ନୂଆଦିଲ୍ଲୀ, ନଭେମ୍ବର ୫: ଆଜିର ଦୁନିଆରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ବା ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ (AI) ଶିକ୍ଷା, ସ୍ୱାସ୍ଥ୍ୟ, କୃଷି, ବ୍ୟବସାୟ ଓ ଦୈନନ୍ଦିନ ଜୀବନର ଅନେକ କ୍ଷେତ୍ରରେ ପ୍ରବେଶ କରିସାରିଛି। ଚାଟ୍ବଟ୍ଠାରୁ ଆରମ୍ଭ କରି ଜଟିଳ ନିଷ୍ପତ୍ତି ନେବା ପର୍ଯ୍ୟନ୍ତ AIର ବ୍ୟବହାର ବଢ଼ୁଛି। କିନ୍ତୁ ଏକ AI ସିଷ୍ଟମ୍ କେତେ ସଠିକ୍ ଉତ୍ତର ଦେଉଛି, କେବଳ ସେହି ଆଧାରରେ ତାହାକୁ ବିଶ୍ୱସନୀୟ ବୋଲି କୁହାଯାଇପାରିବ ନାହିଁ। ଏହାର ସୁରକ୍ଷା, ନିରପେକ୍ଷତା, ନିର୍ଭରଯୋଗ୍ୟତା ଓ ଭୁଲ୍କୁ ଚିହ୍ନଟ କରିବାର କ୍ଷମତା ମଧ୍ୟ ପରୀକ୍ଷା କରିବା ଦରକାର।
ଏଭଳି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ମତ ରଖିଛନ୍ତି IIT ମାଡ୍ରାସ୍ର ଡାଟା ସାଇନ୍ସ ଆଣ୍ଡ୍ AI ବିଭାଗର ମୁଖ୍ୟ ପ୍ରଫେସର ବଳରାମନ ରବୀନ୍ଦ୍ରନ। ପଞ୍ଜାବର ମୋହାଲିସ୍ଥିତ ପ୍ଲାକ୍ଷା ବିଶ୍ୱବିଦ୍ୟାଳୟରେ ଆୟୋଜିତ ତିନିଦିନିଆ ConfAI 2026 ସମ୍ମିଳନୀରେ AI ଗଭର୍ଣ୍ଣାନ୍ସ ଉପରେ ମୁଖ୍ୟ ବକ୍ତବ୍ୟ ରଖି ସେ ଏହି ବିଷୟ ଉଠାଇଛନ୍ତି। ତାଙ୍କ ମତରେ, AI ଉପରେ ଲୋକଙ୍କ ଭରସା ବଢ଼ାଇବାକୁ ହେଲେ ଏହାର ମୂଲ୍ୟାୟନ ପଦ୍ଧତିକୁ ଆହୁରି ବ୍ୟାପକ ଓ କଠୋର କରିବାକୁ ପଡ଼ିବ।
ସାଧାରଣତଃ AI ମଡେଲ୍ର କ୍ଷମତା ମାପିବା ପାଇଁ ଏହା କେତେ ସଠିକ୍ ଉତ୍ତର ଦେଉଛି, ତାହାକୁ ଗୁରୁତ୍ୱ ଦିଆଯାଏ। କିନ୍ତୁ ଏହି ପଦ୍ଧତିରେ ଅନେକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦୁର୍ବଳତା ଲୁଚି ରହିପାରେ ବୋଲି ପ୍ରଫେସର ରବୀନ୍ଦ୍ରନ କହିଛନ୍ତି।
ଉଦାହରଣ ସ୍ୱରୂପ, ଗୋଟିଏ AI ମଡେଲ୍ ଏକ ପ୍ରଶ୍ନର ଉତ୍ତର ଠିକ୍ ଦେଇପାରେ, କିନ୍ତୁ ସେହି ପ୍ରଶ୍ନକୁ ଅନ୍ୟ ଶବ୍ଦରେ କିମ୍ବା ଭିନ୍ନ ଭାବରେ ପଚାରିଲେ ତାହାର ଉତ୍ତର ବଦଳିଯାଇପାରେ। ଏହା ଦର୍ଶାଏ ଯେ, AIର ଉତ୍ତର ସବୁବେଳେ ସମାନ ଭାବେ ନିର୍ଭରଯୋଗ୍ୟ ନୁହେଁ।
ତେଣୁ AIର ମୂଲ୍ୟାୟନ ବେଳେ ନିମ୍ନଲିଖିତ ଦିଗଗୁଡ଼ିକୁ ଗୁରୁତ୍ୱ ଦେବା ଆବଶ୍ୟକ:
Accuracy: AI ଦେଉଥିବା ଉତ୍ତର କେତେ ସଠିକ୍?
Safety: କ୍ଷତିକାରକ କିମ୍ବା ବିପଜ୍ଜନକ ଅନୁରୋଧକୁ ଏହା କିପରି ସମ୍ଭାଳୁଛି?
Fairness: ଭିନ୍ନ ଲିଙ୍ଗ, ଅଞ୍ଚଳ ଓ ସମାଜର ଲୋକଙ୍କ ପ୍ରତି ଏହା ନିରପେକ୍ଷ ରହୁଛି କି?
Reliability: ପ୍ରଶ୍ନ କରିବାର ଶୈଳୀ ବଦଳିଲେ ମଧ୍ୟ ଉତ୍ତରର ଗୁଣବତ୍ତା ଠିକ୍ ରହୁଛି କି?
Explainability: AI କୌଣସି ନିଷ୍ପତ୍ତିରେ କିପରି ପହଞ୍ଚିଲା, ତାହା ବୁଝାଇପାରୁଛି କି?
ଏହି ସମସ୍ତ ମାନଦଣ୍ଡକୁ ଏକାଠି ବିଚାର କଲେ ହିଁ AIର ପ୍ରକୃତ ଦକ୍ଷତା ଓ ଦୁର୍ବଳତା ବୁଝିହେବ।
ପ୍ରଫେସର ରବୀନ୍ଦ୍ରନ ତାଙ୍କ ଉପସ୍ଥାପନାରେ AIର ସୁରକ୍ଷା ସମ୍ପର୍କିତ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସମସ୍ୟା ଉଠାଇଥିଲେ। କୌଣସି କ୍ଷତିକାରକ କାମ ପାଇଁ ସିଧାସଳଖ ଅନୁରୋଧ କଲେ AI ତାହାକୁ ପ୍ରତ୍ୟାଖ୍ୟାନ କରିପାରେ। କିନ୍ତୁ ସେହି ଅନୁରୋଧକୁ ଅନୁସନ୍ଧାନମୂଳକ କିମ୍ବା ଅନ୍ୟ ଏକ ସାଧାରଣ ପ୍ରଶ୍ନର ରୂପ ଦେଇ ପଚାରିଲେ AIର ସୁରକ୍ଷା ବ୍ୟବସ୍ଥା ଦୁର୍ବଳ ହୋଇପାରେ।
ତାଙ୍କ ଉପସ୍ଥାପନାରେ ଉଲ୍ଲେଖ ହୋଇଥିବା ଗବେଷଣା ଅନୁସାରେ, କ୍ଷତିକାରକ ଅନୁରୋଧକୁ ଅନ୍ୟ ଶୈଳୀରେ ପଚାରିବା ଦ୍ୱାରା AIର ସୁରକ୍ଷିତ ଉତ୍ତର ଦେବା ହାର ୧୭ରୁ ୨୧ ପ୍ରତିଶତ ପଏଣ୍ଟ ପର୍ଯ୍ୟନ୍ତ କମିପାରେ। ଏହାର ଅର୍ଥ, କେବଳ ସିଧାସଳଖ ପ୍ରଶ୍ନରେ AI ସୁରକ୍ଷିତ ଉତ୍ତର ଦେଉଛି ବୋଲି ତାହାକୁ ସମ୍ପୂର୍ଣ୍ଣ ସୁରକ୍ଷିତ ଧରିନେବା ଠିକ୍ ନୁହେଁ।
ଏହି ଗବେଷଣାରୁ ସ୍ପଷ୍ଟ ହେଉଛି ଯେ, AIର ସୁରକ୍ଷା ପରୀକ୍ଷା କରିବା ସମୟରେ ଭିନ୍ନ ଭିନ୍ନ ପ୍ରଶ୍ନ ଶୈଳୀ, ପରିସ୍ଥିତି ଓ ବ୍ୟବହାର ପଦ୍ଧତିକୁ ମଧ୍ୟ ଯାଞ୍ଚ କରିବା ଆବଶ୍ୟକ।
AIର ଆଉ ଏକ ବଡ଼ ଚିନ୍ତାର ବିଷୟ ହେଉଛି ପକ୍ଷପାତ ବା Bias। କୌଣସି AI ମଡେଲ୍କୁ ଯେଉଁ ତଥ୍ୟ ଉପରେ ତାଲିମ ଦିଆଯାଏ, ସେଥିରେ ଯଦି ପୂର୍ବରୁ ସାମାଜିକ କିମ୍ବା ଭୌଗୋଳିକ ପକ୍ଷପାତ ରହିଥାଏ, ତେବେ AIର ଉତ୍ତର ଓ ପରାମର୍ଶରେ ମଧ୍ୟ ତାହା ପ୍ରତିଫଳିତ ହୋଇପାରେ।
ସମ୍ମିଳନୀରେ ଉଲ୍ଲେଖିତ ଏକ ଅଧ୍ୟୟନରେ ୨୫ ହଜାରରୁ ଅଧିକ AI-ଆଧାରିତ ବିଶ୍ୱବିଦ୍ୟାଳୟ ପରାମର୍ଶକୁ ଯାଞ୍ଚ କରାଯାଇଥିଲା। ଏଥିରେ ଭୌଗୋଳିକ ଅଞ୍ଚଳ ଓ ଲିଙ୍ଗ ଆଧାରିତ ପକ୍ଷପାତର ସଙ୍କେତ ମିଳିଥିବା ଗବେଷକମାନେ ଜଣାଇଥିଲେ।
ଏହାର ଅର୍ଥ, ଜଣେ ଛାତ୍ର କେଉଁ ଅଞ୍ଚଳରୁ ଆସିଛନ୍ତି କିମ୍ବା ତାଙ୍କ ଲିଙ୍ଗ କ’ଣ, ଏହି ଆଧାରରେ AIର ପରାମର୍ଶରେ ଅସମାନତା ଦେଖାଦେଇପାରେ। ଶିକ୍ଷା ପରି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କ୍ଷେତ୍ରରେ ଏପରି ପକ୍ଷପାତ ଛାତ୍ରଛାତ୍ରୀଙ୍କ ସୁଯୋଗକୁ ପ୍ରଭାବିତ କରିପାରେ। ତେଣୁ AI ଦ୍ୱାରା ଦିଆଯାଉଥିବା ପରାମର୍ଶକୁ ନିୟମିତ ଭାବେ ଯାଞ୍ଚ କରିବା ଜରୁରୀ।
AIର ଉତ୍ତର ସହ ଏହା କାହିଁକି ସେହି ଉତ୍ତର ଦେଲା, ତାହାର ବ୍ୟାଖ୍ୟା ମଧ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ। ବିଶେଷକରି ଡାକ୍ତରୀ କ୍ଷେତ୍ରରେ ଏକ AI ମଡେଲ୍ ଯଦି ଏକ୍ସ-ରେ ଚିତ୍ରକୁ ଆଧାର କରି ରୋଗ ଚିହ୍ନଟ କରେ, ତେବେ ସେହି ନିଷ୍ପତ୍ତିର ପଛରେ କେଉଁ ତଥ୍ୟ କାମ କରିଛି, ତାହା ଜାଣିବା ଆବଶ୍ୟକ।
IIT ମାଡ୍ରାସ୍ର Centre for Responsible AI (CeRAI) ସହ ଜଡ଼ିତ ଗବେଷଣାରେ KANEx ଭଳି ପଦ୍ଧତି ମାଧ୍ୟମରେ ଛାତିର ଏକ୍ସ-ରେ ଚିତ୍ରରେ AI ଦେଉଥିବା ବ୍ୟାଖ୍ୟା କେତେ ଯଥାର୍ଥ, ତାହା ପରୀକ୍ଷା କରାଯାଇଛି। ଏହା ଦ୍ୱାରା AIର ନିଷ୍ପତ୍ତି ପଛରେ ଥିବା ଚିତ୍ରର ଅଂଶଗୁଡ଼ିକୁ ଆହୁରି ଭଲ ଭାବରେ ବୁଝିବାର ଚେଷ୍ଟା କରାଯାଉଛି।
ଏହାସହ LExT ନାମକ ଏକ ପଦ୍ଧତି ମାଧ୍ୟମରେ AI ଦେଉଥିବା ପ୍ରାକୃତିକ ଭାଷାର ବ୍ୟାଖ୍ୟା କେବଳ ଶୁଣିବାକୁ ଭଲ ଲାଗୁଛି କି, ନା ପ୍ରକୃତରେ ମଡେଲ୍ର ନିଷ୍ପତ୍ତି ସହ ମେଳ ଖାଉଛି, ତାହାର ବିଶ୍ୱସନୀୟତା ମାପିବାକୁ ଚେଷ୍ଟା ହେଉଛି।
ଅକ୍ଟୋବର ୩୦ରୁ ନଭେମ୍ବର ୧ ପର୍ଯ୍ୟନ୍ତ ପଞ୍ଜାବର ମୋହାଲିସ୍ଥିତ ପ୍ଲାକ୍ଷା ବିଶ୍ୱବିଦ୍ୟାଳୟରେ ତିନିଦିନିଆ ConfAI 2026 ସମ୍ମିଳନୀ ଆୟୋଜିତ ହୋଇଥିଲା। ଏଥିରେ ୫୦୦ରୁ ଅଧିକ ଗବେଷକ, ଶିକ୍ଷାବିତ୍ ଓ ଶିଳ୍ପ କ୍ଷେତ୍ରର ବିଶେଷଜ୍ଞ ଯୋଗ ଦେଇଥିଲେ।
ଗୁଗୁଲ୍ ଡିପ୍ମାଇଣ୍ଡର ଡକ୍ଟର ମନୀଷ ଗୁପ୍ତା, IIT ଦିଲ୍ଲୀର ପ୍ରଫେସର ପରାଗ ସିଙ୍ଗଲା, IIIT ହାଇଦ୍ରାବାଦର ପ୍ରଫେସର ପୋନ୍ନୁରାଙ୍ଗମ କୁମାରଗୁରୁ ଏବଂ ଅନ୍ୟ ବହୁ ବିଶିଷ୍ଟ ଗବେଷକ ଏହି ସମ୍ମିଳନୀରେ ଯୋଗ ଦେଇଥିଲେ।
ସ୍ୱାସ୍ଥ୍ୟସେବା, ରୋବୋଟିକ୍ସ, ସହର ଯୋଜନା, କୃଷି ଓ ଦାୟିତ୍ୱପୂର୍ଣ୍ଣ AI ଭଳି ବିଭିନ୍ନ ବିଷୟରେ ଗବେଷଣା ଉପସ୍ଥାପନ କରାଯାଇଥିଲା। ଆଲଜାଇମର୍ ରୋଗର ପ୍ରାରମ୍ଭିକ ଚିହ୍ନଟ, ମଣିଷଙ୍କ କାର୍ଯ୍ୟ ଦେଖି ଶିଖୁଥିବା ରୋବୋଟ୍ ଏବଂ ଔଷଧ ଡିଜାଇନ୍ରେ AIର ବ୍ୟବହାର ଭଳି ବିଷୟ ମଧ୍ୟ ଆଲୋଚନାରେ ସ୍ଥାନ ପାଇଥିଲା।
ସମ୍ମିଳନୀରେ ଆଲୋଚିତ ଆଉ ଏକ ପ୍ରମୁଖ ବିଷୟ ଥିଲା AIକୁ ଗବେଷଣା କିମ୍ବା ଚାଟ୍ବଟ୍ରେ ସୀମିତ ନରଖି ବାସ୍ତବ ଜୀବନର ସମସ୍ୟା ସମାଧାନରେ କିପରି ବ୍ୟବହାର କରାଯିବ। ସ୍ୱାସ୍ଥ୍ୟ, କୃଷି, ଶିକ୍ଷା ଓ ଛୋଟ ବ୍ୟବସାୟରେ AIର ବ୍ୟବହାର ବଢ଼ାଇବାକୁ ହେଲେ ଭାରତୀୟ ଭାଷା, ସୀମିତ ତଥ୍ୟ, ଭିନ୍ନ ସାମାଜିକ ପରିସ୍ଥିତି ଓ ଭିତ୍ତିଭୂମିର ଅଭାବ ଭଳି ସମସ୍ୟାକୁ ଧ୍ୟାନରେ ରଖିବାକୁ ପଡ଼ିବ।
ଗୁଗୁଲ୍ ଡିପ୍ମାଇଣ୍ଡର ଡକ୍ଟର ମନୀଷ ଗୁପ୍ତା ମଧ୍ୟ ଭାରତର ନିଜସ୍ୱ AI କ୍ଷମତା ବିକଶିତ କରିବା ଓ ବିଭିନ୍ନ ଭାଷା-ସଂସ୍କୃତିକୁ ବୁଝିପାରୁଥିବା AI ସିଷ୍ଟମ୍ ତିଆରି କରିବାର ଆବଶ୍ୟକତା ଉପରେ ମତ ରଖିଥିଲେ। ପ୍ଲାକ୍ଷା ବିଶ୍ୱବିଦ୍ୟାଳୟର କୁଳପତି ପ୍ରଫେସର ରୁଦ୍ର ପ୍ରତାପ ମଧ୍ୟ ଭାରତ ନିଜର AI କ୍ଷମତା ଗଢ଼ିବା ଉପରେ ଜୋର୍ ଦେଇଥିଲେ।
AI ଯେତେ ଶକ୍ତିଶାଳୀ ହେଉଛି, ଏହା ଉପରେ ମଣିଷଙ୍କ ନିର୍ଭରଶୀଳତା ମଧ୍ୟ ସେତେ ବଢ଼ୁଛି। ତେଣୁ AIର ଭୁଲ୍ ଉତ୍ତର, ପକ୍ଷପାତପୂର୍ଣ୍ଣ ପରାମର୍ଶ କିମ୍ବା ଅସୁରକ୍ଷିତ ପ୍ରତିକ୍ରିୟା ସମାଜ ଉପରେ ଗୁରୁତର ପ୍ରଭାବ ପକାଇପାରେ।
ଏହି କାରଣରୁ AIର ବିକାଶ ସହିତ ଏହାର ନିୟମିତ ପରୀକ୍ଷା, ସ୍ୱଚ୍ଛତା ଓ ଦାୟିତ୍ୱ ନିର୍ଦ୍ଧାରଣ ମଧ୍ୟ ଜରୁରୀ। AI କେବଳ ଶୀଘ୍ର ଓ ସଠିକ୍ ଉତ୍ତର ଦେଉଛି କି ନାହିଁ, ତାହା ନୁହେଁ; ଏହା କେତେ ସୁରକ୍ଷିତ, ନିରପେକ୍ଷ ଓ ବିଶ୍ୱସନୀୟ ଭାବରେ କାମ କରୁଛି, ତାହା ହିଁ ଭବିଷ୍ୟତରେ ଏହାର ପ୍ରକୃତ ମୂଲ୍ୟ ନିର୍ଣ୍ଣୟ କରିବ।
ମହଙ୍ଗା ବିମାନ ଇନ୍ଧନ ଏବେ ଭାରତୀୟ ବିମାନ ଚଳାଚଳ କ୍ଷେତ୍ର...
ନିତେଶ ତିୱାରୀଙ୍କ ବହୁଚର୍ଚ୍ଚିତ ଫିଲ୍ମ ‘ରାମାୟଣ: ର...
ଶେୟାର ବଜାରରେ ଏକ ଛୋଟ SME IPOକୁ ନେଇ ଏବେ ଜୋରଦାର ଚର୍ଚ୍...
ସୁସ୍ଥ ରହିବା ପାଇଁ ପ୍ରତିଦିନ ସପ୍ଲିମେଣ୍ଟ ଖାଇବା ଜରୁରୀ କ...
କର୍କଟ ରୋଗର ଚିକିତ୍ସା ଖର୍ଚ୍ଚ ଅନେକ ପରିବାର ପାଇଁ ବଡ଼ ଆର...
ବହୁ ପ୍ରତୀକ୍ଷାର ଅନ୍ତ ଘଟାଇ ନଭେମ୍ବର ୫ ତାରିଖରେ ପରଦାକୁ...
ଧନତେରସ ଆସିଲେ ସୁନା କିଣିବାର ପରମ୍ପରା ଭାରତୀୟ ପରିବାରରେ...
ସୁପରଷ୍ଟାର ରଜନୀକାନ୍ତଙ୍କ ପ୍ରଶଂସକଙ୍କ ପାଇଁ ଖୁସି ଖବର। ବ...
