ਸੰਘੀ ਸਰਕਾਰ ਸ਼ਾਇਦ ਹੀ ਕਦੇ ਅਜਿਹੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਕਾਹਲੀ ਕਰਦੀ ਹੈ ਜਿਸਦੀ ਪਰਖ ਨਾ ਕੀਤੀ ਗਈ ਹੋਵੇ। ਖਾਸ ਕਰਕੇ ਜਨਤਕ ਸਿਹਤ ਵਿਭਾਗ, ਮਰੀਜ਼ਾਂ ਦੇ ਰਿਕਾਰਡ ਜਾਂ ਬਿਮਾਰੀ ਦੇ ਫੈਲਾਅ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿਸੇ ਸਾਧਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਸਾਲਾਂ ਬਿਤਾ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਜਦੋਂ ਅਮਰੀਕੀ ਸਿਹਤ ਏਜੰਸੀਆਂ ਨੇ ਐਲਾਨ ਕੀਤਾ ਕਿ ਉਹ OpenAI ਅਤੇ Anthropic ਦੁਆਰਾ ਬਣਾਏ ਗਏ generative AI ਸਿਸਟਮਾਂ ਨਾਲ ਲਾਈਵ ਟ੍ਰਾਇਲ ਚਲਾਉਣਗੇ, ਤਾਂ ਸੰਕੇਤ ਸਪੱਸ਼ਟ ਸੀ: ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ ਉਪਭੋਗਤਾ ਪ੍ਰਯੋਗ ਤੋਂ ਹਟ ਕੇ ਹੁਣ ਗੰਭੀਰ ਸੰਸਥਾਗਤ ਉਮੀਦਵਾਰ ਬਣ ਚੁੱਕੇ ਹਨ।
PULSE ਅਸਲ ਵਿੱਚ ਕੀ ਕਰਦਾ ਹੈ
ਇਸ ਨਵੇਂ ਉਪਰਾਲੇ ਨੂੰ Public Health Use Case and Learning Scaling Engine—ਛੋਟੇ ਰੂਪ ਵਿੱਚ PULSE ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਟੈਸਟਿੰਗ ਫਰੇਮਵਰਕ ਹੈ, ਕੋਈ ਉਤਪਾਦ ਰੋਲਆਊਟ ਨਹੀਂ। ਸਿਹਤ ਵਿਭਾਗ ਦੇ ਈਮੇਲ ਸਿਸਟਮਾਂ ਵਿੱਚ ਚੈਟਬੋਟਸ ਪਾ ਕੇ ਸਭ ਕੁਝ ਠੀਕ ਹੋਣ ਦੀ ਉਮੀਦ ਕਰਨ ਦੀ ਬਜਾਏ, PULSE generative AI ਨਾਲ ਉਸੇ ਤਰ੍ਹਾਂ ਪੇਸ਼ ਆਉਂਦਾ ਹੈ ਜਿਸ ਤਰ੍ਹਾਂ ਜਨਤਕ ਸਿਹਤ ਵਿਭਾਗ ਕਿਸੇ ਨਵੀਂ ਵੈਕਸੀਨ ਨਾਲ ਪੇਸ਼ ਆਉਂਦਾ ਹੈ। ਇਹ ਅਜਿਹੀਆਂ ਨਿਯੰਤਰਿਤ ਸਥਿਤੀਆਂ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਰਾਜ, ਸਥਾਨਕ, ਕਬਾਇਲੀ ਅਤੇ ਖੇਤਰੀ ਏਜੰਸੀਆਂ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦਾ ਪ੍ਰਯੋਗ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਨਾਲ ਹੀ ਇਸਦੇ ਮਾੜੇ ਪ੍ਰਭਾਵਾਂ 'ਤੇ ਸਖ਼ਤ ਨਜ਼ਰ ਰੱਖ ਸਕਦੀਆਂ ਹਨ।
ਇਹ ਪ੍ਰੋਗਰਾਮ ਚਾਰ ਵੱਖ-ਵੱਖ ਭਾਈਵਾਲਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ। Coalition for Health AI (CHAI) ਸਿਹਤ ਸੰਭਾਲ ਨਾਲ ਸੰਬੰਧਿਤ ਸ਼ਾਸਨ ਅਤੇ ਸੁਰੱਖਿਆ ਮਾਪਦੰਡ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। OpenAI ਅਤੇ Anthropic ਅਤਿ-ਆਧੁਨਿਕ ਭਾਸ਼ਾ ਮਾਡਲ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ। Accenture ਉਹ ਏਕੀਕਰਨ ਮਾਹਰਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਇਹਨਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਮੌਜੂਦਾ ਸਰਕਾਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨਾਲ ਜੋੜਨ ਲਈ ਲੋੜੀਂਦੀ ਹੈ, ਜੋ ਅਕਸਰ ਦਹਾਕਿਆਂ ਪੁਰਾਣੇ ਡੇਟਾਬੇਸਾਂ ਅਤੇ ਸਖ਼ਤ ਖਰੀਦ ਨਿਯਮਾਂ 'ਤੇ ਚੱਲਦਾ ਹੈ।
PULSE ਇਹ ਨਹੀਂ ਪੁੱਛ ਰਿਹਾ ਕਿ ਕੀ AI ਈਮੇਲ ਲਿਖ ਸਕਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਮੀਟਿੰਗ ਦੇ ਰਿਕਾਰਡ ਦਾ ਸਾਰ ਕੱਢ ਸਕਦਾ ਹੈ। ਇਹ ਇਹ ਪੁੱਛ ਰਿਹਾ ਹੈ ਕਿ ਕੀ ਇਹ ਮਾਡਲ ਤਿੰਨ ਮੁੱਖ ਕੰਮਾਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਤਰੀਕੇ ਨਾਲ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ: ਮਹਾਮਾਰੀ ਦੀ ਨਿਗਰਾਨੀ (epidemiological surveillance), ਸਰੋਤਾਂ ਦੀ ਵੰਡ (resource allocation), ਅਤੇ ਜਨਤਕ ਸਿਹਤ ਸੰਚਾਰ (public health communication)। ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਸੁਣਨ ਵਿੱਚ ਅਮੂਰਤ ਲੱਗ ਸਕਦਾ ਹੈ, ਪਰ ਮਿਲ ਕੇ ਇਹ ਇੱਕ ਸਿਹਤ ਵਿਭਾਗ ਚਲਾਉਣ ਦੇ ਰੋਜ਼ਾਨਾ ਦੇ ਬੋਝ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਨਿਗਰਾਨੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿਸੇ ਬਿਮਾਰੀ ਦੇ ਫੈਲਾਅ ਨੂੰ ਵਧਣ ਤੋਂ ਪਹਿਲਾਂ ਪਛਾਣਨ ਲਈ ਲੈਬ ਰਿਪੋਰਟਾਂ, ਹਸਪਤਾਲ ਵਿੱਚ ਭਰਤੀਆਂ, ਅਤੇ ਸਕੂਲਾਂ ਦੀ ਗੈਰ-ਹਾਜ਼ਰੀ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨਾ। ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਦਾ ਮਤਲਬ ਹੈ ਫਲੂ ਦੇ ਭਾਰੀ ਸੀਜ਼ਨ ਦੌਰਾਨ ਸੀਮਤ ਵੈਕਸੀਨ ਖੁਰਾਕਾਂ ਜਾਂ ਐਂਟੀਵਾਇਰਲ ਇਲਾਜ ਕਿੱਥੇ ਭੇਜਣੇ ਹਨ, ਇਸਦਾ ਤੁਰੰਤ ਫੈਸਲਾ ਕਰਨਾ। ਜਨਤਕ ਸਿਹਤ ਸੰਚਾਰ ਦਾ ਮਤਲਬ ਹੈ ਗੁੰਝਲ ਅੰਤਰਰਾਸ਼ਟਰੀ ਫੈਡਰਲ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਦਰਜਨਾਂ ਵੱਖ-ਵੱਖ ਭਾਈਚਾਰਿਆਂ ਲਈ ਸਰਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ, ਅਕਸਰ ਉਦੋਂ ਜਦੋਂ ਭੋਜਨ ਰਾਹੀਂ ਫੈਲਣ ਵਾਲੀ ਬਿਮਾਰੀ ਦੀ ਜਾਂਚ ਦਾ ਸਮਾਂ ਬਹੁਤ ਘੱਟ ਹੋਵੇ। ਜੇਕਰ AI ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਕੰਮ ਵਿੱਚ ਵਾਧੂ ਕੰਮ ਕੀਤੇ ਬਿਨਾਂ ਜਾਂ ਗਲਤੀਆਂ ਕੀਤੇ ਬਿਨਾਂ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਵੱਡਾ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ।
ਦਸ ਅਧਿਕਾਰ ਖੇਤਰ ਸਭ ਕੁਝ ਕਿਉਂ ਬਦਲ ਦਿੰਦੇ ਹਨ
ਇਹ ਪ੍ਰੋਗਰਾਮ ਰਾਜਾਂ, ਸਥਾਨਕ ਖੇਤਰਾਂ, ਕਬਾਇਲੀ ਰਾਸ਼ਟਰਾਂ ਅਤੇ ਅਮਰੀਕੀ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਲਏ ਗਏ ਦਸ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਵਿੱਚ ਟ੍ਰਾਇਲ ਚਲਾਏਗਾ। ਇਹ ਜਾਣਬੁੱਝ ਕੇ ਕੀਤਾ ਗਿਆ ਫੈਲਾਅ ਹੀ ਇਸਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਹੈ। ਇੱਕ ਸੰਘਣਾ ਵੱਸਿਆ ਹੋਇਆ ਖੇਤਰ, ਜਿੱਥੇ ਸੈਂਕੜੇ ਮਹਾਮਾਰੀ ਮਾਹਰ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਫਾਈਬਰ-ਓਪਟਿਕ ਨੈੱਟਵਰਕ ਚੱਲਦੇ ਹਨ, ਉਸ ਰਾਜ ਦੇ ਸਿਹਤ ਵਿਭਾਗ ਦੀਆਂ ਪਾਬੰਦੀਆਂ ਇੱਕ ਖੇਤਰੀ ਏਜੰਸੀ ਨਾਲੋਂ ਬਿਲਕੁਲ ਵੱਖਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਘੱਟ ਸਟਾਫ ਅਤੇ ਰੁਕ-ਰੁਕ ਕੇ ਆਉਣ ਵਾਲੀ ਇੰਟਰਨੈਟ ਕਨੈਕਟੀਵਿਟੀ ਦੇ ਨਾਲ ਡੇਂਗੂ ਦੀ ਨਿਗਰਾਨੀ ਕਰ ਰਹੀ ਹੈ।
ਕਬਾਇਲੀ ਸ਼ਮੂਲੀਅਤ ਦਾ ਖਾਸ ਮਹੱਤਵ ਹੈ। ਕਬਾਇਲੀ ਸਿਹਤ ਏਜੰਸੀਆਂ ਨੂੰ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਨਿਰੰਤਰ ਘੱਟ ਫੰਡਿੰਗ ਅਤੇ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਦੀਆਂ ਗੰਭੀਰ ਚਿੰਤਾਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਹੈ। ਕਬਾਇਲੀ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ, PULSE ਇਹ ਮੰਨਦਾ ਹੈ ਕਿ ਕੋਈ ਵੀ AI ਸਾਧਨ ਜੋ ਰਾਸ਼ਟਰੀ ਉਪਯੋਗਤਾ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ, ਉਸਨੂੰ ਵਿਸ਼ੇਸ਼ ਆਬਾਦੀਆਂ ਨੂੰ ਸੰਭਾਲਣਾ ਚਾਹੀਦਾ ਹੈ, ਵੱਖ-ਵੱਖ ਸ਼ਾਸਨ ਢਾਂਚਿਆਂ ਦਾ ਸਤਿਕਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਵਿਲੱਖਣ ਵਾਤਾਵਰਣਕ ਅਤੇ ਸਮਾਜਿਕ ਸਿਹਤ ਬੋਝ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਮਾਡਲ ਇਹਨਾਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਕੰਮ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਤਾਂ ਉਹ ਫੈਡਰਲ ਮਾਨਤਾ ਦੇ ਯੋਗ ਨਹੀਂ ਹੈ।
ਖੇਤਰੀ ਏਜੰਸੀਆਂ ਇੱਕ ਹੋਰ ਜ਼ਰੂਰੀ ਸਟ੍ਰੈੱਸ ਟੈਸਟ ਜੋੜਦੀਆਂ ਹਨ। ਅਮਰੀਕੀ ਖੇਤਰਾਂ ਵਿੱਚ ਜਨਤਕ ਸਿਹਤ ਅਧਿਕਾਰੀ ਬਿਮਾਰੀਆਂ ਦੇ ਪੈਟਰਨਾਂ ਅਤੇ ਸਪਲਾਈ ਚੇਨਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ ਜੋ ਮੁੱਖ ਭੂਮੀ ਨਾਲੋਂ ਬਹੁਤ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ। ਇੱਕ AI ਸਹਾਇਕ ਜੋ ਸੰਪੂਰਨ ਇੰਟਰਨੈਟ ਕਨੈਕਟੀਵਿਟੀ ਦੀ ਉਮੀਦ ਕਰਦਾ ਹੈ, ਜਾਂ ਜੋ ਵੱਡੇ ਸ਼ਹਿਰੀ ਹਸਪਤਾਲਾਂ ਵਿੱਚ ਆਮ ICD-10 ਕੋਡਿੰਗ ਆਦਤਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਉਹ ਉਦੋਂ ਅਸਫਲ ਹੋ ਜਾਵੇਗਾ ਜਦੋਂ ਕੋਈ ਤੂਫਾਨ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਤਬਾਹ ਕਰ ਦੇਵੇਗਾ। ਦਸ-ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਵਾਲਾ ਇਹ ਡਿਜ਼ਾਈਨ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਇਹ ਸਖ਼ਤ ਸਬੂਤ ਇਕੱਠੇ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਇਹ ਮਾਡਲ ਅਧੂਰੇ ਮਾਹੌਲ ਅਨੁਸਾਰ ਢਲ ਸਕਦੇ ਹਨ ਜਾਂ ਟੁੱਟ ਜਾਂਦੇ ਹਨ।
ਚੈਟਬੋਟਸ ਤੋਂ ਲੈ ਕੇ ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਤੱਕ
ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਤੋਂ, ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਬਾਰੇ ਜਨਤਕ ਚਰਚਾ ਕੋਡਿੰਗ ਸ਼ਾਰਟਕੱਟਾਂ, ਮਾਰਕੀਟਿੰਗ ਕਾਪੀ ਅਤੇ ਚਿੱਤਰ ਜਨਰੇਸ਼ਨ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਕੇਂਦਰਿਤ ਰਹੀ ਹੈ। PULSE ਜਾਣਬੁੱਝ ਕੇ ਧਿਆਨ ਨੂੰ ਮਿਸ਼ਨ-ਕ੍ਰਿਟੀਕਲ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵੱਲ ਮੋੜਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਸਿਹਤ ਵਿਭਾਗ ਸੰਦੇਸ਼ੀ ਬਿਮਾਰੀ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ AI ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਗਲਤੀ ਸਿਰਫ਼ ਇੱਕ ਮਾਮੂਲੀ ਗਲਤੀ ਨਹੀਂ ਹੁੰਦੀ। ਇਹ ਜਨਤਕ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਸੰਭਾਵੀ ਅਸਫਲਤਾ ਹੈ।
ਉਹ ਹਕੀਕਤ ਇਸ ਪਾਇਲਟ ਨੂੰ ਤਿੰਨ ਲਗਾਤਾਰ ਤਕਨੀਕੀ ਸਮੱਸਿਆਵਾਂ ਲਈ ਇੱਕ ਮਿਸਾਲ ਬਣਾਉਂਦੀ ਹੈ: ਸ਼ੁੱਧਤਾ (accuracy), hallucination ਨੂੰ ਘਟਾਉਣਾ, ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ। ਇਸ ਸੰਦਰਭ ਵਿੱਚ, hallucination ਦਾ ਮਤਲਬ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਇੱਕ ਮਾਡਲ ਕਿਸੇ ਦਵਾਈ ਦੇ ਆਪਸੀ ਪ੍ਰਭਾਵ (drug interaction) ਬਾਰੇ ਗਲਤ ਜਾਣਕਾਰੀ ਬਣਾਵੇ, ਕਿਸੇ ਅਜਿਹੇ ਪ੍ਰਮਾਣਿਤ ਆਊਟਬ੍ਰੇਕ ਕਲੱਸਟਰ ਦੀ ਕਲਪਨਾ ਕਰੇ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ, ਜਾਂ ਰਿਪੋਰਟਿੰਗ ਨਿਯਮਾਂ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਦੱਸੇ। PULSE ਨੂੰ ਇਹ ਮਾਪਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਇਹ ਗਲਤੀਆਂ ਕਿੰਨੀ ਵਾਰ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਕੀ ਤਕਨੀਕੀ ਸੁਰੱਖਿਆ ਪ੍ਰਬੰਧ (guardrails) ਫੈਸਲਾ ਲੈਣ ਵਾਲੇ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਫੜ ਸਕਦੇ ਹਨ।
ਪ੍ਰਾਈਵੇਸੀ ਦਾ ਵੀ ਉਨਾ ਹੀ ਮਹੱਤਵ ਹੈ। ਜਨਤਕ ਸਿਹਤ ਏਜੰਸੀਆਂ HIPAA ਅਤੇ ਹੋਰ ਰਾਜ-ਪੱਧਰੀ ਕਾਨੂੰਨਾਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਸੁਰੱਖਿਅਤ ਸਿਹਤ ਜਾਣਕਾਰੀ ਨੂੰ ਸੰਭਾਲਦੀਆਂ ਹਨ। ਇਸ ਡਾਟਾ ਨਾਲ ਜੁੜਿਆ ਕੋਈ ਵੀ AI ਸਿਸਟਮ ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸਾਬਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ ਕੀ ਸਟੋਰ ਕਰਦਾ ਹੈ, ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਕਿੱਥੇ ਜਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਆਉਟਪੁੱਟ ਤੱਕ ਕਿਸ ਦੀ ਪਹੁੰਚ ਹੋ ਸਕਦੀ ਹੈ। CHAI ਦੀ ਸ਼ਮੂਲੀਅਤ ਇਹ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਕਿ ਇਹ ਪ੍ਰਯੋਗ ਨਾ ਸਿਰਫ਼ OpenAI ਅਤੇ Anthropic ਮਾਡਲਾਂ ਦੀ ਬੌਧਿਕ ਸਮਰੱਥਾ ਦੀ ਪਰਖ ਕਰਨਗੇ, ਸਗੋਂ ਸਖ਼ਤ ਸੰਸਥਾਗਤ ਸ਼ਾਸਨ ਢਾਂਚਿਆਂ (governance frameworks) ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਨ ਦੀ ਉਹਨਾਂ ਦੀ ਯੋਗਤਾ ਅਤੇ ਸਾਫ਼ ਆਡਿਟ ਟ੍ਰੇਲ (audit trails) ਛੱਡਣ ਦੀ ਉਹਨਾਂ ਦੀ ਸਮਰੱਥਾ ਦੀ ਵੀ ਪਰਖ ਕਰਨਗੇ।
ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਰੈਗੂਲੇਟਰਾਂ ਲਈ ਇੱਕ ਬਲੂਪ੍ਰਿੰਟ
ਹੈਲਥਕੇਅਰ AI ਬਣਾਉਣ ਵਾਲੇ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸਟਾਰਟਅੱਪ ਸੰਸਥਾਪਕਾਂ ਲਈ, PULSE ਕੁਝ ਅਜਿਹਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਬਾਜ਼ਾਰ ਨੂੰ ਤੁਰੰਤ ਲੋੜ ਹੈ: ਇੱਕ ਦਿਖਾਈ ਦੇਣ ਵਾਲਾ, ਸਰਕਾਰ ਦੁਆਰਾ ਸਮਰਥਿਤ ਮਿਆਰ। ਨਵੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਅਕਸਰ ਜਨਤਕ ਸਿਹਤ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਵਿਕਰੀ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਕਿਉਂਕਿ ਖਰੀਦ ਅਧਿਕਾਰੀਆਂ ਕੋਲ AI ਸੁਰੱਖਿਆ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕੋਈ ਸਾਂਝੀ ਚੈੱਕਲਿਸਟ ਨਹੀਂ ਹੁੰਦੀ। ਜੇਕਰ PULSE ਪ੍ਰਸ਼ਾਸਨਿਕ ਸਿਹਤ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਪੱਖਪਾਤ (bias), ਸ਼ੁੱਧਤਾ ਅਤੇ ਪ੍ਰਾਈਵੇਸੀ ਨੂੰ ਮਾਪਣ ਲਈ ਪਾਰਦਰਸ਼ੀ ਮਾਪਦੰਡ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਮਾਪਦੰਡ ਦੇਸ਼ ਭਰ ਦੇ ਵੈਂਡਰਾਂ ਲਈ ਜਲਦੀ ਹੀ ਡਿਫੌਲਟ ਬੈਂਚਮਾਰਕ ਬਣ ਸਕਦੇ ਹਨ।
ਇਹ ਪ੍ਰੋਗਰਾਮ ਇਸ ਗੱਲ ਵੱਲ ਵੀ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਕਿ ਸਰਕਾਰ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ Large Language Models (LLMs) ਨੂੰ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੋਣ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਖਪਤਕਾਰ ਚੈਟਬੋਟਸ (Consumer chatbots) ਨੂੰ ਰਵਾਨਗੀਪੂਰਵਕ ਅਤੇ ਮਦਦਗਾਰ ਜਵਾਬਾਂ ਲਈ ਅਨੁਕੂਲਿਤ (optimized) ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਰਕਾਰੀ ਸਿਹਤ ਕਾਰਜਾਂ ਲਈ ਹਵਾਲਿਆਂ (citations), ਸਟੀਕ ਅਨਿਸ਼ਚਿਤਤਾ (calibrated uncertainty) ਅਤੇ ਸੰਸਥਾਗਤ ਯਾਦਦਾਸ਼ਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਨਰਸ ਐਪੀਡੀਮੀਓਲੋਜਿਸਟ (nurse epidemiologist) ਨੂੰ ਸਲਾਹ ਦੇਣ ਵਾਲੇ ਮਾਡਲ ਨੂੰ ਇੱਕ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਬਣਾਉਣ ਦੀ ਬਜਾਏ "ਸਬੂਤ ਅਸਪਸ਼ਟ ਹਨ" ਕਹਿਣ ਲਈ ਤਿਆਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਦੇਖਣਾ ਕਿ OpenAI ਅਤੇ Anthropic ਇਸ ਮਾਹੌਲ ਲਈ ਆਪਣੀਆਂ ਪ੍ਰੋਂਪਟਿੰਗ ਰਣਨੀਤੀਆਂ (prompting strategies) ਅਤੇ ਰਿਟ੍ਰੀਵਲ ਸਿਸਟਮਾਂ (retrieval systems) ਨੂੰ ਕਿਵੇਂ ਐਡਜਸਟ ਕਰਦੇ ਹਨ, ਇਹ ਦੱਸੇਗਾ ਕਿ ਕੀ ਅਧਾਰभूत ਤਕਨਾਲੋਜੀ ਅਸਲ ਵਿੱਚ ਦਫ਼ਤਰੀ ਉਮੀਦਾਂ (bureaucratic expectations) ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦੀ ਹੈ।
ਜੇਕਰ ਪਾਇਲਟ ਸਫਲ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਤਕਨੀਕੀ ਅਤੇ ਸ਼ਾਸਨ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ ਅਮਰੀਕਾ ਦੀਆਂ ਸਰਹੱਦਾਂ ਤੋਂ ਵੀ ਬਾਹਰ ਜਾ ਸਕਦੀ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੇ ਜਨਤਕ ਸਿਹਤ ਵਿਭਾਗ ਸਮਾਨ ਡਾਟਾ ਬੋਝ ਅਤੇ ਸਟਾਫ ਦੀ ਘਾਟ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ। ਐਪੀਡੀਮੀਓਲੋਜੀ ਅਤੇ ਸਿਹਤ ਸੰਚਾਰ ਵਿੱਚ LLMs ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਫਰੇਮਵਰਕ ਇੱਕ ਅੰਤਰਰਾਸ਼ਟਰੀ ਰੈਫਰੈਂਸ ਪੁਆਇੰਟ ਬਣ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ FHIR ਸਟੈਂਡਰਡਸ ਨੇ ਇਲੈਕਟ੍ਰਾਨਿਕ ਸਿਹਤ ਰਿਕਾਰਡਾਂ ਲਈ ਕੀਤਾ ਸੀ।
ਅਸਲ ਸਿੱਖਿਆ
PULSE ਇਹ ਵਾਅਦਾ ਨਹੀਂ ਹੈ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਜਨਤਕ ਸਿਹਤ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸੁਲਝਾ ਦੇਵੇਗੀ। ਇਹ ਇੱਕ ਸਵੀਕਾਰੋਕਤੀ ਹੈ ਕਿ ਸਿਹਤ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਪੁਰਾਣੇ ਤਰੀਕੇ ਬਹੁਤ ਹੌਲੀ ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਿਹਨਤ ਵਾਲੇ ਹਨ, ਅਤੇ ਕਿਸੇ ਵੀ ਬਦਲ ਨੂੰ ਰਾਸ਼ਟਰੀ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਅਸਲ ਅਤੇ ਵਿਭਿੰਨ ਸਥਿਤੀਆਂ ਦੇ ਅਧੀਨ ਸਾਬਤ ਕਰਨਾ ਹੋਵੇਗਾ। OpenAI ਅਤੇ Anthropic ਦੇ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਦੇ ਨਾਲ CHAI ਦੇ ਸੁਰੱਖਿਆ ਫਰੇਮਵਰਕਾਂ ਨੂੰ ਜੋੜ ਕੇ, ਅਤੇ ਉਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਦਸ ਅਸਲ ਵੱਖ-ਵੱਖ ਅਧਿਕਾਰ ਖੇਤਰਾਂ (jurisdictions) ਵਿੱਚ ਆਪਣੇ ਆਪ ਨੂੰ ਸਾਬਤ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਕੇ, ਇਹ ਪ੍ਰੋਗਰਾਮ ਜਨਰੇਟਿਵ AI ਨੂੰ ਉਸੇ ਸ਼ੱਕ ਨਾਲ ਦੇਖਦਾ ਹੈ ਜਿਸਦਾ ਉਹ ਹੱਕਦਾਰ ਹੈ, ਜਦੋਂ ਕਿ ਇਸਨੂੰ ਉਹ ਟੈਸਟਿੰਗ ਗਰਾਊਂਡ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਇਸਨੂੰ ਲੋੜ ਹੈ। ਸਿਹਤ ਅਧਿਕਾਰੀਆਂ, ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਉਹਨਾਂ ਦੁਆਰਾ ਸੇਵਾ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਭਾਈਚਾਰਿਆਂ ਲਈ, ਉਹ ਸੰਤੁਲਨ ਹੀ ਜ਼ਿੰਮੇਵਾਰ ਅਪਣਾਉਣ (responsible adoption) ਦਾ ਅਸਲ ਰੂਪ ਹੈ।