ইলন মাস্কের ডিপার্টমেন্ট অফ গভর্নমেন্ট এফিসিয়েন্সি (DOGE) সরকারের ২ ট্রিলিয়ন ডলারের জালিয়াতি উদঘাটন করতে পারেনি, যা মাস্ক প্রাথমিকভাবে সম্ভব বলে মনে করেছিলেন, তবে মাস্কের মিত্ররা মনে করেন যে এই প্রচেষ্টা এখনও মূল্যবান ছিল। DOGE-এর সাফল্যের মূল্যায়ন উৎসের উপর নির্ভর করে ভিন্ন হয়, তবে প্রমাণ থেকে বোঝা যায় যে এই উদ্যোগটি ফেডারেল ব্যয় উল্লেখযোগ্যভাবে কমাতে ব্যর্থ হয়েছে, যা ছিল এর প্রাথমিক উদ্দেশ্য।
মাস্ক সম্প্রতি একটি পডকাস্টে DOGE-এর অর্জনকে "সামান্য সফল" বলে উল্লেখ করে এর গুরুত্ব কমিয়ে দিয়েছেন। এটি এই প্রকল্পের সম্ভাব্য প্রভাব সম্পর্কে তার আগের, আরও আশাবাদী ঘোষণার থেকে সরে আসা। অতি সম্প্রতি, মাস্ক ভিত্তিহীন দাবি পুনরুদ্ধার করেছেন, ব্যাপক এবং অনিয়ন্ত্রিত সরকারি জালিয়াতির অভিযোগ করেছেন, যা DOGE-এর ইতিবাচক প্রভাবকে অস্বীকার করে। X-এ, তিনি অনুমান করেছেন যে "জাতীয়ভাবে কী পরিমাণ জালিয়াতি রয়েছে তার জন্য আমার সর্বনিম্ন অনুমান হল ফেডারেল বাজেটের প্রায় ২০ শতাংশ, যার মানে প্রতি বছর ১.৫ ট্রিলিয়ন। সম্ভবত আরও বেশি।"
ডোনাল্ড ট্রাম্পের একটি বাজেট বিল DOGE-এর কাজকে দুর্বল করবে এমন উদ্বেগের কারণে প্রাক্তন রাষ্ট্রপতি ডোনাল্ড ট্রাম্পের সাথে মতবিরোধের পরে মে মাসে মাস্কের DOGE-এর সাথে জড়িত থাকার সমাপ্তি ঘটে। মাস্কের বর্তমান বক্তব্য সরকারি কার্যকারিতা প্রচেষ্টায় তার অংশগ্রহণের মূল্যের প্রতি আস্থার অভাব প্রকাশ করে।
DOGE-এর মতো সীমিত পরিসরেও, সরকারি ব্যয়ে জালিয়াতি এবং অপচয় চিহ্নিত করতে AI ব্যবহারের ধারণাটি একটি ক্রমবর্ধমান প্রবণতাকে প্রতিফলিত করে। AI অ্যালগরিদমগুলি জালিয়াতিপূর্ণ কার্যকলাপের ইঙ্গিতবাহী অসঙ্গতি এবং নিদর্শনগুলি সনাক্ত করতে বিশাল ডেটাসেট বিশ্লেষণ করতে পারে, যা মানুষের পক্ষে ম্যানুয়ালি করা অসম্ভব। তবে, এই ধরনের সিস্টেমের কার্যকারিতা ডেটার গুণমান এবং সম্পূর্ণতার পাশাপাশি ব্যবহৃত অ্যালগরিদমের পরিশীলিততার উপর অনেক বেশি নির্ভরশীল।
AI-চালিত জালিয়াতি সনাক্তকরণের প্রভাব সরকারের বাইরেও বিস্তৃত। আর্থিক প্রতিষ্ঠান, স্বাস্থ্যসেবা প্রদানকারী এবং অন্যান্য সংস্থাগুলি ক্রমবর্ধমানভাবে জালিয়াতি মোকাবেলা এবং দক্ষতা উন্নত করতে AI গ্রহণ করছে। তবে, AI অ্যালগরিদমের মধ্যে পক্ষপাতিত্বের সম্ভাবনা এবং তাদের মোতায়েনে স্বচ্ছতা ও জবাবদিহিতার প্রয়োজনীয়তা সম্পর্কে উদ্বেগ রয়ে গেছে। এই ক্ষেত্রের সর্বশেষ উন্নয়নের মধ্যে রয়েছে ফেডারেল লার্নিংয়ের ব্যবহার, যা গোপনীয়তা আপস না করে বিকেন্দ্রীকৃত ডেটাতে AI মডেলগুলিকে প্রশিক্ষণ দিতে দেয় এবং ব্যাখ্যাযোগ্য AI (XAI) কৌশলগুলির বিকাশ, যার লক্ষ্য AI সিদ্ধান্ত গ্রহণকে আরও স্বচ্ছ এবং বোধগম্য করা।
Discussion
Join the conversation
Be the first to comment