সোসাইটি গাইড

এআই নিরাপত্তা

AI সুরক্ষা হল AI সিস্টেমগুলিকে মারাত্মক ক্ষতি করা থেকে - প্রতিদিনের ব্যর্থতা থেকে এবং উন্নত, অত্যন্ত সক্ষম সিস্টেমগুলি থেকে বিপর্যয়কর এবং অস্তিত্বের ঝুঁকির মাধ্যমে অপব্যবহারের উপর দৃষ্টি নিবদ্ধ করা।

Part of the Society & Ethics learning path

ওভারভিউ

AI সুরক্ষা হল AI সিস্টেমগুলিকে মারাত্মক ক্ষতি করা থেকে - প্রতিদিনের ব্যর্থতা থেকে এবং উন্নত, অত্যন্ত সক্ষম সিস্টেমগুলি থেকে বিপর্যয়কর এবং অস্তিত্বের ঝুঁকির মাধ্যমে অপব্যবহারের উপর দৃষ্টি নিবদ্ধ করা।

AI সেফটি সামর্থ্য, ক্ষমতা এবং জনসাধারণের পছন্দের সংযোগস্থলে বসে — যেখানে নিরাপত্তা, শাসন এবং বৈধতা সিদ্ধান্ত নেয় যে উন্নত AI সাহায্য করে বা ক্ষতি করে।

গভীর ডুব

AI নিরাপত্তা একটি বর্ণালী বিস্তৃত। এক প্রান্তে পরিচিত পণ্য ঝুঁকি: হ্যালুসিনেশন, পক্ষপাত, গোপনীয়তা ফাঁস, স্ক্যাম এবং অনিরাপদ পরামর্শ। অন্য প্রান্তে ঝুঁকিগুলি রয়েছে যা সক্ষমতার সাথে বৃদ্ধি পায়: স্বায়ত্তশাসিত সিস্টেম যা অপ্রত্যাশিত লক্ষ্যগুলি অনুসরণ করে, মডেলগুলি যা বিপর্যয়মূলক অপব্যবহারে সাহায্য করে (প্যাথোজেন, সাইবার আক্রমণ), এবং প্রতিযোগিতামূলক রেস যা ল্যাবগুলিকে নিরাপত্তা কাজ প্রস্তুত হওয়ার আগে স্থাপন করতে চাপ দেয়৷ অস্তিত্ব সংক্রান্ত ঝুঁকির আলোচনা এই সম্ভাবনার উপর ফোকাস করে যে ভবিষ্যতের AI সিস্টেমগুলি যথেষ্ট শক্তিশালী হয়ে উঠবে যে একটি একক ব্যর্থতা - ভুলভাবে সংগঠিত হওয়া, নিয়ন্ত্রণ হারানো বা অপরিবর্তনীয় বিস্তার - স্থায়ীভাবে মানবতার ভবিষ্যতকে হ্রাস করতে পারে। গবেষণাটিকে গুরুত্ব সহকারে নেওয়ার জন্য আপনাকে সেই ফলাফলের জন্য উচ্চ সম্ভাবনা নির্ধারণ করার দরকার নেই; কম-সম্ভাব্যতা, চরম-প্রভাব ঝুঁকি এখনও প্রস্তুতির ন্যায্যতা দেয়, ঠিক যেমন তারা জৈব নিরাপত্তা এবং পারমাণবিক নিরাপত্তার ক্ষেত্রে করে। বর্তমানে ব্যবহারিক নিরাপত্তা কাজের মধ্যে রয়েছে মূল্যায়ন, রেড-টিমিং, ব্যাখ্যাযোগ্যতা, নিয়ন্ত্রণ কৌশল, শাসন (কে কী প্রশিক্ষণ দিতে পারে), এবং জনসাধারণের বোঝাপড়া যাতে সমাজগুলি ভাল নীতি সমর্থন করতে পারে।

প্রযুক্তিগত অন্তর্দৃষ্টি

একটি দরকারী মানসিক মডেল: সক্ষমতা (সিস্টেমটি কী করতে পারে) সারিবদ্ধকরণের (এটি আমরা যা করতে চাই তা করে কি না) এবং নিরাপত্তার (প্রতিপক্ষরা এটির অপব্যবহার করতে পারে কিনা) গুণিত করে। সুরক্ষা ব্যবস্থা যা শুধুমাত্র ফিল্টার আউটপুট জেলব্রেক, প্রত্যাখ্যানের ফাইন-টিউনিং অপসারণ বা চ্যাট বক্সের বাইরে মাল্টি-স্টেপ অ্যাকশন গ্রহণকারী এজেন্টদের বিরুদ্ধে ব্যর্থ হতে পারে। শক্তিশালী নিরাপত্তা প্রোগ্রামগুলি বিপজ্জনক ক্ষমতা পরিমাপ করে, প্রতারণামূলক আচরণের জন্য পরীক্ষা করে, এবং প্রতিযোগিতামূলক চাপের মধ্যে স্থাপনার পরিকল্পনা করে — শুধুমাত্র বাস্তবতার পরে একটি মডেল কার্ড পলিশ করে না।

এআই সেফটি আয়ত্ত করা

গভীর বোঝাপড়া তৈরি করতে, AI নিরাপত্তাকে একটি অপারেটিং মডেল হিসাবে বিবেচনা করুন, একটি একক বৈশিষ্ট্য নয়। পছন্দসই ফলাফলগুলিকে সংজ্ঞায়িত করুন, অনুমানগুলিকে স্পষ্ট করুন এবং সিস্টেমটি নির্ভরযোগ্যভাবে কী করতে পারে তা এখনও বিশেষজ্ঞের বিচারের প্রয়োজন থেকে আলাদা করুন৷

অনুশীলনে, AI সেফটি ব্যবহার করে শক্তিশালী দলগুলি শাসন, নিরাপত্তা এবং স্পষ্ট জবাবদিহির কাঠামোর সাথে সক্ষমতা বৃদ্ধি করে। তারা সুস্পষ্ট সাফল্যের মাপকাঠি নথিভুক্ত করে, বাস্তবসম্মত ডেটা এবং কর্মপ্রবাহের বিরুদ্ধে পরীক্ষা করে এবং এককালীন বেঞ্চমার্ক জয়ের পরিবর্তে পর্যবেক্ষিত ব্যর্থতার ধরণগুলির উপর ভিত্তি করে পুনরাবৃত্তি করে। এখানেই তাত্ত্বিক বোঝাপড়া পণ্য, নীতি এবং অপারেশন জুড়ে টেকসই সক্ষমতায় পরিণত হয়।

বিপর্যয়কর এবং দৈনন্দিন এআই ক্ষতি উভয়ই নির্ভর করে কে ঝুঁকি বুঝতে পারে এবং কে কাজ করতে পারে। একই সময়ে, সক্ষমতা যৌগিক হওয়ার সময় অস্তিত্বগত ঝুঁকিকে সাই-ফাই হিসাবে বিবেচনা করা। সবচেয়ে স্থিতিস্থাপক পদ্ধতি হল প্রশাসনিক শৃঙ্খলার সাথে পরীক্ষার গতিকে একত্রিত করা: পাইলট চালান, প্রমাণ ক্যাপচার করুন, সিদ্ধান্তের লগ প্রকাশ করুন এবং মডেল আচরণ, ব্যবহারকারীর প্রত্যাশা এবং নিয়ন্ত্রক প্রয়োজনীয়তাগুলি বিকশিত হওয়ার সাথে সাথে অবিচ্ছিন্ন সুরক্ষাগুলি আপডেট করুন।

কৌশলগত প্রভাব

বিপর্যয়কর এবং দৈনন্দিন এআই ক্ষতি উভয়ই নির্ভর করে কে ঝুঁকি বুঝতে পারে এবং কে কাজ করতে পারে।

বিপর্যয়কর এবং দৈনন্দিন এআই ক্ষতি উভয়ই নির্ভর করে কে ঝুঁকি বুঝতে পারে এবং কে কাজ করতে পারে। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।

জনসাধারণের এবং পেশাদার সাক্ষরতা গঠন করে যে শক্তিশালী নিরাপত্তা নীতি রাজনৈতিকভাবে সম্ভব কিনা।

জনসাধারণের এবং পেশাদার সাক্ষরতা গঠন করে যে শক্তিশালী নিরাপত্তা নীতি রাজনৈতিকভাবে সম্ভব কিনা। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।

স্পষ্ট ব্যাখ্যা হাইপ, ল্যাব পিআর, এবং অস্পষ্ট নীতিশাস্ত্র থিয়েটার দ্বারা ক্যাপচার হ্রাস করে।

স্পষ্ট ব্যাখ্যা হাইপ, ল্যাব পিআর, এবং অস্পষ্ট নীতিশাস্ত্র থিয়েটার দ্বারা ক্যাপচার হ্রাস করে। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।

AI নিরাপত্তার ভবিষ্যত

যেহেতু মডেলগুলি টুলের ব্যবহার এবং স্বায়ত্তশাসন লাভ করে, নিরাপত্তা 'খারাপ কথা বলবেন না' থেকে 'নির্ভরযোগ্য তদারকি ছাড়া অপরিবর্তনীয় পদক্ষেপ নেবেন না'-এর দিকে চলে যাবে। আরও মানসম্মত ইভাল, তৃতীয় পক্ষের অডিটিং, গণনা এবং প্রকাশ নীতি এবং স্বচ্ছতার জন্য জনসাধারণের চাহিদা আশা করুন। সাক্ষরতা নিরাপত্তার অংশ: শুধুমাত্র বিশেষজ্ঞরা যদি ঝুঁকিগুলি বোঝেন, তাহলে গণতান্ত্রিক শাসন চলতে পারে না।

বাস্তব-বিশ্ব বাস্তবায়ন

মুক্তির আগে জৈব নিরাপত্তা, সাইবার এবং প্রতারণার ঝুঁকির জন্য রেড-টিমিং মডেল।

চলমান ক্ষমতা মূল্যায়ন যা পরীক্ষা করে যে একটি মডেল বিপজ্জনক কাজগুলিতে সহায়তা করতে পারে কিনা।

স্তরযুক্ত নিয়ন্ত্রণ স্থাপন: ব্যবহার নীতি, নিরীক্ষণ, হার সীমা, এবং উচ্চ-ঝুঁকিমূলক কর্মের জন্য মানব বৃদ্ধি।

কোনো মডেল উৎপাদনে ব্যর্থ হলে বা জেলব্রেক ছড়িয়ে পড়লে ঘটনার প্রতিক্রিয়া ডিজাইন করা।

বাস্তবায়ন নিদর্শন

অনুশীলনে এআই নিরাপত্তা

মুক্তির আগে জৈব নিরাপত্তা, সাইবার এবং প্রতারণার ঝুঁকির জন্য রেড-টিমিং মডেল।

দলগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে।

অনুশীলনে এআই নিরাপত্তা

চলমান ক্ষমতা মূল্যায়ন যা পরীক্ষা করে যে একটি মডেল বিপজ্জনক কাজগুলিতে সহায়তা করতে পারে কিনা।

দলগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে।

অনুশীলনে এআই নিরাপত্তা

স্তরযুক্ত নিয়ন্ত্রণ স্থাপন: ব্যবহার নীতি, নিরীক্ষণ, হার সীমা, এবং উচ্চ-ঝুঁকিমূলক কর্মের জন্য মানব বৃদ্ধি।

দলগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে।

অনুশীলনে এআই নিরাপত্তা

কোনো মডেল উৎপাদনে ব্যর্থ হলে বা জেলব্রেক ছড়িয়ে পড়লে ঘটনার প্রতিক্রিয়া ডিজাইন করা।

দলগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে।

ঝুঁকি এবং প্রহরী

!

সক্ষমতা যৌগিক অবস্থায় অস্তিত্বগত ঝুঁকিকে সাই-ফাই হিসাবে বিবেচনা করা।

!

উচ্চ স্বায়ত্তশাসনের অধীনে প্রান্তিককরণের সাথে বিভ্রান্তিকর পৃষ্ঠ পণ্য নিরাপত্তা।

!

অ-ইংরেজি এবং অ-বিশেষজ্ঞ শ্রোতাদের শুধুমাত্র নিম্ন-মানের উত্স সহ ত্যাগ করা।

বাস্তবায়ন রোডম্যাপ

1

পৃথক পণ্য ক্ষতি, অপব্যবহার, এবং ক্ষতি-অব-নিয়ন্ত্রণ/বিভ্রান্তির ঝুঁকি।

এটিকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউটকে বিরতি দিন, ফাঁকটি বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন৷

2

জিজ্ঞাসা করুন কি প্রমাণ সময়সীমা এবং তীব্রতা আপনার দৃষ্টিভঙ্গি পরিবর্তন করবে.

এটিকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউটকে বিরতি দিন, ফাঁকটি বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন৷

3

বিপণন দাবির চেয়ে প্রাথমিক উত্স এবং কংক্রিট ইভাল পছন্দ করুন।

এটিকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউটকে বিরতি দিন, ফাঁকটি বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন৷

4

একটি কর্ম পথ চিহ্নিত করুন: কর্মজীবন, নীতি, অর্থায়ন, বা দক্ষতা - শুধুমাত্র সচেতনতা নয়।

এটিকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউটকে বিরতি দিন, ফাঁকটি বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন৷

অন্বেষণ চালিয়ে যান

Check your understanding

Test yourself: take the AI Safety quiz

Start quiz