فائدہ:
- یہ AI ٹولز میں شہریوں کے ذاتی ڈیٹا پر کارروائی کرتے وقت KVKK اصولوں اور ڈیٹا کو کم سے کم کرنے کا اطلاق کرتا ہے۔
- یہ ایک تنظیم کے لیے ایک گورننس فریم ورک قائم کرتا ہے جس میں AI کے استعمال کی پالیسی، آڈٹ ٹریل، اور ذمہ داری کا سلسلہ شامل ہوتا ہے۔
- یہ مجموعی طور پر استدلال کرتا ہے کہ ذمہ دار عوامی AI انسانی نگرانی، شفافیت اور احتساب پر مبنی ہے۔
اس پورے ماڈیول کے دوران، ہم نے دیکھا کہ کس طرح AI عوام میں ایک طاقتور سرعت کار ہے: شہریوں کے سوالات، درخواستوں اور خط و کتابت کا جواب، قانون سازی کی تحقیق، پالیسی تجزیہ، رپورٹنگ، ڈیٹا پر مبنی فیصلہ سازی، ای حکومت اور شفافیت۔ اب ہم اس فریم ورک کی طرف آتے ہیں جو اس سب کو ایک ساتھ رکھتا ہے: ذاتی ڈیٹا کی حفاظت اور ذمہ دارانہ حکمرانی۔ عوام، اپنی نوعیت کے مطابق، شہری کے انتہائی حساس ڈیٹا پر کارروائی کرتی ہے: شناخت، پتہ، آمدنی، صحت، مجرمانہ ریکارڈ، خاندانی صورتحال۔ AI ٹولز کے ساتھ اس ڈیٹا کو پروسیس کرنے کے لیے KVKK (ذاتی ڈیٹا پروٹیکشن قانون نمبر 6698؛ ذاتی ڈیٹا کی قانونی، محدود اور محفوظ پروسیسنگ کو ریگولیٹ کرنے والا قانون) کے فریم ورک کی مکمل تعمیل کرنی چاہیے۔ اس حتمی یونٹ میں، ہم عوامی AI کے استعمال کی رازداری اور گورننس ریڑھ کی ہڈی کو قائم کریں گے — کون سا ڈیٹا کس ٹول کو دیا جا سکتا ہے، کون سی پالیسیاں لاگو ہوتی ہیں، کون ذمہ دار ہے، کوئی تنظیم AI کو محفوظ طریقے سے کیسے منظم کرتی ہے۔ یہ یونٹ پچھلے دس یونٹوں پر رکھی گئی چھت ہے۔
عوامی AI کو چھونے والے KVKK کے بنیادی اصول
KVKK کئی بنیادی اصول طے کرتا ہے، جن میں سے ہر ایک براہ راست AI کے استعمال کو محدود کرتا ہے:
- قانون کی تعمیل اور مقصد کی پابندی: ذاتی ڈیٹا پر کارروائی صرف ایک مخصوص، جائز مقصد کے لیے کی جاتی ہے۔ ایک مقصد کے لیے جمع کردہ ڈیٹا (مثال کے طور پر، مدد کے لیے درخواست دینا) کسی دوسرے مقصد کے لیے استعمال نہیں کیا جا سکتا (مثال کے طور پر، ایک ماڈل کی تربیت) بغیر اجازت کے۔
- ڈیٹا کو کم سے کم کرنا: مقصد کے لیے ضرورت سے زیادہ ڈیٹا پر کارروائی نہیں کی جاتی ہے۔ اگر زمرہ کے تجزیے کے لیے کسی نام کی ضرورت نہ ہو تو کوئی نام نہیں دیا جاتا۔
- سیکیورٹی: ڈیٹا غیر مجاز رسائی سے محفوظ ہے۔ عوامی AI ٹول میں شہریوں کا ڈیٹا چسپاں کرنا اس ڈیٹا کو تنظیم سے باہر لے جا رہا ہے - یہ سیکیورٹی پالیسی کی خلاف ورزی ہے۔
- ذخیرہ کی مدت: مقصد ختم ہونے پر ڈیٹا حذف ہو جاتا ہے۔ اسے غیر معینہ مدت تک نہیں رکھا جاتا۔
- معلومات اور حقوق: شہریوں کو یہ جاننے کا حق ہے کہ ان کے ڈیٹا پر کارروائی کیسے کی جاتی ہے، درست، حذف اور خودکار فیصلوں پر اعتراض کیا جاتا ہے۔
دھیان دیں: کسی شہری کا ڈیٹا عوامی AI ٹول پر اپ لوڈ کرنا جسے ادارے نے منظور نہیں کیا ہے، ڈیٹا کہاں محفوظ ہے اور اس تک کس کی رسائی ہے، یہ واضح نہیں ہے، زیادہ تر معاملات میں KVKK کی خلاف ورزی ہے اور ادارے کو پابندیوں کے لیے کھول دیتا ہے۔ اصول کبھی بھی "کام کو آسان بنانے کے لیے" نہیں جھکے ہیں۔
کون سا ڈیٹا، کس گاڑی کو؟ تین زون ماڈل
انگوٹھے کے اصول کے طور پر، ڈیٹا کو تین خطوں میں تقسیم کریں:
- سرخ (کبھی بھی عوامی گاڑی میں داخل نہیں ہوتا ہے): شناختی نمبر، صحت، مجرمانہ، مذہب، نسل، بائیو میٹرکس، مکمل پتہ، کوئی بھی چیز جو شخص کی شناخت کرتی ہو۔ ان پر کارروائی صرف ایک معاہدہ شدہ/اندرونی اور ادارے کے ذریعہ منظور شدہ KVKK کے مطابق ماحول میں کی جاتی ہے۔
- پیلا (احتیاط سے، ماسک لگا کر): ڈیٹا جو بالواسطہ طور پر شخص سے منسلک ہو سکتا ہے۔ پہلے گمنام/مجموعی کریں، پھر عمل کریں۔
- سبز (مفت): غیر ذاتی، عوامی، عمومی معلومات (قانون سازی کا متن، عوامی اعداد و شمار، عمومی طریقہ کار)۔ آپ آسانی سے AI کے ساتھ ان پر کارروائی کر سکتے ہیں۔
ٹپ: AI کو متن دینے سے پہلے، 5 سیکنڈ کا ٹیسٹ کریں: "کیا اس مواد میں کوئی ایسی چیز ہے جو کسی شخص کی شناخت کر سکے؟" اگر جواب "ہاں/شاید" ہے، تو ماسک اپ کریں یا منظور شدہ گاڑی چلائیں۔ اگر شک ہو تو سرخ پر غور کریں۔
کارپوریٹ گورننس: شخص سے نظام تک
ذمہ دار عوامی AI کو انفرادی سرکاری ملازمین کی مرضی پر نہیں چھوڑا جا سکتا۔ ایک ادارہ جاتی فریم ورک کی ضرورت ہے:
- پالیسی: ادارے کے پاس AI استعمال کی پالیسی ہونی چاہیے: کون سے ٹولز کی منظوری دی گئی ہے، کون سا ڈیٹا درج کیا جا سکتا ہے، کون ذمہ دار ہے۔
- منظور شدہ ٹول کی فہرست: عملے کو ایسے اوزار استعمال کرنے چاہئیں جن کا ادارے نے جائزہ لیا اور منظور کیا ہو، تصادفی طور پر نہیں۔
- ٹریننگ: عملے کو تصدیقی ڈسپلن اور ڈیٹا ریجنز (جیسے اس ماڈیول) کا علم ہونا چاہیے۔
- ریکارڈنگ اور آڈیٹنگ: AI کے ساتھ تیار کیے گئے فیصلوں کا آڈٹ ٹریل رکھا جانا چاہیے۔
- جوابدہی: ہر AI سے چلنے والی پیداوار کا ایک انسانی مالک اور منظوری ہونا ضروری ہے۔ ذمہ داری ادارے اور افسر کی ہے گاڑی کی نہیں۔
- انسانی مرکز کا اصول: انسانی رضامندی کے بغیر کوئی حتمی حقوق پیدا کرنے / محدود کرنے کا فیصلہ نہیں کیا جاتا ہے۔
تین چھوٹے مقدمات
کیس 1 - ریڈ ڈیٹا لیک کو روکا گیا۔ عملے کا ایک رکن ایک عوامی ٹول پر 1,200 افراد کے لیے صحت کے فوائد کی فہرست کا خلاصہ اپ لوڈ کرنے والا تھا۔ ایجنسی کی منظور شدہ گاڑی کی پالیسی اور "ریڈ ڈیٹا" ٹریننگ کی بدولت، یہ رک گئی۔ ڈیٹا کو اندرون ملک منظور شدہ ماحول میں اور شناختی فیلڈز کو نقاب پوش کے ساتھ پروسیس کیا گیا تھا۔ KVKK کی ممکنہ خلاف ورزی اور دسیوں ہزار لوگوں کے اعتماد کے نقصان کو روکا گیا۔
کیس 2 - غلط استعمال۔ ایک یونٹ انتخاب سے پہلے کے مواصلاتی منصوبے کے لیے رسائی کے لیے جمع کیے گئے ڈیٹا کو استعمال کرنا چاہتا تھا۔ ڈیٹا پروٹیکشن آفیسر نے مقصد کی پابندی کے اصول کو یاد کیا: یہ ڈیٹا کا اس مقصد سے باہر استعمال تھا جس کے لیے اسے اکٹھا کیا گیا تھا اور یہ غیر قانونی تھا۔ درخواست مسترد کر دی گئی۔
کیس 3 - گورننس کا فرق بند ہو گیا۔ ایک میونسپلٹی میں، مختلف یونٹ کنٹرول کے بغیر مختلف AI ٹولز استعمال کر رہے تھے۔ کوئی نہیں جانتا تھا کہ کون سا ڈیٹا کہاں گیا۔ ایجنسی نے AI کے استعمال کی پالیسی، منظور شدہ گاڑیوں کی فہرست اور آڈٹ ٹریل متعارف کرائی۔ 3 ماہ کے اندر، غیر رجسٹرڈ گاڑیوں کے استعمال میں 90 فیصد کمی آئی اور ڈیٹا انوینٹری بنائی گئی۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) ڈیٹا ریجن کی درجہ بندی (گاڑی کو ایکسپورٹ کرنے سے پہلے):
آپ کا کردار: ڈیٹا پروٹیکشن ایڈوائزر۔ کسی AI ایجنٹ کو دینے سے پہلے درج ذیل مواد کی درجہ بندی کریں: سرخ (شخص کی شناخت کرتا ہے، کبھی عوامی گاڑی میں داخل نہیں ہوتا ہے)، پیلا (بالواسطہ طور پر منسلک، ماسک)، سبز (غیر ذاتی، مفت)۔ سرخ/پیلے رنگ کے علاقوں کو ایک ایک کر کے نشان زد کریں اور ماسک لگانے کا طریقہ بتائیں۔ مشتبہ کو سرخ شمار کریں۔ مواد: [متن]
2) ماسکنگ/گمنامائزیشن:
درج ذیل متن پر کارروائی کرنے سے پہلے تمام ذاتی ڈیٹا کو گمنام رکھیں: نام -> [شخص-1]، شناختی نمبر -> [شناخت]، پتہ ->[پتہ]، صحت/جرمانہ -> [حساس]۔ اسی شخص کو ٹیگ کریں۔ گمنام متن کو الگ سے برآمد کریں۔ آؤٹ پٹ پر کبھی بھی اصل ڈیٹا نہ لکھیں۔ متن: [متن]
3) KVKK تعمیل چیک لسٹ (AI کے استعمال کے لیے):
آپ کا کردار: KVKK تعمیل ماہر۔ درج ذیل AI کے استعمال کے لیے تعمیل کی چیک لسٹ تیار کریں: (1) جائز اور مخصوص پراسیسنگ کا مقصد ہے، (2) کیا یہ مقصد سے منسلک ہے (کیا یہ کسی اور مقصد کی طرف منتقل ہو رہا ہے)، (3) کیا اسے بہتر بنایا گیا ہے، (4) ٹول محفوظ/منظور شدہ ہے، (5) برقرار رکھنے کی مدت یقینی ہے، (6) شہریوں کے حقوق (اعتراضات، تحفظات) ہیں۔ گمشدہ اشیاء کو سرخ جھنڈے سے نشان زد کریں۔ استعمال: [نسخہ]
4) کارپوریٹ AI پالیسی فریم ورک:
آپ کا کردار: پبلک آئی ٹی گورننس ماہر۔ ہماری تنظیم کے لیے AI کے استعمال کی پالیسی کا فریم ورک تیار کریں: دائرہ کار، منظور شدہ ٹولز، ڈیٹا زونز (سرخ/پیلا/سبز)، ممنوعہ استعمال، انسانی منظوری کے مقامات، آڈٹ ٹریل، ذمہ داریاں، تربیت، اور خلاف ورزی کی اطلاع۔ ہر سرخی کو 1-2 جملوں کے ساتھ بھریں۔ ادارہ: [یونٹ اور عام ملازمتیں]
کمزور فوری / مضبوط اشارہ
کمزور: "حوالہ جات کی اس فہرست کا خلاصہ کریں۔"
مضبوط: "آپ کا کردار ڈیٹا پروٹیکشن کنسلٹنٹ کا ہے۔ سب سے پہلے، اس فہرست کو ڈیٹا ریجن (سرخ/پیلا/سبز) کے لحاظ سے درجہ بندی کریں اور ان تمام فیلڈز کو نشان زد کریں جو اس شخص کی شناخت کرتے ہیں۔ سرخ/پیلے رنگ کے فیلڈز کو [PERSON]/[IDENTITY]/[حساس] کے ساتھ ماسک کریں، ایک ہی شخص کو ایک ہی لیبل کے ساتھ رکھیں۔ گمنام کے ساتھ صرف زمرہ کا خلاصہ تیار کریں، ذاتی ڈیٹا کو ختم کرنے کے لیے، اصل ڈیٹا کو ختم نہ کریں۔ نوٹ کریں کہ اس عمل کو KVKK (مقصد، اسٹوریج، گاڑی کی حفاظت) کے لحاظ سے کہاں توجہ کی ضرورت ہے۔"
فرق: طاقتور پرامپٹ ڈیٹا پر کارروائی کرنے سے پہلے KVKK اصولوں کی درجہ بندی، ماسک، کم سے کم اور انضمام کرتا ہے۔
ڈیٹا کے علاقے اور اصول
علاقہ
مثال
حکمرانی
سرخ
TR ID نمبر، صحت، جرمانہ، مکمل پتہ
کبھی بھی عوامی گاڑی میں داخل نہ ہوں؛ منظور شدہ ماحول
پیلا
عمر+پڑوس+پیشہ، بالواسطہ شناخت کنندہ
ماسک/مجموعی، پھر عمل کریں۔
سبز
قانون سازی، عوامی اعداد و شمار، عمومی طریقہ کار
فری لانس کام
عام غلطیاں
- ریڈ ڈیٹا کو پبلک ٹول میں ایکسپورٹ کرنا۔ سب سے سنگین خلاف ورزی؛ ID/صحت/جرمانے کا ڈیٹا منظور شدہ ماحول کو نہیں چھوڑتا ہے۔
- غلط استعمال۔ ایک مقصد کے لیے جمع کیے گئے ڈیٹا کو بغیر اجازت کے دوسرے مقصد (ماڈل ٹریننگ، کمیونیکیشن) کے لیے استعمال کرنا خلاف قانون ہے۔
- بہت زیادہ ڈیٹا پر کارروائی ہو رہی ہے۔ اس مقصد کے لیے غیر ضروری کھیتوں (نام، پتہ) کو منتقل نہ کریں۔ کم سے کم کرنا۔
- منظوری کے بغیر گاڑی چلانا۔ یہ واضح نہیں ہے کہ گاڑیوں میں ڈیٹا کہاں جاتا ہے جس کا ادارے نے جائزہ نہیں لیا ہے۔
- برقرار رکھنے کی مدت کا تعین نہیں کرنا۔ مقصد مکمل ہونے پر ڈیٹا کو حذف کر دینا چاہیے۔ غیر معینہ مدت تک نہیں رکھا جانا چاہئے.
- گاڑی پر ذمہ داری ڈالنا۔ آؤٹ پٹ انسان کی ملکیت اور منظور شدہ ہے۔ "AI نے یہ کیا" کوئی دفاع نہیں ہے۔
خلاصہ میں
ذمہ دار عوامی AI کا فریم ورک ذاتی ڈیٹا کا تحفظ اور کارپوریٹ گورننس ہے۔ KVKK اصول — مقصدیت، کم سے کم، تحفظ، برقرار رکھنے کی حد، شہریوں کے حقوق — AI کے کسی بھی استعمال کو محدود کرتے ہیں۔ ڈیٹا کو ریڈ/یلو/گرین زونز میں الگ کریں، کسی عوامی ٹول کو کبھی سرخ نہ دیں، ذاتی ڈیٹا کو ماسک نہ کریں، صرف منظور شدہ ٹولز کا استعمال کریں، اور انسانی مالک کو ہر فیصلے سے مربوط کریں۔ ادارہ جاتی سطح کی پالیسی، منظور شدہ گاڑیوں کی فہرست، تربیت اور معائنہ کا ریکارڈ؛ شخصی سطح پر تصدیق کا نظم و ضبط۔ اس طرح، AI شہریوں کے حقوق کا تحفظ کرتے ہوئے عوام کی خدمت کرتا ہے۔
درخواست کا کام
ایک حقیقی AI استعمال کا انتخاب کریں جو آپ نے اپنے یونٹ میں کیا ہے (یا بنانے پر غور کر رہے ہیں)۔ "ڈیٹا ریجن کی درجہ بندی" ٹیمپلیٹ کے ساتھ جس مواد پر آپ کارروائی کریں گے اسے سرخ/پیلے/سبز میں الگ کریں۔ "KVKK تعمیل چیک لسٹ" ٹیمپلیٹ کا اطلاق کریں اور کم از کم ایک گمشدہ/خطرناک نقطہ تلاش کریں۔ آخر میں، "کارپوریٹ AI پالیسی سکیلیٹن" کے ساتھ اپنے یونٹ کے لیے موزوں ایک مختصر پالیسی کا مسودہ تیار کریں۔
چیک لسٹ
- میں نے مواد کو سرخ/پیلا/سبز زون میں تقسیم کیا۔ میں نے ملزم کو سرخ رنگ میں شمار کیا۔
- [ ] میں نے عوامی ٹول کو سرخ ڈیٹا فراہم نہیں کیا۔ میں نے منظور شدہ میڈیا استعمال کیا۔
- میں نے ذاتی ڈیٹا کو نقاب پوش کیا اور غیر ضروری فیلڈز (کم سے کم) کو ہٹا دیا۔
- میں نے پروسیسنگ کے مقصد، اسٹوریج کی مدت اور گاڑی کی حفاظت کو چیک کیا ہے۔
- میں نے شہریوں کے اعتراضات/حذف کرنے کے حقوق کا مشاہدہ کیا ہے۔
- [ ] میں نے ہر آؤٹ پٹ کے ساتھ ایک انسانی مالک اور منظوری منسلک کی ہے۔ میں نے ایک آڈٹ ٹریل رکھا۔
ماڈیول امتحان
1. ایک عوامی اہلکار کے طور پر، آپ کو AI کو نوکری سونپنے سے پہلے ترجیحی سوال کون سا پوچھنا چاہیے؟
- A) اگر یہ آؤٹ پٹ غلط ہے تو شہری کو کیا نقصان ہوگا؟ ✔
- ب) AI یہ کام کتنی تیزی سے کر سکتا ہے؟
- C) کیا یہ AI ٹول مفت ہے؟
- D) کیا دوسرا یونٹ بھی اس آؤٹ پٹ کو استعمال کرے گا؟
وضاحت: منتقلی کا فیصلہ اس نقصان کی بنیاد پر کیا جاتا ہے کہ اگر آؤٹ پٹ غلط ہے تو شہری کو کیا نقصان ہوگا۔ نقصان آسانی سے منتقل ہو جاتا ہے اگر اسے دوبارہ لکھنے کے صرف چند منٹ ہوتے ہیں۔ اگر یہ غیر منصفانہ مسترد، غلط جرمانہ یا حقوق کا نقصان ہے تو، AI صرف ایک مسودہ تیار کرتا ہے، فیصلہ اور تصدیق اہلکار کا ہے۔
2. اسے کیا کہا جاتا ہے جب AI ایک غیر موجود قانون یا من گھڑت عدالتی فیصلے کو حقیقی کے طور پر پیش کرتا ہے؟
- A) کیشنگ
- ب) ٹرائیج
- سی) گمنامی
- D) ہیلوسینیشن ✔
وضاحت: ہیلوسینیشن وہ ہے جب AI اعتماد کے ساتھ ایسی معلومات تیار کرتا ہے جو حقیقت میں موجود نہیں ہے (من گھڑت مادہ، منسوخ شدہ ضابطہ، غلط نمبر)۔ قانون سازی کے میدان میں، یہ سب سے زیادہ خطرناک خطرات میں سے ایک ہے، کیونکہ یہ حقوق کے نقصان اور انتظامی کارروائی کی منسوخی کا باعث بن سکتا ہے۔
3. YZ کی طرف سے اشارہ کردہ ضابطے کے آرٹیکل کی بنیاد پر ایک افسر درخواست کو مسترد کرنے والا ہے۔ سب سے صحیح طرز عمل کون سا ہے؟
- A) AI براہ راست مسترد لکھتا ہے کیونکہ یہ پراعتماد لگتا ہے۔
- ب) یہی سوال دوسری AI گاڑی سے پوچھیں اور تصدیق حاصل کریں۔
- C) Çözüm.gov.tr پر موجودہ مجموعی متن سے مضمون کی تصدیق کرتا ہے ✔
- D) زبانی طور پر فیصلہ اعلی سے پوچھتا ہے۔
تفصیل: AI کے تربیتی ڈیٹا کو ایک خاص تاریخ پر منجمد کر دیا جاتا ہے۔ یہ جو مضمون دکھاتا ہے اسے منسوخ یا تبدیل کر دیا گیا ہے۔ اس بات کی تصدیق کرنا کہ مضمون نافذ العمل ہے اور اس کا حتمی ورژن Çözüm.gov.tr پر موجودہ متفقہ متن سے فیصلے سے قبل غیر منصفانہ مسترد ہونے اور منسوخی کے ممکنہ مقدمے کو روکتا ہے۔
4. شہری چیٹ بوٹ کے لیے 'مجھے نہیں معلوم، میں آپ کو ایک اہلکار کے پاس منتقل کر رہا ہوں' کہنے کے قابل ہونا کوالٹی ایشورنس کیوں ہے؟
- A) کاروبار کی شرح میں اضافہ کرکے اعداد و شمار کو بہتر بناتا ہے۔
- ب) جب یقین نہ ہو تو انسانوں کو معلومات دے کر غلط معلومات کو روکتا ہے ✔
- C) شہریوں کی توجہ ہٹا کر کال کا وقت بڑھاتا ہے۔
- D) چیٹ بوٹ کو کم سوالات موصول کرنے کی اجازت دیتا ہے۔
وضاحت: عوام میں، ایک پراعتماد غلط جواب ایماندارانہ جواب سے کہیں زیادہ مہنگا ہے۔ اس سے حقوق کا نقصان ہوتا ہے اور ادارے پر عدم اعتماد ہوتا ہے۔ غیر یقینی ہونے پر چیٹ بوٹ کی انسان کے حوالے کرنے کی صلاحیت ایک حفاظتی طریقہ کار ہے جو فریب کاری کی غلط معلومات کو روکتا ہے۔
5. AI کے ساتھ سرکاری خط و کتابت کو 'آسان' کرتے وقت سب سے اہم خطرہ کیا ہے؟
- A) متن بہت چھوٹا ہے۔
- ب) فونٹ تبدیل کرنا
- ج) شرط یا استثناء کو چھوڑنا ✔
- D) مخاطب کے نام کی غلط املا
وضاحت: اسٹائلسٹک موافقت سے مواد کو تبدیل نہیں کرنا چاہئے۔ آسان بناتے وقت، AI بعض اوقات استثناء، حالت، یا مدت کو چھوڑ دیتا ہے۔ لہذا، آسان متن کا ہمیشہ اصل فیصلے یا قانون سازی سے موازنہ کیا جانا چاہیے۔
6. نام اور T.R. ڈیٹا سیٹ میں۔ آپ اسے کیا کہتے ہیں جب 'پڑوس + سال پیدائش + معذوری کی قسم' کا مجموعہ کسی شخص کو ظاہر کرسکتا ہے چاہے شناختی نمبر حذف کردیا گیا ہو؟
- ا) ری ڈیفینیشن ✔
- ب) ڈیٹا کو کم سے کم کرنا
- C) کوریج کی شرح
- D) استحکام
وضاحت: دوبارہ شناخت کا مطلب ہے کہ گمنام سمجھے جانے والے ڈیٹا سے بالواسطہ شناخت کنندگان کے مجموعہ کے ذریعے کسی شخص کو تلاش کرنا۔ اگر کسی ایک فرد میں نایاب زمرہ پایا جائے تو نام حذف کرنا کافی نہیں ہوگا۔ اضافی اقدامات کی ضرورت ہے، جیسے عمر کو حد میں تبدیل کرنا اور نایاب زمروں کو یکجا کرنا۔
7. اسے کیا کہا جاتا ہے جب ایک معائنہ ماڈل کسی ایسے محلے کو نشان زد کرتا ہے جس کا ماضی میں بہت زیادہ معائنہ کیا گیا ہو 'خطرناک' کے طور پر اور وہاں مزید معائنہ بھیجتا ہے، جو ماڈل کو اس محلے کو زیادہ پرخطر کے طور پر دیکھنے کے لیے دھکیلتا ہے؟
- A) ڈیٹا کو کم سے کم کرنا
- ب) ہیلوسینیشن
- سی) گمنامی
- D) فیڈ بیک لوپ ✔
وضاحت: فیڈ بیک لوپ اس وقت ہوتا ہے جب ماڈل کا آؤٹ پٹ بعد کے تربیتی ڈیٹا کو متاثر کرتا ہے، موجودہ تعصب کو تقویت دیتا ہے۔ فرق اصل خطرے میں نہیں بلکہ اس میں بڑھتا ہے جہاں کوئی نظر آتا ہے۔ اپنے آپ کو بچانے کا طریقہ اثر کی نگرانی کرنا ہے، نہ کہ پیداوار کی، اور فیصلوں کی گروپ پر مبنی تقسیم کو کنٹرول کرنا۔
8. فوائد کی درخواست کے مکمل طور پر آن لائن منتقل ہونے کے بعد، پہلے مہینے میں درخواستوں کی تعداد میں 30 فیصد کمی واقع ہوئی۔ اس کی سب سے زیادہ ممکنہ وضاحت کیا ہے؟
- A) شہریوں کی حقیقی ضروریات میں کمی آئی ہے۔
- ب) انٹرنیٹ اور ڈیجیٹل خواندگی کے بغیر شہریوں کو چھوڑ دیا گیا ✔
- C) سود کم ہوا کیونکہ امداد کی رقم کم ہوگئی
- D) سسٹم نے خود بخود تمام درخواستوں کی منظوری دے دی۔
تفصیل: ڈیجیٹل تقسیم انٹرنیٹ تک رسائی یا خدمات تک رسائی کے لیے ڈیجیٹل خواندگی کے بغیر شہریوں کی نااہلی ہے۔ تعداد کم ہوتی ہے کیونکہ انتہائی ضرورت مند گروپ، بزرگ اور انٹرنیٹ کے بغیر شہری درخواست نہیں دے سکتے۔ اس کا حل یہ ہے کہ متبادل چینلز، جیسے اسسٹڈ ریفرل پوائنٹس چھوڑ دیں۔
9. جبکہ سالانہ رپورٹ میں کامیابی کی اصل شرح 63 فیصد ہے، YZ کی طرف سے تیار کردہ ایگزیکٹو سمری کہتی ہے کہ 'درخواستوں کی اکثریت مثبت تھی۔' صحیح طرز عمل کیا ہے؟
- ا) اظہار کو ویسا ہی چھوڑ دیا گیا ہے کیونکہ یہ مثبت ہے۔
- ب) تناسب کو حذف کر دیا گیا ہے اور صرف کوالٹیٹیو ایکسپریشن استعمال کیا گیا ہے۔
- C) اظہار کو حقیقی نمبر 63 فیصد سے بدل دیا گیا ہے ✔
- D) رپورٹ سے خلاصہ مکمل طور پر ہٹا دیا گیا ہے۔
وضاحت: عوامی رپورٹ میں مبالغہ آمیز مثبت تاثر ادارے کو بعد کے آڈٹ میں ایک مشکل صورتحال میں ڈال دیتا ہے۔ ایگزیکٹو سمری میں ہر دعوے کا موازنہ خام ڈیٹا سے کیا جانا چاہیے اور اصل نمبر (63 فیصد) لکھا جانا چاہیے۔ AI کے خلاصے بغیر آڈٹ کیے رپورٹ میں شامل نہیں کیے جاتے۔
10. پبلک سیکٹر میں ڈیٹا پر مبنی فیصلے کرتے وقت، اگر 'ماہانہ بند فائلوں کی تعداد' بڑھ جاتی ہے جبکہ 'پہلے رابطے پر ریزولوشن ریٹ' کم ہوتا ہے، تو یہ ہمیں سب سے پہلے کیا سکھاتا ہے؟
- A) صحیح اشارے کا انتخاب نمبر کو ضرب دینے سے زیادہ اہم ہے ✔
- ب) اہلکاروں کی تعداد میں اضافہ کیا جائے۔
- ج) گراف رنگین ہونے چاہئیں
- D) چیٹ بوٹ کو مزید سوالات کے جوابات دینے چاہئیں
وضاحت: غلط اشارے درست اعداد و شمار کے ساتھ بھی غلط فیصلے کی طرف لے جاتا ہے۔ فائلیں فوری طور پر بند اور دوبارہ کھولی جا سکتی ہیں۔ صحیح اشارے کا انتخاب کرنا اور اشارے کو ایک ساتھ پڑھنا صرف گمراہ کن نمبر کی بنیاد پر شیخی مارنے سے روکتا ہے۔
11. ایک چارٹ میں، عمودی محور صفر کے بجائے 40 سے شروع ہوتا ہے اور 2 فیصد اضافہ ایسا لگتا ہے جیسے ڈرامائی چھلانگ کس مسئلے کی ایک مثال ہے؟
- A) ہیلوسینیشن
- ب) ڈیٹا کو کم سے کم کرنا
- C) ڈیجیٹل تقسیم
- D) گمراہ کن تصور ✔
وضاحت: گمراہ کن تصور تکنیکوں جیسے محور صفر سے شروع نہ ہونے، غیر متناسب پیمانے، یا منتخب مدت کے ذریعے تاثر کو بگاڑنا ہے۔ یہ عوامی ڈیٹا میں دیانتدار بصری حکمرانی کا حصہ ہے۔ اصلی میز کو محور کو صفر پر کھینچ کر دکھایا جانا چاہیے۔
12. کسی انتظامی کارروائی کے جواز کے طور پر 'AI نے لکھا ہے' کہنا کیوں ناقابل قبول ہے؟
- A) کیونکہ AI ٹولز بہت مہنگے ہیں۔
- ب) انتظامی کارروائی کا جواز ہونا چاہیے اور ذمہ داری افسر پر عائد ہوتی ہے ✔
- C) کیونکہ AI ترکی نہیں جانتا
- D) کیونکہ شہریوں کو AI پسند نہیں ہے۔
وضاحت: انتظامی کارروائی معقول اور قابل سماعت ہونی چاہیے۔ ذمہ داری AI پر نہیں ہے، بلکہ اس سرکاری اہلکار اور ادارے کے ساتھ ہے جو اس کی تصدیق کیے بغیر آؤٹ پٹ کو استعمال کرتا ہے۔ 'AI نے ایسا کہا' کوئی جواز نہیں ہے اور یہ انتظامی کارروائی کو برقرار نہیں رکھتا ہے۔
13. وہ کون سے چار اصول ہیں جو پبلک سیکٹر میں AI کے استعمال کو پرائیویٹ سیکٹر سے ممتاز کرتے ہیں اور ان کا بھی مشاہدہ کیا جانا چاہیے؟
- الف) رفتار، سستی، منافع، مقابلہ
- ب) آٹومیشن، پیمانہ، مارکیٹنگ، برانڈ
- ج) مساوات، شفافیت، جوابدہی، ذاتی ڈیٹا کا تحفظ ✔
- D) رازداری، رازداری، رازداری اور رازداری
وضاحت: ایسے کاموں میں جہاں عوامی طاقت کا استعمال کیا جاتا ہے، AI مساوات کے اصولوں (ایک جیسی صورت حال کے ساتھ یکساں سلوک)، شفافیت (فیصلے کے جواز کی وضاحت)، جوابدہی (ہر لین دین اور آڈٹ ٹریل کے لیے ذمہ دار) اور ذاتی ڈیٹا (KVKK) کے تحفظ کے اصولوں سے وضع کیا جاتا ہے۔
14. ایک خودکار پری فلائٹ سسٹم کو کیا کرنا چاہیے جب اسے نایاب دستاویز کی قسم کا یقین نہ ہو؟
- A) خاموشی سے درخواست کو مسترد کرنا
- ب) درخواست کو انسانی جائزے کے لیے آگے بھیجنا ✔
- C) درخواست کو خود بخود منظور کریں۔
- D) درخواست کو حذف کریں۔
وضاحت: اچھی آٹومیشن ماڈل کو افسر تک پہنچاتی ہے جب اسے خاموشی سے مسترد کرنے کے بجائے یقین نہ ہو۔ بصورت دیگر، جائز درخواستیں ایک اندھی جگہ میں پڑ جائیں گی اور شکار ہو جائے گا۔ لوگوں کو فیصلے کے مقام پر رکھنا استثنائی انتظام کی بنیاد ہے۔