ਲੋਕਾਂ ਦੇ ਅਧਿਕਾਰਾਂ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਕੰਡੇਦਾਰ ਮੁੱਦਿਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨ ਲਈ ਸਾਡੇ ਸਮੇਂ ਦੇ ਬੁੱਧੀਜੀਵੀਆਂ ਅਤੇ ਮਾਹਰਾਂ ਵਿਚਕਾਰ ਧਿਆਨ, ਯੋਗਤਾ ਅਤੇ ਇੱਕ ਲਾਜ਼ਮੀ ਚਰਚਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ਖੋਜ ਕਰ ਰਹੇ ਹਾਂ ਕਿ ਅਸੀਂ ਸਮਾਜਿਕ ਨਿਯਮਾਂ ਨੂੰ ਉਹਨਾਂ ਚੁਣੌਤੀਆਂ ਦੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਨਹੀਂ ਹਾਂ ਜੋ ਤਕਨੀਕੀ ਨਵੀਨਤਾਵਾਂ ਨੇ ਸਾਡੇ ਲਈ ਪੇਸ਼ ਕੀਤੀਆਂ ਹਨ। ਉਭਰਦੀਆਂ ਤਕਨੀਕਾਂ ਆਪਣੇ ਆਪ ਨੂੰ ਖੁੱਲ੍ਹੇ ਖੇਤਰ ਵਿੱਚ ਕੰਮ ਕਰਦੀਆਂ ਲੱਭਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨਿਯਮਾਂ ਦੀ ਪੂਰੀ ਗੈਰਹਾਜ਼ਰੀ ਵਿੱਚ ਜੋ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਨੂੰ ਸੀਮਤ ਕਰਦੇ ਹਨ, ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਣ ਲਈ ਸੁਤੰਤਰ ਹੁੰਦੇ ਹਨ ਅਤੇ ਇਸਲਈ ਅਜਿਹਾ ਕਰਨ ਲਈ ਪੂਰੀ ਛੋਟ ਦੇ ਨਾਲ।
ਕੀ ਕਿਸੇ ਅਜਿਹੇ ਨਿਯੰਤਰਣ ਦੀ ਕਲਪਨਾ ਕਰਨਾ ਸੰਭਵ ਹੈ ਜੋ ਵਿਗਿਆਨਕ ਖੋਜ ਅਤੇ ਇਸਦੇ ਰਣਨੀਤਕ ਉਦੇਸ਼ਾਂ ਲਈ ਤਕਨੀਕੀ ਵਿਕਾਸ ਦੀ ਲੜੀ ਨੂੰ ਵਾਪਸ ਲੈ ਜਾਂਦਾ ਹੈ?
ਕੀ ਵਿਅਕਤੀਗਤ ਸੁਤੰਤਰਤਾ ਲਈ ਦ੍ਰਿੜ ਸਤਿਕਾਰ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਸਾਡੀਆਂ ਸਪੀਸੀਜ਼ ਦੇ ਵਿਕਾਸ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨਾ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ?
“ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਤੁਸੀਂ ਲੁਕਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋ, ਓਨਾ ਹੀ ਜ਼ਿਆਦਾ ਤੁਸੀਂ ਧਿਆਨ ਖਿੱਚਦੇ ਹੋ। ਇਹ ਇੰਨਾ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ ਕਿ ਕੋਈ ਵੀ ਤੁਹਾਡੇ ਬਾਰੇ ਨਹੀਂ ਜਾਣਦਾ ਹੈ?" - ਐਂਡਰਿਊ ਨਿਕੋਲ ਦੁਆਰਾ ਲਿਖੀ ਅਤੇ ਨਿਰਦੇਸ਼ਿਤ ਫਿਲਮ "ਐਨੋਨ" ਤੋਂ - 2018
ਫਿਲਮ ਵਿੱਚ "ਅਨੋਨ2018 ਦਾ, ਭਵਿੱਖ ਦਾ ਸਮਾਜ ਇੱਕ ਹਨੇਰਾ ਸਥਾਨ ਹੈ, ਜੋ ਕਿ ਈਥਰ ਨਾਮਕ ਇੱਕ ਵਿਸ਼ਾਲ ਕੰਪਿਊਟਰ ਸਿਸਟਮ ਦੇ ਸਿੱਧੇ ਨਿਯੰਤਰਣ ਅਧੀਨ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਆਬਾਦੀ ਵਾਲੇ ਲੋਕਾਂ ਦੀਆਂ ਅੱਖਾਂ ਦੁਆਰਾ ਦੇਖ ਕੇ ਦੇਸ਼ ਦੇ ਹਰ ਕੋਨੇ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਹਰ ਮਨੁੱਖ ਈਥਰ ਦੀ ਤਰਫੋਂ ਇੱਕ ਨਿਗਾਹਬਾਨ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦੀ ਪਹਿਲੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ, ਬੇਸ਼ਕ, ਆਪਣੇ ਆਪ ਅਤੇ ਉਹਨਾਂ ਦੇ ਵਿਵਹਾਰ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ.
ਈਥਰ ਪੁਲਿਸ ਬਲਾਂ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸਹਿਯੋਗੀ ਹੈ: ਈਥਰ ਦੁਆਰਾ, ਏਜੰਟ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਦੇ ਤਜ਼ਰਬੇ ਨੂੰ ਆਪਣੀ ਨਿਗਾਹ ਨਾਲ ਮੁੜ ਸੁਰਜੀਤ ਕਰਕੇ ਅਤੇ ਕਿਸੇ ਵੀ ਕਿਸਮ ਦੇ ਅਪਰਾਧ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦੇ ਹਨ।
ਪੁਲਿਸ ਅਫਸਰ ਸਾਲ ਹੈਰਾਨ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਆਪਣੀ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਲਈ ਕਿਉਂ ਲੜਨਾ ਚਾਹੀਦਾ ਹੈ: ਕੀ ਗੱਲ ਹੈ ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਲੁਕਣ ਦਾ ਕੋਈ ਕਾਰਨ ਨਹੀਂ ਹੈ? ਆਖਰਕਾਰ, ਇੱਕ ਯੁੱਗ ਵਿੱਚ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਆਪਣੇ ਘਰਾਂ ਅਤੇ ਆਪਣੀਆਂ ਗਲੀਆਂ ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਵਧਾਉਣ ਲਈ ਬਣਾਈਆਂ ਗਈਆਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਉਹਨਾਂ ਲੋਕਾਂ ਦੇ ਹਿੱਤਾਂ ਵਿੱਚ ਰਿਕਾਰਡਿੰਗ, ਨਿਗਰਾਨੀ ਅਤੇ ਤਸਦੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਸੁਰੱਖਿਆ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ, ਅਸੀਂ ਗਾਰੰਟੀ ਦੀ ਉਮੀਦ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਾਂ? ਉਹਨਾਂ ਦੀ ਨਿੱਜਤਾ?
ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਦੂਜਿਆਂ ਦੀਆਂ ਜ਼ਿੰਦਗੀਆਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨਾ ਕਿੰਨਾ ਖ਼ਤਰਨਾਕ ਹੈ, ਇੱਕ ਹੈਕਰ ਈਥਰ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰ ਲਵੇਗਾ ਅਤੇ ਲੱਖਾਂ ਲੋਕਾਂ ਦੀਆਂ ਜ਼ਿੰਦਗੀਆਂ 'ਤੇ ਇੱਕ ਭਿਆਨਕ ਸੁਪਨਾ ਆ ਜਾਵੇਗਾ: ਸਭ ਤੋਂ ਵੱਧ ਤਸਵੀਰਾਂ ਨੂੰ ਬੇਵੱਸ ਦਰਸ਼ਕ ਵਜੋਂ ਦੇਖਣ ਦੀ ਧਮਕੀ ਉਹਨਾਂ ਦੇ ਜੀਵਨ ਦੇ ਤਸੀਹੇ ਭਰੇ ਪਲ, ਉਹਨਾਂ ਦੇ ਰੈਟੀਨਾ ਵਿੱਚ ਸਿੱਧੇ ਪ੍ਰਸਾਰਿਤ ਹੁੰਦੇ ਹਨ।
Le ਨਕਲੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਜੋ ਕਿ ਆਧੁਨਿਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਕੰਮਕਾਜ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਤਿੰਨ ਮੁੱਖ ਤੱਤਾਂ ਦੇ ਦੁਆਲੇ ਘੁੰਮਦਾ ਹੈ: ਬੁਨਿਆਦੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਤਾਂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਾਰਪਸਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਐਲਗੋਰਿਥਮ ਜਾਣਕਾਰੀ ਦੇ ਏਕੀਕਰਨ ਲਈ ਅਤੇ ਇੱਕ ਮੈਮੋਰੀ ਉਹਨਾਂ ਦੀ ਯਾਦ ਲਈ।
ਐਲਗੋਰਿਦਮ ਮੈਮੋਰੀ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੇ ਇੱਕ ਸਧਾਰਨ ਲੋਡਿੰਗ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ, ਇਹ ਉਹਨਾਂ ਤੱਤਾਂ ਦੀ ਖੋਜ ਵਿੱਚ ਸਕੈਨ ਕਰਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਨਾਲ ਸਬੰਧਤ ਕਰਦੇ ਹਨ। ਡੇਟਾ ਅਤੇ ਸਬੰਧਾਂ ਦਾ ਮਿਸ਼ਰਣ ਮੈਮੋਰੀ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕੀਤਾ ਜਾਵੇਗਾ ਜੋ ਕਿ ਏ ਮੋਡੇਲੋ.
ਇੱਕ ਮਾਡਲ ਦੇ ਅੰਦਰ, ਡੇਟਾ ਅਤੇ ਰਿਸ਼ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ, ਇਸੇ ਕਰਕੇ ਇੱਕ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਨਿਊਰਲ ਨੈਟਵਰਕ ਤੋਂ ਮੂਲ ਸਿਖਲਾਈ ਜਾਣਕਾਰੀ ਦੇ ਕਾਰਪਸ ਦਾ ਪੁਨਰਗਠਨ ਕਰਨਾ ਲਗਭਗ ਅਸੰਭਵ ਹੈ।
ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸੱਚ ਹੈ ਜਦੋਂ ਕਾਰਪਸ ਵਿੱਚ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਹੁੰਦਾ ਹੈ। ਇਹ ਵੱਡੀ ਭਾਸ਼ਾਈ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਮਾਮਲਾ ਹੈ ਜਿਸ ਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ Large Language Models (ਛੋਟੇ ਲਈ LLM) ਬਦਨਾਮ ChatGpt ਸਮੇਤ। ਉਹ ਸਿਖਲਾਈ ਵਿੱਚ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਜਾਣਕਾਰੀ ਲਈ ਆਪਣੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੇਣ ਵਾਲੇ ਹਨ: ਵਰਤਮਾਨ ਵਿੱਚ ਚੰਗੀ ਸਿਖਲਾਈ ਲਈ ਘੱਟੋ ਘੱਟ ਕੁਝ ਟੇਰਾਬਾਈਟ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਹ ਦਿੱਤੇ ਗਏ ਕਿ ਇੱਕ ਟੈਰਾਬਾਈਟ 90 ਬਿਲੀਅਨ ਅੱਖਰਾਂ, ਲਗਭਗ 75 ਮਿਲੀਅਨ ਪੰਨਿਆਂ ਦੇ ਟੈਕਸਟ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਇਹ ਸਮਝਣਾ ਆਸਾਨ ਹੈ ਕਿ ਇੱਥੇ ਹੈ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਹੈ।
ਪਰ ਜੇ ਮਾਡਲਾਂ ਨੂੰ ਡੀ-ਇੰਜੀਨੀਅਰ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ, ਤਾਂ ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਗੋਪਨੀਯਤਾ ਦੀ ਉਲੰਘਣਾ ਦੀ ਸਮੱਸਿਆ ਕਿਉਂ ਪੁੱਛੀਏ?
"ਜੋ ਕੋਈ ਪਾਗਲ ਹੈ ਉਹ ਫਲਾਈਟ ਮਿਸ਼ਨਾਂ ਤੋਂ ਛੋਟ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਹਿ ਸਕਦਾ ਹੈ, ਪਰ ਜੋ ਕੋਈ ਵੀ ਫਲਾਈਟ ਮਿਸ਼ਨਾਂ ਤੋਂ ਛੋਟ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਹਿੰਦਾ ਹੈ ਉਹ ਪਾਗਲ ਨਹੀਂ ਹੈ." - ਜੋਸੇਫ ਹੇਲਰ ਦੁਆਰਾ ਨਾਵਲ "ਕੈਚ 22" 'ਤੇ ਅਧਾਰਤ।
ChatGpt ਜਾਂ ਹੋਰ ਸਮਾਨ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਿਰਜਣਾ ਦੀ ਆਗਿਆ ਦੇਣ ਲਈ ਅਜਿਹੇ ਆਕਾਰ ਦੇ ਡੇਟਾ ਦਾ ਸੰਗ੍ਰਹਿ ਅੱਜ ਵੱਡੀਆਂ ਬਹੁ-ਰਾਸ਼ਟਰੀ ਕੰਪਨੀਆਂ ਦਾ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਹੈ, ਜੋ ਆਪਣੀਆਂ ਡਿਜੀਟਲ ਗਤੀਵਿਧੀਆਂ ਦੇ ਨਾਲ, ਜਾਣਕਾਰੀ ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਭੰਡਾਰ 'ਤੇ ਆਪਣਾ ਹੱਥ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਗਈਆਂ ਹਨ। ਸੰਸਾਰ ਵਿੱਚ: ਵੈੱਬ.
ਗੂਗਲ ਅਤੇ ਮਾਈਕ੍ਰੋਸਾਫਟ, ਜਿਨ੍ਹਾਂ ਨੇ ਸਾਲਾਂ ਤੋਂ ਖੋਜ ਇੰਜਣਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕੀਤਾ ਹੈ ਜੋ ਵੈੱਬ ਨੂੰ ਸਕੈਨ ਕਰਦੇ ਹਨ ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨੂੰ ਐਕਸਟਰਾਪੋਲੇਟ ਕਰਦੇ ਹਨ, ਐਲਐਲਐਮ ਦੀ ਸਿਰਜਣਾ ਲਈ ਪਹਿਲੇ ਉਮੀਦਵਾਰ ਹਨ, ਸਿਰਫ ਏਆਈ ਮਾਡਲ ਹਨ ਜੋ ਕਿ ਉੱਪਰ ਦੱਸੀ ਗਈ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਨੂੰ ਹਜ਼ਮ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹਨ।
ਇਹ ਵਿਸ਼ਵਾਸ ਕਰਨਾ ਔਖਾ ਹੈ ਕਿ ਗੂਗਲ ਜਾਂ ਮਾਈਕਰੋਸਾਫਟ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਇੱਕ ਕਾਰਪਸ ਵਜੋਂ ਵਰਤਣ ਤੋਂ ਪਹਿਲਾਂ ਆਪਣੇ ਡੇਟਾ ਵਿੱਚ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਨੂੰ ਅਸਪਸ਼ਟ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਗੇ। ਭਾਸ਼ਾਈ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਜਾਣਕਾਰੀ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਇੱਕ ਕਾਰਪਸ ਦੇ ਅੰਦਰ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪਛਾਣ ਅਤੇ ਜਾਅਲੀ ਡੇਟਾ ਨਾਲ ਇਸਦੀ ਥਾਂ ਦਾ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ। ਚਲੋ ਕੁਝ ਟੈਰਾਬਾਈਟ ਦੇ ਆਕਾਰ ਦੀ ਇੱਕ ਕਾਰਪਸ ਦੀ ਕਲਪਨਾ ਕਰੀਏ ਜਿਸ ਨਾਲ ਅਸੀਂ ਇੱਕ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਾਂ ਅਤੇ ਆਓ ਇਹ ਕਲਪਨਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ ਕਿ ਇਸ ਵਿੱਚ ਮੌਜੂਦ ਡੇਟਾ ਨੂੰ ਹੱਥੀਂ ਗੁਮਨਾਮ ਕਰਨ ਲਈ ਕਿੰਨਾ ਕੰਮ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ: ਇਹ ਅਮਲੀ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੋਵੇਗਾ। ਪਰ ਜੇਕਰ ਅਸੀਂ ਇਸਨੂੰ ਆਪਣੇ ਆਪ ਕਰਨ ਲਈ ਇੱਕ ਐਲਗੋਰਿਦਮ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਤਾਂ ਇਹ ਕੰਮ ਕਰਨ ਦੇ ਸਮਰੱਥ ਇੱਕੋ ਇੱਕ ਸਿਸਟਮ ਇੱਕ ਹੋਰ ਬਰਾਬਰ ਵੱਡਾ ਅਤੇ ਵਧੀਆ ਮਾਡਲ ਹੋਵੇਗਾ।
ਅਸੀਂ ਇੱਕ ਕਲਾਸਿਕ ਕੈਚ-22 ਸਮੱਸਿਆ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਹਾਂ: “ਇੱਕ LLM ਨੂੰ ਅਗਿਆਤ ਡੇਟਾ ਨਾਲ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਸਾਨੂੰ ਇੱਕ LLM ਦੀ ਲੋੜ ਹੈ ਜੋ ਇਸਨੂੰ ਗੁਮਨਾਮ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ, ਪਰ ਜੇਕਰ ਸਾਡੇ ਕੋਲ ਇੱਕ LLM ਡੇਟਾ ਨੂੰ ਗੁਮਨਾਮ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ, ਤਾਂ ਇਸਦੀ ਸਿਖਲਾਈ ਗੁਮਨਾਮ ਡੇਟਾ ਨਾਲ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ। ."
GDPR ਜੋ ਕਿ (ਲਗਭਗ) ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਲੋਕਾਂ ਦੀ ਗੋਪਨੀਯਤਾ ਦਾ ਆਦਰ ਕਰਨ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ, ਇਹਨਾਂ ਵਿਸ਼ਿਆਂ ਦੀ ਰੋਸ਼ਨੀ ਵਿੱਚ, ਪਹਿਲਾਂ ਹੀ ਪੁਰਾਣੀ ਖ਼ਬਰ ਹੈ ਅਤੇ ਸਿਖਲਾਈ ਸੈੱਟ ਵਿੱਚ ਸ਼ਾਮਲ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਸੁਰੱਖਿਆ ਬਾਰੇ ਵਿਚਾਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ।
ਜੀਡੀਪੀਆਰ ਵਿੱਚ, ਆਮ ਸਬੰਧਾਂ ਅਤੇ ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼ ਲਈ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਸਿਰਫ ਆਰਟੀਕਲ 22 ਦੁਆਰਾ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਨਿਯੰਤ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ: "ਡਾਟਾ ਵਿਸ਼ੇ ਨੂੰ ਪ੍ਰੋਫਾਈਲਿੰਗ ਸਮੇਤ, ਸਵੈਚਲਿਤ ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਅਧਾਰਤ ਕਿਸੇ ਫੈਸਲੇ ਦੇ ਅਧੀਨ ਨਾ ਹੋਣ ਦਾ ਅਧਿਕਾਰ ਹੈ, ਜੋ ਉਸ 'ਤੇ ਕਾਨੂੰਨੀ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਾਂ ਜੋ ਉਸ ਨੂੰ ਸਮਾਨ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।
ਇਹ ਲੇਖ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈਚਲਿਤ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਕਿਸੇ ਵਿਸ਼ੇ ਦੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਡੇਟਾ ਕੰਟਰੋਲਰਾਂ ਲਈ ਮਨਾਹੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿਸਦਾ ਵਿਸ਼ੇ 'ਤੇ ਸਿੱਧਾ ਕਾਨੂੰਨੀ ਪ੍ਰਭਾਵ ਹੁੰਦਾ ਹੈ। ਪਰ ਤੰਤੂ ਨੈੱਟਵਰਕ, ਸਵੈਚਲਿਤ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਮਿਲਾਏ ਜਾਂਦੇ ਹਨ, ਇੱਕ ਵਾਰ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਆਟੋਮੈਟਿਕ ਫੈਸਲੇ ਲੈਣ ਦੀ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਕਰ ਲੈਂਦੇ ਹਨ ਜੋ ਲੋਕਾਂ ਦੇ ਜੀਵਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਪਰ ਇਹ ਫੈਸਲੇ ਹਮੇਸ਼ਾ “ਤਰਕਪੂਰਨ” ਨਹੀਂ ਹੁੰਦੇ। ਸਿਖਲਾਈ ਦੇ ਦੌਰਾਨ, ਅਸਲ ਵਿੱਚ, ਹਰੇਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਇੱਕ ਦੂਜੇ ਨਾਲ ਜਾਣਕਾਰੀ ਨੂੰ ਜੋੜਨਾ ਸਿੱਖਦਾ ਹੈ, ਅਕਸਰ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਨਾਲ ਬਿਲਕੁਲ ਗੈਰ-ਲੀਨੀਅਰ ਤਰੀਕੇ ਨਾਲ ਜੋੜਦਾ ਹੈ। ਅਤੇ "ਤਰਕ" ਦੀ ਅਣਹੋਂਦ ਉਸ ਵਿਧਾਇਕ ਲਈ ਕੰਮ ਨੂੰ ਆਸਾਨ ਨਹੀਂ ਬਣਾਉਂਦੀ ਜੋ ਲੋਕਾਂ ਦੀ ਨਿੱਜਤਾ ਦੀ ਰੱਖਿਆ ਵਿੱਚ ਢਾਲ ਬਣਾਉਣਾ ਚਾਹੁੰਦਾ ਹੈ।
ਜੇਕਰ ਕਿਸੇ ਨੇ ਇੱਕ ਬਹੁਤ ਹੀ ਪ੍ਰਤਿਬੰਧਿਤ ਨੀਤੀ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਵੀ ਚੁਣਿਆ ਹੈ, ਉਦਾਹਰਨ ਲਈ ਕਿਸੇ ਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਦੀ ਵਰਤੋਂ 'ਤੇ ਪਾਬੰਦੀ ਲਗਾਉਣਾ ਜਦੋਂ ਤੱਕ ਮਾਲਕ ਦੁਆਰਾ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਅਧਿਕਾਰਤ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਕਾਨੂੰਨੀ ਵਰਤੋਂ ਅਵਿਵਹਾਰਕ ਹੋਵੇਗੀ। ਅਤੇ ਨਿਊਰਲ ਨੈਟਵਰਕ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਛੱਡਣਾ ਇੱਕ ਵੱਡਾ ਨੁਕਸਾਨ ਹੋਵੇਗਾ, ਸਿਰਫ ਇੱਕ ਆਬਾਦੀ ਦੇ ਵਿਸ਼ਿਆਂ ਦੇ ਕਲੀਨਿਕਲ ਡੇਟਾ ਦੇ ਨਾਲ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਵਿਸ਼ਲੇਸ਼ਣ ਮਾਡਲਾਂ ਬਾਰੇ ਸੋਚੋ ਜੋ ਕਿਸੇ ਖਾਸ ਬਿਮਾਰੀ ਦੁਆਰਾ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਹੋਇਆ ਹੈ। ਇਹ ਮਾਡਲ ਡੇਟਾ ਵਿੱਚ ਮੌਜੂਦ ਤੱਤਾਂ ਅਤੇ ਬਿਮਾਰੀ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਪਛਾਣ ਕਰਕੇ ਰੋਕਥਾਮ ਨੀਤੀਆਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ, ਅਚਾਨਕ ਸਬੰਧ ਜੋ ਡਾਕਟਰਾਂ ਦੀਆਂ ਨਜ਼ਰਾਂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਤਰਕਹੀਣ ਲੱਗ ਸਕਦੇ ਹਨ।
ਸਾਲਾਂ ਤੋਂ ਅੰਨ੍ਹੇਵਾਹ ਤੌਰ 'ਤੇ ਇਸ ਦੇ ਸੰਗ੍ਰਹਿ ਨੂੰ ਅਧਿਕਾਰਤ ਕਰਨ ਤੋਂ ਬਾਅਦ ਲੋਕਾਂ ਦੀ ਗੋਪਨੀਯਤਾ ਦਾ ਸਨਮਾਨ ਕਰਨ ਦੀ ਸਮੱਸਿਆ ਪੈਦਾ ਕਰਨਾ ਘੱਟੋ ਘੱਟ ਕਹਿਣਾ ਪਖੰਡ ਹੈ। GDPR ਆਪਣੀ ਗੁੰਝਲਤਾ ਦੇ ਨਾਲ ਖੁਦ ਕਈ ਹੇਰਾਫੇਰੀਆਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ ਜੋ ਧਾਰਾਵਾਂ ਦੀ ਅਸਪਸ਼ਟਤਾ ਅਤੇ ਸਮਝਣ ਦੀ ਮੁਸ਼ਕਲ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਕੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
ਸਾਨੂੰ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਕਾਨੂੰਨ ਦੇ ਸਰਲੀਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਜੋ ਇਸਦੀ ਲਾਗੂ ਹੋਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਅਤੇ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਦੀ ਸੁਚੇਤ ਵਰਤੋਂ ਵਿੱਚ ਅਸਲ ਸਿੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
ਮੇਰਾ ਪ੍ਰਸਤਾਵ ਕੰਪਨੀਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਜਾਣਨ ਦੀ ਆਗਿਆ ਨਹੀਂ ਦੇਣਾ ਹੈ ਜੋ ਆਪਣੀਆਂ ਸੇਵਾਵਾਂ ਲਈ ਰਜਿਸਟਰ ਕਰਦੇ ਹਨ, ਭਾਵੇਂ ਉਹ ਅਦਾਇਗੀ ਸੇਵਾਵਾਂ ਦੇ ਹੋਣ। ਨਿੱਜੀ ਵਿਅਕਤੀਆਂ ਦੁਆਰਾ ਜਾਅਲੀ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਆਪਣੇ ਆਪ ਹੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਜਦੋਂ ਉਹ ਔਨਲਾਈਨ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਅਸਲ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਖਰੀਦ ਪ੍ਰਕਿਰਿਆ ਤੱਕ ਹੀ ਸੀਮਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਦੇ ਹੋਏ ਕਿ ਇਹ ਸੇਵਾ ਡੇਟਾਬੇਸ ਤੋਂ ਹਮੇਸ਼ਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰਾ ਹੈ।
ਇਸ ਪ੍ਰੋਫਾਈਲ ਨਾਲ ਕਿਸੇ ਨਾਮ ਜਾਂ ਚਿਹਰੇ ਨੂੰ ਜੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੇ ਬਿਨਾਂ ਵਿਸ਼ੇ ਦੇ ਸਵਾਦ ਅਤੇ ਤਰਜੀਹਾਂ ਨੂੰ ਜਾਣਨਾ, ਅਪਸਟ੍ਰੀਮ ਕੀਤੇ ਗਏ ਅਗਿਆਤਕਰਨ ਦੇ ਇੱਕ ਰੂਪ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ ਜੋ ਆਟੋਮੇਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਜਿਵੇਂ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸਾਂ ਦੇ ਅੰਦਰ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਦੀ ਆਗਿਆ ਦੇਵੇਗਾ।
ਆਰਟੀਕੋਲੋ ਡੀ Gianfranco Fedele
ਜਲ ਸੈਨਾ ਖੇਤਰ ਇੱਕ ਸੱਚੀ ਗਲੋਬਲ ਆਰਥਿਕ ਸ਼ਕਤੀ ਹੈ, ਜਿਸ ਨੇ 150 ਬਿਲੀਅਨ ਮਾਰਕੀਟ ਵੱਲ ਨੈਵੀਗੇਟ ਕੀਤਾ ਹੈ...
ਪਿਛਲੇ ਸੋਮਵਾਰ, ਫਾਈਨੈਂਸ਼ੀਅਲ ਟਾਈਮਜ਼ ਨੇ ਓਪਨਏਆਈ ਨਾਲ ਇੱਕ ਸੌਦੇ ਦਾ ਐਲਾਨ ਕੀਤਾ। FT ਆਪਣੀ ਵਿਸ਼ਵ ਪੱਧਰੀ ਪੱਤਰਕਾਰੀ ਨੂੰ ਲਾਇਸੰਸ ਦਿੰਦਾ ਹੈ...
ਲੱਖਾਂ ਲੋਕ ਸਟ੍ਰੀਮਿੰਗ ਸੇਵਾਵਾਂ ਲਈ ਭੁਗਤਾਨ ਕਰਦੇ ਹਨ, ਮਹੀਨਾਵਾਰ ਗਾਹਕੀ ਫੀਸ ਅਦਾ ਕਰਦੇ ਹਨ। ਇਹ ਆਮ ਰਾਏ ਹੈ ਕਿ ਤੁਸੀਂ…
Veeam ਦੁਆਰਾ Coveware ਸਾਈਬਰ ਜ਼ਬਰਦਸਤੀ ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜਾਰੀ ਰੱਖੇਗਾ। ਕੋਵਵੇਅਰ ਫੋਰੈਂਸਿਕ ਅਤੇ ਉਪਚਾਰ ਸਮਰੱਥਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰੇਗਾ...
