ਜ਼ਿੰਮੇਵਾਰ AI 'ਤੇ ਦਿਲਚਸਪੀ ਦੇ ਪ੍ਰਗਟਾਵੇ ਲਈ ਸੱਦਾ

ਪਿਛੋਕੜ

ਇਲੈਕਟ੍ਰਾਨਿਕਸ ਅਤੇ ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ ਮੰਤਰਾਲਾ (MeitY) AI ਅਭਿਆਸਾਂ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ, ਜਵਾਬਦੇਹੀ ਅਤੇ ਨਿਰਪੱਖਤਾ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਲਈ ਵਚਨਬੱਧ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਏਕੀਕਰਣ ਵਧਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਭਾਰਤ ਦਾ ਉਦੇਸ਼ ਸਵਦੇਸ਼ੀ ਸਾਧਨਾਂ ਅਤੇ ਮੁਲਾਂਕਣ ਢਾਂਚਿਆਂ ਲਈ ਕੁਸ਼ਲ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਹੈ, ਜੋ ਇਸ ਦੀਆਂ ਸਮਾਜਿਕ-ਆਰਥਿਕ ਹਕੀਕਤਾਂ ਦੇ ਅਨੁਕੂਲ ਹਨ। ਨੈਸ਼ਨਲ ਪ੍ਰੋਗਰਾਮ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (NPAI) ਦੇ ਜ਼ਿੰਮੇਵਾਰ AI ਦੇ ਆਧਾਰ ਤਹਿਤ, ਡਿਜੀਟਲ ਇੰਡੀਆ ਕਾਰਪੋਰੇਸ਼ਨ ਦੇ ਅਧੀਨ, IndiaAI IBD ਨੇ ਖੋਜ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਫੰਡਿੰਗ ਲਈ ਇੱਕ ਪਹਿਲਕਦਮੀ ਦੀ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਹੈ। ਡਿਜੀਟਲ ਇੰਡੀਆ ਕਾਰਪੋਰੇਸ਼ਨ ਦੇ ਤਹਿਤ IndiaAI IBD ਨਿਰਪੱਖ, ਪਾਰਦਰਸ਼ੀ ਅਤੇ ਨੈਤਿਕ AI ਅਭਿਆਸਾਂ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਵਾਲੇ ਅਜਿਹੇ 10 ਜ਼ਿੰਮੇਵਾਰ AI ਥੀਮ ਵਾਲੇ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਜ਼ਿੰਮੇਵਾਰ AI 'ਤੇ ਦਿਲਚਸਪੀ ਦੇ ਪ੍ਰਗਟਾਵੇ ਲਈ ਸੱਦਾ

ਮਾਈਗਵ ਦੇ ਸਹਿਯੋਗ ਨਾਲ MeitY ਸੰਸਥਾਵਾਂ ਨੂੰ ਟੂਲ ਅਤੇ ਫਰੇਮਵਰਕ ਦੇ ਨਿਰਮਾਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ AI ਥੀਮਾਂ 'ਤੇ ਪ੍ਰਸਤਾਵਾਂ ਬਾਰੇ ਜਾਂਚ ਕਰਨ ਅਤੇ ਇਹਨਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਲਈ ਸੱਦਾ ਦਿੰਦਾ ਹੈ ਅਤੇ ਉਤਸ਼ਾਹਤ ਕਰਦਾ ਹੈ।

ਹੇਠਾਂ ਜ਼ਿੰਮੇਵਾਰ AI ਥੀਮ ਦੀ ਇੱਕ ਸੂਚੀ ਦਿੱਤੀ ਗਈ ਹੈ ਜੋ ਸੰਗਠਨਾਂ ਦੁਆਰਾ, ਹੋਰ ਭਾਈਵਾਲਾਂ ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਖੋਜੇ ਜਾ ਸਕਦੇ ਹਨ, ਤਾਂ ਜੋ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ AI ਦੇ ਉਚਿਤ ਅਤੇ ਨੈਤਿਕ ਵਿਕਾਸ ਅਤੇ ਇਸ ਦੀ ਤਾਇਨਾਤੀ ਵਾਲੇ ਖੇਤਰਾਂ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਵਾਲੇ ਟੂਲ ਅਤੇ ਫਰੇਮਵਰਕ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ ਜਾ ਸਕੇ:

ਵਿਸ਼ਾ

1.1. ਮਸ਼ੀਨ ਅਨਲਰਨਿੰਗ

ਮਸ਼ੀਨ ਅਨਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਗਲਤੀਆਂ, ਪੱਖਪਾਤ ਅਤੇ ਪੁਰਾਣੀ ਜਾਣਕਾਰੀ ਨੂੰ ਸੁਧਾਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ ਜੋ ਅਣਜਾਣੇ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਐਲਗੋਰਿਦਮ ਗਲਤ, ਅਪ੍ਰਸੰਗਿਕ, ਜਾਂ ਹਾਨੀਕਾਰਕ ਡੇਟਾ ਤੋਂ ਸਿੱਖਣ ਵਾਲੇ ਮਾਡਲਾਂ ਦੇ ਮੁੱਦੇ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਨ, ਜੋ ਵੱਖ-ਵੱਖ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਗਲਤ ਫੈਸਲਿਆਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੇ ਹਨ। ਅਣਚਾਹੇ ਸਿੱਖੇ ਹੋਏ ਵਿਵਹਾਰਾਂ ਨੂੰ ਹਟਾਉਣ ਦੀ ਸਹੂਲਤ ਦੇ ਕੇ, ਮਸ਼ੀਨ ਅਨਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਵਿਭਿੰਨ ਡੋਮੇਨਾਂ ਵਿੱਚ ਵਧੇਰੇ ਸਟੀਕ, ਭਰੋਸੇਮੰਦ ਅਤੇ ਨਿਰਪੱਖ AI ਸਿਸਟਮ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ।

1.2. ਸਿੰਥੈਟਿਕ ਡਾਟਾ ਜਨਰੇਸ਼ਨ

ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਵੱਖ-ਵੱਖ ਡੋਮੇਨਾਂ ਵਿੱਚ ਸੀਮਤ, ਪੱਖਪਾਤੀ, ਜਾਂ ਪਰਦੇਦਾਰੀ-ਸੰਵੇਦਨਸ਼ੀਲ ਅਸਲ-ਵਿਸ਼ਵ ਦੇ ਡੇਟਾਸੈਟਾਂ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀਆਂ ਨਿਰੰਤਰ ਚੁਣੌਤੀਆਂ ਤੋਂ ਸਿੰਥੈਟਿਕ ਡਾਟਾ ਜਨਰੇਸ਼ਨ ਟੂਲ ਨੂੰ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਪੈਦਾ ਹੁੰਦੀ ਹੈ। ਇਹ ਟੂਲ ਮਨਘੜਤ ਡੇਟਾ ਉਦਾਹਰਣਾਂ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਅਸਲ ਡੇਟਾ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਨਕਲ ਕਰਦੇ ਹਨ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸਿਖਲਾਈ ਦੇਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ। ਡੇਟਾ ਦੇ ਅੰਤਰਾਲ ਨੂੰ ਪੂਰਾ ਕਰਕੇ, ਪਰਦੇਦਾਰੀ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਘਟਾ ਕੇ, ਅਤੇ ਬਰਾਬਰ ਪ੍ਰਤੀਨਿਧਤਾ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਕੇ, ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਜਨਰੇਸ਼ਨ ਟੂਲ AI ਸਿਸਟਮ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ। ਡਿਵੈਲਪਰ ਨੂੰ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਿੰਥੈਟਿਕ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਡੇਟਾ ਸਹੀ ਹੈ ਅਤੇ ਬਾਕੀ ਡੇਟਾ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਤਾਂ ਜੋ ਸਿਖਲਾਈ ਦੌਰਾਨ AI ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਗਲਤ ਪੱਖਪਾਤ ਪੈਦਾ ਨਾ ਹੋਣ।

1.3. ਐਲਗੋਰਿਦਮ ਫੇਅਰਨੇਸ ਟੂਲਜ਼

ਐਲਗੋਰਿਦਮ ਫੇਅਰਨੇਸ ਟੂਲ ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਦੇ ਹਨ ਕਿ ਸਵੈਚਾਲਿਤ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਵਾਲੇ ਐਲਗੋਰਿਦਮ ਸਾਰੇ ਵਿਅਕਤੀਆਂ ਨਾਲ ਨਿਰਪੱਖ ਅਤੇ ਬਿਨਾਂ ਪੱਖਪਾਤ ਦੇ ਵਿਵਹਾਰ ਕਰਨ। ਐਲਗੋਰਿਦਮ ਕਈ ਵਾਰ ਡਾਟਾ ਜਾਂ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਪੱਖਪਾਤ ਦੇ ਕਾਰਨ ਅਣਜਾਣੇ ਵਿੱਚ ਕੁਝ ਸਮੂਹਾਂ ਨਾਲ ਭੇਦਭਾਵ ਕਰਦੇ ਹਨ। ਫੇਅਰਨੇਸ ਟੂਲ ਇਨ੍ਹਾਂ ਪੱਖਪਾਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ, ਮਾਪਣ ਅਤੇ ਘਟਾਉਣ ਦਾ ਇੱਕ ਵਿਵਸਥਿਤ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਨੈਤਿਕ ਅਤੇ ਬਰਾਬਰ ਨਤੀਜਿਆਂ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਦੇ ਹਨ। ਇਹ ਸਾਧਨ ਅਕਸਰ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ, ਜਿਵੇਂ ਕਿ ਨਸਲ, ਲਿੰਗ, ਜਾਂ ਹੋਰ ਸੁਰੱਖਿਅਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਮਾਤਰਾਤਮਕ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਉਹ ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਅਸਮਾਨਤਾਵਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰ ਸਕਦੇ ਹਨ। ਐਲਗੋਰਿਦਮ ਫੇਅਰਨੈਸ ਟੂਲ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਵਿੱਚ IBM ਦਾ AI Fairness 360, Google ਦਾ What-If Tool ਅਤੇ Microsoft ਦਾ Fairlearn ਸ਼ਾਮਲ ਹਨ।

1.4. AI ਪੱਖਪਾਤ ਘੱਟ ਕਰਨ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ

AI ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ ਦੀ ਜ਼ਰੂਰਤ ਇਸ ਅਹਿਸਾਸ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ ਕਿ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਸਟਮ ਸਮਾਜ ਦੇ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੋ ਰਿਹਾ ਹੈ, ਜੋ ਵਿਅਕਤੀਆਂ ਦੇ ਜੀਵਨ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨ ਵਾਲੇ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੀਆਂ ਹਨ। ਨਿਰਪੱਖਤਾ, ਸਮਾਨਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਅਜਿਹੀਆਂ ਰਣਨੀਤੀਆਂ ਦਾ ਉਪਯੋਗ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ ਜੋ AI ਐਲਗੋਰਿਦਮ ਦੇ ਅੰਦਰ ਪੱਖਪਾਤ ਦੀ ਪਛਾਣ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੁਧਾਰ ਕਰਦੀਆਂ ਹਨ। ਘੱਟ ਕਰਨ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਡੇਟਾ ਨੂੰ ਪੂਰਵ-ਕ੍ਰਮਬੱਧ ਕਰਨਾ, ਨਿਰਪੱਖਤਾ ਲਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨਾ, ਜਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਮੁੜ-ਸਹੀ ਕਰਨ ਕਰਨ ਲਈ ਪੁਨਰ-ਕ੍ਰਮਬੱਧ ਕਰਨ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਸ਼ਾਮਲ ਹੋ ਸਕਦੀਆਂ ਹਨ। AI ਪੱਖਪਾਤ ਘਟਾਉਣ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਡੇਟਾ ਦਾ ਦੁਬਾਰਾ ਨਮੂਨਾ ਲੈਣਾ, ਨਮੂਨਿਆਂ ਦੀ ਮੁੜ-ਜਾਂਚ ਕਰਨਾ, ਪ੍ਰਤੀਕੂਲ ਸਿਖਲਾਈ, ਅਤੇ ਹੋਰ ਸ਼ਾਮਲ ਹਨ ਜੋ ਭਵਿੱਖਬਾਣੀਆਂ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਨ।

1.5. ਐਥਿਕਲ AI ਫਰੇਮਵਰਕ

ਐਥਿਕਲ AI ਫਰੇਮਵਰਕ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਢਾਂਚਾਗਤ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ ਕਿ AI ਸਿਸਟਮ ਬੁਨਿਆਦੀ ਮਨੁੱਖੀ ਕਦਰਾਂ ਕੀਮਤਾਂ ਦਾ ਆਦਰ ਕਰਨ, ਨਿਰਪੱਖਤਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਅਤੇ ਪੱਖਪਾਤ ਜਾਂ ਭੇਦਭਾਵ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਤੋਂ ਬਚ ਸਕਣ। ਇਹ ਫਰੇਮਵਰਕ ਡਿਵੈਲਪਰਾਂ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀਆਂ AI ਰਚਨਾਵਾਂ ਦੇ ਵਿਆਪਕ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਸੂਚਿਤ ਫੈਸਲੇ ਲੈਣ ਲਈ ਉਤਸ਼ਾਹਤ ਕਰਦੇ ਹਨ। ਪ੍ਰਮੁੱਖ ਐਥਿਕਲ AI ਫਰੇਮਵਰਕ ਵਿੱਚ ਖੁਦਮੁਖਤਿਆਰੀ ਅਤੇ ਬੁੱਧੀਮਾਨ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਨੈਤਿਕਤਾ 'ਤੇ IEEE ਵਿਸ਼ਵ-ਵਿਆਪੀ ਪਹਿਲਕਦਮੀ ਅਤੇ ਯੂਰਪੀਅਨ ਕਮਿਸ਼ਨ ਦੁਆਰਾ ਭਰੋਸੇਯੋਗ AI ਲਈ ਨੈਤਿਕਤਾ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼ ਸ਼ਾਮਲ ਹਨ।

1.6. ਪਰਦੇਦਾਰੀ ਵਧਾਉਣ ਦੀਆਂ ਰਣਨੀਤੀਆਂ

ਡੇਟਾ ਪਰਦੇਦਾਰੀ ਅਤੇ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਦੀ ਸੰਭਾਵਿਤ ਦੁਰਵਰਤੋਂ ਬਾਰੇ ਵੱਧ ਰਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਜ਼ਿੰਮੇਵਾਰ AI ਵਿੱਚ ਪਰਦੇਦਾਰੀ ਵਧਾਉਣ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ ਜ਼ਰੂਰੀ ਹਨ। ਉਹ ਕਈ ਤਕਨੀਕਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਘੱਟ ਕਰਨਾ, ਗੁਮਨਾਮ ਕਰਨਾ, ਵੱਖਰੀ ਪਰਦੇਦਾਰੀ, ਅਤੇ ਪਰਦੇਦਾਰੀ-ਸੰਭਾਲ ਕਰਨ ਵਾਲੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸ਼ਾਮਲ ਹੈ। ਇਨ੍ਹਾਂ ਪਹੁੰਚਾਂ ਦਾ ਉਦੇਸ਼ ਦੁਬਾਰਾ ਪਛਾਣ, ਅਣਅਧਿਕਾਰਤ ਪਹੁੰਚ ਅਤੇ ਡੇਟਾ ਲੀਕ ਦੇ ਜੋਖਮ ਨੂੰ ਘਟਾਉਣਾ ਹੈ ਜਦੋਂ ਕਿ ਅਜੇ ਵੀ ਸੰਸਥਾਵਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ, ਭਵਿੱਖਬਾਣੀਆਂ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਲਈ AI ਦੀ ਸ਼ਕਤੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

1.7. ਸਮਝਾਉਣਯੋਗ AI (XAI) ਫਰੇਮਵਰਕ

XAI ਫਰੇਮਵਰਕ AI ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਸਮਝਾਉਣਯੋਗ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਬਣਾਉਣ ਲਈ ਵਿਧੀਆਂ ਅਤੇ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਵਿੱਚ ਮਾਡਲ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਵਿਸ਼ੇਸ਼ਤਾ ਮਹੱਤਵ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ AI ਭਵਿੱਖਬਾਣੀਆਂ ਲਈ ਮਨੁੱਖੀ-ਸਮਝਣ ਯੋਗ ਵਿਆਖਿਆਵਾਂ ਪੈਦਾ ਕਰਨ ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਸ਼ਾਮਲ ਹਨ। ਇਹ ਫਰੇਮਵਰਕ ਡਾਟਾ ਵਿਗਿਆਨੀਆਂ, ਪ੍ਰਬੰਧਕਾਂ ਅਤੇ ਅੰਤ-ਉਪਭੋਗਤਾਵਾਂ ਸਮੇਤ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਜਟਿਲ AI ਮਾਡਲਾਂ ਦੇ ਅੰਦਰੂਨੀ ਕੰਮਕਾਜ ਵਿੱਚ ਸੂਝ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ। ਮਾਡਲ ਫੈਸਲਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨ ਵਾਲੇ ਕਾਰਕਾਂ ਦਾ ਖੁਲਾਸਾ ਕਰਕੇ, XAI ਜਵਾਬਦੇਹੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਮਾਡਲ ਡੀਬਗਿੰਗ ਅਤੇ ਸੁਧਾਰ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ।

1.8. AI ਐਥਿਕਲ ਸਰਟੀਫਿਕੇਸ਼ਨ

AI ਐਥਿਕਲ ਸਰਟੀਫਿਕੇਸ਼ਨ ਇੱਕ ਆਮ ਮੁਲਾਂਕਣ ਅਤੇ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜੋ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੀ ਹੈ ਕਿ AI ਸਿਸਟਮ, ਸੇਵਾਵਾਂ, ਜਾਂ ਸੰਸਥਾਵਾਂ ਆਪਣੇ ਵਿਕਾਸ ਅਤੇ ਤਾਇਨਾਤੀ ਵਿੱਚ ਸਥਾਪਤ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਅਤੇ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੀਆਂ ਹਨ। AI ਐਥਿਕਲ ਸਰਟੀਫਿਕੇਸ਼ਨ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੁਆਰਾ, ਸੰਸਥਾਵਾਂ AI ਬਣਾਉਣ ਅਤੇ ਉਪਯੋਗ ਕਰਨ ਲਈ ਆਪਣੇ ਸਮਰਪਣ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੀਆਂ ਹਨ ਜੋ ਨੈਤਿਕ ਵਿਚਾਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀਆਂ ਹਨ, ਹਿੱਤਧਾਰਕਾਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਨੂੰ ਵਧਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ ਕਿ AI ਤਕਨਾਲੋਜੀਆਂ ਸਮਾਜਿਕ ਕਦਰਾਂ ਕੀਮਤਾਂ ਅਤੇ ਮਿਆਰਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਇਹ ਸਰਟੀਫਿਕੇਟ ਨਿਰਪੱਖਤਾ, ਪਾਰਦਰਸ਼ਤਾ, ਜਵਾਬਦੇਹੀ ਅਤੇ ਪਰਦੇਦਾਰੀ ਦੀ ਸੁਰੱਖਿਆ ਵਰਗੇ ਪਹਿਲੂਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਨ।

1.9. AI ਗਵਰਨੈਂਸ ਟੈਸਟਿੰਗ ਫਰੇਮਵਰਕ

AI ਗਵਰਨੈਂਸ ਟੈਸਟਿੰਗ ਫਰੇਮਵਰਕ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਸਟਮ ਦੇ ਵਿਕਾਸ ਅਤੇ ਤਾਇਨਾਤੀ ਵਿੱਚ ਪ੍ਰਸ਼ਾਸ਼ਕੀ ਨੀਤੀਆਂ, ਨੈਤਿਕ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼ਾਂ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਲੋੜਾਂ ਦੀ ਪਾਲਣਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਅਤੇ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਢਾਂਚਾਗਤ ਪਹੁੰਚ ਹੈ। ਇਹ ਢਾਂਚਾ ਸੰਸਥਾਵਾਂ ਨੂੰ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਉਨ੍ਹਾਂ ਦੀਆਂ AI ਪਹਿਲਕਦਮੀਆਂ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਨੈਤਿਕ ਅਭਿਆਸਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ। ਇੱਕ ਪ੍ਰਮੁੱਖ ਉਦਾਹਰਣ AI Verify ਹੈ, ਜੋ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ ਲਈ ਦੁਨੀਆ ਦੀ ਪਹਿਲੀ AI ਗਵਰਨੈਂਸ ਟੈਸਟਿੰਗ ਫਰੇਮਵਰਕ ਅਤੇ ਟੂਲਕਿੱਟ ਹੈ ਜੋ ਇੱਕ ਉਦੇਸ਼ਪੂਰਨ ਅਤੇ ਪੁਸ਼ਟੀਯੋਗ ਤਰੀਕੇ ਨਾਲ ਜ਼ਿੰਮੇਵਾਰ AI ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨਾ ਚਾਹੁੰਦੀਆਂ ਹਨ।

1.10. ਐਲਗੋਰਿਦਮਿਕ ਆਡਿਟਿੰਗ ਟੂਲਜ਼

ਐਲਗੋਰਿਦਮਿਕ ਆਡਿਟਿੰਗ, ਐਲਗੋਰਿਦਮ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਦੇ ਪ੍ਰਭਾਵ ਅਤੇ ਵਿਵਹਾਰ ਦਾ ਮੁਲਾਂਕਣ ਅਤੇ ਇਹਨਾਂ ਬਾਰੇ ਜਾਂਚ ਕਰਨ ਦੀ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਹੈ, ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਜਿੱਥੇ ਇਹ ਐਲਗੋਰਿਦਮ ਅਜਿਹੇ ਫੈਸਲੇ ਲੈਂਦੇ ਹਨ ਜੋ ਵਿਅਕਤੀਆਂ ਜਾਂ ਭਾਈਚਾਰਿਆਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਐਲਗੋਰਿਦਮਿਕ ਆਡਿਟਿੰਗ ਦੇ ਮੁੱਢਲੇ ਟੀਚੇ ਐਲਗੋਰਿਦਮਿਕ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਨਿਰਪੱਖਤਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਅਤੇ ਸੰਭਾਵਿਤ ਪੱਖਪਾਤ ਅਤੇ ਨੈਤਿਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਘਟਾਉਣਾ ਹੈ।

ਕੌਣ ਅਪਲਾਈ ਕਰ ਸਕਦਾ ਹੈ?

2.1. ਅਕਾਦਮਿਕ/ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਸੰਸਥਾਵਾਂ

ਅਕਾਦਮਿਕ/ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਸੰਸਥਾਵਾਂ ਕੋਲ ਪ੍ਰੋਜੈਕਟ ਲਾਗੂ ਕਰਨ ਅਤੇ ਪ੍ਰੋਗਰਾਮ ਅਧੀਨ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸਿਖਲਾਈ ਲਈ ਪਹਿਲਾਂ ਤੋਂ ਮੌਜੂਦ ਲੈਬ ਬੁਨਿਆਦੀ ਢਾਂਚਾ (ਵਰਕਸਟੇਸ਼ਨ, ਸਰਵਰ, ਪ੍ਰੋਜੈਕਟ ਸਟਾਫ ਆਦਿ ਵਾਲੀ ਲੈਬ) ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਮੁੱਖ ਜਾਂਚਕਰਤਾ/ਸਹਿ-ਮੁੱਖ ਜਾਂਚਕਰਤਾ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਖੇਤਰ ਵਿੱਚ ਸਬੰਧਿਤ ਤਜਰਬੇ ਦੇ ਨਾਲ ਨਿਯਮਤ ਸਿਖਿਅਕ ਅਮਲੇ ਦਾ ਹੋਣਾ ਜ਼ਰੂਰੀ ਹੈ।

ਨਿਮਨਲਿਖਤ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਆਉਣ ਵਾਲੀਆਂ ਸਾਰੀਆਂ ਸੰਸਥਾਵਾਂ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਭਾਗ ਲੈਣ ਅਤੇ ਫੰਡ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਗੀਆਂ:

1. ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀਜ਼ (IITs)
2. ਨੈਸ਼ਨਲ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀਜ਼ (NITs)
3. ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਇਨਫਰਮੇਸ਼ਨ ਟੈਕਨੋਲੋਜੀ (IIITs)
4. ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਾਇੰਸ ਐਜੂਕੇਸ਼ਨ ਐਂਡ ਰਿਸਰਚ (IISERs)
5. ਕੇਂਦਰ/ਰਾਜ ਸਰਕਾਰ ਅਧੀਨ ਕੇਂਦਰੀ ਯੂਨੀਵਰਸਿਟੀਆਂ/ਡੀਮਡ ਯੂਨੀਵਰਸਿਟੀਆਂ
6. ਕਾਲਜ/ਰਾਸ਼ਟਰੀ ਮਹੱਤਵ/ਪ੍ਰਮੁੱਖਤਾ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ
7. ਖੋਜ ਅਤੇ ਵਿਕਾਸ ਸੰਸਥਾਵਾਂ/ਸੰਸਥਾਵਾਂ (ਜਿੰਨਾਂ ਕੋਲ B.Tech /MTech/PhD ਕੋਰਸ ਹਨ)
8. ਪ੍ਰਾਈਵੇਟ ਯੂਨੀਵਰਸਿਟੀਆਂ/ਪ੍ਰਾਈਵੇਟ ਡੀਮਡ ਯੂਨੀਵਰਸਿਟੀਆਂ/ਪ੍ਰਾਈਵੇਟ ਕਾਲਜ**

** ਪ੍ਰਾਈਵੇਟ ਅਕਾਦਮਿਕ ਅਦਾਰੇ ਵੀ ਹੇਠਾਂ ਦਿੱਤੇ ਵਾਧੂ ਯੋਗਤਾ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੇ ਅਧੀਨ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਭਾਗ ਲੈਣ ਲਈ ਯੋਗ ਹਨ:

ਨਿੱਜੀ ਅਕਾਦਮਿਕ ਸੰਸਥਾਵਾਂ ਲਈ ਮਾਪਦੰਡ

ਪ੍ਰਾਈਵੇਟ ਸੰਸਥਾਵਾਂ ਜੋ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਅੰਡਰਗ੍ਰੈਜੂਏਟ/ਪੋਸਟ ਗ੍ਰੈਜੂਏਟ/ਡਿਪਲੋਮਾ/ਸਰਟੀਫਿਕੇਟ ਪ੍ਰੋਗਰਾਮ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੀਆਂ ਹਨ ਉਹ ਅਪਲਾਈ ਕਰਨ ਦੇ ਯੋਗ ਹਨ। ਸੰਸਥਾਵਾਂ ਨੂੰ AICTE ਦੁਆਰਾ ਪ੍ਰਵਾਨਗੀ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ/ਜਾਂ ਸੰਸਥਾ ਨੂੰ NAAC (UGC ਦੀ ਨੈਸ਼ਨਲ ਅਸੇਸਮੈਂਟ ਐਂਡ ਅਕ੍ਰੇਡਟੈਸ਼ਨ ਕੌਂਸਲ) ਦੁਆਰਾ ਮਾਨਤਾ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

ਅਕਾਦਮਿਕ ਸੰਸਥਾਵਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਪ੍ਰਸਤਾਵਾਂ ਨੂੰ ਪ੍ਰਵਾਨਗੀ ਲਈ ਮੁਲਾਂਕਣ ਕਮੇਟੀ ਅਤੇ ਹੋਰ ਪ੍ਰਸਤਾਵ ਸਮੀਖਿਆ ਕਮੇਟੀਆਂ ਦੁਆਰਾ ਜਾਂਚ ਅਤੇ ਮੁਲਾਂਕਣ ਦੇ ਅਧੀਨ ਕੀਤਾ ਜਾਵੇਗਾ।

2.2. ਸਟਾਰਟ-ਅੱਪ ਅਤੇ ਕੰਪਨੀਆਂ

1. ਸਟਾਰਟਅੱਪ ਨੂੰ DIPP ਦੁਆਰਾ ਸੂਚਿਤ ਕੀਤੇ ਮੌਜੂਦਾ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਘੱਟੋ ਘੱਟ 2 ਸਾਲਾਂ ਲਈ ਸੰਚਾਲਨ ਵਿੱਚ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
2. ਸੰਸਥਾ ਦੀ ਭਾਰਤੀ ਨਾਗਰਿਕਾਂ ਜਾਂ ਭਾਰਤੀ ਮੂਲ ਦੇ ਵਿਅਕਤੀਆਂ ਨਾਲ ਘੱਟੋ ਘੱਟ 51% ਹਿੱਸੇਦਾਰੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਉਮੀਦਵਾਰ ਦੀ ਸੰਸਥਾ ਕਿਸੇ ਵੀ ਵਿਦੇਸ਼ੀ ਕਾਰਪੋਰੇਸ਼ਨ ਦੀ ਸਹਾਇਕ ਕੰਪਨੀ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।
3. ਸਟਾਰਟਅੱਪ ਕੋਲ AI ਦੇ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਮੁਹਾਰਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
4. ਭਾਰਤੀ ਕੰਪਨੀ/ਵਿਦੇਸ਼ੀ ਕੰਪਨੀ ਨੂੰ ਕੰਪਨੀ ਐਕਟ ਅਧੀਨ ਪਰਿਭਾਸ਼ਾ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਕੰਪਨੀ ਨੂੰ ਘੱਟੋ ਘੱਟ 5 ਸਾਲਾਂ ਲਈ ਸੰਚਾਲਨ ਵਿੱਚ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ AI ਦੇ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਤਜਰਬਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ

ਚੋਣ ਪ੍ਰਕਿਰਿਆ

ਨਿਮਨਲਿਖਤ ਕਦਮ ਉਸ ਪਹੁੰਚ ਦੀ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦੇ ਹਨ ਜਿਸ ਰਾਹੀਂ ਇਸ ਪਹਿਲਕਦਮੀ ਨੂੰ ਸਾਕਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਵਿਆਪਕ ਉਦੇਸ਼ਾਂ ਨਾਲ ਯਕੀਨਨ ਇਸ ਦਾ ਤਾਲਮੇਲ ਹੋ ਸਕੇ:

1. ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ

ਉਮੀਦਵਾਰ ਨੂੰ ਪਰਫਾਰਮਾ ਵਿੱਚ ਨੱਥੀ ਫਾਰਮੈਟ ਵਿੱਚ ਦਿਲਚਸਪੀ ਦਾ ਪ੍ਰਗਟਾਵਾ (EOI) ਜਮ੍ਹਾਂ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਉਮੀਦਵਾਰ ਇੱਕ ਤੋਂ ਵੱਧ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਅਪਲਾਈ ਕਰਨ ਲਈ ਸੁਤੰਤਰ ਹਨ, ਹਾਲਾਂਕਿ, ਜੇ ਉਹ ਅਜਿਹਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਤਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੀ ਪ੍ਰੋਜੈਕਟ ਦੀ ਤਰਜੀਹ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦਰਜਾ ਦੇਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।

2. EOIs ਦਾ ਮੁਲਾਂਕਣ

ਮਾਹਰਾਂ ਦੀ ਇੱਕ ਕਮੇਟੀ EOIs ਦਾ ਮੁਲਾਂਕਣ ਕਰੇਗੀ। ਇਸ ਵਿੱਚ ਮੁਲਾਂਕਣ AI ਦੇ ਵੱਖ-ਵੱਖ ਪਹਿਲੂਆਂ ਵਿੱਚ ਸੰਸਥਾਵਾਂ ਦੀ ਸਮਰੱਥਾ, ਟਰੈਕ ਰਿਕਾਰਡ ਅਤੇ ਸਮਰੱਥਾ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੇਗਾ।

ਮੁਲਾਂਕਣ ਮਾਪਦੰਡ

1. ਉਦੇਸ਼ਾਂ ਦੇ ਨਾਲ ਪ੍ਰੋਜੈਕਟ ਤਾਲਮੇਲ:

1. ਪ੍ਰਸਤਾਵਿਤ ਪ੍ਰੋਜੈਕਟ ਨਿਰਪੱਖ ਅਤੇ ਨੈਤਿਕ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਨ ਦੇ ਵਿਆਪਕ ਟੀਚੇ ਨਾਲ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਮੇਲ ਖਾਂਦਾ ਹੈ?
2. ਕੀ ਪ੍ਰਸਤਾਵ ਵਿਚ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਇਹ ਪ੍ਰੋਜੈਕਟ ਇਨ੍ਹਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਪਛਾਣੀਆਂ ਗਈਆਂ AI ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਕਿਵੇਂ ਯੋਗਦਾਨ ਪਾਵੇਗਾ?

2. ਨਵੀਨਤਾ ਅਤੇ ਪ੍ਰਭਾਵ:

1. ਕੀ ਪ੍ਰਸਤਾਵਿਤ ਪ੍ਰੋਜੈਕਟ ਨਵੀਨਤਾਕਾਰੀ ਹੈ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ AI ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਯੋਗਦਾਨ ਪਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ?
2. ਕੀ ਕੋਈ ਨਵੀਆਂ ਪਹੁੰਚਾਂ, ਕਾਰਜ ਵਿਧੀਆਂ, ਜਾਂ ਤਕਨਾਲੋਜੀਆਂ ਪ੍ਰਸਤਾਵਿਤ ਹਨ ਜੋ ਜ਼ਿੰਮੇਵਾਰ AI ਦੇ ਖੇਤਰ ਨੂੰ ਹੋਰ ਅੱਗੇ ਵਧਾ ਸਕਦੀਆਂ ਹਨ?

3. ਸਹਿਯੋਗੀ ਪਹੁੰਚ:

1. ਕੀ ਪ੍ਰਸਤਾਵ ਅਕਾਦਮਿਕ ਸੰਸਥਾਵਾਂ, ਉਦਯੋਗ, ਸਿਵਲ ਸੁਸਾਇਟੀ ਅਤੇ ਹੋਰ ਭਾਈਵਾਲਾਂ ਵਿਚਕਾਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਹਿਯੋਗ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ?
2. ਕੀ ਪ੍ਰਸਤਾਵਿਤ ਭਾਈਵਾਲਾਂ ਵਿਚਕਾਰ ਪੂਰਵ ਸਫਲ ਸਹਿਯੋਗ ਹੋਣ ਦਾ ਸਬੂਤ ਹੈ?

4. ਸੰਭਾਵਨਾ ਅਤੇ ਸਰੋਤ:

1. ਕੀ ਪ੍ਰਸਤਾਵਿਤ ਪ੍ਰੋਜੈਕਟ 2 ਸਾਲ ਦੀ ਸਮਾਂ-ਸੀਮਾ ਦੇ ਅੰਦਰ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ?
2. ਕੀ ਪ੍ਰਸਤਾਵ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਬਜਟ ਦੀ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ?
3. ਕੀ ਪ੍ਰਸਤਾਵਿਤ ਬਜਟ ਉਮੀਦ ਕੀਤੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਨਤੀਜਿਆਂ ਅਤੇ ਪ੍ਰਭਾਵ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਵਾਜਬ ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਉਚਿਤ ਹੈ?

5. ਮੁਲਾਂਕਣ ਅਤੇ ਮੈਟ੍ਰਿਕਸ:

1. ਕੀ ਸਪੱਸ਼ਟ ਅਤੇ ਮਾਪਣਯੋਗ ਪ੍ਰੋਜੈਕਟ ਮੀਲਪੱਥਰ ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ?
2. ਕੀ ਪ੍ਰੋਜੈਕਟ ਦੇ ਪ੍ਰਭਾਵ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਮਾਤਰਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਮੈਟ੍ਰਿਕਸ ਹਨ?

ਜਮ੍ਹਾਂ ਕਰਨ ਦੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼

1. ਪਰਫਾਰਮਾ ਦੀ ਕੁੱਲ ਲੰਬਾਈ 15-20 ਪੰਨਿਆਂ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ ।
2. ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਕਿਸੇ ਭਾਈਵਾਲ ਸੰਸਥਾ ਨਾਲ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਅਪਲਾਈ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਕਿਰਪਾ ਕਰਕੇ ਨੋਟ ਕਰੋ ਕਿ ਪ੍ਰੋਜੈਕਟ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਮਿਆਦ 2 ਸਾਲ ਹੈ।
3. ਟੈਂਪਲੇਟ ਵਿੱਚ ਦੱਸੇ ਗਏ ਸਾਰੇ ਪਹਿਲੂਆਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰੋ। ਅਧੂਰੀਆਂ ਅਰਜ਼ੀਆਂ ਰੱਦ ਕਰ ਦਿੱਤੀਆਂ ਜਾਣਗੀਆਂ।
4. ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਲਤ ਜਾਣਕਾਰੀ ਅਰਜ਼ੀ ਨੂੰ ਅਯੋਗ ਠਹਿਰਾਉਣ ਦਾ ਕਾਰਨ ਬਣੇਗੀ।
5. ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਨਿਯਮਾਂ ਅਤੇ ਸ਼ਰਤਾਂ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਇਹਨਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
6. ਕੋਈ ਵੀ ਜਾਣਕਾਰੀ ਦੇ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ ਇਸ ਈਮੇਲ 'ਤੇ ਸੰਪਰਕ ਕਰਨ ਲਈ ਬੇਝਿਜਕ ਮਹਿਸੂਸ ਕਰੋ pmu[dot]etech[at]meity[dot]gov[dot]in

ਹੋਰ ਖੋਜ ਖੇਤਰਾਂ ਵਿੱਚ ਜਮ੍ਹਾਂ ਕੀਤੇ ਪ੍ਰਸਤਾਵਾਂ ਨੂੰ ਇਸ ਸੱਦੇ ਦੇ ਪ੍ਰਸਤਾਵਾਂ ਲਈ ਨਹੀਂ ਵਿਚਾਰਿਆ ਜਾ ਸਕਦਾ।

ਸਬਮਿਸ਼ਨ ਦਾ ਸਿਰਫ PDF ਫਾਰਮੈਟ ਵਿੱਚ ਹੋਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਪਰਫਾਰਮਾ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰਨ ਲਈ ਇੱਥੇ ਕਲਿੱਕ ਕਰੋ

ਨਿਯਮ ਅਤੇ ਸ਼ਰਤਾਂ

1. ਆਰਥਿਕ ਸਹਾਇਤਾ IndiaAI ਦੁਆਰਾ ਮਨਜ਼ੂਰੀ ਦੇ ਤੌਰ ਤੇ ਖਾਸ ਪ੍ਰਾਜੈਕਟ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਹੈ ਅਤੇ ਇਹ ਨਿਮਨਲਿਖਤ ਹਾਲਾਤ ਦੇ ਅਧੀਨ ਹੋਵੇਗੀ:
   1. ਆਰਥਿਕ ਸਹਾਇਤਾ ਨਿਰਧਾਰਤ ਸਮੇਂ ਦੇ ਅੰਦਰ ਪ੍ਰੋਜੈਕਟ ਲਈ ਖਰਚ ਕੀਤੀ ਜਾਵੇਗੀ
   2. ਆਰਥਿਕ ਸਹਾਇਤਾ ਦਾ ਕੋਈ ਵੀ ਹਿੱਸਾ ਜੋ ਪ੍ਰਵਾਨਿਤ ਉਦੇਸ਼ਾਂ ਲਈ ਖਰਚੇ ਲਈ ਆਖਰਕਾਰ ਲੋੜੀਂਦਾ ਨਹੀਂ ਹੈ, ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ IndiaAI ਨੂੰ ਸੌਂਪ ਦਿੱਤਾ ਜਾਵੇਗਾ।
2. IndiaAI ਆਰਥਿਕ ਸਹਾਇਤਾ ਦੁਆਰਾ ਚਲਾਏ ਜਾ ਰਹੇ ਪ੍ਰੋਜੈਕਟ ਲਈ, ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਸੰਸਥਾ ਦੁਆਰਾ ਕਿਸੇ ਹੋਰ ਵਿੱਤੀ ਸਹਾਇਤਾ ਲਈ ਅਰਜ਼ੀ ਜਾਂ ਉਸੇ ਪ੍ਰੋਜੈਕਟ ਲਈ ਕਿਸੇ ਹੋਰ ਏਜੰਸੀ/ਮੰਤਰਾਲੇ/ਵਿਭਾਗ ਤੋਂ ਆਰਥਿਕ ਸਹਾਇਤਾ/ਕਰਜ਼ੇ ਦੀ ਪ੍ਰਾਪਤੀ ਲਈ IndiaAI ਦੀ ਅਗਾਊਂ ਇਜਾਜ਼ਤ/ਪ੍ਰਵਾਨਗੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
3. ਜਿਸ ਪ੍ਰੋਜੈਕਟ ਲਈ ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਹੈ, ਉਸ ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਸੰਸਥਾ ਨੂੰ ਇਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਆਗਿਆ ਨਹੀਂ ਹੈ, ਕਿਸੇ ਹੋਰ ਸੰਸਥਾ ਨੂੰ ਅਤੇ ਬਾਅਦ ਦੀ ਸੰਸਥਾ ਨੂੰ ਸਹਾਇਤਾ ਦੇ ਰੂਪ ਵਿੱਚ IndiaAI ਤੋਂ ਪ੍ਰਾਪਤ ਆਰਥਿਕ ਸਹਾਇਤਾ ਨੂੰ ਵਾਪਿਸ ਕਰਨ ਦੀ ਆਗਿਆ ਨਹੀਂ ਹੈ।
4. ਜਾਂਚਕਰਤਾ(ਜਾਂਚਕਰਤਾਵਾਂ) ਨੂੰ IndiaAI ਦੀ ਅਗਾਊਂ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ ਇਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਕਿਸੇ ਵਿਦੇਸ਼ੀ ਧਿਰ (ਵਿਅਕਤੀਗਤ/ਅਕਾਦਮਿਕ ਸੰਸਥਾ/ਉਦਯੋਗ) ਨਾਲ ਸਹਿਯੋਗ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ।
5. ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਸੰਸਥਾ ਨੂੰ IPR/ਟੈਕਨੋਲੋਜੀ ਟ੍ਰਾਂਸਫਰ/ਵਪਾਰੀਕਰਨ ਦੀ ਕਿਸੇ ਵੀ ਉਲੰਘਣਾ/ਲਾਇਸੈਂਸਿੰਗ/IPR ਦੀ ਕਿਸੇ ਵੀ ਉਲੰਘਣਾ/ਤਕਨਾਲੋਜੀ ਟ੍ਰਾਂਸਫਰ/ਵਪਾਰੀਕਰਨ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਕਾਨੂੰਨੀ ਅਤੇ/ਜਾਂ ਆਰਥਿਕ ਦਬਾਅ ਤੋਂ IndiaAI ਨੂੰ ਮੁਆਵਜ਼ਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ।
6. ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਨਾਲ ਜੁੜੇ ਕਿਸੇ ਵੀ ਮਾਮਲੇ 'ਤੇ ਕੋਈ ਵੀ ਵਿਵਾਦ, ਸਕੱਤਰ, MeitY, ਜਾਂ CEO, IndiaAI ਦਾ ਫੈਸਲਾ ਅੰਤਿਮ ਹੋਵੇਗਾ ਅਤੇ ਆਰਥਿਕ ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੀ ਸੰਸਥਾ ਲਈ ਲਾਜ਼ਮੀ ਹੋਵੇਗਾ।
7. MeitY ਜਾਂ IndiaAI ਭਾਰਤ ਸਰਕਾਰ ਦੇ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਦਰਸਾਉੰਦੇ ਹੋਏ ਸਮੇਂ-ਸਮੇਂ ਤੇ ਆਰਥਿਕ ਸਹਾਇਤਾ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ ਵਾਲੀਆਂ ਇਨ੍ਹਾਂ ਨਿਯਮਾਂ ਅਤੇ ਸ਼ਰਤਾਂ ਨੂੰ ਸੋਧਣ ਦਾ ਅਧਿਕਾਰ ਸੁਰੱਖਿਅਤ ਰੱਖਦਾ ਹੈ।
8. ਸਾਰੇ ਭਾਗ ਲੈਣ ਵਾਲੀਆਂ ਆਦਾਰੇ/ਸੰਸਥਾਵਾਂ ਲਈ ਇਹ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਉਹ ਸਮੁੱਚੇ ਪ੍ਰੋਜੈਕਟ ਦੀ ਮਿਆਦ ਦੌਰਾਨ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਜਿਵੇਂ ਕਿ ਵਰਕਸਟੇਸ਼ਨ/ਸਰਵਰ (ਕੰਮ ਕਰਨ ਦੀ ਸਥਿਤੀ ਵਿੱਚ), ਲੈਬ ਸਟਾਫ ਆਦਿ ਉਪਲਬਧ ਕਰਵਾਉਣ। ਪ੍ਰੋਜੈਕਟ ਦੇ ਤਹਿਤ ਵਰਕਸਟੇਸ਼ਨ, ਸਰਵਰ, ਲੈਪਟਾਪ ਆਦਿ ਵਰਗੇ ਕੋਈ ਵੱਖਰੇ ਹਾਰਡਵੇਅਰ ਪਲੇਟਫਾਰਮ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤੇ ਜਾਣਗੇ।
9. MeitY ਜਾਂ IndiaAI ਸਾਰੇ ਸਹਾਇਕ ਦਸਤਾਵੇਜ਼ (ਜਿਵੇਂ ਕਿ AICTE ਮਾਨਤਾ ਸਰਟੀਫਿਕੇਟ, NBA (ਨੈਸ਼ਨਲ ਬੋਰਡ ਆਫ਼ ਅਕ੍ਰੇਡਟੈਸ਼ਨ), NAAC (UGC ਦੀ ਨੈਸ਼ਨਲ ਅਸੇਸਮੈਂਟ ਐਂਡ ਅਕ੍ਰੇਡਟੈਸ਼ਨ ਕੌਂਸਲ), ਸਟਾਰਟਅੱਪ ਸਰਟੀਫਿਕੇਟ ਆਦਿ) ਨੂੰ ਲੋੜ ਪੈਣ 'ਤੇ ਸ਼੍ਰੇਣੀ ਦੇ ਅਧਾਰ 'ਤੇ ਪੇਸ਼ ਕਰਨ ਲਈ ਕਹਿਣ ਦਾ ਅਧਿਕਾਰ ਰਾਖਵਾਂ ਰੱਖਦਾ ਹੈ।

ਵਿਸਤ੍ਰਿਤ ਨਿਯਮ ਅਤੇ ਸ਼ਰਤਾਂ ਲਈ ਕਿਰਪਾ ਕਰਕੇ ਇੱਥੇ ਇੱਥੇ ਕਲਿੱਕ ਕਰੋ।

ਸਮਾਂ-ਸੀਮਾ