स्कोएनहेर, सहायक प्रोफेसर, मनोविज्ञान, कॉनकॉर्डिया यूनिवर्सिटी मॉन्ट्रियल (कनाडा) (द कन्वर्सेशन) एक डिजिटल ट्विन एक व्यक्ति, उत्पाद या प्रक्रिया की एक प्रति है जो डेटा का उपयोग करके बनाई गई है।
यह विज्ञान कथा की तरह लग सकता है, लेकिन कुछ ने दावा किया है कि अगले दशक के भीतर आपके पास डिजिटल डबल होने की संभावना है।
एक व्यक्ति की एक प्रति के रूप में, एक डिजिटल जुड़वां आदर्श रूप से वही निर्णय लेगा जो आप करेंगे यदि आपको समान सामग्री के साथ प्रस्तुत किया गया था। यह भविष्यवादियों द्वारा अभी तक एक और सट्टा दावा जैसा प्रतीत हो सकता है।
लेकिन यह उससे कहीं अधिक संभव है जितना लोग विश्वास करना चाहेंगे।
जबकि हम यह मान सकते हैं कि हम विशेष और अद्वितीय हैं, पर्याप्त मात्रा में जानकारी के साथ, कृत्रिम बुद्धिमत्ता (एआई) हमारे व्यक्तित्व, सामाजिक व्यवहार और खरीदारी के निर्णयों के बारे में कई अनुमान लगा सकती है।
बड़े डेटा के युग का मतलब है कि आपके खुले दृष्टिकोण और वरीयताओं के साथ-साथ आपके द्वारा छोड़े गए व्यवहार के निशान के बारे में बड़ी मात्रा में जानकारी (डेटा झील कहा जाता है) एकत्र की जाती है। समान रूप से झकझोरना वह सीमा है जिस तक संगठन हमारा डेटा एकत्र करते हैं।
2019 में, वॉल्ट डिज़नी कंपनी ने हुलु का अधिग्रहण किया, एक कंपनी जिसे पत्रकारों और अधिवक्ताओं ने बताया कि डेटा संग्रह में एक संदिग्ध रिकॉर्ड था। प्रतीत होता है कि सौम्य फोन एप्लिकेशन जैसे कॉफी ऑर्डर करने के लिए उपयोग किए जाते हैं, हर कुछ मिनटों में उपयोगकर्ताओं से बड़ी मात्रा में एकत्र कर सकते हैं।
कैम्ब्रिज एनालिटिका स्कैंडल इन चिंताओं को दिखाता है, उपयोगकर्ताओं और नियामकों के साथ किसी के व्यवहार की पहचान, भविष्यवाणी और बदलाव करने में सक्षम होने की संभावनाओं के बारे में चिंतित हैं। लेकिन हमें कितना चिंतित होना चाहिए? उच्च बनाम निम्न फ़िडेलिटी सिमुलेशन अध्ययनों में, फ़िडेलिटी का अर्थ है कि एक प्रति, या मॉडल कितनी बारीकी से अपने लक्ष्य से मेल खाती है।
सिमुलेटर फिडेलिटी से तात्पर्य यथार्थवाद की उस डिग्री से है जो एक सिमुलेशन में वास्तविक दुनिया के संदर्भों के लिए है। उदाहरण के लिए, एक रेसिंग वीडियो गेम एक ऐसी छवि प्रदान करता है जो किसी कीबोर्ड या नियंत्रक पर कुंजियों को दबाने पर गति में वृद्धि और कमी करती है।
जबकि एक ड्राइविंग सिम्युलेटर में विंडस्क्रीन, चेसिस, गियर स्टिक और गैस और ब्रेक पैडल हो सकते हैं, एक वीडियो गेम में ड्राइविंग सिम्युलेटर की तुलना में कम निष्ठा होती है।
एक डिजिटल ट्विन को उच्च स्तर की निष्ठा की आवश्यकता होती है जो वास्तविक समय, वास्तविक दुनिया की जानकारी को शामिल करने में सक्षम होगी: यदि अभी बाहर बारिश हो रही है, तो सिम्युलेटर में बारिश होगी।
उद्योग में, डिजिटल जुड़वाँ के आमूल-चूल प्रभाव हो सकते हैं। अगर हम इंसानों की एक प्रणाली और मशीन इंटरैक्शन को मॉडल करने में सक्षम हैं, तो हमारे पास संसाधनों को आवंटित करने, कमी और टूटने का अनुमान लगाने और अनुमान लगाने की क्षमता है।
एक मानव डिजिटल ट्विन किसी व्यक्ति की प्राथमिकताओं, पूर्वाग्रहों और व्यवहारों के बारे में बड़ी मात्रा में डेटा को शामिल करेगा, और भविष्यवाणियां करने के लिए उपयोगकर्ता के तत्काल भौतिक और सामाजिक वातावरण के बारे में जानकारी प्राप्त करने में सक्षम होगा।
इन आवश्यकताओं का मतलब है कि एक सच्चे डिजिटल ट्विन को प्राप्त करना निकट भविष्य के लिए एक दूरस्थ संभावना है। उपयोगकर्ता के वर्चुअल मॉडल को बनाए रखने के लिए आवश्यक डेटा और प्रक्रिया क्षमता को जमा करने के लिए आवश्यक सेंसर की मात्रा बहुत अधिक होगी।
वर्तमान में, डेवलपर्स कम-निष्ठा मॉडल के लिए समझौता करते हैं।
नैतिक मुद्दे एक डिजिटल ट्विन का निर्माण डेटा अखंडता, एक मॉडल की भविष्यवाणी सटीकता, एक डिजिटल ट्विन बनाने और अपडेट करने के लिए आवश्यक निगरानी क्षमता, और एक डिजिटल ट्विन के स्वामित्व और पहुंच से संबंधित सामाजिक और नैतिक मुद्दों को उठाता है।
ब्रिटिश प्रधान मंत्री बेंजामिन डिज़रायली को अक्सर यह कहते हुए उद्धृत किया जाता है, झूठ तीन प्रकार के होते हैं: झूठ, शापित झूठ और आँकड़े, जिसका अर्थ है कि संख्याओं पर भरोसा नहीं किया जा सकता है।
हमारे बारे में एकत्र किया गया डेटा हमारे व्यवहार और आदतों के बारे में आंकड़ों को इकट्ठा करने और विश्लेषण करने पर निर्भर करता है ताकि यह अनुमान लगाया जा सके कि हम दी गई परिस्थितियों में कैसे व्यवहार करेंगे। यह भावना इस बारे में गलतफहमी को दर्शाती है कि सांख्यिकीविद् डेटा को कैसे इकट्ठा और व्याख्या करते हैं, लेकिन यह एक महत्वपूर्ण चिंता का विषय है।
डिजिटल ट्विन के साथ सबसे महत्वपूर्ण नैतिक मुद्दों में से एक मात्रात्मक भ्रम से संबंधित है, जो मानता है कि संख्याओं का उद्देश्य उनके संदर्भ से तलाकशुदा अर्थ है।
जब हम संख्याओं को देखते हैं, तो हम अक्सर यह भूल जाते हैं कि उनके विशिष्ट अर्थ होते हैं जो उन्हें एकत्र करने के लिए उपयोग किए जाने वाले माप उपकरणों से आते हैं। और एक माप उपकरण एक संदर्भ में काम कर सकता है लेकिन दूसरे में नहीं।
डेटा एकत्र और उपयोग करते समय, हमें यह स्वीकार करना चाहिए कि चयन में कुछ विशेषताएं शामिल हैं न कि अन्य। अक्सर, यह चयन सुविधा से बाहर या प्रौद्योगिकी की व्यावहारिक सीमाओं के कारण किया जाता है।
हमें डेटा और आर्टिफिशियल इंटेलिजेंस पर आधारित किसी भी दावे की आलोचना करनी चाहिए क्योंकि डिजाइन के फैसले हमारे पास उपलब्ध नहीं हैं। हमें समझना चाहिए कि डेटा कैसे एकत्र, संसाधित, उपयोग और प्रस्तुत किया गया था।
बिजली असंतुलन जनता में डेटा, गोपनीयता और निगरानी के संबंध में शक्ति का असंतुलन एक बढ़ती हुई चर्चा है।
छोटे पैमाने पर, यह उन लोगों और जिनके पास डिजिटल प्रौद्योगिकियों तक पहुंच नहीं है, के बीच अंतर को डिजिटल रूप से विभाजित या बढ़ा सकता है। बड़े पैमाने पर, यह सूचना और प्रौद्योगिकी तक पहुंच और नियंत्रण पर आधारित एक नए उपनिवेशवाद के लिए खतरा है।
यहां तक कि कम-निष्ठा वाले डिजिटल जुड़वाँ का निर्माण उपयोगकर्ताओं की निगरानी करने, उनके व्यवहार के बारे में अनुमान लगाने, उन्हें प्रभावित करने का प्रयास करने और दूसरों को उनका प्रतिनिधित्व करने के अवसर प्रदान करता है।
हालांकि यह स्वास्थ्य देखभाल या शिक्षा सेटिंग्स में मदद कर सकता है, उपयोगकर्ताओं को अपने डेटा तक पहुंचने और मूल्यांकन करने की क्षमता देने में विफलता व्यक्तिगत स्वायत्तता और समाज की सामूहिक भलाई को खतरा पैदा कर सकती है।
डेटा विषयों के पास बड़े निगमों और सरकारों के समान संसाधनों तक पहुंच नहीं है। समय, प्रशिक्षण और शायद प्रेरणा की कमी। यह सुनिश्चित करने के लिए कि हमारे डिजिटल अधिकार सुरक्षित हैं, निरंतर और स्वतंत्र निरीक्षण की आवश्यकता है।
सभी पढ़ें ताज़ा खबर तथा आज की ताजा खबर यहां
