இந்த வார்த்தை மிகவும் உயர்ந்ததாகத் தோன்றினாலும், குறிக்கோள் மிகவும் நடைமுறைக்குரியது: மக்கள் நம்பக்கூடிய AI அமைப்புகளை உருவாக்குதல் - ஏனெனில் அவை மனித உரிமைகளை மதிக்கும், தீங்கைக் குறைக்கும் மற்றும் உண்மையான நன்மைகளை வழங்கும் வழிகளில் வடிவமைக்கப்பட்டு, கட்டமைக்கப்பட்டு, பயன்படுத்தப்படுகின்றன. அவ்வளவுதான் - பெரும்பாலும்.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 AI-யில் MCP என்றால் என்ன?
மட்டு கணினி நெறிமுறை மற்றும் AI இல் அதன் பங்கை விளக்குகிறது.
🔗 எட்ஜ் AI என்றால் என்ன?
விளிம்பு அடிப்படையிலான செயலாக்கம் எவ்வாறு வேகமான, உள்ளூர் AI முடிவுகளை செயல்படுத்துகிறது என்பதை உள்ளடக்கியது.
🔗 ஜெனரேட்டிவ் AI என்றால் என்ன?
உரை, படங்கள் மற்றும் பிற அசல் உள்ளடக்கத்தை உருவாக்கும் மாதிரிகளை அறிமுகப்படுத்துகிறது.
🔗 முகவர் AI என்றால் என்ன?
இலக்கை நோக்கிய முடிவெடுக்கும் திறன் கொண்ட தன்னாட்சி AI முகவர்களை விவரிக்கிறது.
AI நெறிமுறைகள் என்றால் என்ன? எளிய வரையறை 🧭
AI நெறிமுறைகள் என்பது மனித உரிமைகள், நியாயம், பொறுப்புக்கூறல், வெளிப்படைத்தன்மை மற்றும் சமூக நன்மை ஆகியவற்றை நிலைநிறுத்துவதற்காக AI ஐ எவ்வாறு வடிவமைக்கிறோம், உருவாக்குகிறோம், பயன்படுத்துகிறோம் மற்றும் நிர்வகிக்கிறோம் என்பதை வழிநடத்தும் கொள்கைகள், செயல்முறைகள் மற்றும் பாதுகாப்புத் தடுப்புகளின் தொகுப்பாகும். விஷயங்கள் தவறாக நடக்கக்கூடிய விசித்திரமான மூலைகளுக்கான கூடுதல் சோதனைகளுடன் - வழிமுறைகளுக்கான சாலையின் அன்றாட விதிகளாக இதை நினைத்துப் பாருங்கள்.
உலகளாவிய குறிப்புகள் இதை ஆதரிக்கின்றன: யுனெஸ்கோவின் பரிந்துரை மனித உரிமைகள், மனித மேற்பார்வை மற்றும் நீதியை மையமாகக் கொண்டுள்ளது, வெளிப்படைத்தன்மை மற்றும் நியாயத்தை பேச்சுவார்த்தைக்கு உட்பட்டவை அல்ல [1]. OECD இன் AI கோட்பாடுகள், நம்பகமான AI ஐ நோக்கமாகக் கொண்டுள்ளன [2].
சுருக்கமாகச் சொன்னால், AI நெறிமுறைகள் என்பது சுவரில் ஒட்டப்பட்ட ஒரு சுவரொட்டி அல்ல. இது ஆபத்துகளை எதிர்பார்க்கவும், நம்பகத்தன்மையை நிரூபிக்கவும், மக்களைப் பாதுகாக்கவும் குழுக்கள் பயன்படுத்தும் ஒரு விளையாட்டு புத்தகமாகும். NIST இன் AI இடர் மேலாண்மை கட்டமைப்பு, AI வாழ்க்கைச் சுழற்சி முழுவதும் செயலில் உள்ள இடர் மேலாண்மை போன்ற நெறிமுறைகளைக் கையாளுகிறது [3].
நல்ல AI நெறிமுறைகளை உருவாக்குவது எது ✅
இதோ தெளிவான பதிப்பு. ஒரு நல்ல AI நெறிமுறைகள் திட்டம்:
-
உண்மையான பொறியியல் நடைமுறைகள் மற்றும் மதிப்புரைகளை இயக்கும் கொள்கைகள், லேமினேட் செய்யப்பட்டவை அல்ல, உயிருடன் உள்ளன
-
சிக்கல் கட்டமைப்பிலிருந்து தொடங்குகிறது - குறிக்கோள் தவறாக இருந்தால், எந்த நியாயத் திருத்தமும் அதைக் காப்பாற்றாது.
-
ஆவண முடிவுகள் - ஏன் இந்தத் தரவு, ஏன் இந்த மாதிரி, ஏன் இந்த வரம்பு.
-
சூழலுடன் கூடிய சோதனைகள் - ஒட்டுமொத்த துல்லியம் (ஒரு முக்கிய NIST கருப்பொருள்) மட்டுமல்லாமல், துணைக்குழுவின் அடிப்படையில் மதிப்பீடு செய்தல் [3].
-
அதன் வேலையைக் காட்டுகிறது - மாதிரி அட்டைகள், தரவுத்தொகுப்பு ஆவணங்கள் மற்றும் தெளிவான பயனர் தொடர்புகள் [5].
-
பொறுப்புணர்வை உருவாக்குகிறது - பெயரிடப்பட்ட உரிமையாளர்கள், விரிவாக்கப் பாதைகள், தணிக்கை செய்யும் தன்மை.
-
திறந்தவெளியில் சமரசங்களைச் சமன் செய்கிறது - பாதுகாப்பு vs. பயன்பாடு vs. தனியுரிமை, எழுதப்பட்டது.
-
சட்டத்துடன் இணைகிறது - தாக்கத்துடன் கட்டுப்பாடுகளை அளவிடும் ஆபத்து அடிப்படையிலான தேவைகள் (EU AI சட்டத்தைப் பார்க்கவும்) [4].
அது ஒரு தயாரிப்பு முடிவை மாற்றவில்லை என்றால், அது நெறிமுறை அல்ல - அது அலங்காரம்.
AI நெறிமுறைகள் என்றால் என்ன என்ற பெரிய கேள்விக்கு விரைவான பதில் 🥤
தொடர்ச்சியாகக் கேட்கப்படும் மூன்று கேள்விகளுக்கு அணிகள் எவ்வாறு பதிலளிக்கின்றன என்பது இங்கே:
-
இதை நாம் கட்ட வேண்டுமா?
-
ஆம் எனில், தீங்கைக் குறைத்து அதை எவ்வாறு நிரூபிப்பது?
-
விஷயங்கள் தலைகீழாகச் செல்லும்போது, யார் பொறுப்பு, அடுத்து என்ன நடக்கும்?
சலிப்பூட்டும் நடைமுறை. ஆச்சரியப்படும் விதமாக கடினமானது. மதிப்புக்குரியது.
60 வினாடி மினி-கேஸ் (நடைமுறையில் அனுபவம்) 📎
ஒரு ஃபின்டெக் குழு ஒரு மோசடி மாதிரியை ஒட்டுமொத்த துல்லியத்துடன் வழங்குகிறது. இரண்டு வாரங்களுக்குப் பிறகு, ஒரு குறிப்பிட்ட பிராந்திய-சட்டப்பூர்வ கொடுப்பனவுகளிலிருந்து ஆதரவு டிக்கெட்டுகள் அதிகரித்திருப்பது தடுக்கப்படுகிறது. ஒரு துணைக்குழு மதிப்பாய்வு அந்த இடத்திற்கான திரும்பப் பெறுதல் சராசரியை விட 12 புள்ளிகள் குறைவாக இருப்பதைக் காட்டுகிறது. குழு தரவு கவரேஜை மீண்டும் பார்வையிடுகிறது, சிறந்த பிரதிநிதித்துவத்துடன் மீண்டும் பயிற்சி அளிக்கிறது, மேலும் மாற்றம், அறியப்பட்ட எச்சரிக்கைகள் மற்றும் பயனர் முறையீட்டு பாதையை ஆவணப்படுத்தும் புதுப்பிக்கப்பட்ட மாதிரி அட்டையை . துல்லியம் ஒரு புள்ளியைக் குறைக்கிறது; வாடிக்கையாளர் நம்பிக்கை தாண்டுகிறது. இது இடர் மேலாண்மை மற்றும் பயனர் மரியாதை , ஒரு பதிவாளர் அல்ல [3][5].
நீங்கள் உண்மையில் பயன்படுத்தக்கூடிய கருவிகள் மற்றும் கட்டமைப்புகள் 📋
(சின்ன சின்னச் சின்ன விஷயங்கள் வேண்டுமென்றே சேர்க்கப்பட்டுள்ளன - அதுதான் நிஜ வாழ்க்கை.)
| கருவி அல்லது கட்டமைப்பு | பார்வையாளர்கள் | விலை | இது ஏன் வேலை செய்கிறது | குறிப்புகள் |
|---|---|---|---|---|
| NIST AI இடர் மேலாண்மை கட்டமைப்பு | தயாரிப்பு, ஆபத்து, கொள்கை | இலவசம் | தெளிவான செயல்பாடுகள்- குழுக்களை நிர்வகித்தல், வரைபடம், அளவிடுதல், நிர்வகித்தல் | தன்னார்வ, பரவலாக குறிப்பிடப்படுகிறது [3] |
| OECD AI கோட்பாடுகள் | நிர்வாகிகள், கொள்கை வகுப்பாளர்கள் | இலவசம் | நம்பகமான AI-க்கான மதிப்புகள் + நடைமுறை குறிப்புகள் | ஒரு திடமான ஆளுகை வடக்கு நட்சத்திரம் [2] |
| EU AI சட்டம் (ஆபத்து அடிப்படையிலானது) | சட்டம், இணக்கம், CTOக்கள் | இலவசம்* | அதிக தாக்கத்தை ஏற்படுத்தும் பயன்பாடுகளுக்கு ஆபத்து அடுக்குகள் விகிதாசார கட்டுப்பாடுகளை அமைக்கின்றன. | இணக்கச் செலவுகள் மாறுபடும் [4] |
| மாதிரி அட்டைகள் | எம்எல் பொறியாளர்கள், பிரதமர்கள் | இலவசம் | ஒரு மாதிரி என்ன, செய்கிறது, எங்கு தோல்வியடைகிறது என்பதை தரப்படுத்துகிறது. | தாள் + உதாரணங்கள் உள்ளன [5] |
| தரவுத்தொகுப்பு ஆவணங்கள் ("தரவுத்தாள்கள்") | தரவு விஞ்ஞானிகள் | இலவசம் | தரவு தோற்றம், கவரேஜ், ஒப்புதல் மற்றும் அபாயங்களை விளக்குகிறது. | அதை ஒரு ஊட்டச்சத்து லேபிள் போல நடத்துங்கள். |
ஆழமான ஆய்வு 1 - கோட்பாட்டில் அல்ல, இயக்கத்தில் உள்ள கொள்கைகள் 🏃
-
நியாயத்தன்மை - மக்கள்தொகை மற்றும் சூழல்களுக்கு ஏற்ப செயல்திறனை மதிப்பிடுதல்; ஒட்டுமொத்த அளவீடுகள் தீங்கை மறைக்கின்றன [3].
-
பொறுப்புடைமை - தரவு, மாதிரி மற்றும் பயன்படுத்தல் முடிவுகளுக்கு உரிமையாளர்களை ஒதுக்குங்கள். முடிவு பதிவுகளை வைத்திருங்கள்.
-
வெளிப்படைத்தன்மை - மாதிரி அட்டைகளைப் பயன்படுத்துங்கள்; ஒரு முடிவு எவ்வளவு தானியங்கியானது மற்றும் என்ன ஆதாரம் உள்ளது என்பதை பயனர்களுக்குச் சொல்லுங்கள் [5].
-
மனித மேற்பார்வை - உண்மையான நிறுத்த/மேலெழுதும் சக்தியுடன் (யுனெஸ்கோவால் வெளிப்படையாக முன்னறிவிக்கப்பட்டது) [1], அதிக ஆபத்துள்ள முடிவுகளுக்கு மனிதர்களை ஈடுபடுத்துதல்.
-
தனியுரிமை & பாதுகாப்பு - தரவைக் குறைத்து பாதுகாக்கவும்; அனுமான நேர கசிவு மற்றும் கீழ்நிலை தவறான பயன்பாட்டைக் கருத்தில் கொள்ளவும்.
-
நன்மை - சுத்தமான KPIகளை மட்டும் காட்டாமல், சமூக நன்மையை நிரூபிக்கவும் (OECD இந்த சமநிலையை உருவாக்குகிறது) [2].
சிறிய விலகல்: அணிகள் சில நேரங்களில் உண்மையான தீங்கு கேள்வியைப் புறக்கணித்து, மெட்ரிக் பெயர்களைப் பற்றி மணிக்கணக்கில் வாதிடுகின்றன. அது எப்படி நடக்கிறது என்பது வேடிக்கையானது.
ஆழமான டைவ் 2 - அபாயங்கள் மற்றும் அவற்றை எவ்வாறு அளவிடுவது 📏
தீங்கை அளவிடக்கூடிய ஆபத்தாகக் கருதும்போது நெறிமுறை AI உறுதியானது:
-
சூழல் மேப்பிங் - நேரடியாகவும் மறைமுகமாகவும் யார் பாதிக்கப்படுகிறார்கள்? இந்த அமைப்பு என்ன முடிவெடுக்கும் அதிகாரத்தைக் கொண்டுள்ளது?
-
தரவு தகுதி - பிரதிநிதித்துவம், சறுக்கல், லேபிளிங் தரம், ஒப்புதல் பாதைகள்.
-
மாதிரி நடத்தை - விநியோக மாற்றத்தின் கீழ் தோல்வி முறைகள், எதிர்மறையான தூண்டுதல்கள் அல்லது தீங்கிழைக்கும் உள்ளீடுகள்.
-
தாக்க மதிப்பீடு - தீவிரம் × சாத்தியக்கூறு, குறைப்புகள் மற்றும் எஞ்சிய ஆபத்து.
-
வாழ்க்கைச் சுழற்சி கட்டுப்பாடுகள் - சிக்கல் கட்டமைப்பிலிருந்து பயன்படுத்தலுக்குப் பிந்தைய கண்காணிப்பு வரை.
NIST இதை நான்கு செயல்பாடுகளாகப் பிரிக்கிறது, அவை சக்கரத்தை மீண்டும் கண்டுபிடிக்காமல் அணிகள் ஏற்றுக்கொள்ளலாம்: நிர்வகித்தல், வரைபடம், அளவிடுதல், நிர்வகித்தல் [3].
ஆழமான டைவ் 3 - பின்னர் உங்களை காப்பாற்றும் ஆவணங்கள் 🗂️
இரண்டு எளிமையான கலைப்பொருட்கள் எந்த முழக்கத்தையும் விட அதிகமாகச் செய்கின்றன:
-
மாதிரி அட்டைகள் - மாதிரி எதற்காக, அது எவ்வாறு மதிப்பிடப்பட்டது, எங்கு தோல்வியடைகிறது, நெறிமுறை பரிசீலனைகள் மற்றும் எச்சரிக்கைகள் - குறுகிய, கட்டமைக்கப்பட்ட, படிக்கக்கூடிய [5].
-
தரவுத்தொகுப்பு ஆவணங்கள் (“தரவுத்தாள்கள்”) - இந்தத் தரவு ஏன் உள்ளது, அது எவ்வாறு சேகரிக்கப்பட்டது, யார் குறிப்பிடப்படுகிறார்கள், அறியப்பட்ட இடைவெளிகள் மற்றும் பரிந்துரைக்கப்பட்ட பயன்பாடுகள்.
ஒரு மாடல் ஏன் தவறாக நடந்து கொண்டார் என்பதை நீங்கள் எப்போதாவது ஒழுங்குமுறை அதிகாரிகளிடமோ அல்லது பத்திரிகையாளர்களிடமோ விளக்க வேண்டியிருந்தால், இவற்றை எழுதியதற்காக உங்கள் கடந்த கால சுயத்திற்கு நன்றி கூறுவீர்கள். எதிர்காலத்தில் - நீங்கள் கடந்த கால காபியை வாங்குவீர்கள்.
டீப் டைவ் 4 - உண்மையில் கடிக்கிற ஆளுகை 🧩
-
ஆபத்து அடுக்குகளை வரையறுக்கவும் - அதிக தாக்கத்தை ஏற்படுத்தும் பயன்பாட்டு வழக்குகள் ஆழமான ஆய்வுக்கு உட்படுத்தப்படுவதால் ஆபத்து அடிப்படையிலான யோசனையைப் பெறுங்கள் [4].
-
நிலை வாயில்கள் - உட்கொள்ளல், முன்-வெளியீடு மற்றும் பிந்தைய நெறிமுறைகள் மதிப்பாய்வு. பதினைந்து வாயில்கள் அல்ல. மூன்று வாயில்கள் போதும்.
-
கடமைகளைப் பிரித்தல் - டெவலப்பர்கள் முன்மொழிகின்றனர், ஆபத்து கூட்டாளிகள் மதிப்பாய்வு செய்கிறார்கள், தலைவர்கள் கையொப்பமிடுகிறார்கள். தெளிவான கோடுகள்.
-
சம்பவ பதில் - ஒரு மாதிரியை யார் இடைநிறுத்துகிறார்கள், பயனர்களுக்கு எவ்வாறு அறிவிக்கப்படுகிறது, சரிசெய்தல் எப்படி இருக்கும்.
-
சுயாதீன தணிக்கைகள் - முதலில் உள் தணிக்கைகள்; பங்குகள் தேவைப்படும் இடத்தில் வெளிப்புறம்.
-
பயிற்சி மற்றும் ஊக்கத்தொகைகள் - பிரச்சினைகளை மறைக்காமல், முன்கூட்டியே தீர்த்து வைப்பதற்கு வெகுமதி அளித்தல்.
நேர்மையாகச் சொல்லப் போனால்: ஆட்சி ஒருபோதும் வேண்டாம் , அது ஆட்சி அல்ல.
ஆழமான டைவ் 5 - ப்ராப்ஸாக அல்ல, லூப்பில் உள்ள மக்கள் 👩⚖️
மனித மேற்பார்வை என்பது ஒரு தேர்வுப்பெட்டி அல்ல - இது ஒரு வடிவமைப்புத் தேர்வு:
-
மனிதர்கள் முடிவு செய்யும் போது - ஒரு நபர் மதிப்பாய்வு செய்ய வேண்டிய தெளிவான வரம்புகள், குறிப்பாக அதிக ஆபத்துள்ள விளைவுகளுக்கு.
-
முடிவெடுப்பவர்களுக்கு விளக்கக்கூடிய தன்மை - மனிதனுக்கு ஏன் மற்றும் நிச்சயமற்ற தன்மை .
-
பயனர் கருத்து சுழல்கள் - தானியங்கி முடிவுகளைப் போட்டியிட அல்லது சரிசெய்ய பயனர்களை அனுமதிக்கவும்.
-
அணுகல்தன்மை - வெவ்வேறு பயனர்கள் புரிந்துகொண்டு உண்மையில் பயன்படுத்தக்கூடிய இடைமுகங்கள்.
யுனெஸ்கோவின் வழிகாட்டுதல் இங்கே எளிமையானது: மனித கண்ணியமும் மேற்பார்வையும் அடிப்படையானவை, விருப்பத்திற்குரியவை அல்ல. நிலங்களுக்கு தீங்கு விளைவிப்பதற்கு முன்பு மனிதர்கள் தலையிடக்கூடிய வகையில் தயாரிப்பை உருவாக்குங்கள் [1].
பக்க குறிப்பு - அடுத்த எல்லை: நியூரோடெக் 🧠
AI நரம்பியல் தொழில்நுட்பத்துடன் குறுக்கிடும்போது, மன தனியுரிமை மற்றும் சிந்தனை சுதந்திரம் உண்மையான வடிவமைப்புக் கருத்தாக மாறுகின்றன. அதே திட்டம் பொருந்தும்: உரிமைகளை மையமாகக் கொண்ட கொள்கைகள் [1], நம்பகமான வடிவமைப்பு நிர்வாகம் [2], மற்றும் அதிக ஆபத்துள்ள பயன்பாடுகளுக்கான விகிதாசார பாதுகாப்புகள் [4]. பின்னர் அவற்றை போல்ட் செய்வதற்குப் பதிலாக ஆரம்பகால பாதுகாப்புத் தடுப்புகளை உருவாக்குங்கள்.
AI நெறிமுறைகள் என்றால் என்ன? நடைமுறையில் - ஒரு பணிப்பாய்வு 🧪 அணிகள் எவ்வாறு பதிலளிக்கின்றன
இந்த எளிய சுழற்சியை முயற்சிக்கவும். இது சரியானது அல்ல, ஆனால் இது பிடிவாதமாக பயனுள்ளதாக இருக்கும்:
-
நோக்க சரிபார்ப்பு - நாம் என்ன மனிதப் பிரச்சினையைத் தீர்க்கிறோம், யார் பயனடைகிறார்கள் அல்லது ஆபத்தை எதிர்கொள்கிறார்கள்?
-
சூழல் வரைபடம் - பங்குதாரர்கள், சூழல்கள், கட்டுப்பாடுகள், அறியப்பட்ட ஆபத்துகள்.
-
தரவுத் திட்டம் - ஆதாரங்கள், ஒப்புதல், பிரதிநிதித்துவம், தக்கவைத்தல், ஆவணங்கள்.
-
பாதுகாப்பிற்கான வடிவமைப்பு - எதிரி சோதனை, ரெட்-டீமிங், தனியுரிமை-மூலம்-வடிவமைப்பு.
-
நியாயத்தை வரையறுக்கவும் - டொமைன்-பொருத்தமான அளவீடுகளைத் தேர்வு செய்யவும்; ஆவண பரிமாற்றங்கள்.
-
விளக்கத் திட்டம் - என்ன விளக்கப்படும், யாருக்கு, நீங்கள் எவ்வாறு பயனை உறுதிப்படுத்துவீர்கள்.
-
மாதிரி அட்டை - சீக்கிரம் வரைவு, நீங்கள் செல்லும்போது புதுப்பிக்கவும், வெளியீட்டில் வெளியிடவும் [5].
-
நிர்வாக வாயில்கள் - பொறுப்புள்ள உரிமையாளர்களுடன் இடர் மதிப்புரைகள்; NIST இன் செயல்பாடுகளைப் பயன்படுத்தும் கட்டமைப்பு [3].
-
வெளியீட்டுக்குப் பிந்தைய கண்காணிப்பு - அளவீடுகள், சறுக்கல் எச்சரிக்கைகள், சம்பவ விளையாட்டு புத்தகங்கள், பயனர் முறையீடுகள்.
ஒரு அடி கடினமாக இருந்தால், அதை அபாயத்திற்கு அளவிடவும். அதுதான் தந்திரம். எழுத்துப்பிழை திருத்தும் பாட்டை அதிகமாக பொறியியல் செய்வது யாருக்கும் உதவாது.
நெறிமுறைகள் vs. இணக்கம் - காரமான ஆனால் அவசியமான வேறுபாடு 🌶️
-
நெறிமுறைகள் கேட்கின்றன: இது மக்களுக்கு சரியான விஷயமா?
-
இணக்கம் கேட்கிறது: இது விதிப்புத்தகத்தை பூர்த்தி செய்கிறதா?
உங்களுக்கு இரண்டும் தேவை. EU இன் ஆபத்து அடிப்படையிலான மாதிரி உங்கள் இணக்க முதுகெலும்பாக இருக்கலாம், ஆனால் உங்கள் நெறிமுறைகள் திட்டம் குறைந்தபட்சங்களுக்கு அப்பால் செல்ல வேண்டும் - குறிப்பாக தெளிவற்ற அல்லது புதிய பயன்பாட்டு நிகழ்வுகளில் [4].
ஒரு சிறிய (குறைபாடுள்ள) உருவகம்: இணக்கம் என்பது வேலி; நெறிமுறைகள் என்பது மேய்ப்பன். வேலி உங்களை எல்லைக்குள் வைத்திருக்கிறது; மேய்ப்பன் உங்களை சரியான வழியில் செல்ல வைக்கிறான்.
பொதுவான சிக்கல்கள் - அதற்கு பதிலாக என்ன செய்வது 🚧
-
ஆபத்து: நெறிமுறைகள் அரங்கம் - வளங்கள் இல்லாத ஆடம்பரமான கொள்கைகள்.
சரி: நேரத்தை அர்ப்பணித்தல், உரிமையாளர்கள் மற்றும் சோதனைச் சாவடிகளை மதிப்பாய்வு செய்தல். -
ஆபத்து: சராசரியாக தீங்கு நீக்குதல் - சிறந்த ஒட்டுமொத்த அளவீடுகள் துணைக்குழு தோல்வியை மறைக்கின்றன.
சரி: எப்போதும் தொடர்புடைய துணை மக்கள்தொகைகளால் மதிப்பிடுங்கள் [3]. -
ஆபத்து: பாதுகாப்பாக மறைத்து வைக்கும் ரகசியம் - பயனர்களிடமிருந்து விவரங்களை மறைத்தல்.
சரிசெய்தல்: திறன்கள், வரம்புகள் மற்றும் உதவியை எளிய மொழியில் வெளிப்படுத்துதல் [5]. -
ஆபத்து: இறுதியில் தணிக்கை - தொடங்குவதற்கு முன்பே சிக்கல்களைக் கண்டறிதல்.
சரி: இடதுபுறம் மாறுதல் - நெறிமுறைகளை வடிவமைப்பு மற்றும் தரவு சேகரிப்பின் ஒரு பகுதியாக மாற்றுதல். -
ஆபத்து: தீர்ப்பு இல்லாத சரிபார்ப்புப் பட்டியல்கள் - பின்வரும் படிவங்கள், அர்த்தமற்றவை.
சரி: நிபுணர் மதிப்பாய்வு மற்றும் பயனர் ஆராய்ச்சியுடன் டெம்ப்ளேட்களை இணைக்கவும்.
அடிக்கடி கேட்கப்படும் கேள்விகள் - எப்படியும் உங்களிடம் கேட்கப்படும் விஷயங்கள் ❓
AI நெறிமுறைகள் புதுமைக்கு எதிரானதா?
இல்லை. இது பயனுள்ள புதுமைக்கு ஆதரவானதாகும். பின்னடைவு அல்லது சட்ட சிக்கலைத் தூண்டும் சார்புடைய அமைப்புகள் போன்ற முட்டுச்சந்துகளை நெறிமுறைகள் தவிர்க்கின்றன. OECD கட்டமைப்பானது பாதுகாப்புடன் புதுமைகளை வெளிப்படையாக ஊக்குவிக்கிறது [2].
நமது தயாரிப்பு குறைந்த ஆபத்து கொண்டதாக இருந்தால் இது நமக்குத் தேவையா?
ஆம், ஆனால் இலகுவானது. விகிதாசார கட்டுப்பாடுகளைப் பயன்படுத்தவும். அந்த ஆபத்து அடிப்படையிலான யோசனை EU அணுகுமுறையில் நிலையானது [4].
எந்த ஆவணங்கள் அவசியம் இருக்க வேண்டும்?
குறைந்தபட்சம்: உங்கள் முக்கிய தரவுத்தொகுப்புகளுக்கான தரவுத்தொகுப்பு ஆவணங்கள், ஒவ்வொரு மாதிரிக்கும் ஒரு மாதிரி அட்டை மற்றும் வெளியீட்டு முடிவு பதிவு [5].
AI நெறிமுறைகள் யாருக்குச் சொந்தமானவை?
ஒவ்வொருவருக்கும் நடத்தை உண்டு, ஆனால் தயாரிப்பு, தரவு அறிவியல் மற்றும் ஆபத்து குழுக்களுக்கு பெயரிடப்பட்ட பொறுப்புகள் தேவை. NIST இன் செயல்பாடுகள் ஒரு நல்ல அடித்தளமாகும் [3].
ரொம்ப நீளமா இருக்கு படிக்கவே முடியல - இறுதி குறிப்புகள் 💡
இதையெல்லாம் நீங்கள் கொஞ்சம் கொஞ்சமாக ஆராய்ந்தால், இதோ ஒரு கருத்து: AI நெறிமுறைகள் என்றால் என்ன? மக்கள் நம்பக்கூடிய AI ஐ உருவாக்குவதற்கான ஒரு நடைமுறை ஒழுக்கம் இது. பரவலாக ஏற்றுக்கொள்ளப்பட்ட வழிகாட்டுதல்களான UNESCOவின் உரிமைகளை மையமாகக் கொண்ட பார்வை மற்றும் OECDயின் நம்பகமான AI கொள்கைகளுக்கு ஏற்ப நங்கூரமிடுங்கள். அதை செயல்படுத்த NISTயின் ஆபத்து கட்டமைப்பைப் பயன்படுத்தவும், மேலும் உங்கள் தேர்வுகள் தெளிவாக இருக்கும் வகையில் மாதிரி அட்டைகள் மற்றும் தரவுத்தொகுப்பு ஆவணங்களுடன் அனுப்பவும். பின்னர் பயனர்கள், பங்குதாரர்கள், உங்கள் சொந்த கண்காணிப்பு ஆகியவற்றைக் கேட்டு சரிசெய்யவும். நெறிமுறைகள் என்பது ஒரு முறை மட்டுமே செய்யப்படும் ஒன்றல்ல; அது ஒரு பழக்கம்.
ஆமாம், சில நேரங்களில் நீங்கள் நிச்சயமாகத் திருத்துவீர்கள். அது தோல்வி அல்ல. அதுதான் வேலை. 🌱
குறிப்புகள்
-
யுனெஸ்கோ - செயற்கை நுண்ணறிவின் நெறிமுறைகள் குறித்த பரிந்துரை (2021). இணைப்பு
-
OECD - AI கோட்பாடுகள் (2019). இணைப்பு
-
NIST - செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0) (2023) (PDF). இணைப்பு
-
EUR-லெக்ஸ் - ஒழுங்குமுறை (EU) 2024/1689 (AI சட்டம்). இணைப்பு
-
மிட்செல் மற்றும் பலர் - “மாதிரி அறிக்கையிடலுக்கான மாதிரி அட்டைகள்” (ACM, 2019). இணைப்பு