অ্যাকাউন্টেবিলিটি ও "মেনি হ্যান্ডস" সমস্যা

# একটি কাল্পনিক হায়ারিং-AI ঘটনার জন্য ওজন-ভিত্তিক দায়-বণ্টন গণনা
# প্রতিটি মাত্রা ০ (নেই) থেকে ৩ (সর্বোচ্চ) স্কেলে -- এই স্কোরগুলো ইলাস্ট্রেটিভ, বাস্তব কোনো তদন্তের ফল নয়

contributors = [
    {
        "role": "ডেটা ভেন্ডর (ঐতিহাসিক, বায়াসড রিজিউমে ডেটা সংগ্রহ করেছে)",
        "control": 2, "foreseeability": 1, "proximity": 1,
    },
    {
        "role": "ML ডেভেলপমেন্ট টিম (বায়াস-টেস্টিং ছাড়াই মডেল তৈরি করেছে)",
        "control": 3, "foreseeability": 3, "proximity": 2,
    },
    {
        "role": "ডিপ্লয়কারী প্রতিষ্ঠান (কোনো অডিট ছাড়াই প্রোডাকশনে চালু করেছে)",
        "control": 2, "foreseeability": 2, "proximity": 3,
    },
    {
        "role": "হায়ারিং ম্যানেজার (মডেলের সুপারিশ প্রশ্নহীনভাবে মেনে নিয়েছেন)",
        "control": 1, "foreseeability": 1, "proximity": 3,
    },
]

# ওজনগুলো যোগফলে ১.০ -- নিয়ন্ত্রণকে সবচেয়ে বেশি গুরুত্ব দেওয়া হয়েছে
WEIGHTS = {"control": 0.40, "foreseeability": 0.35, "proximity": 0.25}
assert abs(sum(WEIGHTS.values()) - 1.0) < 1e-9

for c in contributors:
    c["raw_score"] = sum(c[dim] * WEIGHTS[dim] for dim in WEIGHTS)

total_score = sum(c["raw_score"] for c in contributors)
for c in contributors:
    c["share_pct"] = c["raw_score"] / total_score * 100

print("দায়বদ্ধতা বণ্টন (weighted responsibility allocation):\n")
for c in sorted(contributors, key=lambda c: -c["share_pct"]):
    print(f"{c['role']}")
    print(f"  control={c['control']}, foreseeability={c['foreseeability']}, proximity={c['proximity']}")
    print(f"  raw score = {c['raw_score']:.2f}  ->  দায়ের ভাগ: {c['share_pct']:.1f}%\n")

print(f"মোট: {sum(c['share_pct'] for c in contributors):.1f}%")
print("লক্ষ্য করুন -- কোনো একক পক্ষের ভাগ ১০০% নয়, আবার কোনো পক্ষের ভাগই ০% নয়।")
print("দায় বিতরিত (distributed), কিন্তু অস্তিত্বহীন নয় -- এটাই 'problem of many hands'-এর মূল কথা।")