जबाबदार AI 2024' वर स्वारस्य व्यक्त करण्यासाठी कॉल करा

पार्श्वभूमी

इलेक्ट्रॉनिक्स आणि माहिती तंत्रज्ञान मंत्रालय (MeitY) AI पद्धतींमध्ये पारदर्शकता, रिस्पॉन्सिबली आणि निष्पक्षता वाढवण्यासाठी वचनबद्ध आहे. जसजसे AI एकत्रीकरण वाढत आहे, तसतसे भारताचे उद्दिष्ट आहे की त्यांच्या सामाजिक-आर्थिक वास्तविकतेच्या संदर्भातील स्वदेशी साधने आणि मूल्यांकन फ्रेमवर्कसाठी चपळ यंत्रणांमध्ये गुंतवणूक करणे. नॅशनल प्रोग्रॅम ऑन आर्टिफिशियल इंटेलिजेंस (NPAI) च्या रिस्पॉन्सिबल AI च्या स्तंभ अंतर्गत, IndiaAI IBD, डिजिटल इंडिया कॉर्पोरेशन अंतर्गत, संशोधन प्रकल्प-आधारित निधीसाठी एक उपक्रम सुरू करते. IndiaAI IBD, डिजिटल इंडिया कॉर्पोरेशन अंतर्गत, न्याय्य, पारदर्शक आणि नैतिक AI पद्धतींचा प्रचार करणार्‍या अशा 10 रिस्पॉन्सिबल AI थीम असलेल्या प्रकल्पांसाठी अनुदान-साहाय्य पुरवते.

रिस्पॉन्सिबल AI वर स्वारस्य व्यक्त करण्याचे आवाहन

MeitY मायगव्हच्या सहकार्याने संस्थांना साधने आणि फ्रेमवर्क तयार करण्यासाठी रिस्पॉन्सिबल AI थीम्सचे अन्वेषण आणि प्रस्ताव सादर करण्यासाठी आमंत्रित करते आणि प्रोत्साहित करते.

खालील रिस्पॉन्सिबल AI थीमची यादी आहे जी इतर भागीदारांच्या सहकार्याने संस्थांद्वारे शोधली जाऊ शकते, विविध क्षेत्रांमध्ये AI च्या न्याय्य आणि नैतिक विकास आणि उपयोजनास प्रोत्साहन देणारी साधने आणि फ्रेमवर्क तयार करण्यासाठीः

विषय

1.1. मशीन अनलर्निंग

मशीन लर्निंग अल्गोरिदम मशीन लर्निंग मॉडेलमध्ये नकळत पणे रुजलेल्या चुका, पूर्वग्रह आणि कालबाह्य माहिती दुरुस्त करण्यात महत्त्वपूर्ण भूमिका बजावतात. हे अल्गोरिदम चुकीच्या, अप्रासंगिक किंवा हानिकारक डेटामधून शिकणाऱ्या मॉडेल्सच्या समस्येकडे लक्ष देतात, ज्यामुळे विविध अनुप्रयोगांमध्ये सदोष निर्णय होऊ शकतात. अवांछित शिकलेले वर्तन काढून टाकण्याची सुविधा देऊन, मशीन अनलर्निंग अल्गोरिदम विविध डोमेनमध्ये अधिक अचूक, विश्वासार्ह आणि निष्पक्ष AI सिस्टमच्या विकासास हातभार लावतात.

1.2. कृत्रिम डेटा निर्मिती

कृत्रिम डेटा निर्मिती साधने विकसित करण्याची अनिवार्यता मशीन लर्निंग आणि आर्टिफिशियल इंटेलिजन्सच्या विविध डोमेनमध्ये मर्यादित, पक्षपाती किंवा गोपनीयता-संवेदनशील वास्तविक-जगातील डेटासेटद्वारे उद्भवणाऱ्या सततच्या आव्हानांमधून उद्भवते. ही साधने बनावट डेटा उदाहरणे तयार करतात जी अस्सल डेटाच्या वैशिष्ट्यांची नक्कल करतात, मशीन लर्निंग मॉडेल्स अधिक प्रभावीपणे आणि मजबूतपणे प्रशिक्षण घेण्यास सक्षम करतात. डेटा ची कमतरता भरून, गोपनीयतेची चिंता कमी करून आणि समन्यायी प्रतिनिधित्वास प्रोत्साहन देऊन, कृत्रिम डेटा निर्मिती साधने AI सिस्टमची क्षमता वाढविण्यात महत्त्वपूर्ण भूमिका बजावतात. विकासकाने हे सुनिश्चित केले पाहिजे की कृत्रिमरित्या तयार केलेला डेटा योग्य आहे आणि उर्वरित डेटाशी सुसंगत आहे जेणेकरून प्रशिक्षणादरम्यान AI अल्गोरिदममध्ये खोटे पूर्वग्रह निर्माण होणार नाहीत.

1.3. अल्गोरिदम फेअरनेस साधने

अल्गोरिदम निष्पक्षता साधने हे सुनिश्चित करतात की स्वयंचलित प्रणाली आणि निर्णय घेणारे अल्गोरिदम सर्व व्यक्तींना निष्पक्षपणे आणि पक्षपात न करता वागवतात. अल्गोरिदम कधीकधी डेटा किंवा डिझाइनमधील पूर्वग्रहांमुळे नकळत पणे विशिष्ट गटांमध्ये भेदभाव करतात. निष्पक्षता साधने नैतिक आणि न्याय्य परिणामांना प्रोत्साहन देऊन या पूर्वग्रहांचे मूल्यांकन, मोजमाप आणि कमी करण्याचा पद्धतशीर मार्ग प्रदान करतात. ही साधने बऱ्याचदा वंश, लिंग किंवा इतर संरक्षित वैशिष्ट्यांसारख्या विविध पैलूंमध्ये पूर्वग्रहांचे विश्लेषण करण्यासाठी परिमाणात्मक मेट्रिक्स आणि व्हिज्युअलायझेशन प्रदान करतात. ते भविष्यवाणी आणि परिणामांमधील विषमता अधोरेखित करू शकतात. अल्गोरिदम फेअरनेस साधानांच्या उदाहरणांमध्ये IBM चे AI फेअरनेस 360, Google चे व्हॉट-इफ टूल आणि Microsoft चे फेअरलर्न यांचा समावेश आहे.

1.4. AI पूर्वग्रह कमी करण्याची धोरणे

कृत्रिम बुद्धिमत्ता प्रणाली समाजाच्या विविध पैलूंमध्ये अधिकाधिक समाकलित होत आहे, ज्यामुळे व्यक्तींच्या जीवनावर परिणाम करणाऱ्या निर्णयांवर परिणाम होतो, या जाणीवेमुळे AI पूर्वग्रह कमी करण्याच्या धोरणांची आवश्यकता उद्भवते. निष्पक्षता, समता आणि उत्तरदायित्व सुनिश्चित करण्यासाठी, AI अल्गोरिदममधील पूर्वग्रह ओळखणारी, विश्लेषण करणारी आणि दुरुस्त करणारी धोरणे वापरणे आवश्यक आहे. शमन धोरणांमध्ये पूर्वग्रह दूर करण्यासाठी डेटावर पूर्व-प्रक्रिया करणे, निष्पक्षतेसाठी अल्गोरिदम समायोजित करणे किंवा परिणामांना पुन्हा कॅलिब्रेट करण्यासाठी पोस्ट-प्रोसेसिंग भविष्यवाणी समाविष्ट असू शकते. AI पूर्वग्रह कमी करण्याच्या धोरणांच्या उदाहरणांमध्ये डेटाचे पुनः नमुने घेणे, नमुन्यांचे पुनर्भाजन, प्रतिकूल प्रशिक्षण आणि भविष्यवाणीतील पूर्वग्रह कमी करण्यावर लक्ष केंद्रित करणाऱ्या इतरांचा समावेश आहे.

1.5. नैतिक AI फ्रेमवर्क

AI प्रणाली मूलभूत मानवी मूल्यांचा आदर करतात, निष्पक्षता, पारदर्शकता आणि उत्तरदायित्व टिकवून ठेवतात आणि पूर्वग्रह किंवा भेदभाव कायम ठेवू नयेत याची खात्री करण्यासाठी नैतिक AI फ्रेमवर्क एक संरचित दृष्टीकोन प्रदान करतात. हे फ्रेमवर्क विकसक, संशोधक आणि संस्थांना त्यांच्या AI निर्मितीच्या व्यापक सामाजिक परिणामांचा विचार करण्यास आणि संभाव्य हानी कमी करण्यासाठी माहितीपूर्ण निर्णय घेण्यास प्रोत्साहित करतात. प्रमुख नैतिक AI फ्रेमवर्कमध्ये IEEE ग्लोबल इनिशिएटिव्ह ऑन एथिक्स ऑफ ऑटोनॉमस अँड इंटेलिजंट सिस्टम्स आणि युरोपियन कमिशनद्वारे विश्वासार्ह AI साठी नैतिक मार्गदर्शक तत्त्वे समाविष्ट आहेत.

1.6. गोपनीयता वाढविणारी धोरणे

डेटा गोपनीयता आणि वैयक्तिक माहितीच्या संभाव्य गैरवापराबद्दल वाढत्या चिंतांचे निराकरण करण्यासाठी जबाबदार AI मध्ये गोपनीयता-वर्धक धोरणे आवश्यक आहेत. त्यामध्ये डेटा कमी करणे, अनामिकीकरण, भिन्न गोपनीयता आणि गोपनीयता-संरक्षित मशीन लर्निंगसह अनेक तंत्रांचा समावेश आहे. या दृष्टिकोनांचे उद्दीष्ट पुनर्ओळख, अनधिकृत प्रवेश आणि डेटा गळतीचा धोका कमी करणे आणि तरीही संस्थांना विश्लेषण, अंदाज आणि निर्णय घेण्यासाठी AI ची शक्ती वापरण्याची परवानगी देणे आहे.

1.7. स्पष्टीकरणीय AI (XAI) फ्रेमवर्क

XAI फ्रेमवर्क AI मॉडेल्स अधिक अर्थपूर्ण आणि पारदर्शक बनविण्यासाठी पद्धती आणि साधने प्रदान करतात. त्यामध्ये मॉडेल व्हिज्युअलायझेशन, वैशिष्ट्य महत्त्व विश्लेषण आणि AI अंदाजांसाठी मानवी-समजण्यायोग्य स्पष्टीकरण तयार करणे यासारख्या तंत्रांचा समावेश आहे. हे फ्रेमवर्क डेटा शास्त्रज्ञ, नियामक आणि अंतिम वापरकर्त्यांसह वापरकर्त्यांना जटिल AI मॉडेल्सच्या अंतर्गत कार्यामध्ये अंतर्दृष्टी मिळविण्यात मदत करतात. मॉडेल निर्णयांवर परिणाम करणारे घटक उघड करून, XAI उत्तरदायित्व वाढवते आणि मॉडेल डिबगिंग आणि सुधारणेची सुविधा देते.

1.8. AI नैतिक प्रमाणपत्रे

AI नैतिक प्रमाणपत्रे ही एक औपचारिक मूल्यांकन आणि मान्यता प्रक्रिया आहे जी प्रमाणित करते की AI प्रणाली, सेवा किंवा संस्था त्यांच्या विकास आणि तैनातीमध्ये स्थापित नैतिक तत्त्वे आणि मार्गदर्शक तत्त्वांचे पालन करतात. AI नैतिक प्रमाणपत्रेद्वारे, संस्था नैतिक विचारांना प्राधान्य देणाऱ्या, भागधारकांमध्ये विश्वास वाढविणाऱ्या आणि AI तंत्रज्ञान सामाजिक मूल्ये आणि मानकांशी सुसंगत असल्याचे सुनिश्चित करण्याच्या मार्गाने AI तयार करण्यासाठी आणि वापरण्यासाठी त्यांचे समर्पण दर्शवितात. ही प्रमाणपत्रे निष्पक्षता, पारदर्शकता, उत्तरदायित्व आणि गोपनीयतेचे संरक्षण यासारख्या पैलूंचे मूल्यांकन करतात.

1.9. AI गव्हर्नन्स टेस्टिंग फ्रेमवर्क

कृत्रिम बुद्धिमत्ता प्रणालींच्या विकास आणि तैनातीमध्ये प्रशासकीय धोरणे, नैतिक मार्गदर्शक तत्त्वे आणि नियामक आवश्यकतांचे मूल्यांकन आणि अनुपालन सुनिश्चित करण्यासाठी AI गव्हर्नन्स टेस्टिंग फ्रेमवर्क एक संरचित दृष्टीकोन आहे. ही फ्रेमवर्क संस्थांना त्यांचे AI उपक्रम जबाबदार आणि नैतिक पद्धतींशी सुसंगत आहे की नाही याचे मूल्यांकन करण्यास मदत करते. एक प्रमुख उदाहरण म्हणजे AI व्हेरिफाय, जे वस्तुनिष्ठ आणि पडताळणी योग्य पद्धतीने जबाबदार AI दर्शवू इच्छिणाऱ्या कंपन्यांसाठी जगातील पहिले AI गव्हर्नन्स टेस्टिंग फ्रेमवर्क आणि टूलकिट आहे.

1.10. अल्गोरिदम ऑडिटिंग साधने

अल्गोरिदमिक ऑडिटिंग ही अल्गोरिदम आणि मशीन लर्निंग मॉडेल्सच्या प्रभाव आणि वर्तनाचे मूल्यांकन आणि तपासणी करण्याची प्रक्रिया आहे, विशेषत: अनुप्रयोगांमध्ये जिथे हे अल्गोरिदम व्यक्ती किंवा समुदायांवर परिणाम करणारे निर्णय घेतात. अल्गोरिदमिक ऑडिटिंगची प्राथमिक उद्दीष्टे म्हणजे अल्गोरिदमिक निर्णय प्रक्रियेत निष्पक्षता, पारदर्शकता आणि उत्तरदायित्व सुनिश्चित करणे आणि संभाव्य पूर्वग्रह आणि नैतिक चिंता कमी करणे.

कोण अप्लाय करू शकतो?

2.1. शैक्षणिक/संशोधन आणि विकास संस्था

शैक्षणिक/संशोधन आणि विकास संस्थांना प्रकल्प अंमलबजावणीसाठी आणि कार्यक्रमांतर्गत विद्यार्थ्यांच्या प्रशिक्षणासाठी, संबंधित संशोधन प्रकाशनासह पूर्व-विद्यमान लॅब पायाभूत सुविधा (लॅबमध्ये वर्कस्टेशन, सर्व्हर, प्रकल्प कर्मचारी इत्यादी) असणे आवश्यक आहे. मुख्य तपासनीस / सह-मुख्य तपासनीस रिस्पॉन्सिबल कृत्रिम बुद्धिमत्ता क्षेत्रात संबंधित अनुभव नियमित प्राध्यापक असावे.

खालील प्रवर्गात मोडणाऱ्या सर्व संस्था या कार्यक्रमात सहभागी होऊन निधी प्राप्त करण्यास पात्र असतील.

1. भारतीय तंत्रज्ञान संस्था (IITs)
2. राष्ट्रीय तंत्रज्ञान संस्था (NITs)
3. भारतीय माहिती तंत्रज्ञान संस्था (IIITs)
4. भारतीय विज्ञान शिक्षण आणि संशोधन संस्था (IISERs)
5. केंद्र / राज्य सरकारच्या अखत्यारीतील केंद्रीय विद्यापीठे / डीम्ड विद्यापीठे
6. राष्ट्रीय महत्त्वाची/प्रतिष्ठित महाविद्यालये/संस्था
7. संशोधन आणि विकास संघटना/संस्था (B.Tech/MTech/PhD अभ्यासक्रम असलेले)
8. खाजगी विद्यापीठे/खाजगी डीम्ड विद्यापीठे/खाजगी महाविद्यालये**

**खाजगी शैक्षणिक संस्था देखील कार्यक्रमात सहभागी होण्यासाठी पात्र आहेत जे खालील अतिरिक्त पात्रता निकषांची पूर्तता करतीलः

खासगी शैक्षणिक संस्थांसाठी निकष

आर्टिफिशियल इंटेलिजन्समध्ये पदवी/पदव्युत्तर/डिप्लोमा/सर्टिफिकेट कार्यक्रम देणाऱ्या खासगी संस्था अर्ज करण्यास पात्र आहेत. संस्थांना AICTE ने मान्यता दिली पाहिजे आणि / किंवा संस्थेला NAAC (UGC ची राष्ट्रीय मूल्यांकन आणि मान्यता परिषद) द्वारे मान्यता दिली पाहिजे.

शैक्षणिक संस्थांकडून प्राप्त झालेल्या प्रस्तावांची मूल्यमापन समिती व इतर प्रस्ताव पुनरावलोकन समित्यांकडून छाननी व मूल्यमापन मान्यतेसाठी केले जाईल.

2.2. स्टार्टअप आणि कंपन्या

1. स्टार्टअपने DIPP ने अधिसूचित केलेल्या सध्याच्या निकषांचे पालन केले पाहिजे आणि किमान 2 वर्षे कार्यरत असले पाहिजे.
2. या संस्थेचा भारतीय नागरिक किंवा भारतीय वंशाच्या व्यक्तींसोबत किमान 51% हिस्सा असणे आवश्यक आहे. अर्जदाराचे अस्तित्व कोणत्याही परदेशी महामंडळाची उपकंपनी नसावी.
3. स्टार्ट अपकडे AI च्या क्षेत्रात प्रात्यक्षिक कौशल्य असले पाहिजे
4. भारतीय कंपनी/विदेशी कंपनीने, कंपनी कायद्यानुसार लागू असलेल्या व्याख्येचे पालन केले पाहिजे. कंपनी किमान 5 वर्षे कार्यरत असावी आणि AI क्षेत्रात प्रात्यक्षिक अनुभव असणे आवश्यक आहे

निवड प्रक्रिया

खालील चरणांमध्ये हा उपक्रम कोणत्या दृष्टीकोनातून साकार केला जाऊ शकतो याची रूपरेषा दिली आहे, ज्यामुळे त्याची यशस्वी अंमलबजावणी आणि व्यापक उद्दीष्टांशी संरेखन सुनिश्चित केले जाऊ शकते:

1. अर्ज प्रक्रिया

अर्जदारांना परफॉर्मामध्ये संलग्न नमुन्यात स्वारस्य अभिव्यक्ती (EOI) सादर करणे आवश्यक आहे. अर्जदार एकापेक्षा जास्त प्रकल्पांसाठी अर्ज करण्यास मोकळे आहेत, तथापि, जर त्यांना तसे करायचे असेल तर त्यांना त्यांच्या प्रकल्पाची पसंती स्पष्टपणे रँक करणे आवश्यक असेल.

2. EOIs चे मूल्यमापन

तज्ज्ञांची एक समिती EOIs चे मूल्यमापन करणार आहे. मूल्यमापनामध्ये AI च्या विविध पैलूंमधील संस्थांची क्षमता, ट्रॅक रेकॉर्ड आणि क्षमतेवर लक्ष केंद्रित केले जाईल.

मूल्यमापन निकष

1. उद्देशांसह प्रकल्प संरेखनः

1. प्रस्तावित प्रकल्प निष्पक्ष आणि नैतिक AI वापरास प्रोत्साहन देण्याच्या व्यापक ध्येयाशी कितपत सुसंगत आहे?
2. या भागात ओळखल्या गेलेल्या AI आव्हानांना तोंड देण्यासाठी प्रकल्प कसा योगदान देईल हे प्रस्तावात स्पष्टपणे नमूद केले आहे का?

2. नवोपक्रम आणि प्रभाव:

1. प्रस्तावित प्रकल्प नाविन्यपूर्ण आणि रिस्पॉन्सिबल AI एक लक्षणीय योगदान करण्याची शक्यता आहे का?
2. रिस्पॉन्सिबल AI च्या क्षेत्रात प्रगती करू शकतील अशा नवीन पद्धती, पद्धती किंवा तंत्रज्ञान प्रस्तावित आहेत का?

3. सहयोगी दृष्टिकोन:

1. हा प्रस्ताव शैक्षणिक संस्था, उद्योग, नागरी समाज आणि इतर भागीदारांमध्ये प्रभावी सहकार्य दर्शवितो का?
2. प्रस्तावित भागीदारांमधील पूर्वीच्या यशस्वी सहकार्याचा पुरावा आहे का?

4. व्यवहार्यता आणि संसाधने:

1. प्रस्तावित प्रकल्प तांत्रिकदृष्ट्या दोन वर्षांच्या मुदतीत व्यवहार्य आहे का?
2. या प्रस्तावात वास्तववादी अर्थसंकल्पाची रूपरेषा आहे का?
3. प्रस्तावित अर्थसंकल्प अपेक्षित प्रकल्प परिणाम आणि परिणामांच्या संदर्भात वाजवी आणि न्याय्य आहे का?

5. मूल्यमापन आणि मेट्रिक्स:

1. स्पष्ट आणि मोजण्यायोग्य प्रकल्प मैलाचा दगड आणि परिणाम परिभाषित आहेत?
2. प्रकल्प प्रभाव आणि परिणामकारकतेचे मूल्यांकन करण्यासाठी परिमाणात्मक आणि गुणात्मक मेट्रिक्स आहेत का?

सबमिशन मार्गदर्शक तत्त्वे

1. परफॉर्माची एकूण लांबी 15-20 पानांपेक्षा जास्त नसावी
2. अर्जदारांना भागीदार संस्थेसह संयुक्तपणे अर्ज करण्यास प्रोत्साहित केले जाते. कृपया लक्षात घ्या की प्रकल्पाचा जास्तीत जास्त कालावधी 2 वर्षे आहे.
3. टेम्पलेटमध्ये नमूद केलेल्या सर्व बाबींची माहिती द्या. अपूर्ण अर्ज फेटाळले जातील.
4. कोणतीही माहिती चुकीची आढळल्यास अर्ज अपात्र ठरविण्यात येईल.
5. अर्जदारांनी नियम आणि अटी वाचाव्यात आणि त्यांचे पालन करावे.
6. काही प्रश्न असल्यास, कृपया pmu[dot]etech[at]meity[dot]gov[dot]in वर मोकळ्या मनाने संपर्क साधा

इतर संशोधन क्षेत्रातील सादर प्रस्तावांचा या प्रस्ताव मागणीसाठी विचार केला जाणार नाही.

सबमिशन फक्त PDF फॉरमॅटमध्ये असणे आवश्यक आहे. परफॉर्मा डाउनलोड करण्यासाठी येथे क्लिक करा

अटी आणि शर्ती

1. हे अनुदान IndiAI ने मंजूर केल्याप्रमाणे विशिष्ट प्रकल्प हाती घेण्यासाठी आहे आणि ते खालील अटींच्या अधीन असेल:
   1. हे अनुदान ठराविक मुदतीत प्रकल्पासाठी खर्च केले जाईल
   2. मंजूर उद्दिष्टांसाठी खर्चासाठी अंतिमत: आवश्यक नसलेल्या अनुदानाचा कोणताही भाग IndiaAI ला योग्यरित्या समर्पण केला जाईल.
2. IndiaAI अनुदानाद्वारे राबविण्यात येत असलेल्या प्रकल्पासाठी, अनुदानदार संस्थेने इतर कोणत्याही आर्थिक मदतीसाठी अर्ज करणे किंवा त्याच प्रकल्पासाठी इतर कोणत्याही एजन्सी / मंत्रालय / विभागाकडून अनुदान / कर्ज प्राप्त करणे यासाठी IndiaAI ची पूर्वपरवानगी / मान्यता असणे आवश्यक आहे.
3. ज्या प्रकल्पासाठी अनुदान मिळते त्या प्रकल्पाची अंमलबजावणी दुसऱ्या संस्थेकडे सोपविण्याची आणि IndiaAI कडून मदत म्हणून मिळणारे अनुदान नंतरच्या संस्थेकडे वळविण्याची परवानगी अनुदानदार संस्थेला नाही.
4. 'IndiaAI'च्या पूर्वपरवानगीशिवाय या प्रकल्पाच्या अंमलबजावणीसाठी अन्वेषकांनी परदेशी पक्षाशी (वैयक्तिक/शैक्षणिक संस्था/उद्योग) सहकार्य करू नये.
5. अनुदानप्राप्त संस्थेने IPR चे उल्लंघन / IPR / तंत्रज्ञान हस्तांतरण / व्यावसायीकरणाचे परवाने यामुळे उद्भवणाऱ्या कोणत्याही कायदेशीर आणि / किंवा आर्थिक नुकसानीपासून IndiaAI ला नुकसान भरपाई द्यावी.
6. प्रकल्पाच्या अंमलबजावणीशी संबंधित कोणत्याही विषयावरील कोणताही वाद, सचिव, MeitY, किंवा CEO, IndiaAI यांचा निर्णय अंतिम असेल आणि अनुदान देणाऱ्या संस्थेवर बंधनकारक असेल.
7. MeitY किंवा IndiaAI कडे भारत सरकारच्या निर्देशांचे प्रतिबिंब असलेल्या अनुदान-सहायता नियंत्रित करणार्‍या या अटी व शर्तींमध्ये वेळोवेळी सुधारणा करण्याचा अधिकार आहे.
8. सर्व सहभागी संस्था/संगठनांना संपूर्ण प्रकल्प कालावधीमध्ये वर्कस्टेशन/सर्व्हर (कामाच्या स्थितीत), लॅब स्टाफ इत्यादी मूलभूत पायाभूत सुविधा उपलब्ध करून देणे बंधनकारक आहे. या प्रकल्पांतर्गत वर्कस्टेशन, सर्व्हर, लॅपटॉप इत्यादी स्वतंत्र हार्डवेअर प्लॅटफॉर्म दिले जाणार नाहीत.
9. MeitY किंवा IndiaAI सर्व सहाय्यक कागदपत्रे (AICTE मान्यता प्रमाणपत्राप्रमाणे) सादर करण्यासाठी विचारण्याचा अधिकार राखून ठेवते, NBA (राष्ट्रीय मान्यता मंडळ), NAAC (UGC ची राष्ट्रीय मूल्यांकन आणि मान्यता परिषद), स्टार्टअप प्रमाणपत्र, इ. ) आवश्यकतेनुसार श्रेणीवर आधारित.

सविस्तर अटी व शर्तींसाठी कृपया इथे क्लिक करा.

टाइमलाइन