History

leestott a12f5d4c2d 🌐 Update translations via Co-op Translator		4 months ago
..
README.md	🌐 Update translations via Co-op Translator	4 months ago
assignment.md	🌐 Update translations via Co-op Translator	5 months ago

README.md

Unescape Escape

ڈیٹا اخلاقیات کا تعارف


ڈیٹا سائنس اخلاقیات - اسکیچ نوٹ @nitya کی طرف سے

ہم سب ایک ڈیٹا سے بھرپور دنیا میں ڈیٹا کے شہری ہیں۔

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 سے چلنے والی بصیرتوں اور الگورتھم سے چلنے والی خودکاریت کو روزمرہ کے صارف تجربات میں شامل کرنا آسان اور سستا ہوگا۔ لیکن جیسے جیسے AI عام ہوتا جا رہا ہے، ہمیں یہ بھی سمجھنا ہوگا کہ بڑے پیمانے پر ان الگورتھمز کے ہتھیار سازی سے کیا ممکنہ نقصان ہو سکتا ہے۔

رجحانات بتاتے ہیں کہ 2025 تک، ہم 180 زیٹا بائٹس سے زیادہ ڈیٹا پیدا کریں گے اور استعمال کریں گے۔ بطور ڈیٹا سائنسدان، معلومات کے اس دھماکے سے ہمیں ذاتی اور رویے کے ڈیٹا تک بے مثال رسائی حاصل ہوگی۔ اس کے ساتھ، صارفین کی تفصیلی پروفائلز بنانے اور فیصلہ سازی پر غیر محسوس طریقے سے اثر ڈالنے کی طاقت بھی آتی ہے—اکثر ایسے طریقوں سے جو آزاد انتخاب کا دھوکہ پیدا کرتے ہیں۔ اگرچہ یہ صارفین کو مطلوبہ نتائج کی طرف دھکیلنے کے لیے استعمال کیا جا سکتا ہے، لیکن یہ ڈیٹا کی پرائیویسی، خودمختاری، اور الگورتھمک اثر کے اخلاقی حدود کے بارے میں اہم سوالات بھی اٹھاتا ہے۔

ڈیٹا اخلاقیات اب ڈیٹا سائنس اور انجینئرنگ کے لیے ضروری حفاظتی اصول ہیں، جو ہمارے ڈیٹا سے چلنے والے اقدامات کے ممکنہ نقصانات اور غیر ارادی نتائج کو کم کرنے میں مدد کرتے ہیں۔ گارٹنر ہائپ سائیکل فار AI ڈیجیٹل اخلاقیات، ذمہ دار AI، اور AI گورننس میں متعلقہ رجحانات کی نشاندہی کرتا ہے، جو AI کی جمہوریت سازی اور صنعت کاری کے ارد گرد بڑے رجحانات کے کلیدی محرکات ہیں۔

اس سبق میں، ہم ڈیٹا اخلاقیات کے دلچسپ علاقے کو دریافت کریں گے - بنیادی تصورات اور چیلنجز سے لے کر کیس اسٹڈیز اور AI کے اطلاقی تصورات جیسے گورننس - جو ڈیٹا اور AI کے ساتھ کام کرنے والی ٹیموں اور تنظیموں میں اخلاقیات کی ثقافت قائم کرنے میں مدد کرتے ہیں۔

لیکچر سے پہلے کا کوئز 🎯

بنیادی تعریفیں

آئیے بنیادی اصطلاحات کو سمجھنے سے شروع کرتے ہیں۔

لفظ "اخلاقیات" 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 کے وسیع پیمانے پر قبول شدہ اصولوں پر مبنی ہیں کہ کیا "صحیح بمقابلہ غلط" ہے۔ تاہم، اخلاقی غور و فکر کارپوریٹ گورننس 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 پیداوار، 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۔

اطلاقی اخلاقیات اخلاقی غور و فکر کے عملی اطلاق کے بارے میں ہیں۔ یہ حقیقی دنیا کے اعمال، مصنوعات اور عمل کے سیاق و سباق میں اخلاقی مسائل کی فعال طور پر تحقیق کرنے، اور ان اخلاقی اقدار کے ساتھ ہم آہنگ رہنے کو یقینی بنانے کے لیے اصلاحی اقدامات کرنے کا عمل ہے۔

اخلاقیات کی ثقافت اطلاقی اخلاقیات کو عملی جامہ پہنانے کے بارے میں ہے تاکہ یہ یقینی بنایا جا سکے کہ ہماری اخلاقی اصول اور طریقے پورے تنظیم میں مستقل اور قابل پیمانہ انداز میں اپنائے جائیں۔ کامیاب اخلاقیات کی 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 اور بڑھا کر اخلاقیات کے 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 جو ڈیٹا اخلاقیات کے لیے اہم ہیں - 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. اخلاقیات کے 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 اصولوں کو انفرادی یا ٹیم کی سطح پر بیان کر سکتے ہیں۔ تاہم، زیادہ تر بڑی تنظیمیں ان اصولوں کو ایک اخلاقی AI مشن بیان یا فریم ورک میں بیان 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 اخلاقی اصولوں کے ذریعے پرعزم ہیں جو لوگوں کو اولین ترجیح دیتے ہیں" - اور نیچے دیے گئے فریم ورک میں 6 اخلاقی اصولوں کی نشاندہی کرتا ہے:

آئیے ان اصولوں کو مختصراً دریافت کریں۔ شفافیت اور جوابدہی بنیادی اقدار ہیں جن پر دیگر اصول تعمیر کیے گئے ہیں - تو آئیے یہاں سے شروع کرتے ہیں:

جوابدہی ڈیٹا اور AI کے آپریشنز کے لیے پریکٹیشنرز کو ذمہ دار بناتی ہے، اور ان اخلاقی اصولوں کی تعمیل کو یقینی بناتی ہے۔
شفافیت اس بات کو یقینی بناتی ہے کہ ڈیٹا اور AI کے اقدامات صارفین کے لیے سمجھنے کے قابل ہوں، فیصلوں کے پیچھے کیا اور کیوں کی وضاحت کرتے ہوئے۔
انصاف - اس بات کو یقینی بنانے پر مرکوز ہے کہ AI تمام لوگوں کے ساتھ منصفانہ سلوک کرے، ڈیٹا اور سسٹمز میں کسی بھی نظامی یا غیر واضح سماجی-تکنیکی تعصبات کو حل کرے۔
قابل اعتمادیت اور حفاظت - اس بات کو یقینی بناتی ہے کہ AI مقررہ اقدار کے ساتھ مستقل طور پر کام کرے، ممکنہ نقصانات یا غیر ارادی نتائج کو کم کرے۔
پرائیویسی اور سیکیورٹی - ڈیٹا کی اصلیت 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 انسانی ضروریات اور صلاحیتوں کی وسیع رینج کو پورا کرنے کے لیے ڈھالنا۔

🚨 سوچیں کہ آپ کا ڈیٹا اخلاقیات 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 کے مشترکہ اقدار کیا ہیں؟ یہ اصول ان کے AI پروڈکٹ یا صنعت سے کیسے متعلق ہیں جس میں وہ کام کرتے ہیں؟

2. اخلاقیات کے چیلنجز

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

ڈیٹا جمع کرنے کے ساتھ، اقدامات ممکنہ طور پر ذاتی ڈیٹا یا ذاتی طور پر قابل شناخت معلومات (PII) شامل کریں 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 دانشورانہ املاک کے حقوق سے متعلق ہو سکتے ہیں۔

الگورتھم ڈیزائن کے ساتھ، اقدامات ڈیٹا سیٹس جمع کرنے اور ان کی کیوریشن میں شامل ہوں گے، پھر انہیں ڈیٹا ماڈلز کو تربیت دینے اور تعینات کرنے کے لیے استعمال کریں گے جو حقیقی دنیا کے سیاق و سباق میں نتائج کی پیش گوئی کرتے ہیں یا فیصلے خودکار بناتے ہیں۔ اخلاقی چیلنجز ڈیٹا سیٹ کے تعصب, ڈیٹا کے معیار کے مسائل, غیر منصفانہ اور غلط نمائندگی الگورتھمز میں پیدا ہو سکتے ہیں - بشمول کچھ مسائل جو نظامی نوعیت کے ہیں۔

دونوں صورتوں میں، اخلاقیات کے 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، 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 جمع کرنا اکثر ذاتی ڈیٹا شامل کرتا ہے جو ڈیٹا کے موضوعات کی شناخت کر سکتا ہے۔ ڈیٹا کی ملکیت کنٹرول اور صارف کے حقوق سے متعلق ہے جو ڈیٹا کی تخلیق، پروسیسنگ، اور تقسیم سے متعلق ہیں۔

اخلاقی سوالات جو ہمیں پوچھنے کی ضرورت ہے:

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

2.2 مطلع رضامندی

مطلع رضامندی صارفین کے کسی عمل (جیسے ڈیٹا جمع کرنا) پر مکمل سمجھ کے ساتھ رضامندی دینے کے عمل کی وضاحت کرتی ہے، جس میں مقصد، ممکنہ خطرات، اور متبادل شامل ہیں۔