कृत्रिम बुद्धिमत्ता और मशीन लर्निंग

 ऐसा प्रतीत होता है कि मई 2021 में मेटा की कार्रवाइयों का (फिलिस्तीन में) मानवाधिकारों पर प्रतिकूल प्रभाव पड़ा है। पिछले साल मेटा द्वारा कमीशन की गई रिपोर्ट में बताया गया था कि कैसे इसकी नीतियों ने 2021 में गाजा पर हमलों के दौरान फिलिस्तीनी इंस्टाग्राम और फेसबुक उपयोगकर्ताओं के अधिकारों को नुकसान पहुंचाया था।

समाचार पर और अधिक

द गार्जियन की एक जांच में पाया गया है कि व्हाट्सएप पर एक नया फीचर - जो कि फेसबुक और इंस्टाग्राम की तरह, मेटा के स्वामित्व में है - जो प्रश्नों के जवाब में छवियां उत्पन्न करता है, अगर पूरी तरह से कट्टरता नहीं तो फिलिस्तीन विरोधी पूर्वाग्रह को बढ़ावा देता है।

"फिलिस्तीनी" और "फिलिस्तीनी लड़के" की खोज के परिणामस्वरूप बंदूकें पकड़े हुए बच्चों की तस्वीरें आईं।

इसके विपरीत, "इज़राइली लड़के" की खोज करने पर बच्चों को खेल खेलते या मुस्कुराते हुए दिखाया जाता है, और यहां तक कि "इज़राइली सेना" की खोज करने पर हंसमुख, धर्मनिष्ठ और निहत्थे लोगों को वर्दी में दिखाया जाता है।

एआई-जनरेटेड स्टिकर्स को लेकर विवाद यूं ही नहीं हुआ है।

मेटा के सोशल मीडिया प्लेटफ़ॉर्म पर फ़िलिस्तीनियों की सामग्री के ख़िलाफ़ और उनके समर्थन में पक्षपाती होने का आरोप लगाया गया है।

एआई क्या है?

एआई एक कंप्यूटर या कंप्यूटर द्वारा नियंत्रित रोबोट की उन कार्यों को करने की क्षमता है जो आमतौर पर मनुष्यों द्वारा किए जाते हैं क्योंकि उन्हें मानव बुद्धि और विवेक की आवश्यकता होती है।

हालाँकि ऐसा कोई AI नहीं है जो एक सामान्य मानव द्वारा किए जाने वाले विभिन्न प्रकार के कार्य कर सके, कुछ AI विशिष्ट कार्यों में मनुष्यों की बराबरी कर सकते हैं।

विशेषताएँ एवं घटक:

कृत्रिम बुद्धिमत्ता की आदर्श विशेषता तर्कसंगत बनाने और ऐसे कार्य करने की क्षमता है जिनमें किसी विशिष्ट लक्ष्य को प्राप्त करने की सबसे अच्छी संभावना होती है। एआई का एक उपसमूह मशीन लर्निंग (एमएल) है।

डीप लर्निंग (डीएल) तकनीक पाठ, चित्र या वीडियो जैसे बड़ी मात्रा में असंरचित डेटा के अवशोषण के माध्यम से इस स्वचालित सीखने को सक्षम बनाती है।

एआई पूर्वाग्रह क्या है?

एआई पूर्वाग्रह मशीन लर्निंग एल्गोरिदम द्वारा उत्पादित आउटपुट में एक विसंगति को संदर्भित करता है।

एआई में पूर्वाग्रह तब होता है जब मशीन एक समूह के लोगों के लिए दूसरे की तुलना में लगातार अलग-अलग आउटपुट देती है।

आमतौर पर, ये पूर्वाग्रह परिणाम नस्ल, लिंग, जैविक लिंग, राष्ट्रीयता या उम्र जैसे शास्त्रीय सामाजिक पूर्वाग्रहों का पालन करते हैं।

यह एल्गोरिथम विकास प्रक्रिया के दौरान बनाई गई पूर्वाग्रहपूर्ण धारणाओं या प्रशिक्षण डेटा में पूर्वाग्रहों के कारण हो सकता है।

AI पूर्वाग्रह के प्रकार क्या हैं?

संज्ञानात्मक पूर्वाग्रह - ये सोच में अचेतन त्रुटियाँ हैं जो व्यक्तियों के निर्णयों और निर्णयों को प्रभावित करती हैं।

ये पूर्वाग्रह मशीन लर्निंग एल्गोरिदम में या तो डिजाइनरों द्वारा अनजाने में उन्हें मॉडल या प्रशिक्षण डेटा सेट में पेश करने के माध्यम से घुस सकते हैं जिसमें ये पूर्वाग्रह शामिल हैं।

पूर्ण डेटा का अभाव - यदि डेटा पूर्ण नहीं है, तो यह प्रतिनिधि नहीं हो सकता है और इसलिए इसमें पूर्वाग्रह शामिल हो सकता है।

एआई में 'ब्लैक बॉक्स प्रभाव' के कारण पक्षपाती आउटपुट का कारण बनने वाले कारक का पता लगाना भी मुश्किल है।

इन पूर्वाग्रहों को ठीक करने के लिए क्या किया जा सकता है?

पिछले कुछ समय से, कृत्रिम बुद्धिमत्ता और मशीन लर्निंग (एमएल) मॉडल में पूर्वाग्रह को लेकर काफी काम किया गया है।

चूँकि कार्यक्रम अनैतिक हैं, वे उन्हें प्रशिक्षित करने के लिए उपयोग किए गए डेटा में पूर्वाग्रहों को प्रतिबिंबित कर सकते हैं - शायद बढ़ा भी सकते हैं।

मशीन में पूर्वाग्रहों को संबोधित करने के लिए सक्रिय हस्तक्षेप और यहां तक कि विनियमन की आवश्यकता होती है।

ब्लाइंड टेस्ट टेस्ट मैकेनिज्म - यह जांच कर काम करता है कि क्या एआई सिस्टम द्वारा उत्पादित परिणाम किसी विशिष्ट चर जैसे कि उनके लिंग, जाति, आर्थिक स्थिति या यौन अभिविन्यास पर निर्भर हैं।

ओपन-सोर्स डेटा साइंस (ओएसडीएस) - डेवलपर्स के समुदाय के लिए कोड खोलने से एआई सिस्टम में पूर्वाग्रह कम हो सकता है।

ह्यूमन-इन-द-लूप सिस्टम - इसका लक्ष्य वह करना है जो न तो एक इंसान और न ही कोई कंप्यूटर अपने आप पूरा कर सकता है।

निष्कर्ष: किसी भी खोज को पूरे समुदाय के लोगों, विशेषकर बच्चों को स्वाभाविक रूप से हिंसक नहीं दिखाना चाहिए। हालाँकि, एआई का उपयोग मनुष्यों के लिए किया जाता है, लेकिन उनमें से कई को अमानवीय बनाने के लिए एआई का उपयोग नहीं किया जाना चाहिए।

हाल ही में अमेरिकन पॉलिटिकल साइंस रिव्यू में प्रकाशित हरियाणा में 4 लाख से अधिक एफआईआर के अध्ययन से पता चला है कि महिलाओं के लिए कानूनी उपचार का रास्ता इतना आसान नहीं है।

अध्ययन के और निष्कर्ष

इसमें पाया गया है कि न केवल महिलाओं के खिलाफ हिंसा के मामले, जिनमें महिलाएं प्राथमिक शिकायतकर्ता हैं, दर्ज होने की संभावना कम होती है और अदालत में खारिज होने या बरी होने की संभावना अधिक होती है, बल्कि अन्य प्रकार के मामलों में भी लिंग पूर्वाग्रह दिखाई देता है। , पंजीकरण से लेकर अभियोजन तक, जिसके परिणामस्वरूप, जिसे शोधकर्ता "बहु-स्तरीय" भेदभाव कहते हैं।

महिलाओं के खिलाफ पूर्वाग्रह का समर्थन करने के लिए और अधिक सबूत

रिपोर्टों और वास्तविक सबूतों से पता चला है कि महिलाओं की शिकायतों को - न केवल हरियाणा में, बल्कि पूरे भारत में - पुलिस स्टेशन के स्तर पर गंभीरता से लिए जाने की संभावना कम है।

महिलाओं को लंबे समय तक इंतजार करना पड़ता है और शिकायतें वापस लेने के लिए उन्हें अक्सर "परामर्श" दिया जाता है।

असमानता कानूनी प्रक्रिया के हर स्तर पर बनी रहती है, जो इस भावना से प्रेरित होती है, जो अक्सर सार्वजनिक रूप से व्यक्त की जाती है, कि महिलाएं अपनी शिकायतों को बढ़ा-चढ़ाकर पेश करती हैं या कानून का दुरुपयोग करती हैं।

उदाहरण के लिए, राजन बनाम मध्य प्रदेश राज्य मामले में मध्य प्रदेश उच्च न्यायालय की हालिया टिप्पणी, भारतीय दंड संहिता की धारा 498ए (महिलाओं के प्रति क्रूरता) के "दुरुपयोग" के बारे में - पत्नियां इन दिनों "पांच का पैकेज" दर्ज करती हैं उनके पतियों और ससुराल वालों के खिलाफ मामले।

अगस्त में स्वपन कुमार दास बनाम पश्चिम बंगाल राज्य मामले में कलकत्ता उच्च न्यायालय की टिप्पणी थी कि धारा 498ए का इस्तेमाल महिलाएं "कानूनी आतंकवाद" फैलाने के लिए करती हैं।

जैसा कि अध्ययन के आंकड़ों से पता चलता है, न केवल ऐसी घोषणाओं का वास्तव में कोई आधार नहीं है, बल्कि वे महिलाओं को न्याय मांगने से भी हतोत्साहित करते हैं।

लैंगिक पूर्वाग्रह की समस्या का समाधान कैसे करें?

कानूनी सुधार:

भेदभावपूर्ण कानूनों की समीक्षा और संशोधन करें

भेदभाव विरोधी कानूनों को मजबूत करें

लिंग आधारित हिंसा के मामलों को फास्ट ट्रैक करें

कोटा और प्रतिनिधित्व का परिचय दें

कानूनी पेशेवरों को संवेदनशील बनाएं

जागरूकता और शिक्षा:

कानूनी साक्षरता को बढ़ावा देना

महिलाओं को दुर्व्यवहार की रिपोर्ट करने के लिए प्रोत्साहित करें

पुरुषों और लड़कों से जुड़ें

समर्थन सेवाएं:

महिला आश्रय एवं सहायता केन्द्र स्थापित करें

कानूनी सहायता एवं परामर्श

पुलिस को मजबूत करें:

संवेदीकरण और प्रशिक्षण

अधिक से अधिक महिला अधिकारियों को प्रोत्साहित करें

डेटा संग्रहण और निगरानी:

लिंग-विभाजित डेटा एकत्र करें

यह सुनिश्चित करने के लिए कानूनों और नीतियों के कार्यान्वयन की निगरानी करें कि वे लैंगिक पूर्वाग्रह से प्रभावी ढंग से निपट रहे हैं।

जन जागरण:

जनजागरूकता अभियानों को बढ़ावा दें

रिपोर्टिंग को प्रोत्साहित करें

अंतर्राष्ट्रीय समझौते:

अंतर्राष्ट्रीय समझौतों और सम्मेलनों को लागू करें: सुनिश्चित करें कि भारत की कानूनी प्रणाली महिलाओं के अधिकारों से संबंधित अंतर्राष्ट्रीय संधियों और समझौतों के अनुरूप है, जैसे कि महिलाओं के खिलाफ सभी प्रकार के भेदभाव के उन्मूलन पर कन्वेंशन (CEDAW)।

निष्कर्ष: पुलिस बल में महिलाओं की संख्या बढ़ाना (11.7 प्रतिशत, जैसा कि इस वर्ष की शुरुआत में राज्य सभा में एमओएस एमएचए द्वारा साझा किया गया था) को प्राथमिकता दी जानी चाहिए, साथ ही थाने से लेकर सिस्टम के हर स्तर पर अधिक संवेदनशीलता और प्रशिक्षण दिया जाना चाहिए। 

भारत सरकार द्वारा पोषण ट्रैकर का रोलआउट वैश्विक स्वास्थ्य के इतिहास में सबसे बड़े मोबाइल फोन पोषण निगरानी प्रणाली का प्रतिनिधित्व करता है। यह भारत में डेटा आधारित पोषण नीति को प्रेरित करेगा।

दुनिया भर में ऐप-आधारित पोषण ट्रैकर्स के अन्य उदाहरण

मलावी में यूनिसेफ की रैपिडएसएमएस परियोजना या मॉरीशस गणराज्य में विश्वविद्यालय के शोधकर्ताओं द्वारा नौ प्राथमिक स्वास्थ्य केंद्रों में एक छोटी परियोजना।

पोषण ट्रैकर ऐप के बारे में

यह एप्लिकेशन आंगनवाड़ी केंद्र (बाल देखभाल केंद्र) की गतिविधियों, आंगनवाड़ी कार्यकर्ताओं की सेवा वितरण और गर्भवती महिलाओं, स्तनपान कराने वाली माताओं और छह साल से कम उम्र के बच्चों के लिए पूर्ण लाभार्थी प्रबंधन का 360-डिग्री दृश्य प्रदान करता है।

यह श्रमिकों द्वारा उनके काम की गुणवत्ता में सुधार करने में मदद के लिए उपयोग किए जाने वाले भौतिक रजिस्टरों को डिजिटल और स्वचालित भी करता है।

आंगनवाड़ी कार्यकर्ताओं को कुशल सेवा वितरण के लिए सरकारी ई-मार्केट (जीईएम) के माध्यम से खरीदे गए स्मार्टफोन उपलब्ध कराए जा रहे हैं।

तकनीकी सहायता प्रदान करने और नए पोषण ट्रैकर एप्लिकेशन को डाउनलोड करने और प्रत्येक राज्य में इसकी कार्यप्रणाली के साथ किसी भी समस्या के समाधान के लिए एक नोडल व्यक्ति भी नियुक्त किया गया है।

सूत्रों का कहना है कि प्रत्येक प्रवासी श्रमिक जिसने अपने मूल राज्य में पंजीकरण कराया था, वह अपने वर्तमान निवास स्थान में निकटतम आंगनवाड़ी में जा सकता है और दी गई योजनाओं और सेवाओं का लाभ उठा सकता है।

इसे महिला एवं बाल विकास मंत्रालय (MoWCD) द्वारा लॉन्च किया गया था।

भारत के पोषण ट्रैकर ऐप के फायदे

महिला एवं बाल विकास मंत्रालय द्वारा जारी नए पोषण 2.0 दिशानिर्देशों के केंद्र में, पोषण ट्रैकर एक केंद्रीकृत आईसीटी-सक्षम मंच है, जिसे अंतिम मील तक पोषण सेवा वितरण की पारदर्शिता और जवाबदेही को बढ़ावा देने के लिए विकसित किया गया है।

पोषण ट्रैकर डैशबोर्ड के नवीनतम आंकड़ों के अनुसार, पोषण ट्रैकर के माध्यम से पांच वर्ष से कम उम्र के 72 मिलियन बच्चों की ऊंचाई और वजन एकत्र किया जा रहा है। (देश में 50 प्रतिशत से अधिक बच्चों की वास्तविक समय पर निगरानी। इसके अलावा, 94 प्रतिशत लाभार्थियों का आधार सत्यापन किया जा चुका है।)

लाभार्थी डेटा कैप्चर करने के अलावा, पोषण ट्रैकर डैशबोर्ड संकेतक के तीन सेटों पर राष्ट्रीय, राज्य और जिला-स्तरीय डेटा कैप्चर करता है।

सबसे पहले, आंगनवाड़ी बुनियादी ढांचे में निर्मित आंगनवाड़ी केंद्रों की संख्या, कार्यात्मक शौचालय या पीने का पानी और क्या वे सेवा वितरण के लिए खुले हैं।

दूसरा, उन लाभार्थियों की संख्या पर नज़र रखना, जिन्हें घर ले जाने वाला राशन (कच्चा राशन नहीं) और गर्म पका हुआ भोजन मिला।

और तीसरा, पोषण संबंधी परिणामों की निगरानी।

पोषण ट्रैकर को प्रारंभिक चरण में लड़खड़ाने वाले बच्चों की पहचान करके, गंभीर कुपोषण का सामना करने वाले लाभार्थियों को लक्षित करके और आईसीडीएस सेवाओं के प्रभावी वितरण की निगरानी करके कुपोषण को रोकने के लिए फ्रंटलाइन पदाधिकारियों के लिए वास्तविक समय फीडबैक लूप के रूप में कार्य करने के लिए डिज़ाइन किया गया है।

पोषण ट्रैकर पर उपलब्ध विभिन्न मॉड्यूल में शामिल हैं -

लाभार्थी पंजीकरण,

आंगनवाड़ी कार्यकर्ता के लिए दैनिक ट्रैकिंग जॉब सहायता मॉड्यूल और होम विजिट शेड्यूलर,

WHO मानकों के अनुसार विकास की निगरानी (ऊंचाई/वजन),

राज्य के भीतर या बाहर किसी अन्य आंगनवाड़ी केंद्र में जाने वाले लाभार्थियों के लिए प्रवासन सुविधा,

चयनित खराब प्रदर्शन वाले जिलों के प्रमुख प्रदर्शन संकेतकों की निगरानी के लिए एक डैशबोर्ड,

और पोषण संवर्धन पर सामुदायिक भागीदारी की रिपोर्टिंग के लिए एक पोर्टल।

इसके अलावा, आदिवासी और सीमावर्ती क्षेत्रों में आंगनवाड़ी केंद्रों के लिए अलग मॉड्यूल भी विकसित किए जा रहे हैं।

डेटा की सटीकता के संदर्भ में, पोषण ट्रैकर ऐप मैन्युअल पोषण डेटा दर्ज करने में त्रुटि की संभावना को हटा देता है।

यह बच्चे के आँकड़े लेता है और स्वचालित रूप से इसे विभिन्न श्रेणियों में एकत्रित करता है।

पोषण ट्रैकर लाभार्थी-वार डेटा बनाता है - जिसे जमीन पर देखा जाता है, न कि शिक्षाविदों द्वारा मॉडल किया गया - स्थानीय और समय पर कार्रवाई के लिए निर्णय निर्माताओं के लिए उपलब्ध है।

पोषण ट्रैकर बहुत सारे रजिस्टरों और मैन्युअल प्रविष्टियों को बनाए रखने से बचाता है, जिससे स्थानीय, राज्य और राष्ट्रीय कार्यालयों में डेटा का वास्तविक समय पर प्रसारण सक्षम हो जाता है।

सरकार तक डेटा के तेजी से प्रसारण के अलावा, आंगनवाड़ी केंद्र के स्तर पर देखभाल के संदर्भ में, भारी कागज-आधारित रजिस्टरों की तुलना में पोषण ट्रैकर ऐप से किसी दिए गए बच्चे के बारे में जानकारी प्राप्त करना आसान है, जिससे अधिक समय की बचत होती है। पोषण संवर्धन गतिविधियाँ।

भारतीय संदर्भ में, इस तथ्य पर विचार करना महत्वपूर्ण है कि आंगनवाड़ी कार्यकर्ताओं पर अत्यधिक बोझ है, और यह सुनिश्चित करने के लिए अत्यधिक सावधानी बरती जानी चाहिए कि उपयोगकर्ता-मित्रता में सुधार के लिए पोषण ट्रैकर को उनकी प्रतिक्रिया के आधार पर नियमित रूप से अपडेट किया जाए।

निष्कर्ष: पोषण 2.0 दिशानिर्देशों में उल्लिखित उद्देश्यों को पूरा करने के लिए, पोषण ट्रैकर का डेटा इस प्रकार जमीनी स्तर पर ठोस और कार्रवाई योग्य परिणामों को उत्प्रेरित कर सकता है।

💥यह वीडियो क्लिप डॉ. विकास दिव्यकीर्ति सर की एथिक्स क्लास की है। इस वीडियो के माध्यम से आप यह समझ पाएंगे कि सीखने के अलग-अलग तरीकों में कौन-सा बेहतर है? आमतौर पर हम किताबों से ही जीवन की हर सीख प्राप्त कर लेना चाहते हैं, लेकिन व्यावहारिक रूप से ऐसा संभव नहीं होता। एक सीमा के बाद सीखने की यह पद्धति काम नहीं आती। इस वीडियो में सर इसी विषय पर चर्चा कर रहे हैं कि बेहतर व्यक्तित्व के लिये सीखने की प्रक्रिया को किस प्रकार साधा जाना चाहिये। प्रसिद्ध मनोवैज्ञानिक डेनियल गोलमेन के सिद्धांत को सर रोचक उदाहरण के माध्यम से बता रहे हैं। #ShortVideos #VikasSir #InterestingMoments

https://youtu.be/ue_GykpiOwg

💥https://youtu.be/P6FORpg0KVo

When technologist Luis von Ahn was building the popular language-learning platform Duolingo, he faced a big problem: Could an app designed to teach you something ever compete with addictive platforms like Instagram and TikTok? He explains how Duolingo harnesses the psychological techniques of social media and mobile games to get you excited to learn — all while spreading access to education across the world.