લોકોના અધિકારો અને વ્યક્તિગત ડેટાને સંડોવતા કાંટાળા મુદ્દાઓને સંબોધવા માટે આપણા સમયના બૌદ્ધિકો અને નિષ્ણાતો વચ્ચે ધ્યાન, યોગ્યતા અને અનિવાર્ય ચર્ચાની જરૂર છે. અમે શોધી રહ્યા છીએ કે તકનીકી નવીનતાઓ અમને જે પડકારો ઉભી કરે છે તેના માટે સામાજિક નિયમોને સ્વીકારવામાં અમે પૂરતા ઝડપી નથી. ઉભરતી ટેક્નોલોજીઓ વધુને વધુ પોતાને ખુલ્લા મેદાનમાં કામ કરતી જોવા મળે છે, નિયમોની સંપૂર્ણ ગેરહાજરીમાં કે જે તેમની અરજીને મર્યાદિત કરે છે, નુકસાન પહોંચાડવા માટે મુક્ત છે અને તેથી સંપૂર્ણ મુક્તિ સાથે આમ કરવા માટે.
શું એવા નિયંત્રણની કલ્પના કરવી શક્ય છે કે જે વૈજ્ઞાનિક સંશોધન અને તેના વ્યૂહાત્મક ઉદ્દેશ્યો સુધી તકનીકી વિકાસની સાંકળને પાછળ લઈ જાય?
શું વ્યક્તિગત સ્વતંત્રતાઓ માટે મજબૂત આદર જાળવીને આપણી પ્રજાતિઓના ઉત્ક્રાંતિને સંચાલિત કરવું કલ્પનાશીલ છે?
“તમે જેટલું છુપાવવાનો પ્રયત્ન કરશો, એટલું જ તમે ધ્યાન આકર્ષિત કરશો. તે શા માટે એટલું મહત્વનું છે કે કોઈ તમારા વિશે જાણતું નથી?" - એન્ડ્રુ નિકોલ દ્વારા લિખિત અને દિગ્દર્શિત ફિલ્મ "એનોન" માંથી - 2018
ફિલ્મમાં "એનન2018 નું, ભવિષ્યનો સમાજ એ એક અંધકારમય સ્થળ છે, જે ઈથર નામની વિશાળ કોમ્પ્યુટર સિસ્ટમના સીધા નિયંત્રણ હેઠળ છે, જે રાષ્ટ્રના દરેક ખૂણે તેની વસ્તી ધરાવતા લોકોની આંખો દ્વારા તેનું નિરીક્ષણ કરવામાં સક્ષમ છે. દરેક મનુષ્ય ઈથર વતી નિરીક્ષક છે અને તેમની પ્રથમ જવાબદારી, અલબત્ત, પોતાની જાતને અને તેમના વર્તન પર નજર રાખવાની છે.
ઈથર એ પોલીસ દળોનો શ્રેષ્ઠ સહયોગી છે: ઈથર દ્વારા, એજન્ટો કોઈપણ વ્યક્તિના અનુભવને પોતાની આંખોથી જીવંત કરીને શોધી શકે છે અને કોઈપણ પ્રકારના ગુનાનો ઉકેલ લાવી શકે છે.
પોલીસ અધિકારી સાલને આશ્ચર્ય થાય છે કે તમારે તમારી ગોપનીયતાના રક્ષણ માટે શા માટે લડવું જોઈએ: જ્યારે તમારી પાસે છુપાવવાનું કોઈ કારણ ન હોય ત્યારે શું મુદ્દો છે? છેવટે, એવા યુગમાં કે જેમાં આપણે આપણા ઘરો અને શેરીઓની સલામતી વધારવા માટે જે ટેક્નોલોજીઓ બનાવીએ છીએ, તે લોકોના હિતમાં આવી માહિતીના રેકોર્ડિંગ, મોનિટરિંગ અને ચકાસણીની જરૂર હોય છે, જેઓ સુરક્ષા માટે પૂછે છે, આપણે બાંયધરી આપવાની અપેક્ષા કેવી રીતે રાખી શકીએ? તેમની ગોપનીયતા?
અન્ય લોકોના જીવનમાં પ્રવેશ મેળવવો કેટલું જોખમી છે તે દર્શાવવા માટે, હેકર ઈથર પર નિયંત્રણ મેળવશે અને લાખો લોકોના જીવન પર એક ભયંકર દુઃસ્વપ્ન ઊતરશે: લાચાર દર્શકો તરીકે જોવાની ધમકી સૌથી વધુ તેમના જીવનની પીડાદાયક ક્ષણો, સીધી તેમના રેટિનામાં પ્રસારિત થાય છે.
Le કૃત્રિમ ન્યુરલ નેટવર્ક્સ જે આધુનિક કૃત્રિમ બુદ્ધિમત્તાની કામગીરીને અંતર્ગત છે, તે ત્રણ મુખ્ય ઘટકોની આસપાસ ફરે છે: મૂળભૂત માહિતી અન્યથા કહેવાય છે કોર્પસ, અન અલ્ગોરિધમ માહિતીના એસિમિલેશન માટે અને એ મેમરી તેમના સંસ્મરણ માટે.
અલ્ગોરિધમ મેમરીમાં માહિતીના સામાન્ય લોડિંગ સુધી મર્યાદિત નથી, તે તેને એકબીજા સાથે સંબંધિત તત્વોની શોધમાં સ્કેન કરે છે. ડેટા અને સંબંધોનું મિશ્રણ મેમરીમાં સ્થાનાંતરિત કરવામાં આવશે જે એ બનાવશે મોડલો.
મોડેલની અંદર, ડેટા અને સંબંધો સંપૂર્ણપણે અસ્પષ્ટ છે, તેથી જ પ્રશિક્ષિત ન્યુરલ નેટવર્કમાંથી મૂળ તાલીમ માહિતીના કોર્પસનું પુનર્નિર્માણ લગભગ અશક્ય છે.
આ ખાસ કરીને સાચું છે જ્યારે કોર્પસમાં મોટી માત્રામાં ડેટા હોય છે. તરીકે ઓળખાતી મોટી ભાષાકીય પ્રણાલીઓનો આ કેસ છે Large Language Models (ટૂંકમાં LLM) કુખ્યાત ChatGpt સહિત. તાલીમમાં વપરાતી મોટી માત્રામાં માહિતી માટે તેઓ તેમની અસરકારકતાના ઋણી છે: હાલમાં સારી તાલીમ માટે ઓછામાં ઓછા થોડા ટેરાબાઈટ ડેટાની જરૂર પડે છે અને જો કે એક ટેરાબાઈટ 90 બિલિયન અક્ષરોને અનુરૂપ છે, લગભગ 75 મિલિયન પૃષ્ઠ ટેક્સ્ટ, તે સમજવું સરળ છે કે ત્યાં છે. ઘણી બધી માહિતીની જરૂર છે.
પરંતુ જો મોડલ ડી-એન્જિનિયર ન કરી શકાય, તો આપણે શા માટે આપણી જાતને ગોપનીયતાના ઉલ્લંઘનની સમસ્યા પૂછવી જોઈએ?
"જે ઉન્મત્ત છે તે ફ્લાઇટ મિશનમાંથી મુક્તિ મેળવવા માટે કહી શકે છે, પરંતુ જે કોઈ ફ્લાઇટ મિશનમાંથી મુક્તિ મેળવવાનું કહે છે તે પાગલ નથી." - જોસેફ હેલરની નવલકથા "કેચ 22" પર આધારિત.
ChatGpt અથવા અન્ય સમાન પ્રોજેક્ટ્સ બનાવવાની મંજૂરી આપવા માટે આટલા કદના ડેટાનો સંગ્રહ એ આજે મોટી બહુરાષ્ટ્રીય કંપનીઓનો વિશેષાધિકાર છે, જેઓ તેમની ડિજિટલ પ્રવૃત્તિઓ સાથે, માહિતીના સૌથી મોટા ભંડાર પર તેમનો હાથ મેળવવામાં સક્ષમ છે. વિશ્વમાં: વેબ.
ગૂગલ અને માઈક્રોસોફ્ટ, જેમણે વર્ષોથી વેબને સ્કેન કરતા સર્ચ એન્જીનનું સંચાલન કર્યું છે અને માહિતીના વિશાળ જથ્થાને એક્સ્ટ્રાપોલેટ કરે છે, તેઓ LLMની રચના માટેના પ્રથમ ઉમેદવારો છે, જે ઉપર વર્ણવેલ માહિતીના જથ્થાને ડાયજેસ્ટ કરવામાં સક્ષમ એકમાત્ર AI મોડલ છે.
તે માનવું મુશ્કેલ છે કે ગૂગલ અથવા માઇક્રોસોફ્ટ ન્યુરલ નેટવર્કને તાલીમ આપવા માટે કોર્પસ તરીકે ઉપયોગ કરતા પહેલા તેમના ડેટામાં વ્યક્તિગત માહિતીને અસ્પષ્ટ કરવામાં સક્ષમ હશે. ભાષાકીય પ્રણાલીઓના કિસ્સામાં અનામી માહિતીનો અનુવાદ કોર્પસમાં વ્યક્તિગત ડેટાની ઓળખ અને નકલી ડેટા સાથે તેના સ્થાનાંતરણમાં થાય છે. ચાલો કેટલાક ટેરાબાઈટના કદના કોર્પસની કલ્પના કરીએ કે જેની સાથે આપણે મોડેલને તાલીમ આપવા માંગીએ છીએ અને ચાલો કલ્પના કરવાનો પ્રયાસ કરીએ કે તેમાં રહેલા ડેટાને મેન્યુઅલી અનામી કરવા માટે કેટલું કામ જરૂરી છે: તે વ્યવહારીક રીતે અશક્ય હશે. પરંતુ જો આપણે તેને આપમેળે કરવા માટે અલ્ગોરિધમ પર આધાર રાખવો હોય, તો આ કાર્ય કરવા માટે સક્ષમ એકમાત્ર સિસ્ટમ અન્ય સમાન વિશાળ અને અત્યાધુનિક મોડેલ હશે.
અમે ક્લાસિક કેચ-22 સમસ્યાની હાજરીમાં છીએ: “અનામી ડેટા સાથે એલએલએમને તાલીમ આપવા માટે અમને તેમને અનામી કરવા સક્ષમ એલએલએમની જરૂર છે, પરંતુ જો અમારી પાસે ડેટાને અનામી કરવામાં સક્ષમ એલએલએમ હોય, તો તેની તાલીમ અનામી ડેટા સાથે કરવામાં આવી ન હતી. ."
GDPR જે વૈશ્વિક સ્તરે (લગભગ) લોકોની ગોપનીયતાનો આદર કરવા માટેના નિયમોનું નિર્દેશન કરે છે, આ વિષયોના પ્રકાશમાં પહેલાથી જ જૂના સમાચાર છે અને તાલીમ સમૂહમાં સામેલ વ્યક્તિગત ડેટાના રક્ષણનો વિચાર કરવામાં આવ્યો નથી.
GDPR માં, સામાન્ય સહસંબંધો અને જોડાણો શીખવાના હેતુ માટે વ્યક્તિગત ડેટાની પ્રક્રિયા માત્ર કલમ 22 દ્વારા આંશિક રીતે નિયમન કરવામાં આવે છે જે જણાવે છે: “ડેટા વિષયને ફક્ત સ્વચાલિત પ્રક્રિયા પર આધારિત નિર્ણયને આધિન ન કરવાનો અધિકાર છે, જેમાં પ્રોફાઇલિંગનો સમાવેશ થાય છે, જે તેના પર કાનૂની અસરો પેદા કરે છે અથવા જે તેને સમાન અને નોંધપાત્ર રીતે અસર કરે છે."
આ લેખ ડેટા નિયંત્રકો માટે સંપૂર્ણ સ્વચાલિત નિર્ણય લેવાની પ્રક્રિયાના ભાગ રૂપે વિષયના વ્યક્તિગત ડેટાનો ઉપયોગ કરવા માટે પ્રતિબંધનો પરિચય આપે છે જે વિષય પર સીધી કાનૂની અસરો ધરાવે છે. પરંતુ ન્યુરલ નેટવર્ક્સ, સ્વયંસંચાલિત નિર્ણય લેવાની પ્રક્રિયાઓ માટે સરળતાથી ભેળવી શકાય છે, એકવાર પ્રશિક્ષિત લોકોના જીવનને અસર કરી શકે તેવા સ્વચાલિત નિર્ણયો લેવાની ક્ષમતા પ્રાપ્ત કરે છે. પરંતુ આ નિર્ણયો હંમેશા "તાર્કિક" હોતા નથી. તાલીમ દરમિયાન, વાસ્તવમાં, દરેક ન્યુરલ નેટવર્ક માહિતીને એકબીજા સાથે સાંકળવાનું શીખે છે, ઘણી વખત તેમને એકબીજા સાથે એકદમ બિન-રેખીય રીતે સંબંધિત કરે છે. અને લોકોની ગોપનીયતાના બચાવમાં ઢાલ ઊભી કરવા માંગતા ધારાસભ્ય માટે "તર્ક"ની ગેરહાજરીથી કામ સરળ થતું નથી.
જો કોઈએ અત્યંત પ્રતિબંધિત નીતિ લાગુ કરવાનું પણ પસંદ કર્યું હોય, ઉદાહરણ તરીકે માલિક દ્વારા સ્પષ્ટપણે અધિકૃત કર્યા સિવાય કોઈપણ સંવેદનશીલ ડેટાના ઉપયોગ પર પ્રતિબંધ મૂકવો, તો ન્યુરલ નેટવર્કનો કાનૂની ઉપયોગ અવ્યવહારુ હશે. અને ન્યુરલ નેટવર્ક ટેક્નોલોજીઓને છોડી દેવાથી એક મોટું નુકસાન થશે, ફક્ત ચોક્કસ રોગથી આંશિક રીતે અસરગ્રસ્ત વસ્તીના વિષયોના ક્લિનિકલ ડેટા સાથે પ્રશિક્ષિત વિશ્લેષણ મોડેલ્સ વિશે વિચારો. આ મોડેલો ડેટામાં હાજર તત્વો અને રોગ વચ્ચેના સહસંબંધોને ઓળખીને નિવારણ નીતિઓને સુધારવામાં મદદ કરે છે, અણધાર્યા સહસંબંધો જે ચિકિત્સકોની નજરમાં સંપૂર્ણપણે અતાર્કિક લાગે છે.
વર્ષો સુધી આડેધડ રીતે તેના સંગ્રહને અધિકૃત કર્યા પછી લોકોની ગોપનીયતાનો આદર કરવાની સમસ્યા ઉભી કરવી એ ઓછામાં ઓછું કહેવા માટે દંભી છે. જીડીપીઆર પોતે તેની જટિલતા સાથે અસંખ્ય મેનિપ્યુલેશન્સ માટે જવાબદાર છે જે કલમોની અસ્પષ્ટતા અને સમજવાની મુશ્કેલીનો ઉપયોગ કરીને વ્યક્તિગત ડેટા પર પ્રક્રિયા કરવા માટે અધિકૃતતા મેળવવાની મંજૂરી આપે છે.
અમને ચોક્કસપણે કાયદાના સરળીકરણની જરૂર છે જે તેને લાગુ પાડવા અને વ્યક્તિગત માહિતીના સભાન ઉપયોગ માટે વાસ્તવિક શિક્ષણની મંજૂરી આપે.
મારો પ્રસ્તાવ એ છે કે કંપનીઓને તેમની સેવાઓ માટે નોંધણી કરાવનારા વપરાશકર્તાઓનો વ્યક્તિગત ડેટા જાણવાની મંજૂરી આપવી નહીં, પછી ભલે તેઓ પેઇડ સેવાઓ હોય. ખાનગી વ્યક્તિઓ દ્વારા નકલી વ્યક્તિગત ડેટાનો ઉપયોગ જ્યારે તેઓ ઓનલાઈન સિસ્ટમનો ઉપયોગ કરે ત્યારે આપમેળે થવો જોઈએ. વાસ્તવિક ડેટાનો ઉપયોગ ફક્ત ખરીદી પ્રક્રિયા સુધી મર્યાદિત હોવો જોઈએ, ખાતરી કરો કે તે હંમેશા સેવા ડેટાબેઝથી સંપૂર્ણપણે અલગ છે.
આ પ્રોફાઇલ સાથે નામ અથવા ચહેરાને સાંકળવાની મંજૂરી આપ્યા વિના વિષયની રુચિઓ અને પસંદગીઓને જાણવું એ અપસ્ટ્રીમ હાથ ધરવામાં આવેલા અનામીકરણના સ્વરૂપ તરીકે કાર્ય કરશે જે આપમેળે ડેટાના સંગ્રહ અને કૃત્રિમ બુદ્ધિમત્તા જેવી ઓટોમેશન સિસ્ટમમાં તેનો ઉપયોગ કરવાની મંજૂરી આપશે.
આર્ટિકોલો ડી Gianfranco Fedele
લારાવેલ, તેની ભવ્ય વાક્યરચના અને શક્તિશાળી સુવિધાઓ માટે પ્રખ્યાત છે, તે મોડ્યુલર આર્કિટેક્ચર માટે પણ મજબૂત પાયો પૂરો પાડે છે. ત્યાં…
Cisco અને Splunk ગ્રાહકોને ભવિષ્યના સિક્યોરિટી ઓપરેશન્સ સેન્ટર (SOC) સુધીની તેમની મુસાફરીને વેગ આપવા માટે મદદ કરી રહ્યાં છે.
રેન્સમવેર છેલ્લા બે વર્ષથી સમાચારોમાં પ્રભુત્વ ધરાવે છે. મોટાભાગના લોકો સારી રીતે જાણે છે કે હુમલાઓ…
એપલ વિઝન પ્રો કોમર્શિયલ વ્યુઅરનો ઉપયોગ કરીને કેટેનિયા પોલીક્લીનિક ખાતે ઓપ્થેલ્મોપ્લાસ્ટી ઓપરેશન કરવામાં આવ્યું હતું…
રંગ દ્વારા સુંદર મોટર કૌશલ્ય વિકસાવવાથી બાળકોને લેખન જેવી વધુ જટિલ કુશળતા માટે તૈયાર કરવામાં આવે છે. રંગ કરવા માટે…
નૌકાદળ ક્ષેત્ર એ સાચી વૈશ્વિક આર્થિક શક્તિ છે, જેણે 150 અબજના બજાર તરફ નેવિગેટ કર્યું છે...
ગયા સોમવારે, ફાઇનાન્શિયલ ટાઇમ્સે OpenAI સાથેના સોદાની જાહેરાત કરી હતી. FT તેના વિશ્વ કક્ષાના પત્રકારત્વને લાઇસન્સ આપે છે...
લાખો લોકો સ્ટ્રીમિંગ સેવાઓ માટે ચૂકવણી કરે છે, માસિક સબ્સ્ક્રિપ્શન ફી ચૂકવે છે. સામાન્ય અભિપ્રાય છે કે તમે…
