History

leestott e2b90108bb 🌐 Update translations via Co-op Translator		4 weeks ago
..
README.md	🌐 Update translations via Co-op Translator	4 weeks ago
assignment.md	🌐 Update translations via Co-op Translator	4 weeks ago

README.md

Unescape Escape

ڈیٹا اخلاقیات کا تعارف


ڈیٹا سائنس اخلاقیات - @nitya کی اسکیچ نوٹ

ہم سب ایک ایسے دنیا میں رہتے ہیں جو مکمل طور پر ڈیٹا پر مبنی ہو چکی ہے۔

مارکیٹ کے رجحانات بتاتے ہیں کہ 2022 تک، ہر تین میں سے ایک بڑی تنظیم اپنا ڈیٹا آن لائن مارکیٹ پلیسز اور ایکسچینجز کے ذریعے خریدے گی اور بیچے گی۔ بطور ایپ ڈویلپرز، ہمارے لیے ڈیٹا پر مبنی بصیرتوں اور الگورتھم پر مبنی خودکار نظاموں کو روزمرہ کے صارف تجربات میں شامل کرنا آسان اور سستا ہو جائے گا۔ لیکن جیسے جیسے AI عام ہوتا جا رہا ہے، ہمیں یہ بھی سمجھنا ہوگا کہ بڑے پیمانے پر ان الگورتھمز کے ہتھیار بننے سے کیا ممکنہ نقصانات ہو سکتے ہیں۔

رجحانات یہ بھی ظاہر کرتے ہیں کہ ہم 2025 تک 180 زیٹابائٹس سے زیادہ ڈیٹا تخلیق اور استعمال کریں گے۔ بطور ڈیٹا سائنسدان، یہ ہمیں ذاتی ڈیٹا تک بے مثال رسائی فراہم کرتا ہے۔ اس کا مطلب یہ ہے کہ ہم صارفین کے رویوں کے پروفائل بنا سکتے ہیں اور فیصلہ سازی پر اثر ڈال سکتے ہیں، جس سے ایک آزاد انتخاب کا دھوکہ پیدا ہو سکتا ہے، جبکہ ممکنہ طور پر صارفین کو ان نتائج کی طرف دھکیل سکتے ہیں جو ہم چاہتے ہیں۔ یہ ڈیٹا کی پرائیویسی اور صارف کے تحفظات پر وسیع تر سوالات بھی اٹھاتا ہے۔

ڈیٹا اخلاقیات اب ڈیٹا سائنس اور انجینئرنگ کے لیے ضروری حفاظتی اصول بن چکے ہیں، جو ہمیں ڈیٹا پر مبنی اقدامات سے ممکنہ نقصانات اور غیر ارادی نتائج کو کم کرنے میں مدد دیتے ہیں۔ گارٹنر ہائپ سائیکل برائے AI ڈیجیٹل اخلاقیات، ذمہ دار AI، اور AI گورننس میں رجحانات کو بڑے میگا رجحانات کے کلیدی ڈرائیورز کے طور پر شناخت کرتا ہے، جیسے کہ AI کی جمہوریت سازی اور صنعت کاری۔

اس سبق میں، ہم ڈیٹا اخلاقیات کے دلچسپ میدان کو دریافت کریں گے - بنیادی تصورات اور چیلنجز سے لے کر کیس اسٹڈیز اور عملی AI تصورات جیسے گورننس تک - جو ان ٹیموں اور تنظیموں میں اخلاقیات کی ثقافت قائم کرنے میں مدد دیتے ہیں جو ڈیٹا اور AI کے ساتھ کام کرتی ہیں۔

لیکچر سے پہلے کا کوئز 🎯

بنیادی تعریفیں

آئیے بنیادی اصطلاحات کو سمجھنے سے شروع کرتے ہیں۔

"اخلاقیات" کا لفظ یونانی لفظ "ethikos" (اور اس کی جڑ "ethos") سے آیا ہے، جس کا مطلب ہے کردار یا اخلاقی فطرت۔

اخلاقیات ان مشترکہ اقدار اور اخلاقی اصولوں کے بارے میں ہیں جو معاشرے میں ہمارے رویے کو کنٹرول کرتے ہیں۔ اخلاقیات قوانین پر مبنی نہیں ہیں بلکہ اس بات پر مبنی ہیں کہ "صحیح اور غلط" کے بارے میں کیا وسیع پیمانے پر قبول کیا جاتا ہے۔ تاہم، اخلاقی غور و فکر کارپوریٹ گورننس کے اقدامات اور حکومتی ضوابط کو متاثر کر سکتے ہیں جو تعمیل کے لیے مزید ترغیبات پیدا کرتے ہیں۔

ڈیٹا اخلاقیات اخلاقیات کی ایک نئی شاخ ہے جو "ڈیٹا، الگورتھمز اور متعلقہ طریقوں" سے متعلق اخلاقی مسائل کا مطالعہ اور جائزہ لیتی ہے۔ یہاں، "ڈیٹا" ان اعمال پر مرکوز ہے جو تخلیق، ریکارڈنگ، کیوریشن، پروسیسنگ، تقسیم، اشتراک، اور استعمال سے متعلق ہیں، "الگورتھمز" AI، ایجنٹس، مشین لرننگ، اور روبوٹس پر مرکوز ہیں، اور "طریقے" ذمہ دارانہ جدت، پروگرامنگ، ہیکنگ، اور اخلاقیات کے ضابطوں جیسے موضوعات پر مرکوز ہیں۔

عملی اخلاقیات اخلاقی غور و فکر کے عملی اطلاق کا نام ہے۔ یہ حقیقی دنیا کے اعمال، مصنوعات، اور عمل کے سیاق و سباق میں اخلاقی مسائل کی فعال طور پر تحقیق کرنے اور ان کو درست کرنے کے اقدامات کرنے کا عمل ہے تاکہ یہ یقینی بنایا جا سکے کہ یہ ہمارے بیان کردہ اخلاقی اقدار کے مطابق رہیں۔

اخلاقیات کی ثقافت عملی اخلاقیات کو عملی جامہ پہنانے کے بارے میں ہے تاکہ یہ یقینی بنایا جا سکے کہ ہمارے اخلاقی اصول اور طریقے پوری تنظیم میں مستقل اور قابل پیمائش انداز میں اپنائے جائیں۔ کامیاب اخلاقی ثقافتیں تنظیمی سطح پر اخلاقی اصولوں کی وضاحت کرتی ہیں، تعمیل کے لیے بامعنی ترغیبات فراہم کرتی ہیں، اور ہر سطح پر مطلوبہ رویوں کو فروغ دے کر اخلاقی اصولوں کو تقویت دیتی ہیں۔

اخلاقیات کے تصورات

اس حصے میں، ہم مشترکہ اقدار (اصول) اور اخلاقی چیلنجز (مسائل) جیسے تصورات پر بات کریں گے اور کیس اسٹڈیز کا جائزہ لیں گے جو آپ کو حقیقی دنیا کے سیاق و سباق میں ان تصورات کو سمجھنے میں مدد دیتے ہیں۔

1. اخلاقی اصول

ہر ڈیٹا اخلاقیات کی حکمت عملی اخلاقی اصولوں کی وضاحت سے شروع ہوتی ہے - وہ "مشترکہ اقدار" جو قابل قبول رویوں کو بیان کرتی ہیں اور ہمارے ڈیٹا اور AI منصوبوں میں تعمیل کے اقدامات کی رہنمائی کرتی ہیں۔ آپ ان کی وضاحت انفرادی یا ٹیم کی سطح پر کر سکتے ہیں۔ تاہم، زیادہ تر بڑی تنظیمیں ان کی وضاحت ایک اخلاقی AI مشن بیان یا فریم ورک میں کرتی ہیں جو کارپوریٹ سطح پر بیان کیا جاتا ہے اور تمام ٹیموں میں مستقل طور پر نافذ کیا جاتا ہے۔

مثال: مائیکروسافٹ کا ذمہ دار AI مشن بیان کہتا ہے: "ہم AI کی ترقی کے لیے پرعزم ہیں جو اخلاقی اصولوں کے ذریعے لوگوں کو اولین ترجیح دیتا ہے" - جو نیچے دیے گئے فریم ورک میں 6 اخلاقی اصولوں کی نشاندہی کرتا ہے:

آئیے ان اصولوں کا مختصر جائزہ لیں۔ شفافیت اور جوابدہی بنیادی اقدار ہیں جن پر دیگر اصول تعمیر کیے گئے ہیں - تو آئیے یہاں سے شروع کرتے ہیں:

جوابدہی پریکٹیشنرز کو ان کے ڈیٹا اور AI آپریشنز اور ان اخلاقی اصولوں کی تعمیل کے لیے ذمہ دار بناتی ہے۔
شفافیت اس بات کو یقینی بناتی ہے کہ ڈیٹا اور AI کے اقدامات صارفین کے لیے سمجھے جانے کے قابل ہوں، فیصلوں کے پیچھے کیا اور کیوں کی وضاحت کرتے ہوئے۔
منصفانہ رویہ - اس بات پر مرکوز ہے کہ AI تمام لوگوں کے ساتھ منصفانہ سلوک کرے، ڈیٹا اور نظام میں کسی بھی نظامی یا مضمر سماجی-تکنیکی تعصبات کو حل کرے۔
قابل اعتماد اور حفاظت - اس بات کو یقینی بناتی ہے کہ AI مستقل طور پر بیان کردہ اقدار کے مطابق برتاؤ کرے، ممکنہ نقصانات یا غیر ارادی نتائج کو کم کرے۔
پرائیویسی اور سیکیورٹی - ڈیٹا کے ماخذ کو سمجھنے اور صارفین کو ڈیٹا پرائیویسی اور متعلقہ تحفظات فراہم کرنے کے بارے میں ہے۔
شمولیت - AI حل کو ارادے کے ساتھ ڈیزائن کرنے کے بارے میں ہے، انہیں وسیع انسانی ضروریات اور صلاحیتوں کو پورا کرنے کے لیے ڈھالنا۔

🚨 سوچیں کہ آپ کا ڈیٹا اخلاقیات کا مشن بیان کیا ہو سکتا ہے۔ دیگر تنظیموں کے اخلاقی AI فریم ورک کو دریافت کریں - یہاں IBM، Google، اور Facebook کی مثالیں ہیں۔ ان میں کون سی مشترکہ اقدار ہیں؟ یہ اصول ان کے AI پروڈکٹ یا صنعت سے کیسے متعلق ہیں؟

2. اخلاقی چیلنجز

جب ہم اخلاقی اصولوں کی وضاحت کر لیتے ہیں، تو اگلا قدم یہ ہے کہ ہم اپنے ڈیٹا اور AI کے اقدامات کا جائزہ لیں تاکہ یہ دیکھا جا سکے کہ آیا وہ ان مشترکہ اقدار کے مطابق ہیں۔ اپنے اقدامات کو دو زمروں میں سوچیں: ڈیٹا اکٹھا کرنا اور الگورتھم ڈیزائن۔

ڈیٹا اکٹھا کرنے کے ساتھ، اقدامات ممکنہ طور پر ذاتی ڈیٹا یا ذاتی طور پر قابل شناخت معلومات (PII) پر مشتمل ہوں گے جو زندہ افراد کی شناخت کر سکتی ہیں۔ اس میں غیر ذاتی ڈیٹا کی مختلف اشیاء شامل ہیں جو اجتماعی طور پر کسی فرد کی شناخت کرتی ہیں۔ اخلاقی چیلنجز ڈیٹا پرائیویسی، ڈیٹا کی ملکیت، اور متعلقہ موضوعات جیسے مطلع رضامندی اور صارفین کے لیے دانشورانہ املاک کے حقوق سے متعلق ہو سکتے ہیں۔

الگورتھم ڈیزائن کے ساتھ، اقدامات میں ڈیٹاسیٹس کو جمع کرنا اور ترتیب دینا شامل ہوگا، پھر ان کا استعمال کرتے ہوئے ڈیٹا ماڈلز کو تربیت دینا اور تعینات کرنا جو حقیقی دنیا کے سیاق و سباق میں نتائج کی پیش گوئی کرتے ہیں یا فیصلے خودکار بناتے ہیں۔ اخلاقی چیلنجز ڈیٹاسیٹ کے تعصب، ڈیٹا کے معیار کے مسائل، غیر منصفانہ رویہ، اور الگورتھمز میں غلط بیانی سے پیدا ہو سکتے ہیں - بشمول کچھ مسائل جو نظامی نوعیت کے ہیں۔

دونوں صورتوں میں، اخلاقی چیلنجز ان علاقوں کو اجاگر کرتے ہیں جہاں ہمارے اقدامات ہمارے مشترکہ اقدار کے ساتھ تنازعہ پیدا کر سکتے ہیں۔ ان خدشات کا پتہ لگانے، ان کو کم کرنے، کم سے کم کرنے، یا ختم کرنے کے لیے - ہمیں اپنے اقدامات سے متعلق اخلاقی "ہاں/نہیں" سوالات پوچھنے کی ضرورت ہے، پھر ضرورت کے مطابق اصلاحی اقدامات کریں۔ آئیے کچھ اخلاقی چیلنجز اور ان کے اٹھائے گئے اخلاقی سوالات پر نظر ڈالیں:

2.1 ڈیٹا کی ملکیت

ڈیٹا اکٹھا کرنا اکثر ذاتی ڈیٹا پر مشتمل ہوتا ہے جو ڈیٹا کے موضوعات کی شناخت کر سکتا ہے۔ ڈیٹا کی ملکیت ڈیٹا کی تخلیق، پروسیسنگ، اور تقسیم سے متعلق کنٹرول اور صارف کے حقوق کے بارے میں ہے۔

ہمیں جو اخلاقی سوالات پوچھنے کی ضرورت ہے:

ڈیٹا کا مالک کون ہے؟ (صارف یا تنظیم)
ڈیٹا کے موضوعات کے کیا حقوق ہیں؟ (مثلاً: رسائی، حذف، پورٹیبلٹی)
تنظیم کے کیا حقوق ہیں؟ (مثلاً: بدنیتی پر مبنی صارف کے جائزوں کو درست کرنا)

2.2 مطلع رضامندی

مطلع رضامندی اس عمل کی وضاحت کرتی ہے جس میں صارفین کسی عمل (جیسے ڈیٹا اکٹھا کرنا) پر مکمل معلومات کے ساتھ رضامندی دیتے ہیں، بشمول مقصد، ممکنہ خطرات، اور متبادلات۔