OpenAI විසින් ChatGPT හි නව Health විශේෂාංගය හඳුන්වා දීමත් සමඟ, සෞඛ්ය දත්තවල රහස්යතාවය ගැන කතාබහ ගොඩක් තවත් උණුසුම් වුණා. ඒත් තාක්ෂණිකව ප්රශ්නයේ මූලික කොටස "දත්ත විශ්ලේෂණය" නොව, "ඉලක්කයකට අවශ්ය තොරතුරු පමණක් ලබා දීම" ය. මෙය දත්ත අඩු කිරීම (Data Minimization) කියලා හඳුන්වන ප්රතිපත්තියයි.
මෙම ලිපියේ පෙන්වා දෙනුයේ Python 3.11 භාවිතා කරමින්, සරල නීතික පාලනයක් (policy) මත පදනම්ව සෞඛ්ය රෙකෝඩ් එකකින් අවශ්ය ක්ෂේත්ර පමණක් තෝරා ගන්නා ක්රමයක්. උදාහරණයක් ලෙස activity_summary සඳහා date සහ steps පමණක්, sleep_summary සඳහා date සහ sleep_minutes පමණක් ලබා දේ. අනිවාර්යයෙන්ම, අසත්ය හෝ නොදන්නා ඉලක්කයක් ඇතුළත් කළහොත්, වැඩසටහන fail‑closed ක්රියාවලියෙන් පසු වැරදි පණිවුඩයක් දෙනවා.
මෙම පරිදි ලියන ලද කේතය, පරික්ෂා (unit test) තුළින් ඉලක්කයට අනුගත නොවන තොරතුරු අහෝසි කර ඇතිදැයි, මුල් රෙකෝඩ් එක වෙනස් නොවී ඇතිදැයි, සහ නොදන්නා ඉලක්කයක් ඇතුළත් කළහොත් වැරදි දෝෂයක් නිකුත් කරයිදැයි තහවුරු කරගන්නවා. මෙවැනි නෙගටීව් පරීක්ෂණ (negative test) ප්රායෝගිකව දත්ත රහස්යතාවය තහවුරු කර ගැනීමට ඉතා වැදගත්.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ඉගෙනුම් අවස්ථා: පයිතන් මූලික පාඨමාලා හෝ තාක්ෂණික සමාජවලට මෙම උදාහරණය, දත්ත රහස්යතා නීති (GDPR, PDPA) පිළිබඳ ප්රායෝගික අධ්යාපනයක් ලබා දේ.
- සොෆ්ට්වේයාර් සංවර්ධනය: ශ්රී ලංකාවේ ආරම්භක ව්යාපාර සහ සමාගම්, සෞඛ්ය යෙදුම් හෝ පාරිභෝගික දත්ත ගබඩා කරන යෙදුම් නිර්මාණය කරන විට, අවශ්ය ක්ෂේත්ර පමණක් භාරගත හැකි නිසා නීති රීති වලට අනුකූලව වැඩි ආරක්ෂාවක් ලබා ගත හැක.
- ඉදිරි AI සේවා: OpenAI වැනි සමාගම්ගේ Health API භාවිතා කරන ව්යාපාර, මෙවැනි දත්ත අඩු කිරීමේ තත්ත්වයන් අනුගමනය කළහොත්, AI ආදාරිත සේවා පවත්වාගෙන යාමට අවශ්ය විශ්වාසය වැඩි වේ.
අවසන් වශයෙන්, මෙම උදාහරණය තනි-ලේවල (flat) ශබ්දකෝෂයක් පමණක් සලකා බැලෙන බැවින්, සංකීර්ණ සෞඛ්ය රෙකෝඩ්, අනාන්යකරණ (anonymization) හෝ ගොනු ආරක්ෂාව වැනි උසස් අවශ්යතා සඳහා වැඩි වැඩක් අවශ්ය වේ. නමුත් Python භාවිතයෙන් දත්ත අඩු කිරීමේ මූලික අදහස ඉගෙන ගැනීමට මෙය හොඳ ආරම්භයක්.
