റെസ്പോണ്‍സിബിള്‍ AI-യ്ക്കായുള്ള എക്സ്പ്രെഷന്‍ ഓഫ് ഇന്‍ററസ്റ്റ് ക്ഷണിക്കുന്നു

പശ്ചാത്തലം

ഇലക്ട്രോണിക്സ് ആൻഡ് ഇൻഫർമേഷൻ ടെക്നോളജി മന്ത്രാലയം (MeitY) AI ഉപയോഗത്തില്‍ സുതാര്യത, ഉത്തരവാദിത്തം, നീതി എന്നിവ വളർത്തിയെടുക്കാൻ പ്രതിജ്ഞാബദ്ധമാണ്. AI ഇൻ്റർഗ്രേഷൻ വളരുന്നതിനനുസരിച്ച്, അതിൻ്റെ സാമൂഹിക-സാമ്പത്തിക യാഥാർത്ഥ്യങ്ങളുമായി സാന്ദർഭികമായി, തദ്ദേശീയ ഉപകരണങ്ങൾക്കും മൂല്യനിർണ്ണയ ചട്ടക്കൂടുകൾക്കുമുള്ള ചടുലമായ സംവിധാനങ്ങളിൽ നിക്ഷേപം നടത്താനാണ് ഇന്ത്യ ലക്ഷ്യമിടുന്നത്. നാഷണൽ പ്രോഗ്രാം ഓൺ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ (NPAI) റെസ്‌പോൺസിബിൾ AI യുടെ കീഴിൽ, ഡിജിറ്റൽ ഇന്ത്യ കോർപ്പറേഷൻ്റെ കീഴിലുള്ള IndiaAI IBD, ഗവേഷണ പ്രോജക്റ്റ് അധിഷ്ഠിത ഫണ്ടിംഗിനായി ഒരു സംരംഭം ആരംഭിക്കുന്നു. ഡിജിറ്റൽ ഇന്ത്യ കോർപ്പറേഷൻ്റെ കീഴിലുള്ള IndiaAI IBD, ന്യായവും സുതാര്യവും ധാർമ്മികവുമായ AI സമ്പ്രദായങ്ങൾ പ്രോത്സാഹിപ്പിക്കുന്ന അത്തരം 10 റെസ്പോണ്‍സിബിള്‍ AI തീം പ്രോജക്റ്റുകൾക്ക് ഗ്രാൻ്റ്-ഇൻ-എയ്ഡ് പിന്തുണ നൽകുന്നു.

റെസ്പോണ്‍സിബിള്‍ AI-ക്കായി എക്സ്പ്രെഷന്‍ ഓഫ് ഇന്‍ററസ്റ്റ് ക്ഷണിക്കുന്നു

മൈഗവുമായി സഹകരിച്ച് MeitY, ബിൽഡിംഗ് ടൂളുകൾക്കും ഫ്രെയിം വർക്കുകൾക്കുമായി റെസ്പോണ്‍സിബിള്‍ AI തീമുകൾ കണ്ടെത്താനും നിർദ്ദേശങ്ങൾ സമർപ്പിക്കാനും ഓർഗനൈസേഷനുകളെ ക്ഷണിക്കുകയും പ്രോത്സാഹിപ്പിക്കുകയും ചെയ്യുന്നു.

വിവിധ മേഖലകളിലുടനീളം AI-യുടെ നീതിയുക്തവും ധാർമ്മികവുമായ വികസനവും വിന്യാസവും പ്രോത്സാഹിപ്പിക്കുന്ന ടൂളുകകളും ഫ്രെയിംവർക്കുകളും നിർമ്മിക്കുന്നതിന് മറ്റ് പങ്കാളികളുമായി സഹകരിച്ച് ഓർഗനൈസേഷനുകൾക്ക് എക്സ്പ്ലോർ ചെയ്യാൻ കഴിയുന്ന റെസ്പോണ്‍സിബിള്‍ AI തീമുകളുടെ ഒരു ലിസ്റ്റ് ഇനിപ്പറയുന്നതാണ്:

തീമുകൾ

1.1 മെഷീൻ അൺലേണിംഗ്

മെഷീൻ ലേണിംഗ് മോഡലുകളിൽ അശ്രദ്ധമായി വേരൂന്നിയേക്കാവുന്ന കൃത്യതയില്ലായ്മകൾ, ബയാസുകള്‍, കാലഹരണപ്പെട്ട വിവരങ്ങൾ എന്നിവ തിരുത്തുന്നതിൽ മെഷീൻ അൺലേണിംഗ് അൽഗോരിതങ്ങൾ നിർണായക പങ്ക് വഹിക്കുന്നു. തെറ്റായ, അപ്രസക്തമായ അല്ലെങ്കിൽ ഹാനികരമായ ഡാറ്റയിൽ നിന്ന് പഠിക്കുന്ന മോഡലുകളുടെ പ്രശ്നത്തെ ഈ അൽഗോരിതങ്ങൾ അഭിസംബോധന ചെയ്യുന്നു, ഇത് വിവിധ ആപ്ലിക്കേഷനുകളിൽ തെറ്റായ തീരുമാനങ്ങളിലേക്ക് നയിച്ചേക്കാം. പഠിച്ച പെരുമാറ്റങ്ങളില്‍ അഭികാമ്യമല്ലാത്തവ നീക്കം ചെയ്യുന്നതിലൂടെ, മെഷീൻ അൺലേണിംഗ് അൽഗോരിതങ്ങൾ വൈവിധ്യമാർന്ന ഡൊമെയ്‌നുകളിലുടനീളം കൂടുതൽ കൃത്യവും വിശ്വസനീയവും ന്യായയുക്തവുമായ AI സിസ്റ്റങ്ങളുടെ വികസനത്തിന് സംഭാവന നൽകുന്നു.

1. 2. സിന്തറ്റിക് ഡാറ്റ ജനറേഷൻ

മെഷീൻ ലേണിംഗിൻ്റെയും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെയും വിവിധ ഡൊമെയ്‌നുകളിലെ പരിമിതമായ, ബയാസ്ഡ് അല്ലെങ്കിൽ സ്വകാര്യമായ റിയല്‍ വേള്‍ഡ് ഡാറ്റാസെറ്റുകൾ സൃഷ്ടിക്കുന്ന നിരന്തരമായ വെല്ലുവിളികളിൽ നിന്നാണ് സിന്തറ്റിക് ഡാറ്റ ജനറേഷൻ ടൂളുകൾ വികസിപ്പിക്കുന്നതിനുള്ള അനിവാര്യത ഉയര്‍ന്നു വരുന്നത്. ഈ ടൂളുകൾ യഥാർത്ഥ ഡാറ്റയുടെ സ്വഭാവസവിശേഷതകളെ അനുകരിക്കുന്ന ഫാബ്രിക്കേറ്റഡ് ഡാറ്റ സംഭവങ്ങൾ സൃഷ്ടിക്കുന്നു, കൂടുതൽ കാര്യക്ഷമമായും ശക്തമായും പരിശീലിപ്പിക്കാൻ മെഷീൻ ലേണിംഗ് മോഡലുകളെ പ്രാപ്തമാക്കുന്നു. ഡാറ്റയിലെ വിടവുകൾ നികത്തുന്നതിലൂടെയും സ്വകാര്യതാ ആശങ്കകൾ ലഘൂകരിക്കുന്നതിലൂടെയും തുല്യ പ്രാതിനിധ്യം പ്രോത്സാഹിപ്പിക്കുന്നതിലൂടെയും സിന്തറ്റിക് ഡാറ്റാ ജനറേഷൻ ടൂളുകൾ AI സിസ്റ്റങ്ങളുടെ കഴിവുകൾ വികസിപ്പിക്കുന്നതിൽ ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു. പരിശീലന സമയത്ത് AI അൽഗോരിതത്തിൽ തെറ്റായ ബയാസുകള്‍ സൃഷ്ടിക്കപ്പെടാതിരിക്കാൻ കൃത്രിമമായി സൃഷ്ടിച്ച ഡാറ്റ ശരിയാണെന്നും ബാക്കിയുള്ള ഡാറ്റയുമായി വിന്യസിച്ചിട്ടുണ്ടെന്നും ഡെവലപ്പർ ഉറപ്പാക്കണം.

1.3 അൽഗോരിതം ഫെയർനസ് ടൂളുകൾ

ഓട്ടോമേറ്റഡ് സിസ്റ്റങ്ങളും ഡിസിഷൻ മേക്കിങ് അൽഗോരിതങ്ങളും എല്ലാ വ്യക്തികളെയും ന്യായമായും പക്ഷപാതമില്ലാതെ കൈകാര്യം ചെയ്യുന്നുവെന്നും അൽഗോരിതം ഫെയർനസ് ടൂളുകൾ ഉറപ്പാക്കുന്നു. ഡാറ്റയിലോ രൂപകൽപ്പനയിലോ ഉള്ള ബയാസ് കാരണം അൽഗോരിതങ്ങൾ ചിലപ്പോൾ ചില ഗ്രൂപ്പുകളോട് അശ്രദ്ധമായി വിവേചനം കാണിക്കുന്നു. ഈ ബയാസുകളെ വിലയിരുത്തുന്നതിനും അളക്കുന്നതിനും ലഘൂകരിക്കുന്നതിനും ധാർമ്മികവും തുല്യവുമായ ഫലങ്ങൾ പ്രോത്സാഹിപ്പിക്കുന്നതിനും ഫെയർനസ് ടൂളുകൾ ഒരു ചിട്ടയായ മാർഗ്ഗം നൽകുന്നു. വംശം, ലിംഗഭേദം അല്ലെങ്കിൽ മറ്റ് സംരക്ഷിത ആട്രിബ്യൂട്ടുകൾ പോലുള്ള വിവിധ വശങ്ങളിൽ ബയാസ് വിശകലനം ചെയ്യുന്നതിന് ഈ ഉപകരണങ്ങൾ പലപ്പോഴും അളവ് അളവുകളും ദൃശ്യവൽക്കരണങ്ങളും നൽകുന്നു. പ്രവചനങ്ങളിലെയും ഫലങ്ങളിലെയും അസമത്വങ്ങൾ ഉയർത്തിക്കാട്ടാൻ അവർക്ക് കഴിയും. അൽഗോരിതം ഫെയർനെസ് ടൂളുകളുടെ ഉദാഹരണങ്ങളിൽ IBM- ൻ്റെ AI Fairness 360, ഗൂഗിളിൻ്റെ What-If Tool മൈക്രോസോഫ്റ്റിൻ്റെ Fairlearn എന്നിവ ഉൾപ്പെടുന്നു.

1.4 AI ബയസ് മിറ്റിഗേറ്റിംഗ് സ്ട്രേറ്റ്ർജിസ്

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സംവിധാനങ്ങൾ സമൂഹത്തിൻ്റെ വിവിധ വശങ്ങളുമായി കൂടുതലായി സംയോജിപ്പിക്കപ്പെടുകയും വ്യക്തികളുടെ ജീവിതത്തെ സ്വാധീനിക്കുന്ന തീരുമാനങ്ങളെ സ്വാധീനിക്കുകയും ചെയ്യുന്നുവെന്ന തിരിച്ചറിവിൽ നിന്നാണ് AI ബയാസ് ലഘൂകരിക്കുന്ന തന്ത്രങ്ങളുടെ ആവശ്യകത ഉടലെടുക്കുന്നത്. നീതി, സമത്വം, ഉത്തരവാദിത്തം എന്നിവ ഉറപ്പാക്കുന്നതിന്, AI അൽഗോരിതങ്ങൾക്കുള്ളിലെ ബയാസുകള്‍ തിരിച്ചറിയുകയും വിശകലനം ചെയ്യുകയും തിരുത്തുകയും ചെയ്യുന്ന തന്ത്രങ്ങൾ ഉപയോഗിക്കേണ്ടത് അനിവാര്യമാണ്. ബയാസ് നീക്കം ചെയ്യുന്നതിനായി പ്രീ-പ്രോസസ്സിംഗ് ഡാറ്റ, ന്യായബോധത്തിനായി അൽഗോരിതങ്ങൾ ക്രമീകരിക്കുക, അല്ലെങ്കിൽ ഫലങ്ങൾ വീണ്ടും കാലിബ്രേറ്റ് ചെയ്യുന്നതിനായി പോസ്റ്റ്-പ്രോസസ്സിംഗ് പ്രവചനങ്ങൾ എന്നിവ ലഘൂകരണ തന്ത്രങ്ങളിൽ ഉൾപ്പെടാം. ഡാറ്റ വീണ്ടും സാമ്പിൾ ചെയ്യുക, സാമ്പിളുകൾ വീണ്ടും വെയ്റ്റ് ചെയ്യുക, പ്രതികൂല പരിശീലനം, പ്രവചനങ്ങളിലെ ബയാസ് കുറയ്ക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന മറ്റുള്ളവ എന്നിവ AI ബയാസ് ലഘൂകരണ തന്ത്രങ്ങളുടെ ഉദാഹരണങ്ങളിൽ ഉൾപ്പെടുന്നു.

1.5 എത്തിക്കൽ AI ഫ്രെയിംവർക്കുകൾ

AI സംവിധാനങ്ങൾ അടിസ്ഥാന മാനുഷിക മൂല്യങ്ങളെ മാനിക്കുന്നുവെന്നും നീതി, സുതാര്യത, ഉത്തരവാദിത്തം എന്നിവ ഉയർത്തിപ്പിടിക്കുന്നുവെന്നും പക്ഷപാതമോ വിവേചനമോ ശാശ്വതമാക്കുന്നത് ഒഴിവാക്കാനും എത്തിക്കൽ AI ഫ്രെയിംവർക്കുകൾ ഒരു ഘടനാപരമായ സമീപനം നൽകുന്നു. ഈ ഫ്രെയിംവർക്കുകൾ ഡവലപ്പർമാരെയും ഗവേഷകരെയും ഓർഗനൈസേഷനുകളെയും അവരുടെ AI സൃഷ്ടികളുടെ വിശാലമായ സാമൂഹിക പ്രത്യാഘാതങ്ങൾ പരിഗണിക്കാനും അപകടസാധ്യത കുറയ്ക്കുന്നതിന് അറിവുള്ള തീരുമാനങ്ങൾ എടുക്കാനും പ്രോത്സാഹിപ്പിക്കുന്നു. പ്രമുഖ എത്തിക്കൽ AI ഫ്രെയിംവർക്കുകളിൽ IEEE ഗ്ലോബൽ ഇനിഷ്യേറ്റീവ് ഓൺ എത്തിക്‌സ് ഓഫ് ഓട്ടോണമസ് ആൻഡ് ഇൻ്റലിജൻ്റ് സിസ്റ്റങ്ങളും യൂറോപ്യൻ കമ്മീഷൻ വിശ്വാസയോഗ്യമായ AI-യ്‌ക്കായുള്ള എത്തിക്‌സ് മാർഗ്ഗനിർദ്ദേശങ്ങളും ഉൾപ്പെടുന്നു.

1.6 സ്വകാര്യത വർദ്ധിപ്പിക്കുന്ന തന്ത്രങ്ങൾ

ഡാറ്റാ സ്വകാര്യതയെക്കുറിച്ചുള്ള വർദ്ധിച്ചുവരുന്ന ആശങ്കകളും വ്യക്തിഗത വിവരങ്ങളുടെ ദുരുപയോഗം സാധ്യതയും പരിഹരിക്കുന്നതിന് ഉത്തരവാദിത്ത AI-യിൽ സ്വകാര്യത മെച്ചപ്പെടുത്തുന്ന തന്ത്രങ്ങൾ അത്യന്താപേക്ഷിതമാണ്. ഡാറ്റ ചെറുതാക്കൽ, അജ്ഞാതവൽക്കരണം, ഡിഫറൻഷ്യൽ പ്രൈവസി, സ്വകാര്യത സംരക്ഷിക്കുന്ന മെഷീൻ ലേണിംഗ് എന്നിവയുൾപ്പെടെ നിരവധി സാങ്കേതിക വിദ്യകൾ അവ ഉൾക്കൊള്ളുന്നു. വിശകലനം, പ്രവചനങ്ങൾ, തീരുമാനങ്ങൾ എടുക്കൽ എന്നിവയ്ക്കായി AI-യുടെ ശക്തി പ്രയോജനപ്പെടുത്താൻ ഓർഗനൈസേഷനുകളെ അനുവദിക്കുമ്പോൾ തന്നെ വീണ്ടും തിരിച്ചറിയൽ, അനധികൃത ആക്സസ്, ഡാറ്റ ചോർച്ച എന്നിവയുടെ അപകടസാധ്യത കുറയ്ക്കാൻ ഈ സമീപനങ്ങൾ ലക്ഷ്യമിടുന്നു.

1.7 എക്സ്പ്ലൈനബിൾ AI (XAI) ഫ്രെയിംവർക്കുകൾ

AI മോഡലുകൾ കൂടുതൽ വ്യാഖ്യാനിക്കാവുന്നതും സുതാര്യവുമാക്കുന്നതിനുള്ള രീതികളും ഉപകരണങ്ങളും XAI ഫ്രെയിംവർക്കുകൾ നൽകുന്നു. മാതൃകാ ദൃശ്യവൽക്കരണം, സവിശേഷത പ്രാധാന്യ വിശകലനം, AI പ്രവചനങ്ങൾക്കായി മനുഷ്യർക്ക് മനസ്സിലാക്കാവുന്ന വിശദീകരണങ്ങൾ സൃഷ്ടിക്കൽ തുടങ്ങിയ സാങ്കേതികവിദ്യകൾ അവ ഉൾക്കൊള്ളുന്നു. ഡാറ്റാ ശാസ്ത്രജ്ഞർ, റെഗുലേറ്റർമാർ, അന്തിമ ഉപയോക്താക്കൾ എന്നിവരുൾപ്പെടെയുള്ള ഉപയോക്താക്കളെ സങ്കീർണ്ണമായ AI മോഡലുകളുടെ ആന്തരിക പ്രവർത്തനങ്ങളെക്കുറിച്ച് ഉൾക്കാഴ്ച നേടാൻ ഈ ചട്ടക്കൂടുകൾ സഹായിക്കുന്നു. മോഡൽ തീരുമാനങ്ങളെ സ്വാധീനിക്കുന്ന ഘടകങ്ങൾ വെളിപ്പെടുത്തുന്നതിലൂടെ, XAI ഉത്തരവാദിത്തം വർദ്ധിപ്പിക്കുകയും മോഡൽ ഡീബഗിംഗും മെച്ചപ്പെടുത്തലും സുഗമമാക്കുകയും ചെയ്യുന്നു.

1.8 AI എത്തിക്കൽ സർട്ടിഫിക്കേഷനുകൾ

AI സിസ്റ്റങ്ങളോ സേവനങ്ങളോ ഓർഗനൈസേഷനുകളോ അവയുടെ വികസനത്തിലും വിന്യാസത്തിലും സ്ഥാപിതമായ ധാർമ്മിക തത്വങ്ങളും മാർഗ്ഗനിർദ്ദേശങ്ങളും പാലിക്കുന്നുണ്ടെന്ന് സാധൂകരിക്കുന്ന ഒരു ഔപചാരിക വിലയിരുത്തലും അംഗീകാര പ്രക്രിയയുമാണ് AI എത്തിക്കൽ സർട്ടിഫിക്കേഷനുകൾ. AI എത്തിക്കൽ സർട്ടിഫിക്കേഷനു വിധേയമാകുന്നതിലൂടെ, ധാർമ്മിക പരിഗണനകൾക്ക് മുൻഗണന നൽകുന്നതും പങ്കാളികൾക്കിടയിൽ വിശ്വാസം വളർത്തുന്നതും AI സാങ്കേതികവിദ്യകൾ സാമൂഹിക മൂല്യങ്ങളുമായും മാനദണ്ഡങ്ങളുമായും പൊരുത്തപ്പെടുന്നുവെന്ന് ഉറപ്പാക്കുന്നതുമായ രീതിയിൽ AI കെട്ടിപ്പടുക്കുന്നതിനും ഉപയോഗിക്കുന്നതിനുമുള്ള അവരുടെ സമർപ്പണം സ്ഥാപനങ്ങൾ പ്രകടിപ്പിക്കുന്നു. ഈ സർട്ടിഫിക്കേഷനുകൾ നീതി, സുതാര്യത, ഉത്തരവാദിത്തം, സ്വകാര്യതയുടെ സംരക്ഷണം തുടങ്ങിയ വശങ്ങൾ വിലയിരുത്തുന്നു.

1.9 AI ഗവേണൻസ് ടെസ്റ്റിംഗ് ഫ്രെയിംവർക്കുകൾ

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സിസ്റ്റങ്ങളുടെ വികസനത്തിലും വിന്യാസത്തിലും ഭരണ നയങ്ങൾ, ധാർമ്മിക മാർഗ്ഗനിർദ്ദേശങ്ങൾ, റെഗുലേറ്ററി ആവശ്യകതകൾ എന്നിവ വിലയിരുത്തുന്നതിനും പാലിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുന്നതിനുമുള്ള ഒരു ഘടനാപരമായ സമീപനമാണ് AI ഗവേണൻസ് ടെസ്റ്റിംഗ് ഫ്രെയിംവർക്ക്. ഈ ഫ്രെയിംവർക്ക് ഓർഗനൈസേഷനുകളെ അവരുടെ AI സംരംഭങ്ങൾ ഉത്തരവാദിത്തവും ധാർമ്മികവുമായ പ്രവർത്തനങ്ങളുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് വിലയിരുത്താൻ സഹായിക്കുന്നു. വസ്തുനിഷ്ഠവും സ്ഥിരീകരിക്കാവുന്നതുമായ രീതിയിൽ ഉത്തരവാദിത്തമുള്ള AI സ്ഥാപിക്കാന്‍ ആഗ്രഹിക്കുന്ന കമ്പനികൾക്കായുള്ള ലോകത്തിലെ ആദ്യത്തെ AI ഗവേണൻസ് ടെസ്റ്റിംഗ് ഫ്രെയിംവർക്കും ടൂൾകിറ്റും ആയ A.I. വെരിഫൈ ആണ് ഒരു പ്രധാന ഉദാഹരണം.

1.10 അൽഗോരിതമിക് ഓഡിറ്റിംഗ് ടൂളുകൾ

അൽഗോരിതമിക് ഓഡിറ്റിംഗ് എന്നത് അൽഗോരിതങ്ങളുടെയും മെഷീൻ ലേണിംഗ് മോഡലുകളുടെയും സ്വാധീനവും പെരുമാറ്റവും വിലയിരുത്തുകയും സൂക്ഷ്മപരിശോധന നടത്തുകയും ചെയ്യുന്ന ഒരു പ്രക്രിയയാണ്, പ്രത്യേകിച്ച് ഈ അൽഗോരിതങ്ങൾ വ്യക്തികളെയോ കമ്മ്യൂണിറ്റികളെയോ ബാധിക്കുന്ന തീരുമാനങ്ങൾ എടുക്കുന്ന ആപ്ലിക്കേഷനുകളിൽ. അൽഗോരിതം തീരുമാനമെടുക്കുന്നതിൽ നീതി, സുതാര്യത, ഉത്തരവാദിത്തം എന്നിവ ഉറപ്പാക്കുക, സാധ്യതയുള്ള പക്ഷപാതങ്ങളും ധാർമ്മിക ആശങ്കകളും ലഘൂകരിക്കുക എന്നിവയാണ് അൽഗോരിതമിക് ഓഡിറ്റിംഗിൻ്റെ പ്രാഥമിക ലക്ഷ്യങ്ങൾ.

ആർക്കൊക്കെ അപേക്ഷിക്കാം?

2.1 അക്കാദമിക്/R&D ഓർഗനൈസേഷനുകൾ

അക്കാദമിക്/R&D ഓർഗനൈസേഷനുകൾക്ക് പദ്ധതി നടപ്പാക്കുന്നതിനും പ്രോഗ്രാമിന് കീഴിലുള്ള വിദ്യാർത്ഥികളുടെ പരിശീലനത്തിനും പ്രസക്തമായ ഗവേഷണ പ്രസിദ്ധീകരണത്തിനൊപ്പം മുമ്പുണ്ടായിരുന്ന ലാബ് ഇൻഫ്രാസ്ട്രക്ചർ (വർക്ക്സ്റ്റേഷനുകൾ, സെർവറുകൾ, പ്രോജക്ട് സ്റ്റാഫ് മുതലായവ ഉള്ള ലാബ്) ഉണ്ടായിരിക്കണം. ചീഫ് ഇൻവെസ്റ്റിഗേറ്റർ/കോ-ചീഫ് ഇൻവെസ്റ്റിഗേറ്റർ ഉത്തരവാദിത്തമുള്ള ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് മേഖലയിൽ പ്രസക്തമായ പരിചയമുള്ള റഗുലർ ഫാക്കൽറ്റിയായിരിക്കണം.

ഇനിപ്പറയുന്ന വിഭാഗങ്ങളിൽ പെടുന്ന എല്ലാ സ്ഥാപനങ്ങൾക്കും പ്രോഗ്രാമിൽ പങ്കെടുക്കാനും ധനസഹായം സ്വീകരിക്കാനും അർഹതയുണ്ട്:

1. ഇന്ത്യൻ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജീസ് (IITs)
2. നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജീസ് (NITs)
3. ഇന്ത്യൻ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ഇൻഫർമേഷൻ ടെക്നോളജി (IIITs)
4. ഇന്ത്യൻ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സയൻസ് എജ്യുക്കേഷൻ ആൻഡ് റിസർച്ച് (IISERs)
5. കേന്ദ്ര/സംസ്ഥാന സർക്കാരിന് കീഴിലുള്ള കേന്ദ്ര സർവകലാശാലകൾ/ഡീംഡ് സർവകലാശാലകൾ
6. കോളേജുകൾ/ദേശീയ പ്രാധാന്യമുള്ള/പ്രശസ്ത സ്ഥാപനങ്ങൾ
7. R&D ഓർഗനൈസേഷനുകൾ/സ്ഥാപനങ്ങൾ (ബി.ടെക്/എംടെക്/PHD കോഴ്സുകൾ ഉള്ളത്)
8. സ്വകാര്യ സർവ്വകലാശാലകൾ/ സ്വകാര്യ ഡീംഡ് സർവ്വകലാശാലകൾ/സ്വകാര്യ കോളേജുകൾ**

** താഴെ പറയുന്ന അധിക യോഗ്യതാ മാനദണ്ഡങ്ങൾ പാലിക്കുന്നതിന് വിധേയമായി സ്വകാര്യ അക്കാദമിക് സ്ഥാപനങ്ങൾക്കും പ്രോഗ്രാമിൽ പങ്കെടുക്കാൻ അർഹതയുണ്ട്:

സ്വകാര്യ അക്കാദമിക് സ്ഥാപനങ്ങൾക്കുള്ള മാനദണ്ഡം

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൽ ബിരുദ/ബിരുദാനന്തര/ഡിപ്ലോമ/സർട്ടിഫിക്കറ്റ് പ്രോഗ്രാമുകൾ വാഗ്ദാനം ചെയ്യുന്ന സ്വകാര്യ സ്ഥാപനങ്ങൾക്ക് അപേക്ഷിക്കാൻ അർഹതയുണ്ട്. സ്ഥാപനങ്ങൾ AICTE അംഗീകരിക്കുകയും കൂടാതെ/അല്ലെങ്കിൽ സ്ഥാപനം NAAC (നാഷണൽ അസസ്‌മെൻ്റ് ആൻഡ് അക്രഡിറ്റേഷൻ കൗൺസിൽ ഓഫ് UGC) അംഗീകാരം നൽകുകയും വേണം.

അക്കാദമിക് സ്ഥാപനങ്ങളിൽ നിന്ന് ലഭിക്കുന്ന നിർദ്ദേശങ്ങൾ മൂല്യനിർണ്ണയ സമിതിയുടെയും മറ്റ് പ്രൊപ്പോസൽ റിവ്യൂ കമ്മിറ്റികളുടെയും സൂക്ഷ്മപരിശോധനയ്ക്കും വിലയിരുത്തലിനും വിധേയമാക്കി അംഗീകാരം നൽകും.

2.2 സ്റ്റാർട്ടപ്പുകളും കമ്പനികളും

1. സ്റ്റാർട്ടപ്പ് DIPP വിജ്ഞാപനം ചെയ്യുന്ന നിലവിലുള്ള മാനദണ്ഡങ്ങൾ പാലിക്കുകയും കുറഞ്ഞത് 2 വർഷമെങ്കിലും പ്രവർത്തനത്തിലായിരിക്കുകയും വേണം.
2. സ്ഥാപനത്തിന് ഇന്ത്യൻ പൗരന്മാരുമായോ ഇന്ത്യൻ വംശജരുമായോ കുറഞ്ഞത് 51% ഷെയർഹോൾഡിംഗ് ഉണ്ടായിരിക്കണം. അപേക്ഷകൻ്റെ സ്ഥാപനം ഏതെങ്കിലും വിദേശ കോർപ്പറേഷൻ്റെ അനുബന്ധ കമ്പനിയായിരിക്കരുത്.
3. സ്റ്റാർട്ടപ്പിന് AI മേഖലയിൽ പ്രകടമായ വൈദഗ്ധ്യം ഉണ്ടായിരിക്കണം
4. ഇന്ത്യൻ കമ്പനി/വിദേശ കമ്പനി, കമ്പനി നിയമത്തിന് കീഴിലുള്ള നിർവചനം ബാധകമായ രീതിയിൽ പാലിക്കണം. കമ്പനി കുറഞ്ഞത് 5 വർഷമെങ്കിലും പ്രവർത്തനത്തിലായിരിക്കണം കൂടാതെ AI മേഖലയിൽ സ്ഥാപിത അനുഭവവും ഉണ്ടായിരിക്കണം

തിരഞ്ഞെടുപ്പ് പ്രക്രിയ

ഇനിപ്പറയുന്ന ഘട്ടങ്ങൾ ഈ സംരംഭം സാക്ഷാത്കരിക്കാവുന്ന സമീപനത്തിൻ്റെ രൂപരേഖ നൽകുന്നു, അതിൻ്റെ വിജയകരമായ നിർവ്വഹണവും സമഗ്രമായ ലക്ഷ്യങ്ങളുമായി പൊരുത്തപ്പെടുത്തലും ഉറപ്പാക്കുന്നു:

1. അപേക്ഷാ പ്രക്രിയ

അപേക്ഷകർ പെർഫോമയിൽ അറ്റാച്ചുചെയ്തിരിക്കുന്ന ഫോർമാറ്റിൽ എക്സ്പ്രഷൻ ഓഫ് ഇൻ്ററസ്റ്റ് (EOI) സമർപ്പിക്കേണ്ടതുണ്ട്. അപേക്ഷകർക്ക് ഒന്നിലധികം പ്രോജക്ടുകൾക്ക് അപേക്ഷിക്കാൻ സ്വാതന്ത്ര്യമുണ്ട്, എന്നിരുന്നാലും, അവർ അങ്ങനെ ചെയ്യാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അവർ അവരുടെ പ്രോജക്റ്റ് മുൻഗണന വ്യക്തമായി റാങ്ക് ചെയ്യേണ്ടതുണ്ട്.

2. EOIs-കളുടെ വിലയിരുത്തൽ

വിദഗ്ധ സമിതി EOIs വിലയിരുത്തും. AI-യുടെ വിവിധ വശങ്ങളിലുള്ള സ്ഥാപനങ്ങളുടെ കഴിവ്, ട്രാക്ക് റെക്കോർഡ്, ശേഷി എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതാണ് മൂല്യനിർണ്ണയം.

മൂല്യനിർണ്ണയ മാനദണ്ഡം

1.ലക്ഷ്യങ്ങളോടെയുള്ള പ്രോജക്റ്റ് അലൈൻമെൻ്റ്:

1. ന്യായവും ധാർമ്മികവുമായ AI വിനിയോഗം പ്രോത്സാഹിപ്പിക്കുകയെന്ന സമഗ്രമായ ലക്ഷ്യവുമായി നിർദ്ദിഷ്ട പ്രോജക്റ്റ് എത്രത്തോളം യോജിക്കുന്നു?
2. ഈ മേഖലകളിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വെല്ലുവിളികളെ അഭിമുഖീകരിക്കുന്നതിന് പ്രോജക്റ്റ് എങ്ങനെ സംഭാവന ചെയ്യുമെന്ന് നിർദ്ദേശം വ്യക്തമായി പ്രസ്താവിക്കുന്നുണ്ടോ?

2. ഇന്നൊവേഷൻ ആൻഡ് ഇമ്പാക്ട്:

1. നിർദ്ദിഷ്ട പ്രോജക്റ്റ് നൂതനവും റെസ്പോണ്‍സിബിള്‍ AI-യിൽ കാര്യമായ സംഭാവന നൽകാൻ സാധ്യതയുള്ളതുമാണോ?
2. റെസ്പോണ്‍സിബിള്‍ AI-യുടെ മേഖലയെ മുന്നോട്ട് കൊണ്ടുപോകാൻ കഴിയുന്ന നൂതനമായ സമീപനങ്ങളോ രീതിശാസ്ത്രങ്ങളോ സാങ്കേതികവിദ്യകളോ നിർദ്ദേശിച്ചിട്ടുണ്ടോ?

3. സഹകരണ സമീപനം:

1. അക്കാദമിക് സ്ഥാപനങ്ങൾ, വ്യവസായം, സിവിൽ സൊസൈറ്റി, മറ്റ് പങ്കാളികൾ എന്നിവ തമ്മിലുള്ള ഫലപ്രദമായ സഹകരണം ഈ പ്രൊപ്പോസൽ പ്രകടമാക്കുന്നുണ്ടോ?
2. നിർദ്ദിഷ്ട പങ്കാളികൾ തമ്മിലുള്ള വിജയകരമായ സഹകരണത്തിന് തെളിവുണ്ടോ?

4. സാധ്യതയും വിഭവങ്ങളും:

1. 2 വർഷത്തെ സമയപരിധിക്കുള്ളിൽ നിർദ്ദിഷ്ട പ്രോജക്റ്റ് സാങ്കേതികമായി സാധ്യമാണോ?
2. പ്രൊപ്പോസൽ ഒരു റിയലിസ്റ്റിക് ബജറ്റിൻ്റെ രൂപരേഖ നൽകുന്നുണ്ടോ?
3. പ്രതീക്ഷിക്കുന്ന പ്രോജക്റ്റ് ഫലങ്ങളുമായും ആഘാതങ്ങളുമായും ബന്ധപ്പെട്ട് നിർദ്ദിഷ്ട ബജറ്റ് ന്യായവും ന്യായയുക്തവുമാണോ?

5. മൂല്യനിർണ്ണയവും അളവുകളും:

1. വ്യക്തവും അളക്കാവുന്നതുമായ പ്രോജക്റ്റ് നാഴികക്കല്ലുകളും ഫലങ്ങളും നിർവചിക്കപ്പെട്ടിട്ടുണ്ടോ?
2. പ്രോജക്റ്റ് ആഘാതവും ഫലപ്രാപ്തിയും വിലയിരുത്തുന്നതിന് അളവിലും ഗുണപരമായ അളവുകോലുകളുണ്ടോ?

സബ്മിഷൻ മാർഗ്ഗനിർദ്ദേശങ്ങൾ

1. പെർഫോർമയുടെ ആകെ ദൈർഘ്യം  15-20 പേജിൽ കൂടരുത്
2. പാർട്ണർ ഓർഗനൈസേഷനുമായി സംയുക്തമായി അപേക്ഷിക്കാൻ അപേക്ഷകരെ പ്രോത്സാഹിപ്പിക്കുന്നു. പ്രോജക്റ്റിൻ്റെ പരമാവധി ദൈർഘ്യം 2 വർഷമാണെന്നത് ശ്രദ്ധിക്കുക.
3. ടെംപ്ലേറ്റിൽ പറഞ്ഞിരിക്കുന്ന എല്ലാ വശങ്ങളെയും കുറിച്ചുള്ള വിവരങ്ങൾ നൽകുക. അപൂർണ്ണമായ അപേക്ഷകൾ നിരസിക്കും.
4. തെറ്റായ വിവരങ്ങൾ കണ്ടെത്തുന്നത് അപേക്ഷയുടെ അയോഗ്യതയിലേക്ക് നയിക്കും.
5. അപേക്ഷകർ നിബന്ധനകളും വ്യവസ്ഥകളും വായിക്കുകയും പാലിക്കുകയും വേണം.
6. എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടെങ്കിൽ, ദയവായി ബന്ധപ്പെടാൻ മടിക്കേണ്ടതില്ല pmu[dot]etech[at]meity[dot]gov[dot]in

മറ്റ് ഗവേഷണ മേഖലകളിൽ സമർപ്പിച്ച നിർദ്ദേശങ്ങൾ ഈ പ്രൊപ്പോസലുകളിൽ പരിഗണിക്കാനിടയില്ല.

സബ്മിഷനുകൾ PDF ഫോർമാറ്റിൽ മാത്രമായിരിക്കണം. പെർഫോർമ ഡൗൺലോഡ് ചെയ്യാൻ ഇവിടെ ക്ലിക്ക് ചെയ്യുക

നിബന്ധനകളും വ്യവസ്ഥകളും

1. IndiAI അംഗീകരിച്ച നിർദ്ദിഷ്ട പ്രോജക്റ്റ് ഏറ്റെടുക്കുന്നതിനാണ് ഗ്രാൻ്റ്, ഇനിപ്പറയുന്ന വ്യവസ്ഥകൾക്ക് വിധേയമായിരിക്കും:
   1. പദ്ധതിക്കായി നിശ്ചിത സമയത്തിനുള്ളിൽ ഗ്രാൻ്റ് ചെലവഴിക്കും
   2. അംഗീകൃത ആവശ്യങ്ങൾക്കായുള്ള ചെലവുകൾക്ക് ആത്യന്തികമായി ആവശ്യമില്ലാത്ത ഗ്രാൻ്റിൻ്റെ ഏതെങ്കിലും ഭാഗം IndiaAI-ക്ക് യഥാവിധി സറണ്ടർ ചെയ്യുന്നതാണ്.
2. IndiaAI ഗ്രാൻ്റ് നടപ്പിലാക്കുന്ന ഒരു പ്രോജക്റ്റിന്, മറ്റേതെങ്കിലും സാമ്പത്തിക സഹായത്തിനോ ഗ്രാൻ്റ്/വായ്പ ലഭിക്കാനോ ഗ്രാൻ്റ് സ്ഥാപനം അപേക്ഷിച്ചാൽ, അതേ പ്രോജക്റ്റിനായി മറ്റേതെങ്കിലും ഏജൻസി/മന്ത്രാലയം/ഡിപ്പാർട്ട്‌മെൻ്റ് എന്നിവയിൽ നിന്ന് ഗ്രാൻ്റ്/വായ്പ ലഭിക്കുന്നതിന് IndiaAI-യുടെ മുൻകൂർ അനുമതി/അനുമതി ഉണ്ടായിരിക്കണം.
3. ഗ്രാൻ്റ്-ഇൻ-എയ്ഡ് ലഭിക്കുന്ന ഈ പദ്ധതിയുടെ നടത്തിപ്പ് മറ്റൊരു സ്ഥാപനത്തെ ഏൽപ്പിക്കാനും IndiaAI യിൽ നിന്ന് ലഭിച്ച ഗ്രാൻ്റ്-ഇൻ-എയ്ഡ് സഹായമായി പിൽക്കാല സ്ഥാപനത്തിലേക്ക് തിരിച്ചു നൽകാനും ഗ്രാൻ്റീ സ്ഥാപനത്തെ അനുവദിക്കുന്നില്ല.
4. IndiaAI-യുടെ മുൻകൂർ അനുമതിയില്ലാതെ ഈ പ്രോജക്റ്റ് നടപ്പിലാക്കുന്നതിൽ അന്വേഷകൻ(കൾ) ഒരു വിദേശ കക്ഷിയുമായി (വ്യക്തിഗത/അക്കാദമിക് സ്ഥാപനം/ വ്യവസായം) സഹകരിക്കരുത്.
5. IPR/ IPR-ൻ്റെ ലൈസൻസിംഗ്/ സാങ്കേതിക കൈമാറ്റം/ വാണിജ്യവൽക്കരണം എന്നിവയുടെ ഏതെങ്കിലും ലംഘനത്തിൽ നിന്ന് ഉണ്ടാകുന്ന ഏതെങ്കിലും നിയമപരവും/അല്ലെങ്കിൽ സാമ്പത്തിക ബാധ്യതകൾക്ക് ഗ്രാൻ്റീ സ്ഥാപനം IndiaAI-ക്ക് നഷ്ടപരിഹാരം നൽകണം.
6. പ്രൊജക്‌റ്റ് നടപ്പാക്കുന്നതുമായി ബന്ധപ്പെട്ട ഏതെങ്കിലും വിഷയത്തിൽ എന്തെങ്കിലും തർക്കമുണ്ടായാൽ, സെക്രട്ടറി, MeitY, അല്ലെങ്കിൽ CEO, IndiaAI യുടെ തീരുമാനം അന്തിമവും ഗ്രാൻ്റീ സ്ഥാപനത്തിന് ബാധകവുമാണ്.
7. ഇന്ത്യ ഗവൺമെൻ്റിൻ്റെ നിർദ്ദേശങ്ങൾ പ്രതിഫലിപ്പിച്ചുകൊണ്ട് കാലാകാലങ്ങളിൽ ഗ്രാൻ്റ്-ഇൻ-എയ്ഡിനെ നിയന്ത്രിക്കുന്ന ഈ നിബന്ധനകളും വ്യവസ്ഥകളും പരിഷ്കരിക്കാനുള്ള അവകാശം MeitY അല്ലെങ്കിൽ IndiaAI-ൽ നിക്ഷിപ്തമാണ്.
8. പങ്കെടുക്കുന്ന എല്ലാ സ്ഥാപനങ്ങൾക്കും/ഓർഗനൈസേഷനുകൾക്കും വർക്ക്സ്റ്റേഷനുകൾ/സെർവറുകൾ (ജോലി അവസ്ഥയിൽ), ലാബ് സ്റ്റാഫ് മുതലായവ പോലുള്ള അടിസ്ഥാന സൗകര്യങ്ങൾ മുഴുവൻ പ്രോജക്റ്റ് കാലയളവിലും ലഭ്യമാക്കേണ്ടത് നിർബന്ധമാണ്. വർക്ക്‌സ്റ്റേഷനുകൾ, സെർവറുകൾ, ലാപ്‌ടോപ്പുകൾ തുടങ്ങിയ പ്രത്യേക ഹാർഡ്‌വെയർ പ്ലാറ്റ്‌ഫോമുകളൊന്നും പദ്ധതിക്ക് കീഴിൽ നൽകില്ല.
9. വിഭാഗത്തെ അടിസ്ഥാനമാക്കി എല്ലാ അനുബന്ധ രേഖകളും (AICTE റെക്കഗ്നിഷൻ സർട്ടിഫിക്കറ്റ്, NBA (നാഷണൽ ബോർഡ് ഓഫ് അക്രഡിറ്റേഷൻ), NAAC (നാഷണൽ അസസ്‌മെൻ്റ് ആൻഡ് അക്രഡിറ്റേഷൻ കൗൺസിൽ ഓഫ് UGC), സ്റ്റാർട്ടപ്പ് സർട്ടിഫിക്കറ്റ് മുതലായവ ആവശ്യമുള്ളപ്പോൾ ആവശ്യപ്പെടാനുള്ള അവകാശം MeitY അല്ലെങ്കിൽ IndiaAI-ൽ നിക്ഷിപ്തമാണ്.

വിശദമായ നിബന്ധനകൾക്കും വ്യവസ്ഥകൾക്കും ദയവായി ഇവിടെ ക്ലിക്ക് ചെയ്യുക.

ടൈംലൈൻ