The Creation and Analysis of Government AI Transparency Statements in Australia

यहाँ शोध पत्र "The Creation and Analysis of Government AI Transparency Statements in Australia" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

सरकारें सार्वजनिक सेवाओं में कृत्रिम बुद्धिमत्ता (AI) को तेजी से तैनात कर रही हैं, जिसके लिए सार्वजनिक विश्वास बनाए रखने और जवाबदेही सुनिश्चित करने हेतु पारदर्शिता आवश्यक है। ऑस्ट्रेलिया ने Standard for AI Transparency Statements (AITS) पेश किया ताकि सरकारी निकाय यह खुलासा कर सकें कि AI का उपयोग कैसे किया जा रहा है। हालाँकि, निम्नलिखित विषयों पर अनुभवजन्य साक्ष्य (empirical evidence) की कमी है:

• ये नियामक आवश्यकताएं वास्तव में सार्वजनिक दस्तावेजों में किस प्रकार साकार होती हैं।
• इन खुलासों की निरंतरता, कवरेज और पठनीयता (readability) कैसी है।
• नीतिगत उद्देश्य (सुरक्षित, नैतिक AI उपयोग) और व्यावहारिक कार्यान्वयन के बीच का अंतर क्या है।

पूर्व शोध कानूनी ढांचे या गोपनीयता नीतियों पर केंद्रित रहा है, लेकिन विशेष रूप से सरकारी AI पारदर्शिता बयानों पर कोई व्यवस्थित अध्ययन मौजूद नहीं था।

2. कार्यप्रणाली (Methodology)

लेखकों ने स्टाइलोमेट्रिक (stylometric), मात्रात्मक (quantitative) और गुणात्मक (qualitative) तकनीकों को संयोजित करते हुए एक मिश्रित-विधि दस्तावेज़ विश्लेषण दृष्टिकोण (mixed-methods document analysis approach) का उपयोग किया।

A. डेटासेट निर्माण (AITS-101)

• क्षेत्र (Scope): अध्ययन ने ऑस्ट्रेलिया में सभी 174 पात्र गैर-कॉर्पोरेट राष्ट्रमंडल संस्थाओं (NCEs) को लक्षित किया, जिसमें रक्षा और खुफिया एजेंसियों को बाहर रखा गया।
• संग्रह (Collection): शोधकर्ताओं ने आधिकारिक सरकारी वेबसाइटों पर "AI Transparency Statement" या इसके समान शीर्षकों वाले दस्तावेजों को व्यवस्थित रूप से खोजा।
• फिल्टरिंग (Filtering): उन्होंने 101 वैध AITS (AITS-101 डेटासेट) की पहचान की और पुष्टि की कि 72 संस्थाओं के पास कोई बयान नहीं था।
• प्रीप्रोसेसिंग (Preprocessing): विषम प्रारूपों (HTML, PDF, DOCX) में मौजूद दस्तावेजों को प्लेन टेक्स्ट में परिवर्तित किया गया। एक नियम-आधारित पार्सर और मैन्युअल समीक्षा का उपयोग टेक्स्ट को "अनुभागों" (शीर्षक + बॉडी टेक्स्ट) में विभाजित करने और सूची मदों (list items) को सामान्य बनाने के लिए किया गया।
• एनोटेशन योजना (Annotation Scheme): 10 AI अभ्यास श्रेणियों की एक वर्गीकरण पद्धति (taxonomy) विकसित की गई (जैसे, AI की परिभाषा, AI का इरादा, निगरानी उपाय, नियमों का अनुपालन)। कुल 2,923 वाक्यों को एनोटेट किया गया।

B. विश्लेषणात्मक तकनीकें (Analytical Techniques)

1. स्टाइलोमेट्रिक विश्लेषण (Stylometric Analysis):
   • लंबाई और संरचना: गोपनीयता नीतियों (PP) के आधारभूत डेटासेट के विरुद्ध शब्द गणना और अनुभाग गणना की तुलना की गई।
   • पठनीयता: इसका मूल्यांकन Flesch–Kincaid Grade Level (FKGL) मीट्रिक का उपयोग करके किया गया।
   • लेक्सिकल विशेषताएं (Lexical Features): चार आयामों में "सरल भाषा" (Plain Language) दिशानिर्देशों के अनुपालन का मूल्यांकन किया गया: सरल शब्द, शब्दावली (jargon) से बचाव, व्यक्तिगत सर्वनाम और समावेशी भाषा। इसके लिए एक LLM-आधारित एनोटेशन (GPT-5) का उपयोग किया गया जिसे मानव विशेषज्ञों द्वारा सत्यापित किया गया (Cohen's $\kappa$ = 0.70)।
2. मात्रात्मक संरचना विश्लेषण (Quantitative Composition Analysis):
   • प्रत्येक 10 एनोटेशन श्रेणियों के लिए आवृत्ति (frequency), माध्य (mean), माध्यिका (median) और कवरेज (दस्तावेजों का प्रतिशत जिनमें श्रेणी मौजूद है) की गणना की गई।
3. गुणात्मक पैटर्न विश्लेषण (Qualitative Pattern Analysis):
   • डेटा के निहितार्थों की व्याख्या करने के लिए बयानों के भीतर आवर्ती संरचनात्मक पैटर्न और शासन मॉडलों की पहचान की गई।

3. प्रमुख योगदान (Key Contributions)

• AITS-101 डेटासेट: 101 सरकारी AI पारदर्शिता बयानों का पहला क्यूरेटेड, सार्वजनिक रूप से उपलब्ध डेटासेट, जो भविष्य के अनुसंधान के लिए एक आधारभूत संसाधन के रूप में कार्य करता है।
• प्रथम व्यवस्थित अनुभवजन्य अध्ययन: सरकारी AITS सामग्री, संरचना और भाषाई विशेषताओं का उद्घाटन विश्लेषण।
• कार्यप्रणाली ढांचा (Methodological Framework): नियामक प्रकटीकरण दस्तावेजों के विश्लेषण के लिए एक हाइब्रिड एनोटेशन पाइपलाइन (LLM + मानव सत्यापन) स्थापित की गई।
• नीतिगत अंतर्दृष्टि: नीति और व्यवहार के बीच के अंतर को बेहतर ढंग से पाटने के लिए पारदर्शिता मानकों को परिष्कृत करने हेतु साक्ष्य-आधारित सिफारिशें प्रदान की गईं।

4. मुख्य परिणाम और निष्कर्ष (Key Results & Findings)

A. स्टाइलोमेट्रिक और भाषाई निष्कर्ष

• संक्षिप्तता: AITS गोपनीयता नीतियों की तुलना में काफी छोटे होते हैं (मीडियन: 498 शब्द बनाम PP के लिए 4,379 शब्द) और इनमें अनुभाग भी कम होते हैं (6.8 बनाम 28.0)।
• पठनीयता की बाधा: संक्षिप्त होने के बावजूद, AITS पढ़ने में आसान नहीं हैं। मीडियन FKGL स्कोर 14.16 (कॉलेज स्तर) है, जो गोपनीयता नीतियों के लगभग समान है, जो यह दर्शाता है कि वे आम जनता के लिए अभी भी अप्राप्य बने हुए हैं।
• सरल भाषा अनुपालन: सरल भाषा दिशानिर्देशों के साथ समग्र अनुपालन कम है (औसत स्कोर: 1.55/4)।
  • कमियां: "सरल शब्दों" (0% अनुपालन) और "शब्दावली से बचाव" (5% अनुपालन) के मामले में गंभीर समस्याएं हैं। दस्तावेज़ नौकरशाही शब्दावली (जैसे, "utilise," "engage") और बिना स्पष्ट किए गए तकनीकी संक्षिप्त नामों (जैसे, "ICT") पर अत्यधिक निर्भर हैं।
  • ताकत: "समावेशी भाषा" (100%) के प्रति उच्च पालन और "व्यक्तिगत सर्वनामों" (52%) का मध्यम उपयोग।

B. सामग्री संरचना के निष्कर्ष

• शासन बनाम तकनीकी विवरण: प्रकटीकरण प्रशासनिक अनुपालन की ओर अधिक झुके हुए हैं न कि तकनीकी स्पष्टीकरण की ओर।
  • उच्च कवरेज: नियमों का अनुपालन (100%), निगरानी उपाय (92%), और अपडेट जानकारी (98%)।
  • निम्न कवरेज: AI की परिभाषा (40.6%), जनता पर प्रभाव (74.3%), और AI का इरादा (79.3%)।
• अस्पष्टता: कई एजेंसियां यह परिभाषित करने में विफल रहती हैं कि "AI" क्या है, यह मानकर कि यह एक साझा समझ है, जिससे दायरे की व्याख्या में असंगतता आती है।

C. संरचनात्मक पैटर्न और निहितार्थ

अध्ययन ने इस बात के चार महत्वपूर्ण पैटर्न की पहचान की कि एजेंसियां पारदर्शिता को कैसे संचालित करती हैं:

1. परिभाषिक दायरा (सिंटैक्स बनाम प्रोवेनेंस): एजेंसियां AI परिभाषाओं से "नियम-आधारित" (rules-based) या नियतात्मक (deterministic) प्रणालियों को सख्ती से बाहर रखती हैं (संभाव्य अनुमान/probabilistic inference पर ध्यान केंद्रित करती हैं)। यह एक ऐसा लूपहोल बनाता है जहाँ डेटा-संचालित मॉडल, जो स्थिर नियमों में जमे हुए हैं, पारदर्शिता आवश्यकताओं से बच जाते हैं, बावजूद इसके कि उनमें अंतर्निहित जोखिम बना रहता है।
2. नकारात्मक आश्वासन (Negative Assurance): उच्च-जोखिम वाली एजेंसियां (जैसे, सामाजिक सेवाएँ) अपने AI रुख को इस आधार पर परिभाषित करती हैं कि वे क्या नहीं करती हैं (जैसे, "हम अंतिम निर्णयों के लिए AI का उपयोग नहीं करते हैं")। यह मानव निरीक्षण का दावा तो करता है, लेकिन इस पर परिचालन विवरण की कमी है कि वह निरीक्षण कैसे काम करता है।
3. संरचनात्मक निर्भरता (Structural Dependency): छोटी एजेंसियां अक्सर बड़े "पैरेंट" विभागों के आईटी बुनियादी ढांचे पर निर्भर होती हैं। इसके परिणामस्वरूप ऐसे पारदर्शिता बयान सामने आते हैं जो व्यापक पोर्टफोलियो-स्तरीय नीतियों को संदर्भित करते हैं, जिससे विशिष्ट एजेंसी उपयोग के मामलों और उन्हें नियंत्रित करने वाले बुनियादी ढांचे के बीच अलगाव पैदा होता है।
4. "कोपायलट" मानकीकरण (The "Copilot" Standardization): सबसे आम उपयोग का मामला "कार्यस्थल उत्पादकता" (जैसे, Microsoft 365 Copilot) है। यह जोखिम प्रबंधन के फोकस को विशिष्ट एल्गोरिदम के परीक्षण से हटाकर, इन उपकरणों का उपयोग करने वाले कर्मचारियों के वितरित, रोजमर्रा के निर्णयों के प्रबंधन की ओर स्थानांतरित करता है।

5. महत्व (Significance)

• नीतिगत विकास: निष्कर्ष "सार्वजनिक समझ" के लक्ष्य और "नौकरशाही अनुपालन" की वास्तविकता के बीच मिसअलाइनमेंट (misalignment) को उजागर करते हैं। वर्तमान AITS ढांचा प्रभावी रूप से संगठनात्मक जवाबदेही की सेवा करता है लेकिन सार्वजनिक ऑडिटेबिलिटी के लिए तकनीकी सूक्ष्मता प्रदान करने में विफल रहता है।
• जोखिम प्रबंधन: अध्ययन प्रकट करता है कि वर्तमान पारदर्शिता तंत्र नियतात्मक प्रणालियों से जुड़े जोखिमों और जेनरेटिव AI उपकरणों का उपयोग करने वाले कार्यों के डाउनस्ट्रीम डेलीगेशन (downstream delegation) को छिपा सकते हैं।
• भविष्य के मानक: लेखक तर्क देते हैं कि भविष्य के पारदर्शिता मानकों को उच्च-स्तरीय शासन दावों से आगे बढ़कर इसमें शामिल होना चाहिए:
  • AI के दायरे (प्रोवेनेंस सहित) की स्पष्ट परिभाषा।
  • 'ह्यूमन-इन-द-द-लूप' (human-in-the-loop) तंत्रों पर परिचालन विवरण।
  • वास्तविक सार्वजनिक सुलभता सुनिश्चित करने के लिए सरल भाषा।

सीमाएं: अध्ययन LLM-आधारित लेक्सिकल विश्लेषण (विशेष रूप से कानूनी संक्षिप्त नामों के संबंध में) में संभावित शोर (noise) और वाक्य-स्तर के एनोटेशन की अंतर्निहित व्यक्तिपरकता को स्वीकार करता है, हालांकि शमन रणनीतियों (mitigation strategies) का उपयोग किया गया है।