മിക്ക കുട്ടികൾക്കും ഒരു കീറാമുട്ടിയാണ് കണക്ക്. അതിനാൽ നിത്യജീവിതത്തിൽ അത്യാവശ്യം വേണ്ടുന്ന കണക്കുകൾ മാത്രം പഠിച്ചാണ് അധികം ആൾക്കാരും ജീവിതത്തിലേക്ക് കടന്നു ചെല്ലുക. എന്നാൽ വേറെ കുറച്ച് പേരുണ്ട്. അവർ സംഖ്യകളെയും വിവിധ ജ്യാമിതീയ രൂപങ്ങളിലൊളിച്ചിരുക്കുന്ന അമൂർത്താശയങ്ങളെയും ഒക്കെ ജന്മനാ ഇഷ്ടപ്പെടുന്നവരാണ്. മിക്കപ്പോഴും അങ്ങിനെയുള്ള കുട്ടികളാണ് ഗണിതശാസ്ത്രം ഒരു തൊഴിലായി തിരഞ്ഞെടുക്കുക.
രണ്ടാമത് പറഞ്ഞ കൂട്ടത്തിൽ പെട്ട ഒരു കുട്ടിയായിരുന്നു അമേരിക്കക്കാരി കാത്തി ഒനീൽ (Cathy O’Neil). കുട്ടിക്കാലത്ത് അക്കങ്ങളെ സ്നേഹിച്ച, റൂബിക്സ് ക്യൂബ് എപ്പോഴും കൂടെ കൊണ്ടുനടന്ന ഒരു പെൺകുട്ടി. ഗണിതത്തോടുള്ള ഈ അഭിനിവേശം ഗണിതശാസ്ത്രം തൊഴിലായി സ്വീകരിക്കുന്നതിലേക്ക് അവരെ നയിച്ചു. ഹാർവാർഡ് സര്‍വകലാശാലയിൽ നിന്ന് ഗണിതശാസ്ത്രത്തിൽ ഡോക്ടറേറ്റ് ബിരുദം. എം ഐ ടിയും ബർണാർഡും പോലുള്ള ഉന്നത വിദ്യാഭ്യാസ സ്ഥാപനങ്ങളിൽ അദ്ധ്യാപനവും ഗവേഷണവും.
പക്ഷെ, സാധാരണ ഗണിതശാസ്ത്ര ഗവേഷകർ ചെയ്യാറുള്ളതുപോലെ അക്കാദമിക് രംഗത്ത് തുടർന്ന കാത്തിയുടെ തൊഴിൽ ജീവിതത്തിൽ 2007-ൽ ഒരു വലിയ മാറ്റമുണ്ടായി. ഡി. ഇ. ഷാ എന്ന പേരുകേട്ട ഹെഡ്ജ് ഫണ്ട് അവർക്ക് സർവ്വകലാശാലകളിൽ സ്വപ്നം കാണാൻപോലും പറ്റാത്ത സാമ്പത്തികനേട്ടങ്ങളുള്ള ഒരു ജോലി വാഗ്ദാനം ചെയ്തു. മാനേജ്മെന്റ് ബിരുദധാരികളെയും സാങ്കേതികവിദഗ്ദ്ധരെയും പോലുള്ളവരെ മാത്രമല്ല, ശുദ്ധഗണിതത്തിൽ പ്രാവീണ്യം നേടിയവരെയും ആഗോള ഫിനാൻസ് മുതലാളിത്തത്തിന്‍റെ പകിട്ടേറിയ സ്വപ്നലോകം കാത്തിരിക്കുന്നു എന്നത് മാറിയ കാലത്തിന്‍റെ പ്രതിഫലനമായിരുന്നു. ഗണിതമടക്കമുള്ള ശാസ്ത്രവിഷയങ്ങൾ മുതലാളിത്തത്തിനകത്ത് നിർണ്ണായക സ്വാധീനമുള്ള ഉദ്പാദനശക്തികളായി മാറിയതിന്‍റെ തുടർച്ച.
ഇൻറ്റർനെറ്റിന്‍റെ വ്യാപനത്തോടെ, മനുഷ്യൻ ഏർപ്പെടുന്ന എല്ലാ തരത്തിലുള്ള സാമൂഹ്യ വിനിമയങ്ങളെക്കുറിച്ചുമുള്ള കൂറ്റൻ വിവരശേഖരങ്ങൾ ഈ നൂറ്റാണ്ടിന്‍റെ ആദ്യത്തോടെ ഉണ്ടായിവന്നു. Big data എന്നറിയപ്പെടുന്ന ഈ ഡാറ്റാബേസുകൾ വിശകലനം ചെയ്‌താൽ കിട്ടുന്ന ഉൾക്കാഴ്ച്ചകൾ, അന്നേവരെ സങ്കല്പിക്കാൻ പോലുമാകാതിരുന്ന തരത്തിലുള്ള സാധ്യതകളും അവസരങ്ങളുമാണ് സൃഷ്ടിക്കുന്നതെന്ന് കമ്പോള മുതലാളിത്തം തിരിച്ചറിഞ്ഞു. എന്നാൽ, വെറും മനുഷ്യബുദ്ധിക്കും സാധാരണ രീതിയിലുള്ള കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾക്കും സാധ്യമായ ഒന്നായിരുന്നില്ല ആ പണി. ലഭ്യമായ വിവരങ്ങളെ ബുദ്ധിയുള്ള മനുഷ്യരെപോലെ മനനം ചെയ്ത്, അങ്ങിനെ പഠിച്ച അറിവുകളുപയോഗിച്ച് സ്വയം തിരുമാനങ്ങളെടുക്കാൻ കംപ്യൂട്ടറുകളെ സജ്ജരാക്കുന്ന മെഷീൻ ലേണിംഗ് രീതികൾ (Machine learning algorithms) ഉപയോഗപ്പെടുത്താനുള്ള ശ്രമങ്ങൾക്ക് ഊർജ്ജം ലഭിക്കുന്നത് അങ്ങിനെയാണ്.
കമ്പ്യൂട്ടർ സയൻസിന്‍റെ ഏറ്റവും സങ്കീർണമായ പഠനവിഷയങ്ങളിലൊന്നായ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്‍റെ ഒരു ശാഖയാണ് മെഷീൻ ലേണിംഗ്. വിവിധ ഗണിതശാസ്ത്രമേഖലകളിലെ ആഴത്തിലുള്ള അറിവുകൾ ഉപയോഗപ്പെടുത്തിയാണ് മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ രൂപപ്പെടുത്തിയിട്ടുള്ളത്. കാത്തി ഒനീലിനെ പോലുള്ള ഗണിതശാസ്ത്രജ്ഞർ വാൾസ്ട്രീറ്റിന് ഏറെ വിലപിടിച്ചവരായി മാറുന്നത് അങ്ങിനെയായിരുന്നു.
അൽഗോരിതങ്ങളുടെ സ്വാധീനം ഓഹരി വിപണി, ഫിനാൻസ്, ബാങ്കിംഗ് തുടങ്ങിയ ചില മേഖലകളിൽ ഒതുങ്ങിനിൽക്കുന്ന ഒന്നല്ല. ഇന്ന് ജീവിതത്തിന്‍റെ സമസ്തമേഖലകളിലേക്കും അവ കടന്നുചെന്നിട്ടുണ്ട്. ഗൂഗിൾ, ആമസോൺ, യൂബർ തുടങ്ങിയ വ്യവസായഭീമന്മാരുടെ വളർച്ച, നമ്മുടെ നിത്യജീവിതത്തിലെ മിക്ക ക്രയവിക്രയങ്ങളെയും ഏറ്റെടുത്തുകൊണ്ടിരിക്കുന്ന ഓൺലൈൻ ആപ്പുകൾ, സർക്കാർ സേവനങ്ങളുടെ ഓട്ടോമേഷൻ, തിരഞ്ഞെടുപ്പുകൾ പോലുള്ള സാമൂഹ്യവ്യവഹാരങ്ങളിൽ അഭിപ്രായ രൂപീകരണത്തിനും പൊതുസമ്മതിയുടെ നിർമ്മാണത്തിനും അൽഗോരിതങ്ങളെ ഉപയോഗപ്പെടുത്താനുള്ള ശ്രമങ്ങൾ ഇവയൊക്കെ അൽഗോരിതങ്ങളുടെ സ്വാധീനത്തിന്‍റെ സാക്ഷിപത്രങ്ങളാണ്.
പക്ഷെ, ഡി. ഇ. ഷായിൽ ചേർന്ന് ഒരു വർഷത്തിനകം തന്നെ മിന്നുന്നതെല്ലാം പൊന്നല്ലെന്ന് പഠിപ്പിച്ച ചില സംഭവങ്ങൾ കാത്തി ഒനീലിന്‍റെ ജീവിതത്തിലുണ്ടായി. 2008 ലെ ശരത്കാലത്ത് അമേരിക്കയിൽ ആരംഭിച്ച് പിന്നീട് ലോകമാകെ പടർന്ന് ആഗോള സമ്പത് വ്യവസ്ഥയെ പിടിച്ചുലച്ച മാന്ദ്യം. മുപ്പതുകളിലെ സാമ്പത്തിക തകർച്ചക്ക് ശേഷം ലോകം കണ്ട ഏറ്റവും വലിയ, ദൂരവ്യാപകമായ തിക്തഫലങ്ങളുണ്ടാക്കിയ, ആ സാമ്പത്തികപ്രതിസന്ധി ആഗോള ഫിനാൻസ് മുതാളിത്തത്തിന്‍റെ ഇരുണ്ട മറുപുറം കാത്തിക്ക് കാട്ടികൊടുത്തു. മനുഷ്യസഹായമില്ലാതെ പ്രവർത്തിക്കുന്ന അൽഗോരിതങ്ങൾ ഓഹരിവിപണികളിലെ കൂറ്റൻസ്രാവുകളുടെ അത്യാർത്തിയുമായി ചേരുമ്പോൾ എത്രമാത്രം ആപൽക്കരമായി തീർന്നേക്കാമെന്ന് അവരറിഞ്ഞു.
ഈ തിരിച്ചറിവുകൾ കാത്തിയെ എത്തിച്ചത് ബിഗ് ഡാറ്റയുടെയും, അൽഗോരിതങ്ങളുടെയും, വീണ്ടുവിചാരമില്ലാതെ നടപ്പിലാക്കുന്ന ഓട്ടോമേഷനുകളുടെയും ചതിക്കുഴികളെക്കുറിച്ചുള്ള അന്വേഷണത്തിലേക്കായിരുന്നു. 2016 ൽ പ്രസിദ്ധീകരിച്ച കാത്തിയുടെ Weapons of Math Destruction എന്ന പുസ്തകം കണക്ക് കീറാമുട്ടിയായവരെ അവർക്കൊട്ടും മനസിലാകാത്ത കണക്കുകളുടെ അൽഗോരിതങ്ങൾ നിയന്ത്രിക്കുന്ന ആപൽക്കാലത്തിന്‍റെ വിവരണമാണ്. ബിഗ് ഡാറ്റ എങ്ങിനെ സമൂഹത്തിൽ അസമത്വം കൂട്ടുന്നുവെന്നും ജനാധിപത്യത്തിന് വെല്ലുവിളികൾ ഉയർത്തുന്നുവെന്നും കാത്തി കാട്ടി തരുന്നു.
ഒറ്റപ്പെട്ട ഒരു പ്രതികരണമല്ല ഈ പുസ്തകം. വിവിധമേഖലകളിൽ ബിഗ് ഡാറ്റയും മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങളും പോലുള്ള പുതിയ വിവര സാങ്കേതികവിദ്യകൾ ഉണ്ടാക്കുന്ന പ്രത്യാഘാതങ്ങളെക്കുറിച്ച് നിരവധി പഠനങ്ങൾ വികസിതരാജ്യങ്ങളിൽ ഉണ്ടാകുന്നുണ്ട്. ആ പഠനങ്ങളെല്ലാം നമ്മളോട് ഒരു തരത്തിലല്ലെങ്കിൽ മറ്റൊരുതരത്തിൽ പറയുന്നത് മനുഷ്യഭാഗധേയത്തെ അൽഗോരിതങ്ങൾക്ക് പൂർണ്ണമായി വിട്ടു കൊടുക്കുന്നതിന്‍റെ ആപത്തുകളെക്കുറിച്ചാണ്.
അമേരിക്കയിലെ ആൽബനീ യൂണിവേഴ്സിറ്റിയിൽ പൊളിറ്റിക്കൽ സയൻസ് അസോസിയേറ്റ് പ്രൊഫസറായ വിർജീന യൂബൻസിന്‍റെ ഗവേഷണങ്ങളെപറ്റി മുമ്പ് എഴുതിയ ഒരു ലേഖനത്തിൽ പരാമർശിച്ചിരുന്നു. “Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor” എന്ന പുസ്തകത്തിന്‍റെ രചയിതാവായ യൂബൻസിന്‍റെ പഠനങ്ങൾ അമേരിക്കൻ സ്റ്റേറ്റുകളിലെ ക്ഷേമപദ്ധതികളുടെ നിശിതവിമർശനമാണ്. ഈ പദ്ധതികളിൽ അൽഗോരിതങ്ങളുപയോഗിച്ചുള്ള ഓട്ടോമേഷൻ നടപ്പിലാക്കുന്നത് ദരിദ്രരെയും അരികുവൽക്കരിക്കപ്പെട്ടവരെയും സഹായിക്കാനെന്ന പേരിലാണ്. പക്ഷെ മിക്കപ്പോഴും അവ ഈ ആൾക്കാരെ പുറന്തള്ളാനും ശിക്ഷിക്കാനുമാണ് ഇടയാക്കുന്നത്.
കൂറ്റൻ വിവരശേഖരങ്ങൾക്കുള്ളിൽ ഒളിഞ്ഞു കിടക്കുന്ന, സാധാരണഗതിയിൽ മനുഷ്യർക്ക് പിടി തരാത്ത പറ്റാത്ത, പാറ്റേണുകളെ മനസിലാക്കാൻ അൽഗോരിതങ്ങൾക്ക് സാധിക്കും. അങ്ങിനെ കിട്ടുന്ന ഉൾക്കാഴ്ചകൾ വളരെ വിലപിടിപ്പുള്ളതാണെന്നതിൽ യാതൊരു തർക്കവുമില്ല. എന്നാൽ, അവയ്ക്ക് ഗൗരവകരമായ ചില പരിമിതികളുമുണ്ട്.
അതിലൊന്ന്, ഗണിതശാസ്ത്രപരമായ സംഭാവ്യതയെ അടിസ്ഥാനമാക്കിയാണ് ഈ അൽഗോരിതങ്ങൾ മിക്കപ്പോഴും അനുമാനങ്ങളിലെത്തുന്നത് എന്നതാണ്. നൂറു ശതമാനം ഉറപ്പില്ലാത്ത ചില നിഗമനങ്ങൾ ആശാവഹമല്ലാത്ത, പലപ്പോഴും ഗുരുതരമായ, പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കിയേക്കാവുന്ന മേഖലകൾ നിരവധിയുണ്ട്. ഉദാഹരണത്തിന്, ഇത്തരം അൽഗോരിതങ്ങളുപയോഗിക്കുമ്പോൾ ഒരു സാമൂഹ്യക്ഷേമപദ്ധതിയിൽനിന്ന് കുറച്ച് അർഹരെങ്കിലും അന്യായമായി ഒഴിവാക്കപ്പെടാൻ സാധ്യതയുണ്ട്.
അൽഗോരിതത്തിന്‍റെ സൃഷ്ടാവ് ഇതിനെ ഒരു തെറ്റായല്ല, മറിച്ച് ആ അൽഗോരിതത്തിന്‍റെ സ്വഭാവം തന്നെയായാണ് പരിഗണിക്കുക. കാത്തി ഒനീൽ ഡാറ്റാ സയന്റിസ്റ്റുകളെ കുറിച്ച് പറയുന്നതിങ്ങനെ: “തങ്ങളുടെ വിശകലനങ്ങളുടെ ഉപഭോക്താക്കളായ മനുഷ്യരെക്കുറിച്ച് ഡാറ്റ സയന്റിസ്റ്റ് പൊതുവെ ആലോചിക്കാറില്ല. ബിഗ് ഡാറ്റ ഉപയോഗിക്കുന്ന പ്രോഗ്രാമുകൾ ഒരു നിശ്ചിത ശതമാനം ഗുണഭോക്താക്കൾക്ക് വീടോ, ജോലിയോ തെറ്റായ നിഷേധിക്കപ്പെടാൻ ഇടയാക്കിയേക്കാം എന്ന് അവർക്ക് അറിയാഞ്ഞല്ല. പക്ഷേ, ഒഴിച്ചുകൂടാൻ പറ്റാത്ത തെറ്റുകളായി ഇവയെ അവഗണിക്കാറാണ് പതിവ്… ഇങ്ങനെയുള്ള കാര്യങ്ങളിൽ അന്യവാര്യമായി വന്നു പെട്ടേക്കാവുന്ന നാശനഷ്ടങ്ങൾ.”
രണ്ടാമത്തെ പരിമിതി, അൽഗോരിതങ്ങളുടെ നിഷ്പക്ഷതയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. കുറച്ചുനാൾ മുമ്പെ ആധുനിക സാങ്കേതികവിദ്യകളെ ഏറ്റവും ഫലപ്രദമായി ഉപയോഗിക്കുന്നതിൽ അഗ്രഗണ്യരായ ആമസോണിൽ നിന്നുള്ള ഒരു വാർത്ത കണ്ടു. നിരവധി തൊഴിലപേക്ഷകരിൽ നിന്ന് ഏറ്റവും പറ്റിയ ആൾക്കാരെ തിരഞ്ഞെടുക്കാനായി ഉണ്ടാക്കിയ മെഷീൻ ലേണിംഗ് സോഫ്റ്റ്‌വെയർ ഉപേക്ഷിക്കാൻ ആമസോൺ നിര്ബന്ധിതമായത്രേ. സ്ത്രീകളായ തൊഴിലപേക്ഷകരെ ആ സോഫ്റ്റ്‌വെയർ അവഗണിക്കുന്നു എന്നതായിരുന്നു കാരണം. കഴിഞ്ഞ പത്തു വർഷങ്ങളായി അവർക്ക് ലഭിച്ച തൊഴിലപേക്ഷകളുടെ വിവരങ്ങളായിരുന്നു ഈ പ്രോഗ്രാമിനെ പരിശീലിപ്പിക്കാനായി ഉപയോഗിച്ചത്. ഐ. ടി വ്യവസായത്തിലെ പുരുഷ മേധാവിത്വം പ്രതിഫലിപ്പിക്കുന്ന ഈ ഡാറ്റ അൽഗോരിതത്തെ സ്ത്രീകളെ അവഗണിക്കാൻ പഠിപ്പിച്ചു! ഡാറ്റയുടെ വിശകലനം കംപ്യൂട്ടറിന് വിട്ടുകൊടുക്കുന്നത് മനുഷ്യസഹജമായ മുൻവിധികളെയും പക്ഷപാതിത്വങ്ങളെയും ഇല്ലാതാക്കാൻ സഹായിക്കും എന്ന പ്രബലവാദം തെറ്റാണെന്ന് തെളിയിക്കുന്ന നിരവധി സംഭവങ്ങളിൽ ഒടുവിലത്തേതാണിത്.
ഈ വിഷയത്തെ കുറിച്ച് ആഴത്തിൽ പഠിച്ച സോലൺ ബരോകാസിനെയും ആൻഡ്രൂ ഡി. സെൽസ്റ്റിനെയും പോലുള്ള ഗവേഷകർ പറയുന്നത് വിശകലനത്തിന് ആധാരമായ വിവരങ്ങളുടെ ശേഖരണത്തിലും തിരഞ്ഞെടുപ്പിലും തന്നെ മിക്കപ്പോഴും മുൻവിധികൾ (bias ) ഉണ്ടാകാമെന്നാണ്. വർഗ്ഗപരവും വംശീയവും ജാതീയവും സാമ്പത്തികവും ഒക്കെയായ നിരവധി വിവേചനങ്ങളും അസമത്വങ്ങളും നില നിൽക്കുന്ന ഒരു സമൂഹത്തിൽ നിന്നും ശേഖരിക്കപ്പെടുന്ന സ്ഥിതിവിവരക്കണക്കുകൾ എത്രമാത്രം മുൻവിധികൾ ഉള്ളതായേക്കാമെന്ന് ഊഹിക്കാമല്ലോ. ഡാറ്റയിലെ ഇത്തരം ചായ്‌വുകൾ അൽഗോരിതങ്ങളുടെ മുൻവിധികളായി മാറാം. ഒരു പക്ഷെ, മുമ്പ് പറഞ്ഞ അൽഗോരിതങ്ങളിൽ അന്തർലീനമായിട്ടുള്ള കുറച്ച് തെറ്റുകൾ എന്തായാലും പറ്റാനുള്ള സംഭാവ്യതയേക്കാളും വലിയ പ്രശ്നമാണ് അവ പഠിച്ചെടുക്കാനിടയുള്ള മുൻവിധികൾ. ഇത്തരം സാങ്കേതികവിദ്യകൾ പലപ്പോഴും സമൂഹത്തിൽ പിന്നോക്കം നിൽക്കുന്ന വിഭാഗങ്ങളുടെ പ്രതികൂലപരിതഃസ്ഥിതികളെ വർദ്ധിതമാക്കാൻ ഇടയാക്കുന്നു എന്നും ചില പഠനങ്ങൾ കണ്ടെത്തിയിട്ടുണ്ട്.
നീതിയുക്തമായി പെരുമാറാൻ അൽഗോരിതങ്ങളെ പഠിപ്പിക്കാനൊക്കുമോ എന്നതിനെ പറ്റി ഗവേഷണങ്ങൾ നടക്കുന്നുണ്ട്. നീതിപൂർവമായ തിരുമാനങ്ങളെടുക്കാനുള്ള കഴിവിനെ (fairness) ഗണിതശാസ്ത്രപരമായി എങ്ങിനെ നിർവചിക്കും എന്നതാണ് ഇക്കാര്യത്തിലെ ഏറ്റവും വലിയ വെല്ലുവിളി. പക്ഷെ, ഈ ഗവേഷണങ്ങളൊക്കെ എത്രമാത്രം ഫലപ്രദമാകും എന്ന് കണ്ടറിയേണ്ടതുണ്ട്. അൽഗോരിതങ്ങൾക്ക് എല്ലാ തീരുമാനങ്ങളും വിട്ടു കൊടുക്കാനുള്ള കാലമെത്തിയിട്ടില്ല എന്നർത്ഥം,
വികസിത രാജ്യങ്ങളുടെ കൂടെയെത്താൻ ശ്രമിക്കുന്ന ഇന്ത്യയെപോലൊരു രാജ്യത്ത്, ദരിദ്രകോടികളെ നേരിട്ട് ബാധിക്കുന്ന പദ്ധതികളിൽ ഇത്തരം അൽഗോരിതങ്ങൾ ഉപയോഗിച്ച് തുടങ്ങുമ്പോഴുള്ള സ്ഥിതി എന്തായിരിക്കും? ലോകത്ത് ഏറ്റവും വേഗത്തിൽ വളരുന്ന സമ്പദ്വ്യവസ്ഥയാണ് ഇന്ത്യ എന്നാണ് അവകാശവാദം. അതേസമയം, 2017-ൽ ലോക പട്ടിണി സൂചികയിൽ നൂറാം സ്ഥാനത്തായിരുന്ന ഇന്ത്യയുടെ സ്ഥാനം ഈ വർഷം 103 ആയിരിക്കുകയാണ്. പോഷകാഹാരക്കുറവ്, ശിശു മരണ നിനക്ക് തുടങ്ങിയ മാനദണ്ഡങ്ങളുടെ അടിസ്ഥാനത്തിൽ 119 രാജ്യങ്ങളെ വിലയിരുത്തുന്ന സൂചികയാണിത്. യു. എൻ. ഡി. പി. പ്രസിദ്ധീകരിക്കുന്ന മാനവ വികസന സൂചികയിലാകട്ടെ ഇന്ത്യയുടെ സ്ഥാനം 189 രാജ്യങ്ങളിൽ 130-ഉം. നമ്മുടെ സാമൂഹ്യ സാമ്പത്തിക നയങ്ങളെ പൊളിച്ചെഴുതാതെ ഈ സ്ഥിതിക്ക് മാറ്റം വരില്ല. പക്ഷെ, രാജ്യത്തെ നിയോലിബറൽ ഭരണകൂടം മുന്നോട്ട് വെക്കുന്നതൊക്കെയും സാങ്കേതിക പരിഹാരങ്ങൾ മാത്രമാണ്.
സാമൂഹ്യക്ഷേമപദ്ധതികൾ, സബ്സിഡി, സേവനങ്ങൾ എന്നിവക്ക് ആധാർ നിർബന്ധമാണെന്ന വ്യവസ്ഥക്ക് ഭരണഘടനാസാധുത ഉണ്ടെന്ന സുപ്രീംകോടതിയുടെ ഭരണഘടനാബെഞ്ചിന്‍റെ ഭൂരിപക്ഷവിധിയിൽ ഡാറ്റാ സയന്റിസ്റ്റുകളുടേതായി കാത്തി ഒനീൽ പറഞ്ഞ സമീപനത്തിന്‍റെ അനുരണനം കേൾക്കാം. ഒന്നോർത്താൽ അതിൽ അത്ഭുതപ്പെടാനൊന്നുമില്ല. ആത്യന്തികമായി ഒരു ബിഗ് ഡാറ്റാ പ്രൊജക്റ്റാണല്ലോ ആധാർ.
ആധാറിനെ കുറിച്ചുള്ള ഭരണഘടനാബെഞ്ചിന്‍റെ ഭൂരിപക്ഷവിധി ഇങ്ങിനെ പോകുന്നു:
റീത്തിക ഖേര ഈ വിധിയെ കുറിച്ച് ഹിന്ദു പത്രത്തിൽ എഴുതിയതുപോലെ ആധാറിനെ കുറിച്ചുള്ള കുറിച്ചുള്ള സർക്കാരിന്‍റെ ദൃഢപ്രസ്താവങ്ങളെ വസ്തുതകളായി സ്വീകരിക്കുകയാണ് നീതിപീഠം നിർഭാഗ്യവശാൽ ചെയ്തത്. സാമൂഹ്യപ്രശ്നങ്ങൾക്ക് സാങ്കേതികവിദ്യകൾ ഒറ്റമൂലിയായി നിർദ്ദേശിക്കുന്ന ടെക്നോക്രാറ്റുകളുടെ സ്വാധീനമാണ് ഈ പ്രസ്താവങ്ങൾക്ക് പിന്നിലുള്ളത്. കാത്തി ഒനീൽ അവരുടെ പുസ്തകത്തിൽ കാട്ടിത്തരുന്ന വാൾസ്റ്റ്രീറ്റിലെ ഡാറ്റാ സയന്റിസ്റ്റുകളും ഈ ടെക്‌നോക്രാറ്റുകളും ഒരേ തൂവൽപക്ഷികളാണ്.
വളരെ ചെറിയ ഒരു ശതമാനം മാത്രമാണ് ആധാർ സംവിധാനത്തിലെ പിശകുകൾ കാരണം ക്ഷേമപദ്ധതികളിൽ നിന്ന് പുറംതള്ളപ്പെടുന്നവർ എന്നത് കണക്കുകളിൽ ശരിയായിരിക്കാം. പക്ഷെ, ഇങ്ങനെ നീതി നഷ്ടപ്പെടുന്ന മനുഷ്യർ ഈ പദ്ധതികൾ ഏറ്റവും ആവശ്യമായിട്ടുള്ളവരാണ് എന്ന യാഥാർഥ്യം പലപ്പോഴും മറച്ചുവെയ്ക്കപ്പെടുന്നു.
ആധാറിന്‍റെ നീതിനിഷേധങ്ങളെ പറ്റി പറയുമ്പോൾ ആദ്യം ഓർമ്മയിലെത്തുക, കഴിഞ്ഞ വർഷം ജാർഖണ്ഡിലെ സിംദെഗ ജില്ലയിൽ സന്തോഷി കുമാരി എന്ന പെൺകുട്ടി പട്ടിണി കാരണം മരണപ്പെട്ടതാണ്. ആധാറുമായി ലിങ്ക് ചെയ്യാത്തത് കാരണം റേഷൻ കിട്ടാതെ 8 ദിവസങ്ങളോളം പട്ടിണി കിടക്കേണ്ടി വന്നതാണ് ആ 11 വയസുകാരിയുടെ മരണത്തിന് ഇടയാക്കിയതെന്ന് ആക്റ്റിവിസ്റ്റുകൾ പറയുന്നു. ഇത് ഒറ്റപ്പെട്ട ഒരു സംഭവമല്ല. 2015 ന് ശേഷം ഉണ്ടായ 57 പട്ടിണിമരണങ്ങളെ കുറിച്ച് ഭക്ഷ്യാവകാശത്തിനായുള്ള ക്യാംപയിൻ നടത്തിയ അന്വേഷണങ്ങളിൽനിന്ന് വെളിവായത് ഇതിൽ 19 എണ്ണം ആധാറുണ്ടാക്കിയ പ്രശ്നങ്ങളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നാണ്.
ആധാർ ലിങ്ക് ചെയ്യുന്നതിലും ബയോമെട്രിക് സംവിധാനങ്ങളിലും ഒക്കെയുള്ള പാകപ്പിഴവുകൾ കാരണം സർക്കാർ സേവനം നിഷേധിക്കപ്പെടുന്ന പാവപ്പെട്ടവരുടെയും പാർശ്വവൽക്കരിക്കപ്പെട്ടവരുടെയും എണ്ണം ഏറെയാണ്. 2017- ൽ രാജസ്ഥാനിലെ 33 ലക്ഷം കുടുംബങ്ങൾക്കും ജാർഖണ്ഡിലെ 25 ലക്ഷം കുടുംബങ്ങൾക്കും റേഷൻ നിഷേധിക്കപ്പെട്ടിട്ടുണ്ട്. അവിടങ്ങളിലെ സർക്കാരുകൾ പ്രസിദ്ധീകരിച്ച കണക്കുകളെ ആധാരമാക്കി ഭക്ഷ്യാവകാശത്തിനായുള്ള ക്യാംപയിൻ പറയുന്നു.
ബെംഗലൂരു നഗരസഭയിലെ തൂപ്പുവേലക്കാർക്ക് വേതനം കിട്ടാൻ ആധാർ നിർബന്ധമാക്കിയതിനെ തുടർന്ന് നിരവധിപേർക്ക് കൂലി കിട്ടാതായതിനെക്കുറിച്ച് പത്രവാർത്തകൾ വന്നിട്ട് അധിക കാലമായിട്ടില്ല. ജോലിയിൽ ഇല്ലാത്ത തൂപ്പുവേലക്കാർ ഉണ്ടെന്ന് പറഞ്ഞ് കോൺട്രാക്റ്റർമാർ പണം തട്ടുന്നതില്ലാതാക്കാനും, ജോലിക്കാർക്ക് കൂലി നേരിട്ട് നൽകാനുമൊക്കെയായിട്ടാണ് ഈ സംവിധാനം കൊണ്ടുവന്നത്. ദിവസം മൂന്ന് നേരം ബയോമെട്രിക് സംവിധാനങ്ങൾ ഉപയോഗിച്ച് ഹാജർ രേഖപ്പെടുത്താൻ തുടങ്ങിയത് പല തൊഴിലാളികളെയും വലച്ചു. ഒരു ജീവിതകാലം മുഴുവൻ കൈയ്യുറകളില്ലാതെ ഓടകൾ വൃത്തിയാക്കാനും മാലിന്യം കോരാനും വിധിക്കപ്പെട്ടവരുടെ വിരലടയാളങ്ങൾ യന്ത്രത്തിന് വായിക്കാൻ പറ്റാത്ത വിധം തേഞ്ഞു പോയിരുന്നു!
സെപ്റ്റംബർ 2010 നും ഓഗസ്റ്റ് 2016 നും ഇടക്ക് 85,67,177 ആധാർ നമ്പറുകൾ ബയോമെട്രിക് അപ്‌ഡേറ്റുകൾക്കായി പ്രവര്‍ത്തനരഹിതമാക്കിയിട്ടുണ്ട് എന്നാണ് കണക്കുകൾ. ആധാർ പല മനുഷ്യർക്കും അതിജീവനത്തിന് ഒഴിച്ച് കൂടാനാകാത്ത ഒരു ഉപാധിയായി മാറുന്ന സാഹചര്യത്തിൽ, അത് ചില സമയത്തെങ്കിലും ഡി-ആക്റ്റീവ് ആവാൻ ഇടയുണ്ടെന്നത് ഗുരുതരമായ മൗലികാവകാശ നിഷേധങ്ങളിലേക്ക് നയിക്കുമെന്ന് കാണാം.
ഇതൊക്കെയാനാണെങ്കിലും, അർഹരായ എത്ര കൂടുതൽ പേരെ സാമൂഹ്യസുരക്ഷാപദ്ധതികളിൽ ഉൾപ്പെടുത്താനായി എന്നതിലല്ല, എത്ര ചിലവു ചുരുക്കാനായി എന്ന കണക്കിലാണ് നമ്മുടെ സർക്കാർ ഊറ്റം കൊള്ളുന്നത്. ഒരു നിയോലിബറൽ ഭരണകൂടത്തിൽ നിന്ന് മറ്റെന്ത് പ്രതീക്ഷിക്കാനാണ്?
സുപ്രീംകോടതി വിധിയെ ചരിത്രപ്രധാനമായതെന്ന് വിശേഷിപ്പിച്ച് ധനമന്ത്രി അരുൺ ജൈത്‌ലി പറഞ്ഞത് സർക്കാർ ക്ഷേമപദ്ധതികളിൽ 90000 കോടി രൂപ ലാഭിക്കാൻ ആധാർ കാരണമായിട്ടുണ്ട് എന്നാണ്. ഇത്രയും വലിയ തുക മിച്ചം പിടിക്കാനൊത്തപ്പോൾ, ആധാർ കാർഡുകൾക്കും അനുബന്ധ സംവിധാനങ്ങൾക്കുമായി സർക്കാരിന് ഇതുവരെ 10,000 കോടിയോളം മാത്രമേ ചെലവാക്കിയിട്ടുള്ളൂ എന്നാണ് യുഐഡിഎഐ ചെയർമാൻ ജെ. സത്യനാരായണ പറയുന്നത്. കഴിഞ്ഞ ജൂലായിൽ ഇന്ത്യൻ സ്കൂൾ ഓഫ് ബിസിനസ്സിൽ സംസാരിക്കവെ ഈ കണക്കുകൾ അവതരിപ്പിച്ച സത്യനാരായണ ഒരു കാര്യം കൂടി പറഞ്ഞു – ആധാർ സംവിധാനത്തെ മെച്ചപ്പെടുത്താൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും മെഷീൻ ലേർണിങ്ങും എങ്ങിനെയൊക്കെ ഉപയോഗപ്പെടുത്താൻ സാധിക്കുമെന്ന് പഠിക്കുന്നതിൽ ഗവേഷണങ്ങൾ നടക്കേണ്ടതുണ്ടെന്ന്. (ഇക്കണോമിക് ടൈംസ് ജൂലൈ 11)
ഇപ്പോഴുള്ളതിലും സങ്കീർണമായ അൽഗോരിതങ്ങളുടെ കാലം ആധാറിനെ കാത്തിരിക്കുന്നു എന്നർത്ഥം. ആധാർ ഒരുക്കി വെച്ചിരിക്കുന്ന ബിഗ് ഡാറ്റയുടെ അനന്തസാധ്യതകളിലേക്ക് നമ്മുടെ ടെക്നോക്രാറ്റുകളുടെ കണ്ണെത്തിയില്ലെങ്കിലേ അത്ഭുതത്തിനാവകാശമുള്ളൂ. അംഗങ്ങളുടെ അടിസ്ഥാന വിവരങ്ങളുൾക്കൊള്ളുന്ന ഒരു വലിയ ഡാറ്റാബേസ് മാത്രമല്ല ആധാർ. വിവിധ സേവനങ്ങൾക്കായി ഉപയോഗിക്കപ്പെടുന്നു എന്നത് കൊണ്ട് ആ ഡാറ്റാബേസുകളെ കണ്ണി ചേർക്കുന്ന പ്രാഥമിക സൂചകമായി വർത്തിക്കാനും ആധാർ നമ്പറിന് കഴിയും.
സർക്കാർ ക്ഷേമപദ്ധതികളോടുള്ള നിയോലിബറൽ സമീപനത്തിന്‍റെ ഇത്രയും കാലത്തെ നേരനുഭവങ്ങൾ, മേല്പറഞ്ഞ ആധാർ കണക്കുകൾ, വികസിത രാജ്യങ്ങളിൽ നിന്നുള്ള മുന്നറിയിപ്പുകൾ ഇവയൊക്കെ കണക്കിലെടുക്കുമ്പോൾ, ആധാറിന് അൽഗോരിതങ്ങൾ നൽകിയേക്കാവുന്ന സാധ്യതകൾ പ്രത്യാശകൾ നൽകുന്നില്ല.
സാങ്കേതികവിദ്യകൾ മനുഷ്യന്‍റെ ജീവിക്കാനുള്ള അവകാശങ്ങളെ നിഷേധിക്കുമ്പോൾ, അതിനെ സ്ഥിതിവിവരക്കണക്കുകളിൽ അനിവാര്യമായും ഉണ്ടായേക്കാവുന്ന outliers ആയികാണണമോ, അതോ മൗലികാവകാശനിഷേധങ്ങളിലേക്ക് നയിക്കുന്ന കുറ്റകരമായ അനാസ്ഥയായി കാണണമോ? ബിഗ് ഡാറ്റയും മെഷീൻ ലേർണിങ്ങും പോലുള്ള സാങ്കേതികവിദ്യകളുടെ നൈതികത നിശിതവിമർശനത്തിന് വിധേയമാക്കേണ്ടതുണ്ടെന്ന് നമ്മോട് പറയുകയാണ് ഈ ചോദ്യം.
Ajith. B
Be the first to write a comment.