ଦାୟିତ୍ୱବାନ AI ଉପରେ ଆଗ୍ରହ ପ୍ରକାଶ ପାଇଁ ଆହ୍ୱାନ

ପୃଷ୍ଠଭୂମି

ଇଲେକ୍ଟ୍ରୋନିକ୍ସ ଏବଂ ସୂଚନା ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ମନ୍ତ୍ରଣାଳୟ (MeitY) AI ଅଭ୍ୟାସରେ ସ୍ୱଚ୍ଛତା, ଉତ୍ତରଦାୟିତ୍ୱ ଏବଂ ନିରପେକ୍ଷତାକୁ ପ୍ରୋତ୍ସାହିତ କରିବା ପାଇଁ ପ୍ରତିବଦ୍ଧ। AI ଏକୀକରଣ ବୃଦ୍ଧି ପାଇବା ସହିତ, ଭାରତ ଏହାର ସାମାଜିକ-ଅର୍ଥନୈତିକ ବାସ୍ତବତାକୁ ଅନୁଶୀଳନ କରି ସ୍ୱଦେଶୀ ଉପକରଣ ଏବଂ ମୂଲ୍ୟାଙ୍କନ ଫ୍ରେମୱାର୍କ ପାଇଁ ଚଳଚଞ୍ଚଳ ବ୍ୟବସ୍ଥାରେ ନିବେଶ କରିବାକୁ ଲକ୍ଷ୍ୟ ରଖିଛି। ନ୍ୟାସନାଲ୍ ପ୍ରୋଗ୍ରାମ୍ ଅନ୍ ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ (NPAI), ର ଦାୟିତ୍ୱସମ୍ପନ୍ନ AI ଅଧୀନରେ ଡିଜିଟାଲ ଇଣ୍ଡିଆ କର୍ପୋରେସନ୍ ଅଧୀନରେ ଇଣ୍ଡିଆAI IBD ଗବେଷଣା ପ୍ରକଳ୍ପ ଭିତ୍ତିକ ପାଣ୍ଠି ଯୋଗାଣ ପାଇଁ ଏକ ପଦକ୍ଷେପ ଆରମ୍ଭ କରିଛି। ଡିଜିଟାଲ ଇଣ୍ଡିଆ କର୍ପୋରେସନ ଅଧୀନରେ ଥିବା IndiaAI IBD ସ୍ୱଚ୍ଛ, ଏବଂ ନୈତିକ AI ଅଭ୍ୟାସ ପାଇଁ ଏହିଭଳି 10ଟି ଦାୟିତ୍ୱବାନ AI ଥିମ୍ ଆଧାରିତ ପ୍ରକଳ୍ପ ପାଇଁ ଅନୁଦାନ ସହାୟତା ପ୍ରଦାନ କରୁଛି।

ଦାୟିତ୍ୱବାନ AI ଉପରେ ଆଗ୍ରହ ପ୍ରକାଶ ପାଇଁ ଆହ୍ୱାନ

MeitY, ମାଇଁଗଭ୍ ସହଭାଗିତାରେ ବିଭିନ୍ନ ସଂସ୍ଥାକୁ ବିଭିନ୍ନ ଉପକରଣ ଏବଂ ଫ୍ରେମୱାର୍କ ନିର୍ମାଣ ପାଇଁ ଦାୟିତ୍ୱବାନ AI ଥିମ୍ ଉପରେ ପ୍ରସ୍ତାବକୁ ଅନ୍ୱେଷଣ କରିବା ଏବଂ ଉପସ୍ଥାପନ କରିବା ପାଇଁ ଆହ୍ୱାନ ଓ ପ୍ରୋତ୍ସାହନ ପ୍ରଦାନ କରୁଛି।

ବିଭିନ୍ନ କ୍ଷେତ୍ରରେ AIର ନ୍ୟାୟସଙ୍ଗତ ଏବଂ ନୈତିକ ବିକାଶ ଏବଂ ନିୟୋଜନକୁ ପ୍ରୋତ୍ସାହନ ଦେଉଥିବା ଉପକରଣ ଏବଂ ଢାଞ୍ଚା ନିର୍ମାଣ କରିବା ଲାଗି ଅନ୍ୟ ଭାଗିଦାରମାନଙ୍କ ସହଯୋଗରେ ସଙ୍ଗଠନଗୁଡ଼ିକ ଦ୍ୱାରା ଅନୁସନ୍ଧାନ କରାଯାଇପାରୁଥିବା ଦାୟିତ୍ୱବାନ ଏଆଇ ଥିମ୍ଗୁଡ଼ିକର ଏକ ତାଲିକା ନିମ୍ନରେ ଦିଆଗଲା:

ଥିମ୍

1.1. ମେସିନ୍ ଅନ୍‌ଲର୍ଣ୍ଣିଂ

ମେସିନ୍ ଅନଲର୍ଣ୍ଣିଂ ଆଲଗୋରିଦମ, ତ୍ରୁଟି, ପକ୍ଷପାତିତା ଏବଂ ପୁରୁଣା ସୂଚନା ଯାହା ଅଜାଣତରେ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ମଡେଲରେ ଅନ୍ତର୍ଭୁକ୍ତ ହୋଇପାରେ ତାହାକୁ ସୁଧାରିବା ପାଇଁ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ । ଏହି ଆଲଗୋରିଦମ୍ ଭୁଲ, ଅପ୍ରାସଙ୍ଗିକ କିମ୍ବା କ୍ଷତିକାରକ ଡାଟାରୁ ଶିଖିଥିବା ମଡେଲଗୁଡ଼ିକର ସମସ୍ୟାର ସମାଧାନ କରିଥାଏ, ଯାହା ପଳରେ ବିଭିନ୍ନ ଆପ୍ଲିକେସନରେ ତ୍ରୁଟିପୂର୍ଣ୍ଣ ନିଷ୍ପତ୍ତି ହୋଇପାରେ । ଅବାଞ୍ଛିତ ଶିକ୍ଷିତ ଆଚରଣକୁ ହଟାଇବାରେ ସହାୟକ ହୋଇ, ମେସିନ୍ ଅନ୍‌ଲର୍ଣ୍ଣିଂ ଆଲଗୋରିଦମ୍ ବିଭିନ୍ନ ଡୋମେନ୍‌ରେ ଅଧିକ ସଠିକ୍, ବିଶ୍ୱସନୀୟ ଓ ନିରପେକ୍ଷ AI ପ୍ରଣାଳୀର ବିକାଶରେ ଯୋଗଦାନ କରେ ।

1.2. ସିନ୍ଥେଟିକ୍ ତଥ୍ୟ ସୃଷ୍ଟି

ସିନ୍ଥେଟିକ୍ ଡାଟା ଉତ୍ପାଦନ ଉପକରଣ ବିକଶିତ କରିବାର ଆବଶ୍ୟକତା ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ଏବଂ ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସର ବିଭିନ୍ନ ଡୋମେନ୍‌ରେ ସୀମିତ, ପକ୍ଷପାତି, କିମ୍ବା ଗୋପନୀୟତା-ସମ୍ବେଦନଶୀଳ ବାସ୍ତବ-ବୈଶ୍ୱିକ ଡାଟାସେଟ୍ ଦ୍ୱାରା ସୃଷ୍ଟି ହୋଇଥିବା ନିରନ୍ତର ଆହ୍ୱାନରୁ ଉତ୍ପନ୍ନ ହୁଏ । ଏହି ଉପକରଣ ଗୁଡ଼ିକ ଗଢ଼ାୟାଇଥିବା ତଥ୍ୟ ଉଦାହରଣ ସୃଷ୍ଟି କରିଥାଏ ଯାହା ପ୍ରକୃତ ତଥ୍ୟର ବୈଶିଷ୍ଟ୍ୟକୁ ଅନୁକରଣ କରିଥାଏ ଏବଂ ମେସିନ ଲର୍ଣ୍ଣିଂ ମଡେଲକୁ ଅଧିକ ପ୍ରଭାବଶାଳୀ ଏବଂ ସୁଦୃଢ଼ ଭାବେ ତାଲିମ ଦେବାରେ ସକ୍ଷମ କରିଥାଏ। ତଥ୍ୟର ଅଭାବ ପୂରଣ କରିବା, ଗୋପନୀୟତାର ଚିନ୍ତାକୁ ଦୂର କରିବା ଏବଂ ସମାନ ଉପସ୍ଥାପନାକୁ ପ୍ରୋତ୍ସାହନ ଦେଇ ସିନ୍ଥେଟିକି ଡାଟା ଉତ୍ପାଦନ ଉପକରଣ AI ସିଷ୍ଟମର କ୍ଷମତାକୁ ଆଗକୁ ବଢ଼ାଇବା ଦିଗରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ। ଡେଭେଲପର୍ ନିଶ୍ଚିତ କରିବା ଆବଶ୍ୟକ ଯେ ସିନ୍ଥେଟିକ୍ ଭାବରେ ଉତ୍ପନ୍ନ ହୋଇଥିବା ଡାଟା ବା ତଥ୍ୟ ସଠିକ୍ ଏବଂ ଅବଶିଷ୍ଟ ତଥ୍ୟ ସହିତ ସଂରେଖିତ ଅଟେ ଯାହାଫଳରେ ପ୍ରଶିକ୍ଷଣ ସମୟରେ AI ଆଲଗୋରିଦିମ୍‌ରେ ମିଥ୍ୟା ପକ୍ଷପାତ ସୃଷ୍ଟି ହୋଇନଥାଏ।

1.3. ଆଲଗୋରିଦିମ୍ ନିରପେକ୍ଷତା ଉପକରଣ

ଆଲଗୋରିଦମ୍ ନିରପେକ୍ଷତା ଉପକରଣ ସୁନିଶ୍ଚିତ କରେ ଯେ ସ୍ୱୟଂଚାଳିତ ସିଷ୍ଟମ୍ ଏବଂ ନିଷ୍ପତ୍ତି ନେବାର ଆଲଗୋରିଦମ୍ ସମସ୍ତ ବ୍ୟକ୍ତିଙ୍କୁ ନିରପେକ୍ଷ ଏବଂ ବିନା ପକ୍ଷପାତରେ ବ୍ୟବହାର କରନ୍ତି। ଆଲଗୋରିଦମ୍ ବେଳେବେଳେ ଅଜାଣତରେ ଡାଟା କିମ୍ବା ଡିଜାଇନରେ ପକ୍ଷପାତିତା କାରଣରୁ ନିର୍ଦ୍ଦିଷ୍ଟ ଗୋଷ୍ଠୀ ପ୍ରତି ଭେଦଭାବ କରିଥାଏ । ନୈତିକ ଏବଂ ସମାନ ଫଳାଫଳକୁ ପ୍ରୋତ୍ସାହିତ କରି ଏହି ପକ୍ଷପାତଗୁଡ଼ିକର ଆକଳନ, ମାପ ଏବଂ ହ୍ରାସ କରିବା ପାଇଁ ନିରପେକ୍ଷତା ଉପକରଣଗୁଡିକ ଏକ ଶୃଙ୍ଖଳିତ ଉପାୟ ପ୍ରଦାନ କରନ୍ତି । ଏହି ଉପକରଣଗୁଡିକ ପ୍ରାୟତଃ ଜାତି, ଲିଙ୍ଗ, କିମ୍ବା ଅନ୍ୟାନ୍ୟ ସୁରକ୍ଷିତ ଗୁଣ ଭଳି ବିଭିନ୍ନ ଦିଗରେ ପକ୍ଷପାତକୁ ବିଶ୍ଳେଷଣ କରିବା ପାଇଁ ମାତ୍ରାତ୍ମକ ମେଟ୍ରିକ୍ସ ଏବଂ ଭିଜୁଆଲାଇଜେସନ୍ ପ୍ରଦାନ କରନ୍ତି । ସେମାନେ ପୂର୍ବାନୁମାନ ଏବଂ ଫଳାଫଳରେ ଅସମାନତାକୁ ଆଲୋକପାତ କରିପାରିବେ । ଆଲଗୋରିଦମ୍ ଫେୟାରନେସ୍ ଟୁଲ୍ସର ଉଦାହରଣ ଗୁଡ଼ିକ ମଧ୍ୟରେ IBMର AI ଫେୟାରନେସ୍ 360, ଗୁଗଲ୍‌ର What-If ଟୁଲ୍ ଏବଂ ମାଇକ୍ରୋସଫ୍ଟ ଦ୍ୱାରା Fairlearn ଅନ୍ତର୍ଭୁକ୍ତ ।

1.4. AI ପକ୍ଷପାତ ହ୍ରାସ ରଣନୀତି

ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ ସିଷ୍ଟମଗୁଡ଼ିକ ସମାଜର ବିଭିନ୍ନ ଦିଗରେ କ୍ରମାଗତ ଭାବରେ ଏକୀକୃତ ହେଉଛି, ଯାହା ବ୍ୟକ୍ତିବିଶେଷଙ୍କ ଜୀବନକୁ ପ୍ରଭାବିତ କରୁଥିବା ନିଷ୍ପତ୍ତିକୁ ପ୍ରଭାବିତ କରୁଛି ବୋଲି ଅନୁଭବ କରିବାରୁ AI ପକ୍ଷପାତିତା ହ୍ରାସ ରଣନୀତିର ଆବଶ୍ୟକତା ସୃଷ୍ଟି ହୋଇଛି । ନିରପେକ୍ଷତା, ସମାନତା ଏବଂ ଉତ୍ତରଦାୟିତ୍ୱ ସୁନିଶ୍ଚିତ କରିବା ପାଇଁ, AI ଆଲଗୋରିଦମ୍ ମଧ୍ୟରେ ପକ୍ଷପାତିତାକୁ ଚିହ୍ନଟ କରିବା, ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ସୁଧାରିବା ପାଇଁ ରଣନୀତି ବ୍ୟବହାର କରିବା ଜରୁରୀ ଅଟେ । ପ୍ରଶମନ ରଣନୀତିରେ ପକ୍ଷପାତିତା ଦୂର କରିବା ପାଇଁ ପ୍ରାକ୍-ପ୍ରକ୍ରିୟାକରଣ ଡାଟା, ନିରପେକ୍ଷତା ପାଇଁ ଆଲଗୋରିଦମ୍ ଆଡଜଷ୍ଟ କରିବା କିମ୍ବା ଫଳାଫଳକୁ ପୁନଃ-କ୍ୟାଲିବ୍ରେଟ୍ କରିବା ପାଇଁ ପୋଷ୍ଟ-ପ୍ରୋସେସିଂ ପୂର୍ବାନୁମାନ ଅନ୍ତର୍ଭୁକ୍ତ ହୋଇପାରେ। AI ପକ୍ଷପାତିତା ହ୍ରାସ ରଣନୀତିର ଉଦାହରଣ ଗୁଡ଼ିକ ମଧ୍ୟରେ ରି-ସାମ୍ପଲିଂ ଡାଟା, ରି-ୱେଟିଂ ସାମ୍ପଲ୍, ପ୍ରତିକୂଳ ପ୍ରଶିକ୍ଷଣ ଏବଂ ଅନ୍ୟାନ୍ୟ ଅନ୍ତର୍ଭୁକ୍ତ ଯାହା ପୂର୍ବାନୁମାନରେ ପକ୍ଷପାତିତା ହ୍ରାସ କରିବା ଉପରେ ଧ୍ୟାନ କେନ୍ଦ୍ରିତ କରେ ।

1.5. ନୈତିକ AI ଫ୍ରେମୱାର୍କ

ନୈତିକ AI ଫ୍ରେମୱାର୍କ ଏହା ସୁନିଶ୍ଚିତ କରିବା ପାଇଁ ଏକ ଢାଞ୍ଚାଗତ ଆଭିମୁଖ୍ୟ ପ୍ରଦାନ କରିଥାଏ ଯେ AI ବ୍ୟବସ୍ଥା ମୌଳିକ ମାନବୀୟ ମୂଲ୍ୟବୋଧକୁ ସମ୍ମାନ ପ୍ରଦାନ କରିବ, ନିରପେକ୍ଷତା, ସ୍ୱଚ୍ଛତା ଏବଂ ଉତ୍ତରଦାୟିତ୍ୱ ବଜାୟ ରଖିବ ଏବଂ ପକ୍ଷପାତ କିମ୍ବା ଭେଦଭାବରୁ ଦୂରେଇ ରହିବ। ଏହି ଫ୍ରେମୱାର୍କଗୁଡ଼ିକ ଡେଭେଲପର୍, ଗବେଷକ ଏବଂ ସଙ୍ଗଠନଗୁଡ଼ିକୁ ସେମାନଙ୍କ AI ସୃଷ୍ଟିଗୁଡ଼ିକର ବ୍ୟାପକ ସାମାଜିକ ପ୍ରଭାବକୁ ବିଚାର କରିବାକୁ ଏବଂ ସମ୍ଭାବ୍ୟ କ୍ଷତିକୁ କମ୍ କରିବା ପାଇଁ ସୂଚିତ ନିଷ୍ପତ୍ତି ନେବାକୁ ପ୍ରୋତ୍ସାହିତ କରିଥାଏ। ପ୍ରମୁଖ ନୈତିକ AI ଫ୍ରେମୱାର୍କରେ ସ୍ୱୟଂଶାସିତ ଏବଂ ଇଣ୍ଟେଲିଜେଣ୍ଟ ସିଷ୍ଟମର ନୈତିକତା ଉପରେ IEEE ଗ୍ଲୋବାଲ ଇନିସିଏଟିଭ୍ ଏବଂ ୟୁରୋପୀୟ ଆୟୋଗ ଦ୍ୱାରା ବିଶ୍ୱସନୀୟ AI ପାଇଁ ନୈତିକତା ନିର୍ଦ୍ଦେଶାବଳୀ ଅନ୍ତର୍ଭୁକ୍ତ।

1.6. ଗୋପନୀୟତା ବୃଦ୍ଧି ରଣନୀତି

ତଥ୍ୟର ଗୋପନୀୟତା ଏବଂ ବ୍ୟକ୍ତିଗତ ସୂଚନାର ସମ୍ଭାବ୍ୟ ଅପବ୍ୟବହାର ବିଷୟରେ ବର୍ଦ୍ଧିତ ଚିନ୍ତାକୁ ଦୂର କରିବା ପାଇଁ ଦାୟିତ୍ୱବାନ AIରେ ଗୋପନୀୟତା-ବୃଦ୍ଧି ରଣନୀତି ଅପରିହାର୍ଯ୍ୟ ଅଟେ। ସେଗୁଡ଼ିକ ବିଭିନ୍ନ ପ୍ରକାର କୌଶଳକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ, ଯେଉଁଥିରେ ତଥ୍ୟକୁ ସର୍ବନିମ୍ନ କରିବା, ବେନାମୀକରଣ, ପାର୍ଥକ୍ୟଗତ ଗୋପନୀୟତା ଏବଂ ଗୋପନୀୟତା-ସଂରକ୍ଷଣକାରୀ ମେସିନ ଶିକ୍ଷା ଅନ୍ତର୍ଭୁକ୍ତ। ଏହି ଆଭିମୁଖ୍ୟଗୁଡ଼ିକର ଉଦ୍ଦେଶ୍ୟ ହେଉଛି ପୁନଃ ପରିଚୟ, ଅନଧିକୃତ ପ୍ରବେଶ ଏବଂ ତଥ୍ୟ ଲିକେଜ୍‌ର ବିପଦକୁ ହ୍ରାସ କରିବା ସହ ସଙ୍ଗଠନଗୁଡ଼ିକୁ ବିଶ୍ଳେଷଣ, ପୂର୍ବାନୁମାନ ଏବଂ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ AIର ଶକ୍ତିକୁ ବ୍ୟବହାର କରିବାକୁ ଅନୁମତି ମଧ୍ୟ ପ୍ରଦାନ କରିବା।

1.7. ବର୍ଣ୍ଣନାଯୋଗ୍ୟ AI (XAI) ଫ୍ରେମୱାର୍କ

XAI ଫ୍ରେମୱାର୍କ ଗୁଡିକ AI ମଡେଲଗୁଡିକୁ ଅଧିକ ବ୍ୟାଖ୍ୟାଯୋଗ୍ୟ ଏବଂ ସ୍ୱଚ୍ଛ କରିବା ପାଇଁ ପଦ୍ଧତି ଏବଂ ଉପକରଣ ପ୍ରଦାନ କରେ । ଏଥିରେ ମଡେଲ୍ ଭିଜୁଆଲାଇଜେସନ୍, ଫିଚର୍ ଗୁରୁତ୍ୱ ବିଶ୍ଳେଷଣ ଏବଂ AI ପୂର୍ବାନୁମାନ ପାଇଁ ମାନବ-ବୁଝିବା ଯୋଗ୍ୟ ସ୍ପଷ୍ଟୀକରଣ ସୃଷ୍ଟି କରିବା ଭଳି କୌଶଳ ଅନ୍ତର୍ଭୁକ୍ତ । ଏହି ଫ୍ରେମୱାର୍କଗୁଡିକ ଡାଟା ବୈଜ୍ଞାନିକ, ନିୟାମକ ଏବଂ ଶେଷ ଉପଭୋକ୍ତାଙ୍କ ସମେତ ଉପଭୋକ୍ତାମାନଙ୍କୁ ଜଟିଳ AI ମଡେଲଗୁଡି଼କର ଆଭ୍ୟନ୍ତରୀଣ କାର୍ଯ୍ୟକଳାପ ବିଷୟରେ ବୁଝିବାରେ ସାହାଯ୍ୟ କରେ । ମଡେଲ ନିଷ୍ପତ୍ତିକୁ ପ୍ରଭାବିତ କରୁଥିବା କାରକଗୁଡ଼ିକୁ ପ୍ରକାଶ କରି, XAI ଉତ୍ତରଦାୟିତ୍ୱ ବଢ଼ାଇଥାଏ ଏବଂ ମଡେଲ୍ ଡିବଗିଂ ଏବଂ ଉନ୍ନତିକୁ ସୁଗମ କରିଥାଏ ।

1.8. AI ନୈତିକତା ପ୍ରମାଣପତ୍ର

AI ନୈତିକତା ପ୍ରମାଣନ ହେଉଛି ଏକ ଆନୁଷ୍ଠାନିକ ମୂଲ୍ୟାଙ୍କନ ଏବଂ ସ୍ୱୀକୃତି ପ୍ରକ୍ରିୟା ଯାହା, AI ସିଷ୍ଟମ, ସେବା, କିମ୍ବା ସଂଗଠନଗୁଡିକ ସେମାନଙ୍କର ବିକାଶ ଏବଂ ନିୟୋଜନରେ ସ୍ଥାପିତ ନୈତିକ ନୀତି ଏବଂ ମାର୍ଗଦର୍ଶିକାକୁ ଅନୁସରଣ କରନ୍ତି ବୋଲି ପ୍ରମାଣିତ କରେ । AI ନୈତିକତା ପ୍ରମାଣନ ଦେଇ, ସଂସ୍ଥାଗୁଡ଼ିକ ନୈତିକ ବିଚାରକୁ ପ୍ରାଥମିକତା ଦେବା, ଷ୍ଟେକ୍‌ହୋଲ୍ଡର ମଧ୍ୟରେ ବିଶ୍ୱାସକୁ ପ୍ରୋତ୍ସାହିତ କରିବା ଏବଂ AI ଜ୍ଞାନକୌଶଳକୁ ସାମାଜିକ ମୂଲ୍ୟବୋଧ ଏବଂ ମାନଦଣ୍ଡ ସହିତ ସମନ୍ୱିତ କରିବା ସୁନିଶ୍ଚିତ କରିବା ଭଳି ଉପାୟରେ AI ନିର୍ମାଣ ଏବଂ ବ୍ୟବହାର କରିବା ପାଇଁ ସେମାନଙ୍କର ସମର୍ପଣ ପ୍ରଦର୍ଶନ କରନ୍ତି । ଏହି ପ୍ରମାଣନ ବା ସାର୍ଟିଫିକେସନ୍‌ଗୁଡିକ ନିରପେକ୍ଷତା, ସ୍ୱଚ୍ଛତା, ଉତ୍ତରଦାୟିତ୍ୱ ଏବଂ ଗୋପନୀୟତାର ସୁରକ୍ଷା ଭଳି ଦିଗଗୁଡ଼ିକର ମୂଲ୍ୟାଙ୍କନ କରନ୍ତି ।

1.9. AI ଗଭର୍ଣ୍ଣାନ୍ସ ଟେଷ୍ଟିଂ ଫ୍ରେମୱାର୍କ

ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ ସିଷ୍ଟମର ବିକାଶ ଏବଂ ନିୟୋଜନରେ ପ୍ରଶାସନିକ ନୀତି, ନୈତିକ ନିର୍ଦ୍ଦେଶାବଳୀ ଏବଂ ନିୟାମକ ଆବଶ୍ୟକତାର ମୂଲ୍ୟାଙ୍କନ ଏବଂ ଅନୁପାଳନ ସୁନିଶ୍ଚିତ କରିବା ପାଇଁ ଏକ AI ଗଭର୍ଣ୍ଣାନ୍ସ ଟେଷ୍ଟିଂ ଫ୍ରେମୱାର୍କ ହେଉଛି ଏକ ସଂରଚିତ ଆଭିମୁଖ୍ୟ। ଏହି ଫ୍ରେମୱାର୍କ ସଙ୍ଗଠନଗୁଡ଼ିକୁ ସେମାନଙ୍କ AI ପଦକ୍ଷେପଗୁଡ଼ିକ ଦାୟିତ୍ୱପୂର୍ଣ୍ଣ ଏବଂ ନୈତିକ ଅଭ୍ୟାସ ସହିତ ସାମଞ୍ଜସ୍ୟ ରଖୁଛି କି ନାହିଁ ତାହା ଆକଳନ କରିବାରେ ସାହାଯ୍ୟ କରିଥାଏ। ଏହାର ଏକ ପ୍ରମୁଖ ଉଦାହରଣ ହେଉଛି AI ଭେରିଫିକେସନ୍, ଯାହା ବିଶ୍ୱର ପ୍ରଥମ AI ଗଭର୍ଣ୍ଣାନ୍ସ ଟେଷ୍ଟିଂ ଫ୍ରେମୱାର୍କ ଏବଂ ଟୁଲ୍‌କିଟ୍, ଯାହା ସେହି କମ୍ପାନୀମାନଙ୍କ ପାଇଁ ଉଦ୍ଦିଷ୍ଟ ଯେଉଁମାନେ ଦାୟିତ୍ୱବାନ AIକୁ ବସ୍ତୁନିଷ୍ଠ ଏବଂ ଯାଞ୍ଚଯୋଗ୍ୟ ଢଙ୍ଗରେ ପ୍ରଦର୍ଶନ କରିବାକୁ ଚାହୁଁଛନ୍ତି।

1.10. ଆଲଗୋରିଦମିକ୍ ଅଡିଟିଂ ଉପକରଣ

ଆଲଗୋରିଦମିକ୍ ଅଡିଟିଂ ହେଉଛି ଆଲଗୋରିଦିମ୍ ଏବଂ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ମଡେଲର ପ୍ରଭାବ ଓ ବ୍ୟବହାରର ମୂଲ୍ୟାଙ୍କନ ଏବଂ ଯାଞ୍ଚ କରିବାର ଏକ ପ୍ରକ୍ରିୟା, ବିଶେଷ କରି ପ୍ରୟୋଗରେ ଯେଉଁଠାରେ ଏହି ଆଲଗୋରିଦିମ୍ ବ୍ୟକ୍ତି କିମ୍ବା ସମ୍ପ୍ରଦାୟକୁ ପ୍ରଭାବିତ କରୁଥିବା ନିଷ୍ପତ୍ତି ନିଅନ୍ତି। ଆଲଗୋରିଦମିକ୍ ଅଡିଟିଂର ପ୍ରାଥମିକ ଲକ୍ଷ୍ୟ ହେଉଛି ଆଲଗୋରିଦମିକ୍ ନିଷ୍ପତ୍ତି ଗ୍ରହଣରେ ନିରପେକ୍ଷତା, ସ୍ୱଚ୍ଛତା ଏବଂ ଉତ୍ତରଦାୟିତ୍ୱ ସୁନିଶ୍ଚିତ କରିବା ଏବଂ ସମ୍ଭାବ୍ୟ ପକ୍ଷପାତ ଏବଂ ନୈତିକ ଚିନ୍ତାକୁ ହ୍ରାସ କରିବା।

କେଉଁମାନେ ଆବେଦନ କରିପାରିବେ ?

2.1. ଶିକ୍ଷାନୁଷ୍ଠାନ/ ଗବେଷଣା ଓ ବିକାଶ ସଂଗଠନ

ଶିକ୍ଷାନୁଷ୍ଠାନ/ ଗବେଷଣା ଓ ବିକାଶ ସଂଗଠନଗୁଡ଼ିକରେ ପ୍ରକଳ୍ପ କାର୍ଯ୍ୟନ୍ୱୟନ ଏବଂ କାର୍ଯ୍ୟକ୍ରମ ଅନ୍ତର୍ଗତ ଛାତ୍ରଛାତ୍ରୀମାନଙ୍କୁ ପ୍ରଶିକ୍ଷଣ ଦେବା ପାଇଁ ପୂର୍ବରୁ ଥିବା ଗବେଷଣାଗାର ଭିତ୍ତିଭୂମି (ୱାର୍କଷ୍ଟେସନ୍, ସର୍ଭର, ପ୍ରୋଜେକ୍ଟ ଷ୍ଟାଫ୍ ଇତ୍ୟାଦି ଥିବା ପରୀକ୍ଷାଗାର) ରହିବା ଆବଶ୍ୟକ। ମୁଖ୍ୟ ଅନ୍ୱେଷକ/ସହ-ମୁଖ୍ୟ ଅନ୍ୱେଷକ ଦାୟିତ୍ୱବାନ ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ କ୍ଷେତ୍ରରେ ପ୍ରାସଙ୍ଗିକ ଅଭିଜ୍ଞତା ଥିବା ନିୟମିତ ଅଧ୍ୟାପକ ହେବା ଆବଶ୍ୟକ।

ନିମ୍ନଲିଖିତ ବର୍ଗରେ ଆସୁଥିବା ସମସ୍ତ ଅନୁଷ୍ଠାନ ଏହି କାର୍ଯ୍ୟକ୍ରମରେ ଭାଗ ନେବା ପାଇଁ ଯୋଗ୍ୟ ବିବେଚିତ ହେବେ

  1. ଇଣ୍ଡିଆନ୍ ଇନ୍‌ଷ୍ଟିଟ୍ୟୁଟ୍ ଅଫ୍ ଟେକ୍ନୋଲୋଜିସ୍ (IITs)
  2. ନ୍ୟାସନାଲ ଇନ୍‌ଷ୍ଟିଟ୍ୟୁଟ୍ ଅଫ୍ ଟେକ୍ନୋଲୋଜିସ୍ (NITs)
  3. ଇଣ୍ଡିଆନ ଇନ୍‌ଷ୍ଟିଟ୍ୟୁଟ୍ ଅଫ୍ ଇନଫରମେସନ୍ ଟେକ୍ନୋଲୋଜି (IIITs)
  4. ଇଣ୍ଡିଆନ୍ ଇନ୍‌ଷ୍ଟିଟ୍ୟୁଟ୍ ଅଫ୍ ସାଇନ୍ସ ଏଜୁକେସନ୍ ଆଣ୍ଡ ରିସର୍ଚ୍ଚ (IISERs)
  5. କେନ୍ଦ୍ର/ରାଜ୍ୟ ସରକାରଙ୍କ ଅଧିନରେ ଥିବା କେନ୍ଦ୍ରୀୟ ବିଶ୍ୱବିଦ୍ୟାଳୟ/ମାନ୍ୟତାପ୍ରାପ୍ତ ବିଶ୍ୱବିଦ୍ୟାଳୟ
  6. ମହାବିଦ୍ୟାଳୟ/ଜାତୀୟ ଗୁରୁତ୍ୱ ବହନ କରୁଥିବା ଅନୁଷ୍ଠାନ/ପ୍ରମୁଖ୍ୟ ଅନୁଷ୍ଠାନ
  7. ଗବେଷଣା ଓ ବିକାଶ ସଙ୍ଗଠନ/ସଂସ୍ଥା (B.Tech / MTech/PhD ପାଠ୍ୟକ୍ରମ ଥିବା)
  8. ଘରୋଇ ବିଶ୍ୱବିଦ୍ୟାଳୟ / ଘରୋଇ ମାନ୍ୟତାପ୍ରାପ୍ତ ବିଶ୍ୱବିଦ୍ୟାଳୟ / ଘରୋଇ କଲେଜ

** ଘରୋଇ ଶିକ୍ଷାନୁଷ୍ଠାନ ମଧ୍ୟ ଏହି କାର୍ଯ୍ୟକ୍ରମରେ ଭାଗ ନେବା ପାଇଁ ଯୋଗ୍ୟ ବିବେଚିତ ହେବେ ଯଦି ସେମାନେ ନିମ୍ନଲିଖିତ ମାନଦଣ୍ଡ ପୂରଣ କରୁଥିବେ:

ଘରୋଇ ଶିକ୍ଷାନୁଷ୍ଠାନ ପାଇଁ ମାନଦଣ୍ଡ

ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସରେ ସ୍ନାତକ/ସ୍ନାତକୋତ୍ତର/ଡିପ୍ଲୋମା/ସାର୍ଟିଫିକେଟ୍ ପ୍ରୋଗ୍ରାମ ଦେଉଥିବା ଘରୋଇ ଶିକ୍ଷାନୁଷ୍ଠାନଗୁଡ଼ିକ ଆବେଦନ କରିବାକୁ ଯୋଗ୍ୟ। ଶିକ୍ଷାନୁଷ୍ଠାନଗୁଡ଼ିକ AICTE ଦ୍ୱାରା ଅନୁମୋଦିତ ହେବା ଆବଶ୍ୟକ ଏବଂ/ କିମ୍ବା ଶିକ୍ଷାନୁଷ୍ଠାନଗୁଡ଼ିକ NAAC (ନ୍ୟାସନାଲ ଆସେସମେଣ୍ଟ ଆଣ୍ଡ ଆକ୍ରେଡିଟେସନ୍ କାଉନସିଲ ଅଫ୍ UGC) ଦ୍ୱାରା ସ୍ୱୀକୃତିପ୍ରାପ୍ତ ହେବା ଆବଶ୍ୟକ।

ଶିକ୍ଷାନୁଷ୍ଠାନରୁ ମିଳିଥିବା ପ୍ରସ୍ତାବଗୁଡ଼ିକୁ ମୂଲ୍ୟାୟନ କମିଟି ଓ ଅନ୍ୟାନ୍ୟ ପ୍ରସ୍ତାବ ସମୀକ୍ଷା କମିଟି ଅନୁମୋଦନ ପାଇଁ ଯାଞ୍ଚ ଓ ମୂଲ୍ୟାୟନ କରିବେ।

2.2. ଷ୍ଟାର୍ଟଅପ୍ ଏବଂ କମ୍ପାନୀ

  1. ଷ୍ଟାର୍ଟଅପଗୁଡ଼ିକ DIPP ଦ୍ୱାରା ଅଧିସୂଚିତ ପ୍ରଚଳିତ ନିୟମାବଳୀକୁ ପାଳନ କରିବା ଆବଶ୍ୟକ ଏବଂ ଅତିକମରେ 2 ବର୍ଷ କାର୍ଯ୍ୟକ୍ଷମ ରହିବା ଆବଶ୍ୟକ।
  2. ଏହି ସଂସ୍ଥା ଅତିକମ୍‌ରେ 51% ଅଂଶଧନ ଭାରତୀୟ ନାଗରିକ କିମ୍ବା ଭାରତୀୟ ବଂଶୋଦ୍ଭବ ବ୍ୟକ୍ତିଙ୍କ ପାଖରେ ଥିବା ଆବଶ୍ୟକ। ଆବେଦନକାରୀଙ୍କ ସଂସ୍ଥା କୌଣସି ବିଦେଶୀ କର୍ପୋରେସନର ସହାୟକ କମ୍ପାନୀ ହେବା ଉଚିତ ନୁହେଁ।
  3. ଷ୍ଟାର୍ଟଅପ୍‌ରେ AI କ୍ଷେତ୍ରରେ ପ୍ରଦର୍ଶନ ଯୋଗ୍ୟ ବିଶେଷଜ୍ଞତା ଥିବା ଆବଶ୍ୟକ
  4. ଭାରତୀୟ କମ୍ପାନୀ/ବିଦେଶୀ କମ୍ପାନୀ, କମ୍ପାନୀ ଆଇନ ଅନୁଯାୟୀ ପ୍ରଯୁଜ୍ୟ ସଂଜ୍ଞାକୁ ପାଳନ କରିବା ଉଚିତ। କମ୍ପାନୀ ଅତିକମରେ 5 ବର୍ଷ କାର୍ଯ୍ୟକ୍ଷମ ରହିବା ସହ AI କ୍ଷେତ୍ରରେ ପ୍ରଦର୍ଶନୀୟ ଅଭିଜ୍ଞତା ଥିବା ଆବଶ୍ୟକ

ଚୟନ ପ୍ରକ୍ରିୟା

ନିମ୍ନଲିଖିତ ପଦକ୍ଷେପଗୁଡ଼ିକ ସେହି ଆଭିମୁଖ୍ୟକୁ ସୂଚାଇଥାଏ, ଯାହା ମାଧ୍ୟମରେ ଏହି ପଦକ୍ଷେପଗୁଡ଼ିକର ସଫଳ ରୂପାୟନ ଏବଂ ବ୍ୟାପକ ଉଦ୍ଦେଶ୍ୟ ସହିତ ସମନ୍ୱୟକୁ ସୁନିଶ୍ଚିତ କରାଯାଇପାରିବ

1. ଆବେଦନ ପ୍ରକ୍ରିୟା

ଆବେଦନକାରୀଙ୍କୁ 'ପର୍ଫର୍ମା'ରେ ସଂଲଗ୍ନ ଫର୍ମାଟରେ ଆଗ୍ରହର ଅଭିବ୍ୟକ୍ତି (EOI) ଦାଖଲ କରିବାକୁ ପଡ଼ିବ। ଆବେଦନକାରୀ ଏକରୁ ଅଧିକ ପ୍ରକଳ୍ପ ପାଇଁ ଆବେଦନ କରିପାରିବେ, ତେବେ ଯଦି ସେମାନେ ଏହା କରିବାକୁ ଚାହୁଁଛନ୍ତି, ତେବେ ସେମାନଙ୍କର ପ୍ରକଳ୍ପ ପସନ୍ଦକୁ ସ୍ପଷ୍ଟ ଭାବରେ ରାଙ୍କ୍ କରିବା ଆବଶ୍ୟକ ହେବ।

2. EOIsର ମୂଲ୍ୟାୟନ

ବିଶେଷଜ୍ଞଙ୍କ ଏକ କମିଟି EOIsର ମୂଲ୍ୟାୟନ କରିବେ। ଏହି ମୂଲ୍ୟାଙ୍କନରେ AIର ବିଭିନ୍ନ ଦିଗ ଉପରେ ପ୍ରତିଷ୍ଠାନର ଦକ୍ଷତା, ଟ୍ରାକ ରେକର୍ଡ ଏବଂ କ୍ଷମତା ଉପରେ ଗୁରୁତ୍ୱ ଦିଆଯିବ।

ମୂଲ୍ୟାଙ୍କନ ମାନଦଣ୍ଡ

1. ଲକ୍ଷ୍ୟ ସହିତ ପ୍ରକଳ୍ପର ସମନ୍ୱୟ :

  1. ପ୍ରସ୍ତାବିତ ପ୍ରକଳ୍ପ ନ୍ୟାୟପୂର୍ଣ୍ଣ ଏବଂ ନୈତିକ AI ବ୍ୟବହାରକୁ ପ୍ରୋତ୍ସାହନ ଦେବା ଲକ୍ଷ୍ୟ ସହିତ କେତେ ଭଲ ଭାବରେ ମେଳ ଖାଉଛି?
  2. ପ୍ରକଳ୍ପଟି ଏହି ଅଞ୍ଚଳରେ ଚିହ୍ନଟ ହୋଇଥିବା AI ସମସ୍ୟାର ମୁକାବିଲାରେ କିପରି ଯୋଗଦାନ କରିବ ତାହା ଏହି ପ୍ରସ୍ତାବରେ ସ୍ପଷ୍ଟ ଭାବରେ କୁହାଯାଇଛି କି ?

2.ନବୋନ୍ମେଷ ଏବଂ ପ୍ରଭାବ:

  1. ପ୍ରସ୍ତାବିତ ପ୍ରକଳ୍ପଟି ଅଭିନବ ଏବଂ ଦାୟିତ୍ୱବାନ AI ରେ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଅବଦାନ କରିବାର ସମ୍ଭାବନା ଅଛି କି?
  2. କିଛି ଅଭିନବ ପ୍ରାଣାଳୀ, ପଦ୍ଧତି କିମ୍ବା ଜ୍ଞାନକୌଶଳ ପ୍ରସ୍ତାବିତ ହୋଇଛି କି ଯାହା ଦାୟିତ୍ୱବାନ AI କ୍ଷେତ୍ରକୁ ଅଗ୍ରସର କରିପାରିବ?

3. ସହୟୋଗୀ ଆଭିମୁଖ୍ୟ :

  1. ଏହି ପ୍ରସ୍ତାବ ଶିକ୍ଷାନୁଷ୍ଠାନ, ଶିଳ୍ପ, ନାଗରିକ ସମାଜ ଏବଂ ଅନ୍ୟାନ୍ୟ ଭାଗିଦାରଙ୍କ ମଧ୍ୟରେ ପ୍ରଭାବଶାଳୀ ସହଭାଗିତା ପ୍ରଦର୍ଶନ କରେ କି?
  2. ପ୍ରସ୍ତାବିତ ଭାଗିଦାରଙ୍କ ମଧ୍ୟରେ ପୂର୍ବ ସଫଳ ସହଯୋଗର ପ୍ରମାଣ ଅଛି କି?

4.ସମ୍ଭବତା ଓ ସମ୍ବଳ :

  1. ପ୍ରସ୍ତାବିତ ପ୍ରକଳ୍ପ 2 ବର୍ଷର ସମୟସୀମା ମଧ୍ୟରେ ବୈଷୟିକ ଦୃଷ୍ଟିରୁ ସମ୍ଭବ କି?
  2. ଏହି ପ୍ରସ୍ତାବ ଏକ ବାସ୍ତବ ବଜେଟ୍ ରୂପରେଖ ଦେଉଛି କି?
  3. ପ୍ରସ୍ତାବିତ ବଜେଟ୍ ଆଶା କରାଯାଉଥିବା ପ୍ରକଳ୍ପ ଫଳାଫଳ ଏବଂ ପ୍ରଭାବ ସମ୍ବନ୍ଧରେ ଯୁକ୍ତିଯୁକ୍ତ ଓ ଉପୟୁକ୍ତ କି?

5. ମୂଲ୍ୟାୟନ ଓ ମେଟ୍ରିକ୍ :

  1. ସ୍ପଷ୍ଟ ଏବଂ ମାପନୀୟ ପ୍ରକଳ୍ପ ମାଇଲଖୁଣ୍ଟ ଏବଂ ଫଳାଫଳ ବ୍ୟାଖ୍ୟା କରାଯାଇଛି କି?
  2. ପ୍ରକଳ୍ପର ପ୍ରଭାବ ଏବଂ ଫଳପ୍ରଦତାକୁ ଆକଳନ କରିବା ପାଇଁ ପରିମାଣିକ ଓ ଗୁଣାତ୍ମକ ମେଟ୍ରିକ୍ ଅଛି କି?

ଦାଖଲ ନିର୍ଦ୍ଦେଶାବଳୀ

  1. ପରଫର୍ମାର ମୋଟ ଦୈର୍ଘ୍ୟ 15-20 ପୃଷ୍ଠା ରୁ ଅଧିକ ହେବନାହିଁ ।
  2. ଏକ ସହଯୋଗୀ ସଂସ୍ଥା ସହିତ ମିଳିତ ଭାବେ ଆବେଦନ କରିବା ପାଇଁ ଆବେଦନକାରୀଙ୍କୁ ପ୍ରୋତ୍ସାହିତ କରାଯାଏ। ଦୟାକରି ଧ୍ୟାନ ଦିଅନ୍ତୁ ଯେ ଏହି ପ୍ରକଳ୍ପର ସର୍ବାଧିକ ଅବଧି 2 ବର୍ଷ ଅଟେ।
  3. ଟେମ୍ପ୍ଲେଟ୍‌ରେ ଉଲ୍ଲେଖ ଥିବା ସମସ୍ତ ଦିଗ ଉପରେ ସୂଚନା ପ୍ରଦାନ କରନ୍ତୁ। ଅସମ୍ପୂର୍ଣ୍ଣ ଆବେଦନକୁ ପ୍ରତ୍ୟାଖ୍ୟାନ କରାଯିବ।
  4. ଭୁଲ୍ ତଥ୍ୟ ମିଳିଲେ ଆବେଦନ ଅଯୋଗ୍ୟ ଘୋଷଣା କରାଯିବ।
  5. ଆବେଦନକାରୀମାନେ ନିୟମାବଳୀ ପଢ଼ିବା ସହ ଏହାକୁ ପାଳନ କରିବା ଉଚିତ।
  6. ଯଦି କୌଣସି ପ୍ରଶ୍ନ ଥାଏ, ତେବେ ଦୟାକରି ନିସଙ୍କୋଚରେ ଯୋଗାଯୋଗ କରନ୍ତୁ Pmu>dot>etech>at>meity>dot>gov>dot>in ରେ

ଅନ୍ୟାନ୍ୟ ଗବେଷଣା କ୍ଷେତ୍ରରେ ଦିଆଯାଇଥିବା ପ୍ରସ୍ତାବକୁ ଏହି ପ୍ରସ୍ତାବ ଆହ୍ୱାନରେ ବିଚାରକୁ ନିଆଯାଇପାରିବ ନାହିଁ।

ଆବେଦନ କେବଳ PDF ଫର୍ମାଟରେ କରିବାକୁ ହେବ। PERFORMA ଡାଉନଲୋଡ୍ କରିବା ପାଇଁ ଏଠାରେ କ୍ଲିକ୍ କରନ୍ତୁ

ନିୟମ ଓ ସର୍ତ୍ତାବଳୀ

  1. IndiAI ଦ୍ୱାରା ଅନୁମୋଦିତ ନିର୍ଦ୍ଦିଷ୍ଟ ପ୍ରକଳ୍ପ ପାଇଁ ଏହି ଅନୁଦାନ ପ୍ରଦାନ କରାଯିବ ଏବଂ ଏହା ନିମ୍ନୋକ୍ତ ସର୍ତ୍ତ ଅନୁସାରେ ପ୍ରଦାନ କରାଯିବ:
    1. ଏହି ଅନୁଦାନକୁ ନିର୍ଦ୍ଧାରିତ ସମୟ ମଧ୍ୟରେ ପ୍ରକଳ୍ପ ପାଇଁ ଖର୍ଚ୍ଚ କରାଯିବ
    2. ଅନୁଦାନର କୌଣସି ଅଂଶ ଯାହା ଶେଷରେ ଅନୁମୋଦିତ ଉଦ୍ଦେଶ୍ୟରେ ଖର୍ଚ୍ଚ ପାଇଁ ଆବଶ୍ୟକ ହୁଏ ନାହିଁ, ତାହାକୁ IndiaAIକୁ ବିଧିବଦ୍ଧ ଭାବେ ଫେରସ୍ତ କରାଯିବ।
  2. IndiaAI ଅନୁଦାନରେ କାର୍ଯ୍ୟକାରୀ ହେଉଥିବା ଏକ ପ୍ରକଳ୍ପ ପାଇଁ, ଅନୁଦାନପ୍ରାପ୍ତ ସଂସ୍ଥା ଦ୍ୱାରା ଅନ୍ୟ କୌଣସି ଆର୍ଥିକ ସହାୟତା ପାଇଁ ଆବେଦନ କିମ୍ବା ସେହି ପ୍ରକଳ୍ପ ପାଇଁ ଅନ୍ୟ କୌଣସି ସଂସ୍ଥା/ମନ୍ତ୍ରଣାଳୟ/ବିଭାଗରୁ ଅନୁଦାନ/ଋଣ ପ୍ରାପ୍ତି ପାଇଁ IndiaAIର ପୂର୍ବ ଅନୁମତି/ଅନୁମୋଦନ ଥିବା ଆବଶ୍ୟକ।
  3. ଯେଉଁ ପ୍ରକଳ୍ପ ପାଇଁ ଅନୁଦାନ ମିଳୁଛି, ସେହି ପ୍ରକଳ୍ପର କାର୍ଯ୍ୟକାରିତାକୁ ଅନ୍ୟ ଏକ ସଂସ୍ଥାକୁ ହସ୍ତାନ୍ତର କରିବା ଏବଂ IndiaAIରୁ ସହାୟତା ବାବଦରେ ମିଳୁଥିବା ଅନୁଦାନକୁ ପରବର୍ତ୍ତୀ ସଂସ୍ଥାକୁ ପ୍ରାଦନ କରିବା ପାଇଁ ଅନୁଦାନପ୍ରାପ୍ତ କରିଥିବା ସଂସ୍ଥାକୁ ଅନୁମତି ଦିଆଯାଇନାହିଁ।
  4. ଅନ୍ୱେଷକମାନେ IndiaAIର ପୂର୍ବ ଅନୁମୋଦନ ବିନା ଏହି ପ୍ରକଳ୍ପର କାର୍ଯ୍ୟକାରିତାରେ ଏକ ବିଦେଶୀ ଦଳ (ବ୍ୟକ୍ତିଗତ / ଶୈକ୍ଷିକ ଅନୁଷ୍ଠାନ / ଶିଳ୍ପ) ସହିତ ସହଯୋଗ କରିବା ଉଚିତ୍ ନୁହେଁ।
  5. ଅନୁଦାନପ୍ରାପ୍ତ ସଂସ୍ଥା IPR ଉଲ୍ଲଂଘନ/ IPR ଲାଇସେନ୍ସିଂ/ ଟେକ୍ନୋଲୋଜି ହସ୍ତାନ୍ତର/ ବାଣିଜ୍ୟିକରଣ ପାଇଁ ଉପୁଜିଥିବା କୌଣସି ଆଇନଗତ ଏବଂ/କିମ୍ବା ଆର୍ଥିକ ଅନିୟମିତତା ପାଇଁ IndiaAIକୁ କ୍ଷତିପୂରଣ ଦେବା ଆବଶ୍ୟକ।
  6. ପ୍ରକଳ୍ପର କାର୍ଯ୍ୟାନ୍ୱୟନ ସମ୍ବନ୍ଧୀୟ କୌଣସି ବିଷୟ ଉପରେ କୌଣସି ବିବାଦ ହେଲେ, ସଚିବ, MeitY, ବା CEO, IndiaAIଙ୍କ ନିଷ୍ପତ୍ତି ଚୂଡ଼ାନ୍ତ ଏବଂ ଅନୁଦାନ ପ୍ରାପ୍ତ କରୁଥିବା ଅନୁଷ୍ଠାନ ପାଇଁ ବାଧ୍ୟତାମୂଳକ ହେବ।
  7. MeitY କିମ୍ବା IndiaAI ଭାରତ ସରକାରଙ୍କ ନିର୍ଦ୍ଦେଶକୁ ପ୍ରତିଫଳିତ କରି ସମୟ ସମୟରେ ଅନୁଦାନକୁ ନିୟନ୍ତ୍ରଣ କରୁଥିବା ଏହି ନିୟମାବଳୀ ଏବଂ ସର୍ତ୍ତାବଳୀରେ ସଂଶୋଧନ କରିବାର ଅଧିକାର ସୁରକ୍ଷିତ ରଖିଥାଏ।
  8. ସମସ୍ତ ଅଂଶଗ୍ରହଣକାରୀ ସଂସ୍ଥା/ସଙ୍ଗଠନଗୁଡ଼ିକ ପାଇଁ ସମ୍ପୂର୍ଣ୍ଣ ପ୍ରକଳ୍ପ ଅବଧି ମଧ୍ୟରେ କାର୍ଯ୍ୟସ୍ଥଳୀ/ସର୍ଭର (କାର୍ଯ୍ୟକ୍ଷମ ଅବସ୍ଥାରେ), ଲ୍ୟାବ କର୍ମଚାରୀ ଆଦି ଭଳି ମୌଳିକ ଭିତ୍ତିଭୂମି ଉପଲବ୍ଧ କରାଇବା ବାଧ୍ୟତାମୂଳକ। ଏହି ପ୍ରକଳ୍ପ ଅଧୀନରେ ୱାର୍କଷ୍ଟେସନ, ସର୍ଭର, ଲାପଟପ ଇତ୍ୟାଦି ଭଳି କୌଣସି ପୃଥକ ହାର୍ଡୱେର ପ୍ଲାଟଫର୍ମ ପ୍ରଦାନ କରାଯିବ ନାହିଁ।
  9. MeitY କିମ୍ବା IndiaAI କ୍ୟାଟେଗୋରୀ ଏବଂ ଆବଶ୍ୟକତା ଆଧାରରେ, ସମସ୍ତ ସହାୟକ ଦସ୍ତାବିଜ (ଯେପରିକି AICTE ରେକଗ୍ନିସନ ସାର୍ଟିଫିକେଟ) , NBA (ନ୍ୟାସନାଲ ବୋର୍ଡ ଅଫ୍ ଆକ୍ରିଡିଟେସନ୍) NAAC (ନ୍ୟାସନାଲ ଆସେସମେଣ୍ଟ ଆଣ୍ଡ ଆକ୍ରେଡିଟେସନ୍ କାଉନସିଲ ଅଫ୍ UGC), ଷ୍ଟାର୍ଟଅପ୍ ପ୍ରମାଣପତ୍ର, ଇତ୍ୟାଦି) ମାଗିବାର ଅଧିକାର ସୁରକ୍ଷିତ ରଖିଥାଏ ।

ସବିଶେଷ ନିୟମ ଓ ସର୍ତ୍ତାବଳୀ ପାଇଁ ଦୟାକରି ଏଠାରେ କ୍ଲିକ୍ କରନ୍ତୁ।

ଟାଇମଲାଇନ୍

ଆରମ୍ଭ ତାରିଖ : 22 ଡିସେମ୍ବର, 2023
ଶେଷ ତାରିଖ 04th February, 2024