AI के जवाब पढ़ने में स्वाभाविक लग सकते हैं, फिर भी उनकी बातें ग़लत हो सकती हैं। किसी छवि या पाठ को बना लेना और उसे सार्वजनिक करने की अनुमति होना, ये भी अलग-अलग बातें हैं। इस अध्याय में ठोस उदाहरणों और चरणों के साथ बताया गया है कि जानकारी डालने से पहले, जवाब इस्तेमाल करने से पहले और सार्वजनिक करने से पहले क्या जाँचना है।
इस अध्याय का लक्ष्य
AI के जवाबों की ग़लतियों को पहचानना सीखना और खुद जाँचना कि स्रोत, अधिकार और साझा करने की अनुमति सही है या नहीं। साथ ही, जानकारी डालने या प्रकाशित करने को कब रोकना चाहिए, इसकी कसौटी भी सीखेंगे।
AI इस्तेमाल करते समय पाँच जाँच-बिंदु
लेखन या शोध में AI इस्तेमाल करते समय ध्यान रखने योग्य पाँच बातें यहाँ हैं। कितनी सावधानी बरतनी चाहिए, यह स्थिति पर निर्भर करता है।
हैलुसिनेशन: स्वाभाविक लगने वाले जवाबों को भी मूल स्रोत से जाँचें
हैलुसिनेशन वह स्थिति है जब AI विश्वसनीय लगने वाला, पर ग़लत जवाब देता है। यह आपकी दी गई सामग्री से मेल न खाने वाली बात भी लिख सकता है, और ग़लती के लिए विश्वसनीय दिखने वाला कारण या स्रोत भी जोड़ सकता है।[2]
पाठ बनाना और तथ्यों की जाँच अलग-अलग प्रक्रियाएँ हैं
पाठ बनाने वाले भाषा मॉडल संदर्भ के आगे आने वाले टोकन (अक्षरों या शब्दों के हिस्से जैसी इकाइयाँ) का अनुमान लगाते हैं। वे अक्सर सही सामग्री देते हैं, लेकिन पाठ का स्वाभाविक रूप से जुड़ना और तथ्य के रूप में सही होना, दो अलग बातें हैं। खोज या गणना को जोड़ने वाली सेवाओं में भी आपको खुद जाँचना होगा कि AI ने जिस सामग्री का हवाला दिया या गणना की जो शर्तें थीं, वे सही हैं या नहीं।[2]
मूल नोट
आंतरिक अध्ययन सत्र के लिए बैठक कक्ष केवल अस्थायी रूप से आरक्षित है। तारीख और वक्ता अभी तय नहीं हुए हैं।
ग़लत सूचना का उदाहरण
“अध्ययन सत्र 12 नवंबर को आयोजित होगा। वक्ता बिक्री विभाग के तनाका होंगे, और बैठक कक्ष भी पक्का हो गया है।”
तारीख, वक्ता और स्थान, तीनों ही ऐसी जानकारी हैं जो नोट में नहीं है।
नोट के अनुसार सुधार
“हम एक आंतरिक अध्ययन सत्र की योजना बना रहे हैं। तारीख और वक्ता अभी तय नहीं हुए हैं। बैठक कक्ष अस्थायी रूप से आरक्षित है, और तय होते ही विवरण साझा करेंगे।”
सूचना के रूप में पाठ को ढालते समय, जो बात तय नहीं हुई है वह जुड़ जाती है। हैलुसिनेशन का यह एक परिचित उदाहरण है।
जवाब जाँचने के चार चरण
- जाँचने वाली बातें चुनें संख्याएँ, तारीखें, नाम, उद्धरण और “हम करेंगे” जैसे वादे वाले वाक्य निकालें।
- स्रोत स्वयं खोलें जाँचें कि स्रोत सचमुच मौजूद है और उस हिस्से में वही लिखा है जो जवाब में है। सिर्फ़ लिंक होना कोई प्रमाण नहीं है।
- एक जैसी शर्तों पर मिलान करें जाँचें कि लक्षित लोग, क्षेत्र, अवधि और इकाइयाँ मूल से मेल खाती हैं, और गणनाएँ खुद दोबारा करें। यह भी देखें कि “योजना” कहीं “निर्णय” में तो नहीं बदल गया।
- तय करें कि क्या इस्तेमाल किया जा सकता है जाँचे गए तथ्यों और अभी न जाँचे गए बिंदुओं को अलग करें। महत्वपूर्ण निर्णयों को इस्तेमाल करने से पहले ज़िम्मेदार व्यक्ति या विशेषज्ञ से पुष्टि करवाएँ।
कई AI के जवाब मिल जाएँ, तब भी वह जाँच का केवल आरंभ-बिंदु है।
हो सकता है वे सभी एक ही ग़लत सूचना या स्रोत का हवाला दे रहे हों। “स्रोत दीजिए” या “दोबारा जाँचिए” कहकर ही न रुकें, मूल सामग्री तक जाकर पुष्टि करें। ठोस जाँच के तरीके जवाब का आधार कैसे जाँचें अध्याय में अभ्यास किए जा सकते हैं।
कॉपीराइट: इनपुट, जनरेशन और प्रकाशन की शर्तों को अलग-अलग देखें
कॉपीराइट में किसी और की कृति का उपयोग करना ठीक है या नहीं और आपके बनाए आउटपुट को सुरक्षा मिलती है या नहीं, इन दोनों को अलग-अलग सोचा जाता है। अगर सेवा की शर्तों में “वाणिज्यिक उपयोग की अनुमति” लिखा हो, तब भी इसका मतलब यह नहीं कि आपने किसी और की कृति के अधिकार की जाँच कर ली है।
① इनपुट की गई सामग्री
किसने कृति बनाई, उसके उपयोग की अनुमति या लाइसेंस है या नहीं, और कोई कानूनी अपवाद लागू होता है या नहीं, यह जाँचें। सिर्फ़ इसलिए कि कोई कृति वेब पर देखी जा सकती है, उसे AI में डालना या दोबारा उपयोग करना ज़रूरी नहीं कि ठीक हो।
② बनी हुई अभिव्यक्ति
जाँचें कि आउटपुट किसी मौजूदा कृति की रचनात्मक अभिव्यक्ति को दोहरा तो नहीं रहा। जापान की सांस्कृतिक मामलों की एजेंसी (Agency for Cultural Affairs) जनरेशन और उपयोग के चरणों में उल्लंघन को समानता और निर्भरता (similarity and reliance) के आधार पर वर्गीकृत करती है।[5]
③ प्रकाशन या बिक्री के उद्देश्य
परीक्षण के चरण में ठीक लगने वाला उपयोग, प्रकाशन या वितरण के लिए अलग जाँच माँग सकता है। उद्देश्य, माध्यम, क्षेत्र और अनुबंध की शर्तें एक साथ जाँचें।[5]
“क्या मेरा कॉपीराइट है”, यह एक अलग जाँच है
जापान की सांस्कृतिक मामलों की एजेंसी की समझ के अनुसार, यह मामला-दर-मामला देखा जाता है कि किसी व्यक्ति ने कितना रचनात्मक रूप से योगदान दिया। लंबा निर्देश देना या बार-बार फिर से जनरेट करना, इन्हीं से सुरक्षा तय नहीं होती। अमेरिकी कॉपीराइट कार्यालय की 2025 की रिपोर्ट भी उन मामलों को अलग करती है जहाँ किसी व्यक्ति ने अभिव्यक्ति तय की या रचनात्मक संपादन किया, और उन मामलों को जहाँ केवल प्रॉम्प्ट दिया गया।[5] [6]
“मिलती-जुलती शैली” और “अभिव्यक्ति को दोहराना” अलग बातें हैं।
चित्रकारी की शैली या विचार मिलते-जुलते होना, मौजूदा कृति की रचनात्मक अभिव्यक्ति मिलते-जुलते होने के समान नहीं है। इसे प्रॉम्प्ट में किसी कलाकार का नाम डालने से तय नहीं किया जा सकता, इसलिए मूल कृति और आउटपुट की तुलना करें। साथ ही, अगर बनी हुई सामग्री को कॉपीराइट योग्य न माना जाए, तब भी उसमें मौजूद किसी और की कृतियों या ट्रेडमार्क को स्वतंत्र रूप से इस्तेमाल करने की छूट नहीं मिल जाती।[5]
उदाहरण: अगर आप इंटरनेट पर मिले किसी चित्र को AI से संशोधित करके विज्ञापन में इस्तेमाल करते हैं, तो मूल चित्र की उपयोग-शर्तें, आउटपुट में बची मूल अभिव्यक्ति, और विज्ञापन में उपयोग के लिए नियम जाँचें। “AI से संशोधित किया, इसलिए ठीक है” ऐसा न मानें। कठिन मामलों में अधिकार-धारक या अपने संगठन के ज़िम्मेदार व्यक्ति से सलाह लें।
गोपनीयता: AI को क्या दें और क्या नहीं
जानकारी डालनी है या नहीं, यह तीन बातों से तय होता है: जानकारी का प्रकार, इस्तेमाल की जा रही सेवा और योजना, और संगठन की अनुमति। “भुगतान वाली योजना है, इसलिए सुरक्षित है” या “नाम छिपा दिया, इसलिए ठीक है” जैसी किसी एक शर्त के आधार पर फ़ैसला न लें, यह बहुत ज़रूरी है।
प्रशिक्षण, सहेजना, हटाना और भेजना को अलग करके सोचें
यह मॉडल सुधारने के लिए डेटा इस्तेमाल होने या न होने की सेटिंग है। इसे बंद करने से इतिहास गायब नहीं होता या सहेजा जाना नहीं रुकता।
स्क्रीन पर दिखने वाला इतिहास, सेवा की ओर से सहेजना और सुरक्षा के लिए की जाने वाली जाँच, ये सब अलग चीज़ें हैं। Temporary Chat को भी कुछ मामलों में सहेजा जा सकता है।
क्या हटेगा, कब तक, और कोई अपवाद है या नहीं, यह जाँचें। स्क्रीन से कुछ गायब हो जाने पर भी सेवा की ओर से सहेजा गया डेटा या पहले का उपयोग पूरी तरह मिट जाए, ऐसा ज़रूरी नहीं।
कनेक्टेड ऐप, साझा लिंक और भेजने की सुविधाओं की अलग-अलग शर्तें होती हैं। इन्हें अकेले AI की सेटिंग से तय नहीं किया जा सकता।
अभ्यास और असली काम का इनपुट अलग रखें
- कंपनी की गोपनीय जानकारी या अप्रकाशित सोर्स कोड
- ग्राहकों या व्यावसायिक साझेदारों की व्यक्तिगत जानकारी
- दूसरों से सौंपी गई गोपनीय जानकारी
- अप्रकाशित वित्तीय या कर्मचारी डेटा
- ऐसी बारीक परिस्थितियाँ या नंबर जिनसे कोई व्यक्ति या मामला पहचाना जा सके
- काल्पनिक कंपनियाँ, व्यक्ति या पूछताछ
- आपके खुद बनाए नमूने, जिनका किसी वास्तविक व्यक्ति या मामले से संबंध न हो
- सार्वजनिक सामग्री, जिसके इस्तेमाल की अनुमति आपने जाँच ली हो
- आपका अपना अप्रकाशित लेखन (साझा करने की अनुमति जाँचने के बाद)
पासवर्ड, API कुंजियाँ और निजी कुंजियाँ, इन्हें लेखन के लिए भी और अभ्यास के लिए भी डालने की ज़रूरत नहीं होती। साथ ही, नाम को “A जी” में बदल देने पर भी पता, मामले के नाम, तारीख-समय आदि से यह पहचाना जा सकता है कि बात किसकी है। सिर्फ़ नाम छिपाने से जानकारी गुमनाम नहीं हो जाती, और न ही उसे साझा करने की अनुमति मिल जाती है।
तीनों सेवाओं की शर्तें आधिकारिक दस्तावेज़ों में जाँचें
निम्नलिखित व्यक्तिगत चैट उपयोग के लिए है (14 अक्टूबर 2026 को हर कंपनी के आधिकारिक दस्तावेज़ों के आधार पर जाँचा गया)। कंपनी के अनुबंध वाली योजना की शर्तें और प्रशासनिक सेटिंग अलग होती हैं, इसलिए उन्हें अलग से जाँचें।
प्रशिक्षण में उपयोग बंद करने पर भी इतिहास बना रहता है। उदाहरण के लिए, किसी उत्तर पर प्रतिक्रिया भेजने पर अलग शर्तें लागू होती हैं, और Temporary Chat भी सुरक्षा के उद्देश्य से सहेजी जा सकती हैं।
प्रशिक्षण में उपयोग बंद करने से पहले ही शुरू हो चुका प्रशिक्षण रद्द नहीं होता। Incognito चैट इतिहास में न दिखने पर भी सहेजी जाती है, और सुरक्षा प्रसंस्करण की शर्तें अलग होती हैं।
Activity बंद करके फ़ीडबैक न भेजें, तो उसके बाद की चैट मॉडल सुधारने में इस्तेमाल नहीं होतीं। हालाँकि जवाब, सुरक्षा प्रसंस्करण, सहेजना और मानव समीक्षा अलग तरीके से संभाले जाते हैं।
व्यावसायिक योजनाओं में “प्रशिक्षण में उपयोग नहीं” का मतलब यह नहीं कि डेटा कभी सहेजा नहीं जाता, बाहरी सेवाओं से जुड़ा नहीं होता, या उसे कोई नहीं देखता। OpenAI की संगठनों के लिए जानकारी में भी सलाह दी गई है कि हर योजना, सुविधा और जुड़ाव के लिए सहेजने और प्रबंधन की स्थिति जाँची जाए। अनुबंध की शर्तें जाँचने के बाद, उन्हें संगठन के नियमों से मिलाएँ।
पूछताछ का जवाब देते समय इनपुट कम करने का अभ्यास
असली नाम, संपर्क विवरण, ऑर्डर नंबर या अप्रकाशित मामले वाली पूछताछ। सिर्फ़ नाम छिपाने पर भी अन्य जानकारी से सामने वाले व्यक्ति या लेन-देन की पहचान हो सकती है।
“एक व्यावसायिक साझेदार की ओर से किसी उत्पाद की डिलीवरी की तारीख को लेकर पूछताछ आई है। डिलीवरी की तारीख अभी तय नहीं हुई है। बाहरी उपयोग के लिए एक विनम्र जवाब का मसौदा बनाइए। डिलीवरी की तारीख का वादा न करें।”
इनपुट से पहले का क्रम: उद्देश्य के लिए ज़रूरी जानकारी तक सीमित करें → इस्तेमाल की जा रही सेवा, योजना और जुड़े गंतव्यों पर उसका प्रबंधन जाँचें → संगठन के नियमों से मिलाएँ। फ़ैसला न हो पा रहा हो तो इनपुट रोकें और काल्पनिक उदाहरणों से परीक्षण करें। विस्तार से जानने के लिए AI में इनपुट डालते समय ध्यान रखने योग्य बातें देखें।
अगर जानकारी पहले ही डाल दी गई है, तो सबसे पहले उसे हटाया जा सकता है या नहीं, और किन शर्तों पर, यह जाँचें। अगर जानकारी काम से जुड़ी है तो संगठन के ज़िम्मेदार व्यक्ति से सलाह लें। उदाहरण के लिए, ChatGPT पर OpenAI की आधिकारिक जानकारी बताती है कि आर्काइव करना हटाने से अलग है, हटाने के बाद सहेजने की अवधि में अपवाद हो सकते हैं, और अलग से सहेजी गई फ़ाइलें या जुड़े गंतव्यों का मूल डेटा अलग तरह से संभाले जाते हैं। ध्यान रहे कि केवल जानकारी डाल देने भर से यह तय नहीं हो जाता कि उसे प्रशिक्षण में इस्तेमाल किया गया या किसी और तक पहुँच गई।
पूर्वाग्रह और नकली पहचान से निपटना
पूर्वाग्रह: सिर्फ़ डेटा नहीं, डिज़ाइन और उपयोग भी इसमें शामिल होते हैं
AI का पूर्वाग्रह केवल प्रशिक्षण डेटा की बनावट से ही नहीं आता, बल्कि मानव निर्णय से और उन समाजों व संगठनों की व्यवस्थाओं से भी आता है जहाँ AI इस्तेमाल होता है। कुछ गुणों वाले लोगों के साथ अनुचित व्यवहार हो सकता है, या भाषा और समूह के अनुसार सटीकता में अंतर आ सकता है।[7]
आवेदन पत्र का उदाहरण
आवेदन पत्र में केवल “छह महीने का रोज़गार-अंतराल” लिखा है, कारण नहीं लिखा गया।
न जोड़ने योग्य अनुमान
“अंतराल है, इसलिए उत्साह कम होगा” ऐसा तय कर लेने से वह अनुमान मूल्यांकन में घुस जाता है, जो पत्र में है ही नहीं।
जाँचने का तरीका
“कारण पत्र से पता नहीं चलता” यह मानते हुए, नौकरी से संबंधित एक ही मानदंड से मूल्यांकन करें। केवल AI से एक अलग दृष्टिकोण माँग लेना, इससे यह नहीं माना जा सकता कि पूर्वाग्रह हटा दिया गया है।
भर्ती या कर्मचारी मूल्यांकन जैसी स्थितियों में, जो लोगों के साथ होने वाले व्यवहार को प्रभावित करती हैं, तय करें कि कौन प्रभावित होगा और निर्णय किन मानदंडों पर होगा, और ऐसी प्रक्रिया बनाएँ जिसमें लोग परिणामों की समीक्षा कर सकें।
डीपफेक: आवाज़ या वीडियो असली लगे तब भी पहचान की पुष्टि करें
AI से बनाई या बदली गई छवियाँ, वीडियो और ऑडियो नकल और धोखाधड़ी में भी इस्तेमाल होते हैं। FBI ने चेतावनी के उदाहरणों में उन घोटालों का ज़िक्र किया है जिनमें परिवार के सदस्य की आवाज़ की नकल करके तुरंत पैसे भेजने को कहा जाता है, और जिनमें अधिकारियों का रूप धरकर वीडियो कॉल की जाती है।[3]
- उसी समय प्रतिक्रिया न दें तुरंत पैसे भेजने, पासवर्ड जैसे प्रमाण-पत्र माँगे जाने, या भुगतान के खाते में बदलाव की स्थिति में केवल आवाज़ या वीडियो के भरोसे आगे न बढ़ें।
- खुद दोबारा संपर्क करें कॉल काट दें, फिर पहले से ज्ञात नंबर पर या संगठन के आधिकारिक संपर्क पर खुद कॉल करें।
- पुष्टि होने तक रुकें जाँचें कि व्यक्ति वही है या नहीं जो दावा करता है, अनुरोध किस बात का है, और क्या संगठन ने उसे मंज़ूरी दी है। पुष्टि न हो तो पैसे भेजना या जानकारी देना रोकें और ज़िम्मेदार व्यक्ति से सलाह लें।
दिखावट अस्वाभाविक हो तो वह एक संकेत हो सकता है, पर अस्वाभाविकता न दिखे तो इसका मतलब यह नहीं कि चीज़ असली है। सोशल मीडिया पर दिखने वाली छवियों और वीडियो को भी साझा करने से पहले जाँचें कि किसने, कब पोस्ट किया और आसपास का संदर्भ क्या है। कंपनियों में बचाव के उपायों के लिए AI एजेंट सुरक्षा के विश्लेषण को भी देख सकते हैं।
कानून और नियम: क्षेत्र, उद्देश्य और भूमिका जाँचें
केवल AI के लिए बने कानून ही नहीं, बल्कि कॉपीराइट, व्यक्तिगत जानकारी और उपभोक्ता संरक्षण जैसे उन नियमों की भी जाँच करें जो आप जो करना चाहते हैं उससे जुड़े हैं। शुरुआती बिंदु है: किस क्षेत्र में, किस उद्देश्य से, और आप AI के प्रदाता के रूप में जुड़े हैं या उपयोगकर्ता के रूप में।
निम्नलिखित 16 अक्टूबर 2026 तक के हर देश और क्षेत्र के आधिकारिक दस्तावेज़ों पर आधारित है। यह आपके उपयोग पर लागू होता है या नहीं, यह लिंक किए गए स्रोतों के मूल पाठ में या अपने संगठन के संबंधित विभाग से जाँचें।
यूरोपीय संघ: उपयोग के अनुसार लागू होने की तारीखें अलग हैं
AI Act सामान्यतः 2 अगस्त 2026 से लागू होता है। निषिद्ध प्रथाएँ और कुछ अन्य बातें इससे पहले से लागू होने लगती हैं। रोज़गार और शिक्षा जैसे कुछ उच्च-जोखिम उपयोग 2 दिसंबर 2027 से लागू होते हैं, और नियंत्रित उत्पादों में बने उच्च-जोखिम AI पर 2 अगस्त 2028 से लागू होता है, इसलिए तारीखें चरणों में बँटी हैं।
AI से बनी सामग्री पर लेबल लगाने के दायित्व के भी, उसके दायरे और हर पक्ष की भूमिका के अनुसार शर्तें और अपवाद हैं।[8]
अमेरिका: AI पर भी मौजूदा नियम लागू होते हैं
FTC बताती है कि AI सेवाओं में भी उपयोगकर्ताओं से किए गए गोपनीयता के वादे निभाने होंगे, और AI होने भर से कोई मौजूदा कानून से बच नहीं जाता।
अपने जिस काम में आप उपयोग या प्रदान करते हैं, उस पर कौन-सा कानून या अनुबंध लागू होता है, यह जाँचें।[9]
चीन: सार्वजनिक सेवाएँ और लेबलिंग
जनरेटिव AI सेवाओं से संबंधित अंतरिम उपाय उदाहरण के लिए तब लागू होते हैं जब चीन के भीतर आम लोगों को सेवा दी जाती है। जो शोध सार्वजनिक रूप से नहीं दिया जाता या आंतरिक उपयोग, उन पर वही प्रावधान ज़रूरी नहीं कि सीधे लागू हों।
AI-जनित सिंथेटिक सामग्री की लेबलिंग से संबंधित उपाय 1 सितंबर 2025 से लागू हुए। प्रदाताओं और जनरेट की गई सामग्री प्रकाशित करने वाले उपयोगकर्ताओं पर लागू होने वाली शर्तें जाँचें।[10]
जापान: प्रोत्साहन और जोखिम प्रबंधन
AI प्रोत्साहन अधिनियम (AI Promotion Act) 1 सितंबर 2025 को पूरी तरह लागू हुआ। कैबिनेट कार्यालय AI के उपयोग को बढ़ावा देने और उसके जोखिमों पर प्रतिक्रिया, दोनों को दिखाता है। AI बुनियादी योजना (AI Basic Plan) 14 जुलाई 2026 को संशोधित की गई।
सरकार किसी उपयोग को बढ़ावा देती हो, तब भी इससे किसी खास उपयोग को मंज़ूरी नहीं मिल जाती। अधिकार, अनुबंध और संगठन के नियम भी जाँचें।[1]
इस्तेमाल से पहले और प्रकाशन से पहले की चेकलिस्ट
अपने काम की जाँच करें
- इनपुट से पहले: केवल ज़रूरी जानकारी रखें, और इस्तेमाल की जा रही सेवा में उसका प्रबंधन और साझा करने की अनुमति जाँचें। अभ्यास के लिए काल्पनिक उदाहरण इस्तेमाल करें।
- जवाब इस्तेमाल करने से पहले: संख्याओं, तारीखों, उद्धरणों और वादों को मूल स्रोतों से मिलाएँ, और जो बिंदु जाँचे न जा सकें उन्हें अपुष्ट के रूप में चिह्नित रखें।
- प्रकाशन से पहले: सामग्री और बने आउटपुट के अधिकार, लेबलिंग की शर्तें, तथा भेजे जाने वाले लोगों और प्रकाशन के दायरे की जाँच करें।
- महत्वपूर्ण निर्णय: केवल AI के जवाब के आधार पर फ़ैसला न करें। ज़िम्मेदार व्यक्ति या विशेषज्ञ से सलाह लें।
संगठन में प्रक्रियाएँ तय करें
- कौन-सी सेवाएँ, योजनाएँ और जुड़े गंतव्य इस्तेमाल किए जा सकते हैं, और कौन-सी जानकारी डाली जा सकती है, यह तय करें।
- प्रकाशन या भेजने की पुष्टि कौन करेगा, और किन कार्यों के लिए मंज़ूरी ज़रूरी है, यह तय करें।
- पूर्वाग्रह और ग़लतियों की समीक्षा करने, और निर्णय सुधारने की प्रक्रिया तैयार रखें।
- समस्या आने पर संपर्क व्यक्ति, और उपयोग रोकने या जाँच की प्रक्रिया तय करें।
इस अध्याय का सारांश
जानकारी डालने से पहले, जवाब इस्तेमाल करने से पहले और प्रकाशित करने से पहले, जानकारी के प्रबंधन, मूल स्रोतों से मेल, अधिकार, निर्णय में पूर्वाग्रह, और सामने वाला व्यक्ति वही है या नहीं, इन सब की जाँच करें। जाँच करना उपयोगकर्ता की एक अहम भूमिका है, लेकिन ज़िम्मेदारी हमेशा केवल उपयोगकर्ता पर नहीं होती। अनुबंध और विशिष्ट कार्यों के अनुसार AI प्रदाताओं और संगठनों की ज़िम्मेदारी पर भी विचार किया जा सकता है।[5] [9]
संदर्भ
- कैबिनेट कार्यालय, जापान: AI प्रोत्साहन अधिनियम का सारांश, AI बुनियादी योजना।
- NIST: जेनरेटिव AI जोखिम प्रबंधन प्रोफ़ाइल (2024, अंग्रेज़ी PDF)। ग़लत जनरेट की गई सामग्री और उसकी जाँच व प्रबंधन के तरीके।
- FBI/IC3: जेनरेटिव AI के दुरुपयोग से होने वाली वित्तीय धोखाधड़ी के बारे में चेतावनी (3 दिसंबर 2024, अंग्रेज़ी)।
- गोपनीयता अनुभाग के आधिकारिक दस्तावेज़ (14 अक्टूबर 2026 को जाँचे गए): OpenAI के डेटा नियंत्रण, Anthropic की मॉडल सुधार सेटिंग, Google की Gemini गोपनीयता व्याख्या। सहेजने, हटाने और Temporary Chat से जुड़े अलग दस्तावेज़ पाठ में संबंधित स्थानों पर मिल जाएँगे।
- जापान की सांस्कृतिक मामलों की एजेंसी: AI और कॉपीराइट पर विचार (मार्च 2024, PDF)। विकास और प्रशिक्षण, जनरेशन और उपयोग, तथा जनरेट की गई सामग्री की कॉपीराइट-योग्य कृति होने की स्थिति को अलग-अलग पहचानती है।
- अमेरिकी कॉपीराइट कार्यालय: AI-जनित कृतियों के कॉपीराइट पर रिपोर्ट का प्रकाशन (29 जनवरी 2025, अंग्रेज़ी)।
- NIST: AI का पूर्वाग्रह केवल डेटा से ही नहीं आता (2022, अंग्रेज़ी)।
- यूरोपीय आयोग: AI Act का दायरा और लागू होने की समय-सीमा (अंग्रेज़ी)।
- FTC: AI कंपनियाँ आपकी गोपनीयता और गोपनीयता-संबंधी वादों का पालन करती हैं (2024, अंग्रेज़ी)।
- चीन का साइबरस्पेस प्रशासन: जेनरेटिव AI सेवाओं के प्रबंधन से संबंधित अंतरिम उपाय, AI-जनित सिंथेटिक सामग्री की लेबलिंग से संबंधित उपाय (चीनी भाषा में)।
अगले अध्याय में AI के नवीनतम रुझान समझाए जाएँगे। काम में ड्राफ़्ट इस्तेमाल करते समय ईमेल की समीक्षा के चरण भी देखें।