AI کی اخلاقیات اور تعصب

تین طریقے

1. 1

   AI میں تعصب تین دروازوں سے داخل ہوتا ہے۔ پہلا ڈیٹا۔ اگر آپ جس ماضی پر تربیت کر رہے ہیں وہ خود غیر منصفانہ ہے، تو ماڈل اس تعصب کو پیٹرن کے طور پر اٹھا لے گا۔ دوسرا لیبلنگ۔ مثالوں پر لیبل انسان لگاتے ہیں؛ ان کا لیبل ان کے مفروضے ساتھ لاتا ہے۔ تیسرا تعیناتی۔ ایک کام کے لیے بنا ماڈل کسی اور کام میں استعمال ہو جائے تو ان لوگوں کو نقصان پہنچا سکتا ہے جن سے اصل ڈیزائنر کبھی نہیں ملا۔ تینوں اہم ہیں۔ کوئی بھی انتظار سے ختم نہیں ہوتا۔

2. 2

   پاکستان ایک خاص پرت کا اضافہ کرتا ہے۔ زیادہ تر بنیادی ماڈل مغربی انگریزی ڈیٹا پر تربیت پاتے ہیں۔ وہ بیکن ہاؤس کے فارغ التحصیل کے CV پر زیادہ اچھے ہیں بمقابلہ لاڑکانہ کے گورنمنٹ ہائی اسکول کے فارغ التحصیل کے CV کے، چاہے دوسرا زیادہ قابل ہو۔ نستعلیق اردو پر بہتر، سندھی پر کمزور۔ ٹیکساس کے پراپرٹی قانون پر بہتر، پنجاب ٹینینسی ایکٹ پر کمزور۔ یہ ماڈل پر اخلاقی فیصلہ نہیں ہے۔ یہ بیان ہے کہ اس نے کن مثالوں کو زیادہ دیکھا ہے۔

3. 3

   پاکستان کا قانونی ڈھانچہ ابھر رہا ہے۔ PECA، پرسنل ڈیٹا پروٹیکشن ایکٹ 2023، اور وزارتِ آئی ٹی کا مسودۂ قومی AI پالیسی، یہ مل کر بتانے لگے ہیں کہ ذمہ دار AI تعیناتی کیا ہوتی ہے، ڈیٹا استعمال کی رضا مندی کیا ہوتی ہے، اور جب الگورتھم کسی کے ساتھ غلطی کرے تو شہری کو کیا داد رسی حاصل ہے۔ یہ مکمل فریم ورک نہیں ہیں۔ یہ ایک کا ابتدائی خاکہ ہیں۔ کام کرنے والے پیشہ ور کو کم از کم ان کا وجود معلوم ہونا چاہیے۔

کیوں؟

Claude کے ساتھ آزمائیں

آزمائش کے لیے پرامپٹ: 'میں پاکستانی [شعبہ] میں [کام] کے لیے AI تعینات کر رہا ہوں۔ پانچ ایسے طریقے بتائیں جن سے یہ تعیناتی خاص گروپوں کے لیے غیر منصفانہ یا نقصان دہ نتائج دے سکتی ہے، ہر ایک کے لیے ایک حل۔ ٹھوس بات کریں، پاکستانی مثالیں دیں۔' جواب کو شروعاتی چیک لسٹ سمجھیں، حتمی فیصلہ نہیں۔