడం. పని కోసం డజన్ల కొద్దీ అనవసరమైన వివరాలను అతికించడం; ప్రతి అదనపు డేటా అదనపు ప్రమాదం.

సారాంశంలో

క్లయింట్ డేటా KVKK కింద ప్రత్యేక నాణ్యత, అత్యంత రక్షిత సమూహంలో ఉంది మరియు వృత్తిపరమైన రహస్య పరిధిలో ఉంటుంది. క్లౌడ్-ఆధారిత AI సాధనం చట్టబద్ధంగా మూడవ పక్షం; ముడి క్లయింట్ డేటా అతనికి ఇవ్వబడదు. ప్రత్యక్ష/పరోక్ష గుర్తింపు మరియు అనామక క్లినికల్ కంటెంట్‌గా డేటాను వేరు చేయండి; కనిష్ట డేటా విధానంతో గోప్యత-నియంత్రిత సాధనంలో నిజంగా అనామక కంటెంట్‌ను మాత్రమే ఉపయోగించండి. ప్రక్రియ గురించి క్లయింట్‌కు అవగాహన కల్పించండి. గోప్యత అనేది డేటాను పంపే ముందు తీసుకున్న నిర్ణయం, అది తర్వాత మార్చబడదు.

అప్లికేషన్ టాస్క్

ఒక చేతి (లేదా ఊహాత్మక) సెషన్ నోట్ తీసుకోండి. ముందుగా అన్ని ప్రత్యక్ష మరియు పరోక్ష ఐడెంటిఫైయర్‌లను పసుపు రంగులో గుర్తించండి. ఆపై ప్రతిదానిని సాధారణీకరించిన వ్యక్తీకరణతో భర్తీ చేయండి మరియు అనామక సంస్కరణను వ్రాయండి. చివరగా మిమ్మల్ని మీరు ప్రశ్నించుకోండి, "ఈ క్లయింట్ తనకేమైనా తెలుసా?" ప్రశ్న అడగండి మరియు మీ సమాధానాన్ని గమనించండి. మీరు ఉపయోగించే AI సాధనం యొక్క గోప్యతా సెట్టింగ్‌లను కూడా మీరు తెరవవచ్చు మరియు “శిక్షణలో ఇన్‌పుట్‌లు ఉపయోగించబడుతున్నాయా?” అని అడగవచ్చు. అనే ప్రశ్నకు సమాధానం కనుగొనండి.

చెక్లిస్ట్

  • [ ] నేను డైరెక్ట్ ఐడెంటిఫైయర్‌లను (పేరు, స్థానం, తేదీ, కార్యాలయం) తొలగించాను.
  • [ ] నేను పరోక్ష వివరణలను సాధారణీకరించాను (అరుదైన వృత్తి, ప్రత్యేక సంఘటన).
  • [ ] నేను ఉపయోగిస్తున్న సాధనం శిక్షణ కోసం డేటాను ఉపయోగించదని నేను ధృవీకరించాను.
  • [ ] నేను కనీసం డేటా సూత్రాన్ని అనుసరించాను; అవసరమైనవి మాత్రమే ఇచ్చాను.
  • [ ] నేను AI వినియోగం గురించి క్లయింట్‌కు తెలియజేసాను / సమ్మతి ఫ్రేమ్‌వర్క్‌ను గమనించాను.
  • [ ] "క్లయింట్ తనను తాను గుర్తించాడా?" పరీక్షలో పాసయ్యాను.