आधार सारख्या डेटासेटवर AI ला प्रशिक्षित करण्याची परवानगी देणे स्पष्ट चिंता वाढवते. AI फायदे आणि गोपनीयतेच्या समस्यांचे निराकरण करण्यासाठी, सरकारने AI नियमांचे परीक्षण करणे आवश्यक आहे.
आर्टिफिशियल इंटेलिजन्स (AI) आणि मोठे डेटासेट एकमेकांशी घट्ट गुंफलेले आहेत, कारण AI अल्गोरिदम जाणून घेण्यासाठी, पॅटर्नचे विश्लेषण करण्यासाठी आणि अचूक अंदाज लावण्यासाठी विस्तृत डेटावर अवलंबून असतात. आधार आणि युनिफाइड पेमेंट इंटरफेस (UPI) सारख्या डिजिटल सार्वजनिक पायाभूत सुविधा समर्थित सेवांच्या आगमनाने भारत वर्धित प्रशासनासाठी डेटाच्या वापराचे उत्तरोत्तर शोध करत आहे. या सेवांनी वैविध्यपूर्ण डेटासेट तयार केले आहेत जे भारताची लोकसंख्याशास्त्रीय समृद्धता कॅप्चर करतात. म्हणूनच, या विस्तृत डेटासेटमधून अंतर्दृष्टी काढण्यासाठी AI सक्षम करण्याचा विचार करणे मनोरंजक आहे.
आधार डेटाबेसचा आकार आणि संघटना AI ला प्रशिक्षण देण्यासाठी एक इष्टतम डेटासेट बनवते, परंतु यामुळे भारतीयांच्या गोपनीयतेच्या अधिकाराचे उल्लंघन होऊ शकते.
2011 मध्ये त्याची स्थापना झाल्यापासून, आधारद्वारे 1.3 अब्ज लोकांची नोंदणी झाली आहे. आधार डेटाबेसचा आकार आणि संघटना AI ला प्रशिक्षण देण्यासाठी एक इष्टतम डेटासेट बनवते, परंतु यामुळे भारतीयांच्या गोपनीयतेच्या अधिकाराचे उल्लंघन होऊ शकते.
आधार सारख्या डेटासेटवर AI ला प्रशिक्षित करण्याची परवानगी देणे स्पष्ट चिंता वाढवते. आधार डेटाबेसचे केंद्रीकृत स्वरूप गोपनीयतेची चिंता वाढवते, कारण ते संवेदनशील डेटाशी तडजोड करू पाहणाऱ्या दुर्भावनापूर्ण अभिनेत्यांसाठी संभाव्य लक्ष्य बनते. शिवाय, एआय अल्गोरिदममधील विद्यमान पूर्वाग्रहांची प्रतिकृती अनवधानाने उपेक्षित गटांना लक्ष्य करण्याचा आणि सामाजिक प्रगतीमध्ये अडथळा आणण्याचा धोका निर्माण करते. या आव्हानांना नेव्हिगेट करण्यासाठी, भारत त्याच्या सामर्थ्याचा समतोल राखण्यासाठी आणि नागरिकांच्या गोपनीयतेचे संरक्षण करण्यासाठी AI साठी मूलभूत अधिकार स्थापित करण्याचा विचार करू शकतो. तरीही, या मुद्द्यांचा सखोल अभ्यास करणे आणि सर्वसमावेशक शोध घेणे महत्त्वाचे आहे.
संभाव्य फायद्यांकडे लक्ष केंद्रित करून, भारतीय लोकसंख्येतील ट्रेंड शोधत असलेल्या राष्ट्रीय आणि राज्य सरकारांसाठी आधार डेटाबेस हा एक अनन्यसाधारण मौल्यवान संसाधन असेल. डेटासेटचा आकार आणि AI अचूकता यांच्यातील संबंध नेहमीच रेखीय नसला तरी, हे सामान्यतः लक्षात येते की मोठे डेटासेट सुधारित अचूकतेमध्ये योगदान देतात. विशेष म्हणजे, आधार डेटाबेसमध्ये एक अब्जाहून अधिक नोंदी समाविष्ट आहेत, संभाव्य एआय प्रशिक्षणासाठी एक महत्त्वपूर्ण संसाधन सादर करते. आधार हे सुस्पष्ट श्रेण्या आणि स्वरूपांसह जाणीवपूर्वक सरकारी नोंदणीचा परिणाम आहे. आधारचे एकसमान आणि सु-संरचित स्वरूप डेटा विश्लेषणाचा सराव सुलभ करते, बहुतेक डेटासेटच्या विपरीत जे विविध स्त्रोतांकडून एकत्र केले जातात.
आधार डेटाबेसमध्ये एक अब्जाहून अधिक नोंदी समाविष्ट आहेत, संभाव्य AI प्रशिक्षणासाठी एक महत्त्वपूर्ण संसाधन सादर करते.
आधार डेटासेटवर प्रशिक्षित AI साठी काही उपयोग आधीच प्रस्तावित केले गेले आहेत. राष्ट्रीय आणि राज्य सरकारे कल्याणकारी फायद्यांच्या वितरणाचा मागोवा घेण्यासाठी आधारचा वापर करू शकतात आणि त्यांची सर्वात जास्त गरज असलेल्या ठिकाणी संसाधने पाठवू शकतात. पंजाबमध्ये, गुन्हेगारांना पकडण्यासाठी एक व्यापक जाळे टाकण्यासाठी पोलीस त्यांचे विद्यमान AI चेहर्यावरील ओळखीचे सॉफ्टवेअर आधारशी समाकलित करू इच्छितात. वापराचे प्रकरण काहीही असो, या संभाव्य कार्यक्रमांचे फायदे लोकांच्या वैयक्तिक जीवनात अंतर्भूत घुसखोरीविरूद्ध वजन केले पाहिजेत.
आधार प्रणाली तयार करताना, भारत सरकारला सार्वत्रिक ओळख नोंदणीचा भारतीय संविधानात अंतर्भूत असलेल्या गोपनीयतेच्या अधिकारावर होणारा परिणाम विचारात घ्यावा लागला. 2017 च्या खटल्यात न्यायमूर्ती के. एस. पुट्टास्वामी विरुद्ध युनियन ऑफ इंडिया, भारतीय सुप्रीम कोर्टाने हे मान्य केले की गोपनीयता हा मूलभूत अधिकार आहे कारण ती वैयक्तिक स्वातंत्र्याचा वापर करण्याची पूर्वअट आहे. सर्वानुमते एकमत असलेल्या मतांमध्ये, न्यायमूर्तींनी सांगितले की तांत्रिक विकासामुळे खाजगी नागरिकांचे जीवन पाळत ठेवण्यासाठी वाढत्या प्रमाणात संवेदनाक्षम होत असल्याने, गोपनीयतेचा अधिकार सरकारी हितसंबंधांसह संतुलित करणे नेहमीपेक्षा अधिक महत्त्वाचे आहे.
प्रथम मजबूत गोपनीयता संरक्षणे तयार केल्याशिवाय AI मॉडेल्सना आधार डेटाबेसमध्ये प्रवेश करण्याची अनुमती देणे या शिल्लकवर परिणाम करू शकत नाही. नाव, वय, लिंग आणि निवास यांसारख्या मूलभूत लोकसंख्याशास्त्रीय तपशिलांवर मशीन लर्निंग मॉडेलचे प्रशिक्षण देणे आधीपासूनच नैतिकदृष्ट्या संशयास्पद उल्लंघन आहे. आधार क्रमांक बँक खाती आणि सिम कार्ड यांसारख्या विशेषत: संवेदनशील वैयक्तिक तपशिलांशी देखील जोडलेले असल्यामुळे या चिंता आणखी वाढतात. शिवाय, सध्या आधारशी नोंदणी केलेल्या लोकांपैकी कोणीही त्यांचा डेटा नावनोंदणीच्या वेळी AI उद्देशांसाठी वापरला जाण्यास संमती दिली नाही आणि आधारचा वापर दैनंदिन जीवनात किती प्रमाणात केला जातो हे लक्षात घेता, त्यांच्या डेटाच्या गोपनीयतेबद्दल संबंधित नागरिकांसाठी हे कठीण होईल. वास्तविकपणे स्वतःला डेटासेटमधून काढून टाकतात. आधारमध्ये नोंदणी केलेल्या नागरिकांच्या गोपनीयतेची हमी देण्याची भारत सरकारची क्षमता आधार डेटाबेसच्या कमकुवत सायबर सुरक्षिततेमुळे आणखी बिघडली आहे.
सर्वानुमते एकमत असलेल्या मतांमध्ये, न्यायमूर्तींनी असे नमूद केले की तांत्रिक विकासामुळे खाजगी नागरिकांचे जीवन पाळत ठेवण्यासाठी अधिकाधिक संवेदनाक्षम होत आहे, हे अधिक महत्त्वाचे आहे. गोपनीयतेचा अधिकार आणि सरकारी हितसंबंधांमध्ये समतोल राखणे.
जरी संगणक बहुधा निःपक्षपाती असल्याचे गृहीत धरले जात असले तरी, AI प्रणाली सामान्यतः डेटासेटमध्ये विद्यमान पूर्वाग्रहांची प्रतिकृती तयार करण्यासाठी ओळखल्या जातात. भविष्यातील भविष्यवाणी करण्यासाठी मशीन लर्निंग भूतकाळातील डेटावर अवलंबून असते, परंतु पक्षपाती डेटावरील प्रशिक्षण मॉडेलमुळे त्या पूर्वाग्रहांचे पुनरुत्पादन करण्यात समस्या निर्माण होऊ शकतात. उदाहरणार्थ, युनायटेड स्टेट्स (यूएस) मधील भविष्यसूचक पोलिसिंग कार्यक्रम अनेकदा अयोग्यरित्या रंगीत समुदायांना लक्ष्य करतात. यूएस मधील आफ्रिकन अमेरिकन लोकांची पोलिसांकडे तक्रार केली जाण्याची शक्यता जास्त आहे, म्हणून AI मॉडेल्स हे भाकीत करण्यासाठी ओळखले गेले आहेत की आफ्रिकन अमेरिकन समुदाय या क्षेत्रातील वास्तविक गुन्हेगारी दराकडे दुर्लक्ष करून उच्च जोखमीचे क्षेत्र आहेत. भारतातील ऐतिहासिक विभाजनांवर आधारित असाच पूर्वाग्रह अपेक्षित आहे.
आधार आणि AI एकत्रित केल्याने गोपनीयता, सुरक्षा आणि आधार डेटावर प्रशिक्षित मशीन लर्निंग प्रोग्राममधील पूर्वाग्रह ओळखण्यात आणि दूर करण्यास असमर्थता यासह जटिल आव्हाने आहेत. संवेदनशील डेटासह AI एकत्रीकरणाने जात, धर्म किंवा उत्पन्नावर आधारित भेदभावाच्या संभाव्यतेचा विचार केला पाहिजे. AI ला असमानता कायम ठेवण्यापासून रोखण्यासाठी चेक आणि बॅलन्स आवश्यक आहेत. मशीन लर्निंगचा ‘ब्लॅक बॉक्स’ दृष्टीकोन, जिथे निर्णयामागील तर्क त्याच्या निर्मात्यांनाही माहीत नसतो, ही समस्या आणखी वाढवते. 2019 मध्ये, Apple Inc. त्याच्या नवीन क्रेडिट कार्ड अल्गोरिदमने स्त्रियांपेक्षा पुरुषांना जास्त क्रेडिट का ऑफर केले हे स्पष्ट करू शकले नाही आणि Google च्या स्वतःच्या अभियंत्यांना देखील वेबसाइटचे विशिष्ट पैलू माहित नाहीत जे त्याचे अल्गोरिदम शोध परिणाम प्रदर्शित करण्यासाठी वापरतात.
हॅकर्स आणि उल्लंघनांपासून नागरिकांच्या गोपनीयतेचे रक्षण करण्यासाठी आधार डेटाबेससारख्या डेटासेटच्या अखंडतेचे संरक्षण करणे आवश्यक आहे. डेटाबेसच्या अत्यंत केंद्रीकृत स्वरूपामुळे आधारशी लिंक केलेल्या मोठ्या प्रमाणात डेटा सुरक्षित करणे आधीच कठीण असल्याचे सिद्ध झाले आहे: अलिकडच्या वर्षांत आधार तपशील अनेक वेळा लोकांसमोर लीक झाला आहे आणि 2018 मध्ये, द ट्रिब्यूनला पैसे भरता आले. आधार क्रमांकाद्वारे वैयक्तिक माहिती ऍक्सेस करण्यासाठी WhatsApp INR 500 वर ग्रुप करा. AI एकत्रीकरणाचा विचार होण्यापूर्वी या समस्या उद्भवल्या आणि आधारच्या अंतर्गत कार्याशी संबंधित सर्वात मोठा अभिनेता भारत सरकार होता.
भविष्यातील भविष्यवाणी करण्यासाठी मशीन लर्निंग भूतकाळातील डेटावर अवलंबून असते, परंतु पक्षपाती डेटावरील प्रशिक्षण मॉडेलमुळे त्या पूर्वाग्रहांचे पुनरुत्पादन करण्यात समस्या निर्माण होऊ शकतात.
या प्रक्रियेत AI ची ओळख करून दिल्याने आधार माहिती सुरक्षित ठेवण्याबाबतची चिंता आणखी वाढेल. एकात्मिक AI तंत्रज्ञान विकसित करण्यासाठी, भारत सरकार सहसा तृतीय-पक्ष खाजगी कंपन्यांसोबतच्या करारांवर अवलंबून असते. इतर कंपन्यांना AI प्रशिक्षणासाठी आधार डेटाबेसमध्ये प्रवेश प्रदान केल्याने प्रवेश बिंदूंचा विस्तार होतो, तृतीय-पक्षाच्या घुसखोरीचा धोका वाढतो आणि संपूर्ण प्रणालीच्या सुरक्षिततेशी तडजोड होते. 2020 मध्ये यूएसला अशाच समस्येचा सामना करावा लागला जेव्हा नेटवर्कमध्ये प्रवेश असलेल्या एका लहान कंत्राटदाराच्या उल्लंघनामुळे फेडरल सिस्टमवरील सायबर सुरक्षा उपायांना कमी केले गेले. जरी आधार प्रणालीतील विद्यमान समस्यांचे निराकरण केले गेले असले तरीही, भारत सरकारला अद्याप सिस्टममध्ये कोणतीही कमकुवतता येणार नाही याची खात्री करण्यासाठी संभाव्य कंत्राटदारांचे ऑडिट करण्याची प्रक्रिया आवश्यक आहे.
AI फायदे आणि गोपनीयतेच्या समस्यांमध्ये संतुलन राखण्यासाठी, भारताने AI साठी मूलभूत अधिकारांचा मसुदा तयार केला पाहिजे, जबाबदार डेटा वापरासाठी मार्गदर्शक तत्त्वे प्रदान केली पाहिजेत. तथापि, भारतीय नियामकांना नैतिक AI संबोधित करणे आवश्यक आहे, विशेषतः आधार संबंधित. NITI आयोगाने 2018 मध्ये प्रकाशित केलेल्या नॅशनल स्ट्रॅटेजी फॉर AI अहवालाद्वारे उपस्थित केलेल्या चिंतेचे सरकारने समर्थन केले आहे आणि असे म्हटले आहे की आगामी डिजिटल वैयक्तिक डेटा संरक्षण विधेयकात नमूद केल्यानुसार AI कलाकारांना डेटा गोपनीयता नियमांचे पालन केले जाईल. इलेक्ट्रॉनिक्स अँड इन्फॉर्मेशन टेक्नॉलॉजीने असे म्हटले आहे की AI साठी विशिष्ट नियमन तयार करण्याची त्यांची कोणतीही योजना नाही कारण त्यांचा असा विश्वास आहे की अतिरेक्युलेशनमुळे नवकल्पना कमी होईल. एआयच्या वाढीला प्रोत्साहन देण्याची प्रवृत्ती समजण्यासारखी असली तरी, उद्योगाला पूर्णपणे अनियंत्रितपणे जाऊ दिल्याने भयंकर नैतिक उल्लंघन होण्याची शक्यता असते. त्याऐवजी, भारताने नवीन तंत्रज्ञानाचा गळा दाबून न ठेवता एआयचे नियमन करण्यासाठी आंतरराष्ट्रीय भागीदारांनी मांडलेल्या उदाहरणांचे अनुसरण करण्याचा विचार केला पाहिजे.
2019 मध्ये, G20 ने विश्वसनीय AI च्या जबाबदार कारभारासाठी तत्त्वे स्वीकारली, जी AI कलाकारांना समावेशकता, पारदर्शकता, सुरक्षा आणि जबाबदारीला प्रोत्साहन देण्यासाठी निर्देशित करते. युरोपियन युनियन (EU) आणि US ने देखील AI च्या नैतिक वापरासाठी त्यांची स्वतःची मार्गदर्शक तत्त्वे प्रस्तावित केली आहेत. या व्यापक तत्त्वांचा विस्तार करून, भारत AI मधील भारतीयांच्या हितासाठी, विशेषतः आधार एकत्रीकरणासाठी तयार केलेली राष्ट्रीय मार्गदर्शक तत्त्वे तयार करू शकतो. AI मध्ये निःसंशयपणे भारतीय नागरिकांचे कल्याण सुधारण्याची अमर्याद क्षमता आहे. सरकारने AI च्या सामर्थ्याचा जबाबदारीने उपयोग करण्यासाठी संभाव्य AI नियमांचे परीक्षण केले पाहिजे आणि चांगले भविष्य घडवण्यासाठी उदयोन्मुख तंत्रज्ञानाचा वापर केला पाहिजे.
जेन स्टीफन्सन ऑब्झर्व्हर रिसर्च फाउंडेशनमध्ये जिओइकॉनॉमिक्स प्रोग्राममध्ये इंटर्न आहे.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
PREV
