গোপনীয়তা লুপ: গোপনীয়তা এবং কপিরাইটের গোলকধাঁধায় কৃত্রিম বুদ্ধিমত্তা

এটি দুটি নিবন্ধের প্রথম যেখানে আমি একদিকে গোপনীয়তা এবং কপিরাইট এবং অন্যদিকে কৃত্রিম বুদ্ধিমত্তার মধ্যে সূক্ষ্ম সম্পর্ককে সম্বোধন করেছি।

একটি সমস্যাযুক্ত সম্পর্ক যেখানে প্রযুক্তিগত বিবর্তন এত দ্রুত প্রমাণিত হচ্ছে যে কোনও নিয়ন্ত্রক সমন্বয়কে তার প্রথম প্রয়োগ থেকে অপ্রচলিত করে তুলতে পারে।

জনগণের অধিকার এবং ব্যক্তিগত তথ্যের সাথে জড়িত কণ্টকাকীর্ণ বিষয়গুলির সমাধান করার জন্য আমাদের সময়ের বুদ্ধিজীবী এবং বিশেষজ্ঞদের মধ্যে মনোযোগ, দক্ষতা এবং একটি অপরিহার্য আলোচনা প্রয়োজন। আমরা আবিষ্কার করছি যে প্রযুক্তিগত উদ্ভাবনগুলি আমাদের সামনে যে চ্যালেঞ্জগুলি তৈরি করে তার সাথে সামাজিক নিয়ম মানিয়ে নিতে আমরা যথেষ্ট দ্রুত নই। উদীয়মান প্রযুক্তিগুলি ক্রমবর্ধমানভাবে নিজেদেরকে খোলা মাঠে কাজ করতে দেখায়, তাদের প্রয়োগকে সীমিত করে এমন প্রবিধানের সম্পূর্ণ অনুপস্থিতিতে, ক্ষতির কারণ হতে মুক্ত এবং তাই সম্পূর্ণ দায়মুক্তির সাথে তা করতে।

বৈজ্ঞানিক গবেষণা এবং এর কৌশলগত উদ্দেশ্যগুলিতে প্রযুক্তিগত বিকাশের চেইন ব্যাক আপ করে এমন একটি নিয়ন্ত্রণ কল্পনা করা কি সম্ভব?

ব্যক্তি স্বাধীনতার প্রতি দৃঢ় সম্মান বজায় রেখে কি আমাদের প্রজাতির বিবর্তন পরিচালনা করা অনুমেয়?

গোপনীয়তা?

"আপনি যত বেশি লুকানোর চেষ্টা করবেন, তত বেশি আপনি মনোযোগ আকর্ষণ করবেন। কেন এটি এত গুরুত্বপূর্ণ যে কেউ আপনার সম্পর্কে জানে না?" - অ্যান্ড্রু নিকোল দ্বারা রচিত এবং পরিচালিত "অ্যানন" চলচ্চিত্র থেকে - 2018

এই ছবিতে "বেনামা2018 সালের, ভবিষ্যতের সমাজ একটি অন্ধকার জায়গা, ইথার নামক একটি বিশাল কম্পিউটার সিস্টেমের সরাসরি নিয়ন্ত্রণে, যারা এটিকে জনবহুল করে তাদের চোখের মাধ্যমে এটি পর্যবেক্ষণ করে জাতির প্রতিটি কোণে পর্যবেক্ষণ করতে সক্ষম। প্রত্যেক মানুষ ইথারের পক্ষ থেকে একজন অধ্যক্ষ এবং তাদের প্রথম দায়িত্ব অবশ্যই নিজেদের এবং তাদের আচরণ পর্যবেক্ষণ করা।

ইথার হল পুলিশ বাহিনীর সর্বোত্তম সহযোগী: ইথারের মাধ্যমে, এজেন্টরা তাদের নিজের চোখে এটিকে পুনরুজ্জীবিত করে যেকোনো ব্যক্তির অভিজ্ঞতা খুঁজে বের করতে পারে এবং যেকোনো ধরনের অপরাধের সমাধান করতে পারে।

পুলিশ অফিসার সাল ভাবছেন কেন আপনার গোপনীয়তা রক্ষার জন্য লড়াই করা উচিত: যখন আপনার লুকানোর কোন কারণ নেই তখন কী লাভ? সর্বোপরি, এমন একটি যুগে যে যুগে আমরা আমাদের বাড়ি এবং আমাদের রাস্তার নিরাপত্তা বাড়ানোর জন্য যে প্রযুক্তিগুলি তৈরি করি সেগুলির জন্য এই ধরনের তথ্যের রেকর্ডিং, পর্যবেক্ষণ এবং যাচাইকরণের প্রয়োজন হয় যারা সুরক্ষা চান তাদের স্বার্থে, আমরা কীভাবে গ্যারান্টি আশা করতে পারি? তাদের গোপনীয়তা?

অন্যের জীবনে অ্যাক্সেস থাকা কতটা বিপজ্জনক তা প্রদর্শন করার জন্য, একজন হ্যাকার ইথারের নিয়ন্ত্রণ নেবে এবং লক্ষ লক্ষ মানুষের জীবনে একটি ভয়ানক দুঃস্বপ্ন নেমে আসবে: অসহায় দর্শক হয়ে দেখার হুমকি তাদের জীবনের যন্ত্রণাদায়ক মুহূর্ত, সরাসরি তাদের রেটিনাতে সম্প্রচারিত হয়।

লুপ

Le কৃত্রিম নিউরাল নেটওয়ার্ক যা আধুনিক কৃত্রিম বুদ্ধিমত্তার কার্যকারিতাকে ভিত্তি করে, তিনটি প্রধান উপাদানের চারপাশে ঘোরে: মৌলিক তথ্য অন্যথায় বলা হয় দেহজাতিসংঘ অ্যালগরিদম তথ্য আত্তীকরণের জন্য এবং এক স্মৃতি তাদের মুখস্থ করার জন্য।

অ্যালগরিদমটি মেমরিতে তথ্যের সাধারণ লোডিংয়ের মধ্যে সীমাবদ্ধ নয়, এটি একে অপরের সাথে সম্পর্কিত উপাদানগুলির সন্ধানে এটি স্ক্যান করে। ডেটা এবং সম্পর্কের মিশ্রণ মেমরিতে স্থানান্তরিত হবে যা একটি গঠন করবে টেমপ্লেট.

একটি মডেলের মধ্যে, ডেটা এবং সম্পর্কগুলি সম্পূর্ণরূপে আলাদা করা যায় না, যে কারণে একটি প্রশিক্ষিত নিউরাল নেটওয়ার্ক থেকে মূল প্রশিক্ষণ তথ্যের কর্পাস পুনর্গঠন করা প্রায় অসম্ভব।

এটি বিশেষ করে সত্য যখন কর্পাসে প্রচুর পরিমাণে ডেটা থাকে। এই হিসাবে পরিচিত বড় ভাষাগত সিস্টেমের ক্ষেত্রে Large Language Models (সংক্ষেপে এলএলএম) কুখ্যাত ChatGpt সহ। প্রশিক্ষণে ব্যবহৃত বিপুল পরিমাণ তথ্যের জন্য তারা তাদের কার্যকারিতাকে ঘৃণা করে: বর্তমানে ভাল প্রশিক্ষণের জন্য কমপক্ষে কয়েক টেরাবাইট ডেটা প্রয়োজন এবং এক টেরাবাইট 90 বিলিয়ন অক্ষরের সাথে মিলে যায়, প্রায় 75 মিলিয়ন পৃষ্ঠার পাঠ্য, এটি সহজেই বোঝা যায় যে সেখানে রয়েছে এত তথ্য প্রয়োজন।

কিন্তু যদি মডেলগুলি ডি-ইঞ্জিনিয়ার করা না যায়, তাহলে কেন আমরা নিজেদেরকে গোপনীয়তা লঙ্ঘনের সমস্যা জিজ্ঞাসা করব?

ডেটা প্রাধান্য

"যে পাগল সে ফ্লাইট মিশন থেকে অব্যাহতি পেতে বলতে পারে, কিন্তু যে ফ্লাইট মিশন থেকে অব্যাহতি পেতে বলে সে পাগল নয়।" - জোসেফ হেলারের "ক্যাচ 22" উপন্যাসের উপর ভিত্তি করে।

উদ্ভাবন নিউজলেটার

উদ্ভাবনের সবচেয়ে গুরুত্বপূর্ণ খবর মিস করবেন না। ইমেল দ্বারা তাদের পেতে সাইন আপ করুন.

চ্যাটজিপিটি বা অন্যান্য অনুরূপ প্রকল্পগুলি তৈরি করার অনুমতি দেওয়ার জন্য এত আকারের ডেটা সংগ্রহ করা আজ বৃহৎ বহুজাতিক সংস্থাগুলির বিশেষাধিকার, যারা তাদের ডিজিটাল কার্যক্রমের মাধ্যমে, তথ্যের বৃহত্তম ভান্ডারে তাদের হাত পেতে সক্ষম হয়েছে। বিশ্বে: ওয়েব।

গুগল এবং মাইক্রোসফ্ট, যারা বছরের পর বছর ধরে সার্চ ইঞ্জিনগুলি পরিচালনা করে যা ওয়েব স্ক্যান করে এবং প্রচুর পরিমাণে তথ্য এক্সট্রাপোলেট করে, তারা এলএলএম তৈরির প্রথম প্রার্থী, একমাত্র এআই মডেল যা উপরে বর্ণিত তথ্যের মতো পরিমাণে হজম করতে সক্ষম।

এটা বিশ্বাস করা কঠিন যে গুগল বা মাইক্রোসফ্ট একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য একটি কর্পাস হিসাবে ব্যবহার করার আগে তাদের ডেটাতে ব্যক্তিগত তথ্য অস্পষ্ট করতে সক্ষম হবে। ভাষাগত সিস্টেমের ক্ষেত্রে বেনামী তথ্য একটি কর্পাসের মধ্যে ব্যক্তিগত ডেটা সনাক্তকরণ এবং জাল ডেটা দিয়ে তার প্রতিস্থাপনে অনুবাদ করে। কিছু টেরাবাইটের আকারের একটি কর্পাস কল্পনা করা যাক যার সাহায্যে আমরা একটি মডেলকে প্রশিক্ষণ দিতে চাই এবং এর মধ্যে থাকা ডেটা ম্যানুয়ালি বেনামী করার জন্য কতটা কাজ করা দরকার তা কল্পনা করার চেষ্টা করা যাক: এটি কার্যত অসম্ভব হবে। কিন্তু যদি আমরা স্বয়ংক্রিয়ভাবে এটি করার জন্য একটি অ্যালগরিদমের উপর নির্ভর করতে চাই, তবে এই কাজটি করতে সক্ষম একমাত্র সিস্টেমটি হবে আরেকটি সমান বড় এবং পরিশীলিত মডেল।

আমরা একটি ক্লাসিক ক্যাচ-22 সমস্যার উপস্থিতিতে আছি: “বেনামী ডেটা সহ একটি এলএলএম প্রশিক্ষণের জন্য আমাদের একটি এলএলএম প্রয়োজন যা এটি বেনামী করতে সক্ষম, তবে যদি আমাদের কাছে ডেটা বেনামী করতে সক্ষম একটি এলএলএম থাকে তবে এর প্রশিক্ষণ বেনামী ডেটা দিয়ে করা হয়নি ।"

জিডিপিআর অপ্রচলিত

GDPR যেটি (প্রায়) বিশ্বব্যাপী মানুষের গোপনীয়তাকে সম্মান করার নিয়মগুলি নির্দেশ করে, এই বিষয়গুলির আলোকে ইতিমধ্যেই পুরানো খবর এবং একটি প্রশিক্ষণ সেটে জড়িত ব্যক্তিগত ডেটার সুরক্ষার কথা ভাবা হয় না৷

GDPR-এ, সাধারণ পারস্পরিক সম্পর্ক এবং সংযোগগুলি শেখার উদ্দেশ্যে ব্যক্তিগত ডেটা প্রক্রিয়াকরণ শুধুমাত্র 22 অনুচ্ছেদ দ্বারা আংশিকভাবে নিয়ন্ত্রিত হয় যা বলে: "ডেটা বিষয়ের সম্পূর্ণরূপে স্বয়ংক্রিয় প্রক্রিয়াকরণের উপর ভিত্তি করে সিদ্ধান্ত নেওয়ার অধিকার নেই, যা প্রোফাইলিং সহ, যা তার উপর আইনি প্রভাব তৈরি করে বা যা তাকে একই রকম এবং তাৎপর্যপূর্ণভাবে প্রভাবিত করে"।

এই নিবন্ধটি সম্পূর্ণরূপে স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণের প্রক্রিয়ার অংশ হিসাবে ডেটা নিয়ন্ত্রকদের জন্য একটি বিষয়ের ব্যক্তিগত ডেটা ব্যবহার করার নিষেধাজ্ঞার প্রবর্তন করে যা বিষয়ের উপর সরাসরি আইনি প্রভাব ফেলে। কিন্তু নিউরাল নেটওয়ার্ক, স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণের প্রক্রিয়ার সাথে সহজেই একত্রিত হয়, একবার প্রশিক্ষিত হলে তারা স্বয়ংক্রিয় সিদ্ধান্ত নেওয়ার ক্ষমতা অর্জন করে যা মানুষের জীবনকে প্রভাবিত করতে পারে। কিন্তু এই সিদ্ধান্তগুলি সবসময় "যৌক্তিক" হয় না। প্রশিক্ষণের সময়, প্রকৃতপক্ষে, প্রতিটি নিউরাল নেটওয়ার্ক একে অপরের সাথে তথ্য সংযুক্ত করতে শেখে, প্রায়শই তাদের একে অপরের সাথে একেবারে অ-রৈখিক পদ্ধতিতে সম্পর্কিত করে। এবং "যুক্তির" অনুপস্থিতি সেই বিধায়কের জন্য কাজকে সহজ করে তোলে না যিনি মানুষের গোপনীয়তা রক্ষায় ঢাল বাড়াতে চান।

যদি কেউ একটি অত্যন্ত বিধিনিষেধমূলক নীতি প্রয়োগ করতে বেছে নেয়, উদাহরণস্বরূপ, মালিকের দ্বারা স্পষ্টভাবে অনুমোদিত না হলে কোনও সংবেদনশীল ডেটা ব্যবহার নিষিদ্ধ করা, নিউরাল নেটওয়ার্কগুলির আইনী ব্যবহার অকার্যকর হবে৷ এবং নিউরাল নেটওয়ার্ক প্রযুক্তি ত্যাগ করা একটি বড় ক্ষতি হবে, শুধু একটি জনসংখ্যার বিষয়গুলির ক্লিনিকাল ডেটার সাথে প্রশিক্ষিত বিশ্লেষণ মডেলগুলির কথা চিন্তা করুন যা একটি নির্দিষ্ট রোগ দ্বারা আংশিকভাবে প্রভাবিত হয়েছে৷ এই মডেলগুলি ডেটাতে উপস্থিত উপাদান এবং রোগের মধ্যে পারস্পরিক সম্পর্ক সনাক্ত করে প্রতিরোধ নীতিগুলিকে উন্নত করতে সাহায্য করে, অপ্রত্যাশিত সম্পর্ক যা চিকিত্সকদের দৃষ্টিতে সম্পূর্ণ অযৌক্তিক বলে মনে হতে পারে।

চাহিদা ব্যবস্থাপনা

বছরের পর বছর ধরে নির্বিচারে এর সংগ্রহকে অনুমোদন করার পরে মানুষের গোপনীয়তাকে সম্মান করার সমস্যা তৈরি করা অন্তত বলতে ভণ্ড। জিডিপিআর নিজেই এর জটিলতা সহ অসংখ্য ম্যানিপুলেশনের জন্য দায়ী যা ধারাগুলির অস্পষ্টতা এবং বোঝার অসুবিধাকে কাজে লাগিয়ে ব্যক্তিগত ডেটা প্রক্রিয়া করার অনুমোদন পাওয়ার অনুমতি দেয়।

আমাদের অবশ্যই আইনের একটি সরলীকরণ প্রয়োজন যা এর প্রয়োগযোগ্যতা এবং ব্যক্তিগত তথ্যের সচেতন ব্যবহারে একটি বাস্তব শিক্ষার অনুমতি দেয়।

আমার প্রস্তাব কোম্পানিগুলিকে তাদের পরিষেবার জন্য নিবন্ধনকারী ব্যবহারকারীদের ব্যক্তিগত ডেটা জানার অনুমতি না দেওয়া, এমনকি তারা অর্থপ্রদানের পরিষেবা হলেও। ব্যক্তিগত ব্যক্তিদের দ্বারা জাল ব্যক্তিগত ডেটা ব্যবহার স্বয়ংক্রিয়ভাবে হওয়া উচিত যখন তারা অনলাইন সিস্টেম ব্যবহার করে। প্রকৃত ডেটার ব্যবহার শুধুমাত্র ক্রয় প্রক্রিয়ার মধ্যেই সীমাবদ্ধ থাকা উচিত, এটি নিশ্চিত করে যে এটি সর্বদা পরিষেবা ডাটাবেস থেকে সম্পূর্ণ আলাদা।

এই প্রোফাইলের সাথে একটি নাম বা মুখ যুক্ত করার অনুমতি না দিয়ে বিষয়ের স্বাদ এবং পছন্দগুলি জানা একটি অনামিকরণের রূপ হিসাবে কাজ করবে যা আপস্ট্রিমে পরিচালিত হয় যা স্বয়ংক্রিয়ভাবে ডেটা সংগ্রহ এবং কৃত্রিম বুদ্ধিমত্তার মতো অটোমেশন সিস্টেমের মধ্যে তাদের ব্যবহারের অনুমতি দেয়।

আর্টিকোলো ডি Gianfranco Fedele