فائدہ:
- اس حقیقت کو سمجھنے اور اس پر عمل درآمد کرنے کی صلاحیت کہ بچے کا ڈیٹا خاص ڈیٹا ہے اور اسے KVKK اور رازداری کے دائرہ کار میں گمنام ہونا چاہیے اور اس کے لیے خاندان کی رضامندی درکار ہے۔
- ڈیٹا سیکورٹی، سٹوریج اور ماڈل ٹریننگ میں استعمال کے لحاظ سے مصنوعی ذہانت کے آلات کا جائزہ لینے اور محفوظ کا انتخاب کرنے کی صلاحیت
- اخلاقی حدود کو برقرار رکھنے کی صلاحیت جیسے کہ تشخیصی اختیار، بدنما داغ، امتیازی سلوک اور ورک فلو میں بچے کی بہترین دلچسپی
بچے کی نشوونما کی فائل میں اس بچے کی انتہائی قریبی معلومات ہوتی ہیں: نشوونما کی تاریخ، خاندانی صورتحال، اسکریننگ کے نتائج، مشاہدات اور بعض اوقات طبی معلومات۔ جب یہ معلومات غلط ہاتھوں میں آجاتی ہے یا غلط استعمال ہوتی ہے، تو یہ آنے والے سالوں تک بچے کو نقصان پہنچا سکتی ہے: ایک لیبل، ایک بدنما، ایک امتیاز۔ لہذا، بچوں کے ڈیٹا کی حفاظت بچوں کی نشوونما کے ماہر کی سب سے سنگین ذمہ داریوں میں سے ایک ہے۔ مصنوعی ذہانت کے دور میں، یہ ذمہ داری کئی گنا بڑھ جاتی ہے، کیونکہ کسی ٹول میں ڈیٹا پیسٹ کرنے میں سیکنڈ لگتے ہیں اور اسے واپس نہیں کیا جا سکتا۔ اس یونٹ میں، ہم بچوں کے ڈیٹا کی قانونی حیثیت، پرائیویسی کے لحاظ سے مصنوعی ذہانت کے آلات کی تشخیص، اور اخلاقی حدود کا احاطہ کریں گے۔
سب سے پہلے، قانونی بنیاد: ترکی میں، KVKK (ذاتی ڈیٹا کے تحفظ کا قانون) ذاتی ڈیٹا کی پروسیسنگ کو منظم کرتا ہے۔ بچے کی صحت اور نشوونما کا ڈیٹا خصوصی ذاتی ڈیٹا کے زمرے میں ہے؛ یہ زمرہ اعلیٰ ترین سطح کے تحفظ سے مشروط ہے۔ یورپ میں، اس کے مساوی GDPR ہے۔ بچے کے معاملے میں، حساسیت اور بھی زیادہ ہوتی ہے، کیونکہ بچہ اپنے ڈیٹا پر درست رضامندی نہیں دے سکتا؛ رضامندی (باخبر واضح رضامندی) قانونی نمائندے، یعنی خاندان سے حاصل کی جاتی ہے۔ ہر فیصلے میں "بچے کا بہترین مفاد" کا اصول غالب رہتا ہے۔
گمنامی: سب سے بنیادی اور طاقتور قدم
مصنوعی ذہانت کے ساتھ کام کرتے وقت رازداری کی حفاظت کرنے والا سب سے بنیادی، سب سے زیادہ عملی قدم گمنامی ہے: ڈیٹا سے شناخت ظاہر کرنے والی تمام معلومات (نام، کنیت، ٹی آر آئی ڈی نمبر، تاریخ پیدائش، اسکول/ادارے کا نام، پتہ، پروٹوکول/فائل نمبر، خاندان کے نام) کو ہٹانا اور صرف اپنی غیر شناخت شدہ معلومات کے لیے ضروری معلومات کا استعمال کرنا۔ "ایلیف کایا، 3 سال اور 2 ماہ، پاپتیا کنڈرگارٹن" کے بجائے "3 سال اور 2 ماہ کی لڑکی" لکھنا ڈیٹا کا کام کرتا ہے لیکن شناخت کو محفوظ رکھتا ہے۔
احتیاط کا ایک لفظ: شناخت دوبارہ ابھر سکتی ہے جب متعدد چھوٹی تفصیلات اکٹھی ہوجاتی ہیں (اسے دوبارہ شناخت کہا جاتا ہے)۔ مثال کے طور پر، "گاؤں X میں واحد جڑواں، اس کا باپ سربراہ ہے" جیسی تفصیلات اس شخص کی شناخت کر سکتی ہیں چاہے کوئی نام نہ ہو۔ اس لیے نہ صرف نام کو حذف کرنا بلکہ ان تفصیلات کو عام کرنا بھی ضروری ہے جو اسے منفرد بناتی ہیں۔
خام (شیئر نہیں کیا جا سکتا)
گمنام (قابل اشتراک)
ایلیف کایا، ٹی سی 123...، پیدائش 12.03.2022۔
3 سال 2 ماہ کی لڑکی
پاپتیا کنڈرگارٹن، 3-A کلاس
پری اسکول کا ادارہ
اس کی ماں عائشہ اور والد مختار ہیں۔
والدین
فائل نمبر 2024/187
(ہٹا دیا گیا)
دھیان دیں: بچے کی شناخت کی معلومات، مکمل رپورٹ یا تصویر کو عوامی طور پر دستیاب مصنوعی ذہانت کے ٹول پر اپ لوڈ کرنا KVKK اور رازداری کی خلاف ورزی ہے اور اسے واپس نہیں لیا جا سکتا۔ ڈیٹا ایک بیرونی سرور پر جاتا ہے اور کچھ ٹولز اسے ماڈل ٹریننگ کے لیے استعمال کر سکتے ہیں۔ اپ لوڈ کرنے سے پہلے ہمیشہ گمنام رکھیں۔
ٹول کا انتخاب اور ڈیٹا لائف سائیکل
ہر AI ٹول کی رازداری کی سطح یکساں نہیں ہوتی ہے۔ کسی ٹول کا جائزہ لیتے وقت پوچھیں: کیا یہ ماڈل کی تربیت میں کارکردگی کا استعمال کرتا ہے؟ یہ ڈیٹا کہاں اور کب تک محفوظ کرتا ہے؟ کیا یہ ڈیٹا پروسیسنگ معاہدہ پیش کرتا ہے (کارپوریٹ استعمال کے لیے)؟ ان کے سرور کہاں ہیں؟ کارپوریٹ، معاہدہ شدہ اور تربیتی ٹولز جو آپ کا ڈیٹا استعمال نہیں کرتے ہیں وہ عوامی طور پر دستیاب مفت ٹولز سے زیادہ محفوظ ہیں۔ تاہم، انتہائی محفوظ ٹول میں بھی، غیر ضروری اسناد کا اشتراک نہ کریں — گمنامی ہر حال میں پہلا دفاع ہے۔
ڈیٹا لائف سائیکل پر غور کریں: ڈیٹا اکٹھا کریں (توثیق کریں)، عمل (ضرورت کے مطابق)، اسٹور (محفوظ، وقت پر)، اشتراک کریں (صرف مجاز، گمنام)، اور حذف کریں (جب ہو جائے)۔ AI ٹولز میں جو بھی چیز آپ چپکی ہوئی ہے اس کے اس لوپ سے باہر گرنے کا خطرہ ہے۔
مشورہ: اپنے پسندیدہ اشارے کے اوپری حصے میں ایک سخت اصول رکھیں: "میں ایسی کوئی بھی معلومات شیئر نہیں کروں گا جو اس گفتگو میں بچے یا خاندان کی شناخت کرتی ہو۔" اسے کنٹرول ریفلیکس بنانا سب سے عام خلاف ورزی کو روکتا ہے (غیر حاضری سے ID چسپاں کرنا)۔
اخلاقی حدود: تشخیص، بدنامی، امتیاز
رازداری ایک تکنیکی مسئلہ ہے، لیکن اخلاقیات وسیع ہے۔ تین حدود اہم ہیں۔ تشخیصی اتھارٹی: بچوں کی نشوونما کا ماہر اسکریننگ اور ترقیاتی تشخیص کرتا ہے۔ حتمی تشخیص متعلقہ معالج/طبی ٹیم کا کام ہے۔ مصنوعی ذہانت اس حد کو نہیں جانتی۔ آپ حفاظت کریں گے. کلنک: بچے کو ابتدائی اور مستقل لیبل کے ساتھ نشان زد کرنا (فائل میں، خاندان میں، آپ کے اپنے ذہن میں) بچے کے ساتھ غیر منصفانہ ہے اور اس کی نشوونما پر منفی اثر ڈال سکتا ہے۔ امتیازی سلوک اور تعصب: AI تربیتی ڈیٹا میں تعصبات کی عکاسی کر سکتا ہے۔ یہ کسی خاص ثقافت، جنس یا سماجی اقتصادی گروپ کے حوالے سے متعصب نتائج پیدا کر سکتا ہے۔ ماہر کو ان کا نوٹس لینا چاہئے اور انہیں درست کرنا چاہئے۔ اس سب سے بڑھ کر بچے کے بہترین مفادات کا اصول کھڑا ہے: کیا ہر فیصلہ بچے کی بھلائی کے لیے ہوتا ہے؟
چار کاپی کرنے کے قابل اشارے
1) گمنامی کا اشارہ:
میں آپ کو ایک متن دوں گا۔ ایسی کسی بھی معلومات کو ہٹا دیں جس سے بچے یا خاندان کی شناخت ظاہر ہو (نام، کنیت، TR ID، تاریخ پیدائش، اسکول/انسٹی ٹیوشن، پتہ، فائل نمبر، منفرد تفصیلات)؛ عام اظہار ([لڑکی]، [پری اسکول انسٹی ٹیوشن]) سے بدل دیں۔ نہ صرف نام بلکہ منفرد تفصیلات کو بھی عام کریں جو اس شخص کی شناخت کر سکتے ہیں۔ آپ نے جو ہٹایا ہے اس کی فہرست بنائیں۔ متن: [raw]
2) گاڑی کی رازداری کی تشخیص کا اشارہ:
مجھے رازداری کے سوالات کی ایک چیک لسٹ دیں جو مجھے یہ فیصلہ کرنے کے لیے پوچھنا چاہیے کہ آیا میں بچوں کے ڈیٹا کے ساتھ AI ٹول استعمال کر سکتا ہوں (کیا وہ ڈیٹا ہے جو تعلیم، برقرار رکھنے، معاہدہ، سرور کی جگہ، حذف کرنے میں استعمال ہوتا ہے)۔ جوابات مت بنائیں؛ صرف سوالات کی فہرست بنائیں.
3) اخلاقیات/ اتھارٹی کنٹرول پرامپٹ کی حد:
اخلاقی طور پر درج ذیل متن کا جائزہ لیں: (1) کیا یہ تشخیص کرتا ہے/اس کا مطلب ہے؟ (2) کیا کوئی بدنامی کا لیبل ہے؟ (3) کیا ثقافتی/ صنفی/ سماجی و اقتصادی تعصبات ہیں؟ ہر مسئلہ کو نمایاں کریں اور ایک درست، محتاط متبادل تجویز کریں۔ متن: [مسودہ]
4) خاندان کی رضامندی سے متعلق معلوماتی متن کا اشارہ:
خاندان کو ایک مختصر نوٹیفیکیشن/ رضامندی کا متن تیار کریں جو صرف یہ بتاتا ہے کہ میں بچے کے ڈیٹا کو کس طرح استعمال اور محفوظ کروں گا۔ اس میں شامل ہیں: کون سا ڈیٹا، کس مقصد کے لیے، اسے کیسے محفوظ کیا جاتا ہے، کس کے ساتھ شیئر کیا جاتا ہے، واپسی کا حق۔ قانونی مشورہ فراہم کرنا؛ نوٹ کریں کہ یہ ایک مسودہ ہے اور اسے ادارے سے منظور ہونا ضروری ہے۔
تین چھوٹے مقدمات
کیس 1 - شناختی اپ لوڈ کی خلاف ورزی۔ ایک مصروف دن پر، ایک ماہر بچے کی ترقی کی رپورٹ، مکمل نام اور ID کے ساتھ، ایک عوامی ٹول میں چسپاں کرتا ہے اور کہتا ہے "خلاصہ کریں۔" ڈیٹا نے ادارہ چھوڑ دیا اور خاندان کی رضامندی حاصل نہیں کی گئی۔ صحیح طریقہ یہ تھا کہ پہلے پرامپٹ کے ساتھ ڈیٹا کو گمنام کیا جائے اور محفوظ ٹول میں صرف گمنام معلومات کا استعمال کیا جائے۔ یہ خلاف ورزی ایک قانونی اور اخلاقی مسئلہ ہے اور اسے واپس نہیں لیا جا سکتا۔
کیس 2 - دوبارہ شناخت۔ ایک ماہر نام کو حذف کر دیتا ہے لیکن تفصیل چھوڑ دیتا ہے "گاؤں میں واحد ٹرپلٹ، اس کے والد ایک امام ہیں۔" یہ تفصیل بچے کو بغیر نام کے بھی پہچانتی ہے۔ ماہر منفرد تفصیلات کو عام کرنے کے لیے گمنامی کو مزید گہرا کرتا ہے: "دیہی علاقے میں رہنے والے متعدد حمل کا بچہ۔" شناخت اب محفوظ ہے۔
کیس 3 - تعصب کی اصلاح۔ AI کم آمدنی والے خاندان کے بارے میں مواد میں مضمر ایک متعصبانہ مفروضہ پیدا کرتا ہے، جیسے کہ "ان خاندانوں میں شمولیت اکثر ناکافی ہوتی ہے۔" ماہر اسے تیسرے پرامپٹ سے پکڑتا ہے۔ بیان کو غیر مصدقہ، بدنما اور امتیازی محسوس کرتا ہے اور اسے ہٹا دیتا ہے۔ یہ مواد کو ایک ایسی زبان میں دوبارہ لکھتا ہے جو ہر خاندان کو برابر اور احترام کے طور پر دیکھتی ہے۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
میں ایلیف کی مکمل رپورٹ یہاں چسپاں کر رہا ہوں، تشخیص کریں اور تشخیص کی تجویز کریں۔
مسئلہ: شناخت کی معلومات کا اشتراک کیا جاتا ہے (KVKK کی خلاف ورزی)، تشخیص کی درخواست کی جاتی ہے (اجازت سے زیادہ)، کوئی رضامندی نہیں، محفوظ گاڑی سے پوچھ گچھ نہیں کی جاتی ہے۔
طاقتور اشارہ:
تشخیصی مسودے کے لیے درج ذیل گمنام ترقیاتی خلاصے میں ترمیم کریں (شناخت کی معلومات ہٹا دی گئی)۔ تشخیص کرنا؛ بدنام کرنے والے لیبلز کا استعمال؛ متعصبانہ قیاس سے پرہیز کریں۔ جہاں آپ کو یقین نہیں ہے وہاں نشان زد کریں [کسی ماہر کا جائزہ لینے دیں]۔ خلاصہ: [گمنام]
عام غلطیاں
- اسناد اپ لوڈ کرنا: سب سے عام اور سب سے زیادہ سنگین خلاف ورزی؛ ہمیشہ گمنام.
- سطحی گمنامی: صرف نام حذف کرنا کافی نہیں ہے۔ منفرد تفصیلات کو بھی عام کریں۔
- ٹول کی رازداری پر سوال نہ اٹھائیں: ایسے ٹولز سے پرہیز کریں جو آپ کے ڈیٹا کو تعلیم کے لیے استعمال کرتے ہیں۔
- تشخیصی حد کو عبور کرنا: تشخیص تشخیص نہیں ہے۔ اختیار معالج/ٹیم کے پاس ہے۔
- تعصب کو تسلیم نہ کرنا: AI کے بدنامی/امتیازی مفروضوں کو درست کریں۔
خلاصہ میں
بچوں کا ڈیٹا خصوصی ذاتی ڈیٹا ہے؛ اسے KVKK کے دائرہ کار میں اعلیٰ ترین تحفظ کی ضرورت ہوتی ہے اور خاندان سے رازداری اور رضامندی حاصل کی جاتی ہے۔ AI کے ساتھ کام کرتے وقت سب سے مضبوط دفاع گمنامی ہے — نہ صرف نام کو عام کریں، بلکہ منفرد تفصیلات بھی جو فرد کی شناخت کر سکتی ہیں۔ رازداری کے لیے ٹولز کا جائزہ لیں؛ وہ محفوظ انتخاب کریں جو تربیت میں آپ کا ڈیٹا استعمال نہ کرے۔ اخلاقی حدود کو برقرار رکھیں (تشخیصی اتھارٹی، کلنک، امتیازی سلوک/تعصب) اور ہر فیصلے میں بچے کے بہترین مفادات پر غور کریں۔
درخواست کا کام
ایک غیر گمنام (مستند، اپنے ریکارڈ سے) پیش رفت نوٹ لیں؛ اسکرین پر اس کی عکاسی کیے بغیر، 1st پرامپٹ کی منطق کا استعمال کرتے ہوئے اسے دستی طور پر گمنام کریں اور آپ نے جو بھی معلومات نکالی ہیں ان کی فہرست بنائیں۔ دوسرے پرامپٹ سے پرائیویسی کے لحاظ سے استعمال ہونے والے AI ٹول کا اندازہ لگائیں۔ پرامپٹ 3 کے ساتھ اخلاقیات/تعصب کے لیے ایک مسودہ چیک کریں۔ کم از کم تین تصحیحیں جو آپ نے کی ہیں (ایک گمنامی، ایک اخلاقیات، ایک تعصب) نوٹ کریں۔
چیک لسٹ
- [ ] میں نے ڈیٹا کو گمنام کیا میں نے منفرد تفصیلات کو بھی عام کیا۔
- میں نے اس ٹول کا جائزہ لیا جسے میں نے رازداری کے لحاظ سے استعمال کیا تھا۔ میں نے محفوظ کا انتخاب کیا۔
- میں نے ضرورت پڑنے پر خاندان کی رضامندی حاصل کی۔
- میں نے تشخیصی اتھارٹی کی حد برقرار رکھی۔ میں نے تشخیص-تشخیص کے فرق کو لاگو کیا۔
- میں نے بدنما ٹیگز اور امتیازی/متعصب تاثرات کو ہٹا دیا۔
- میں نے ہر فیصلے میں بچے کے بہترین مفاد کو مدنظر رکھا۔
- میں نے کسی گاڑی پر اسناد اپ لوڈ نہیں کیں۔