உருவாக்கும் AI-யின் நெறிமுறை சிக்கல்கள்

சார்புநிலை முதல் பதிப்புரிமை கவலைகள் வரை: ஒரு நேரடி பார்வை

சமீபத்தில், எனது வலைப்பதிவிற்காக தனித்துவமான கலைப்படைப்புகளை உருவாக்க Google Gemini-யின் பட உருவாக்க திறன்களைப் பயன்படுத்தும் ஒரு தனிப்பட்ட திட்டத்தை நான் மேற்கொண்டேன். முடிவுகள் ஆரம்பத்தில் பிரமிக்க வைத்தன. சில நொடிகளில், AI ஒரு அற்புதமான அறிவியல் புனைகதை நிலப்பரப்பை உருவாக்கியது. இருப்பினும், ஒரு நெருக்கமான ஆய்வு ஒரு அமைதியற்ற விவரத்தை வெளிப்படுத்தியது: உருவாக்கப்பட்ட படம் புகழ்பெற்ற, எளிதில் அடையாளம் காணக்கூடிய கட்டிடத்தின் கட்டடக்கலை அம்சங்களை ஒத்திருந்தது. எனது அறிவுறுத்தலில் இந்த அமைப்பு பற்றி எதுவும் குறிப்பிடப்படவில்லை என்றாலும் இது நடந்தது. இது வெறும் தற்செயலானதா? அல்லது ஒருவேளை தற்செயலாக நகலெடுக்கும் நிகழ்வா? இந்த அனுபவம் ஒரு கடுமையான நினைவூட்டலாக அமைந்தது: உருவாக்கும் AI-யின் ஆற்றல் மறுக்க முடியாதது, ஆனால் அதன் நெறிமுறை தாக்கங்கள் சிக்கலான மற்றும் ஆபத்தானவை.

2025 ஆம் ஆண்டில், உருவாக்கும் AI-யின் நிலப்பரப்பு ChatGPT, DALL-E, GitHub Copilot, Midjourney 5.2, Stable Diffusion 3.5, Anthropic’s Claude 3.5, Google’s Gemini 2.0, Meta’s Llama 3.1, Mistral Large 2, and xAI’s Grok 3 போன்ற சக்திவாய்ந்த கருவிகளால் நிரம்பியுள்ளது. இவற்றில் பலவற்றை நான் தனிப்பட்ட முறையில் பரிசோதிக்கும் வாய்ப்பைப் பெற்றுள்ளேன், அவற்றின் மாற்றும் திறன்கள் மற்றும் உள்ளார்ந்த வரம்புகள் இரண்டையும் கண்டேன்.

எனது பயணம் சில முக்கிய நுண்ணறிவுகளை அளித்துள்ளது. நிறுவனங்களால் AI கருவிகளைப் பயன்படுத்துவது வியக்கத்தக்க விகிதத்தில் முன்னேறி வருகிறது. Gartner’s கணிப்புகள் 2026 ஆம் ஆண்டளவில் 80% க்கும் அதிகமான வணிகங்கள் உருவாக்கும் AI ஐ செயல்படுத்தும் என்பதைக் குறிக்கின்றன, இது 2023 இல் 5% க்கும் குறைவாக இருந்து வியத்தகு அதிகரிப்பு. இருப்பினும், Deloitte’s 2024 அறிக்கைகள் ஒரு முக்கியமான சவாலை அடிக்கோடிட்டுக் காட்டுகின்றன: பல நிறுவனங்கள் வலுவான நிர்வாகக் கட்டமைப்புகளை நிறுவ போராடுகின்றன, இதில் விரிவான நெறிமுறைக் கொள்கைகள் உட்பட, தொடர்புடைய அபாயங்களை திறம்பட நிர்வகிக்க. நான் சந்தித்த நெறிமுறை சிக்கல்களைப் பற்றி ஆராய்வோம் மற்றும் இந்த வளர்ந்து வரும் நிலப்பரப்பில் செல்லக்கூடிய உத்திகளை ஆராய்வோம்.

AI சார்பு பற்றிய எனது ஆய்வு ஒரு எளிய சோதனையுடன் தொடங்கியது. Google’s Gemini 2.0 ஐப் பயன்படுத்தி, ‘ஒரு CEO-வைக் காட்டு’ என்ற அறிவுறுத்தலை வெளியிட்டேன். இதன் விளைவாக கணிக்கக்கூடியதாக இருந்தது: ஒரு நவீன அலுவலக அமைப்பில் அமைந்துள்ள ஒரு வெள்ளை மனிதனின் படம். ஆர்வத்துடன், ‘ஒரு CEO-வின் படத்தை உருவாக்கவும்’ மற்றும் ‘ஒரு நிறுவனத்தின் CEO-வைப் படம் பிடிக்கவும்’ போன்ற சிறிய மாறுபாடுகளை அறிமுகப்படுத்தி, சோதனையை மேலும் மூன்று முறை மீண்டும் செய்தேன். இதன் விளைவாக நிலையானதாக இருந்தது: மேலும் மூன்று படங்கள் வெள்ளை மனிதர்களை சித்தரிக்கின்றன. சார்பு பற்றிய இந்த நேரடி கவனிப்பு வெறும் நிகழ்வு மட்டுமல்ல; இது ஒரு பரந்த, முறையான சிக்கலை பிரதிபலிக்கிறது. முன்னணி AI நெறிமுறை அமைப்புகளின் அறிக்கைகள், பட உருவாக்கத்தில் சார்பு 2025 இல் ஒரு குறிப்பிடத்தக்க சவாலாக உள்ளது என்பதை உறுதிப்படுத்துகின்றன. இது வெறும் சுருக்கமான தரவு மட்டுமல்ல; AI உடனான நேரடியான தொடர்புகளின் மூலம் நான் சந்தித்த ஒரு உறுதியான பிரச்சனை இது.

இருப்பினும், நெறிமுறை சவால்கள் சார்புக்கு அப்பாற்பட்டவை. தொழில்நுட்ப செய்தி நிலப்பரப்பு, பதிப்புரிமை பெற்ற பொருட்களுடன் குறிப்பிடத்தக்க ஒற்றுமையைக் கொண்ட AI-உருவாக்கிய படங்களின் அறிக்கைகளால் நிறைந்துள்ளது. 2023 இல் Stable Diffusion க்கு எதிராக Getty Images தாக்கல் செய்த பரவலாக விளம்பரப்படுத்தப்பட்ட வழக்கு ஒரு முக்கிய எடுத்துக்காட்டு. இவை கற்பனையான காட்சிகள் அல்ல; இந்த கருவிகள் தற்செயலாக அறிவுசார் சொத்துரிமைகளை மீறும் திறனைக் கொண்டிருப்பதை விளக்கும் ஆவணப்படுத்தப்பட்ட வழக்குகள் இவை.

தனியுரிமையின் புதிர் மற்றும் அறிவுசார் சொத்தின் நுணுக்கங்கள்: ஒரு பரந்த பார்வை

தனியுரிமை கவலைகள் வெறும் கோட்பாட்டு கட்டமைப்புகள் அல்ல. NeurIPS போன்ற மதிப்புமிக்க கல்வி மாநாடுகள் மற்றும் Nature Machine Intelligence போன்ற மதிப்புமிக்க பத்திரிகைகளில் வெளியிடப்பட்ட அறிக்கைகள், பெரிய மொழி மாதிரிகள் அவற்றின் பயிற்சி தரவுகளிலிருந்து தகவல்களைப் பிரித்தெடுக்கும் அல்லது ஊகிக்கும் திறனை வெளிச்சம் போட்டுக் காட்டியுள்ளன. இது பொது தரவு பாதுகாப்பு ஒழுங்குமுறை (GDPR) உடன் இணங்குவது குறித்த தீவிர கவலைகளை எழுப்புகிறது, இது 2025 இல் மிகவும் பொருத்தமானதாக உள்ளது, குறிப்பாக EU AI Act’s ஆணைகளின் வெளிச்சத்தில். ஐரோப்பிய சந்தைகளுக்காக வடிவமைக்கப்பட்ட மாதிரிகள் கூடுதல் பாதுகாப்புகளை உள்ளடக்கியிருந்தாலும், அடிப்படை பதற்றம் நீடிக்கிறது.

அறிவுசார் சொத்தைச் சுற்றியுள்ள சவால்கள் பல தளங்களில் பரவலாக உள்ளன. AI மன்றங்கள் மற்றும் GitHub சிக்கல்களைப் பற்றிய ஒரு ஆய்வு, ஏற்கனவே உள்ள களஞ்சியங்களில் காணப்படும் குறியீடு துணுக்குகளை ஒத்த AI குறியீட்டு உதவியாளர்கள் உருவாக்கும் குறியீடு துணுக்குகளைப் பற்றிய டெவலப்பர்களின் அடிக்கடி அறிக்கைகளை வெளிப்படுத்துகிறது. இது AI மற்றும் அறிவுசார் சொத்துரிமைகளின் குறுக்குவெட்டு பற்றிய நடந்துகொண்டிருக்கும், பரந்த விவாதத்தை பிரதிபலிக்கிறது, இது 2025 இல் தொடர்ந்து வெளிவருகிறது.

நெறிமுறை சிக்கல்களை நிவர்த்தி செய்தல்: முன்னேற்றம் மற்றும் தீர்வுகள்

AI தொழில் இந்த பன்முக சவால்களுக்கு தீவிரமாக பதிலளித்து வருகிறது. முக்கிய AI நிறுவனங்கள் சிவப்பு குழு சோதனை, வாட்டர்மார்க்கிங் (C2PA தரநிலைகளை பின்பற்றுதல்) மற்றும் முக்கியமான அறிவுறுத்தல்களைத் தடுப்பது உள்ளிட்ட பல்வேறு நடவடிக்கைகளை செயல்படுத்தியுள்ளன. இந்த செயலூக்கமான அணுகுமுறை பாராட்டத்தக்கது மற்றும் பின்பற்றத்தக்கது. தொழில் அறிக்கைகள் மற்றும் முக்கிய மாநாடுகளில் வழங்கப்பட்ட விளக்கக்காட்சிகளின்படி, சார்பு தணிக்கைகள், பெரும்பாலும் Google’s What-If Tool போன்ற கருவிகளைப் பயன்படுத்துகின்றன, மேலும் நிலையான நடைமுறையாகி வருகின்றன.

ChatGPT போன்ற அமைப்புகளில் Retrieval Augmented Generation (RAG) ஐ ஒருங்கிணைப்பது, சரிபார்க்கப்பட்ட தகவல்களில் பதில்களை நிலைநிறுத்துகிறது, நம்பகத்தன்மையை மேம்படுத்துகிறது மற்றும் தவறான அல்லது துல்லியமற்ற உள்ளடக்கத்தை உருவாக்கும் அபாயத்தைக் குறைக்கிறது. மேலும், 2025 ஆம் ஆண்டின் EU AI Act இல் பொதிந்துள்ள வெளிப்படைத்தன்மை விதிகள் பொறுப்பான AI வளர்ச்சிக்கான முக்கியமான வரையறைகளை நிறுவுகின்றன. சுகாதாரத் துறையில், AI திட்டங்கள் இப்போது நெறிமுறை தரவு கையாளுதல் நடைமுறைகளுக்கு முன்னுரிமை அளிக்கின்றன, GDPR விதிமுறைகளுக்கு கண்டிப்பாக இணங்குவதை உறுதி செய்கின்றன.

AI-யின் பாதையை வடிவமைப்பதன் கட்டாயம்

2025 இல் உருவாக்கும் AI-யின் பாதை ஒரு முக்கிய தருணத்தை அளிக்கிறது. முன்னோடியில்லாத படைப்பாற்றலை வளர்ப்பதற்கு அதன் திறனை நாம் பயன்படுத்துவோமா, அல்லது அதை கட்டுப்பாடற்ற பெருக்க நிலைக்கு செல்ல அனுமதிப்போமா? இந்த கருவிகளைப் பற்றிய எனது ஆய்வு, தொழில் விவாதங்களில் எனது ஈடுபாட்டுடன் இணைந்து, AI வளர்ச்சியின் கட்டமைப்பில் நெறிமுறைகளை உட்பொதிப்பதன் முக்கியத்துவத்தை அடிக்கோடிட்டுக் காட்டுகிறது. இது ஒரு பின் சிந்தனையாக இருக்க முடியாது.

டெவலப்பர்கள் சார்புகளைக் கண்டறிந்து தணிக்க வடிவமைக்கப்பட்ட சோதனை கருவிகளை செயலூக்கத்துடன் பயன்படுத்த வேண்டும், AI அமைப்புகளில் வெளிப்படைத்தன்மைக்கு வாதிட வேண்டும், மேலும் சிந்தனைமிக்க மற்றும் விரிவான AI கொள்கைகளின் வளர்ச்சிக்கு ஆதரவளிக்க வேண்டும்.

எனது ஆய்வைத் தூண்டிய ஆரம்ப கட்டடக்கலை படத்திற்குத் திரும்புகையில், மிகவும் குறிப்பிடத்தக்க அம்சம் AI-யின் தொழில்நுட்பத் திறன் அல்ல, மாறாக அது தூண்டிய ஆழமான நெறிமுறை கேள்விகள். ஒரு AI, வெளிப்படையான அறிவுறுத்தல் இல்லாமல், ஒரு சின்னமான கட்டிடத்தின் தனித்துவமான வடிவமைப்பு கூறுகளை நகலெடுக்க முடிந்தால், இந்த அமைப்புகள் வேறு என்ன வகையான அங்கீகரிக்கப்படாத நகலெடுப்புகளைச் செய்ய முடியும்? இந்த பெருகிய முறையில் சக்திவாய்ந்த கருவிகளை நாம் தொடர்ந்து உருவாக்கி பயன்படுத்தும்போது இந்தக் கேள்வி நம் மனதில் முன்னணியில் இருக்க வேண்டும். AI-யின் எதிர்காலம் நெறிமுறை மேம்பாடு மற்றும் பொறுப்பான கண்டுபிடிப்புக்கான நமது கூட்டு அர்ப்பணிப்பைப் பொறுத்தது.

உருவாக்கும் AI கருவிகளின் விரைவான முன்னேற்றம் நெறிமுறை பரிசீலனைகளின் சிக்கலான வலையை வெளிப்படுத்தியுள்ளது, பொறுப்பான வளர்ச்சி மற்றும் வரிசைப்படுத்தலை உறுதிப்படுத்த ஒரு செயலூக்கமான மற்றும் பன்முக அணுகுமுறையைக் கோருகிறது. சில முக்கிய பகுதிகளைப் பற்றிய ஆழமான ஆய்வு இங்கே:

1. சார்பு பெருக்கம் மற்றும் தணிப்பு:

• பிரச்சனை: உருவாக்கும் AI மாதிரிகள் பரந்த தரவுத்தொகுப்புகளில் பயிற்சி அளிக்கப்படுகின்றன, அவை பெரும்பாலும் இருக்கும் சமூக சார்புகளை பிரதிபலிக்கின்றன. இது AI அமைப்புகள் இந்த சார்புகளை அவற்றின் வெளியீடுகளில் நிலைநிறுத்துவதற்கும் பெருக்குவதற்கும் வழிவகுக்கும், இதன் விளைவாக நியாயமற்ற அல்லது பாரபட்சமான முடிவுகள் ஏற்படும். எடுத்துக்காட்டுகளில், தொழில்களின் ஒரே மாதிரியான பிரதிநிதித்துவங்களை உருவாக்கும் பட ஜெனரேட்டர்கள் அல்லது சார்பு மொழி வடிவங்களைக் காட்டும் உரை ஜெனரேட்டர்கள் அடங்கும்.
• தணிப்பு உத்திகள்:
  • கவனமாக தரவுத்தொகுப்பு உருவாக்கம்: பல்வேறு மற்றும் பிரதிநிதித்துவ பயிற்சி தரவுத்தொகுப்புகளுக்கு முயற்சிப்பது முக்கியம். இது பரந்த அளவிலான புள்ளிவிவரங்கள், கண்ணோட்டங்கள் மற்றும் அனுபவங்களை பிரதிபலிக்கும் தரவை தீவிரமாக தேடுவதை உள்ளடக்குகிறது.
  • சார்பு கண்டறிதல் மற்றும் தணிக்கை கருவிகள்: AI மாதிரிகளில் சார்புகளை அடையாளம் கண்டு அளவிட வடிவமைக்கப்பட்ட கருவிகளைப் பயன்படுத்துவது அவசியம். இந்த கருவிகள் டெவலப்பர்கள் சார்பின் அளவு மற்றும் தன்மையைப் புரிந்துகொள்ள உதவும், இதனால் அவர்கள் திருத்தும் நடவடிக்கைகளை எடுக்க முடியும்.
  • அல்காரிதம் சரிசெய்தல்: மாதிரி பயிற்சி செயல்பாட்டின் போது சார்புகளைத் தணிக்க எதிரெதிர் பயிற்சி மற்றும் நியாயமான-விழிப்புணர்வு அல்காரிதம்கள் போன்ற நுட்பங்களைப் பயன்படுத்தலாம்.
  • மனித மேற்பார்வை: மனித மதிப்பாய்வு மற்றும் பின்னூட்ட சுழல்களை இணைப்பது, சார்பு வெளியீடுகளை வரிசைப்படுத்துவதற்கு அல்லது பரப்புவதற்கு முன் அவற்றை அடையாளம் கண்டு சரிசெய்ய உதவும்.

2. அறிவுசார் சொத்து மற்றும் பதிப்புரிமை மீறல்:

• பிரச்சனை: உருவாக்கும் AI மாதிரிகள் தற்செயலாக பதிப்புரிமை பெற்ற பொருளை மீண்டும் உருவாக்கலாம், அவற்றின் பயிற்சி தரவுகளிலிருந்து கூறுகளை நேரடியாக நகலெடுப்பதன் மூலமோ அல்லது இருக்கும் படைப்புகளைப் போன்ற வெளியீடுகளை உருவாக்குவதன் மூலமோ. இது இந்த கருவிகளின் டெவலப்பர்கள் மற்றும் பயனர்கள் இருவருக்கும் குறிப்பிடத்தக்க சட்ட மற்றும் நெறிமுறை அபாயங்களை ஏற்படுத்துகிறது.
• தணிப்பு உத்திகள்:
  • பயிற்சி தரவு வடிகட்டுதல்: பயிற்சி தரவுத்தொகுப்புகளிலிருந்து பதிப்புரிமை பெற்ற பொருளை அகற்ற வலுவான வடிகட்டுதல் வழிமுறைகளை செயல்படுத்துவது ஒரு முக்கியமான முதல் படியாகும்.
  • பதிப்புரிமை கண்டறிதல் கருவிகள்: AI-உருவாக்கிய வெளியீடுகளில் சாத்தியமான பதிப்புரிமை மீறல்களை அடையாளம் காணக்கூடிய கருவிகளைப் பயன்படுத்துவது, மீறும் உள்ளடக்கத்தின் பரவலைத் தடுக்க உதவும்.
  • உரிமம் மற்றும் பண்புக்கூறு: AI-உருவாக்கிய உள்ளடக்கத்திற்கான தெளிவான உரிம கட்டமைப்புகளை உருவாக்குதல் மற்றும் அசல் படைப்பாளர்களுக்கு சரியான பண்புக்கூறுக்கான வழிமுறைகளை நிறுவுதல் அவசியம்.
  • சட்ட வழிகாட்டுதல்: AI சூழலில் அறிவுசார் சொத்து சட்டத்தின் சிக்கலான நிலப்பரப்பில் செல்ல சட்ட ஆலோசனையைப் பெறுவது மிகவும் பரிந்துரைக்கப்படுகிறது.

3. தனியுரிமை மீறல்கள் மற்றும் தரவு பாதுகாப்பு:

• பிரச்சனை: உருவாக்கும் AI மாதிரிகள், குறிப்பாக பெரிய மொழி மாதிரிகள், தனிப்பட்ட முறையில் அடையாளம் காணக்கூடிய தகவல்களை (PII) கொண்டிருக்கக்கூடிய முக்கியமான தரவுகளில் பயிற்சி அளிக்கப்படலாம். இது தனியுரிமை மீறல்களுக்கான சாத்தியக்கூறுகள் குறித்த கவலைகளை எழுப்புகிறது, குறிப்பாக மாதிரி அதன் வெளியீடுகளில் PII ஐ தற்செயலாக வெளிப்படுத்தினால் அல்லது ஊகித்தால்.
• தணிப்பு உத்திகள்:
  • தரவு பெயர் தெரியாதது மற்றும் போலிப்பெயரிடுதல்: பயிற்சி தரவுகளிலிருந்து PII ஐ அகற்ற அல்லது மறைக்க நுட்பங்களைப் பயன்படுத்துவது முக்கியம்.
  • வேறுபட்ட தனியுரிமை: வேறுபட்ட தனியுரிமை நுட்பங்களை செயல்படுத்துவது பயிற்சி தரவுகளில் இரைச்சலைச் சேர்க்கலாம், இது குறிப்பிட்ட நபர்களைப் பற்றிய தகவல்களைப் பிரித்தெடுப்பதை மிகவும் கடினமாக்குகிறது.
  • பாதுகாப்பான மாதிரி பயிற்சி மற்றும் வரிசைப்படுத்தல்: AI மாதிரிகளைப் பயிற்றுவிப்பதற்கும் வரிசைப்படுத்துவதற்கும் பாதுகாப்பான உள்கட்டமைப்பு மற்றும் நெறிமுறைகளைப் பயன்படுத்துவது தரவு மீறல்கள் மற்றும் அங்கீகரிக்கப்படாத அணுகலுக்கு எதிராக பாதுகாக்க உதவும்.
  • தனியுரிமை விதிமுறைகளுக்கு இணங்குதல்: GDPR மற்றும் CCPA போன்ற தொடர்புடைய தனியுரிமை விதிமுறைகளுக்கு இணங்குவது மிக முக்கியமானது.

4. வெளிப்படைத்தன்மை மற்றும் விளக்கத்தன்மை:

• பிரச்சனை: பல உருவாக்கும் AI மாதிரிகள் ‘கருப்பு பெட்டிகள்’, அதாவது அவற்றின் உள் செயல்பாடுகள் ஒளிபுகா மற்றும் புரிந்துகொள்வது கடினம். இந்த வெளிப்படைத்தன்மை இல்லாமை, சார்பு அல்லது தவறான தகவல் போன்ற சிக்கலான வெளியீடுகளின் மூல காரணங்களை அடையாளம் காண்பதை சவாலாக்குகிறது.
• தணிப்பு உத்திகள்:
  • விளக்கக்கூடிய AI (XAI) நுட்பங்கள்: XAI நுட்பங்களை உருவாக்குதல் மற்றும் பயன்படுத்துதல் AI மாதிரிகளின் முடிவெடுக்கும் செயல்முறைகளில் வெளிச்சம் போட உதவும்.
  • மாதிரி ஆவணமாக்கல்: மாதிரியின் கட்டமைப்பு, பயிற்சி தரவு மற்றும் வரம்புகள் பற்றிய தெளிவான மற்றும் விரிவான ஆவணங்களை வழங்குவது அவசியம்.
  • தணிக்கை மற்றும் கண்காணிப்பு: செயல்திறன் மற்றும் நெறிமுறை இணக்கத்திற்காக AI மாதிரிகளை தவறாமல் தணிக்கை செய்தல் மற்றும் கண்காணித்தல் சாத்தியமான சிக்கல்களை அடையாளம் கண்டு நிவர்த்தி செய்ய உதவும்.
  • பயனர் கல்வி: AI அமைப்புகளின் திறன்கள் மற்றும் வரம்புகள் குறித்து பயனர்களுக்குக் கற்பித்தல் பொறுப்பான பயன்பாடு மற்றும் தகவலறிந்த முடிவெடுத்தலை ஊக்குவிக்கும்.

5. தவறான தகவல் மற்றும் தீங்கிழைக்கும் பயன்பாடு:

• பிரச்சனை: உரை, படங்கள் மற்றும் வீடியோக்கள் உள்ளிட்ட மிகவும் யதார்த்தமான ஆனால் புனையப்பட்ட உள்ளடக்கத்தை உருவாக்க உருவாக்கும் AI ஐப் பயன்படுத்தலாம். இந்த ‘டீப்ஃபேக்’ தொழில்நுட்பம் தவறான தகவல்களைப் பரப்புதல், தனிநபர்களை ஆள்மாறாட்டம் செய்தல் அல்லது மோசடி பொருட்களை உருவாக்குதல் போன்ற தீங்கிழைக்கும் நோக்கங்களுக்காகப் பயன்படுத்தப்படலாம்.
• தணிப்பு உத்திகள்:
  • கண்டறிதல் மற்றும் சரிபார்ப்பு கருவிகள்: AI-உருவாக்கிய உள்ளடக்கத்தின் நம்பகத்தன்மையைக் கண்டறிந்து சரிபார்க்க கருவிகளை உருவாக்குவது முக்கியம்.
  • வாட்டர்மார்க்கிங் மற்றும் தோற்றத்தைக் கண்காணித்தல்: வாட்டர்மார்க்கிங் மற்றும் தோற்றத்தைக் கண்காணிக்கும் வழிமுறைகளை செயல்படுத்துவது AI-உருவாக்கிய உள்ளடக்கத்தின் மூலத்தையும் வரலாற்றையும் அடையாளம் காண உதவும்.
  • பொது விழிப்புணர்வு பிரச்சாரங்கள்: AI-உருவாக்கிய தவறான தகவல்களுக்கான சாத்தியக்கூறுகள் குறித்து பொது விழிப்புணர்வை ஏற்படுத்துவது, தனிநபர்கள் தகவல்களைப் பற்றிய விவேகமான நுகர்வோராக மாற உதவும்.
  • ஒத்துழைப்பு மற்றும் தகவல் பகிர்தல்: ஆராய்ச்சியாளர்கள், டெவலப்பர்கள் மற்றும் கொள்கை வகுப்பாளர்களிடையே ஒத்துழைப்பை வளர்ப்பது, தீங்கிழைக்கும் பயன்பாட்டை எதிர்த்துப் போராடுவதற்கான தகவல் மற்றும் சிறந்த நடைமுறைகளைப் பகிர்வதை எளிதாக்கும்.

6. ஒழுங்குமுறை மற்றும் நிர்வாகத்தின் பங்கு:

• கட்டமைப்புகளுக்கான தேவை: உருவாக்கும் AI-யின் பொறுப்பான வளர்ச்சி மற்றும் வரிசைப்படுத்தலை வழிநடத்த தெளிவான ஒழுங்குமுறை கட்டமைப்புகள் மற்றும் நிர்வாக கட்டமைப்புகள் தேவை. இந்த கட்டமைப்புகள் சார்பு, தனியுரிமை, அறிவுசார் சொத்து மற்றும் பொறுப்புக்கூறல் போன்ற சிக்கல்களை நிவர்த்தி செய்ய வேண்டும்.
• சர்வதேச ஒத்துழைப்பு: AI-யின் உலகளாவிய தன்மையைக் கருத்தில் கொண்டு, நிலையான தரங்களை நிறுவவும் ஒழுங்குமுறை நடுவர் மன்றத்தைத் தடுக்கவும் சர்வதேச ஒத்துழைப்பு அவசியம்.
• பல பங்குதாரர் ஈடுபாடு: AI ஒழுங்குமுறைகள் மற்றும் நிர்வாக கட்டமைப்புகளின் வளர்ச்சியில் ஆராய்ச்சியாளர்கள், டெவலப்பர்கள், கொள்கை வகுப்பாளர்கள், சிவில் சமூக அமைப்புகள் மற்றும் பொதுமக்கள் உள்ளிட்ட பரந்த அளவிலான பங்குதாரர்கள் ஈடுபட வேண்டும்.
• தகவமைப்பு மற்றும் மறு செய்கை அணுகுமுறை: AI தொழில்நுட்பம் வேகமாக வளர்ந்து வருகிறது, எனவே ஒழுங்குமுறை கட்டமைப்புகள் தகவமைப்பு மற்றும் மறு செய்கையாக இருக்க வேண்டும், இது தொடர்ச்சியான மதிப்பாய்வு மற்றும் செம்மைப்படுத்தலை அனுமதிக்கிறது.

உருவாக்கும் AI ஐச் சுற்றியுள்ள நெறிமுறை பரிசீலனைகள் பன்முகத்தன்மை வாய்ந்தவை மற்றும் தொடர்ந்து உருவாகி வருகின்றன. இந்த சவால்களை நிவர்த்தி செய்ய டெவலப்பர்கள், ஆராய்ச்சியாளர்கள், கொள்கை வகுப்பாளர்கள் மற்றும் பொதுமக்கள் ஆகியோரை உள்ளடக்கிய ஒரு கூட்டு மற்றும் செயலூக்கமான அணுகுமுறை தேவைப்படுகிறது. நெறிமுறை கொள்கைகளுக்கு முன்னுரிமை அளிப்பதன் மூலமும், வலுவான தணிப்பு உத்திகளை செயல்படுத்துவதன் மூலமும், உருவாக்கும் AI-யின் மாற்றும் திறனைப் பயன்படுத்திக் கொள்ளலாம், அதே நேரத்தில் அதன் அபாயங்களைக் குறைத்து, சமூகத்தின் நலனுக்காக அதன் பொறுப்பான பயன்பாட்டை உறுதி செய்யலாம்.