ന്യൂഡൽഹി, നവംബർ 3, 2026

ഒരു പരിശോധനാചിത്രം നോക്കി രോഗസൂചന കണ്ടെത്താൻ ഡോക്ടറെ സഹായിക്കുന്ന കമ്പ്യൂട്ടർ. ഒരു ചെറിയ കടയുടെ വരവുചെലവുകൾ വിലയിരുത്തി വായ്പ തിരിച്ചടയ്ക്കാനുള്ള ശേഷി മനസ്സിലാക്കാൻ ബാങ്കിനെ സഹായിക്കുന്ന മറ്റൊരു സംവിധാനം. സംശയകരമായ പണമിടപാടുകൾ കണ്ടെത്തി മുന്നറിയിപ്പു നൽകുന്ന സാമ്പത്തിക സഹായി.

2027ലേക്ക് കടക്കാനൊരുങ്ങുന്ന ഇന്ത്യയിൽ, ഇത്തരം വിദഗ്ധ എഐ സഹായികളുടെ വികസനത്തിന് വഴിയൊരുക്കുന്ന ഒരു രൂപരേഖയാണ് കേന്ദ്രസർക്കാർ അവതരിപ്പിച്ചിരിക്കുന്നത്. ഡെപ ഫോർ എഐ ട്രെയിനിങ് എന്നാണ് പേര്. കൃത്രിമബുദ്ധിയെ പഠിപ്പിക്കാൻ ആവശ്യമായ വിവരങ്ങൾ, സ്വകാര്യത സംരക്ഷിച്ചുകൊണ്ട് ഉപയോഗിക്കാൻ സഹായിക്കുകയാണ് ലക്ഷ്യം.

എന്നാൽ 2027ൽ ‘എഐ ഡോക്ടറും സാമ്പത്തിക വിദഗ്ധനും’ തയ്യാറാകുമെന്ന് സർക്കാർ സമയപരിധി പ്രഖ്യാപിച്ചിട്ടില്ല. കൈപ്പുസ്തകത്തിലും ഔദ്യോഗിക പ്രകാശന അറിയിപ്പിലും അത്തരമൊരു ഉറപ്പില്ല. ആരോഗ്യവും ധനകാര്യവും ഉൾപ്പെടെയുള്ള മേഖലകളിൽ മികച്ച എഐ സംവിധാനങ്ങൾ വികസിപ്പിക്കാനുള്ള നിർദേശങ്ങളാണ് നൽകിയിരിക്കുന്നത്.

കേന്ദ്ര ഇലക്ട്രോണിക്സ് വിവരസാങ്കേതിക മന്ത്രാലയം ഒക്ടോബർ 31ന് ബെംഗളൂരുവിലാണ് കൈപ്പുസ്തകം അവതരിപ്പിച്ചത്. ഐസ്പിരിറ്റ് ഫൗണ്ടേഷന്റെ സഹകരണത്തോടെയാണ് ഇത് തയ്യാറാക്കിയത്.

ആദ്യം എഐയെ പഠിപ്പിക്കണം

ഒരു കുട്ടിക്ക് പൂച്ചയെയും നായയെയും തിരിച്ചറിയാൻ പഠിപ്പിക്കുന്നതു സങ്കൽപ്പിക്കുക. പല ചിത്രങ്ങൾ കാണിച്ചുകൊടുക്കും. ഏതാണ് പൂച്ച, ഏതാണ് നായ എന്നു പറഞ്ഞുകൊടുക്കും. പലതവണ കാണുമ്പോൾ കുട്ടി അവ തമ്മിലുള്ള വ്യത്യാസം മനസ്സിലാക്കും.

കമ്പ്യൂട്ടറിനും ധാരാളം ഉദാഹരണങ്ങൾ നൽകി ചില കാര്യങ്ങൾ തിരിച്ചറിയാൻ പഠിപ്പിക്കാം. വിവരങ്ങളിൽനിന്ന് രീതികളും ബന്ധങ്ങളും കണ്ടെത്താൻ കമ്പ്യൂട്ടറിനെ സഹായിക്കുന്ന സാങ്കേതികവിദ്യയാണ് എഐ അഥവാ കൃത്രിമബുദ്ധി.

പഠിക്കാൻ നൽകുന്ന ചിത്രങ്ങളും കണക്കുകളും രേഖകളുമാണ് ഡേറ്റ — വിവരങ്ങൾ. ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് കമ്പ്യൂട്ടർ സംവിധാനത്തെ പഠിപ്പിക്കുന്നതാണ് എഐ ട്രെയിനിങ് — കൃത്രിമബുദ്ധി പരിശീലനം. പരിശീലനത്തിലൂടെ ഒരു പ്രത്യേക ജോലി ചെയ്യാൻ പഠിച്ച സംവിധാനമാണ് എഐ മോഡൽ.

രോഗസൂചനകൾ കണ്ടെത്താൻ പഠിപ്പിക്കണമെങ്കിൽ, രോഗമുള്ളവരുടെയും ഇല്ലാത്തവരുടെയും നിരവധി പരിശോധനാചിത്രങ്ങൾ വേണ്ടിവരും. സാമ്പത്തിക തട്ടിപ്പുകൾ കണ്ടെത്താൻ പഠിപ്പിക്കണമെങ്കിൽ, സാധാരണ ഇടപാടുകളും തട്ടിപ്പുമായി ബന്ധപ്പെട്ട ഇടപാടുകളും പഠിക്കേണ്ടിവരും.

പഠിപ്പിക്കുന്ന വിവരങ്ങൾ തെറ്റാണെങ്കിലോ ഒരു വിഭാഗത്തിന്റെ വിവരങ്ങൾ മാത്രം ഉൾപ്പെട്ടതാണെങ്കിലോ എഐക്കും തെറ്റുപറ്റാം. അതിനാൽ ധാരാളം വിവരങ്ങൾ മാത്രം പോരാ; ശരിയായതും വ്യത്യസ്ത സാഹചര്യങ്ങളെ പ്രതിനിധീകരിക്കുന്നതുമായ വിവരങ്ങൾ വേണം.

വിവരങ്ങളുണ്ടായിട്ടും പഠിപ്പിക്കാൻ കഴിയാത്തത് എന്തുകൊണ്ട്?

വിവരങ്ങൾ പല സ്ഥലങ്ങളിലായി പിരിഞ്ഞുകിടക്കുന്നു. ഒരു ആശുപത്രിയിലെ രോഗവിവരങ്ങൾ അവിടെ മാത്രം. മറ്റൊരു ആശുപത്രിയിലെ വിവരങ്ങൾ മറ്റൊരിടത്ത്. ബാങ്കുകളുടെ കാര്യത്തിലും ഇതുതന്നെ. ഇവ സുരക്ഷിതമായി ചേർത്തുപഠിക്കാൻ പൊതുവായ സംവിധാനം കുറവാണ്. ഇങ്ങനെ ഒറ്റപ്പെട്ടുകിടക്കുന്ന വിവരശേഖരങ്ങളെയാണ് ഡേറ്റ സൈലോസ് എന്നു പറയുന്നത്.

സ്വകാര്യവിവരങ്ങൾ പുറത്തുപോകുമെന്ന ഭയമുണ്ട്. രോഗിയുടെ പരിശോധനാഫലമോ ഒരാളുടെ ബാങ്ക് ഇടപാടുകളോ മറ്റുള്ളവരുടെ കൈകളിലെത്തിയാൽ ദുരുപയോഗമുണ്ടാകാം. വിവരങ്ങൾ സൂക്ഷിക്കുന്ന സ്ഥാപനങ്ങൾ അതുകൊണ്ട് പങ്കിടാൻ മടിക്കുന്നു.

പേരുകൾ നീക്കിയാലും ആളെ കണ്ടെത്താൻ കഴിഞ്ഞേക്കാം. പേരും ഫോൺനമ്പറും മായ്ച്ച ഒരു രോഗരേഖയിലുണ്ടെന്ന് കരുതുക. എന്നാൽ പ്രായവും പ്രദേശവും ആശുപത്രിയിലെത്തിയ ദിവസവും മറ്റൊരു രേഖയുമായി ചേർത്തുനോക്കിയാൽ രോഗിയെ തിരിച്ചറിയാൻ കഴിഞ്ഞേക്കാം. പേര് മായ്ക്കുന്നതുകൊണ്ടുമാത്രം സ്വകാര്യത ഉറപ്പാകുന്നില്ല.

സ്ഥാപനങ്ങൾക്കും രഹസ്യങ്ങളുണ്ട്. ബാങ്കിന്റെ ഇടപാടുരീതികൾ, കമ്പനിയുടെ വ്യാപാരവിവരങ്ങൾ, ഗവേഷണസ്ഥാപനത്തിന്റെ കണ്ടെത്തലുകൾ എന്നിവ മത്സരിക്കുന്ന മറ്റൊരു സ്ഥാപനത്തിന് ലഭിക്കുമോ എന്ന ആശങ്കയുമുണ്ട്.

കമ്പ്യൂട്ടർ സംവിധാനങ്ങൾ തമ്മിൽ പൊരുത്തക്കേടുണ്ട്. ഒരിടത്ത് രേഖപ്പെടുത്തിയ വിവരം മറ്റൊരിടത്തെ കമ്പ്യൂട്ടറിന് വായിക്കാനാവണമെന്നില്ല. ഒരേ കാര്യത്തിന് വ്യത്യസ്ത പേരുകളും അളവുകളും ഉപയോഗിച്ചിരിക്കാം. ഇവ ഒത്തുചേർക്കാൻ ജോലിയും ചെലവും വേണം.

ഉത്തരവാദിത്തവും പ്രയോജനവും വ്യക്തമാകണം. വിവരങ്ങൾ എന്തിനാണ് ഉപയോഗിക്കുന്നത്? ദുരുപയോഗമുണ്ടായാൽ ആരാണ് ഉത്തരവാദി? വിവരങ്ങൾ തയ്യാറാക്കി നൽകുന്ന സ്ഥാപനത്തിന് എന്താണ് പ്രയോജനം? ഇത്തരം ചോദ്യങ്ങൾക്ക് വ്യക്തമായ ഉത്തരമില്ലെങ്കിൽ സഹകരണം മുന്നോട്ടുപോകില്ല.

ഈ തടസ്സങ്ങൾ കാരണം ചെറിയ സംരംഭങ്ങൾക്കും ഗവേഷകർക്കും ആവശ്യമായ വിവരങ്ങൾ ലഭിക്കാതെ വരുന്നു. ഇന്ത്യയിലെ ജീവിതസാഹചര്യങ്ങൾ വേണ്ടത്ര ഉൾപ്പെടാത്ത വിവരങ്ങൾകൊണ്ട് പഠിച്ച എഐക്ക് ഇവിടത്തെ ആവശ്യങ്ങൾ കൃത്യമായി മനസ്സിലാക്കാനും ബുദ്ധിമുട്ടുണ്ടാകാം.

സർക്കാർ നിർദേശിക്കുന്ന പരിഹാരം

Data Empowerment and Protection Architecture എന്നതിന്റെ ചുരുക്കമാണ് DEPA — ഡെപ. വിവരങ്ങൾ സംരക്ഷിച്ചുകൊണ്ട് അവയുടെ പ്രയോജനം ലഭ്യമാക്കാനുള്ള രൂപരേഖ എന്ന് ലളിതമായി പറയാം.

ആശുപത്രികളും ബാങ്കുകളും ഗവേഷകരും എഐ വികസിപ്പിക്കുന്ന കമ്പനികളും ചില പൊതുനിബന്ധനകൾ പാലിച്ച് സഹകരിക്കണം. ആരാണ് എന്ത് ആവശ്യത്തിനുവേണ്ടി വിവരങ്ങൾ ഉപയോഗിക്കുന്നതെന്ന് വ്യക്തമാകണം. അതു പരിശോധിക്കാൻ സാങ്കേതിക സംവിധാനങ്ങളും മേൽനോട്ടവും ഉണ്ടാകണം.

ഒരു ലൈബ്രറിയിലെ അപൂർവ പുസ്തകത്തിന്റെ കാര്യം ചിന്തിക്കാം. അത് വീട്ടിലേക്ക് കൊണ്ടുപോകാൻ അനുവദിക്കില്ല. എന്നാൽ സുരക്ഷിതമായ വായനമുറിയിൽവച്ച് പഠിക്കാൻ അനുവദിക്കും.

ഡെപയിലെ പ്രധാന ആശയവും ഇതിനോട് സാമ്യമുള്ളതാണ്. വ്യക്തികളുടെ അസൽ വിവരങ്ങൾ എഐ വികസിപ്പിക്കുന്നവരുടെ കൈകളിലേക്ക് നേരിട്ട് കൊടുക്കാതെ, നിയന്ത്രിത കമ്പ്യൂട്ടർ സംവിധാനത്തിനുള്ളിൽ എഐയെ പഠിപ്പിക്കുക.

ഇത് പ്രവർത്തിക്കുന്ന രീതി ഒരു സങ്കൽപ്പ ഉദാഹരണത്തിലൂടെ നോക്കാം. മൂന്ന് ആശുപത്രികൾ ചേർന്ന് പരിശോധനാചിത്രങ്ങളിലെ രോഗസൂചനകൾ കണ്ടെത്താൻ സഹായിക്കുന്ന എഐ വികസിപ്പിക്കാനൊരുങ്ങുന്നു എന്നു കരുതുക.

ആദ്യ പടി — പഠിപ്പിക്കാനുള്ള വിവരങ്ങൾ തയ്യാറാക്കുന്നു

ആശുപത്രികൾ ആവശ്യമായ പരിശോധനാചിത്രങ്ങളും അനുബന്ധ വിവരങ്ങളും തിരഞ്ഞെടുത്ത് ക്രമീകരിക്കുന്നു. വ്യക്തിയെ തിരിച്ചറിയാൻ സഹായിക്കുന്ന പേരും വിലാസവും പോലുള്ള വിവരങ്ങൾ നീക്കുകയോ മാറ്റുകയോ ചെയ്യുന്നു.

ഇതിനെയാണ് അനോണിമൈസേഷൻ — വ്യക്തിയെ തിരിച്ചറിയാതാക്കാനുള്ള പ്രക്രിയ എന്നു പറയുന്നത്.

വിവരങ്ങൾ അനുമതിയില്ലാത്തവർക്ക് വായിക്കാനാകാത്ത രഹസ്യരൂപത്തിലാക്കുകയും ചെയ്യുന്നു. ഇതാണ് എൻക്രിപ്ഷൻ — വിവരങ്ങളുടെ രഹസ്യവത്കരണം. പെട്ടിക്ക് പൂട്ടിടുന്നതുപോലുള്ള ഒരു സംരക്ഷണമായി ഇതിനെ മനസ്സിലാക്കാം.

തുടർന്ന് ഏതു തരത്തിലുള്ള വിവരങ്ങളാണുള്ളത്, എവിടെനിന്നാണ് ലഭിച്ചത്, എന്തൊക്കെ നിയന്ത്രണങ്ങളുണ്ട് തുടങ്ങിയ കാര്യങ്ങൾ രജിസ്റ്റർ ചെയ്യുന്നു. ആവശ്യമായ സമ്മതവും ഉപയോഗത്തിനുള്ള അനുമതികളും ഉറപ്പാക്കണം. ഗവേഷണത്തിനാണെന്ന കാരണത്താൽ മാത്രം സ്വകാര്യവിവരങ്ങൾ ഇഷ്ടംപോലെ ഉപയോഗിക്കാനാവില്ല.

രണ്ടാം പടി — ഗവേഷകർ ആവശ്യവും ഉപയോഗവും വ്യക്തമാക്കുന്നു

എഐ വികസിപ്പിക്കുന്ന സംഘം അപേക്ഷ നൽകുന്നു. എന്താണ് ഉണ്ടാക്കുന്നത്, അതിന് എന്ത് വിവരങ്ങൾ വേണം, അവ എന്തിനാണ് ഉപയോഗിക്കുക എന്നീ കാര്യങ്ങൾ വ്യക്തമാക്കണം.

ഉദാഹരണത്തിന്, പരിശോധനാചിത്രങ്ങളിലെ രോഗസൂചനകൾ കണ്ടെത്താനുള്ള സംവിധാനമാണ് തയ്യാറാക്കുന്നതെന്ന് അപേക്ഷയിൽ പറയാം.

ആശുപത്രിയുടെ നിബന്ധനകൾക്കും സംവിധാനത്തിന്റെ പൊതുനിയമങ്ങൾക്കും അപേക്ഷ യോജിക്കുന്നുണ്ടോ എന്നു പരിശോധിക്കും. അനുവദിക്കുന്ന ഉപയോഗം കരാറിൽ രേഖപ്പെടുത്തും.

ഇതിനായി നിർദേശിക്കുന്നത് ഇലക്ട്രോണിക് കരാർ, അഥവാ കമ്പ്യൂട്ടറിനും വായിച്ച് നിബന്ധനകൾ പരിശോധിക്കാവുന്ന ഡിജിറ്റൽ കരാറാണ്. കരാറിൽ അനുവദിച്ച ആവശ്യത്തിനനുസരിച്ചാണോ പ്രവേശനം ചോദിക്കുന്നതെന്ന് സംവിധാനത്തിന് പരിശോധിക്കാം.

നിയമനിബന്ധനകൾ സാങ്കേതികവിദ്യയുടെ സഹായത്തോടെ നടപ്പാക്കുന്ന ഈ രീതിയെ ടെക്നോ ലീഗൽ സമീപനം എന്നു വിളിക്കുന്നു.

മൂന്നാം പടി — സുരക്ഷിത സംവിധാനത്തിനുള്ളിൽ എഐ പഠിക്കുന്നു

അനുമതി ലഭിച്ചാൽ നിയന്ത്രിത കമ്പ്യൂട്ടർ സംവിധാനത്തിനുള്ളിൽ പരിശീലനം നടക്കും.

ഇതാണ് സെക്യൂർ ഡേറ്റ എൻവയൺമെന്റ് — വിവരങ്ങൾ സുരക്ഷിതമായി കൈകാര്യം ചെയ്യുന്ന കമ്പ്യൂട്ടർ അന്തരീക്ഷം. നേരത്തേ പറഞ്ഞ ലൈബ്രറിയിലെ സുരക്ഷിത വായനമുറിപോലെയാണ് ഇതിന്റെ ലക്ഷ്യം.

എഐക്ക് ധാരാളം പരിശോധനാചിത്രങ്ങളിലെ പൊതുവായ രീതികൾ പഠിക്കാം. എന്നാൽ രോഗികളുടെ അസൽ വിവരങ്ങൾ വികസിപ്പിക്കുന്ന സംഘത്തിന് നേരിട്ട് ലഭിക്കുന്നത് തടയാനുള്ള നിയന്ത്രണങ്ങൾ ഉണ്ടായിരിക്കണം.

പേരുകൾ നീക്കിയതിനു പുറമേ മറ്റൊരു സംരക്ഷണവും നിർദേശിക്കുന്നു. അതാണ് ഡിഫറൻഷ്യൽ പ്രൈവസി. പൊതുവായ കണക്കുകൾ പഠിക്കാൻ അനുവദിക്കുമ്പോഴും, അവയിൽനിന്ന് ഒരാളെക്കുറിച്ചുള്ള സ്വകാര്യവിവരം കണ്ടെത്താനുള്ള സാധ്യത കുറയ്ക്കുന്ന ഗണിതരീതിയാണിത്.

ഇതിനായി കണക്കുകൂട്ടലുകളിലോ പുറത്തുവരുന്ന ഫലങ്ങളിലോ നിയന്ത്രിതമായ ചെറിയ വ്യതിയാനങ്ങൾ ചേർക്കാം. ഒരാളുടെ വിവരം ചേർത്താലും ഒഴിവാക്കിയാലും ഫലത്തിൽ വലിയ വ്യത്യാസമുണ്ടാകാതിരിക്കാനാണ് ശ്രമിക്കുന്നത്. ചികിത്സയ്ക്കുള്ള രോഗരേഖ തെറ്റിച്ചെഴുതുക എന്നതല്ല ഇതിന്റെ അർഥം.

ആരാണ് സംവിധാനം ഉപയോഗിച്ചത്, എന്ത് പ്രവർത്തനം നടത്തി തുടങ്ങിയ കാര്യങ്ങളും രേഖപ്പെടുത്തും. ഓരോ പ്രവേശനത്തിനും തിരിച്ചറിയലും അധികാരവും പരിശോധിക്കണം.

കൈപ്പുസ്തകത്തിൽ തിരിച്ചറിയൽവിവരങ്ങൾ നീക്കിയ വിവരസമാഹാരങ്ങൾ നിബന്ധനകൾക്കനുസരിച്ച് ഡൗൺലോഡ് ചെയ്യാനുള്ള മറ്റൊരു വഴിയും പറയുന്നുണ്ട്. ഇവിടെ വിശദീകരിക്കുന്നത് സ്വകാര്യത ആവശ്യമായ ആരോഗ്യ–ധനകാര്യ വിവരങ്ങൾക്ക് നിർദേശിക്കുന്ന സുരക്ഷിത പരിശീലനരീതിയാണ്.

നാലാം പടി — എഐയെ പരീക്ഷിക്കുന്നു

പഠിപ്പിച്ചുകഴിഞ്ഞാൽ എഐ ശരിയായി പ്രവർത്തിക്കുന്നുണ്ടോ എന്നു പരിശോധിക്കണം.

സ്കൂളിൽ പാഠം പഠിച്ചശേഷം പരീക്ഷ നടത്തുന്നതുപോലെ, പരിശീലനത്തിൽ കാണാത്ത പുതിയ ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് അതിന്റെ കഴിവ് പരിശോധിക്കാം.

രോഗമുള്ളപ്പോൾ രോഗസൂചന കണ്ടെത്തുന്നുണ്ടോ? രോഗമില്ലാത്തപ്പോൾ തെറ്റായ മുന്നറിയിപ്പ് നൽകുന്നുണ്ടോ? വ്യത്യസ്ത പ്രായക്കാരിൽ ഫലം എങ്ങനെയാണ്? സ്വകാര്യവിവരങ്ങൾ പുറത്തുപോകാനുള്ള സാധ്യതയുണ്ടോ? തുടങ്ങിയ കാര്യങ്ങൾ വിലയിരുത്തണം.

ചില വിഭാഗങ്ങൾക്ക് കൂടുതൽ തെറ്റായ ഫലം ലഭിക്കുന്നുണ്ടോ എന്നും പരിശോധിക്കും. ഇത്തരത്തിലുള്ള ചായ്വിനെയാണ് ബയസ് — പക്ഷപാതം എന്നു പറയുന്നത്.

ആരോഗ്യവും പണവും സംബന്ധിച്ച തീരുമാനങ്ങളിൽ തെറ്റുകൾ വലിയ പ്രശ്നമാകാം. അതിനാൽ സ്വതന്ത്ര പരിശോധനയും ആവശ്യമായ സുരക്ഷാവിലയിരുത്തലും കഴിഞ്ഞേ പരീക്ഷണാടിസ്ഥാനത്തിലുള്ള ഉപയോഗത്തിലേക്ക് കടക്കാവൂ എന്നാണ് കൈപ്പുസ്തകത്തിലെ നിർദേശം.

അഞ്ചാം പടി — ചെറിയ തോതിൽ ഉപയോഗിച്ച് തുടർച്ചയായി നിരീക്ഷിക്കുന്നു

പരിശോധനകൾ വിജയിച്ചാൽ ആദ്യം പരിമിതമായ സാഹചര്യത്തിൽ ഉപയോഗിച്ചു നോക്കും. ഇതാണ് പൈലറ്റ് പദ്ധതി — ചെറിയ തോതിലുള്ള പരീക്ഷണപ്രയോഗം.

യഥാർഥ സാഹചര്യത്തിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നു മനസ്സിലാക്കിയശേഷമാണ് കൂടുതൽ സ്ഥലങ്ങളിലേക്ക് വ്യാപിപ്പിക്കേണ്ടത്.

ഉപയോഗം തുടങ്ങിയാൽ പരിശോധന അവസാനിക്കില്ല. തെറ്റുകൾ കൂടുന്നുണ്ടോ, സുരക്ഷാപ്രശ്നങ്ങളുണ്ടോ, നിശ്ചയിച്ച ആവശ്യത്തിനാണോ ഉപയോഗിക്കുന്നത് എന്നിവ തുടർന്നും നിരീക്ഷിക്കണം. നിബന്ധനലംഘനമുണ്ടെങ്കിൽ നടപടി സ്വീകരിക്കാൻ മേൽനോട്ടസംവിധാനവും വേണം.

ആരോഗ്യരംഗത്ത് എന്തു മാറ്റം പ്രതീക്ഷിക്കാം?

രോഗസൂചനകൾ കണ്ടെത്താൻ കൂടുതൽ സഹായം ലഭിക്കാം. വിവിധ ആശുപത്രികളിലെ വ്യത്യസ്ത പരിശോധനാചിത്രങ്ങൾ പഠിച്ച എഐക്ക്, ഡോക്ടർ കൂടുതൽ ശ്രദ്ധിക്കേണ്ട ഭാഗങ്ങൾ ചൂണ്ടിക്കാട്ടാൻ കഴിയാം. ഉദാഹരണത്തിന്, ഒരു ചിത്രത്തിലെ സംശയകരമായ ഭാഗം അടയാളപ്പെടുത്തി വിശദപരിശോധനയ്ക്ക് സഹായിക്കാം.

ഇന്ത്യയിലെ ആളുകൾക്ക് അനുയോജ്യമായ സംവിധാനങ്ങൾ വികസിപ്പിക്കാം. പല പ്രദേശങ്ങളിലും പ്രായവിഭാഗങ്ങളിലും നിന്നുള്ള വിവരങ്ങൾ ഉൾപ്പെടുത്തിയാൽ, ഇവിടത്തെ രോഗസാഹചര്യങ്ങൾ കൂടുതൽ നന്നായി പഠിക്കാൻ അവസരമുണ്ടാകും.

രോഗവ്യാപനത്തിന്റെ സൂചനകൾ നേരത്തേ കണ്ടെത്താൻ സഹായിക്കാം. പല ആശുപത്രികളിലുമെത്തുന്ന രോഗികളുടെ പൊതുവായ വിവരങ്ങളും പ്രദേശവിവരങ്ങളും ചേർത്തുപഠിച്ചാൽ ഒരു രോഗം എവിടെയാണ് കൂടുന്നതെന്നു കണ്ടെത്താൻ സഹായകമാകാം.

മരുന്നുഗവേഷണം മെച്ചപ്പെടുത്താം. ചികിത്സാഫലങ്ങളും പരീക്ഷണവിവരങ്ങളും പഠിച്ച് കൂടുതൽ ഗവേഷണം വേണ്ട മരുന്നുകളെയോ ചികിത്സാമാർഗങ്ങളെയോ കണ്ടെത്താൻ സഹായിക്കാം. തുടർന്ന് ആവശ്യമായ പരിശോധനകൾ നടത്തേണ്ടതുണ്ട്.

ഇവിടെയുള്ള ‘എഐ ഡോക്ടർ’ എന്ന പ്രയോഗം, ചികിത്സാസംബന്ധമായ ജോലികളിൽ സഹായിക്കുന്ന കമ്പ്യൂട്ടർ സംവിധാനമെന്ന അർഥത്തിലാണ് മനസ്സിലാക്കേണ്ടത്. ഗുരുതരമായ ആരോഗ്യപ്രത്യാഘാതമുണ്ടാക്കാവുന്ന എഐ സംവിധാനങ്ങളിൽ മനുഷ്യന്റെ മേൽനോട്ടവും ആവശ്യമെങ്കിൽ ഇടപെട്ട് നിയന്ത്രിക്കാനുള്ള സംവിധാനവും വേണമെന്ന് ഇന്ത്യൻ കൗൺസിൽ ഓഫ് മെഡിക്കൽ റിസർച്ചിന്റെ മാർഗനിർദേശങ്ങളും വ്യക്തമാക്കുന്നു.

ധനകാര്യരംഗത്ത് എന്തു മാറ്റം പ്രതീക്ഷിക്കാം?

ഒരു ചെറിയ കട നടത്തുന്ന വ്യക്തിയെ സങ്കൽപ്പിക്കുക. അയാൾ മുമ്പ് ബാങ്കിൽനിന്ന് വായ്പ എടുത്തിട്ടില്ല. അതുകൊണ്ട് പഴയ വായ്പ തിരിച്ചടച്ച ചരിത്രവും ഇല്ല. എന്നാൽ കടയ്ക്ക് സ്ഥിരമായി വരുമാനമുണ്ട്; ബില്ലുകളും കൃത്യമായി അടയ്ക്കുന്നു.

ഇത്തരത്തിലുള്ള വ്യത്യസ്ത വിവരങ്ങൾ ഉപയോഗിച്ച് വായ്പ തിരിച്ചടയ്ക്കാനുള്ള ശേഷി വിലയിരുത്തുന്ന സംവിധാനങ്ങൾ വികസിപ്പിക്കാനാണ് സാധ്യത.

പലരുടെയും ഇടപാടുകളിലെ പൊതുവായ രീതികൾ ഉപയോഗിച്ചാണ് എഐയെ പരിശീലിപ്പിക്കുന്നത്. പരിശീലനം കഴിഞ്ഞ സംവിധാനം ഒരു പുതിയ അപേക്ഷ വിലയിരുത്താൻ സഹായിക്കും. ആ വ്യക്തിയുടെ വിവരങ്ങൾ ഉപയോഗിക്കുമ്പോഴും ബാധകമായ അനുമതികളും നിയന്ത്രണങ്ങളും പാലിക്കണം.

വായ്പാ വിലയിരുത്തൽ കൂടുതൽ സമഗ്രമാകാം. പഴയ വായ്പാചരിത്രത്തിനൊപ്പം മറ്റു പ്രസക്തമായ വിവരങ്ങളും പരിഗണിക്കാൻ സഹായിക്കാം. ഇതുകൊണ്ട് എല്ലാവർക്കും വായ്പ ഉറപ്പാകുമെന്നില്ല; അപേക്ഷ കൂടുതൽ നന്നായി വിലയിരുത്താനുള്ള സാധ്യതയാണ് ഉണ്ടാകുന്നത്.

സാമ്പത്തിക തട്ടിപ്പുകളുടെ സൂചനകൾ കണ്ടെത്താൻ സഹായിക്കാം. ധാരാളം ഇടപാടുകൾ പഠിച്ച എഐക്ക് അസാധാരണമായ രീതികൾ തിരിച്ചറിഞ്ഞ് പരിശോധനയ്ക്കായി മുന്നറിയിപ്പ് നൽകാൻ കഴിയാം. മുന്നറിയിപ്പ് ലഭിച്ചതുകൊണ്ടുമാത്രം ഒരു ഇടപാട് തട്ടിപ്പാണെന്ന് ഉറപ്പിക്കാനാവില്ല.

ബാങ്കുകളുടെ അപകടസാധ്യതാ വിലയിരുത്തൽ മെച്ചപ്പെടാം. ഏതു തരത്തിലുള്ള ഇടപാടുകളിലാണ് കൂടുതൽ പ്രശ്നസാധ്യതയുള്ളതെന്ന് പഠിക്കാനും പരിശോധന കൂടുതൽ ആവശ്യമായവ കണ്ടെത്താനും സഹായിക്കാം.

ഡെപ കൈപ്പുസ്തകത്തിൽ ധനകാര്യവുമായി ബന്ധപ്പെട്ട് പ്രധാനമായി പറയുന്നത് വായ്പാ വിലയിരുത്തൽ, തട്ടിപ്പുകണ്ടെത്തൽ, കൂടുതൽ ആളുകൾക്ക് സാമ്പത്തികസേവനങ്ങൾ ലഭ്യമാക്കൽ എന്നിവയാണ്. പണം നിക്ഷേപിച്ചാൽ ഉറപ്പായ ലാഭം നൽകുന്ന ഒരു ‘എഐ സാമ്പത്തിക വിദഗ്ധനെ’ പ്രഖ്യാപിച്ചിട്ടില്ല.

രൂപരേഖയിൽനിന്ന് സേവനത്തിലേക്ക് ഇനിയും പടികളുണ്ട്

ആരോഗ്യത്തിലും ധനകാര്യത്തിലും പരീക്ഷണപദ്ധതികൾ തുടങ്ങാനാണ് കൈപ്പുസ്തകം നിർദേശിക്കുന്നത്. നിയന്ത്രണാധികാരികളുടെ മേൽനോട്ടത്തിൽ പുതിയ സംവിധാനങ്ങൾ പരീക്ഷിക്കാനുള്ള അവസരവും ഒരുക്കണം.

ഇത്തരം നിയന്ത്രിത പരീക്ഷണസാഹചര്യമാണ് റെഗുലേറ്ററി സാൻഡ്ബോക്സ്. വാഹനമോടിക്കാൻ പഠിക്കുമ്പോൾ ആദ്യം സുരക്ഷിതമായ പരിശീലനസ്ഥലത്ത് പരിശീലിക്കുന്നതുപോലെ ഇതിനെ മനസ്സിലാക്കാം.

വിവരങ്ങൾ നൽകുന്ന സ്ഥാപനങ്ങൾ, എഐ വികസിപ്പിക്കുന്നവർ, സാങ്കേതികവിദഗ്ധർ, പൊതുസമൂഹത്തിന്റെ പ്രതിനിധികൾ തുടങ്ങിയവർ ഉൾപ്പെടുന്ന മേൽനോട്ടവും നിർദേശിക്കുന്നു. വിവരങ്ങൾ തയ്യാറാക്കാനുള്ള ചെലവും അവ നൽകുന്ന സ്ഥാപനങ്ങൾക്ക് ലഭിക്കുന്ന പ്രയോജനവും പരിഗണിക്കണം.

ഡെപയുടെ പ്രധാന സംഭാവന, എഐക്ക് പഠിക്കാനുള്ള വിവരങ്ങൾ സുരക്ഷിതമായി പ്രയോജനപ്പെടുത്താൻ ഒരു വഴി നിർദേശിക്കുന്നു എന്നതാണ്. മികച്ച എഐ സേവനം ലഭിക്കാൻ അതോടൊപ്പം നല്ല പരിശീലനവും ശക്തമായ പരിശോധനയും ഉത്തരവാദിത്തമുള്ള ഉപയോഗവും വേണം.

2027ലേക്കുള്ള പ്രതീക്ഷകൾക്ക് ഈ രൂപരേഖ അടിത്തറയാകാം. എന്നാൽ ഏതു സേവനം എപ്പോൾ ജനങ്ങളിലെത്തുമെന്നത് പരീക്ഷണപദ്ധതികളുടെ പുരോഗതിയും സുരക്ഷയും ആവശ്യമായ അനുമതികളും തീരുമാനിക്കും.

പ്രധാന വിവരങ്ങൾ

ആരോഗ്യ–ധനകാര്യ എഐ പരിശീലനത്തിന് സുരക്ഷിത വിവരസഹകരണം ഒരുക്കുന്നതാണ് ഡെപയുടെ ലക്ഷ്യം.
വിവരങ്ങളുടെ ലഭ്യതക്കുറവും സ്വകാര്യതാഭയവും പ്രധാന തടസ്സങ്ങളാണ്.
നിയന്ത്രിത പരിശീലനവും കരാറുകളും പരിശോധനകളും പരിഹാരമായി നിർദേശിക്കുന്നു.
രോഗനിർണയസഹായവും വായ്പാ വിലയിരുത്തലും തട്ടിപ്പുകണ്ടെത്തലും മെച്ചപ്പെടാം.
2027ൽ ഇവ പൂർത്തിയാകുമെന്ന ഔദ്യോഗിക സമയപരിധി പ്രഖ്യാപിച്ചിട്ടില്ല.

Sources

Ministry of Electronics and Information Technology, Government of India. Data Empowerment and Protection Architecture (DEPA) for AI Training. User-provided handbook, marked “Draft for Discussion”; particularly Sections 1.2, 2.3, 2.4.1, 3.4 and 4.3.

“Data Empowerment and Protection Architecture (DEPA) .pdf” (sandbox:/workspace/scratch/f90b26d4cabd/upload/Data%20Empowerment%20and%20Protection%20Architecture%20%28DEPA%29%20.pdf)

Press Information Bureau, Government of India. ““MeitY Launches DEPA for AI Training Handbook to Advance Trusted Data Collaboration for AI,” 31 October 2026” (https://www.pib.gov.in/PressReleasePage.aspx?PRID=2330756&lang=2&reg=48).

Indian Council of Medical Research. “Ethical Guidelines for Application of Artificial Intelligence in Biomedical Research and Healthcare, 2023” (https://www.icmr.gov.in/icmrobject/custom_data/pdf/Ethical-guidelines/Ethical_Guidelines_AI_Healthcare_2023.pdf).