રિસ્પોન્સિબલ AI પર એક્સપ્રેશન ઓફ ઇન્ટરેસ્ટ માટે આમંત્રણ

બેકગ્રાઉન્ડ

ઇલેક્ટ્રોનિક્સ એન્ડ ઇન્ફોર્મેશન ટેકનોલોજી મંત્રાલય (MeitY) AI પદ્ધતિઓમાં પારદર્શકતા, જવાબદારી અને વાજબીપણાને પ્રોત્સાહન આપવા કટિબદ્ધ છે. જેમ જેમ AI એકીકરણનો વિકાસ થતો જાય છે, તેમ તેમ ભારતનું લક્ષ્ય સ્વદેશી સાધનો અને મૂલ્યાંકન માળખા માટે ચપળ મિકેનિઝમ્સમાં રોકાણ કરવાનું છે, જે તેની સામાજિક-આર્થિક વાસ્તવિકતાઓને સંદર્ભિત કરવામાં આવે છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર રાષ્ટ્રીય કાર્યક્રમ (NPAI)નાં રિસ્પોન્સિબલ AIનાં આધારસ્તંભ હેઠળ ડિજિટલ ઇન્ડિયા કોર્પોરેશન હેઠળ IndiaAI IBDએ પ્રોજેક્ટ-આધારિત ભંડોળ માટે સંશોધન માટે પહેલ શરૂ કરી છે. ડિજિટલ ઇન્ડિયા કોર્પોરેશન હેઠળ IndiaAI IBD વાજબી, પારદર્શક અને નૈતિક એઆઇ પદ્ધતિઓને પ્રોત્સાહન આપતા આવા 10 જવાબદાર AI થીમ આધારિત પ્રોજેક્ટ્સ માટે ગ્રાન્ટ-ઇન-એઇડ સપોર્ટ પ્રદાન કરે છે.

રિસ્પોન્સિબલ AI પર એક્સપ્રેશન ઓફ ઇન્ટરેસ્ટ માટે આમંત્રણ

માયગવના સહયોગથી MeitY સંસ્થાઓને ટૂલ્સ અને ફ્રેમવર્ક બનાવવા માટે રિસ્પોન્સિબલ AI થીમ્સ પર પ્રપોઝલનું અન્વેષણ કરવા અને સબમિટ કરવા આમંત્રણ આપે છે અને પ્રોત્સાહિત કરે છે.

રિસ્પોન્સિબલ AI થીમ્સની યાદી નીચે મુજબ છે, જેને સંસ્થાઓ દ્વારા અન્ય ભાગીદારો સાથે જોડાણમાં વિવિધ ક્ષેત્રોમાં AIના ન્યાયી અને નૈતિક વિકાસ અને અમલીકરણને પ્રોત્સાહન આપતા ટૂલ્સ અને ફ્રેમવર્કનું નિર્માણ કરવા માટે શોધી શકાય છે.

વિષયો

1.1. મશીન અનલર્નિંગ

મશીન અનલર્નિંગ એલ્ગોરિધમ્સ અચોક્કસતાઓ, પૂર્વગ્રહો અને જૂની માહિતીને સુધારવામાં નિર્ણાયક ભૂમિકા ભજવે છે જે અજાણતાં મશીન લર્નિંગ મોડેલ્સમાં સમાવિષ્ટ થઈ શકે છે. આ એલ્ગોરિધમ્સ ખોટા, અપ્રસ્તુત અથવા હાનિકારક ડેટામાંથી શીખતા મોડેલોના મુદ્દાને સંબોધિત કરે છે, જે વિવિધ ઍપ્લિકેશન્સમાં ખામીયુક્ત નિર્ણયો તરફ દોરી શકે છે. અનિચ્છનીય શીખેલી વર્તણૂંકોને દૂર કરવાની સુવિધા આપીને, મશીન અનલર્નિંગ એલ્ગોરિધમ્સ વિવિધ ડોમેન્સમાં વધુ સચોટ, વિશ્વસનીય અને વાજબી AI સિસ્ટમ્સના વિકાસમાં ફાળો આપે છે.

1.2. સિન્થેટિક ડેટા જનરેશન

સિન્થેટિક ડેટા ઉત્પાદન સાધનો વિકસાવવા માટેની અનિવાર્યતા મશીન લર્નિંગ અને આર્ટિફિશિયલ ઇન્ટેલિજન્સના વિવિધ ક્ષેત્રોમાં મર્યાદિત, પક્ષપાતી અથવા ગોપનીયતા-સંવેદનશીલ વાસ્તવિક-વિશ્વના ડેટાસેટ્સ દ્વારા ઉભા થતા સતત પડકારોમાંથી ઉદભવે છે. આ ટૂલ્સ બનાવટી ડેટા ઉદાહરણો બનાવે છે જે અસલી ડેટાની લાક્ષણિકતાઓની નકલ કરે છે, જે મશીન લર્નિંગ મોડેલ્સને વધુ અસરકારક અને મજબૂત રીતે તાલીમ આપવા માટે સક્ષમ બનાવે છે. ડેટાના અંતરને ભરીને, ગોપનીયતાની ચિંતાઓને ઘટાડીને, અને સમાન પ્રતિનિધિત્વને પ્રોત્સાહન આપીને, સિન્થેટિક ડેટા જનરેશન ટૂલ્સ AI સિસ્ટમ્સની ક્ષમતાઓને આગળ વધારવામાં મુખ્ય ભૂમિકા ભજવે છે. વિકાસકર્તાએ ખાતરી કરવી આવશ્યક છે કે સિન્થેટિકેલી રીતે જનરેટ કરેલ ડેટા સાચો છે અને બાકીના ડેટા સાથે સંરેખણમાં છે જેથી તાલીમ દરમિયાન AI અલ્ગોરિધમમાં ખોટા પૂર્વગ્રહો ઉત્પન્ન ન થાય.

1.3. અલ્ગોરિધમ ફેરનેસ ટૂલ્સ

અલ્ગોરિધમ ફેરનેસ ટૂલ્સ સુનિશ્ચિત કરે છે કે સ્વચાલિત સિસ્ટમો અને નિર્ણય લેનારા અલ્ગોરિધમ તમામ વ્યક્તિઓ સાથે વાજબી રીતે અને પૂર્વગ્રહ વિના વર્તે છે. અલ્ગોરિધમ કેટલીકવાર અજાણતાં ડેટા અથવા ડિઝાઇનના પક્ષપાતને કારણે કેટલાક જૂથો સામે ભેદભાવ રાખે છે. વાજબીપણાના સાધનો આ પૂર્વગ્રહોનું મૂલ્યાંકન કરવા, તેને માપવા અને ઘટાડવા, નૈતિક અને સમાન પરિણામોને પ્રોત્સાહન આપવા માટે વ્યવસ્થિત માર્ગ પૂરો પાડે છે. આ સાધનો ઘણીવાર જાતિ, લિંગ અથવા અન્ય સંરક્ષિત લાક્ષણિકતાઓ જેવા વિવિધ પાસાઓમાં પૂર્વગ્રહનું વિશ્લેષણ કરવા માટે માત્રાત્મક મેટ્રિક્સ અને વિઝ્યુલાઇઝેશન પ્રદાન કરે છે. તેઓ આગાહીઓ અને પરિણામોમાં અસમાનતાઓને પ્રકાશિત કરી શકે છે. અલ્ગોરિધમ ફેરનેસ ટૂલ્સના ઉદાહરણોમાં IBMનું AI ફેરનેસ 360, Googleનું વોટ-ઇફ ટૂલ અને Microsoft દ્વારા ફેરલર્નનો સમાવેશ થાય છે.

1.4. AI પૂર્વગ્રહ ઘટાડવાની વ્યૂહરચના

AI પૂર્વગ્રહ ઘટાડવાની વ્યૂહરચનાઓની જરૂરિયાત એ અનુભૂતિમાંથી ઉદ્ભવે છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ સિસ્ટમ્સ સમાજના વિવિધ પાસાઓમાં વધુને વધુ સંકલિત થઈ રહી છે, જે વ્યક્તિઓના જીવનને અસર કરતા નિર્ણયોને પ્રભાવિત કરે છે. ઉચિતતા, સમાનતા અને જવાબદારી સુનિશ્ચિત કરવા માટે, AI અલ્ગોરિધમમાં પૂર્વગ્રહોને ઓળખી કાઢે, તેનું વિશ્લેષણ કરે અને તેમાં સુધારો કરે તેવી વ્યૂહરચનાઓનો ઉપયોગ કરવો અનિવાર્ય છે. શમન વ્યૂહરચનાઓમાં પૂર્વગ્રહ દૂર કરવા માટે પ્રિ-પ્રોસેસિંગ ડેટા, વાજબીપણા માટે અલ્ગોરિધમને સમાયોજિત કરવા, અથવા પરિણામોને ફરીથી કેલિબ્રેટ કરવા માટે પોસ્ટ-પ્રોસેસિંગ આગાહીઓનો સમાવેશ થઈ શકે છે. AI બાયસ મિટિગેશન સ્ટ્રેટેજીના ઉદાહરણોમાં રિ-સેમ્પલિંગ ડેટા, રિ-વેઇટિંગ સેમ્પલિંગ સેમ્પલ, વિરોધી તાલીમ અને અન્યનો સમાવેશ થાય છે જે આગાહીઓમાં પક્ષપાત ઘટાડવા પર ધ્યાન કેન્દ્રિત કરે છે.

1.5. એથિકલ AI ફ્રેમવર્ક

એથિકલ AI ફ્રેમવર્ક એ સુનિશ્ચિત કરવા માટે એક માળખાગત અભિગમ પ્રદાન કરે છે કે AI સિસ્ટમ્સ મૂળભૂત માનવીય મૂલ્યોનું સન્માન કરે છે, નિષ્પક્ષતા, પારદર્શકતા અને જવાબદારીને જાળવી રાખે છે, અને પૂર્વગ્રહો અથવા ભેદભાવને સ્થાયી કરવાનું ટાળે છે. આ માળખું વિકાસકર્તાઓ, સંશોધકો અને સંગઠનોને તેમની એઆઈ રચનાઓના વ્યાપક સામાજિક અસરોને ધ્યાનમાં લેવા અને સંભવિત નુકસાનને ઘટાડવા માટે જાણકાર નિર્ણયો લેવા માટે પ્રોત્સાહિત કરે છે. પ્રમુખ એથિકલ AI માળખામાં સ્વાયત્ત અને બુદ્ધિશાળી પ્રણાલીઓના નીતિશાસ્ત્ર પર IEEE વૈશ્વિક પહેલ અને યુરોપિયન કમિશન દ્વારા વિશ્વસનીય AI માટે નીતિશાસ્ત્ર માર્ગદર્શિકાનો સમાવેશ થાય છે.

1.6 ગોપનીયતા વધારવાની વ્યૂહરચના

ડેટા ગોપનીયતા અને વ્યક્તિગત માહિતીના સંભવિત દુરુપયોગ વિશે વધતી જતી ચિંતાઓને દૂર કરવા માટે જવાબદાર એઆઈમાં ગોપનીયતા વધારવાની વ્યૂહરચના આવશ્યક છે. તેમાં ડેટા ન્યૂનત્તમતા, અનામીકરણ, વિભિન્ન ગોપનીયતા અને ગોપનીયતા-જાળવણી મશીન લર્નિંગ સહિતની વિવિધ ટેકનિકનો સમાવેશ થાય છે. આ અભિગમોનો હેતુ પુનઃ-ઓળખ, અનધિકૃત ઍક્સેસ અને ડેટા લિકેજના જોખમને ઘટાડવાનો છે, જ્યારે હજુ પણ સંસ્થાઓને વિશ્લેષણ, આગાહીઓ અને નિર્ણય લેવા માટે AIની શક્તિનો ઉપયોગ કરવાની મંજૂરી આપે છે.

1.7 સમજાવી શકાય તેવા AI (XAI) ફ્રેમવર્ક

XAI ફ્રેમવર્ક AI મોડેલોને વધુ અર્થઘટનશીલ અને પારદર્શક બનાવવા માટે પદ્ધતિઓ અને સાધનો પ્રદાન કરે છે. તેમાં મોડેલ વિઝ્યુલાઇઝેશન, ફીચર મહત્વ વિશ્લેષણ અને AI આગાહીઓ માટે માનવીય-સમજી શકાય તેવી સમજૂતીઓ પેદા કરવા જેવી તકનીકોનો સમાવેશ થાય છે. આ માળખાઓ ડેટા વૈજ્ઞાનિકો, નિયમનકારો અને અંતિમ વપરાશકર્તાઓ સહિતના વપરાશકર્તાઓને જટિલ AI મોડેલોની આંતરિક કામગીરીની સમજ મેળવવામાં મદદ કરે છે. મોડેલના નિર્ણયોને અસર કરતા પરિબળોને જાહેર કરીને, XAI જવાબદારીમાં વધારો કરે છે અને મોડેલ ડિબગીંગ અને સુધારણાની સુવિધા આપે છે.

1.8. AI એથિકલ સર્ટિફિકેશન્સ

AI એથિકલ સર્ટિફિકેશન્સ એ ઔપચારિક મૂલ્યાંકન અને માન્યતા પ્રક્રિયા છે જે એ વાતને સમર્થન આપે છે કે AI સિસ્ટમ્સ, સેવાઓ અથવા સંસ્થાઓ તેમના વિકાસ અને જમાવટમાં સ્થાપિત નૈતિક સિદ્ધાંતો અને માર્ગદર્શિકાઓનું પાલન કરે છે. AI એથિકલ સર્ટિફિકેશનમાંથી પસાર થઇને, એકમો AIના નિર્માણ અને ઉપયોગ પ્રત્યે તેમના સમર્પણને દર્શાવે છે, જે નૈતિક બાબતોને પ્રાથમિકતા આપે છે, હિસ્સેદારોમાં વિશ્વાસને પ્રોત્સાહન આપે છે અને AI ટેકનોલોજી સામાજિક મૂલ્યો અને ધોરણો સાથે સુસંગત છે તેની ખાતરી કરે છે. આ પ્રમાણપત્રો વાજબીપણા, પારદર્શકતા, જવાબદારી અને ગોપનીયતાના રક્ષણ જેવા પાસાઓનું મૂલ્યાંકન કરે છે.

1.9. AI ગવર્નન્સ ટેસ્ટિંગ ફ્રેમવર્ક

AI ગવર્નન્સ ટેસ્ટિંગ ફ્રેમવર્ક એ આર્ટિફિશિયલ ઇન્ટેલિજન્સ સિસ્ટમ્સના વિકાસ અને અમલીકરણમાં શાસન નીતિઓ, નૈતિક માર્ગદર્શિકાઓ અને નિયમનકારી આવશ્યકતાઓના પાલનનું મૂલ્યાંકન કરવા અને તેની ખાતરી કરવા માટેનો એક માળખાગત અભિગમ છે. આ માળખું સંસ્થાઓને તેમની એઆઈ પહેલ જવાબદાર અને નૈતિક વ્યવહાર સાથે સુસંગત છે કે કેમ તેનું મૂલ્યાંકન કરવામાં મદદ કરે છે. તેનું એક અગ્રણી ઉદાહરણ એ.આઈ. વેરિફાય છે, જે વિશ્વનું પ્રથમ AI ગવર્નન્સ ટેસ્ટિંગ ફ્રેમવર્ક અને ટૂલકિટ છે, જે કંપનીઓ માટે જવાબદાર AIને ઉદ્દેશ્યપૂર્ણ અને ચકાસી શકાય તેવી રીતે પ્રદર્શિત કરવા માંગે છે.

1.10. અલ્ગોરિધમિક ઓડિટિંગ ટૂલ્સ

અલ્ગોરિધમિક ઓડિટિંગ એ એલ્ગોરિધમ્સ અને મશીન લર્નિંગ મોડેલ્સની અસર અને વર્તણૂકનું મૂલ્યાંકન અને ચકાસણી કરવાની પ્રક્રિયા છે, ખાસ કરીને ઍપ્લિકેશન્સમાં જ્યાં આ એલ્ગોરિધમ્સ વ્યક્તિઓ અથવા સમુદાયોને અસર કરતા નિર્ણયો લે છે. અલ્ગોરિધમિક ઓડિટિંગના પ્રાથમિક ધ્યેયો એલ્ગોરિધમિક નિર્ણય લેવાની પ્રક્રિયામાં વાજબીપણું, પારદર્શકતા અને જવાબદારીસુનિશ્ચિત કરવા અને સંભવિત પૂર્વગ્રહો અને નૈતિક ચિંતાઓને ઘટાડવાનો છે.

કોણ અરજી કરી શકે?

2.1 શૈક્ષણિક/સંશોધન અને વિકાસ સંસ્થાઓ

શૈક્ષણિક/સંશોધન અને વિકાસ સંસ્થાઓ પાસે પ્રોજેક્ટના અમલીકરણ માટે અને કાર્યક્રમ હેઠળ વિદ્યાર્થીઓને તાલીમ આપવા માટે અને સંબંધિત સંશોધન પ્રકાશનની સાથે-સાથે અગાઉથી અસ્તિત્વ ધરાવતી લેબ માળખું (વર્કસ્ટેશન્સ, સર્વર્સ, પ્રોજેક્ટ સ્ટાફ વગેરે ધરાવતી લેબ) હોવું જોઈએ. ચીફ ઇન્વેસ્ટિગેટર/કૉ-ચીફ ઇન્વેસ્ટિગેટર જવાબદાર આર્ટિફિશિયલ ઇન્ટેલિજન્સના ક્ષેત્રમાં સંબંધિત અનુભવ ધરાવતી નિયમિત ફેકલ્ટી હોવી જોઇએ.

નીચેની કૅટેગરીમાં આવતી તમામ સંસ્થાઓ આ કાર્યક્રમમાં ભાગ લેવા અને ભંડોળ પ્રાપ્ત કરવા માટે પાત્ર બનશેઃ

1. ઇન્ડિયન ઇન્સ્ટિટ્યુટ ઓફ ટેકનોલોજીસ (IITs)
2. નેશનલ ઇન્સ્ટિટ્યુટ ઓફ ટેકનોલોજીસ (NITs)
3. ઇન્ડિયન ઇન્સ્ટિટ્યુટ ઓફ ઇન્ફોર્મેશન ટેકનોલોજી (IIITs)
4. ઇન્ડિયન ઇન્સ્ટિટ્યૂટ ઓફ સાયન્સ એજ્યુકેશન એન્ડ રિસર્ચ (IISERs)
5. કેન્દ્ર/રાજ્ય સરકાર હેઠળની કેન્દ્રીય યુનિવર્સિટીઓ/ડીમ્ડ યુનિવર્સિટીઓ
6. કોલેજો/સંસ્થાઓ/રાષ્ટ્રીય મહત્વની સંસ્થાઓ/એમિનન્સ
7. સંશોધન અને વિકાસ સંસ્થાઓ/સંસ્થાઓ (B.Tech/MTech/MTech અભ્યાસક્રમો ધરાવતી)
8. ખાનગી યુનિવર્સિટીઓ/ખાનગી ડીમ્ડ યુનિવર્સિટીઓ/ખાનગી કોલેજો**

** ખાનગી શૈક્ષણિક સંસ્થાઓ પણ આ કાર્યક્રમમાં ભાગ લેવા માટે લાયક ઠરે છે, જે નીચેની બાબતોનાં વધારાનાં લાયકાતનાં માપદંડોને પૂર્ણ કરશેઃ

ખાનગી શૈક્ષણિક સંસ્થાઓ માટેના માપદંડ

આર્ટિફિશિયલ ઇન્ટેલિજન્સમાં અંડરગ્રેજ્યુએટ/પોસ્ટ ગ્રેજ્યુએટ/ડિપ્લોમા/સર્ટિફિકેટ પ્રોગ્રામ ઓફર કરતી ખાનગી સંસ્થાઓ અરજી કરવા માટે પાત્ર છે. સંસ્થાઓને AICTE દ્વારા મંજૂરી મળવી જોઈએ અને/અથવા સંસ્થાને NAAC (નેશનલ એસેસમેન્ટ એન્ડ એક્રેડિટેશન કાઉન્સિલ ઓફ UGC) દ્વારા માન્યતા મળવી જોઈએ.

શૈક્ષણિક સંસ્થાઓ પાસેથી પ્રાપ્ત થયેલી પ્રપોઝલની મંજૂરી માટે મૂલ્યાંકન સમિતિ અને અન્ય પ્રપોઝલ સમીક્ષા સમિતિઓ દ્વારા ચકાસણી અને મૂલ્યાંકન કરવામાં આવશે.

2.2. સ્ટાર્ટઅપ્સ અને કંપનીઓ

1. સ્ટાર્ટઅપે DIPP દ્વારા સૂચિત હાલના ધોરણોનું પાલન કરવું જોઈએ અને ઓછામાં ઓછા 2 વર્ષ સુધી કાર્યરત રહેવું જોઈએ.
2. ભારતીય નાગરિકો અથવા ભારતીય મૂળની વ્યક્તિઓ સાથે એકમની ઓછામાં ઓછી 51 ટકા હિસ્સેદારી હોવી જોઈએ. અરજદારની એન્ટિટી કોઈપણ વિદેશી નિગમની પેટાકંપની કંપની હોવી જોઈએ નહીં.
3. સ્ટાર્ટઅપમાં AIના ક્ષેત્રમાં દેખીતી કુશળતા હોવી જોઈએ
4. ભારતીય કંપની/વિદેશી કંપનીએ કંપની કાયદા હેઠળ લાગુ પડતી વ્યાખ્યાનું પાલન કરવું જોઈએ. કંપની ઓછામાં ઓછા 5 વર્ષ સુધી કાર્યરત હોવી જોઈએ અને એઆઈના ક્ષેત્રમાં દેખીતો અનુભવ ધરાવતી હોવી જોઈએ

પસંદગી પ્રક્રિયા

નીચેનાં પગલાંઓ એ અભિગમની રૂપરેખા આપે છે, જેના દ્વારા આ પહેલને સાકાર કરી શકાય છે, જે તેના સફળ અમલીકરણને સુનિશ્ચિત કરે છે અને વ્યાપક ઉદ્દેશો સાથે સુસંગતતા સુનિશ્ચિત કરે છેઃ

1. અરજીની પ્રક્રિયા

અરજદારોએ પરફોર્મામાં જોડાયેલા ફોર્મેટમાં એક્સપ્રેશન ઓફ ઇન્ટરેસ્ટ (EOI) સબમિટ કરવાનું રહેશે. અરજદારો એક કરતા વધુ પ્રોજેક્ટ માટે અરજી કરવા માટે સ્વતંત્ર છે, જો કે, જો તેઓ આમ કરવા માંગતા હોય, તો તેઓએ તેમના પ્રોજેક્ટની પસંદગીને સ્પષ્ટપણે ક્રમ આપવો જરૂરી રહેશે.

2. EOIsનું મૂલ્યાંકન

નિષ્ણાતોની એક સમિતિ EOIsનું મૂલ્યાંકન કરશે. મૂલ્યાંકનમાં AIના વિવિધ પાસાઓમાં સંસ્થાઓની ક્ષમતા, ટ્રેક રેકોર્ડ અને ક્ષમતા પર ધ્યાન કેન્દ્રિત કરવામાં આવશે.

મૂલ્યાંકનના માપદંડ

1. ઉદ્દેશ્યો સાથે પ્રોજેક્ટનું સંરેખણ:

1. સૂચિત પ્રોજેક્ટ કેટલી સારી રીતે વાજબી અને નૈતિક એઆઈ ઉપયોગને પ્રોત્સાહન આપવાના વ્યાપક લક્ષ્ય સાથે સંરેખિત થાય છે?
2. શું પ્રપોઝલ સ્પષ્ટપણે જણાવે છે કે આ વિસ્તારોમાં ઓળખાયેલા AI ચેલેન્જને પહોંચી વળવા પ્રોજેક્ટ કેવી રીતે ફાળો આપશે?

2. ઈનોવેશન અને તેની અસર:

1. શું સૂચિત પ્રોજેક્ટ નવીન છે અને રિસ્પોન્સિબલ AIમાં નોંધપાત્ર ફાળો આપે તેવી સંભાવના છે?
2. શું ત્યાં નવીન અભિગમો, પદ્ધતિઓ અથવા તકનીકીઓ સૂચવવામાં આવી છે જે રિસ્પોન્સિબલ AIના ક્ષેત્રને આગળ ધપાવી શકે છે?

3. સહયોગી અભિગમઃ

1. શું આ પ્રપોઝલ શૈક્ષણિક સંસ્થાઓ, ઉદ્યોગો, નાગરિક સમાજ અને અન્ય ભાગીદારો વચ્ચે અસરકારક સહયોગ દર્શાવે છે?
2. શું સૂચિત ભાગીદારો વચ્ચે અગાઉના સફળ સહયોગના પુરાવા છે?

4. સંભવિતતા અને સંસાધનો:

1. શું સૂચિત પ્રોજેક્ટ 2 વર્ષની સમયમર્યાદામાં ટેક્નિકલી રીતે શક્ય છે?
2. શું આ દરખાસ્ત વાસ્તવિક બજેટની રૂપરેખા આપે છે?
3. શું સૂચિત બજેટ અપેક્ષિત પ્રોજેક્ટ પરિણામો અને અસરના સંબંધમાં વાજબી અને ન્યાયી છે?

5. મૂલ્યાંકન અને મેટ્રિક્સ:

1. શું સ્પષ્ટ અને માપી શકાય તેવા પ્રોજેક્ટ લક્ષ્યો અને પરિણામો વ્યાખ્યાયિત કરવામાં આવ્યા છે?
2. પ્રોજેક્ટની અસર અને અસરકારકતાનું મૂલ્યાંકન કરવા માટે શું માત્રાત્મક અને ગુણાત્મક મેટ્રિક્સ છે?

સબમિશન માર્ગદર્શિકા

1. પરફોર્માની કુલ લંબાઈ 15-20 પાનાંઓથી વધુ ન હોવી જોઈએ
2. અરજદારોને ભાગીદાર સંસ્થા સાથે સંયુક્ત રીતે અરજી કરવા માટે પ્રોત્સાહિત કરવામાં આવે છે. કૃપા કરીને નોંધ લેશો કે પ્રોજેક્ટ માટેનો મહત્તમ સમયગાળો 2 વર્ષ છે.
3. ટેમ્પ્લેટમાં ઉલ્લેખિત તમામ પાસાઓ પર માહિતી પ્રદાન કરો. અધૂરી અરજીઓ નામંજૂર કરવામાં આવશે.
4. કોઈપણ માહિતી ખોટી જોવા મળે તો તે અરજીને ગેરલાયક ઠેરવવા તરફ દોરી જશે.
5. અરજદારોએ નિયમો અને શરતો વાંચવા અને તેનું પાલન કરવું જોઈએ.
6. કોઈ પણ પ્રશ્ન હોય તો કૃપા કરીને નિઃસંકોચ સંપર્ક કરો pmu[dot]etech[at]meity[dot]gov[dot]in

આ પ્રપોઝલના કોલમાં અન્ય સંશોધન ક્ષેત્રોમાં રજૂ કરવામાં આવેલા પ્રસ્તાવો ધ્યાનમાં લેવામાં આવશે નહીં.

સબમિશન માત્ર PDF ફોર્મેટમાં જ હોવું જોઈએ. પરફોર્માને ડાઉનલોડ કરવા માટે અંહિ ક્લિક કરો

નિયમો અને શરતો

1. આ ગ્રાન્ટ IndiAI દ્વારા મંજૂર કરાયેલા ચોક્કસ પ્રોજેક્ટ હાથ ધરવા માટે છે અને તે નીચેની શરતોને આધિન રહેશેઃ
   1. આ ગ્રાન્ટનો ખર્ચ નિયત સમયની અંદર પ્રોજેક્ટ માટે કરવામાં આવશે.
   2. ગ્રાન્ટનો કોઈ પણ ભાગ કે જે મંજૂર કરાયેલા હેતુઓ માટે ખર્ચ માટે આખરે જરૂરી ન હોય તે યોગ્ય રીતે IndiAIને સુપરત કરવામાં આવશે.
2. IndiAIની ગ્રાન્ટ દ્વારા અમલમાં મૂકવામાં આવતા પ્રોજેક્ટ માટે અન્ય કોઈ પણ નાણાકીય સહાય માટે અનુદાનિત સંસ્થા દ્વારા અરજી અથવા આ જ પ્રોજેક્ટ માટે અન્ય કોઈ પણ એજન્સી/મંત્રાલય/વિભાગ પાસેથી અનુદાન/લોન પ્રાપ્ત કરવા માટે અરજી કરવી જોઈએ, જેમાં IndiAIની પૂર્વ મંજૂરી/મંજૂરી હોવી જોઈએ.
3. ગ્રાન્ટેડ સંસ્થાને આ પ્રોજેક્ટ કે જેના માટે ગ્રાન્ટ-ઇન-એઇડ મળે છે, તેનો અમલ અન્ય સંસ્થાને સોંપવાની અને IndiaAI પાસેથી પ્રાપ્ત ગ્રાન્ટ-ઇન-એઇડને પછીની સંસ્થાને સહાય તરીકે ડાયવર્ટ કરવાની મંજૂરી નથી.
4. તપાસકર્તાએ IndiaAIની આગોતરી મંજૂરી વિના આ પ્રોજેક્ટના અમલીકરણમાં વિદેશી પક્ષ (વ્યક્તિગત/શૈક્ષણિક સંસ્થા/ઉદ્યોગ) સાથે સહયોગ સાધવો ન જોઈએ.
5. ગ્રાન્ટેડ સંસ્થાએ IPRનાં કોઈ પણ પ્રકારનાં ઉલ્લંઘન/IPRનાં લાઇસન્સિંગ/ટેકનોલોજી હસ્તાંતરણ/વાણિજ્યિકરણને કારણે IndiaAIને કોઈ પણ કાયદાકીય અને/અથવા નાણાકીય ઇન્કમ્બ્રોનન્સમાંથી વળતર આપવું જોઈએ.
6. પ્રોજેક્ટના અમલીકરણને લગતી કોઈ પણ બાબત પર કોઈ પણ વિવાદ, સચિવ, MeitY, અથવા CEO, IndiaAI નો નિર્ણય ગ્રાન્ટેડ સંસ્થા પર અંતિમ અને બંધનકર્તા રહેશે.
7. MeitY અથવા IndiaAI ભારત સરકારના નિર્દેશોને પ્રતિબિંબિત કરતા સમયાંતરે ગ્રાન્ટ-ઇન-એઇડને સંચાલિત કરતી આ નિયમો અને શરતોમાં ફેરફાર કરવાનો અધિકાર અનામત રાખે છે.
8. તમામ સહભાગી સંસ્થાઓ/સંસ્થાઓ માટે પ્રોજેક્ટના સંપૂર્ણ સમયગાળા દરમિયાન વર્કસ્ટેશન્સ/સર્વર્સ (કાર્યરત સ્થિતિમાં), લેબ સ્ટાફ વગેરે જેવા મૂળભૂત માળખાગત સુવિધાઓ ઉપલબ્ધ કરાવવી ફરજિયાત છે. આ પ્રોજેક્ટ હેઠળ વર્કસ્ટેશન, સર્વર, લેપટોપ વગેરે જેવા કોઈ અલગ હાર્ડવેર પ્લેટફોર્મ આપવામાં આવશે નહીં.
9. MeitY અથવા IndiaAI તમામ સહાયક દસ્તાવેજો (જેમ કે AICTE રેકગ્નિશન સર્ટિફિકેટ, NBA (નેશનલ બોર્ડ ઓફ એક્રેડિટેશન), NAAC (નેશનલ એસેસમેન્ટ એન્ડ એક્રેડિટેશન કાઉન્સિલ ઓફ યુજીસી), સ્ટાર્ટઅપ સર્ટિફિકેટ વગેરે) જ્યારે પણ જરૂર પડે ત્યારે કૅટેગરીના આધારે રજૂ કરવા માટે પૂછવાનો અધિકાર ધરાવે છે.

વિગતવાર નિયમો અને શરતો માટે કૃપા કરીને અહીં ક્લિક કરો.

સમયરેખા