AI വളരെയധികം മുന്നോട്ട് പോയിയോ? [വീഡിയോയും ക്വിസും]

ചുരുക്കിപ്പറഞ്ഞാൽ: ഉയർന്ന കക്ഷി തീരുമാനങ്ങൾ, നിരീക്ഷണം, അല്ലെങ്കിൽ ശക്തമായ പരിധികളില്ലാതെ, അറിവോടെയുള്ള സമ്മതമില്ലാതെ, അപ്പീൽ നൽകാനുള്ള യഥാർത്ഥ അവകാശമില്ലാതെ പ്രേരണ എന്നിവയിൽ വിന്യസിക്കുമ്പോൾ AI വളരെയധികം മുന്നോട്ട് പോയിരിക്കുന്നു. ഡീപ്പ്ഫേക്കുകളും വിപുലീകരിക്കാവുന്ന തട്ടിപ്പുകളും വിശ്വാസത്തെ ഒരു ചൂതാട്ടമായി തോന്നിപ്പിക്കുമ്പോൾ അത് വീണ്ടും അതിരുകടക്കുന്നു. AI ഒരു പങ്കുവഹിച്ചുവെന്ന് ആളുകൾക്ക് മനസ്സിലാക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, ഒരു തീരുമാനം അത് ചെയ്ത രീതിയിൽ എങ്ങനെ എത്തി എന്ന് അവർക്ക് മനസ്സിലാകുന്നില്ലെങ്കിൽ, അല്ലെങ്കിൽ ഒഴിവാക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, അത് ഇതിനകം തന്നെ വളരെ അകലെയാണ്.

പ്രധാന കാര്യങ്ങൾ:

അതിരുകൾ: സിസ്റ്റത്തിന് എന്തുചെയ്യാൻ കഴിയില്ലെന്ന് നിർവചിക്കുക, പ്രത്യേകിച്ച് അനിശ്ചിതത്വം കൂടുതലായിരിക്കുമ്പോൾ.

ഉത്തരവാദിത്തം: ശിക്ഷയോ സമയസമ്മർദ്ദ കെണികളോ ഇല്ലാതെ മനുഷ്യർക്ക് ഫലങ്ങളെ മറികടക്കാൻ കഴിയുമെന്ന് ഉറപ്പാക്കുക.

സുതാര്യത: എപ്പോഴാണ് AI ഉൾപ്പെട്ടിരിക്കുന്നതെന്നും അത് എന്തുകൊണ്ടാണ് തീരുമാനങ്ങളിൽ എത്തിയതെന്നും ആളുകളോട് പറയുക.

മത്സരക്ഷമത: വേഗതയേറിയതും പ്രവർത്തനക്ഷമവുമായ അപ്പീൽ വഴികളും മോശം ഡാറ്റ തിരുത്തുന്നതിനുള്ള വ്യക്തമായ വഴികളും നൽകുക.

ദുരുപയോഗ പ്രതിരോധം: അഴിമതികളും ദുരുപയോഗങ്ങളും തടയുന്നതിന് ഉറവിടം, നിരക്ക് പരിധികൾ, നിയന്ത്രണങ്ങൾ എന്നിവ ചേർക്കുക.

"AI വളരെയധികം മുന്നോട്ട് പോയില്ലേ?"

പ്രത്യേകത എന്തെന്നാൽ, ലൈൻ-ക്രോസിംഗ് എല്ലായ്പ്പോഴും വ്യക്തമല്ല. ചിലപ്പോൾ അത് ഒരു ഡീപ്ഫേക്ക് തട്ടിപ്പ് പോലെ ഉച്ചത്തിലും മിന്നുന്ന രീതിയിലും ആയിരിക്കും. (FTC, FBI) ​​മറ്റ് ചിലപ്പോൾ ഇത് നിശബ്ദമായിരിക്കും - ഒരു വിശദീകരണവുമില്ലാതെ നിങ്ങളുടെ ജീവിതത്തെ വശങ്ങളിലേക്ക് തള്ളിവിടുന്ന ഒരു യാന്ത്രിക തീരുമാനം, നിങ്ങൾക്ക് "സ്കോർ ലഭിച്ചു" എന്ന് പോലും നിങ്ങൾ മനസ്സിലാക്കുന്നില്ല. (UK ICO, GDPR ആർട്ട്. 22)

അപ്പോൾ... AI വളരെയധികം മുന്നോട്ട് പോയിട്ടുണ്ടോ? ചില സ്ഥലങ്ങളിൽ, അതെ. മറ്റ് സ്ഥലങ്ങളിൽ, അത് വേണ്ടത്ര മുന്നോട്ട് പോയിട്ടില്ല - കാരണം സൗഹൃദപരമായ UI ഉള്ള റൗലറ്റ് വീലുകൾക്ക് പകരം ഉപകരണങ്ങളെ ഉപകരണങ്ങൾ പോലെ പെരുമാറാൻ സഹായിക്കുന്ന സെക്സി അല്ലാത്തതും എന്നാൽ അത്യാവശ്യവുമായ സുരക്ഷാ റെയിലുകൾ ഇല്ലാതെയാണ് ഇത് ഉപയോഗിക്കുന്നത്. 🎰🙂 (NIST AI RMF 1.0, EU AI Act)

ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:

🔗 AI സമൂഹത്തിന് ഹാനികരമാകുന്നത് എന്തുകൊണ്ട്?
പ്രധാന സാമൂഹിക അപകടസാധ്യതകൾ: പക്ഷപാതം, ജോലി, സ്വകാര്യത, അധികാര കേന്ദ്രീകരണം.

🔗 AI പരിസ്ഥിതിക്ക് ദോഷകരമാണോ? മറഞ്ഞിരിക്കുന്ന പ്രത്യാഘാതങ്ങൾ
പരിശീലനം, ഡാറ്റാ സെന്ററുകൾ, ഊർജ്ജ ഉപയോഗം എന്നിവ എങ്ങനെയാണ് ഉദ്‌വമനം വർദ്ധിപ്പിക്കുന്നത്.

🔗 AI നല്ലതാണോ ചീത്തയാണോ? ഗുണദോഷങ്ങൾ
നേട്ടങ്ങൾ, അപകടസാധ്യതകൾ, യഥാർത്ഥ ലോക വ്യാപാരങ്ങൾ എന്നിവയുടെ സമതുലിതമായ അവലോകനം.

🔗 AI എന്തുകൊണ്ട് മോശമായി കണക്കാക്കപ്പെടുന്നു: ഇരുണ്ട വശം
ദുരുപയോഗം, കൃത്രിമത്വം, സുരക്ഷാ ഭീഷണികൾ, ധാർമ്മിക ആശങ്കകൾ എന്നിവ പര്യവേക്ഷണം ചെയ്യുന്നു.

"AI വളരെയധികം മുന്നോട്ട് പോയിയോ?" എന്ന് പറയുമ്പോൾ ആളുകൾ എന്താണ് ഉദ്ദേശിക്കുന്നത് 😬

AI "സെൻഷ്യന്റ്" ആണോ അതോ "ഏറ്റെടുക്കൽ" ആണോ എന്ന് മിക്ക ആളുകളും ചോദിക്കുന്നില്ല. അവർ ഇവയിലൊന്നിലേക്കാണ് വിരൽ ചൂണ്ടുന്നത്:

• AI ഉപയോഗിക്കാൻ പാടില്ലാത്തയിടത്ത് ഉപയോഗിക്കുന്നു. (പ്രത്യേകിച്ച് ഉയർന്ന തലത്തിലുള്ള തീരുമാനങ്ങൾ.) (EU AI ആക്ട് അനെക്സ് III, GDPR ആർട്ട്. 22)

• സമ്മതമില്ലാതെയാണ് AI ഉപയോഗിക്കുന്നത്. (നിങ്ങളുടെ ഡാറ്റ, നിങ്ങളുടെ ശബ്ദം, നിങ്ങളുടെ മുഖം... അത്ഭുതം.) (UK ICO, GDPR ആർട്ട്. 5)

• ശ്രദ്ധ ആകർഷിക്കുന്നതിൽ AI വളരെ മികച്ചതായിക്കൊണ്ടിരിക്കുകയാണ്. (ഫീഡുകൾ + വ്യക്തിഗതമാക്കൽ + ഓട്ടോമേഷൻ = സ്റ്റിക്കി.) (OECD AI തത്വങ്ങൾ)

• AI സത്യത്തെ ഐച്ഛികമായി തോന്നിപ്പിക്കുന്നു. (ഡീപ്ഫേക്കുകൾ, വ്യാജ അവലോകനങ്ങൾ, സിന്തറ്റിക് “വിദഗ്ധർ.”) (യൂറോപ്യൻ കമ്മീഷൻ, FTC, C2PA)

• AI ശക്തി കേന്ദ്രീകരിക്കുന്നു. (എല്ലാവർക്കും കാണുന്നതും ചെയ്യാൻ കഴിയുന്നതും രൂപപ്പെടുത്തുന്ന ചില സംവിധാനങ്ങൾ.) (UK CMA)

"AI വളരെയധികം മുന്നോട്ട് പോയിട്ടുണ്ടോ?" എന്നതിന്റെ കാതൽ അതാണ് . ഇത് ഒരൊറ്റ നിമിഷമല്ല. പ്രോത്സാഹനങ്ങളുടെയും കുറുക്കുവഴികളുടെയും "നമ്മൾ അത് പിന്നീട് ശരിയാക്കാം" എന്ന ചിന്തയുടെയും ഒരു കൂമ്പാരമാണിത് - അത് തുറന്നു പറഞ്ഞാൽ, "ആരെങ്കിലും പരിക്കേറ്റാൽ ഞങ്ങൾ അത് ശരിയാക്കും" എന്നതിലേക്ക് വിവർത്തനം ചെയ്യുന്ന പ്രവണതയുണ്ട്. 😑

അത്ര രഹസ്യമല്ലാത്ത സത്യം: AI ഒരു ഗുണിതമാണ്, ഒരു ധാർമ്മിക നടനല്ല 🔧✨

AI ഉണർന്ന് ദോഷകരമാകാൻ തീരുമാനിക്കുന്നില്ല. ആളുകളും സംഘടനകളും അത് ലക്ഷ്യമിടുന്നു. എന്നാൽ നിങ്ങൾ എന്ത് ഭക്ഷണം നൽകിയാലും അത് അത് വർദ്ധിപ്പിക്കുന്നു:

• സഹായകരമായ ഉദ്ദേശ്യം വളരെയധികം സഹായകരമാകുന്നു (വിവർത്തനം, ആക്‌സസിബിലിറ്റി, സംഗ്രഹം, മെഡിക്കൽ പാറ്റേൺ കണ്ടെത്തൽ).

• മടിയനായ ഉദ്ദേശ്യം വളരെ മടിയനായി (സ്കെയിലിൽ പക്ഷപാതം, പിശകുകളുടെ ഓട്ടോമേഷൻ).

• മോശം ഉദ്ദേശ്യം വളരെ മോശമായി (വഞ്ചന, ഉപദ്രവം, പ്രചാരണം, ആൾമാറാട്ടം).

ഒരു കൊച്ചുകുട്ടിക്ക് ഒരു മെഗാഫോൺ കൊടുക്കുന്നത് പോലെയാണ് ഇത്. ചിലപ്പോൾ കൊച്ചുകുട്ടി പാടും... ചിലപ്പോൾ കൊച്ചുകുട്ടി നിങ്ങളുടെ ആത്മാവിലേക്ക് നേരിട്ട് നിലവിളിക്കും. ഒരു തികഞ്ഞ രൂപകമല്ല - അൽപ്പം മണ്ടത്തരം - പക്ഷേ കാര്യം കൃത്യമാണ് 😅📢.

ദൈനംദിന ക്രമീകരണങ്ങളിൽ AI യുടെ ഒരു നല്ല പതിപ്പ് ഉണ്ടാക്കുന്നത് എന്താണ്? ✅🤝

AI യുടെ ഒരു "നല്ല പതിപ്പ്" അത് എത്ര ബുദ്ധിമാനാണെന്നതിനെ അടിസ്ഥാനമാക്കി നിർവചിക്കപ്പെടുന്നില്ല. സമ്മർദ്ദം, അനിശ്ചിതത്വം, പ്രലോഭനം എന്നിവയ്ക്ക് കീഴിൽ അത് എത്ര നന്നായി പെരുമാറുന്നു എന്നതിനെ അടിസ്ഥാനമാക്കിയാണ് ഇത് നിർവചിക്കപ്പെടുന്നത് (കൂടാതെ വിലകുറഞ്ഞ ഓട്ടോമേഷനാൽ മനുഷ്യർ വളരെയധികം പ്രലോഭിപ്പിക്കപ്പെടുന്നു). (NIST AI RMF 1.0, OECD)

ആരെങ്കിലും തങ്ങളുടെ AI ഉപയോഗം ഉത്തരവാദിയാണെന്ന് അവകാശപ്പെടുമ്പോൾ ഞാൻ ശ്രദ്ധിക്കുന്നത് ഇതാ:

1) അതിരുകൾ വ്യക്തമാക്കുക

• സിസ്റ്റത്തിന് എന്ത് ചെയ്യാൻ അനുവാദമുണ്ട്?

• വ്യക്തമായി എന്താണ് ചെയ്യാൻ വിലക്കപ്പെട്ടിരിക്കുന്നത്?

• ഉറപ്പില്ലാത്തപ്പോൾ എന്ത് സംഭവിക്കും?

2) അലങ്കാരമല്ല, യഥാർത്ഥമായ മനുഷ്യ ഉത്തരവാദിത്തം

ഒരു മനുഷ്യന്റെ "അവലോകന" ഫലങ്ങൾ ഇനിപ്പറയുന്ന സാഹചര്യങ്ങളിൽ മാത്രമേ പ്രാധാന്യമുള്ളൂ:

• അവർ എന്താണ് അവലോകനം ചെയ്യുന്നതെന്ന് അവർക്ക് മനസ്സിലാകും, കൂടാതെ

• കാര്യങ്ങൾ മന്ദഗതിയിലാക്കിയതിന് ശിക്ഷിക്കപ്പെടാതെ അവർക്ക് അത് മറികടക്കാൻ കഴിയും.

3) ശരിയായ തലത്തിൽ വിശദീകരിക്കാവുന്നത്

എല്ലാവർക്കും കണക്ക് ആവശ്യമില്ല. ആളുകൾക്ക് തീർച്ചയായും ആവശ്യമാണ്:

• ഒരു തീരുമാനത്തിന് പിന്നിലെ പ്രധാന കാരണങ്ങൾ,

• എന്ത് ഡാറ്റയാണ് ഉപയോഗിച്ചത്,

• എങ്ങനെ അപ്പീൽ ചെയ്യാം, തിരുത്താം അല്ലെങ്കിൽ ഒഴിവാക്കാം. (യുകെ ഐസിഒ)

4) അളക്കാവുന്ന പ്രകടനം - പരാജയ മോഡുകൾ ഉൾപ്പെടെ

"കൃത്യത" മാത്രമല്ല, മറിച്ച്:

• അത് ആരെയാണ് പരാജയപ്പെടുത്തുന്നത്,

• എത്ര തവണ അത് നിശബ്ദമായി പരാജയപ്പെടുന്നു,

• ലോകം മാറുമ്പോൾ എന്ത് സംഭവിക്കും. (NIST AI RMF 1.0)

5) "ക്രമീകരണങ്ങളിൽ മറഞ്ഞിരിക്കാത്ത" സ്വകാര്യതയും സമ്മതവും

മെനുകളിലൂടെ ഒരു നിധി വേട്ടയാണ് സമ്മതം ആവശ്യപ്പെടുന്നതെങ്കിൽ... അത് സമ്മതമല്ല. അധിക ഘട്ടങ്ങളുള്ള ഒരു പഴുതാണിത് 😐🧾. (GDPR ആർട്ട്. 5, UK ICO)

താരതമ്യ പട്ടിക: AI അമിതമായി പോകുന്നത് തടയാനുള്ള പ്രായോഗിക വഴികൾ 🧰📊

താഴെ കൊടുത്തിരിക്കുന്ന "ടോപ്പ് ഓപ്ഷനുകൾ", അവ സാധാരണ ഗാർഡ്‌റെയിലുകളോ ഫലങ്ങളെ മാറ്റുന്ന പ്രവർത്തന ഉപകരണങ്ങളോ ആണ് (വൈബുകൾ മാത്രമല്ല).

അതെ, മേശ അല്പം നിരപ്പായിട്ടില്ല. അതാണ് ജീവിതം. 🙂

ഉയർന്ന ഓഹരി തീരുമാനങ്ങളിൽ AI: അത് അതിരുകടക്കുമ്പോൾ 🏥🏦⚖️

കാര്യങ്ങൾ വളരെ വേഗത്തിൽ ഗുരുതരമാകുന്ന സ്ഥലം ഇതാണ്.

ആരോഗ്യ സംരക്ഷണം , ധനകാര്യം , ഭവനം , തൊഴിൽ , വിദ്യാഭ്യാസം , കുടിയേറ്റം , ക്രിമിനൽ നീതി എന്നീ മേഖലകളിലെ AI - ഇവയാണ് ഇനിപ്പറയുന്ന സംവിധാനങ്ങൾ: ( EU AI ആക്റ്റ് അനെക്സ് III , FDA )

• ഒരു തെറ്റ് ഒരാളുടെ പണമോ, സ്വാതന്ത്ര്യമോ, അന്തസ്സോ, സുരക്ഷയോ നഷ്ടപ്പെടുത്തിയേക്കാം,

• കൂടാതെ ബാധിച്ച വ്യക്തിക്ക് പലപ്പോഴും തിരിച്ചടിക്കാനുള്ള ശക്തി പരിമിതമായിരിക്കും.

"AI തെറ്റുകൾ വരുത്തുന്നു" എന്നതല്ല വലിയ അപകടസാധ്യത. AI തെറ്റുകൾ നയമായി മാറുന്നതാണ് വലിയ അപകടസാധ്യത . ( NIST AI RMF 1.0 )

ഇവിടെ "വളരെ ദൂരം" എങ്ങനെയിരിക്കും

• വിശദീകരണമില്ലാതെ യാന്ത്രിക തീരുമാനങ്ങൾ: “കമ്പ്യൂട്ടർ ഇല്ല എന്ന് പറയുന്നു.” (യുകെ ഐസിഒ)

• "റിസ്ക് സ്കോറുകൾ" ഊഹങ്ങൾ പോലെയല്ല, വസ്തുതകൾ പോലെയാണ് കൈകാര്യം ചെയ്തത്.

• മാനേജ്‌മെന്റിന് വേഗത വേണമെന്ന് കരുതി ഫലങ്ങളെ മറികടക്കാൻ കഴിയാത്ത മനുഷ്യർ.

• വൃത്തിഹീനമായതോ, പക്ഷപാതപരമായതോ, കാലഹരണപ്പെട്ടതോ, അല്ലെങ്കിൽ പൂർണ്ണമായും തെറ്റായതോ ആയ ഡാറ്റ.

എന്താണ് മാറ്റാൻ പറ്റാത്തത്

• അപ്പീൽ നൽകാനുള്ള അവകാശം (വേഗത്തിൽ, മനസ്സിലാക്കാവുന്നതേയുള്ളൂ, ഒരു കുഴപ്പവുമില്ല). (GDPR ആർട്ട്. 22, UK ICO)

• AI ഉൾപ്പെട്ടിട്ടുണ്ടെന്ന് അറിയാനുള്ള അവകാശം . ( യൂറോപ്യൻ കമ്മീഷൻ )

• അനന്തരഫലങ്ങൾക്കായുള്ള മനുഷ്യ അവലോകനം . ( NIST AI RMF 1.0 )

• ഡാറ്റയിലെ ഗുണനിലവാര നിയന്ത്രണം - കാരണം മാലിന്യം അകത്തേക്കും, മാലിന്യം പുറത്തേക്കും എന്നത് ഇപ്പോഴും വേദനാജനകമായ സത്യമാണ്.

നിങ്ങൾ ഒരു വ്യക്തമായ രേഖ വരയ്ക്കാൻ ശ്രമിക്കുകയാണെങ്കിൽ, ഇതാ ഒരു കാര്യം:
ഒരു AI സിസ്റ്റത്തിന് ഒരാളുടെ ജീവിതത്തിൽ കാര്യമായ മാറ്റങ്ങൾ വരുത്താൻ കഴിയുമെങ്കിൽ, മറ്റ് തരത്തിലുള്ള അധികാരങ്ങളിൽ നിന്ന് നമ്മൾ പ്രതീക്ഷിക്കുന്ന അതേ ഗൗരവം അതിന് ആവശ്യമാണ്. സൈൻ അപ്പ് ചെയ്യാത്ത ആളുകളിൽ "ബീറ്റ പരിശോധന" ഇല്ല. 🚫

ഡീപ്ഫേക്കുകൾ, തട്ടിപ്പുകൾ, "എനിക്ക് എന്റെ കണ്ണുകളെ വിശ്വാസമാണ്" എന്നതിന്റെ സാവധാനത്തിലുള്ള മരണം 👀🧨

ദൈനംദിന ജീവിതത്തെ... വഴുക്കലുള്ളതായി തോന്നിപ്പിക്കുന്ന ഭാഗമാണിത്.

AI എപ്പോൾ സൃഷ്ടിക്കാൻ കഴിയും:

• നിങ്ങളുടെ കുടുംബാംഗത്തെപ്പോലെ തോന്നിക്കുന്ന ഒരു ശബ്ദ സന്ദേശം, (FTC, FBI)

• ഒരു പൊതു വ്യക്തി എന്തെങ്കിലും "പറയുന്ന" വീഡിയോ,

• ആധികാരികമായി തോന്നുന്ന വ്യാജ അവലോകനങ്ങളുടെ ഒരു പ്രളയം, (FTC)

• വ്യാജ ജോലി ചരിത്രവും വ്യാജ സുഹൃത്തുക്കളുമുള്ള ഒരു വ്യാജ ലിങ്ക്ഡ്ഇൻ പ്രൊഫൈൽ..

...അത് തട്ടിപ്പുകൾക്ക് മാത്രമല്ല വഴിയൊരുക്കുന്നത്. അപരിചിതരെ ഏകോപിപ്പിക്കാൻ അനുവദിക്കുന്ന സാമൂഹിക ബന്ധത്തെ ഇത് ദുർബലപ്പെടുത്തുന്നു. അപരിചിതരെ ഏകോപിപ്പിക്കുന്നതിലൂടെയാണ് സമൂഹം പ്രവർത്തിക്കുന്നത്. 😵💫

"വളരെ ദൂരം" എന്നത് വ്യാജ ഉള്ളടക്കം മാത്രമല്ല

ഇതാണ് അസമമിതി:

• നുണകൾ സൃഷ്ടിക്കുന്നത് വിലകുറഞ്ഞതാണ്.

• സത്യം പരിശോധിക്കാൻ ചെലവേറിയതും മന്ദഗതിയിലുള്ളതുമാണ്.

• മിക്ക ആളുകളും തിരക്കിലാണ്, ക്ഷീണിതരാണ്, സ്ക്രോൾ ചെയ്യുന്നു.

എന്താണ് സഹായിക്കുന്നത് (കുറച്ച്)

• മാധ്യമങ്ങൾക്കായുള്ള ഉത്ഭവ മാർക്കറുകൾ. (C2PA)

• വൈറലാകാനുള്ള സാധ്യത - തൽക്ഷണ മാസ്സ് ഷെയറിംഗ് മന്ദഗതിയിലാക്കുന്നു.

• പ്രാധാന്യമുള്ളിടത്ത് (ധനകാര്യം, സർക്കാർ സേവനങ്ങൾ) മികച്ച ഐഡന്റിറ്റി പരിശോധന.

• വ്യക്തികൾക്കുള്ള അടിസ്ഥാന “വെരിഫൈ ഔട്ട് ഓഫ് ബാൻഡ്” ശീലങ്ങൾ (തിരിച്ചു വിളിക്കുക, ഒരു കോഡ് വാക്ക് ഉപയോഗിക്കുക, മറ്റൊരു ചാനൽ വഴി സ്ഥിരീകരിക്കുക). (FTC)

ഗ്ലാമറസ് അല്ല. പക്ഷേ സീറ്റ് ബെൽറ്റുകളും അത്ര നല്ലതല്ല, എനിക്ക് വ്യക്തിപരമായി അവയോട് നല്ല അടുപ്പമുണ്ട്. 🚗

സർവൈലൻസ് ക്രീപ്പ്: AI നിശബ്ദമായി എല്ലാം ഒരു സെൻസറാക്കി മാറ്റുമ്പോൾ 📷🫥

ഇത് ഒരു ഡീപ്ഫേക്ക് പോലെ പൊട്ടിത്തെറിക്കുന്നില്ല. അത് പടരുക മാത്രമാണ് ചെയ്യുന്നത്.

AI ഇത് എളുപ്പമാക്കുന്നു:

• ആൾക്കൂട്ടത്തിൽ മുഖങ്ങൾ തിരിച്ചറിയുക, (EU AI ആക്റ്റ്, NIST FRVT)

• ട്രാക്ക് ചലന പാറ്റേണുകൾ,

• വീഡിയോയിൽ നിന്ന് വികാരങ്ങൾ അനുമാനിക്കുക (പലപ്പോഴും മോശമായി, പക്ഷേ ആത്മവിശ്വാസത്തോടെ), (ബാരറ്റ് തുടങ്ങിയവർ, 2019, EU AI ആക്റ്റ്)

• പെരുമാറ്റം... അല്ലെങ്കിൽ നിങ്ങളുടെ അയൽപക്കത്തിന്റെ അന്തരീക്ഷം എന്നിവ അടിസ്ഥാനമാക്കി "അപകടസാധ്യത" പ്രവചിക്കുക.

അത് കൃത്യമല്ലെങ്കിൽ പോലും, അത് ഇടപെടലിനെ ന്യായീകരിക്കുമെന്നതിനാൽ അത് ഇപ്പോഴും ദോഷകരമാകും. തെറ്റായ ഒരു പ്രവചനം ഇപ്പോഴും യഥാർത്ഥ പ്രത്യാഘാതങ്ങൾക്ക് കാരണമാകും.

അസുഖകരമായ കാര്യം

AI-അധിഷ്ഠിത നിരീക്ഷണം പലപ്പോഴും ഒരു സുരക്ഷാ കഥയുടെ പൊതിഞ്ഞാണ് എത്തുന്നത്:

• "ഇത് തട്ടിപ്പ് തടയുന്നതിനാണ്."

• "സുരക്ഷയ്ക്കു വേണ്ടിയാണ്."

• "ഇത് ഉപയോക്തൃ അനുഭവത്തിനായുള്ളതാണ്."

ചിലപ്പോൾ അത് സത്യമാണ്. ചിലപ്പോൾ പിന്നീട് പൊളിച്ചുമാറ്റാൻ വളരെ ബുദ്ധിമുട്ടുള്ള കെട്ടിട സംവിധാനങ്ങൾക്ക് ഇത് ഒരു സൗകര്യപ്രദമായ ഒഴികഴിവു കൂടിയാണ്. ആ സമയത്ത് കാര്യക്ഷമമായി തോന്നിയതിനാൽ നിങ്ങളുടെ സ്വന്തം വീട്ടിൽ ഒരു വൺവേ വാതിൽ സ്ഥാപിക്കുന്നത് പോലെ. വീണ്ടും, ഒരു തികഞ്ഞ രൂപകമല്ല - ഒരുതരം പരിഹാസ്യം - പക്ഷേ നിങ്ങൾക്ക് അത് അനുഭവപ്പെടുന്നു. 🚪😅

ഇവിടെ "നല്ലത്" എങ്ങനെയിരിക്കും

• കൈവശം വയ്ക്കുന്നതിനും പങ്കിടുന്നതിനും കർശനമായ നിയന്ത്രണങ്ങൾ.

• ഒഴിവാക്കലുകൾ മായ്‌ക്കുക.

• ഇടുങ്ങിയ ഉപയോഗ കേസുകൾ.

• സ്വതന്ത്ര മേൽനോട്ടം.

• ശിക്ഷയ്‌ക്കോ ഗേറ്റ് കീപ്പിങ്ങിനോ "വികാര കണ്ടെത്തൽ" ഉപയോഗിക്കുന്നില്ല. ദയവായി. 🙃 (EU AI ആക്റ്റ്)

ജോലി, സർഗ്ഗാത്മകത, നിശബ്ദമായ ജോലിഭാരം 🧑💻🎨

ഇവിടെയാണ് സംവാദം വ്യക്തിപരമാകുന്നത്, കാരണം അത് സ്വത്വത്തെ സ്പർശിക്കുന്നു.

ആളുകളെ കൂടുതൽ ഉൽപ്പാദനക്ഷമതയുള്ളവരാക്കാൻ AI-ക്ക് കഴിയും. പകരം വയ്ക്കാവുന്നവരാണെന്ന് ആളുകളെ തോന്നിപ്പിക്കാനും ഇതിന് കഴിയും. രണ്ടും ഒരേ സമയം, ഒരേ ആഴ്ചയിൽ തന്നെ സത്യമാകാം. (OECD, WEF)

എവിടെയാണ് അത് ശരിക്കും സഹായകരമാകുന്നത്

• മനുഷ്യർക്ക് ചിന്തയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയുന്ന തരത്തിൽ പതിവ് വാചകം തയ്യാറാക്കുന്നു.

• ആവർത്തിച്ചുള്ള പാറ്റേണുകൾക്കുള്ള കോഡിംഗ് സഹായം.

• ആക്‌സസബിലിറ്റി ഉപകരണങ്ങൾ (അടിക്കുറിപ്പ്, സംഗ്രഹിക്കൽ, വിവർത്തനം).

• നിങ്ങൾ കുടുങ്ങിക്കിടക്കുമ്പോൾ ചിന്തിക്കുക.

അത് അമിതമായി പോകുന്നിടത്ത്

• പരിവർത്തന പദ്ധതികളില്ലാതെ റോളുകൾ മാറ്റിസ്ഥാപിക്കൽ.

• വേതനം കുറയ്ക്കുന്നതിനിടയിൽ ഉൽ‌പാദനം കുറയ്ക്കുന്നതിന് AI ഉപയോഗിക്കുന്നു.

• സർഗ്ഗാത്മക പ്രവർത്തനങ്ങളെ അനന്തമായ സൗജന്യ പരിശീലന ഡാറ്റ പോലെ കണക്കാക്കുന്നു, തുടർന്ന് തോളിൽ തോൾ ചേർക്കുന്നു. (യുഎസ് പകർപ്പവകാശ ഓഫീസ്, യുകെ ഗവൺമെന്റ്.യുകെ)

• ജൂനിയർ റോളുകൾ അപ്രത്യക്ഷമാക്കുന്നത് - ഭാവിയിലെ വിദഗ്ധർ കയറേണ്ട ഒരു പടവാണ് നിങ്ങൾ കത്തിച്ചു കളഞ്ഞതെന്ന് തിരിച്ചറിയുന്നതുവരെ അത് കാര്യക്ഷമമായി തോന്നും.

ഡീസ്കില്ലിംഗ് സൂക്ഷ്മമായ കാര്യമാണ്. നിങ്ങൾ അത് ദിവസം തോറും ശ്രദ്ധിക്കുന്നില്ല. പിന്നെ ഒരു ദിവസം നിങ്ങൾക്ക് മനസ്സിലാകും, അസിസ്റ്റന്റ് ഇല്ലാതെ കാര്യം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ടീമിലെ ആരും ഓർക്കുന്നില്ല. അസിസ്റ്റന്റ് തെറ്റാണെങ്കിൽ, നിങ്ങൾ എല്ലാവരും ആത്മവിശ്വാസത്തോടെ ഒരുമിച്ച് തെറ്റാണ്... അതൊരു പേടിസ്വപ്നമാണ്. 😬

പവർ കോൺസെൻട്രേഷൻ: ഡിഫോൾട്ടുകൾ ആർക്കാണ് സജ്ജമാക്കാൻ കഴിയുക? 🏢⚡

AI "നിഷ്പക്ഷ"മാണെങ്കിൽ പോലും (അത് അങ്ങനെയല്ല), അത് നിയന്ത്രിക്കുന്നവർക്ക് ഇവ രൂപപ്പെടുത്താൻ കഴിയും:

• എളുപ്പത്തിൽ ആക്‌സസ് ചെയ്യാൻ കഴിയുന്ന വിവരങ്ങൾ,

• സ്ഥാനക്കയറ്റം ലഭിക്കുന്നതോ കുഴിച്ചിടുന്നതോ,

• ഏത് ഭാഷയാണ് അനുവദനീയമായത്,

• എന്ത് പെരുമാറ്റങ്ങളാണ് പ്രോത്സാഹിപ്പിക്കപ്പെടുന്നത്.

AI സിസ്റ്റങ്ങൾ നിർമ്മിക്കാനും പ്രവർത്തിപ്പിക്കാനും ചെലവേറിയതാകാമെന്നതിനാൽ, ശക്തി കേന്ദ്രീകരിക്കാൻ പ്രവണത കാണിക്കുന്നു. അത് ഗൂഢാലോചനയല്ല. അത് ഒരു സാങ്കേതിക വിദഗ്ദ്ധനുള്ള സാമ്പത്തിക ശാസ്ത്രമാണ്. (UK CMA)

ഇവിടെ "വളരെ ദൂരെയുള്ള" നിമിഷം

സ്ഥിരസ്ഥിതികൾ അദൃശ്യ നിയമമായി മാറുമ്പോൾ:

• എന്താണ് ഫിൽട്ടർ ചെയ്യപ്പെടുന്നതെന്ന് നിങ്ങൾക്കറിയില്ല,

• നിങ്ങൾക്ക് യുക്തി പരിശോധിക്കാൻ കഴിയില്ല,

• ജോലി, കമ്മ്യൂണിറ്റി അല്ലെങ്കിൽ അടിസ്ഥാന സേവനങ്ങൾ എന്നിവയിലേക്കുള്ള ആക്‌സസ് നഷ്‌ടപ്പെടാതെ നിങ്ങൾക്ക് യാഥാർത്ഥ്യബോധത്തോടെ ഒഴിവാകാൻ കഴിയില്ല.

ആരോഗ്യകരമായ ഒരു ആവാസവ്യവസ്ഥയ്ക്ക് മത്സരം, സുതാര്യത, യഥാർത്ഥ ഉപയോക്തൃ തിരഞ്ഞെടുപ്പ് എന്നിവ ആവശ്യമാണ്. അല്ലെങ്കിൽ നിങ്ങൾ അടിസ്ഥാനപരമായി യാഥാർത്ഥ്യത്തെ വാടകയ്‌ക്കെടുക്കുകയാണ്. 😵♂️

ഒരു പ്രായോഗിക ചെക്ക്‌ലിസ്റ്റ്: നിങ്ങളുടെ ലോകത്ത് AI അതിരുകടന്നുപോകുന്നുണ്ടോ എന്ന് എങ്ങനെ മനസ്സിലാക്കാം 🧾🔍

ഞാൻ ഉപയോഗിക്കുന്ന ഒരു ഗട്ട്-ചെക്ക് ലിസ്റ്റ് ഇതാ (അതെ, അത് അപൂർണ്ണമാണ്):

നിങ്ങൾ ഒരു വ്യക്തിയാണെങ്കിൽ

• ഞാൻ എഐയുമായി ഇടപഴകുമ്പോൾ എനിക്ക് മനസ്സിലാകും. (യൂറോപ്യൻ കമ്മീഷൻ)

• ഈ സംവിധാനം എന്നെ അമിതമായി പങ്കിടാൻ പ്രേരിപ്പിക്കുന്നു.

• വിശ്വസനീയമായ രീതിയിൽ ഔട്ട്‌പുട്ട് തെറ്റാണെങ്കിൽ ഞാൻ അത് കൈകാര്യം ചെയ്യുന്നതിൽ കുഴപ്പമില്ല.

• ഇത് ഉപയോഗിച്ച് ഞാൻ തട്ടിപ്പിന് ഇരയായാൽ, പ്ലാറ്റ്‌ഫോം എന്നെ സഹായിക്കും... അല്ലെങ്കിൽ അത് തോളിൽ തോൾ ചുരുങ്ങും.

നിങ്ങൾ ഒരു ബിസിനസ്സോ ടീമോ ആണെങ്കിൽ

• വിലപ്പെട്ടതായതിനാലോ, ട്രെൻഡി ആയതിനാലോ, മാനേജ്‌മെന്റ് അസ്വസ്ഥമായതിനാലോ ആണ് നമ്മൾ AI ഉപയോഗിക്കുന്നത്.

• സിസ്റ്റം എന്ത് ഡാറ്റയാണ് സ്പർശിക്കുന്നതെന്ന് നമുക്കറിയാം.

• ബാധിക്കപ്പെട്ട ഉപയോക്താവിന് ഫലങ്ങൾക്കെതിരെ അപ്പീൽ നൽകാൻ കഴിയും. (UK ICO)

• മാതൃകയെ മറികടക്കാൻ മനുഷ്യർക്ക് അധികാരമുണ്ട്.

• AI പരാജയങ്ങൾക്കുള്ള സംഭവ പ്രതികരണ പദ്ധതികൾ ഞങ്ങളുടെ പക്കലുണ്ട്.

• ഡ്രിഫ്റ്റ്, ദുരുപയോഗം, അസാധാരണമായ എഡ്ജ് കേസുകൾ എന്നിവയ്ക്കായി ഞങ്ങൾ നിരീക്ഷിച്ചുകൊണ്ടിരിക്കുകയാണ്.

ഇവയിൽ ഒരു കൂട്ടത്തിന് നിങ്ങൾ "ഇല്ല" എന്ന് ഉത്തരം നൽകിയിട്ടുണ്ടെങ്കിൽ, അതിനർത്ഥം നിങ്ങൾ ദുഷ്ടനാണെന്ന് അർത്ഥമാക്കുന്നില്ല. അതിനർത്ഥം നിങ്ങൾ "ഞങ്ങൾ അത് അയച്ചു, പ്രതീക്ഷിച്ചു" എന്ന സാധാരണ മനുഷ്യാവസ്ഥയിലാണെന്നാണ്. പക്ഷേ, ദുഃഖകരമെന്നു പറയട്ടെ, പ്രത്യാശ ഒരു തന്ത്രമല്ല. 😅

സമാപന കുറിപ്പുകൾ 🧠✅

അപ്പോൾ... AI വളരെയധികം മുന്നോട്ട് പോയിട്ടുണ്ടോ? ഉത്തരവാദിത്തമില്ലാതെ വിന്യസിക്കപ്പെട്ടിരിക്കുന്നിടത്ത് , പ്രത്യേകിച്ച് ഉയർന്ന ഓഹരി തീരുമാനങ്ങൾ, ബഹുജന പ്രേരണ, നിരീക്ഷണം എന്നിവയിൽ അത് വളരെയധികം മുന്നോട്ട് പോയിരിക്കുന്നു . വിശ്വാസത്തെ ഇല്ലാതാക്കുന്നിടത്തും അത് വളരെയധികം മുന്നോട്ട് പോയിരിക്കുന്നു - കാരണം വിശ്വാസം തകർന്നുകഴിഞ്ഞാൽ, എല്ലാം കൂടുതൽ ചെലവേറിയതും സാമൂഹികമായി കൂടുതൽ ശത്രുതാപരവുമാകും. ( NIST AI RMF 1.0 , EU AI ആക്റ്റ് )

പക്ഷേ, AI അന്തർലീനമായി നശിച്ചതോ അന്തർലീനമായി പൂർണതയുള്ളതോ അല്ല. അതൊരു ശക്തമായ ഗുണകമാണ്. നമ്മൾ കഴിവുകൾ വികസിപ്പിക്കുന്നതുപോലെ ആക്രമണാത്മകമായി ഗാർഡ്‌റെയിലുകൾ നിർമ്മിക്കുന്നുണ്ടോ എന്നതാണ് ചോദ്യം.

ഒരു ചെറിയ വിവരണം:

• ഒരു ഉപകരണമെന്ന നിലയിൽ AI നല്ലതാണ്.

• കണക്കുപറയാൻ കഴിയാത്ത ഒരു അധികാരി എന്ന നിലയിൽ ഇത് അപകടകരമാണ്.

• ആർക്കെങ്കിലും അപ്പീൽ നൽകാനോ മനസ്സിലാക്കാനോ ഒഴിവാക്കാനോ കഴിയുന്നില്ലെങ്കിൽ - അവിടെയാണ് "വളരെ ദൂരം" ആരംഭിക്കുന്നത്. 🚦 (GDPR ആർട്ട്. 22, UK ICO)

യഥാർത്ഥ ഉദാഹരണം: ഒരു ഉപഭോക്താവിനെ ബാധിക്കുന്നതിനുമുമ്പ് ഒരു AI തീരുമാനം ഓഡിറ്റ് ചെയ്യുക

രംഗം

ഒരു ചെറിയ ഓൺലൈൻ വായ്പാ ദാതാവ് വായ്പാ അപേക്ഷകൾ മൂന്ന് ഗ്രൂപ്പുകളായി തരംതിരിക്കുന്നതിന് AI ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്നു: അംഗീകരിക്കുക, മാനുവൽ അവലോകനം ചെയ്യുക, നിരസിക്കുക.

അത് ഫലപ്രദമാണെന്ന് തോന്നുമെങ്കിലും, അപകടസാധ്യത പെട്ടെന്ന് ഉയർന്നേക്കാം. നിരസിക്കപ്പെട്ട ഒരു അപേക്ഷകന് അടിയന്തര പണത്തിലേക്കുള്ള ആക്‌സസ് നഷ്ടപ്പെട്ടേക്കാം, കൂടാതെ AI മോശം നിലവാരമുള്ള ഡാറ്റ, കാലഹരണപ്പെട്ട അനുമാനങ്ങൾ, അല്ലെങ്കിൽ പോസ്റ്റ് കോഡ്, തൊഴിൽ വിടവുകൾ അല്ലെങ്കിൽ ഉപകരണ തരം പോലുള്ള പ്രോക്സി സിഗ്നലുകൾ എന്നിവ ഉപയോഗിക്കുകയാണെങ്കിൽ, ന്യായമായ വിശദീകരണം നൽകാതെ തന്നെ സിസ്റ്റത്തിന് ആളുകളെ നിശബ്ദമായി ശിക്ഷിക്കാൻ കഴിയും.

അതിനാൽ, അന്തിമ നിരസിക്കൽ തീരുമാനങ്ങൾ AI-ക്ക് എടുക്കാൻ കഴിയില്ലെന്ന് ടീം തീരുമാനിക്കുന്നു. അവലോകനത്തിനായി അപേക്ഷകൾ ഫ്ലാഗ് ചെയ്യാനും ഏതൊക്കെ ഡാറ്റ പോയിന്റുകളാണ് ശുപാർശയെ സ്വാധീനിച്ചതെന്ന് വിശദീകരിക്കാനും മാത്രമേ ഇതിന് കഴിയൂ.

പ്രവർത്തന പ്രക്രിയയ്ക്ക് എന്താണ് വേണ്ടത്

അസിസ്റ്റന്റ് ഉപയോഗിക്കുന്നതിന് മുമ്പ്, ടീം തയ്യാറാക്കുന്നു:

• വായ്പാ നയം വ്യക്തവും ദൈനംദിന ഭാഷയിൽ എഴുതിയതുമാണ്

• AI ഉപയോഗിക്കാൻ അനുവദിച്ചിരിക്കുന്ന ഡാറ്റയുടെ ഒരു ലിസ്റ്റ്

• സംരക്ഷിത സവിശേഷതകൾ പോലുള്ള അവഗണിക്കേണ്ട ഡാറ്റയുടെ ഒരു ലിസ്റ്റ്

• അറിയപ്പെടുന്ന മാനുഷിക തീരുമാനങ്ങളുള്ള 50 മുൻകാല ആപ്ലിക്കേഷനുകൾ

• നിരസിക്കപ്പെട്ടതോ വൈകിയതോ ആയ അപേക്ഷകർക്കുള്ള ഒരു അപ്പീൽ ടെംപ്ലേറ്റ്

• AI എന്താണ് ശുപാർശ ചെയ്തതെന്നും മനുഷ്യ അവലോകകൻ എന്താണ് തീരുമാനിച്ചതെന്നും കാണിക്കുന്ന ഒരു ഓഡിറ്റ് ലോഗ്

ഏറ്റവും പ്രധാനപ്പെട്ട നിയമം ലളിതമാണ്: ഒരു ഉപഭോക്താവിനെയും AI ഒറ്റയ്ക്ക് നിരസിക്കുന്നില്ല.

ഉദാഹരണ നിർദ്ദേശം

വായ്പാ അപേക്ഷകൾക്കായുള്ള ഒരു AI അവലോകന സഹായിയാണ് നിങ്ങൾ.

നഷ്ടപ്പെട്ട വിവരങ്ങൾ, നയ പൊരുത്തക്കേടുകൾ, സ്വമേധയാലുള്ള അവലോകനം ആവശ്യമുള്ള കേസുകൾ എന്നിവ തിരിച്ചറിയാൻ ഒരു മനുഷ്യ അവലോകനകനെ സഹായിക്കുക എന്നതാണ് നിങ്ങളുടെ ജോലി.

വായ്പ നൽകുന്ന കാര്യത്തിൽ നിങ്ങൾ അന്തിമ തീരുമാനം എടുക്കരുത്.

ഓരോ അപേക്ഷയ്ക്കും, തിരികെ നൽകുക:

1. ശുപാർശ ചെയ്യുന്ന അടുത്ത ഘട്ടം: മനുഷ്യ സ്ഥിരീകരണത്തിന് അംഗീകാരം നൽകുക, സ്വമേധയാലുള്ള അവലോകനം നടത്തുക, അല്ലെങ്കിൽ കൂടുതൽ വിവരങ്ങൾ അഭ്യർത്ഥിക്കുക

2. ശുപാർശ ചെയ്യുന്നതിനുള്ള പ്രധാന കാരണങ്ങൾ

3. ഉപയോഗിച്ച ഡാറ്റ പോയിന്റുകൾ

4. ഉപയോഗിക്കാൻ പാടില്ലാത്ത ഡാറ്റ പോയിന്റുകൾ

5. മനുഷ്യ അവലോകകൻ പരിശോധിക്കേണ്ട ചോദ്യങ്ങൾ

6. അപേക്ഷകന് അഭിമുഖീകരിക്കുന്ന വ്യക്തമായ വിശദീകരണം

തെളിവുകൾ അപൂർണ്ണമാണെങ്കിൽ, വ്യക്തമായി പറയുക.

കേസ് അപേക്ഷകന്റെ സാമ്പത്തിക ക്ഷേമത്തെ സാരമായി ബാധിക്കുമെങ്കിൽ, ഒരു മനുഷ്യ അവലോകകന്റെ അടുത്തേക്ക് വിടുക.

എങ്ങനെ പരീക്ഷിക്കാം

തത്സമയ ആപ്ലിക്കേഷനുകൾക്ക് സമീപം അനുവദിക്കുന്നതിന് മുമ്പ് ടീം അസിസ്റ്റന്റിനെ പരിശോധിക്കുന്നു.

നല്ല പരീക്ഷണ കേസുകളിൽ ഇവ ഉൾപ്പെടുന്നു:

• സ്ഥിര വരുമാനമുള്ളതും എന്നാൽ നേർത്ത ക്രെഡിറ്റ് ഫയലുള്ളതുമായ ഒരു അപേക്ഷകൻ

• അടുത്തിടെ വിലാസം മാറിയ അപേക്ഷകൻ

• വരുമാന വിവരങ്ങൾ ഇല്ലാത്ത ഒരു അപേക്ഷകൻ

• മുമ്പ് തെറ്റായി നിരസിക്കപ്പെട്ട ഒരു അപേക്ഷകൻ

• അപ്രസക്തമായ വിശദാംശങ്ങൾ മാത്രം വ്യത്യാസപ്പെട്ടിരിക്കുന്ന രണ്ട് സമാനമായ അപേക്ഷകർ

ഓരോ പരിശോധനയ്ക്കും, അവലോകകൻ മൂന്ന് കാര്യങ്ങൾ പരിശോധിക്കുന്നു:

1. അസിസ്റ്റന്റ് അന്തിമ തീരുമാനം എടുക്കുന്നത് ഒഴിവാക്കിയോ?

2. ഒരു സാധാരണ അപേക്ഷകന് മനസ്സിലാകുന്ന ഒരു കാരണം അത് നൽകിയോ?

3. ഊഹിക്കുന്നതിനുപകരം അത് അനിശ്ചിതത്വമുള്ളതോ ഉയർന്ന ആഘാതമുണ്ടാക്കുന്നതോ ആയ കേസുകൾ വർദ്ധിപ്പിച്ചോ?

ഫലമായി

ഉദാഹരണ ഫലം: 50 ആപ്ലിക്കേഷനുകളുള്ള ഒരു ടെസ്റ്റ് സെറ്റിൽ, മാനുവൽ അവലോകനം സാധാരണയായി ഒരു ആപ്ലിക്കേഷന് 12 മിനിറ്റ്അല്ലെങ്കിൽ ആകെ 10 മണിക്കൂർ.

AI അസിസ്റ്റന്റ് സംഗ്രഹങ്ങൾ, നഷ്ടപ്പെട്ട ഡാറ്റ പരിശോധനകൾ, ഡ്രാഫ്റ്റ് വിശദീകരണങ്ങൾ എന്നിവ തയ്യാറാക്കുന്നതോടെ, അവലോകന സമയം ഒരു അപേക്ഷയ്ക്ക് 7 മിനിറ്റായി, അല്ലെങ്കിൽ ആകെ ഏകദേശം 5 മണിക്കൂർ 50 മിനിറ്റ്.

50 അപേക്ഷകൾക്ക് 4 മണിക്കൂറും 10 മിനിറ്റും ലാഭിക്കാമെന്നാണ് കണക്കാക്കുന്നത് , അതേസമയം അന്തിമ തീരുമാനത്തിന് ഒരു മനുഷ്യനെ ഉത്തരവാദിയാക്കുകയും ചെയ്യുന്നു.

ടീം ഗുണനിലവാരവും ട്രാക്ക് ചെയ്യുന്നു:

• AI നടത്തിയ അന്തിമ നിരസനങ്ങൾ 0

• ഓഡിറ്റിനായി 50/50 അപേക്ഷകൾ ലോഗ് ചെയ്തിട്ടുണ്ട്

• തെളിവുകൾ അപൂർണ്ണമായതിനാൽ 8 അപേക്ഷകൾ വർദ്ധിച്ചു

• 3 ഡ്രാഫ്റ്റ് വിശദീകരണങ്ങൾ വളരെ അവ്യക്തമായതിനാൽ മാറ്റിയെഴുതി

ആ സംഖ്യകൾ സിസ്റ്റം "സുരക്ഷിതമാണ്" എന്നതിന്റെ തെളിവല്ല. അവ ഒരു അളക്കൽ ശീലത്തിന്റെ തുടക്കമാണ്.

എന്ത് തെറ്റ് സംഭവിക്കാം?

അവലോകനത്തിനുള്ള നിർദ്ദേശത്തിനുപകരം, ടീം അവരുടെ ശുപാർശയെ ഒരു കുറുക്കുവഴിയായി കണക്കാക്കിയാൽ അസിസ്റ്റന്റിന് ഇപ്പോഴും വളരെയധികം മുന്നോട്ട് പോകാനാകും.

സാധാരണ തെറ്റുകളിൽ ഇവ ഉൾപ്പെടുന്നു:

• AI ഔട്ട്‌പുട്ടുകൾ അവലോകനം ചെയ്യാൻ അനുവദിക്കുക

• ആപ്ലിക്കേഷൻ വിലയിരുത്താൻ AI സഹായിച്ചു എന്ന വസ്തുത മറച്ചുവെക്കുന്നു

• "അപകടസാധ്യതാ ഘടകങ്ങൾ കണ്ടെത്തി" പോലുള്ള അവ്യക്തമായ വിശദീകരണങ്ങൾ ഉപയോഗിക്കുന്നു

• പോസ്റ്റ് കോഡ്, പ്രായം, വൈകല്യം അല്ലെങ്കിൽ വരുമാന പാറ്റേൺ പക്ഷപാതം എന്നിവ പരിശോധിക്കുന്നതിൽ പരാജയപ്പെടുന്നു

• ഓഡിറ്റ് ട്രെയിൽ സൂക്ഷിക്കാതിരിക്കൽ

• അപ്പീലുകൾ മന്ദഗതിയിലാക്കുകയോ അപമാനിക്കുകയോ ചെയ്യുന്നു

ഒരു ഉപഭോക്താവിനെ നിരസിക്കുകയോ വൈകിപ്പിക്കുകയോ ഫ്ലാഗ് ചെയ്യുകയോ ചെയ്തത് എന്തുകൊണ്ടാണെന്ന് ആർക്കും വിശദീകരിക്കാൻ കഴിയാത്തതാണ് ഏറ്റവും വലിയ മുന്നറിയിപ്പ് അടയാളം.

പ്രായോഗിക ഉപദേശം

ഉയർന്ന ഓഹരി തീരുമാനങ്ങളിൽ AI ഏറ്റവും നന്നായി പ്രവർത്തിക്കുന്നത് അത് അഡ്മിനെ കുറയ്ക്കുകയും, തെളിവുകൾ സംഘടിപ്പിക്കുകയും, നഷ്ടപ്പെട്ട വിവരങ്ങൾ കണ്ടെത്തുകയും ചെയ്യുമ്പോൾ ആണ്. അത് ഒരു അദൃശ്യ അധികാരിയായി മാറുമ്പോൾ അത് അതിരുകടന്നുപോകുന്നു. സുരക്ഷിതമായ രീതി "AI വേഗത്തിൽ തീരുമാനിക്കാൻ അനുവദിക്കുക" എന്നതല്ല; AI സഹായിക്കുകയും, എല്ലാം രേഖപ്പെടുത്തുകയും, ഫലം പ്രാധാന്യമുള്ളപ്പോൾ മനുഷ്യരെ ഉത്തരവാദിത്തമുള്ളവരാക്കുകയും ചെയ്യുക.

പതിവുചോദ്യങ്ങൾ

ദൈനംദിന ജീവിതത്തിൽ AI വളരെയധികം മുന്നേറിയോ?

വ്യക്തമായ അതിരുകളോ ഉത്തരവാദിത്തമോ ഇല്ലാതെ തീരുമാനങ്ങളിലേക്കും ഇടപെടലുകളിലേക്കും വഴുതിവീഴാൻ തുടങ്ങിയതിനാൽ പല സ്ഥലങ്ങളിലും AI വളരെയധികം മുന്നോട്ട് പോയിട്ടുണ്ട്. പ്രശ്നം അപൂർവ്വമായി "AI നിലവിലുണ്ട്" എന്നതാണ്; നിയമനം, ആരോഗ്യ സംരക്ഷണം, ഉപഭോക്തൃ സേവനം, ഫീഡുകൾ എന്നിവയിൽ AI നിശബ്ദമായി തുന്നിച്ചേർത്തതാണ്. ആളുകൾക്ക് അത് AI ആണെന്ന് പറയാൻ കഴിയാതെ വരുമ്പോൾ, ഫലങ്ങളെ എതിർക്കാൻ കഴിയാതെ വരുമ്പോൾ, അല്ലെങ്കിൽ ഒഴിവാക്കാനാകാതെ വരുമ്പോൾ, അത് ഒരു ഉപകരണമായി തോന്നുന്നത് നിർത്തുകയും ഒരു സിസ്റ്റം പോലെ തോന്നാൻ തുടങ്ങുകയും ചെയ്യുന്നു.

ഉയർന്ന ഓഹരി തീരുമാനങ്ങളിൽ "AI അമിതമായി പോകുന്നത്" എങ്ങനെയിരിക്കും?

ആരോഗ്യ സംരക്ഷണം, ധനകാര്യം, ഭവന നിർമ്മാണം, തൊഴിൽ, വിദ്യാഭ്യാസം, കുടിയേറ്റം അല്ലെങ്കിൽ ക്രിമിനൽ നീതിന്യായം എന്നിവയിൽ ശക്തമായ സുരക്ഷാ സംവിധാനങ്ങളില്ലാതെ AI ഉപയോഗിക്കുന്നതായി തോന്നുന്നു. മോഡലുകൾ തെറ്റുകൾ വരുത്തുന്നു എന്നതല്ല പ്രധാന പ്രശ്നം; ആ തെറ്റുകൾ നയരൂപീകരണത്തിൽ ഉറച്ചുനിൽക്കുകയും വെല്ലുവിളിക്കാൻ പ്രയാസകരമാവുകയും ചെയ്യുന്നു എന്നതാണ്. നേർത്ത വിശദീകരണങ്ങളും അർത്ഥവത്തായ അപ്പീലുകളുമില്ലാത്ത "കമ്പ്യൂട്ടർ ഇല്ല എന്ന് പറയുന്നു" എന്ന തീരുമാനങ്ങളാണ് ദോഷം വേഗത്തിൽ വർദ്ധിക്കുന്നത്.

ഒരു ഓട്ടോമേറ്റഡ് തീരുമാനം എന്നെ ബാധിക്കുന്നുണ്ടോ എന്ന് എനിക്ക് എങ്ങനെ അറിയാൻ കഴിയും, എനിക്ക് എന്തുചെയ്യാൻ കഴിയും?

ഒരു സാധാരണ ലക്ഷണം, നിങ്ങൾക്ക് കണക്കാക്കാൻ കഴിയാത്ത ഒരു പെട്ടെന്നുള്ള ഫലമാണ്: ഒരു നിരസിക്കൽ, നിയന്ത്രണം, അല്ലെങ്കിൽ വ്യക്തമായ കാരണമില്ലാതെ ഒരു "റിസ്ക് സ്കോർ" വൈബ്. പല സിസ്റ്റങ്ങളും AI ഒരു പ്രധാന പങ്ക് വഹിച്ചപ്പോൾ അത് വെളിപ്പെടുത്തണം, കൂടാതെ തീരുമാനത്തിന് പിന്നിലെ പ്രധാന കാരണങ്ങളും അത് അപ്പീൽ ചെയ്യുന്നതിനുള്ള നടപടികളും നിങ്ങൾക്ക് അഭ്യർത്ഥിക്കാൻ കഴിയണം. പ്രായോഗികമായി, ഒരു മനുഷ്യ അവലോകനം ആവശ്യപ്പെടുക, ഏതെങ്കിലും തെറ്റായ ഡാറ്റ ശരിയാക്കുക, കൂടാതെ ഒരു നേരായ ഒഴിവാക്കൽ പാതയ്ക്കായി പ്രേരിപ്പിക്കുക.

സ്വകാര്യത, സമ്മതം, ഡാറ്റ ഉപയോഗം എന്നിവയിൽ AI വളരെയധികം മുന്നോട്ട് പോയിയോ?

സമ്മതം ഒരു തോട്ടിപ്പണി വേട്ടയായി മാറുകയും ഡാറ്റ ശേഖരണം "ഒരു സാഹചര്യത്തിലും" വികസിക്കുകയും ചെയ്യുമ്പോൾ പലപ്പോഴും ഇത് സംഭവിക്കാറുണ്ട്. സ്വകാര്യതയും സമ്മതവും ക്രമീകരണങ്ങളിൽ മറച്ചുവെക്കുകയോ അവ്യക്തമായ പദങ്ങളിലൂടെ നിർബന്ധിക്കുകയോ ചെയ്താൽ അവയ്ക്ക് വലിയ പ്രാധാന്യമൊന്നുമില്ല എന്നതാണ് ലേഖനത്തിന്റെ കാതൽ. ആരോഗ്യകരമായ ഒരു സമീപനം ഡാറ്റ കുറയ്ക്കലാണ്: കുറച്ച് ശേഖരിക്കുക, കുറച്ച് സൂക്ഷിക്കുക, പിന്നീട് ആളുകൾ ആശ്ചര്യപ്പെടാതിരിക്കാൻ വ്യക്തമായ തിരഞ്ഞെടുപ്പുകൾ നടത്തുക.

ഡീപ്ഫേക്കുകളും AI സ്കാമുകളും ഓൺലൈനിൽ "വിശ്വാസം" എന്നതിന്റെ അർത്ഥം എങ്ങനെ മാറ്റുന്നു?

ബോധ്യപ്പെടുത്തുന്ന വ്യാജ ശബ്ദങ്ങൾ, വീഡിയോകൾ, അവലോകനങ്ങൾ, ഐഡന്റിറ്റികൾ എന്നിവ നിർമ്മിക്കുന്നതിനുള്ള ചെലവ് കുറച്ചുകൊണ്ട് അവർ സത്യത്തെ ഓപ്ഷണലായി കാണുന്നു. അസമമിതിയാണ് പ്രശ്നം: നുണകൾ സൃഷ്ടിക്കുന്നത് വിലകുറഞ്ഞതാണ്, അതേസമയം സത്യം പരിശോധിക്കുന്നത് മടുപ്പിക്കുന്നതുമാണ്. പ്രായോഗിക പ്രതിരോധങ്ങളിൽ മാധ്യമങ്ങൾക്കായുള്ള ഉറവിട സിഗ്നലുകൾ, വൈറൽ പങ്കിടൽ മന്ദഗതിയിലാക്കൽ, പ്രാധാന്യമുള്ളിടത്ത് ശക്തമായ ഐഡന്റിറ്റി പരിശോധനകൾ, തിരികെ വിളിക്കുകയോ പങ്കിട്ട കോഡ് വാക്ക് ഉപയോഗിക്കുകയോ പോലുള്ള "ബാൻഡിൽ നിന്ന് പുറത്തുകടക്കുക" ശീലങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു.

AI അമിതമായി പോകുന്നത് തടയാൻ ഏറ്റവും പ്രായോഗികമായ ഗാർഡ്‌റെയിലുകൾ ഏതൊക്കെയാണ്?

ഉയർന്ന തലത്തിലുള്ള കോളുകൾക്കായുള്ള യഥാർത്ഥ മനുഷ്യ-ഇൻ-ദി-ലൂപ്പ് അവലോകനം, വ്യക്തമായ അപ്പീൽ പ്രക്രിയകൾ, പരാജയങ്ങൾക്ക് ശേഷം "എന്താണ് സംഭവിച്ചത്?" എന്ന് ഉത്തരം നൽകാൻ കഴിയുന്ന ഓഡിറ്റ് ലോഗുകൾ എന്നിവ ഫലങ്ങളെ മാറ്റുന്ന ഗാർഡ്‌റെയിലുകളിൽ ഉൾപ്പെടുന്നു. മോഡൽ മൂല്യനിർണ്ണയത്തിനും ബയസ് ടെസ്റ്റിംഗിനും പ്രവചനാതീതമായ ദോഷങ്ങൾ നേരത്തെ കണ്ടെത്താൻ കഴിയും, അതേസമയം റെഡ്-ടീം ടെസ്റ്റിംഗ് ആക്രമണകാരികൾ ചെയ്യുന്നതിനുമുമ്പ് ദുരുപയോഗം അനുകരിക്കുന്നു. റേറ്റ് പരിധികളും ആക്‌സസ് നിയന്ത്രണങ്ങളും ദുരുപയോഗം തൽക്ഷണം സ്കെയിലിംഗ് ചെയ്യുന്നത് തടയാൻ സഹായിക്കുന്നു, കൂടാതെ ഡാറ്റ കുറയ്ക്കൽ ബോർഡിലുടനീളം അപകടസാധ്യത കുറയ്ക്കുന്നു.

എപ്പോഴാണ് AI-അധിഷ്ഠിത നിരീക്ഷണം അതിരുകടക്കുന്നത്?

ജനക്കൂട്ടത്തിനിടയിൽ മുഖം തിരിച്ചറിയൽ, ചലന-പാറ്റേൺ ട്രാക്കിംഗ്, അല്ലെങ്കിൽ ശിക്ഷയ്‌ക്കോ ഗേറ്റ് കീപ്പിങ്ങിനോ ഉപയോഗിക്കുന്ന ആത്മവിശ്വാസമുള്ള "വികാര കണ്ടെത്തൽ" എന്നിങ്ങനെ എല്ലാം സ്വതവേ ഒരു സെൻസറായി മാറുമ്പോൾ അത് അതിരുകടക്കുന്നു. കൃത്യമല്ലാത്ത സംവിധാനങ്ങൾ പോലും ഇടപെടലുകളെയോ സേവനങ്ങൾ നിഷേധിക്കുന്നതിനെയോ ന്യായീകരിക്കുകയാണെങ്കിൽ ഗുരുതരമായ ദോഷം വരുത്തും. നല്ല രീതി ഇടുങ്ങിയ ഉപയോഗ കേസുകൾ, കർശനമായ നിലനിർത്തൽ പരിധികൾ, അർത്ഥവത്തായ ഒഴിവാക്കലുകൾ, സ്വതന്ത്ര മേൽനോട്ടം, വികാരത്തെ അടിസ്ഥാനമാക്കിയുള്ള വിധിന്യായങ്ങൾക്ക് ഉറച്ച "ഇല്ല" എന്നിവ പോലെയാണ് കാണപ്പെടുന്നത്.

AI ആളുകളെ കൂടുതൽ ഉൽപ്പാദനക്ഷമതയുള്ളവരാക്കുന്നുണ്ടോ - അതോ നിശബ്ദമായി ജോലി ചെയ്യിക്കുന്നുണ്ടോ?

രണ്ടും ഒരേ സമയം സത്യമാകാം, ആ പിരിമുറുക്കമാണ് പ്രധാന കാര്യം. പതിവ് ഡ്രാഫ്റ്റിംഗ്, ആവർത്തിച്ചുള്ള കോഡിംഗ് പാറ്റേണുകൾ, പ്രവേശനക്ഷമത എന്നിവയിൽ AI സഹായിക്കും, ഉയർന്ന തലത്തിലുള്ള ചിന്തയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ മനുഷ്യരെ സ്വതന്ത്രരാക്കുന്നു. പരിവർത്തന പദ്ധതികളില്ലാതെ റോളുകൾ മാറ്റിസ്ഥാപിക്കുമ്പോഴോ, വേതനം കുറയ്ക്കുമ്പോഴോ, സൃഷ്ടിപരമായ ജോലിയെ സൗജന്യ പരിശീലന ഡാറ്റ പോലെ പരിഗണിക്കുമ്പോഴോ, ഭാവി വൈദഗ്ദ്ധ്യം സൃഷ്ടിക്കുന്ന ജൂനിയർ റോളുകൾ നീക്കം ചെയ്യുമ്പോഴോ അത് വളരെയധികം മുന്നോട്ട് പോകുന്നു. അസിസ്റ്റന്റില്ലാതെ ടീമുകൾക്ക് പ്രവർത്തിക്കാൻ കഴിയാത്തതുവരെ ഡീസ്കില്ലിംഗ് സൂക്ഷ്മമായി തുടരുന്നു.

അവലംബം

1. നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സ്റ്റാൻഡേർഡ്സ് ആൻഡ് ടെക്നോളജി (NIST) - AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് (AI RMF 1.0) - nist.gov

2. യൂറോപ്യൻ യൂണിയൻ - EU AI ആക്ട് (റെഗുലേഷൻ (EU) 2024/1689) - ഔദ്യോഗിക ജേണൽ (ഇംഗ്ലീഷ്) - europa.eu

3. യൂറോപ്യൻ കമ്മീഷൻ - AI-യുടെ നിയന്ത്രണ ചട്ടക്കൂട് (EU AI ആക്ട് നയ പേജ്) - europa.eu

4. EU AI ആക്ട് സർവീസ് ഡെസ്ക് - അനെക്സ് III (ഉയർന്ന അപകടസാധ്യതയുള്ള AI സിസ്റ്റങ്ങൾ) - europa.eu

5. യൂറോപ്യൻ യൂണിയൻ - EU-വിൽ വിശ്വസനീയമായ കൃത്രിമ ബുദ്ധിക്കുള്ള നിയമങ്ങൾ (EU AI ആക്റ്റ് സംഗ്രഹം) - europa.eu

6. യുകെ ഇൻഫർമേഷൻ കമ്മീഷണറുടെ ഓഫീസ് (ഐസിഒ) - ഓട്ടോമേറ്റഡ് വ്യക്തിഗത തീരുമാനമെടുക്കലും പ്രൊഫൈലിംഗും എന്താണ്? - ico.org.uk

7. യുകെ ഇൻഫർമേഷൻ കമ്മീഷണറുടെ ഓഫീസ് (ഐസിഒ) - ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കൽ, പ്രൊഫൈലിംഗ് എന്നിവയെക്കുറിച്ച് യുകെ ജിഡിപിആർ എന്താണ് പറയുന്നത്? - ico.org.uk

8. യുകെ ഇൻഫർമേഷൻ കമ്മീഷണറുടെ ഓഫീസ് (ഐസിഒ) - ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കലും പ്രൊഫൈലിംഗും (ഗൈഡൻസ് ഹബ്) - ico.org.uk

9. യുകെ ഇൻഫർമേഷൻ കമ്മീഷണറുടെ ഓഫീസ് (ഐസിഒ) - ഡാറ്റ മിനിമൈസേഷൻ (യുകെ ജിഡിപിആർ തത്വങ്ങളുടെ മാർഗ്ഗനിർദ്ദേശം) - ico.org.uk

10. GDPR-info.eu - ആർട്ടിക്കിൾ 22 GDPR - gdpr-info.eu

11. GDPR-info.eu - ആർട്ടിക്കിൾ 5 GDPR - gdpr-info.eu

12. യുഎസ് ഫെഡറൽ ട്രേഡ് കമ്മീഷൻ (FTC) - കുടുംബ അടിയന്തര പദ്ധതികൾ മെച്ചപ്പെടുത്താൻ തട്ടിപ്പുകാർ AI ഉപയോഗിക്കുന്നു - ftc.gov

13. യുഎസ് ഫെഡറൽ ട്രേഡ് കമ്മീഷൻ (FTC) - നിങ്ങളുടെ പണം മോഷ്ടിക്കാൻ തട്ടിപ്പുകാർ വ്യാജ അടിയന്തരാവസ്ഥകൾ ഉപയോഗിക്കുന്നു - ftc.gov

14. യുഎസ് ഫെഡറൽ ട്രേഡ് കമ്മീഷൻ (FTC) - വ്യാജ അവലോകനങ്ങളും സാക്ഷ്യപത്രങ്ങളും നിരോധിക്കുന്നതിനുള്ള അന്തിമ നിയമം (പത്രക്കുറിപ്പ്) - ftc.gov

15. ഫെഡറൽ ബ്യൂറോ ഓഫ് ഇൻവെസ്റ്റിഗേഷൻ (എഫ്ബിഐ) - കൃത്രിമബുദ്ധി ഉപയോഗിക്കുന്ന സൈബർ കുറ്റവാളികളുടെ ഭീഷണി വർദ്ധിക്കുന്നതായി എഫ്ബിഐ മുന്നറിയിപ്പ് നൽകുന്നു - fbi.gov

16. ഓർഗനൈസേഷൻ ഫോർ ഇക്കണോമിക് കോ-ഓപ്പറേഷൻ ആൻഡ് ഡെവലപ്‌മെന്റ് (OECD) - OECD AI തത്വങ്ങൾ - oecd.ai

17. ഒഇസിഡി - കൗൺസിൽ ഓൺ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ശുപാർശ (ഒഇസിഡി/ലെഗൽ/0449) - oecd.org

18. യൂറോപ്യൻ കമ്മീഷൻ - സുതാര്യമായ AI സിസ്റ്റങ്ങൾക്കായുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങളും പ്രാക്ടീസ് കോഡും (പതിവ് ചോദ്യങ്ങൾ) - europa.eu

19. ഉള്ളടക്ക സ്രോതസ്സിനും ആധികാരികതയ്ക്കും വേണ്ടിയുള്ള സഖ്യം (C2PA) - സ്പെസിഫിക്കേഷനുകൾ v2.3 - c2pa.org

20. യുകെ കോംപറ്റീഷൻ ആൻഡ് മാർക്കറ്റ്സ് അതോറിറ്റി (സിഎംഎ) - AI ഫൗണ്ടേഷൻ മോഡലുകൾ: പ്രാരംഭ റിപ്പോർട്ട് - gov.uk

21. യുഎസ് ഫുഡ് ആൻഡ് ഡ്രഗ് അഡ്മിനിസ്ട്രേഷൻ (എഫ്ഡിഎ) - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്-പ്രാപ്തമാക്കിയ മെഡിക്കൽ ഉപകരണങ്ങൾ - fda.gov

22. NIST - വിവര സംവിധാനങ്ങൾക്കും ഓർഗനൈസേഷനുകൾക്കുമുള്ള സുരക്ഷയും സ്വകാര്യതാ നിയന്ത്രണങ്ങളും (SP 800-53 Rev. 5) - nist.gov

23. NIST - ജനറേറ്റീവ് AI പ്രൊഫൈൽ (NIST.AI.600-1, ipd) - nist.gov

24. ഓപ്പൺ വേൾഡ്‌വൈഡ് ആപ്ലിക്കേഷൻ സെക്യൂരിറ്റി പ്രോജക്റ്റ് (OWASP) - അനിയന്ത്രിതമായ വിഭവ ഉപഭോഗം (API സെക്യൂരിറ്റി ടോപ്പ് 10, 2023) - owasp.org

25. NIST - മുഖം തിരിച്ചറിയൽ വെണ്ടർ പരിശോധന (FRVT) ജനസംഖ്യാശാസ്‌ത്രം - nist.gov

26. ബാരറ്റ് തുടങ്ങിയവർ (2019) - ലേഖനം (PMC) - nih.gov

27. OECD - ജോലിസ്ഥലത്ത് AI ഉപയോഗം (PDF) - oecd.org

28. വേൾഡ് ഇക്കണോമിക് ഫോറം (WEF) - 2025 ലെ തൊഴിലുകളുടെ ഭാവി റിപ്പോർട്ട് - ഡൈജസ്റ്റ് - weforum.org

29. യുഎസ് പകർപ്പവകാശ ഓഫീസ് - പകർപ്പവകാശവും കൃത്രിമ ബുദ്ധിയും, ഭാഗം 3: ജനറേറ്റീവ് AI പരിശീലന റിപ്പോർട്ട് (പ്രീ-പ്രസിദ്ധീകരണ പതിപ്പ്) (PDF) - copyright.gov

30. യുകെ ഗവൺമെന്റ് (GOV.UK) - പകർപ്പവകാശവും കൃത്രിമ ബുദ്ധിയും (കൺസൾട്ടേഷൻ) - gov.uk

ഔദ്യോഗിക AI അസിസ്റ്റന്റ് സ്റ്റോറിൽ ഏറ്റവും പുതിയ AI കണ്ടെത്തുക

ഞങ്ങളേക്കുറിച്ച്