The Taxonomy

A shared vocabulary for describing technology.

Each category is a question people ask about a technology, and its elements are the answers. Choose a category, then an element, to see its icon and what it means. New to the terms? Read the concepts.

Filipino: machine reviewed translation.It has not been checked by a fluent reviewer.Translation status

Layunin

Ano ang layunin ng sistemang ito?

Kung bakit may ganitong sistema — ang resultang idinisenyo nitong makamit.

AksesibilidadTinitiyak na pantay-pantay ang access ng lahat sa isang lugar o serbisyo.

Sining at kulturaNagbibigay-daan sa masining at/o pangkulturang pagpapahayag.

Hangganan at imigrasyonSumusuporta sa mga desisyon o pagpoproseso kaugnay ng imigrasyon, asylum, o pagtawid sa hangganan — halimbawa, pagkilala ng mukha sa kontrol sa hangganan, pagpapasya sa visa, pagtatasa ng panganib sa asylum.

KomersiyoNagbibigay-daan sa pagbili at pagbebenta ng mga produkto at serbisyo.

Pagmo-moderate ng nilalamanNagsasala, nagraranggo, o nag-aalis ng nilalamang gawa ng mga user batay sa mga patakaran — halimbawa, pagmo-moderate ng mga komento sa isang kiosk na para sa publiko, pagsasala ng mga larawan, o pagtuklas ng hate speech.

KainanPara sa pagbibigay ng serbisyo ng pagkain o kainan.

EkolohiyaSumusuporta sa pagsukat o pagbabantay sa likas na kapaligiran.

Edukasyon at pagkatutoSumusuporta sa pagtuturo, pagkatuto, pagtatasa, o paggabay sa pag-aaral — halimbawa, mga tutoring assistant, awtomatikong pagmamarka, o mga tagarekomenda sa aklatan at museo.

Kuwalipikasyon at benepisyong pampublikoNagtatakda kung sino ang kuwalipikado sa mga benepisyo ng gobyerno at mahahalagang serbisyong pampubliko, o kung paano ipinamamahagi ang mga ito — halimbawa, paglalaan ng ayuda, tulong sa pabahay, pag-iskor ng panganib para sa mga serbisyong pambata.

Empleyo at trabahoSumusuporta sa pagkuha ng empleyado, pag-iiskedyul, pagtatasa ng pagganap, o mga operasyon sa lugar ng trabaho — halimbawa, pagsala ng résumé, pagtatalaga ng shift, pagbabantay sa produktibidad.

Pagtitipid sa enerhiyaNagbabawas ng paggamit ng enerhiya at/o tumutulong magtipid ng enerhiya.

Pagpapatupad ng patakaranGinagamit sa pagpapatupad ng mga patakaran o regulasyon.

PagpasokSumusuporta sa pagpapatunay ng pagkakakilanlan o pagbeberipika para makapasok sa isang lugar o makagamit ng isang serbisyo.

Mga serbisyong pinansiyalSumusuporta sa pagpapautang, insurance, pagtuklas ng panloloko, o iba pang desisyong pinansiyal tungkol sa mga tao — halimbawa, credit scoring, underwriting ng insurance, pagmamarka ng kahina-hinalang transaksiyon.

Sunog at emergencySumusuporta sa mga serbisyong tumitiyak sa kaligtasan at kalusugan ng publiko kaugnay ng mga emergency.

Kalusugang pangkapaligiranSumusukat o nagbabantay sa mga aspekto ng pisikal na kapaligiran na nakaaapekto sa kalusugan ng tao — kalidad ng hangin, kalidad ng tubig, radyasyon, ingay, o pagkalantad sa mga mapanganib na bagay sa lugar ng trabaho. Iba sa Pangangalagang pangkalusugan, na sumusuporta sa klinikal na pangangalaga sa mga indibidwal.

Pangangalagang pangkalusuganSumusuporta sa klinikal na pangangalaga sa mga indibidwal — halimbawa, tulong sa diyagnosis, mga rekomendasyon sa paggamot, triage ng mga pasyente, o mga chatbot na pangkalusugan. Iba sa Kalusugang pangkapaligiran, na nagbabantay sa pisikal na kapaligiran.

Pagbibigay-impormasyonSumusuporta sa pangkalahatang tulong sa impormasyon — concierge, FAQ, mga karatula, o gabay tungkol sa isang serbisyo. Iba sa Paghahanap ng daan at mga serbisyo, na sumasaklaw sa pag-alam ng kinaroroonan at mga ruta sa loob ng isang lugar.

LohistikaSumusuporta sa paghahatid at paglilipat ng mga produkto o materyales.

Marketing at personalisasyonNagtutuon ng advertising sa piling tao, nag-aangkop ng mga rekomendasyon sa bawat tao, o gumagawa ng profile ng mga audience para sa marketing — halimbawa, mga alok para sa suki sa loob ng tindahan, karatulang iniangkop sa tao, ad na itinutuon batay sa kilos ng tao.

MobilidadSumusuporta sa paraan ng paggalaw at pagbiyahe ng mga tao at materyales.

Pagpaplano at pagdedesisyonSumusuporta sa forecasting at pagsusuri ng epekto ng patakaran sa antas ng populasyon o ng sistema — halimbawa, pagpaplano ng lungsod, pagpaplano ng imprastruktura, o pagsukat sa epekto ng isang desisyon sa patakaran. Iba sa Pagtatasa ng panganib at triage, na nagbibigay ng iskor sa mga indibidwal.

Pananaliksik at pagpapaunladSumusuporta sa isang ipinatutupad na instrumento sa pananaliksik — isang sistemang nag-aaral ng isang lugar, populasyon, o kapaligiran bilang bahagi ng isang programa ng pananaliksik. Iba sa sistemang ganap nang ginagamit para maghatid ng serbisyo sa publiko.

Pagtatasa ng panganib at triageNagbibigay ng iskor o nagtatakda ng prayoridad sa mga indibidwal o kaso para sa dagdag na atensiyon o aksiyon — halimbawa, pag-iskor ng posibilidad na muling makagawa ng krimen, triage sa ospital, mga marka ng panganib sa kapakanan ng bata. Iba sa Pagpaplano at pagdedesisyon, na nagfo-forecast sa antas ng populasyon o ng sistema.

Kaligtasan at seguridadSumusuporta sa maagap na pagbabawas ng panganib sa mga pisikal na kapaligiran — halimbawa, kaligtasan sa sunog, seguridad sa bahay, o pagtiyak ng ligtas na pagdaan sa mga paliparan o kalsada. Iba sa Pagpapatupad ng patakaran (paglalapat ng mga patakaran) at sa Sunog at emergency (pagtugon sa insidente).

Pagsasalin at access sa wikaNagsasalin ng pananalita, teksto, o mga karatula para magamit ang isang lugar o serbisyo ng mga taong iba-iba ang wika — halimbawa, sabayang pagsasalin sa isang service counter, mga karatulang nasa maraming wika.

Pamamahala ng basuraSumusuporta sa paghawak at pagtatapon ng basura, kasama ang mga nare-recycle, compost, at mapanganib na materyales.

Pagtitipid sa tubigNagbabawas ng paggamit ng tubig at/o tumutulong magtipid ng tubig.

Paghahanap ng daan at mga serbisyoTumutulong sa mga tao na mahanap ang daan sa isang lugar at ang mga pasilidad at serbisyo nito.

May pananagutan

Sino ang may pananagutan sa sistemang ito?

Ang organisasyong responsable sa pagpapatupad at pagpapatakbo ng sistemang ito.

Context: Tungkulin

Kung paano nakikilahok ang organisasyong ito sa pagpapatupad ng sistema.

SupplierAng organisasyong bumubuo, nagsusuplay, o nagbibigay ng lisensiya sa sistema.

NagpapatupadAng organisasyong nagpapatupad at nagpapatakbo ng sistema sa lugar na ito.

InstitusyonAng entidad na responsable at may pananagutan sa sistemang ito

OrganisasyonAng entidad na responsable at may pananagutan sa sistemang ito

Mga taong apektado

Kanino ginagamit ang sistemang ito?

Ang mga taong pinaggagamitan ng sistemang ito, o ang mga taong ang buhay ay naaapektuhan ng mga desisyon nito — kasama ang mga hindi kailanman pumiling makipag-ugnayan dito.

Context: Kaugnayan

Kung paano naaabot ng sistemang ito ang taong ito o ang grupong ito.

PinagdedesisyunanNaglalabas ang sistema ng output tungkol sa taong ito na direktang nakaaapekto sa kanila — isang iskor, isang tugma, isang desisyon kung kuwalipikado sila.

Nagkataong nahagipNapasama sa data ng sistema kahit hindi ito nagdedesisyon tungkol sa kanila — isang mukha sa likuran ng kuha ng kamerang sa iba nakatutok.

Mas malawak na komunidadIsang lugar o grupong sama-samang naaapektuhan, lampas sa mga indibidwal na pinoproseso ng sistema — isang komunidad na binabantayan, mga manggagawang niraranggo.

Mga taoAng mga taong pinaggagamitan ng sistemang ito, o ang mga taong ang buhay ay naaapektuhan ng mga desisyon nito.

Ano ang ginagawa nito

Ano ang ginagawa ng sistemang ito?

Ang mga kilos ng sistemang ito, na inilalahad gamit ang mga pang-araw-araw na pandiwa — sumasagap, humuhula, nagdedesisyon, lumilikha, nagpapagalaw. Kapag pinangalanan ang mga pandiwa, mas madaling pag-isipan kung ano ang naaabot ng sistema at kung saan maaaring magkaproblema.

Context: Pakikilahok ng tao

Kung sino ang kumukumpleto sa proseso — isang mabilis na hudyat, sa antas ng buong sistema, kung gaano karami ang tumatakbo nang walang tao, na ipinapakita sa pandiwang kinukulayan nito. Isang pangkalahatang paglalarawan ng pagpapatupad, hindi isang teknikal na audit.

Tao ang nagdedesisyonNagmumungkahi o nagbibigay-impormasyon ang sistemang ito; tao ang nagpapasya bago magkabisa ang anuman. Halimbawa: isang triage tool na nagraranggo ng mga kaso para sa isang clinician na siyang pumipili kung alin ang uunahin.

Tao ang nagbabantay o nagsasagawaMag-isang binubuo ng sistemang ito ang resulta; binabantayan ito ng mga tao, maaari silang makialam, o sila mismo ang nagsasagawa ng resulta. Halimbawa: isang optimizer na nagpaplano ng mga ruta ng pangongolekta para sa araw na iyon, at mga drayber ang bumibiyahe sa mga ito.

Kusang tumatakboNagdedesisyon ang sistemang ito at nagkakabisa ang desisyon nang walang taong sumusuri sa bawat resulta. Halimbawa: isang toll sa kalsada na awtomatikong nagbabago ng presyo at naniningil habang nagbabago ang trapiko.

KumikilosKumikilos — hinahati ang isang layunin sa mga hakbang at isinasagawa ang mga ito sa software: tumatawag ng mga tool, nagbu-book, nagsusumite, nag-aakyat ng usapin sa mas mataas na antas, nagpapatakbo ng mga prosesong maraming hakbang para sa isang tao. Ang output ay isang aksiyong naisagawa, hindi nilalamang ibinalik. Mga halimbawa: pag-book ng miting, pagsusumite ng tax return, pag-aakyat ng ticket. Kapag may pisikal na bagay na pinagagalaw ang aksiyon, iyon ay Nagpapagalaw.

SumasagotSumasagot — tumutugon sa mga tanong ng mga tao sa isang usapan: isang chatbot, isang voice assistant, isang awtomatikong linya ng telepono. Nakikipagpalitan ito ng usapan na nakatuon sa inyo sa mismong sandaling iyon. Mga halimbawa: isang chatbot ng pampublikong sasakyan na nagpapaliwanag ng pagkaantala, isang linya ng serbisyo na nagdadala ng inyong kahilingan sa tamang tanggapan. Iba sa Lumilikha, na gumagawa ng nilalamang nakatatayo nang mag-isa pagkatapos.

LumilikhaLumilikha — gumagawa ng bagong teksto, larawan, audio, video, o code na wala pa bago tumakbo ang sistemang ito. Ang output ay nilalamang inakda ng sistema, hindi tatak o iskor tungkol sa dati nang data. Mga halimbawa: pagsulat ng talata mula sa isang prompt, paglikha ng larawan mula sa isang paglalarawan, pagbuo ng audio, pagkumpleto ng code. Iba sa Sumasagot, na tumutugon sa inyo sa isang usapan.

NagdedesisyonNagdedesisyon — nagtatakda ng resultang nagkakabisa: pag-apruba o pagtanggi, pagpepresyo, paglalaan, pagmamarka para aksiyunan. Mga halimbawa: pabago-bagong toll sa kalsada na itinatakda batay sa trapiko, aplikasyong inaprubahan o tinanggihan, pagtatalaga ng ipapadalang tauhan o sasakyan. Kapag tao ang gumagawa ng huling pasya mula sa mga mungkahi nito, iyon ay Nagrerekomenda.

KumikilalaKumikilala — inaalam kung sino o ano ang isang bagay sa pamamagitan ng pagtutugma ng mukha, boses, fingerprint, plaka, o account sa mga rekord na dati nang nakatala. Ginagawa nitong "narito ang taong ito" ang "may tao rito." Mga halimbawa: pagtutugma ng mukha sa boarding gate, paghahanap ng plaka sa toll gantry. Iba sa Sumasagap, na tumutuklas nang hindi nagpapangalan.

NagpapagalawNagpapagalaw — kumikilos sa pisikal na mundo. Pinaaandar ng sistema ang mga motor, balbula, signal, o iba pang actuator at may binabago ito sa paligid ninyo. Mga halimbawa: pagmamaniobra ng robot, pagpapalit ng ilaw-trapiko, pagbubukas ng gate, pagsasaayos ng bentilasyon ng gusali, pag-angat ng harang sa paradahan.

HumuhulaHumuhula — tinataya kung ano ang malamang: isang forecast, iskor ng panganib, probabilidad. Sinasabi nito kung ano ang maaaring mangyari; iba pang tao o bagay ang magdedesisyon kung ano ang gagawin tungkol dito. Mga halimbawa: forecast ng haba ng pila, iskor ng panganib sa pautang, hula ng siksikan sa susunod na oras. Iba sa Nagdedesisyon, na nagpapabisa ng isang resulta.

NagrerekomendaNagrerekomenda — nagmumungkahi ng mga opsiyong mapagpipilian ng isang tao: isang ranggo, maikling listahan, iminumungkahing ruta o paggamot. Walang nagkakabisa hangga't walang tumatanggap sa mungkahi. Mga halimbawa: ranggo ng triage para sa isang clinician, ibang rutang iniaalok sa drayber, mga produktong unang ipinapakita. Iba sa Nagdedesisyon, kung saan kusang nagkakabisa ang resulta.

SumasagapSumasagap — ginagawang bagay na magagamit ng iba pang bahagi ng sistema ang mga hilaw na signal mula sa mga kamera, mikropono, o sensor: mga natuklasan, transkripsiyon, sukat. Kasama ang tuloy-tuloy na pagbabantay na nag-aabang ng mga pangyayari. Mga halimbawa: pagtuklas ng sasakyan sa kuha ng kamera, pag-transcribe ng binigkas na pangungusap, pagpansin na siksikan ang isang plataporma. Iba sa Kumikilala, na nagbibigay ng pangalan sa kung sino o ano ang nasasagap nito.

UmuunawaUmuunawa — hinahango ang kahulugan mula sa teksto o pananalita, naghahanap ng magkakaugnay na ideya, at iniuugnay ang binabasa nito sa nakaimbak na konteksto. Nagbabalik ito ng mga tugma, intensiyon, buod, o link sa kaugnay na dati nang kaalaman, hindi ng bagong nilalaman. Mga halimbawa: pagtutugma ng tanong sa tamang help article, pagkuha ng probisyon ng patakaran na angkop sa isang kaso, pagkilala sa paksa ng isang pangungusap.

Mga panganib at pagbabawas nito

Ano ang mga panganib at paano binabawasan ang mga ito?

Ang mga panganib na maaaring idulot ng sistemang ito at kung paano tinutugunan ang mga ito.

Pagkawala ng sariling pagpapasyaAng panganib na limitahan ng sistemang ito ang kakayahan ng isang tao na gumawa ng sariling desisyon, kontrolin ang sariling pagkakakilanlan, o malayang pumili. Kasama rito ang mga panganib ng limitadong access sa ibang mapagpipilian, mapanlinlang na disenyong nagtutulak ng mga desisyon tungo sa isang partikular na resulta, at kawalan ng makabuluhang pahintulot. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mga paraan para tumangging mapasama, malilinaw na rekomendasyon, mga default na nagpoprotekta sa kalayaang pumili, at pagsusuri ng tao sa mga desisyong may mabigat na epekto.

Pinsala sa mga kalayaang sibilAng panganib na malagay sa alanganin ng sistemang ito ang mga batayang karapatang pantao at kalayaang sibil — pananalita, pagtitipon, paggalaw, tamang proseso ng batas, o kalayaan mula sa di-makatwirang pagmamanman. Kasama rito ang mga panganib mula sa malawakang pagkilala ng mukha, predictive policing, pagsensura sa legal na pagpapahayag, at pagkatakot ng mga tao na magprotesta. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mahihigpit na limitasyon sa layunin, pagbabantay ng hukuman o ng independiyenteng lupon, limitadong pagpapanatili ng data, at pagtatasa ng epekto sa karapatang pantao bago ang pagpapatupad.

Pinsala sa kapaligiranAng panganib na masira ng sistemang ito ang kapaligiran dahil sa konsumo ng enerhiya, paggamit ng tubig, e-waste, carbon emission, o pagkuha ng likas-yaman para sa hardware. Kasama rito ang mga panganib mula sa computing na kailangan sa pagsasanay, sa walang-tigil na pagpapatakbo ng modelo, sa pangangailangan ng mga data center sa pagpapalamig, at sa mabilis na pagpapalit ng hardware. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mga target sa pagtitipid ng enerhiya at tubig, hayagang pag-uulat ng computing footprint, pagpaplano sa buong buhay ng hardware, at pagkuha ng renewable energy para sa operasyon ng mga data center.

Pinsalang pinansiyal at pangnegosyoAng panganib na magdulot ang sistemang ito ng pagkalugi sa pera ng mga indibidwal o ng pinsala sa organisasyon dahil sa maling pagpepresyo, pagkakait ng serbisyo, panloloko, o manipulasyon ng merkado. Kasama rito ang mga panganib mula sa awtomatikong desisyon sa pautang, di-pantay na pabago-bagong presyo, mga scam na gumagamit ng AI, at pagkagambala sa supply chain dahil sa maling paggamit. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mga pananggalang para manatiling abot-kaya, audit sa pagiging patas ng mga modelo ng pagpepresyo, mga sistemang tumutuklas ng panloloko, at malilinaw na proseso para sa reklamo at remedyo.

Pisikal na pinsalaAng panganib na humantong ang mga output ng sistemang ito sa pisikal na pinsala sa mga indibidwal o sa pagkasira ng ari-arian. Kasama rito ang mga panganib mula sa mga sasakyang kusang umaandar, pagpapagalaw ng mga robot, maling gabay sa nabigasyon, o mga pagkakamali sa kritikal na imprastruktura na naglalagay sa mga tao o ari-arian sa kapahamakan. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mahigpit na pagsubok sa kaligtasan, mga default na ligtas kahit pumalya, geofencing ng mapanganib na kilos, at pagbabantay ng tao sa mga pisikal na aksiyong malaki ang nakataya.

Pinsalang pampolitika at pang-ekonomiyaAng panganib na manipulahin ng sistemang ito ang talakayang pampolitika, makialam sa halalan, magtipon ng kapangyarihan sa merkado sa iilan, o makasira sa mga pampublikong institusyon. Kasama rito ang mga panganib ng synthetic media na nakatuon sa mga botante, di-malinaw na pagtutuon ng ad, pagkabaluktot ng kompetisyon dahil sa monopolyo sa access sa data at computing, at paghina ng tiwala sa mga institusyon. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang paglalantad kung sintetiko ang nilalaman, pagtutok ng mga awtoridad laban sa monopolyo sa mga merkado ng AI, access ng mga regulator para sa audit, at mga rekisito sa transparency ng mga political ad.

Pagkawala ng privacyAng panganib na makuha, mahinuha, o mailantad ng sistemang ito ang mas maraming impormasyon tungkol sa mga tao kaysa sa inaasahan o sinang-ayunan nila. Kasama rito ang mga panganib ng pagsubaybay sa galaw ng mga tao sa paglipas ng panahon, muling pagtukoy sa mga tao mula sa data na dapat sana ay walang pagkakakilanlan, pag-uugnay ng mga rekord mula sa iba't ibang sistema para makabuo ng mga profile, at muling paggamit ng data para sa mga layuning lampas sa ipinahayag. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang pangongolekta lang ng kailangan, pagproseso sa mismong device, pag-aalis ng pagkakakilanlan sa mismong sandali ng pagkuha, maiikling panahon ng pagpapanatili, at pagtatasa ng epekto sa privacy bago ang pagpapatupad.

Sikolohikal na pinsalaAng panganib na magdulot ang sistemang ito ng pinsala sa damdamin o sa kalusugan ng isip, direkta man o hindi. Kasama rito ang mga panganib mula sa nakaaadik na feedback loop, pagkabagabag dahil sa pagmamanman, panliligalig gamit ang nilikhang nilalaman, at pagkabalisa dahil sa awtomatikong pagtanggi. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mga babala sa nilalaman, pananggalang para sa kapakanan ng tao, disenyong angkop sa edad, madaling maabot na mapaghihingan ng tulong, at limitasyon sa mga kilos ng sistema na nilalayong pahabain nang husto ang paggamit ng tao.

Pinsala sa reputasyonAng panganib na masira ng sistemang ito ang reputasyon ng mga indibidwal, grupo, o organisasyon dahil sa maling pagkilala, maling pag-uuri, o mga tatak na nagdudulot ng stigma. Kasama rito ang mga panganib ng di-tumpak na pagkilala ng mukha, mapanirang-puring nilikhang nilalaman, at di-patas na pampublikong pag-iskor na sumusunod sa tao saan man sila pumunta. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang mga takdang antas ng katumpakan bago maglagay ng tatak na makikita ng publiko, pagsusuri ng tao sa mga pagkilalang malaki ang epekto, mga proseso ng pagpapaalis ng nilalaman, at malilinaw na karapatan sa pagtatama.

Paglabag sa seguridad at dataAng panganib na ang sistemang ito o ang data na hawak nito ay ma-access, manakaw, mabago, o makontrol ng sinumang hindi dapat magkaroon nito. Kasama rito ang mga panganib mula sa mga na-hack na kamera o sensor, mga na-leak na database, mga naharang na transmisyon, maling paggamit ng mga tagaloob, at pakikialam na nagiging dahilan para mag-ulat o kumilos nang mali ang isang sistema. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang encryption habang nakaimbak at habang ipinapadala, mahihigpit na kontrol sa access, regular na pagsubok sa seguridad, agarang pag-update ng software, at pag-abiso sa mga apektadong tao kapag may nangyaring paglabag.

Pinsala sa lipunan at kulturaAng panganib na mapinsala ng sistemang ito ang mga komunidad o kultura dahil sa paghina ng tiwala, pagkawala ng pagkakaiba-iba ng wika at kultura, o di-malusog na pagdepende sa mga sistemang hindi malinaw kung paano gumagana. Kasama rito ang mga panganib ng malawakang maling impormasyon, pagkakapare-pareho ng pangkulturang pagpapahayag, pagpapalit sa lokal na kaalaman, at pagkasira ng mga pinagkukunan ng pampublikong impormasyon. Maaaring kabilang sa mga hakbang para mabawasan ang panganib ang suporta sa maraming wika, pakikipagtulungan sa mga apektadong komunidad, mga palatandaan ng pinagmulan sa nilikhang nilalaman, at pamumuhunan sa mga modelong para sa lokal na wika at lokal na konteksto.

Mga karapatan

Ano ang inyong mga karapatan?

Kung ano ang maaari ninyong gawin kaugnay ng sistemang ito — kung paano mag-access, tumutol, o tumangging mapasama.

Karapatan sa accessAng karapatang humiling at tumanggap ng impormasyon tungkol sa kung anong personal na data ang nakolekta ng isang sistema tungkol sa inyo, kung paano ginagamit ang data na ito, at kung anong mga desisyon ang ginawa gamit ang impormasyong ito. Kasama rito ang karapatang makakuha ng kopya ng inyong data sa format na nababasa.

Karapatan sa transparency ng algorithmAng karapatang maipaalam sa inyo sa simpleng pananalita kung paano gumagana sa pangkalahatan ang isang sistema — ang lohikang ginagamit, ang kahalagahan ng pagproseso, at ang malamang na kahihinatnan para sa mga taong apektado nito. Ito ang karapatang maunawaan ang sistema mismo; hiwalay na karapatan ang karapatan sa paliwanag ng isang partikular na desisyong ginawa tungkol sa inyo.

Karapatang makalimutanAng karapatang mabura ang inyong personal na data mula sa isang sistema kapag hindi na kailangan ang data para sa orihinal nitong layunin, kapag binawi ninyo ang pahintulot, o kapag wala nang lehitimong interes para ituloy ang pagproseso nito. Kung posible sa teknikal na paraan, kasama rin dito ang pag-"unlearn" o paglimot ng sistema sa impormasyong hinango mula sa inyong data. Ito ay karapatan sa pagbura; hiwalay na karapatan ang karapatang ipatigil ang pagproseso nang walang pagbura.

Karapatang tumutolAng karapatang tutulan ang isang desisyong ginawa ng sistema tungkol sa inyo — magbigay ng dagdag na impormasyon, ipahayag ang inyong pananaw, at ipasuri muli ang desisyon batay sa inyong ibinigay. Ito ay remedyo matapos magawa ang desisyon; hiwalay na karapatan ang karapatan sa pagsusuri ng tao bago ipatupad ang isang desisyon.

Karapatang itama ang inyong dataAng karapatang maipatama o maipakumpleto ang di-tumpak o kulang na data na hawak ng isang sistema tungkol sa inyo. Hiwalay ito sa karapatan sa access sa inyong data (na karapatang mabasa ito) at sa karapatang makalimutan (na karapatang mabura ito). Kapag naitama ang orihinal na data, dapat balikan ang mga sumunod na desisyong ginawa batay sa maling data.

Karapatan sa paliwanag ng isang desisyonAng karapatan sa malinaw at makabuluhang paliwanag kung paano nakaambag ang isang sistema sa isang partikular na desisyong nakaaapekto sa inyo — kung ano ang naging papel ng sistema, ang mga pangunahing salik na humantong sa resulta, at kung ano ang kahulugan nito para sa inyo. Saklaw ng karapatang ito ang desisyong aktuwal na ginawa tungkol sa inyo; hiwalay na karapatan ang karapatang maipaalam kung paano gumagana sa pangkalahatan ang sistema.

Karapatan laban sa diskriminasyonAng karapatang hindi makaranas ng diskriminasyon mula sa isang sistema batay sa mga protektadong katangian gaya ng lahi, kasarian, edad, relihiyon, kapansanan, o oryentasyong seksuwal. Dapat magpatupad at magpakita ang mga organisasyon ng angkop na mga hakbang na teknikal at pang-organisasyon para maiwasan ang mga resultang may diskriminasyon mula sa kanilang mga sistema.

Karapatang ipatigil ang pagprosesoAng karapatang hilingin sa isang organisasyon na itigil ang paggamit sa inyong personal na data, kahit hindi binubura ang data mismo. Hiwalay ito sa karapatang makalimutan (na nagbubura ng data) at sa karapatan sa limitasyon ng layunin (na naglilimita sa mga orihinal na layuning inihayag). Ito ang paraan ng user para ipatigil agad ang paggamit — maaaring manatili sa talaan ang inyong data, pero hindi na ito dapat iproseso pa.

Karapatan sa limitasyon ng layuninAng karapatang gamitin lang ang inyong data para sa mga partikular na layuning inihayag noong kinolekta ito. Dapat ideklara at idokumento ng organisasyon ang mga layuning iyon bago magsimula ang pangongolekta, at bawal nitong gamitin sa bandang huli ang inyong data para sa mga bago at walang-kaugnayang layunin nang hindi ninyo alam o walang pahintulot ninyo. Ito ay paunang limitasyon sa kung anong paggamit ang pinapayagan kailanman; hiwalay na karapatan ang karapatang ipatigil ang pagprosesong nagaganap na.

Karapatan sa pagsusuri ng taoAng karapatang isang tao — hindi isang awtomatikong sistema — ang gumawa o makabuluhang sumuri muli ng isang desisyong nakaaapekto sa inyo. Daan ito tungo sa desisyong hindi awtomatiko, hiwalay sa karapatang tutulan ang isang desisyong nagawa na. Dapat may awtoridad at impormasyon ang taong sumusuri para talagang mabago ang resulta.

Karapatang malamanAng karapatang malaman na may gumaganang sistema bago ito mangolekta ng data tungkol sa inyo o bago gumawa ng anumang desisyong nakaaapekto sa inyo. Kasama rito ang masabihan kayo kapag kinokolekta ang data tungkol sa inyo, kapag awtomatikong sistema at hindi tao ang kausap ninyo, kapag nilikha ng AI ang nilalaman, at kapag may ginagamit na teknolohiyang biometric o kumikilala ng emosyon. Ito ang paunang kondisyon ng lahat ng iba pang karapatan sa kategoryang ito — hindi ninyo magagamit ang mga karapatang hindi ninyo alam na para sa inyo.

Teknolohiya sa pangongolekta

Ano ang kumukuha ng data na ginagamit ng sistemang ito?

Ang mga device at daluyang kumukuha ng input na data ng sistemang ito — mga kamera, sensor, mikropono, form, o feed mula sa ibang sistema. Ito ang instrumentong nangongolekta ng data, iba sa algorithm na nagpoproseso nito.

Biometric na scannerKumukuha ng isang pisikal na katangian para sa pagkilala — fingerprint, palad, iris, o scan ng mukha sa isang gate, kiosk, o turnstile. Ito ang device na kumukuha mismo; ang pagtutugma ng scan sa mga nakaimbak na template ay pagkilalang biometric, na makikita sa ilalim ng Algorithm o modelo.

KameraKumukuha ng mga larawan o video ng isang lugar — nakakabit sa poste, sasakyan, drone, o nakapaloob sa isang device. Kasama ang mga infrared at thermal na kamera. Ito ang device na kumukuha mismo; ang mga teknik na sumusuri sa kuha ay makikita sa ilalim ng Algorithm o modelo, at kung gaano natutukoy ang tao mula sa kuha ay makikita sa kategoryang Input na data.

Telemetry ng mga konektadong deviceMga sukat na awtomatikong ipinapadala ng mga konektadong bagay — mga sasakyang nag-uulat ng bilis at posisyon, mga wearable na nag-uulat ng tibok ng puso, mga smart meter na nag-uulat ng konsumo ng enerhiya, mga makinang nag-uulat ng sarili nilang kalagayan. Tuloy-tuloy na pagkuha na tumatakbo sa likod ng pang-araw-araw na paggamit.

Sensor na pangkapaligiranSumusukat sa kalagayan ng paligid — kalidad ng hangin, temperatura, halumigmig, lakas ng ingay, taas ng tubig, o panahon. Ang kapaligiran ang binabasa ng mga sensor na ito, hindi ang mga tao, bagaman maaari pa ring makita sa mga sukat ng ingay at hangin ang gawain ng tao.

Mga dati nang rekordData na hawak na ng organisasyon — mga account ng customer, case file, rehistro, kasaysayan ng transaksiyon, mga nakaraang aplikasyon. Walang bagong kinukuha mula sa mundo; humuhugot ang sistema sa mga naitala na noon, na kung minsan ay para sa ibang orihinal na layunin.

MikroponoKumukuha ng tunog — pananalita, ingay sa paligid, o mga partikular na tunog gaya ng nababasag na salamin o putok ng baril. Makikita sa mga smart speaker, kiosk, intercom, at instalasyong nagbabantay sa tunog. Ito ang device na kumukuha mismo; ang pagkilala ng pananalita at iba pang pagsusuri ay makikita sa ilalim ng Algorithm o modelo.

Koneksiyon sa networkNag-uugnay sa sistemang ito sa isang network — cellular modem, WiFi access point, o koneksiyong may kable. Naglilipat ito ng data sa halip na kumuha nito, pero maaari pa ring ipakita ng mga log ng koneksiyon kung aling mga device ang nasa malapit o nakakonekta, at ang access point na nag-aalok ng pampublikong WiFi ay isa ring serbisyong sinasalihan ng mga tao.

Pagpoposisyon at lokasyonInaalam kung nasaan ang isang bagay — mga GPS receiver sa mga sasakyan o app, Bluetooth beacon, o sistema ng pagpoposisyon sa loob ng gusali. Lumilikha ng mga bakas ng lokasyon, isa sa mga uri ng personal na data na pinakamaraming naibubunyag kapag naiugnay sa isang tao o sa kanilang device.

Sensor ng presensiya at galawTumutuklas na may tao o bagay sa isang lugar, o na gumagalaw ito, nang hindi kumukuha ng larawan — passive infrared, ultrasonic, pressure mat, pambilang sa pinto, sensor kung may nakaupo. Sinasabi sa sistema na may tao sa isang lugar, hindi kung sino ang naroon.

Data feed mula sa ikatlong partidoData na natanggap mula sa ibang organisasyon — binili, nilisensiyahan, o inihatid sa pamamagitan ng API o kasunduan sa pagbabahagi ng data. Mga halimbawa: mga rekord ng credit bureau, serbisyo sa panahon, provider ng mapa, data broker. Maaaring hindi kailanman nakipag-ugnayan sa nagpapatakbo ng sistemang ito ang mga taong inilalarawan ng data.

Input ng userImpormasyong sadyang ibinibigay ng mga tao — form na sinasagutan nila, tekstong itinitipa nila, paghahanap na ginagawa nila, larawang ina-upload nila, utos na binibigkas nila. Alam ng tao na may ibinibigay sila, di-gaya ng pagsagap na nangyayari sa paligid nila.

Pagtuklas ng sasakyanSumasagap ng mga sasakyan sa kalsada o sa isang lugar — radar, LiDAR, induction loop sa kalsada, piezoelectric strip, o detector na nakakabit sa gantry. Ginagamit para bilangin ang mga sasakyan, sukatin ang bilis, at tuklasin ang pagsisikip. Ang mga kamera para sa plaka ay kabilang sa Kamera.

Pagsagap ng wireless na signalSumasagap ng mga radio signal na inilalabas ng mga device — WiFi probe mula sa mga telepono, Bluetooth, RFID tag, o NFC tap. Madalas gamitin para bilangin o subaybayan ang mga device na dumaraan sa isang lugar; maaaring magsilbing permanenteng pantukoy sa taong may dala nito ang signal ng isang device.

Input na data

Anong input na data ang pinoproseso ng sistemang ito?

Ang input na data na pinoproseso ng ipinatutupad na sistemang ito kapag tumatakbo ito.

Context: Personal na impormasyon

Kung gaano natutukoy ang tao mula sa data kapag pinoproseso ito ng sistemang ito. Sinasabi ng pangalan ng elemento kung tungkol saan ang data; sinasabi ng kulay na ito kung gaano nito direktang natutukoy ang isang tao.

Data na walang pagkakakilanlanData tungkol sa mga tao na pinutol na ang ugnay sa kung sino sila. Inalisan ng mga pantukoy, pinalabo, pinagsama-sama, o hinaluan ng ingay para hindi na makatwirang maiugnay ng sistemang ito ang isang rekord sa isang indibidwal.

Data na may alyasNakakabit ang data ng bawat tao sa isang token (hash, ID, template) na nagbibigay-daan sa sistemang ito na makilala ang iisang tao sa iba't ibang pangyayari, pero hindi naglalantad ng pangalan ang token mismo. Posibleng matukoy muli ang tao kung may dagdag na impormasyon.

Data na tumutukoy sa taoAng data ay may direktang pantukoy (pangalan, address, pangalan ng account, mukha o boses na makikilala, numero ng plaka) o may dalang token na ginagamit ng sistemang ito para hanapin ang legal na pagkakakilanlan habang nagpoproseso.

Data tungkol sa sukatMga sukat mula sa sensor — kalidad ng hangin, temperatura, lakas ng tunog, enerhiya, daloy ng tubig. Tumatanggap ang sistema ng mga sukat na numero mula sa mga pisikal na sensor, na kadalasang walang kaugnay na tao. Mga halimbawa: mga sukat ng PM2.5 mula sa monitor ng kalidad ng hangin, antas ng decibel mula sa sound sensor, kilowatt-hour mula sa metro.

Data tungkol sa lugarMga lokasyon, ruta, paligid, o floor plan. Tumatanggap ang sistema ng data na naglalarawan kung nasaan ang isang bagay. Mga halimbawa: GPS coordinates mula sa telepono, bilang ng mga dumaraang naglalakad sa bangketa, mapa ng mga pasilyo ng gusali.

Data tungkol sa kilos ng taoMga pag-tap, pagpili, dinaanang landas, tagal ng pananatili, pagbili, o paghahanap. Tumatanggap ang sistema ng mga rekord ng ginawa ng mga tao. Mga halimbawa: mga destinasyong na-tap sa wayfinding kiosk, mga item na idinagdag sa cart, hinanap na itinipa sa isang pampublikong terminal.

Biometric na dataMga mukha, fingerprint, voice print, paraan ng paglakad, kumpas, tingin, tindig. Tumatanggap ang sistema ng mga senyales mula sa katawan ng isang tao. Mga halimbawa: mukhang nakunan sa turnstile, boses na ni-record ng mikropono ng kiosk, paraan ng paglakad na sinuri ng kamerang nasa itaas.

Desisyon tungkol sa inyoIsang pasya kung kuwalipikado, pag-uuri, pagraranggo, o oo/hindi na ginawa na ng ibang sistema tungkol sa isang tao. Tinatanggap ng sistema ang naunang desisyong ito at ginagamit bilang input. Mga halimbawa: credit score mula sa ibang modelo, marka mula sa naunang sistema na pinapayagan ang pagpasok, klase ng triage na itinalaga sa mas naunang bahagi ng proseso.

Nilikhang nilalamanTeksto, larawan, audio, o video na ginawa ng isang sistemang AI. Tinatanggap ng sistema ang sintetikong nilalamang ito at pinoproseso pa. Mga halimbawa: buod na isinulat ng LLM na ipinasok sa tagasalin, nilikhang larawan na ipinasa sa modelo ng moderation, text-to-speech clip na ipinadala sa isang audio system.

Data ng operasyonMga iskedyul, ruta, badyet, bilang ng taong nasa isang lugar, pampublikong rekord, o iba pang data na administratibo — hindi tungkol sa sinumang partikular na tao. Tumatanggap ang sistema ng data na naglalarawan kung paano tumatakbo ang isang lugar o serbisyo. Mga halimbawa: dami ng tao sa paaralan kada oras, mga ruta ng paghahakot ng basura, timetable ng pampublikong sasakyan, badyet ng isang departamento.

Pisikal na aksiyonIsang hudyat na may nagbago sa pisikal na mundo — pintong bumukas, ilaw na sumindi, alertong tumunog. Tumatanggap ang sistema ng patunay ng mga pagbabagong ito mula sa mga naunang actuator o sensor. Mga halimbawa: pangyayaring pag-unlock ng turnstile, pagbabago sa HVAC na naitala ng sensor, alerto sa public address na ipinarinig ng naunang sistema.

Rekomendasyon o hulaIsang mungkahi, forecast, iskor ng panganib, o ranggo na nilikha na dati ng ibang sistema. Tinatanggap ng sistema ang output na ito na nagpapayo at ginagamit ito. Iba sa desisyong dapat sundin dahil nagpapayo lang ito at hindi nagtatakda. Mga halimbawa: hinuhulaang kurba ng demand, iskor ng panganib mula sa naunang modelo, rutang inirekomenda ng isang serbisyo ng nabigasyon.

Sensitibong personal na dataKalusugan, pananalapi, paniniwala, seksuwalidad, katayuan sa imigrasyon, o iba pang personal na impormasyong may kaakibat na panganib na legal at panlipunan. Tumatanggap ang sistema ng ganitong uri ng protektadong data. Mga halimbawa: pagiging kuwalipikado sa insurance sa kiosk ng klinika, katayuan ng aplikasyon sa benepisyo, panghalip na idineklara ng tao para sa sarili.

Algorithm o modelo

Anong algorithm o modelo ang nagpoproseso ng data?

Kung ano ang nagpoproseso ng input — ang pamilya ng algorithm, klase ng modelo, o teknik na ginagamit para gawing output ang mga input.

Pagsusuri ng damdamin at emosyonMga pamamaraang naghihinuha ng emosyonal na kalagayan, timpla ng loob, o saloobin mula sa teksto, pananalita, ekspresyon ng mukha, o mga senyales ng katawan. Ginagamit para sukatin ang saloobin ng maraming tao, tasahin ang karanasan sa serbisyo, o alamin kung may taong nababagabag. Pinagtatalunan kung gaano katumpak ang paghihinuha ng damdamin at kung patas ito sa iba't ibang kultura, at may mga hurisdiksiyong naglilimita sa paggamit nito sa mga lugar ng trabaho at pampublikong serbisyo.

Pagtuklas ng anomalyaMga pamamaraang nagbababala tungkol sa mga di-pangkaraniwang pangyayari, pattern, o halaga na lumilihis sa natutuhan nitong batayan ng normal na takbo. Ginagamit sa paghula ng pagkasira ng kagamitan, pagsala ng panloloko, pagtuklas ng panghihimasok, pagbabantay sa tagas ng tubig, at mga babala sa di-pangkaraniwang daloy ng maraming tao. Kadalasang mga iskor na may takdang hangganan ang output sa halip na mga direktang desisyon.

Pagkilalang biometricMga pamamaraang kumikilala o nagbeberipika ng isang partikular na tao mula sa mga senyales ng katawan — mukha, fingerprint, boses, iris, o paraan ng paglakad. Iba sa pangkalahatang computer vision dahil nakaugnay ang output sa isang indibidwal na may pangalan. Maraming hurisdiksiyon ang naglilimita o nagbabawal sa pagkilalang biometric sa mga lugar na bukás sa publiko.

Pag-uuri at paghulaMga pamamaraang nagbibigay ng tatak sa isang input o tumataya ng resultang numero — kasama ang mga classifier (spam o hindi spam, antas ng panganib), regressor (hinuhulaang demand, inaasahang tagal ng paghihintay), at time-series forecaster (dami ng pasahero sa susunod na oras, karga ng enerhiya). Binuo mula sa may-tatak na nakaraang data gamit ang mga modelong estadistikal o machine learning.

Pagpapangkat at segmentasyonMga pamamaraang nagpapangkat ng mga tao, lugar, o pangyayari batay sa pagkakatulad, nang hindi gumagamit ng mga tatak na itinakda nang maaga. Ginagamit para hatiin sa mga pangkat ang mga audience, pattern ng pagbiyahe, profile ng paggamit ng enerhiya, o mga sonang may pangangailangan sa serbisyo. Ang mga output ay pagtatalaga sa mga pangkat na maaaring ituring na kategorya ng mga susunod na sistema — kahit hinuha lang ang mga pangkat at hindi sadyang itinakda ninuman.

Computer visionMga pamamaraang umuunawa ng mga larawan o video — nagbibilang ng tao, tumutuklas ng mga bagay, bumabasa ng teksto sa larawan, sumusubaybay sa galaw, o naghahati ng mga eksena. Karaniwan sa pag-alam kung may tao sa isang lugar, pagbabantay sa trapiko at dami ng tao, tulong sa aksesibilidad, at inspeksiyon ng mga karatula. Iba sa pagkilalang biometric, na tumutukoy ng mga partikular na indibidwal.

Mga modelo ng wikaMga modelong bumabasa, sumusulat, nagbubuod, nagsasalin, o nakikipag-usap sa wika ng tao. Kasama ang mga large language model (LLM), chatbot, at sistemang lumilikha ng teksto. Gumagana ang mga ito sa pamamagitan ng paghula ng pinakamalamang na susunod na mga token batay sa input at anumang naunang konteksto.

OptimisasyonMga pamamaraang naghahanap ng pinakamainam na pagtatalaga, ruta, iskedyul, o paglalaan sa loob ng mga itinakdang limitasyon. Kasama ang pagruruta ng mga sasakyan, timing ng mga ilaw-trapiko, pag-iiskedyul ng enerhiya at HVAC, pag-iiskedyul ng mga tauhan, at paglalaan ng mga rekurso. Gumagana ito sa pagsubok ng iba't ibang posibilidad para makuha ang pinakamataas o pinakamababang halaga ng isang itinakdang sukatan gaya ng gastos, oras, o emission.

Pagbabagong nagpoprotekta sa privacyMga pamamaraang ang pangunahing trabaho ay baguhin ang input na data para maalis, mapalabo, o mapalitan ang mga detalyeng tumutukoy sa tao bago ito gamitin sa mga susunod na hakbang. Kasama ang pagpapalabo ng mukha, pagtatakip ng plaka, tokenization, k-anonymization, differential privacy, at paglikha ng sintetikong data. Nagsisilbing harang sa pagitan ng hilaw na nakolektang data at ng data na ginagamit sa pagsusuri o mga desisyon.

Rekomendasyon at pagraranggoMga pamamaraang nagmumungkahi o nagsusunod-sunod ng mga item para sa isang tao — mga serbisyo, listing, balita, pagpipilian sa paghahanap ng daan — batay sa mga gusto, kilos, o pagkakatulad sa ibang tao. Kasama ang collaborative filtering, mga recommender na batay sa nilalaman, at learned ranking. Iniaangkop sa bawat tao ang nakikita nila mula sa iisang katalogo.

Paghahanap at pagkuhaMga pamamaraang naghahanap at naglalabas ng kaugnay na nilalaman mula sa isang koleksiyon ng mga dokumento, rekord, o media bilang tugon sa isang tanong. Kasama ang semantic search, vector retrieval, at mga pipeline ng retrieval-augmented generation (RAG) na nagpapasok ng mga kaugnay na sipi sa isang modelo ng wika. Ginagamit sa pagsagot ng tanong mula sa mga dokumento, paghahanap sa mga pampublikong rekord, at paghahanap sa aklatan o arkibo.

Pananalita at audioMga pamamaraang naglilipat ng binigkas na salita sa ibang format at pabalik, o nag-uuri ng tunog na hindi pananalita. Kasama ang speech-to-text (transkripsiyon), text-to-speech (sintetikong boses), pagtuklas ng mga keyword, at pagtuklas ng mga pangyayaring may tunog. Ang boses bilang pagkakakilanlan (pagkilala kung sino ang nagsasalita) ay kabilang sa Pagkilalang biometric.

Output na data

Ano ang nililikha ng sistemang ito?

Ang output na data na nililikha ng ipinatutupad na sistemang ito kapag tumatakbo ito — mga desisyon, nilalaman, at aksiyon.

Context: Personal na impormasyon

Kung gaano natutukoy ang tao mula sa data kapag nililikha ito ng sistemang ito. Sinasabi ng pangalan ng elemento kung tungkol saan ang output; sinasabi ng kulay na ito kung gaano nito direktang natutukoy ang isang tao.

Data na walang pagkakakilanlanOutput tungkol sa mga tao na pinutol na ang ugnay sa kung sino sila. Inalisan ng mga pantukoy, pinalabo, pinagsama-sama, o hinaluan ng ingay para hindi na makatwirang maiugnay ang resulta sa isang indibidwal.

Data na may alyasMay tatak na token (hash, ID, template) ang output na nagbibigay-daan sa sistemang ito na iugnay ang resulta sa iisang tao sa iba't ibang pangyayari nang hindi naglalantad ng pangalan. Posibleng matukoy muli ang tao kung may dagdag na impormasyon.

Data na tumutukoy sa taoDirektang pinapangalanan ng output ang isang tao (pangalan, address, account, mukha o boses na makikilala, plaka) o may dala itong token na iniuugnay ng sistemang ito sa legal na pagkakakilanlan sa parehong hakbang.

Data tungkol sa sukatLumilikha ang sistema ng mga sukat na numero sa paglipas ng panahon — mga output ng sensor, hinangong iskor ng kalidad, mga hinuhulaang halaga. Mga halimbawa: iskor ng kalidad ng hangin kada oras para sa isang plaza, hinuhulaang kurba ng dami ng pasahero para bukas, pinagsama-samang sukat ng lakas ng ingay na inilalathala sa isang pampublikong dashboard.

Data tungkol sa lugarLumilikha ang sistema ng output na lokasyon, ruta, rehiyon, o floor plan. Mga halimbawa: rutang ipinapakita sa kiosk, heatmap ng dami ng mga naglalakad, hangganan ng geofence na ipinapasa sa mga susunod na sistema.

Data tungkol sa kilos ng taoLumilikha ang sistema ng mga rekord ng ginawa ng mga tao — mga dinaanang landas, mga piniling item, tagal ng pananatili, mga pattern ng paggamit. Mga halimbawa: lingguhang ulat ng mga destinasyong pinakamadalas puntahan, session log ng mga paggamit sa touchscreen, hinuhang rutang dinaanan ng isang tao sa loob ng isang venue.

Biometric na dataLumilikha ang sistema ng output na may mga senyales mula sa katawan ng isang tao — mga template ng mukha, voice embedding, gait vector, sunod-sunod na kumpas. Mga halimbawa: nakarehistrong template ng mukha na iniimbak sa susunod na sistema, voice embedding para sa pagtutugma sa hinaharap, gait signature na ine-export sa ibang sistema.

Desisyon tungkol sa inyoLumilikha ang sistema ng pasyang dapat sundin tungkol sa isang tao — kung kuwalipikado, pag-uuri, pagraranggo, o oo/hindi. Mga halimbawa: sistema ng access control na nagdedesisyong buksan ang gate, awtomatikong resulta kung kuwalipikado sa benepisyo, awtomatikong pagsalang nag-aalis sa isang tao sa pagpipilian.

Nilikhang nilalamanLumilikha ang sistema ng bagong nilalaman — teksto, larawan, audio, o video na wala pa dati. Mga halimbawa: abiso sa serbisyo na isinulat ng LLM at ipinapakita sa karatula, anunsiyo sa sintetikong boses na ipinaririnig sa public address system, nilikhang ilustrasyon sa isang digital kiosk.

Data ng operasyonLumilikha ang sistema ng output na administratibo — mga iskedyul, ruta, tantiya ng dami ng tao, paglalaan ng badyet, o iba pang rekord kung paano tumatakbo ang isang lugar o serbisyo. Hindi tungkol sa sinumang partikular na tao. Mga halimbawa: pinakamainam na ruta ng paghahakot ng basura, tantiya ng dami ng tao sa paaralan, inirerekomendang paglalaan ng badyet para sa susunod na quarter.

Pisikal na aksiyonMay pinagagana ang sistema sa pisikal na mundo — pintong nabubuksan ang kandado, ilaw na sumisindi, alertong tumutunog, karatulang nagbabago, HVAC na nagbabago ng setting. Mga halimbawa: turnstile na bumubukas kapag tumugma ang mukha, alerto sa public address na awtomatikong ipinaririnig, pagbabago sa HVAC na iniutos ng isang modelo ng gusali.

Rekomendasyon o hulaLumilikha ang sistema ng output na nagpapayo — isang mungkahi, forecast, iskor ng panganib, o ranggo. Iba sa desisyong dapat sundin dahil nagpapayo lang ito at hindi nagtatakda. Mga halimbawa: sistema ng karatula na nagmumungkahi ng ibang ruta batay sa hinuhulaang siksikan, hinuhulaang kurba ng demand para bukas, inirerekomendang susunod na destinasyon sa kiosk.

Sensitibong personal na dataLumilikha ang sistema ng output tungkol sa kalusugan, pananalapi, paniniwala, seksuwalidad, katayuan sa imigrasyon, o iba pang kategoryang may kaakibat na panganib na legal at panlipunan. Mga halimbawa: prayoridad sa triage na itinalaga sa klinika, resulta ng kuwalipikasyon na ipinadala sa portal ng benepisyo, hinuhang protektadong katangian na ine-export sa mga susunod na sistema.

Anyo ng output

Paano nakakaharap ng mga tao ang nililikha ng sistemang ito?

Ang anyo ng output ng sistemang ito pagdating nito sa mundo — isang screen o karatula, isang presyo, isang notipikasyon, isang gate na bumubukas, isang sagot na binibigkas. Ito ang paraan kung paano nakakaharap ng mga tao ang output, iba sa output na data mismo.