History

localizeflow[bot] 2a56f44f51 chore(i18n): sync translations with latest source changes (chunk 7/10, 100 files)		2 months ago
..
README.md	chore(i18n): sync translations with latest source changes (chunk 7/10, 100 files)	2 months ago
assignment.md	chore(i18n): sync translations with latest source changes (chunk 7/10, 100 files)	2 months ago

README.md

Translation for chunk 1 of 'README.md' skipped due to timeout.

ಮಾಹಿತಿ ವಾಸ್ತವಿಕತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವಲ್ಲಿ ನಿಖರವಾಗಿ ಸೆರೆಹಿಡಿದಿದೆಯೇ?

2.8 ಅಲ್ಗೋರಿದಮ್ ನ್ಯಾಯತಂತ್ರ

ಅಲ್ಗೋರಿದಮ್ ನ್ಯಾಯತಂತ್ರ ಅಲ್ಗೋರಿದಮ್ ವಿನ್ಯಾಸವು ನಿರ್ದಿಷ್ಟ ಉಪಗುಂಪುಗಳ ವಿರುದ್ಧ ಕ್ರಮಬದ್ಧವಾಗಿ ಭೇದಭಾವ ಮಾಡುತ್ತಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತದೆ, ಇದರಿಂದ ವಿತರಣೆಯಲ್ಲಿ (ಆ ಗುಂಪಿನಿಂದ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನಿರಾಕರಿಸುವುದು ಅಥವಾ ತಡೆಯುವುದು) ಮತ್ತು ಸೇವೆಯ ಗುಣಮಟ್ಟದಲ್ಲಿ (ಕೆಲವು ಉಪಗುಂಪುಗಳಿಗೆ AI ಇತರರಿಗಿಂತ ಕಡಿಮೆ ನಿಖರವಾಗಿರುವುದು) ಸಂಭಾವ್ಯ ಹಾನಿಗಳು ಉಂಟಾಗಬಹುದು.

ಇಲ್ಲಿ ಪರಿಶೀಲಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು:

ನಾವು ವಿಭಿನ್ನ ಉಪಗುಂಪುಗಳು ಮತ್ತು ಪರಿಸ್ಥಿತಿಗಳಿಗಾಗಿ ಮಾದರಿ ನಿಖರತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇವೇ?
ನಾವು ವ್ಯವಸ್ಥೆಯನ್ನು ಸಾಧ್ಯವಿರುವ ಹಾನಿಗಳಿಗಾಗಿ (ಉದಾ: ಸ್ಟೀರಿಯೋಟೈಪಿಂಗ್) ಪರಿಶೀಲಿಸಿದ್ದೇವೇ?
ಗುರುತಿಸಿದ ಹಾನಿಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ನಾವು ಡೇಟಾವನ್ನು ಪರಿಷ್ಕರಿಸಬಹುದೇ ಅಥವಾ ಮಾದರಿಗಳನ್ನು ಮರುಶಿಕ್ಷಣ ಮಾಡಬಹುದೇ?

ಹೆಚ್ಚು ತಿಳಿಯಲು AI ನ್ಯಾಯತಂತ್ರ ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗಳು ಅನ್ನು ಅನ್ವೇಷಿಸಿ.

2.9 ತಪ್ಪು ಪ್ರತಿನಿಧಾನ

ಡೇಟಾ ತಪ್ಪು ಪ್ರತಿನಿಧಾನ ಎಂದರೆ ನಾವು ಪ್ರಾಮಾಣಿಕವಾಗಿ ವರದಿಯಾದ ಡೇಟಾದಿಂದ ತಿಳಿವಳಿಕೆಗಳನ್ನು ಮೋಸಮಯ ರೀತಿಯಲ್ಲಿ ಸಂವಹನ ಮಾಡುತ್ತಿದೇವೇ ಎಂದು ಕೇಳುವುದು, ಇದರಿಂದ ಇಚ್ಛಿತ ಕಥನವನ್ನು ಬೆಂಬಲಿಸಲಾಗುತ್ತದೆ.

ಇಲ್ಲಿ ಪರಿಶೀಲಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು:

ನಾವು ಅಪೂರ್ಣ ಅಥವಾ ಅಸತ್ಯ ಡೇಟಾವನ್ನು ವರದಿ ಮಾಡುತ್ತಿದ್ದೇವೇ?
ನಾವು ಡೇಟಾವನ್ನು ತಪ್ಪು ನಿರ್ಣಯಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಡುವ ರೀತಿಯಲ್ಲಿ ದೃಶ್ಯೀಕರಿಸುತ್ತಿದ್ದೇವೇ?
ನಾವು ಫಲಿತಾಂಶಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಆಯ್ಕೆಮಾಡಿದ ಸಾಂಖ್ಯಿಕ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತಿದ್ದೇವೇ?
ವಿಭಿನ್ನ ನಿರ್ಣಯವನ್ನು ನೀಡಬಹುದಾದ ಪರ್ಯಾಯ ವಿವರಣೆಗಳಿವೆಯೇ?

2.10 ಸ್ವತಂತ್ರ ಆಯ್ಕೆ

ಸ್ವತಂತ್ರ ಆಯ್ಕೆಯ ಭ್ರಮೆ ಆಗುತ್ತದೆ, যখন ವ್ಯವಸ್ಥೆಯ "ಆಯ್ಕೆ ವಾಸ್ತುಶಿಲ್ಪಗಳು" ನಿರ್ಧಾರಮಾಡುವ ಅಲ್ಗೋರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಜನರನ್ನು ಇಚ್ಛಿತ ಫಲಿತಾಂಶವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಪ್ರೇರೇಪಿಸುತ್ತವೆ, ಆದರೆ ಅವರಿಗೆ ಆಯ್ಕೆಗಳು ಮತ್ತು ನಿಯಂತ್ರಣವಿದೆ ಎಂದು ತೋರುತ್ತದೆ. ಈ ಕತ್ತಲೆಯ ಮಾದರಿಗಳು ಬಳಕೆದಾರರಿಗೆ ಸಾಮಾಜಿಕ ಮತ್ತು ಆರ್ಥಿಕ ಹಾನಿ ಉಂಟುಮಾಡಬಹುದು. ಬಳಕೆದಾರರ ನಿರ್ಧಾರಗಳು ವರ್ತನೆ ಪ್ರೊಫೈಲ್‌ಗಳನ್ನು ಪ್ರಭಾವಿಸುವುದರಿಂದ, ಈ ಕ್ರಿಯೆಗಳು ಭವಿಷ್ಯದ ಆಯ್ಕೆಗಳನ್ನು ಪ್ರೇರೇಪಿಸಬಹುದು ಮತ್ತು ಹಾನಿಯ ಪರಿಣಾಮವನ್ನು ವಿಸ್ತರಿಸಬಹುದು.

ಇಲ್ಲಿ ಪರಿಶೀಲಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು:

ಆ ಆಯ್ಕೆ ಮಾಡುವ ಪರಿಣಾಮಗಳನ್ನು ಬಳಕೆದಾರನು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದಾನೆಯೇ?
ಬಳಕೆದಾರನು (ಪರ್ಯಾಯ) ಆಯ್ಕೆಗಳನ್ನು ಮತ್ತು ಪ್ರತಿಯೊಂದರ ಲಾಭ-ನಷ್ಟಗಳನ್ನು ತಿಳಿದಿದ್ದಾನೆಯೇ?
ಬಳಕೆದಾರನು ನಂತರ ಸ್ವಯಂಚಾಲಿತ ಅಥವಾ ಪ್ರಭಾವಿತ ಆಯ್ಕೆಯನ್ನು ಹಿಂಪಡೆಯಬಹುದೇ?

3. ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳು

ಈ ನೈತಿಕ ಸವಾಲುಗಳನ್ನು ನೈಜ ಜಗತ್ತಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ನೋಡಲು, ಇಂತಹ ನೈತಿಕ ಉಲ್ಲಂಘನೆಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಿದಾಗ ವ್ಯಕ್ತಿಗಳು ಮತ್ತು ಸಮಾಜಕ್ಕೆ ಸಂಭವಿಸಬಹುದಾದ ಹಾನಿ ಮತ್ತು ಪರಿಣಾಮಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡುವ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳನ್ನು ನೋಡುವುದು ಸಹಾಯಕ.

ಕೆಲವು ಉದಾಹರಣೆಗಳು:

ನೈತಿಕ ಸವಾಲು	ಪ್ರಕರಣ ಅಧ್ಯಯನ
ಜಾಗೃತ ಅನುಮತಿ	1972 - ಟಸ್ಕೀಗಿ ಸಿಫಿಲಿಸ್ ಅಧ್ಯಯನ - ಅಧ್ಯಯನದಲ್ಲಿ ಭಾಗವಹಿಸಿದ ಆಫ್ರಿಕನ್ ಅಮೆರಿಕನ್ ಪುರುಷರಿಗೆ ಉಚಿತ ವೈದ್ಯಕೀಯ ಸೇವೆ ನೀಡಲಾಗುವುದು ಎಂದು ಭರವಸೆ ನೀಡಲಾಯಿತು ಆದರೆ ಸಂಶೋಧಕರು ಅವರ ರೋಗನಿರ್ಣಯ ಅಥವಾ ಚಿಕಿತ್ಸೆ ಲಭ್ಯತೆಯ ಬಗ್ಗೆ ಮಾಹಿತಿ ನೀಡದೆ ಮೋಸ ಮಾಡಿದರು. ಅನೇಕ ವಿಷಯಗಳು ಸತ್ತವು ಮತ್ತು ಅವರ ಸಂಗಾತಿಗಳು ಅಥವಾ ಮಕ್ಕಳು ಪ್ರಭಾವಿತರಾದರು; ಅಧ್ಯಯನ 40 ವರ್ಷಗಳ ಕಾಲ ನಡೆಯಿತು.
ಡೇಟಾ ಗೌಪ್ಯತೆ	2007 - ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಡೇಟಾ ಬಹುಮಾನ ಸಂಶೋಧಕರಿಗೆ 50,000 ಗ್ರಾಹಕರಿಂದ 10 ಮಿಲಿಯನ್ ಅನಾಮಧೇಯ ಚಲನಚಿತ್ರ ರ್ಯಾಂಕಿಂಗ್‌ಗಳು ನೀಡಲಾಯಿತು, ಶಿಫಾರಸು ಅಲ್ಗೋರಿದಮ್‌ಗಳನ್ನು ಸುಧಾರಿಸಲು. ಆದರೆ ಸಂಶೋಧಕರು ಅನಾಮಧೇಯ ಡೇಟಾವನ್ನು ವೈಯಕ್ತಿಕ ಗುರುತಿನ ಡೇಟಾದೊಂದಿಗೆ ಬಾಹ್ಯ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ (ಉದಾ: IMDb ಕಾಮೆಂಟ್ಸ್) ಹೊಂದಿಸಿ ಕೆಲವು ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಗ್ರಾಹಕರನ್ನು "ಅನಾಮಧೇಯತೆ ಮುರಿದ"ರು.
ಸಂಗ್ರಹಣ ಪಕ್ಷಪಾತ	2013 - ಬೋಸ್ಟನ್ ನಗರ ಸ್ಟ್ರೀಟ್ ಬಂಪ್ ಎಂಬ ಅಪ್ಲಿಕೇಶನ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿತು, ಇದು ನಾಗರಿಕರಿಗೆ ರಸ್ತೆ ಬಿರುಕುಗಳನ್ನು ವರದಿ ಮಾಡಲು ಅವಕಾಶ ನೀಡಿತು, ನಗರಕ್ಕೆ ಉತ್ತಮ ರಸ್ತೆ ಡೇಟಾ ಸಿಗಲು ಸಹಾಯ ಮಾಡಿತು. ಆದರೆ ಕಡಿಮೆ ಆದಾಯ ಗುಂಪಿನ ಜನರಿಗೆ ಕಾರುಗಳು ಮತ್ತು ಫೋನ್‌ಗಳಿಗೆ ಕಡಿಮೆ ಪ್ರವೇಶವಿತ್ತು, ಇದರಿಂದ ಅವರ ರಸ್ತೆ ಸಮಸ್ಯೆಗಳು ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ ಕಾಣಿಸದಿದ್ದವು. ಅಭಿವೃದ್ಧಿಪಡಿಸುವವರು ನ್ಯಾಯತಂತ್ರಕ್ಕಾಗಿ ಸಮಾನ ಪ್ರವೇಶ ಮತ್ತು ಡಿಜಿಟಲ್ ವಿಭಜನೆಗಳ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಅಕಾಡೆಮಿಕ್ಸ್ ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡಿದರು.
ಅಲ್ಗೋರಿದ್ಮಿಕ ನ್ಯಾಯತಂತ್ರ	2018 - MIT ಜೆಂಡರ್ ಶೇಡ್ಸ್ ಅಧ್ಯಯನ ಲಿಂಗ ವರ್ಗೀಕರಣ AI ಉತ್ಪನ್ನಗಳ ನಿಖರತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿತು, ಮಹಿಳೆಯರು ಮತ್ತು ಬಣ್ಣದ ವ್ಯಕ್ತಿಗಳಿಗಾಗಿ ನಿಖರತೆಯಲ್ಲಿ ಗ್ಯಾಪ್‌ಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು. 2019 ಆಪಲ್ ಕಾರ್ಡ್ ಮಹಿಳೆಯರಿಗೆ ಪುರುಷರಿಗಿಂತ ಕಡಿಮೆ ಕ್ರೆಡಿಟ್ ನೀಡಿದಂತೆ ತೋರುತ್ತಿತ್ತು. ಎರಡೂ ಅಲ್ಗೋರಿದ್ಮಿಕ ಪಕ್ಷಪಾತದ ಸಮಸ್ಯೆಗಳನ್ನು ಮತ್ತು ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ಹಾನಿಗಳನ್ನು ತೋರಿಸಿತು.
ಡೇಟಾ ತಪ್ಪು ಪ್ರತಿನಿಧಾನ	2020 - ಜಾರ್ಜಿಯಾ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಇಲಾಖೆ COVID-19 ಚಾರ್ಟ್‌ಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿತು, ಇದು ದೃಶ್ಯೀಕರಣದ ತಂತ್ರಗಳಿಂದ ತಪ್ಪು ನಿರ್ಣಯಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಟ್ಟಂತೆ ತೋರುತ್ತಿತ್ತು, ಖಚಿತ ಪ್ರಕರಣಗಳ ಪ್ರವೃತ್ತಿಗಳನ್ನು ತಪ್ಪಾಗಿ ತೋರಿಸುವಂತೆ x-ಅಕ್ಷದಲ್ಲಿ ಕಾಲಕ್ರಮವಿಲ್ಲದ ಕ್ರಮದಲ್ಲಿ.
ಸ್ವತಂತ್ರ ಆಯ್ಕೆಯ ಭ್ರಮೆ	2020 - ಲರ್ನಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್ ABCmouse $10 ಮಿಲಿಯನ್ FTC ದೂರು ಪರಿಹರಿಸಲು ಪಾವತಿಸಿತು, ಇಲ್ಲಿ ಪೋಷಕರು ರದ್ದುಮಾಡಲಾಗದ ಸಬ್ಸ್ಕ್ರಿಪ್ಷನ್‌ಗಳಿಗೆ ಹಣ ಪಾವತಿಸಲು ಬಿದ್ದಿದ್ದರು. ಇದು ಆಯ್ಕೆ ವಾಸ್ತುಶಿಲ್ಪಗಳಲ್ಲಿ ಕತ್ತಲೆಯ ಮಾದರಿಗಳನ್ನು ತೋರಿಸುತ್ತದೆ, ಬಳಕೆದಾರರನ್ನು ಹಾನಿಕರ ಆಯ್ಕೆಗಳಿಗೆ ಪ್ರೇರೇಪಿಸುವುದು.
ಡೇಟಾ ಗೌಪ್ಯತೆ ಮತ್ತು ಬಳಕೆದಾರ ಹಕ್ಕುಗಳು	2021 - ಫೇಸ್ಬುಕ್ ಡೇಟಾ ಲೋಪ 530 ಮಿಲಿಯನ್ ಬಳಕೆದಾರರ ಡೇಟಾವನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು, ಇದರಿಂದ FTC ಗೆ $5 ಬಿಲಿಯನ್ ಪರಿಹಾರ ನೀಡಲಾಯಿತು. ಆದರೆ ಬಳಕೆದಾರರಿಗೆ ಈ ಲೋಪದ ಬಗ್ಗೆ ತಿಳಿಸುವುದನ್ನು ನಿರಾಕರಿಸಿತು, ಇದು ಡೇಟಾ ಪಾರದರ್ಶಕತೆ ಮತ್ತು ಪ್ರವೇಶದ ಹಕ್ಕುಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿತು.

ಹೆಚ್ಚು ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಇಚ್ಛಿಸುವಿರಾ? ಈ ಸಂಪನ್ಮೂಲಗಳನ್ನು ನೋಡಿ:

Ethics Unwrapped - ವಿಭಿನ್ನ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ ನೈತಿಕ ಸಂಕಟಗಳು.
ಡೇಟಾ ಸೈನ್ಸ್ ನೈತಿಕತೆ ಕೋರ್ಸ್ - ಪ್ರಮುಖ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳನ್ನು ಅನ್ವೇಷಿಸಲಾಗಿದೆ.
ಎಲ್ಲಿ ತಪ್ಪಾಗಿದೆ - ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಡಿಯೋನ್ ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗಳು

🚨 ನೀವು ನೋಡಿದ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳನ್ನು ಯೋಚಿಸಿ - ನೀವು ನಿಮ್ಮ ಜೀವನದಲ್ಲಿ ಇಂತಹ ನೈತಿಕ ಸವಾಲುಗಳನ್ನು ಅನುಭವಿಸಿದ್ದೀರಾ ಅಥವಾ ಪ್ರಭಾವಿತರಾಗಿದ್ದೀರಾ? ನಾವು ಈ ವಿಭಾಗದಲ್ಲಿ ಚರ್ಚಿಸಿದ ನೈತಿಕ ಸವಾಲುಗಳಲ್ಲಿ ಒಂದನ್ನು ತೋರಿಸುವ ಇನ್ನೊಂದು ಪ್ರಕರಣ ಅಧ್ಯಯನವನ್ನು ನೀವು ಯೋಚಿಸಬಹುದೇ?

ಅನ್ವಯಿತ ನೈತಿಕತೆ

ನಾವು ನೈತಿಕತೆಯ ಸಂಪ್ರದಾಯಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ನೈಜ ಜಗತ್ತಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳನ್ನು ಚರ್ಚಿಸಿದ್ದೇವೆ. ಆದರೆ ನಮ್ಮ ಯೋಜನೆಗಳಲ್ಲಿ ನೈತಿಕ ತತ್ವಗಳು ಮತ್ತು ಅಭ್ಯಾಸಗಳನ್ನು ಅನ್ವಯಿಸುವುದು ಹೇಗೆ ಪ್ರಾರಂಭಿಸಬಹುದು? ಮತ್ತು ಉತ್ತಮ ಆಡಳಿತಕ್ಕಾಗಿ ಈ ಅಭ್ಯಾಸಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಹೇಗೆ? ಕೆಲವು ನೈಜ ಜಗತ್ತಿನ ಪರಿಹಾರಗಳನ್ನು ಅನ್ವೇಷಿಸೋಣ:

1. ವೃತ್ತಿಪರ ಸಂಹಿತೆಗಳು

ವೃತ್ತಿಪರ ಸಂಹಿತೆಗಳು ಸಂಸ್ಥೆಗಳಿಗೆ ಸದಸ್ಯರನ್ನು ಅವರ ನೈತಿಕ ತತ್ವಗಳು ಮತ್ತು ಮಿಷನ್ ಹೇಳಿಕೆಯನ್ನು ಬೆಂಬಲಿಸಲು "ಪ್ರೇರೇಪಿಸುವ" ಒಂದು ಆಯ್ಕೆಯನ್ನು ನೀಡುತ್ತವೆ. ಸಂಹಿತೆಗಳು ವೃತ್ತಿಪರ ವರ್ತನೆಗಾಗಿ ನೈತಿಕ ಮಾರ್ಗದರ್ಶಿಗಳು, ಉದ್ಯೋಗಿಗಳು ಅಥವಾ ಸದಸ್ಯರು ಸಂಸ್ಥೆಯ ತತ್ವಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಅವು ಸದಸ್ಯರಿಂದ ಸ್ವಯಂಸೇವಕ ಅನುಸರಣೆ ಮಾತ್ರವಷ್ಟೇ ಉತ್ತಮವಾಗಿರುತ್ತವೆ; ಆದಾಗ್ಯೂ, ಅನೇಕ ಸಂಸ್ಥೆಗಳು ಸದಸ್ಯರಿಂದ ಅನುಸರಣೆಗಾಗಿ ಹೆಚ್ಚುವರಿ ಬಹುಮಾನಗಳು ಮತ್ತು ದಂಡಗಳನ್ನು ನೀಡುತ್ತವೆ.

ಉದಾಹರಣೆಗಳು:

ಆಕ್ಸ್ಫರ್ಡ್ ಮುನಿಚ್ ನೈತಿಕ ಸಂಹಿತೆ
ಡೇಟಾ ಸೈನ್ಸ್ ಅಸೋಸಿಯೇಷನ್ ವರ್ತನೆ ಸಂಹಿತೆ (2013 ರಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ)
ACM ನೈತಿಕತೆ ಮತ್ತು ವೃತ್ತಿಪರ ವರ್ತನೆ ಸಂಹಿತೆ (1993 ರಿಂದ)

🚨 ನೀವು ವೃತ್ತಿಪರ ಎಂಜಿನಿಯರಿಂಗ್ ಅಥವಾ ಡೇಟಾ ಸೈನ್ಸ್ ಸಂಸ್ಥೆಗೆ ಸೇರಿದವರಾ? ಅವರ ತಾಣವನ್ನು ಪರಿಶೀಲಿಸಿ ಅವರು ವೃತ್ತಿಪರ ನೈತಿಕ ಸಂಹಿತೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತಾರೆಯೇ ಎಂದು ನೋಡಿ. ಅವರ ನೈತಿಕ ತತ್ವಗಳ ಬಗ್ಗೆ ಇದು ಏನು ಹೇಳುತ್ತದೆ? ಸದಸ್ಯರನ್ನು ಸಂಹಿತೆಯನ್ನು ಅನುಸರಿಸಲು ಅವರು ಹೇಗೆ "ಪ್ರೇರೇಪಿಸುತ್ತಿದ್ದಾರೆ"?

2. ನೈತಿಕ ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗಳು

ವೃತ್ತಿಪರ ಸಂಹಿತೆಗಳು ಅಭ್ಯಾಸಗಾರರಿಂದ ಅಗತ್ಯವಿರುವ ನೈತಿಕ ವರ್ತನೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತವೆ, ಆದರೆ ಅವು ನಿರ್ವಹಣೆಯಲ್ಲಿ ವಿಶೇಷವಾಗಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಯೋಜನೆಗಳಲ್ಲಿ ಹೆಚ್ಚು ಮಿತಿಗಳನ್ನು ಹೊಂದಿವೆ. ಬದಲಾಗಿ, ಅನೇಕ ಡೇಟಾ ಸೈನ್ಸ್ ತಜ್ಞರು ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತಾರೆ, ಅವು ತತ್ವಗಳನ್ನು ಅಭ್ಯಾಸಗಳಿಗೆ ಹೆಚ್ಚು ನಿರ್ಧಾರಾತ್ಮಕ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವ ರೀತಿಯಲ್ಲಿ ಸಂಪರ್ಕಿಸುತ್ತವೆ.

ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗಳು ಪ್ರಶ್ನೆಗಳನ್ನು "ಹೌದು/ಇಲ್ಲ" ಕಾರ್ಯಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ, ಅವುಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು ಮತ್ತು ಮಾನಕ ಉತ್ಪನ್ನ ಬಿಡುಗಡೆ ಕಾರ್ಯಪ್ರವಾಹಗಳ ಭಾಗವಾಗಿ ಟ್ರ್ಯಾಕ್ ಮಾಡಬಹುದು.

ಉದಾಹರಣೆಗಳು:

ಡಿಯೋನ್ - ಉದ್ಯಮ ಶಿಫಾರಸುಗಳಿಂದ ರಚಿಸಲಾದ ಸಾಮಾನ್ಯ ಉದ್ದೇಶದ ಡೇಟಾ ನೈತಿಕತೆ ಪರಿಶೀಲನಾ ಪಟ್ಟಿ, ಸುಲಭ ಏಕೀಕರಣಕ್ಕಾಗಿ ಕಮಾಂಡ್-ಲೈನ್ ಉಪಕರಣದೊಂದಿಗೆ.
ಗೌಪ್ಯತೆ ಪರಿಶೀಲನಾ ಪಟ್ಟಿ - ಕಾನೂನು ಮತ್ತು ಸಾಮಾಜಿಕ ಅನಾವರಣ ದೃಷ್ಟಿಕೋನಗಳಿಂದ ಮಾಹಿತಿ ನಿರ್ವಹಣಾ ಅಭ್ಯಾಸಗಳಿಗೆ ಸಾಮಾನ್ಯ ಮಾರ್ಗದರ್ಶನ.
AI ನ್ಯಾಯತಂತ್ರ ಪರಿಶೀಲನಾ ಪಟ್ಟಿ - AI ಅಭಿವೃದ್ದಿ ಚಕ್ರಗಳಲ್ಲಿ ನ್ಯಾಯತಂತ್ರ ಪರಿಶೀಲನೆಗಳನ್ನು ಅಳವಡಿಸಲು AI ಅಭ್ಯಾಸಗಾರರಿಂದ ರಚಿಸಲಾಗಿದೆ.
ಡೇಟಾ ಮತ್ತು AI ನೈತಿಕತೆಯ 22 ಪ್ರಶ್ನೆಗಳು - ವಿನ್ಯಾಸ, ಅನುಷ್ಠಾನ ಮತ್ತು ಸಂಸ್ಥೆಯ ಸಂದರ್ಭಗಳಲ್ಲಿ ನೈತಿಕ ಸಮಸ್ಯೆಗಳ ಪ್ರಾಥಮಿಕ ಅನ್ವೇಷಣೆಗೆ ರಚಿಸಲಾದ ಹೆಚ್ಚು ತೆರೆಯಾದ ಚಟುವಟಿಕೆ.

3. ನೈತಿಕ ನಿಯಮಗಳು

ನೈತಿಕತೆ ಎಂದರೆ ಹಂಚಿಕೊಂಡ ಮೌಲ್ಯಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಸರಿಯಾದ ಕೆಲಸವನ್ನು ಸ್ವಯಂಸೇವಕವಾಗಿ ಮಾಡುವುದು. ಅನುಸರಣೆ ಎಂದರೆ ಕಾನೂನನ್ನು ಅನುಸರಿಸುವುದು ಆಗಿದ್ದು, ಅದು ವ್ಯಾಖ್ಯಾನಿಸಲ್ಪಟ್ಟಿದ್ದಲ್ಲಿ. ಆಡಳಿತ ಎಂದರೆ ಸಂಸ್ಥೆಗಳು ನೈತಿಕ ತತ್ವಗಳನ್ನು ಜಾರಿಗೆ ತರುವ ಮತ್ತು ಸ್ಥಾಪಿತ ಕಾನೂನುಗಳನ್ನು ಅನುಸರಿಸುವ ಎಲ್ಲಾ ವಿಧಾನಗಳನ್ನು ವ್ಯಾಪಕವಾಗಿ ಒಳಗೊಂಡಿದೆ.

ಇಂದು, ಸಂಸ್ಥೆಗಳೊಳಗಿನ ಆಡಳಿತ ಎರಡು ರೂಪಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಅದು ನೈತಿಕ AI ತತ್ವಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಸಂಸ್ಥೆಯ ಎಲ್ಲಾ AI ಸಂಬಂಧಿತ ಯೋಜನೆಗಳಲ್ಲಿ ಅಳವಡಿಕೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಅಭ್ಯಾಸಗಳನ್ನು ಸ್ಥಾಪಿಸುವುದಾಗಿದೆ. ಎರಡನೆಯದಾಗಿ, ಅದು ಸಂಸ್ಥೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಪ್ರದೇಶಗಳ ಎಲ್ಲಾ ಸರ್ಕಾರ-ನಿರ್ದೇಶಿತ ಡೇಟಾ ರಕ್ಷಣೆ ನಿಯಮಾವಳಿಗಳನ್ನು ಅನುಸರಿಸುವುದಾಗಿದೆ.

ಡೇಟಾ ರಕ್ಷಣೆ ಮತ್ತು ಗೌಪ್ಯತೆ ನಿಯಮಾವಳಿಗಳ ಉದಾಹರಣೆಗಳು:

1974, US ಗೌಪ್ಯತೆ ಕಾಯ್ದೆ - ಫೆಡರಲ್ ಸರ್ಕಾರದ ವೈಯಕ್ತಿಕ ಮಾಹಿತಿಯ ಸಂಗ್ರಹಣೆ, ಬಳಕೆ ಮತ್ತು ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ.
1996, US ಆರೋಗ್ಯ ವಿಮಾ ಪೋರ್ಟಬಿಲಿಟಿ ಮತ್ತು ಜವಾಬ್ದಾರಿ ಕಾಯ್ದೆ (HIPAA) - ವೈಯಕ್ತಿಕ ಆರೋಗ್ಯ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುತ್ತದೆ.
1998, US ಮಕ್ಕಳ ಆನ್ಲೈನ್ ಗೌಪ್ಯತೆ ರಕ್ಷಣೆ ಕಾಯ್ದೆ (COPPA) - 13 ವರ್ಷಕ್ಕಿಂತ ಕಡಿಮೆ ವಯಸ್ಸಿನ ಮಕ್ಕಳ ಡೇಟಾ ಗೌಪ್ಯತೆಯನ್ನು ರಕ್ಷಿಸುತ್ತದೆ.
2018, ಸಾಮಾನ್ಯ ಡೇಟಾ ರಕ್ಷಣೆ ನಿಯಮಾವಳಿ (GDPR) - ಬಳಕೆದಾರರ ಹಕ್ಕುಗಳು, ಡೇಟಾ ರಕ್ಷಣೆ ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
2018, ಕ್ಯಾಲಿಫೋರ್ನಿಯಾ ಗ್ರಾಹಕ ಗೌಪ್ಯತೆ ಕಾಯ್ದೆ (CCPA) ಗ್ರಾಹಕರಿಗೆ ಅವರ (ವೈಯಕ್ತಿಕ) ಡೇಟಾದ ಮೇಲೆ ಹೆಚ್ಚು ಹಕ್ಕುಗಳನ್ನು ನೀಡುತ್ತದೆ.
2021, ಚೀನಾದ ವೈಯಕ್ತಿಕ ಮಾಹಿತಿ ರಕ್ಷಣೆ ಕಾಯ್ದೆ ಇತ್ತೀಚೆಗೆ ಅಂಗೀಕರಿಸಲ್ಪಟ್ಟಿದ್ದು, ಜಾಗತಿಕವಾಗಿ ಅತ್ಯಂತ ಬಲವಾದ ಆನ್ಲೈನ್ ಡೇಟಾ ಗೌಪ್ಯತೆ ನಿಯಮಾವಳಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ.

🚨 ಯುರೋಪಿಯನ್ ಯೂನಿಯನ್ ವ್ಯಾಖ್ಯಾನಿಸಿದ GDPR (ಸಾಮಾನ್ಯ ಡೇಟಾ ರಕ್ಷಣೆ ನಿಯಮಾವಳಿ) ಇಂದಿಗೂ ಅತ್ಯಂತ ಪ್ರಭಾವಶಾಲಿ ಡೇಟಾ ಗೌಪ್ಯತೆ ನಿಯಮಾವಳಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ನೀವು ತಿಳಿದಿದ್ದೀರಾ, ಇದು ನಾಗರಿಕರ ಡಿಜಿಟಲ್ ಗೌಪ್ಯತೆ ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಲು 8 ಬಳಕೆದಾರ ಹಕ್ಕುಗಳನ್ನು ಕೂಡ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ? ಅವು ಏನೆಂದು ಮತ್ತು ಅವು ಏಕೆ ಮಹತ್ವದವೋ ತಿಳಿದುಕೊಳ್ಳಿ.

4. ನೈತಿಕ ಸಂಸ್ಕೃತಿ

ಅನುಸರಣೆ (ಕಾನೂನಿನ "ಅಕ್ಷರ" ಅನ್ನು ಪೂರೈಸುವಷ್ಟು ಮಾಡುವಿಕೆ) ಮತ್ತು ವ್ಯವಸ್ಥಿತ ಸಮಸ್ಯೆಗಳನ್ನು (ಉದಾ: ಸ್ಥಿರತೆ, ಮಾಹಿತಿ ಅಸಮತೋಲನ, ವಿತರಣಾತ್ಮಕ ಅನ್ಯಾಯ) ಪರಿಹರಿಸುವುದರ ನಡುವೆ ಅಸ್ಪಷ್ಟವಾದ ಗ್ಯಾಪ್ ಇರುತ್ತದೆ, ಇದು AI ಯನ್ನು ಶಸ್ತ್ರಾಸ್ತ್ರಗೊಳಿಸುವಿಕೆಯನ್ನು ವೇಗಗೊಳಿಸಬಹುದು.

ಇದಕ್ಕಾಗಿ ನೈತಿಕ ಸಂಸ್ಕೃತಿಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಸಹಕಾರಾತ್ಮಕ ವಿಧಾನಗಳು ಅಗತ್ಯವಿದೆ, ಅವು ಭಾವನಾತ್ಮಕ ಸಂಪರ್ಕಗಳನ್ನು ಮತ್ತು ಕೈಗಾರಿಕೆಯಲ್ಲಿ ಸಂಸ್ಥೆಗಳ ನಡುವೆ ಸತತ ಹಂಚಿಕೊಂಡ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತವೆ. ಇದಕ್ಕಾಗಿ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಹೆಚ್ಚು ಆಧಿಕೃತ ಡೇಟಾ ನೈತಿಕ ಸಂಸ್ಕೃತಿಗಳನ್ನು ರೂಪಿಸುವ ಅಗತ್ಯವಿದೆ - ಇದರಿಂದ ಯಾರಾದರೂ ಅಂಡನ್ ಕೇಬಲ್ (ನೈತಿಕ ಚಿಂತೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಯ ಆರಂಭದಲ್ಲಿ ಎತ್ತಲು) ಅನ್ನು ಎಳೆಯಬಹುದು ಮತ್ತು ನೈತಿಕ ಮೌಲ್ಯಮಾಪನಗಳು (ಉದಾ: ನೇಮಕಾತಿಯಲ್ಲಿ) AI ಯೋಜನೆಗಳಲ್ಲಿ ತಂಡ ರಚನೆಯ ಪ್ರಮುಖ ಮಾನದಂಡವಾಗಿರುತ್ತವೆ.

ಪಾಠೋತ್ತರ ಪ್ರಶ್ನೋತ್ತರ 🎯

ವಿಮರ್ಶೆ ಮತ್ತು ಸ್ವಯಂ ಅಧ್ಯಯನ

ಕೋರ್ಸ್‌ಗಳು ಮತ್ತು ಪುಸ್ತಕಗಳು ಮೂಲ ನೈತಿಕತೆಯ ಸಂಪ್ರದಾಯಗಳು ಮತ್ತು ಸವಾಲುಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ, ಮತ್ತು ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳು ಮತ್ತು ಉಪಕರಣಗಳು ನೈಜ ಜಗತ್ತಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅನ್ವಯಿತ ನೈತಿಕ ಅಭ್ಯಾಸಗಳಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಪ್ರಾರಂಭಿಸಲು ಕೆಲವು ಸಂಪನ್ಮೂಲಗಳು ಇಲ್ಲಿವೆ.

ಆರಂಭಿಕರಿಗಾಗಿ ಯಂತ್ರ ಅಧ್ಯಯನ - ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನಿಂದ ನ್ಯಾಯತೆಯ ಪಾಠ.
ಜವಾಬ್ದಾರಿಯುತ AI ನ ತತ್ವಗಳು - ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್‌ನಿಂದ ಉಚಿತ ಅಧ್ಯಯನ ಮಾರ್ಗ.
ನೈತಿಕತೆ ಮತ್ತು ಡೇಟಾ ವಿಜ್ಞಾನ - ಓ'ರೈಲಿ ಇಬುಕ್ (ಎಂ. ಲೂಕಿಡ್ಸ್, ಎಚ್. ಮೇಸನ್ ಇತ್ಯಾದಿ)
ಡೇಟಾ ವಿಜ್ಞಾನ ನೈತಿಕತೆ - ಮಿಚಿಗನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಿಂದ ಆನ್‌ಲೈನ್ ಕೋರ್ಸ್.
ನೈತಿಕತೆ ಅನ್ವಿತ - ಟೆಕ್ಸಾಸ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಿಂದ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳು.

ನಿಯೋಜನೆ

ಡೇಟಾ ನೈತಿಕತೆ ಪ್ರಕರಣ ಅಧ್ಯಯನವನ್ನು ಬರೆಯಿರಿ

ಅಸ್ವೀಕರಣ:
ಈ ದಸ್ತಾವೇಜು Co-op Translator ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯತ್ತ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.