CAG Focuses On AI : કેગએ નકલી દાવાઓને ઉજાગર કરવા અને પરફોર્મન્સ ઓડિટ કરવા માટે AI પર ધ્યાન કેન્દ્રિત કર્યું

Harikishan Sharma : શિષ્યવૃત્તિના લાભોનો દાવો કરતી બિન-અસ્તિત્વ ધરાવતી શાળાઓને ઓળખવાથી લઈને સરકારી યોજનાઓના ઘણા લાભાર્થીઓ દ્વારા ઉપયોગમાં લેવાતા સમાન ફોટા શોધવા સુધી, ભારતના કોમ્પ્ટ્રોલર અને ઓડિટર જનરલ (CAG) આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) અને મશીન લર્નિંગ (ML)નો મોટા પાયે ઉપયોગ કરી રહ્યા છે.

તાજેતરમાં પણજી ખાતે ભારતના G20 પ્રેસિડેન્સી હેઠળ યોજાયેલી SAI-20 એંગેજમેન્ટ ગ્રુપ સમિટમાં અનાવરણ કરાયેલ 'જવાબદાર આર્ટિફિશિયલ ઈન્ટેલિજન્સ પરના કોમ્પેન્ડિયમ'માં આ ટૂલ્સનો ઉપયોગ દર્શાવતા ઓછામાં ઓછા અડધો ડઝન કેસ સ્ટડીઝ CAG એ દર્શાવ્યા છે.

સરકારના ડિજિટલ સાક્ષરતા કાર્યક્રમ, ડિજિટલ સાક્ષરતા અભિયાન (DISHA) ના ડુપ્લિકેટ, નકલી અને અયોગ્ય લાભાર્થીઓને શોધવા માટે આ કેસ સ્ટડીઝમાંથી એક એઆઈના ઉપયોગ વિશે છે. યોજનાની માર્ગદર્શિકા મુજબ, કાર્યક્રમ હેઠળ ટેનિંગ પામેલા લાભાર્થીઓએ તેમના ફોટોગ્રાફ્સ અપલોડ કરવાના હતા.

આ પણ વાંચો: આર્ટિકલ 370 પર સુનાવણી કરશે સીજેઆઇ ચંદ્રચૂડ, બનાવી નવી બંધારણિય બેચ, સુપ્રીમ કોર્ટમાં ત્રણ વર્ષ પહેલા લિસ્ટ થયો હતો કેસ

ટ્રેનિંગ ખર્ચનો દાવો કરવા માટે સમાન ફોટોઝ અથવા સમાન લાભાર્થીઓની જુદી જુદી છબીઓ અથવા માનવ સિવાયની છબીઓનો ઉપયોગ કરવામાં આવ્યો હતો તે જોવા માટે, CAG ખાતે ડેટા મેનેજમેન્ટ અને એનાલિટિક્સ માટેનું કેન્દ્ર, જે ફેઝ -1 ડેટા-આધારિત ઓડિટ માટે સંશોધન અને વિશ્લેષણ કરે છે. , આ ઈમેજોનું આપમેળે વિશ્લેષણ કરવા માટે ઓપન-સોર્સ પ્લેટફોર્મ, Python નો ઉપયોગ કરીને એક બુદ્ધિશાળી મોડેલ વિકસાવ્યું છે. આ મૉડલની મદદથી, મોટી માત્રામાં છબીઓનું ઑટોમૅટિક રીતે વિશ્લેષણ કરવામાં આવ્યું હતું, જે મેન્યુઅલી શક્ય નહોતું.

કમ્પેન્ડિયમમાં ઉલ્લેખ કરવામાં આવ્યો છે કે વ્યક્તિની બે તસવીરોનો 316 વખત ઉપયોગ કરવામાં આવ્યો હતો, જ્યારે અન્ય વ્યક્તિની બે તસવીરોનો 187 વખત ઉપયોગ કરવામાં આવ્યો હતો. એ જ રીતે, એક વ્યક્તિના આઠ ફોટોગ્રાફ્સનો 78 વખત ઉપયોગ કરવામાં આવ્યો હતો અને ઘણા કિસ્સાઓમાં માણસની છબીઓ ન હતી તે પણ દર્શાવે છે.

તે જણાવે છે કે, "શોધાયેલા કેસોએ જોખમી વ્યવહારો, ડુપ્લિકેટ લાભાર્થીઓ, નકલી અને અયોગ્ય લાભાર્થીઓને ઓળખવામાં મદદ કરી હતી.''

જો કે, આ તારણો ક્ષેત્રની માન્યતાને આધીન છે, અને વાસ્તવિકતાઓ ફિલ્ડ ઓડિટ પછી જાણ કરવામાં આવશે, એક સૂત્રએ જણાવ્યું હતું કે, ઓડિટ અહેવાલ ટૂંક સમયમાં બહાર આવશે. સ્ત્રોતે જણાવ્યું હતું કે,"ફેઝ-1 ડેટા-આધારિત ઓડિટમાં આ તકનીકો અનુસરવામાં આવી રહી છે, જેનો ઉપયોગ કરીને જોખમ-આધારિત નમૂનાનો ઉપયોગ કરીને ફેઝ-II ક્ષેત્રની માન્યતાઓ કરવામાં આવશે, જેના પછી ઓડિટ અહેવાલોને અંતિમ સ્વરૂપ આપવામાં આવે છે.''

CAG એ શિષ્યવૃત્તિ લાભોનો દાવો કરતી બિન-અસ્તિત્વ ધરાવતી શાળાઓને શોધવા માટે AI અને ML મોડલનો પણ ઉપયોગ કર્યો હતો. તે જણાવે છે કે, “2019-20 થી સંબંધિત ડેટામાંથી ઓળખાયેલા પૂર્વ-નિર્ધારિત જોખમ પરિમાણોના આધારે, 2017-18માં શિષ્યવૃત્તિનો દાવો કરતી શંકાસ્પદ નકલી શાળાઓને ઓળખવા માટે પાયથોનમાં મશીન લર્નિંગ મોડલ વિકસાવવામાં આવ્યું હતું. મોડેલ માટે શાળા/સંસ્થા સ્તરે કુલ 17 પરિમાણો ઓળખવામાં આવ્યા હતા. 10 અલગ-અલગ મશીન લર્નિંગ અલ્ગોરિધમ્સના સેટનો ઉપયોગ બે અલગ-અલગ તકનીકો સાથે કરવામાં આવ્યો હતો.'' "મોડેલ 92% થી વધુ ચોકસાઈ પ્રાપ્ત કરી છે. આનાથી ફિલ્ડ લેવલ વેરિફિકેશન માટે જોખમી સેમ્પલને ઓળખવામાં મદદ મળી હતી.''

CAG એ શિષ્યવૃત્તિ યોજના હેઠળ લાભનો દાવો કરતા અયોગ્ય લાભાર્થીઓને શોધવા માટે AI નો પણ ઉપયોગ કર્યો હતો, જેનો હેતુ સીમાંત સમુદાયોના કલ્યાણનો હતો. તે નોંધ્યું કે, "મૉડેલએ છેતરપિંડીના કેસોને શોધવામાં મદદ કરી હતી.''

તે જણાવે છે કે, "મોડેલ 92% થી વધુ ચોકસાઈ પ્રાપ્ત કરી છે. આનાથી ફિલ્ડ-લેવલ વેરિફિકેશન માટે જોખમી નમૂનાઓને ઓળખવામાં મદદ મળી હતી.''

AI નો ઉપયોગ કરવેરામાં પરિપત્ર ટ્રેડિંગ વ્યવહારોને ઓળખવા માટે કરવામાં આવ્યો હતો, જેમાં ઇનપુટ ટેક્સ ક્રેડિટનો દાવો કરવા માટે નકલી ઇનવોઇસનો ઉપયોગ કરવામાં આવે છે.

આ પણ વાંચો: અડધી રાત્રે અમિત શાહને મળ્યા મુખ્યમંત્રી પુષ્કર ધામી, ઉત્તરાખંડમાં યુસીસી લાગુ કરવા માટે ટૂંક સમયમાં થશે મોટો નિર્ણય

તે નોંધ્યું હતું કે, “કૃત્રિમ બુદ્ધિમત્તા એલ્ગોરિધમ્સનો ઉપયોગ કરીને, 8 પુનરાવર્તનો સુધીના ચોક્કસ પ્રકારના પરિપત્ર વ્યવહારો ઓળખવામાં આવ્યા હતા. ભારતમાં કરવેરા સંબંધિત પસંદગીના ઇ-વે બિલ ડેટા સેટ પર મોડેલને ટ્રેનિંગ આપવામાં આવી હતી અને તેનું ટેસ્ટ કરવામાં આવ્યું હતું અને કેટલાક પરિપત્ર ટ્રેડિંગ વ્યવહારો/પેટર્ન શોધી કાઢવામાં આવ્યા હતા.''

એક અધિકારીએ જણાવ્યું હતું કે, "એઆઈનો ઉપયોગ સીએજી દ્વારા ક્ષેત્રની માન્યતા માટે જોખમ-આધારિત ઓડિટ નમૂના માટે કરવામાં આવે છે. આનો ઉપયોગ ડાયરેક્ટ બેનિફિટ ટ્રાન્સફર યોજનાઓના ઓડિટ માટે કરવામાં આવે છે."

સૂત્રોએ જણાવ્યું હતું કે CAG એ પ્રિ-મેટ્રિક અને પોસ્ટ-મેટ્રિક સ્કીમ્સના પરફોર્મન્સ ઓડિટના ભાગ રૂપે ફિલ્ડ વેરિડેશન હાથ ધરવા સેમ્પલિંગ માટે AI અને MLનો ઉપયોગ કર્યો છે. આ 2017-18 થી 2022-23 માટે નેશનલ સ્કોલરશિપ પોર્ટલ પર ઉપલબ્ધ ડેટાનો ઉપયોગ કરીને કરવામાં આવ્યું છે, સૂત્રોએ જણાવ્યું હતું. તેઓએ કહ્યું કે વિશ્લેષણનો પ્રથમ તબક્કો પહેલાથી જ સરકાર સાથે શેર કરવામાં આવ્યો છે અને ટૂંક સમયમાં રિપોર્ટને અંતિમ સ્વરૂપ આપવામાં આવશે.