എന്റർപ്രൈസ് ബിസിനസ്സ് സാഹചര്യങ്ങളിൽ ജെൻഎഐ (ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്) ദ്രുതഗതിയിൽ സ്വീകരിക്കുന്നത് അഭൂതപൂർവമായ സർഗ്ഗാത്മകത, ഉപയോഗം, ഉൽപാദനക്ഷമത എന്നിവയുടെ ഒരു പുതിയ യുഗത്തിലേക്ക് നയിച്ചു.

കൂടുതൽ വ്യക്തമായി പറഞ്ഞാൽ, കോപ്പിലോട്ട് (ചാറ്റ്ജിപിടി), ലാംഡ, ഫാൽക്കൺ 40 ബി തുടങ്ങിയ വലിയ ഭാഷാ മോഡലുകളുടെ (എൽഎൽഎം) വ്യാപനം വിവിധ വ്യവസായങ്ങളിലുടനീളം അവരുടെ ബിസിനസുകൾക്കായി ജെൻഎഐ പവർ ആപ്ലിക്കേഷനുകളും സേവനങ്ങളും വേഗത്തിൽ പരിശീലിപ്പിക്കാനും വിന്യസിക്കാനും ശ്രമിക്കുന്ന സംഘടനകളിലേക്ക് നയിച്ചു. എന്നിരുന്നാലും, GenAI-യുടെ ഏറ്റവും അർത്ഥവത്തായ ഉപയോഗം നടത്തുന്നതിന്, ഓർഗനൈസേഷനുകൾ അവരുടെ മെഷീൻ ലേണിംഗ് (എം എൽ) മോഡലുകളിലേക്ക് വലിയ ഡാറ്റാ സെറ്റുകൾ തുടർച്ചയായി (സുരക്ഷിതമായി) സംയോജിപ്പിക്കണം; എല്ലാത്തിനുമുപരി, നിങ്ങളുടെ ഔട്ട്പുട്ടുകൾ നിങ്ങളുടെ സേവനങ്ങൾ പരിശീലിപ്പിക്കുന്നതിന് ഉപയോഗിക്കുന്ന ഡാറ്റ പോലെ മികച്ചതാണ്.

വ്യക്തിഗത തിരിച്ചറിയാവുന്ന വിവരങ്ങൾ (പിഐഐ) പോലുള്ള സെൻസിറ്റീവ് ഡാറ്റ കഴിക്കുന്നതും തുറന്നുകാട്ടുന്നതുമായി ബന്ധപ്പെട്ട വാഗ്ദാനങ്ങൾ, സുരക്ഷ, സ്വകാര്യത അപകടസാധ്യതകൾ എന്നിവ GenAI പ്രദർശിപ്പിക്കുന്നുണ്ടെങ്കിലും, സംരക്ഷിത ആരോഗ്യ വിവരങ്ങൾ (പിഎച്ച്ഐ) ഡാറ്റ ഇപ്പോൾ വ്യക്തമാണ്.

പിഐഐ കഴിക്കുന്നതിനുമുമ്പ് അത് സുരക്ഷിതമാക്കാത്തതിന്റെ യഥാർത്ഥ ലോക അപകടസാധ്യതകളിൽ ഇവ ഉൾപ്പെടാം: മനഃപൂർവമല്ലാത്ത ഡാറ്റ നഷ്ടം, സെൻസിറ്റീവ് ഐപി എക്സ്പോഷർ, പ്രാദേശിക ഡാറ്റ സ്വകാര്യതാ ചട്ടങ്ങളുടെ ലംഘനം.

സുരക്ഷിതമായ പരിശീലന ഡാറ്റയുടെ പ്രാധാന്യം

എം എൽ മോഡലുകൾ സ്റ്റാറ്റിക് അൽഗോരിതങ്ങളല്ലെന്ന് മനസിലാക്കേണ്ടത് അത്യാവശ്യമാണ് – അവ പ്രോസസ്സ് ചെയ്യുന്ന ഡാറ്റയാൽ രൂപപ്പെടുത്തിയ എന്റിറ്റികളാണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഈ മോഡലുകൾ വൈവിധ്യമാർന്ന ഡാറ്റാ സെറ്റുകളെ അഭിമുഖീകരിക്കുമ്പോൾ പഠിക്കുകയും പൊരുത്തപ്പെടുകയും ചെയ്യുന്നു. ഓർഗനൈസേഷനുകൾ ജാഗ്രതയോടെ നാവിഗേറ്റ് ചെയ്യേണ്ട അന്തർലീനമായ സുരക്ഷാ അപകടസാധ്യതകൾ ഈ പൊരുത്തപ്പെടുത്തൽ അവതരിപ്പിക്കുന്നു.

“വിഷം കലർന്ന ഡാറ്റാ ശൃംഖല” എന്ന ആശയം പരിചിന്തിക്കുക. വിക്കിപീഡിയ പോലുള്ള പ്ലാറ്റ്ഫോമുകളിൽ നിന്ന് ലഭിക്കുന്നവ ഉൾപ്പെടെ വിശാലമായ പൊതുവിജ്ഞാന ഡാറ്റാ സെറ്റുകൾ ഉപയോഗിച്ച് പരിശീലനം നേടിയ ചാറ്റ്ജിപിടി പോലുള്ള മോഡലുകളുടെ കാര്യത്തിൽ, “വിഷം കലർന്നത്” ഉൾപ്പെടുത്തുന്നതിൽ അപകടസാധ്യതയുണ്ട്. അതുപോലെ, എന്റർപ്രൈസുകൾ സ്വന്തമായി അല്ലെങ്കിൽ മൂന്നാം കക്ഷി ഓർഗനൈസേഷനുകളിൽ നിന്ന് സമാഹരിച്ച ഡാറ്റാ സെറ്റുകൾ ഉപയോഗിച്ച് എം എൽ മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ജെൻഎഐ സ്വീകരിക്കുന്നു. ഡാറ്റാസെറ്റുകളിൽ മറഞ്ഞിരിക്കുന്നതും അജ്ഞാതവുമായ ക്ഷുദ്രവെയറുകൾ അടങ്ങിയിരിക്കാനുള്ള സാധ്യത പരിഗണിക്കുക, നിങ്ങളുടെ സിസ്റ്റത്തിൽ വിട്ടുവീഴ്ച ചെയ്യാൻ രൂപകൽപ്പന ചെയ്ത റാൻസംവെയറിന് സമാനമാണ്. ഇപ്പോൾ, പരിശീലന ഡാറ്റയിൽ തെറ്റായ വിവരങ്ങളോ ദോഷകരമായ ഉള്ളടക്കമോ അടങ്ങിയിട്ടുണ്ടെങ്കിൽ, അത് എം എൽ മോഡലിന്റെ പഠന പ്രക്രിയയുടെ ഭാഗമായി മാറുന്നു.

ഇത് മനസ്സിൽ വച്ചുകൊണ്ട്, ഒരു ചെറിയ അളവിലുള്ള “വിഷം കലർന്ന” ഡാറ്റ പോലും വളരെ വലിയ പ്രശ്നമായി എങ്ങനെ വളരുമെന്ന് കാണാൻ എളുപ്പമാണ്.

പരിശീലന ഡാറ്റയിലേക്ക് പിഐഐ ഡാറ്റയുടെ സംയോജനമാണ് ഈ വെല്ലുവിളിയുടെ മറ്റൊരു വശം. മിക്ക ആളുകളും “വിഷലിപ്തമായ ഡാറ്റ”യെക്കുറിച്ച് ചിന്തിക്കുമ്പോൾ, ക്ഷുദ്രവെയറിന്റെ ചിത്രങ്ങൾ, ഭീഷണികൾ, ഉടനടി അപകടസാധ്യതകൾ എന്നിവ മനസ്സിൽ വരുന്നു. എന്നാൽ വിഷലിപ്തമായ ഡാറ്റയുടെ വ്യാപ്തി സുരക്ഷാ ആശങ്കകൾക്കുള്ള ഈ പരമ്പരാഗത ഭീഷണികൾക്കപ്പുറത്തേക്ക് വ്യാപിക്കുന്നു. എം എൽ മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റാ റെപ്പോസിറ്ററികളിലേക്ക് പിഐഐ അപ് ലോഡ് ചെയ്യുന്നതിനുള്ള സാധ്യത വ്യക്തിഗത വിവരങ്ങളുടെ ആസൂത്രിതമല്ലാത്ത ദുരുപയോഗത്തിലേക്ക് നയിച്ചേക്കാം, ഇത് ടാർഗെറ്റുചെയ് ത വ്യക്തികൾക്കും ഓർഗനൈസേഷനുകൾക്കും കാര്യമായ അപകടസാധ്യതകൾ സൃഷ്ടിക്കും:

മനഃപൂർവമല്ലാത്ത ഡാറ്റ നഷ്ടം: ദോഷകരമായ അഭിനേതാക്കൾ അല്ലെങ്കിൽ അശ്രദ്ധമായ ഡാറ്റാ ലംഘനങ്ങളുടെ ഫലമായി പിഐഐ അനധികൃത ആക്സസിന്റെ പ്രധാന ലക്ഷ്യമായി മാറുന്നു. ഒരു സുരക്ഷാ വീഴ്ചയുടെ സാഹചര്യത്തിൽ, വിട്ടുവീഴ്ച ചെയ്ത ഡാറ്റ സാമ്പത്തിക നഷ്ടം മുതൽ ഉപഭോക്തൃ വിശ്വാസത്തിന്റെ ശോഷണം വരെ പരിഹരിക്കാനാവാത്ത നാശനഷ്ടത്തിലേക്ക് നയിച്ചേക്കാം.

ദോഷകരമായ അഭിനേതാക്കൾ അല്ലെങ്കിൽ അശ്രദ്ധമായ ഡാറ്റാ ലംഘനങ്ങളുടെ ഫലമായി പിഐഐ അനധികൃത ആക്സസിന്റെ പ്രധാന ലക്ഷ്യമായി മാറുന്നു. ഒരു സുരക്ഷാ വീഴ്ചയുടെ സാഹചര്യത്തിൽ, വിട്ടുവീഴ്ച ചെയ്ത ഡാറ്റ സാമ്പത്തിക നഷ്ടം മുതൽ ഉപഭോക്തൃ വിശ്വാസത്തിന്റെ ശോഷണം വരെ പരിഹരിക്കാനാവാത്ത നാശനഷ്ടത്തിലേക്ക് നയിച്ചേക്കാം. ആകസ്മിക ഡാറ്റ എക്സ്പോഷർ: അപര്യാപ്തമായ സുരക്ഷാ നടപടികൾ ബൗദ്ധിക സ്വത്തവകാശത്തിന്റെയും (ഐപി) പിഐഐ എക്സ്പോഷറുകളുടെയും അപകടസാധ്യത ഉയർത്തുന്നു, വ്യക്തികളെ ഐഡന്റിറ്റി മോഷണം, വഞ്ചന, വിവിധ തരത്തിലുള്ള ചൂഷണം എന്നിവയ്ക്ക് വിധേയമാക്കുന്നു.

അപര്യാപ്തമായ സുരക്ഷാ നടപടികൾ ബൗദ്ധിക സ്വത്തവകാശം (ഐപി), പിഐഐ എക്സ്പോഷറുകൾ എന്നിവയുടെ അപകടസാധ്യത ഉയർത്തുന്നു, വ്യക്തികളെ ഐഡന്റിറ്റി മോഷണം, വഞ്ചന, വിവിധ തരത്തിലുള്ള ചൂഷണം എന്നിവയ്ക്ക് വിധേയമാക്കുന്നു. സ്വകാര്യത ലംഘനങ്ങൾ: ശക്തമായ സുരക്ഷയും അനുവർത്തന നടപടികളും നടപ്പാക്കുന്നതിൽ പരാജയപ്പെടുന്ന ഓർഗനൈസേഷനുകൾ അവരുടെ പ്രാദേശിക അധികാരപരിധിക്കുള്ളിൽ സ്വകാര്യതാ ചട്ടങ്ങൾ ലംഘിക്കാനുള്ള സാധ്യതയുണ്ട്. ലംഘനങ്ങൾ കനത്ത പിഴയും ഉപരോധവും ഉൾപ്പെടെ കടുത്ത നിയമപരമായ പ്രത്യാഘാതങ്ങൾക്ക് കാരണമാകും.

GenAI ഉപയോഗം പരിരക്ഷിക്കുക

ഓർഗനൈസേഷനുകൾ GenAI-യുടെ പരിവർത്തന സാധ്യതകളിലേക്ക് കടക്കുമ്പോൾ, നിർദ്ദിഷ്ട ആപ്ലിക്കേഷനുകളും സേവനങ്ങളും എന്റർപ്രൈസ് ഡിജിറ്റൽ പരിവർത്തന ശ്രമങ്ങളെ പുനർനിർമ്മിക്കുന്നു. എന്നിരുന്നാലും, ഈ ശ്രമങ്ങൾ അവരുടേതായ സവിശേഷമായ വെല്ലുവിളികളുമായി വരുന്നു, പ്രത്യേകിച്ചും സെൻസിറ്റീവ് ഡാറ്റയുടെ സുരക്ഷ, സുരക്ഷ, സ്വകാര്യത എന്നിവ ഉറപ്പാക്കുന്നതിൽ.

ഡിജിറ്റൽ പരിവർത്തന ശ്രമങ്ങൾക്ക് ജെൻഎഐ പ്രയോഗിക്കുന്നതിന്റെ രണ്ട് ഉദാഹരണങ്ങളും അതിന്റെ ഫലമായുള്ള സുരക്ഷാ മുന്നറിയിപ്പുകളും ഇതാ:

കോർപ്പറേറ്റ് എച്ച്ആർ പ്രക്രിയകൾ സംഘടിപ്പിക്കുന്നതിന് GenAI ഉപയോഗിക്കുന്നു: മാനുവൽ എച്ച്ആർ ജോലികൾ യാന്ത്രികമാക്കുന്നതിന് എൽഎൽഎം മോഡലുകൾ പരിശീലിപ്പിക്കുന്നതിലും പ്രയോഗിക്കുന്നതിലും ഒരു ജനപ്രിയ ഉപയോഗ കേസ് ഉണ്ട്. ഇത്തരത്തിലുള്ള ജോലികളിൽ ഇവ ഉൾപ്പെടാം: ആഗോള പ്രകടനം, നഷ്ടപരിഹാര മാനേജുമെന്റ് പ്രക്രിയകൾ. GenAI സ്വീകരിക്കുന്നതിലൂടെ, HR പ്രൊഫഷണലുകൾക്ക് ജീവനക്കാരുമായുള്ള ആശയവിനിമയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനും പ്രസക്തവും കൃത്യവും കാലികവുമായ വിവരങ്ങളുമായി ഇടപഴകാനും കഴിയും.

സുരക്ഷാ ജാഗ്രത: എച്ച്ആർ പ്രക്രിയകളിൽ GenAI-യുടെ ആദ്യകാല സ്വീകർത്താക്കൾ എക്സിക്യൂട്ടീവ് ശമ്പള നഷ്ടപരിഹാരം അല്ലെങ്കിൽ പ്രാരംഭ ടെസ്റ്റിംഗ് / പരിശീലന ഘട്ടത്തിൽ വ്യക്തിഗത രഹസ്യാത്മക വിവരങ്ങൾ പോലുള്ള ആസൂത്രിതമല്ലാത്ത ഡാറ്റ സ്വകാര്യതാ എക്സ്പോഷറിനെക്കുറിച്ച് പരാതിപ്പെട്ടിട്ടുണ്ട്. ഇത് തടയുന്നതിന്, എൽഎൽഎം മോഡലുകൾ പരിശീലിപ്പിക്കുന്നതിന് മുമ്പ് സ്വകാര്യത പരിരക്ഷിക്കുന്ന ടെക്നിക്കുകൾ പ്രയോഗിക്കുന്നുവെന്ന് ഓർഗനൈസേഷനുകൾ ഉറപ്പാക്കണം.

ബില്ലിംഗ്, ക്ലെയിം പ്രോസസ്സിംഗ് എന്നിവയിൽ ഉപഭോക്തൃ അനുഭവങ്ങൾ വർദ്ധിപ്പിക്കുന്നതിന് ജെൻഎഐ ഉപയോഗിക്കുന്നു: പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾക്ക് വേഗത്തിൽ ഉത്തരം നേടാൻ എൽഎൽഎം മോഡലുകൾ പരിശീലിപ്പിക്കാനും ഉപയോഗിക്കാനും കഴിയും, ദൈനംദിന വോള്യങ്ങൾ കാര്യക്ഷമമായി പരിഹരിക്കുന്നതിന് ബില്ലിംഗ്, ക്ലെയിം പ്രോസസ്സറുകൾ സുഗമമാക്കുന്നു. ഇൻഷുറൻസ്, ഫിനാൻസ്, ഹെൽത്ത് കെയർ ഓർഗനൈസേഷനുകളിൽ ഇത് പ്രത്യേകിച്ചും ഉപയോഗപ്രദമാണ്.

സുരക്ഷാ ജാഗ്രത: ഉപഭോക്തൃ ഇടപെടലുകൾക്കായി GenAI വിന്യസിക്കുന്നതിലെ പ്രധാന സുരക്ഷാ അപകടസാധ്യത സ്വകാര്യത പരിരക്ഷിക്കുന്ന ടെക്നിക്കുകൾ കർശനമായി പ്രയോഗിക്കുന്നുവെന്ന് ഉറപ്പാക്കുന്നതിലാണ്. ഉദാഹരണത്തിന്, വ്യക്തിഗത ഉപഭോക്തൃ ക്ലെയിം കോളുകളിൽ, വ്യക്തിപരമായി തിരിച്ചറിയാൻ കഴിയുന്ന മറ്റ് വിവരങ്ങൾ GenAI ഇൻസ്ട്രുമെന്റേഷൻ വെളിപ്പെടുത്താതിരിക്കേണ്ടത് അത്യാവശ്യമാണ്.

എൽഎൽഎം മോഡലുകൾക്ക് ഘടനാരഹിതമായ ഡാറ്റയുടെ (കോർപ്പസ്) ശേഖരണവും ക്യൂറേഷനും ആവശ്യമാണ്. മോഡലിന്റെ ഫലപ്രാപ്തിക്ക് അത്യാവശ്യമായ ഈ കോർപ്പസ്, ദോഷകരമായ ഉള്ളടക്കത്തിൽ നിന്ന് പരിരക്ഷിക്കുകയും കൂടുതൽ വിമർശനാത്മകമായി, ഡാറ്റാ സ്വകാര്യതാ എക്സ്പോഷറുകൾ തടയുകയും വേണം. ഉപഭോക്തൃ ഇടപെടലുകൾക്കായി GenAI സ്വീകരിക്കുന്ന ഓർഗനൈസേഷനുകൾ രൂപകൽപ്പനയിലൂടെ സ്വകാര്യത നടപ്പാക്കണം. ഈ സജീവമായ സമീപനം വിജ്ഞാന മാനേജ്മെന്റ് കാര്യക്ഷമമാക്കുകയും പ്രവർത്തന കാര്യക്ഷമത വർദ്ധിപ്പിക്കുകയും ജെൻഎഐ നവീകരണങ്ങളുടെ സുരക്ഷിതവും ഉത്തരവാദിത്തപരവുമായ ഉപയോഗം ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

ഒരു എൽഎൽഎം കഴിക്കുന്നതിനുമുമ്പ് പിഐഐ പരിരക്ഷിക്കുന്നത് ഒരു ഓർഗനൈസേഷന്റെ എൻഡ് പോയിന്റിൽ എത്തുന്നതിനുമുമ്പ് ക്ഷുദ്രവെയറിൽ നിന്ന് ഡാറ്റ പരിരക്ഷിക്കുന്ന പ്രക്രിയയ്ക്ക് സമാനമാണ്. രണ്ടും പ്രധാന പ്രശ്നങ്ങൾ (ബാധ്യതകൾ) വളരാൻ അവസരം ലഭിക്കുന്നതിന് മുമ്പ് തടയാൻ ഉദ്ദേശിച്ചുള്ളതാണ്. ഇന്ന്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സൈബർ സുരക്ഷയുടെ മേഖലയിൽ സജീവമായ പ്രതിരോധത്തിന്റെ ആവശ്യകത വർദ്ധിപ്പിക്കുക മാത്രമാണ് ചെയ്തത്.

GenAI യുടെ ഭാവി എന്തായിരിക്കും?

ജെന് എഐയുടെ ദ്രുതഗതിയിലുള്ള സ്വീകാര്യത അതിന്റെ പരിവര് ത്തന ശക്തി ഉപയോഗപ്പെടുത്താന് ശ്രമിക്കുന്ന സംഘടനകള് ക്ക് പുതിയ അവസരങ്ങളും വെല്ലുവിളികളും അവതരിപ്പിച്ചു. തത്സമയ സുരക്ഷിത ഡാറ്റ സംയോജനത്തിന്റെ അനിവാര്യത എം എൽ മോഡലുകളുടെ ചലനാത്മക സ്വഭാവം അടിവരയിടുന്നു, കർശനമായ സ്വകാര്യത-സംരക്ഷണ സാങ്കേതികവിദ്യകളുടെ ആവശ്യകതയ്ക്ക് ഊന്നൽ നൽകുന്നു. എച്ച്ആർ പ്രക്രിയകളിലും ഉപഭോക്തൃ സേവന ഇടപെടലുകളിലും ഉദാഹരണമായ വിജയകരമായ സംയോജന തന്ത്രങ്ങൾ ഡിജിറ്റൽ പരിവർത്തന ശ്രമങ്ങൾ ഉയർത്തുന്നതിനുള്ള ജെൻഎഐയുടെ സാധ്യതകൾ പ്രദർശിപ്പിക്കുന്നു. എന്നിരുന്നാലും, ഈ ആപ്ലിക്കേഷനുകൾ ഒരു തത്സമയ സുരക്ഷാ സമീപനം ആവശ്യപ്പെടുന്നു, ഇത് ഉപയോഗിക്കുന്നതിനാൽ സെൻസിറ്റീവ് വിവരങ്ങൾ പരിരക്ഷിക്കുന്നതിലും ഉദ്ദേശിക്കാത്ത ഡാറ്റ സ്വകാര്യതാ എക്സ്പോഷറുകൾ ലഘൂകരിക്കുന്നതിലും പ്രാഥമിക ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.

വികസിച്ചുകൊണ്ടിരിക്കുന്ന ഈ ലാൻഡ്സ്കേപ്പിൽ ഓർഗനൈസേഷനുകൾ നാവിഗേറ്റ് ചെയ്യുമ്പോൾ, സുരക്ഷിതവും ധാർമ്മികവുമായ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സമ്പ്രദായങ്ങൾ, റെഗുലേറ്ററി അനുവർത്തനം, തുടർച്ചയായ നവീകരണം എന്നിവയോടുള്ള പ്രതിബദ്ധത അത്യന്താപേക്ഷിതമാണ്. ജെൻഎഐയെ സ്വീകരിക്കുന്നതിലൂടെ, സംഘടനകൾ സാങ്കേതിക പുരോഗതിയുടെ ഒരു യാത്ര ആരംഭിക്കുക മാത്രമല്ല, ഈ പരിവർത്തന സേനയുടെ സുരക്ഷിതവും സുരക്ഷിതവുമായ വിന്യാസം ഉറപ്പാക്കുന്നതിനുള്ള ഉത്തരവാദിത്തം ഏറ്റെടുക്കുകയും ചെയ്യുന്നു. സ്വകാര്യത, സുരക്ഷ, നവീകരണം എന്നിവയ്ക്ക് തുല്യ അളവിൽ മുൻഗണന നൽകുന്നതിലൂടെ, ഓർഗനൈസേഷനുകൾക്ക് ജെൻഎഐ ഉയർത്തുന്ന വെല്ലുവിളികളെ നാവിഗേറ്റുചെയ്യാനും ഉപയോക്താക്കളുടെയും പങ്കാളികളുടെയും വിശ്വാസം ഒരുപോലെ പരിരക്ഷിക്കുന്നതിനൊപ്പം അതിന്റെ മുഴുവൻ സാധ്യതകളും അൺലോക്ക് ചെയ്യാനും കഴിയും.