ആളുകളുടെ അവകാശങ്ങളും വ്യക്തിഗത വിവരങ്ങളും ഉൾപ്പെടുന്ന മുള്ളുള്ള പ്രശ്‌നങ്ങളെ അഭിസംബോധന ചെയ്യുന്നതിന് ശ്രദ്ധയും കഴിവും നമ്മുടെ കാലത്തെ ബുദ്ധിജീവികളും സ്പെഷ്യലിസ്റ്റുകളും തമ്മിലുള്ള ഒഴിച്ചുകൂടാനാവാത്ത ചർച്ചയും ആവശ്യമാണ്. സാങ്കേതിക കണ്ടുപിടിത്തങ്ങൾ നമുക്കുമുന്നിൽ ഉയർത്തുന്ന വെല്ലുവിളികളുമായി സാമൂഹിക നിയമങ്ങൾ പൊരുത്തപ്പെടുത്തുന്നതിൽ ഞങ്ങൾ വേണ്ടത്ര വേഗത്തിലല്ലെന്ന് ഞങ്ങൾ കണ്ടെത്തുന്നു. ഉയർന്നുവരുന്ന സാങ്കേതിക വിദ്യകൾ, അവയുടെ പ്രയോഗത്തെ പരിമിതപ്പെടുത്തുന്ന നിയന്ത്രണങ്ങളുടെ മൊത്തത്തിലുള്ള അഭാവത്തിൽ, കേടുപാടുകൾ വരുത്താൻ സ്വതന്ത്രമായതിനാൽ, പൂർണ്ണമായ ശിക്ഷാവിധിയോടെ അങ്ങനെ ചെയ്യാൻ, തുറന്ന ഫീൽഡിൽ പ്രവർത്തിക്കുന്നു.
സാങ്കേതിക വികസനത്തിന്റെ ശൃംഖലയിൽ നിന്ന് ശാസ്ത്ര ഗവേഷണത്തിലേക്കും അതിന്റെ തന്ത്രപരമായ ലക്ഷ്യങ്ങളിലേക്കും പിന്നോട്ട് പോകുന്ന ഒരു നിയന്ത്രണം സങ്കൽപ്പിക്കാൻ കഴിയുമോ?
വ്യക്തിസ്വാതന്ത്ര്യത്തോടുള്ള ദൃഢമായ ആദരവ് നിലനിറുത്തിക്കൊണ്ട് നമ്മുടെ ജീവിവർഗങ്ങളുടെ പരിണാമത്തെ നിയന്ത്രിക്കുന്നത് ചിന്തനീയമാണോ?
“നിങ്ങൾ എത്രത്തോളം മറയ്ക്കാൻ ശ്രമിക്കുന്നുവോ അത്രയധികം നിങ്ങൾ ശ്രദ്ധ ആകർഷിക്കുന്നു. നിങ്ങളെക്കുറിച്ച് ആരും അറിയാത്തത് എന്തുകൊണ്ട് വളരെ പ്രധാനമാണ്? ” - ആൻഡ്രൂ നിക്കോൾ എഴുതി സംവിധാനം ചെയ്ത "അനോൺ" എന്ന സിനിമയിൽ നിന്ന് - 2018
സിനിമയിൽ "താമാശിച്ചതാ2018-ലെ, ഭാവിയിലെ സമൂഹം ഒരു ഇരുണ്ട സ്ഥലമാണ്, ഈഥർ എന്ന ഭീമാകാരമായ കമ്പ്യൂട്ടർ സംവിധാനത്തിന്റെ നേരിട്ടുള്ള നിയന്ത്രണത്തിൽ, അത് ജനസംഖ്യയുള്ള അതേ ആളുകളുടെ കണ്ണിലൂടെ നിരീക്ഷിച്ച് രാജ്യത്തിന്റെ എല്ലാ കോണുകളും നിരീക്ഷിക്കാൻ കഴിവുള്ളതാണ്. ഓരോ മനുഷ്യനും ഈതറിന്റെ പേരിൽ ഒരു മേൽനോട്ടക്കാരനാണ്, അവരുടെ ആദ്യ ഉത്തരവാദിത്തം തീർച്ചയായും തങ്ങളെയും അവരുടെ പെരുമാറ്റത്തെയും നിരീക്ഷിക്കുക എന്നതാണ്.
പോലീസ് സേനയുടെ ഏറ്റവും മികച്ച സഖ്യകക്ഷിയാണ് ഈഥർ: ഈഥർ മുഖേന, ഏജന്റുമാർക്ക് ഏതൊരു വ്യക്തിയുടെയും അനുഭവം സ്വന്തം കണ്ണുകളാൽ പുനരുജ്ജീവിപ്പിക്കാനും ഏത് തരത്തിലുള്ള കുറ്റകൃത്യങ്ങളും പരിഹരിക്കാനും കഴിയും.
നിങ്ങളുടെ സ്വകാര്യത സംരക്ഷിക്കാൻ നിങ്ങൾ എന്തിനാണ് യുദ്ധം ചെയ്യേണ്ടതെന്ന് പോലീസ് ഓഫീസർ സാൽ ആശ്ചര്യപ്പെടുന്നു: നിങ്ങൾക്ക് മറയ്ക്കാൻ ഒരു കാരണവുമില്ലെങ്കിൽ എന്താണ് പ്രയോജനം? എല്ലാത്തിനുമുപരി, നമ്മുടെ വീടുകളുടെയും തെരുവുകളുടെയും സുരക്ഷ വർദ്ധിപ്പിക്കുന്നതിന് ഞങ്ങൾ നിർമ്മിക്കുന്ന സാങ്കേതികവിദ്യകൾക്ക് സംരക്ഷണം ആവശ്യപ്പെടുന്ന ആളുകളുടെ താൽപ്പര്യങ്ങൾക്കായി അത്തരം വിവരങ്ങളുടെ റെക്കോർഡിംഗും നിരീക്ഷണവും സ്ഥിരീകരണവും ആവശ്യമായി വരുന്ന ഒരു കാലഘട്ടത്തിൽ, നമുക്ക് എങ്ങനെ ഉറപ്പ് പ്രതീക്ഷിക്കാം അവരുടെ സ്വകാര്യത?
മറ്റുള്ളവരുടെ ജീവിതത്തിലേക്ക് പ്രവേശനം ലഭിക്കുന്നത് എത്ര അപകടകരമാണെന്ന് തെളിയിക്കാൻ, ഒരു ഹാക്കർ ഈതറിന്റെ നിയന്ത്രണം ഏറ്റെടുക്കുകയും ദശലക്ഷക്കണക്കിന് ആളുകളുടെ ജീവിതത്തിൽ ഭയങ്കരമായ ഒരു പേടിസ്വപ്നം ഇറങ്ങുകയും ചെയ്യും: നിസ്സഹായരായ കാഴ്ചക്കാരായി ഏറ്റവും കൂടുതൽ ചിത്രങ്ങൾ കാണേണ്ടിവരുമെന്ന ഭീഷണി അവരുടെ ജീവിതത്തിലെ വേദനാജനകമായ നിമിഷങ്ങൾ, അവരുടെ റെറ്റിനയിലേക്ക് നേരിട്ട് പ്രക്ഷേപണം ചെയ്യുന്നു.
Le കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ആധുനിക ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ പ്രവർത്തനത്തിന് അടിവരയിടുന്ന, മൂന്ന് പ്രധാന ഘടകങ്ങളെ ചുറ്റിപ്പറ്റിയാണ്: അടിസ്ഥാന വിവരങ്ങൾ അല്ലെങ്കിൽ വിളിക്കുന്നത് കോർപ്പസ്യു.എൻ അൽഗോരിതം വിവരങ്ങളുടെ സ്വാംശീകരണത്തിനും എ മെമ്മറി അവരുടെ മനഃപാഠത്തിനായി.
അൽഗോരിതം മെമ്മറിയിലേക്ക് വിവരങ്ങൾ ലോഡുചെയ്യുന്നതിൽ പരിമിതപ്പെടുത്തിയിട്ടില്ല, അവ പരസ്പരം ബന്ധപ്പെട്ട ഘടകങ്ങൾ തിരയുന്നതിനായി അത് സ്കാൻ ചെയ്യുന്നു. ഡാറ്റയുടെയും ബന്ധങ്ങളുടെയും ഒരു മിശ്രിതം മെമ്മറിയിലേക്ക് കൈമാറ്റം ചെയ്യപ്പെടും, അത് a രൂപീകരിക്കും മോഡൽലോ.
ഒരു മോഡലിനുള്ളിൽ, ഡാറ്റയും ബന്ധങ്ങളും പൂർണ്ണമായും വേർതിരിച്ചറിയാൻ കഴിയില്ല, അതുകൊണ്ടാണ് പരിശീലനം ലഭിച്ച ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിൽ നിന്നുള്ള യഥാർത്ഥ പരിശീലന വിവരങ്ങളുടെ കോർപ്പസ് പുനർനിർമ്മിക്കുന്നത് മിക്കവാറും അസാധ്യമാണ്.
കോർപ്പസുകളിൽ വലിയ അളവിലുള്ള ഡാറ്റ അടങ്ങിയിരിക്കുമ്പോൾ ഇത് പ്രത്യേകിച്ചും സത്യമാണ്. എന്നറിയപ്പെടുന്ന വലിയ ഭാഷാ സംവിധാനങ്ങളുടെ കാര്യമാണിത് Large Language Models (ചുരുക്കത്തിൽ LLM) കുപ്രസിദ്ധമായ ChatGpt ഉൾപ്പെടെ. പരിശീലനത്തിൽ ഉപയോഗിക്കുന്ന വലിയ അളവിലുള്ള വിവരങ്ങൾക്ക് അവരുടെ ഫലപ്രാപ്തിക്ക് കടപ്പെട്ടിരിക്കുന്നു: നിലവിൽ നല്ല പരിശീലനത്തിന് കുറച്ച് ടെറാബൈറ്റ് ഡാറ്റയെങ്കിലും ആവശ്യമാണ്, കൂടാതെ ഒരു ടെറാബൈറ്റ് 90 ബില്യൺ പ്രതീകങ്ങൾ, ഏകദേശം 75 ദശലക്ഷം പേജ് വാചകം എന്നിവയുമായി പൊരുത്തപ്പെടുന്നതിനാൽ, ഉണ്ടെന്ന് മനസ്സിലാക്കാൻ എളുപ്പമാണ്. വളരെയധികം വിവരങ്ങൾ ആവശ്യമാണ്.
എന്നാൽ മോഡലുകൾ ഡീ-എൻജിനീയർ ചെയ്യാൻ കഴിയുന്നില്ലെങ്കിൽ, സ്വകാര്യത ലംഘനങ്ങളുടെ പ്രശ്നം നമ്മൾ എന്തിന് സ്വയം ചോദിക്കണം?
"ഭ്രാന്തുള്ള ആർക്കും ഫ്ലൈറ്റ് മിഷനുകളിൽ നിന്ന് ഒഴിവാക്കണമെന്ന് ആവശ്യപ്പെടാം, എന്നാൽ ഫ്ലൈറ്റ് മിഷനുകളിൽ നിന്ന് ഒഴിവാക്കണമെന്ന് ആവശ്യപ്പെടുന്നയാൾ ഭ്രാന്തനല്ല." - ജോസഫ് ഹെല്ലറുടെ "ക്യാച്ച് 22" എന്ന നോവലിനെ അടിസ്ഥാനമാക്കി.
ChatGpt അല്ലെങ്കിൽ സമാനമായ മറ്റ് പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ അനുവദിക്കുന്ന തരത്തിൽ വലിപ്പമുള്ള ഡാറ്റ ശേഖരണം ഇന്ന് വലിയ ബഹുരാഷ്ട്ര കമ്പനികളുടെ അവകാശമാണ്, അവരുടെ ഡിജിറ്റൽ പ്രവർത്തനങ്ങളിലൂടെ, വിവരങ്ങളുടെ ഏറ്റവും വലിയ ശേഖരത്തിലേക്ക് കൈപിടിച്ചുയർത്താൻ അവർക്ക് കഴിഞ്ഞു. ലോകത്ത്: വെബ്.
വർഷങ്ങളായി വെബ് സ്കാൻ ചെയ്യുകയും വലിയ അളവിലുള്ള വിവരങ്ങൾ എക്സ്ട്രാപോളേറ്റ് ചെയ്യുകയും ചെയ്യുന്ന സെർച്ച് എഞ്ചിനുകൾ കൈകാര്യം ചെയ്യുന്ന ഗൂഗിളും മൈക്രോസോഫ്റ്റും, മുകളിൽ വിവരിച്ചതുപോലുള്ള വിവരങ്ങളുടെ അളവ് ദഹിപ്പിക്കാൻ കഴിവുള്ള ഏക AI മോഡലുകളായ LLM സൃഷ്ടിക്കുന്നതിനുള്ള ആദ്യ സ്ഥാനാർത്ഥികളാണ്.
ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിക്കുന്നതിന് ഒരു കോർപ്പസ് ആയി ഉപയോഗിക്കുന്നതിന് മുമ്പ് Google അല്ലെങ്കിൽ Microsoft-ന് അവരുടെ ഡാറ്റയിലെ സ്വകാര്യ വിവരങ്ങൾ മറയ്ക്കാൻ കഴിയുമെന്ന് വിശ്വസിക്കാൻ പ്രയാസമാണ്. ഭാഷാ സംവിധാനങ്ങളുടെ കാര്യത്തിൽ വിവരങ്ങൾ അജ്ഞാതമാക്കുന്നത് ഒരു കോർപ്പസിനുള്ളിലെ വ്യക്തിഗത ഡാറ്റയെ തിരിച്ചറിയുന്നതിനും വ്യാജ ഡാറ്റ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നതിനും വിവർത്തനം ചെയ്യുന്നു. നമുക്ക് ഒരു മോഡലിനെ പരിശീലിപ്പിക്കാൻ ആഗ്രഹിക്കുന്ന കുറച്ച് ടെറാബൈറ്റുകളുടെ വലിപ്പമുള്ള ഒരു കോർപ്പസ് സങ്കൽപ്പിക്കാം, അതിൽ അടങ്ങിയിരിക്കുന്ന ഡാറ്റ സ്വമേധയാ അജ്ഞാതമാക്കുന്നതിന് എത്രത്തോളം ജോലി ആവശ്യമാണെന്ന് സങ്കൽപ്പിക്കാൻ ശ്രമിക്കാം: ഇത് പ്രായോഗികമായി അസാധ്യമാണ്. എന്നാൽ ഇത് സ്വയമേവ ചെയ്യാൻ ഞങ്ങൾ ഒരു അൽഗോരിതത്തെ ആശ്രയിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഈ ജോലി ചെയ്യാൻ പ്രാപ്തമായ ഒരേയൊരു സിസ്റ്റം അത്രയും വലുതും സങ്കീർണ്ണവുമായ മറ്റൊരു മാതൃകയായിരിക്കും.
ഞങ്ങൾ ഒരു ക്ലാസിക് ക്യാച്ച്-22 പ്രശ്‌നത്തിന്റെ സാന്നിധ്യത്തിലാണ്: "അജ്ഞാത ഡാറ്റ ഉപയോഗിച്ച് ഒരു LLM പരിശീലിപ്പിക്കുന്നതിന്, അത് അജ്ഞാതമാക്കാൻ കഴിവുള്ള ഒരു LLM ആവശ്യമാണ്, എന്നാൽ ഡാറ്റയെ അജ്ഞാതമാക്കാൻ കഴിവുള്ള ഒരു LLM ഉണ്ടെങ്കിൽ, അതിന്റെ പരിശീലനം അജ്ഞാത ഡാറ്റ ഉപയോഗിച്ച് നടത്തിയിട്ടില്ല. ."
ഈ വിഷയങ്ങളുടെ വെളിച്ചത്തിൽ, ആഗോളതലത്തിൽ ആളുകളുടെ സ്വകാര്യതയെ മാനിക്കുന്നതിനുള്ള നിയമങ്ങൾ (ഏതാണ്ട്) നിർദ്ദേശിക്കുന്ന GDPR ഇതിനകം പഴയ വാർത്തയാണ്, പരിശീലന സെറ്റിൽ ഉൾപ്പെട്ടിരിക്കുന്ന വ്യക്തിഗത ഡാറ്റയുടെ സംരക്ഷണം ആലോചിക്കുന്നില്ല.
GDPR-ൽ, പൊതുവായ പരസ്പര ബന്ധങ്ങളും കണക്ഷനുകളും പഠിക്കുന്നതിനായി വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നത് ഭാഗികമായി നിയന്ത്രിക്കുന്നത് ആർട്ടിക്കിൾ 22 ഇപ്രകാരമാണ്: "പ്രൊഫൈലിംഗ് ഉൾപ്പെടെയുള്ള സ്വയമേവയുള്ള പ്രോസസ്സിംഗിനെ അടിസ്ഥാനമാക്കിയുള്ള തീരുമാനത്തിന് വിധേയമാകാതിരിക്കാൻ ഡാറ്റ വിഷയത്തിന് അവകാശമുണ്ട്. അവനിൽ നിയമപരമായ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കുന്നു അല്ലെങ്കിൽ സമാനമായതും പ്രധാനപ്പെട്ടതുമായ രീതിയിൽ അവനെ ബാധിക്കുന്നു".
ഈ വിഷയത്തിൽ നേരിട്ട് നിയമപരമായ സ്വാധീനം ചെലുത്തുന്ന പൂർണ്ണമായ ഓട്ടോമേറ്റഡ് തീരുമാനമെടുക്കൽ പ്രക്രിയയുടെ ഭാഗമായി ഒരു വിഷയത്തിന്റെ വ്യക്തിഗത ഡാറ്റ ഉപയോഗിക്കുന്നതിന് ഡാറ്റ കൺട്രോളറുകൾക്കുള്ള വിലക്ക് ഈ ലേഖനം അവതരിപ്പിക്കുന്നു. എന്നാൽ സ്വയമേവയുള്ള തീരുമാനങ്ങളെടുക്കൽ പ്രക്രിയകളോട് എളുപ്പത്തിൽ സ്വാംശീകരിക്കാവുന്ന ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ, ഒരിക്കൽ പരിശീലിച്ചാൽ ആളുകളുടെ ജീവിതത്തെ സ്വാധീനിക്കാൻ കഴിയുന്ന യാന്ത്രിക തീരുമാനങ്ങൾ എടുക്കാനുള്ള കഴിവ് നേടുന്നു. എന്നാൽ ഈ തീരുമാനങ്ങൾ എല്ലായ്പ്പോഴും "ലോജിക്കൽ" അല്ല. പരിശീലന വേളയിൽ, വാസ്തവത്തിൽ, ഓരോ ന്യൂറൽ നെറ്റ്‌വർക്കും വിവരങ്ങൾ പരസ്പരം ബന്ധിപ്പിക്കാൻ പഠിക്കുന്നു, പലപ്പോഴും അവയെ തികച്ചും രേഖീയമല്ലാത്ത രീതിയിൽ പരസ്പരം ബന്ധപ്പെടുത്തുന്നു. ആളുകളുടെ സ്വകാര്യത സംരക്ഷിക്കാൻ ഒരു കവചം ഉയർത്താൻ ആഗ്രഹിക്കുന്ന നിയമസഭാംഗത്തിന് "യുക്തി"യുടെ അഭാവം ജോലി എളുപ്പമാക്കുന്നില്ല.
വളരെ നിയന്ത്രിത നയം പ്രയോഗിക്കാൻ ഒരാൾ തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നുവെങ്കിൽ, ഉദാഹരണത്തിന്, ഉടമ വ്യക്തമായി അംഗീകരിക്കുന്നില്ലെങ്കിൽ, ഏതെങ്കിലും സെൻസിറ്റീവ് ഡാറ്റയുടെ ഉപയോഗം നിരോധിക്കുക, ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെ നിയമപരമായ ഉപയോഗം അപ്രായോഗികമായിരിക്കും. ന്യൂറൽ നെറ്റ്‌വർക്ക് സാങ്കേതികവിദ്യകൾ ഉപേക്ഷിക്കുന്നത് ഒരു വലിയ നഷ്ടമായിരിക്കും, ഒരു പ്രത്യേക രോഗം ഭാഗികമായി ബാധിച്ച ഒരു ജനസംഖ്യയുടെ വിഷയങ്ങളുടെ ക്ലിനിക്കൽ ഡാറ്റ ഉപയോഗിച്ച് പരിശീലിപ്പിച്ച വിശകലന മാതൃകകളെക്കുറിച്ച് ചിന്തിക്കുക. ഈ മോഡലുകൾ, ഡാറ്റയിൽ അടങ്ങിയിരിക്കുന്ന മൂലകങ്ങളും രോഗവും തമ്മിലുള്ള പരസ്പരബന്ധം തിരിച്ചറിഞ്ഞ് പ്രതിരോധ നയങ്ങൾ മെച്ചപ്പെടുത്താൻ സഹായിക്കുന്നു, അപ്രതീക്ഷിതമായ പരസ്പര ബന്ധങ്ങൾ, ഡോക്ടർമാരുടെ ദൃഷ്ടിയിൽ തികച്ചും യുക്തിരഹിതമായി തോന്നാം.
വർഷങ്ങളോളം അതിന്റെ ശേഖരണത്തിന് വിവേചനരഹിതമായി അംഗീകാരം നൽകിയതിന് ശേഷം ആളുകളുടെ സ്വകാര്യതയെ മാനിക്കുന്ന പ്രശ്നം ഉയർത്തുന്നത് കാപട്യമാണ്. ക്ലോസുകളുടെ അവ്യക്തതയും മനസ്സിലാക്കാനുള്ള ബുദ്ധിമുട്ടും ചൂഷണം ചെയ്തുകൊണ്ട് വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് അംഗീകാരം നേടുന്നതിന് അനുവദിക്കുന്ന നിരവധി കൃത്രിമത്വങ്ങൾക്ക് അതിന്റെ സങ്കീർണ്ണതയോടെ GDPR തന്നെ ഉത്തരവാദിയാണ്.
വ്യക്തിപരമായ വിവരങ്ങളുടെ ബോധപൂർവമായ ഉപയോഗത്തിൽ അതിന്റെ പ്രയോഗക്ഷമതയും യഥാർത്ഥ വിദ്യാഭ്യാസവും അനുവദിക്കുന്ന നിയമത്തിന്റെ ലഘൂകരണം ഞങ്ങൾക്ക് തീർച്ചയായും ആവശ്യമാണ്.
തങ്ങളുടെ സേവനങ്ങൾക്കായി രജിസ്റ്റർ ചെയ്യുന്ന ഉപയോക്താക്കളുടെ സ്വകാര്യ വിവരങ്ങൾ അറിയാൻ കമ്പനികളെ അനുവദിക്കരുതെന്നാണ് എന്റെ നിർദ്ദേശം, അവർ പണമടച്ചുള്ള സേവനങ്ങളാണെങ്കിലും. ഓൺലൈൻ സംവിധാനങ്ങൾ ഉപയോഗിക്കുമ്പോൾ സ്വകാര്യ വ്യക്തികൾ വ്യാജ വ്യക്തിഗത ഡാറ്റ ഉപയോഗിക്കുന്നത് യാന്ത്രികമായി സംഭവിക്കണം. യഥാർത്ഥ ഡാറ്റയുടെ ഉപയോഗം വാങ്ങൽ പ്രക്രിയയിൽ മാത്രമായി പരിമിതപ്പെടുത്തണം, അത് എല്ലായ്പ്പോഴും സേവന ഡാറ്റാബേസിൽ നിന്ന് പൂർണ്ണമായും വേറിട്ടുനിൽക്കുന്നുവെന്ന് ഉറപ്പാക്കണം.
ഈ പ്രൊഫൈലുമായി ഒരു പേരോ മുഖമോ ബന്ധപ്പെടുത്താൻ അനുവദിക്കാതെ വിഷയത്തിന്റെ അഭിരുചികളും മുൻഗണനകളും അറിയുന്നത് അപ്‌സ്ട്രീം നടത്തുന്ന അജ്ഞാതവൽക്കരണത്തിന്റെ ഒരു രൂപമായി പ്രവർത്തിക്കും, ഇത് ഡാറ്റയുടെ ശേഖരണവും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പോലുള്ള ഓട്ടോമേഷൻ സിസ്റ്റങ്ങളിൽ അവയുടെ ഉപയോഗവും യാന്ത്രികമായി അനുവദിക്കും.
എന്ന ലേഖനം Gianfranco Fedele
ആപ്പിൾ വിഷൻ പ്രോ കൊമേഴ്‌സ്യൽ വ്യൂവർ ഉപയോഗിച്ചുള്ള ഒഫ്താൽമോപ്ലാസ്റ്റി ഓപ്പറേഷൻ കാറ്റാനിയ പോളിക്ലിനിക്കിൽ നടത്തി.
കളറിംഗ് വഴി മികച്ച മോട്ടോർ കഴിവുകൾ വികസിപ്പിക്കുന്നത് എഴുത്ത് പോലെയുള്ള കൂടുതൽ സങ്കീർണ്ണമായ കഴിവുകൾക്ക് കുട്ടികളെ സജ്ജമാക്കുന്നു. നിറം കൊടുക്കാൻ...
നാവിക മേഖല ഒരു യഥാർത്ഥ ആഗോള സാമ്പത്തിക ശക്തിയാണ്, അത് 150 ബില്യൺ വിപണിയിലേക്ക് നാവിഗേറ്റ് ചെയ്തു...
കഴിഞ്ഞ തിങ്കളാഴ്ച, ഫിനാൻഷ്യൽ ടൈംസ് ഓപ്പൺഎഐയുമായി ഒരു കരാർ പ്രഖ്യാപിച്ചു. FT അതിൻ്റെ ലോകോത്തര പത്രപ്രവർത്തനത്തിന് ലൈസൻസ് നൽകുന്നു…
