कुछ ही दिनों में, एक अन्य चीनी फर्म ने एक मॉडल की घोषणा की जो किसी भी मौजूदा वैश्विक समकक्ष की तुलना में 20-32 गुना बड़े इनपुट को संभालने में सक्षम है – जो 16,000 पेज की पीडीएफ फाइल को संसाधित करने के बराबर है।
ये घटनाक्रम हमारे लिए एक गंभीर सवाल खड़ा करते हैं: भारत में ऐसे नवाचार क्यों नहीं उभर रहे हैं?
यह भी पढ़ें: भारत को इस प्रौद्योगिकी के प्रभावी प्रशासन के लिए एक विशेष एआई कैडर की आवश्यकता है
एआई क्रांति हमारी आंखों के सामने सामने आ रही है, कुछ तिमाहियों पहले मॉडल विकास में हर कोई एक समान शुरुआती रेखा पर था।
कागज पर, हम इसका नेतृत्व करने के लिए अच्छी स्थिति में थे।
देश में बड़ी संख्या में एआई इंजीनियर और प्रोग्रामर, एक संपन्न तकनीकी पारिस्थितिकी तंत्र और जोखिम पूंजी का बढ़ता पूल मौजूद है।
मॉडल विकास में, हमारे पास कोई ऐतिहासिक बाधा नहीं थी (जैसा कि चिप बनाने में)।
ये सूत्र अमेरिका के साथ-साथ चीन, कोरिया, यूरोप और पश्चिम एशिया में मॉडल निर्माताओं को ज्ञात थे।
फिर भी, भारत में जेनरेटिव एआई परिदृश्य काफी हद तक व्युत्पन्न बना हुआ है।
हालाँकि कुछ कंपनियाँ भारतीय भाषाओं या विशिष्ट अनुप्रयोगों के लिए ओपन-सोर्स मॉडल को बेहतर बनाती हैं, लेकिन GPT-4, क्लाउड या डीपसीक जैसी मूलभूत सफलताएँ विशेष रूप से अनुपस्थित हैं, और कुछ चिंतित दिखते हैं।
यह केवल GenAI मॉडल विकास ही नहीं, बल्कि सभी प्रकार के मौलिक अनुसंधान के प्रति हमारे दृष्टिकोण के बारे में महत्वपूर्ण प्रश्न उठाता है।
हमारी खोई हुई नींव: जब ट्रांसफार्मर मॉडल पहली बार दो या तीन साल पहले एआई में एक अवधारणा के रूप में उभरे, तो भारत के पास मूलभूत अनुसंधान में उतरने की प्रतिभा और संसाधन थे।
फिर भी, ध्यान मुख्यतः मौजूदा मॉडलों के अनुप्रयोगों और अनुकूलन पर ही रहा।
यह भी पढ़ें: लोगों को अपनाने के लिए आकर्षित करने के लिए एआई को मानव-केंद्रित होने की आवश्यकता है
प्रचलित दृष्टिकोण यह था कि खरोंच से मॉडल बनाना बहुत महंगा था।
उन्हें किफायती बनाने की लागत चुनौती लेने के बजाय, हमने दौड़ छोड़ने का विकल्प चुना।
यह निकटदृष्टिता भ्रमित करने वाली है।
ट्रांसफार्मर मॉडल के मूल सिद्धांत न तो गूढ़ हैं और न ही दुर्गम हैं; उन्हें बुनियादी गणितीय संक्रियाओं के माध्यम से चित्रित किया जा सकता है।
फिर भी, नई वास्तुकला या अधिक कुशल तरीकों का पता लगाने के लिए स्थानीय प्रतिभा का लाभ उठाने के बजाय, हमने दूसरों की नींव पर निर्माण करना चुना।
वर्तमान में हमारे विशेषज्ञों के शोध पत्रों की संख्या चीन या अमेरिका की संख्या का बमुश्किल दसवां हिस्सा है।
इससे भारत को बौद्धिक संपदा के लिए लगातार भुगतान करना पड़ रहा है – चाहे वह क्लाउड-उपयोग शुल्क, लाइसेंसिंग लागत या विदेशी हार्डवेयर पर खर्च के रूप में हो।
कुछ बिंदु पर, वैश्विक एआई दौड़ में भाग लेना हमारे लिए उतना ही कठिन हो जाएगा जितना कि वर्तमान में अग्रणी चिप निर्माण में है।
वृद्धिशीलता की कीमत और अंतिम लक्ष्य पर हमारा अत्यधिक ध्यान: वैश्विक एआई दौड़ अभी भी युवा है, जिसमें कोई स्पष्ट विजेता नहीं है।
चीन की तीव्र प्रगति दर्शाती है कि क्या संभव है। इसके एलएलएम न केवल कुशल हैं बल्कि बहुमुखी भी हैं। प्रभावशाली ढंग से, ये मॉडल भारतीय सहित कई भाषाओं का सहजता से समर्थन करते हैं।
इसके विपरीत, सबसे प्रशंसनीय भारतीय प्रयास मुख्य रूप से स्थानीय भाषाओं का समर्थन करने के लिए मौजूदा मूलभूत मॉडल को अपनाने पर ध्यान केंद्रित करते हैं, एक ऐसी रणनीति जो तत्काल जरूरतों को संबोधित करती है लेकिन न केवल वास्तुशिल्प नवाचार को बढ़ावा देने में विफल रहती है, बल्कि ऐसे उत्पाद भी बनाती है जो हमारी वैश्विक प्रतिस्पर्धा को बढ़ा सकते हैं।
बुनियादी सफलताओं के बिना, यहां तक कि भारत-विशिष्ट भाषा मॉडल भी विदेशी विकल्पों द्वारा ग्रहण किए जाने का जोखिम उठाते हैं जो अन्य क्षमताओं के विशाल भंडार के अलावा बड़े पैमाने पर समान क्षमताएं प्रदान करते हैं।
विश्व स्तर पर, नवाचार केंद्र बुनियादी एआई अनुसंधान, बड़े पैमाने पर डेटा-सेट और इन-हाउस प्रशिक्षण में भारी निवेश कर रहे हैं।
हमारी अनुप्रयोग-उन्मुख मानसिकता एक व्यापक समस्या में निहित है: स्पष्ट अंतिम लक्ष्यों के बिना अनुसंधान को वित्तपोषित करने की इच्छा की कमी।
यह भी पढ़ें: आईटी मंत्रालय की एआई विनियमन रिपोर्ट का व्यापक रूप से स्वागत है लेकिन पूरी तरह से नहीं
मूलभूत अनुसंधान, अपनी प्रकृति से, काल्पनिक है।
इसमें परीक्षण और त्रुटि शामिल है, सफलता की कोई गारंटी नहीं है। एआई मॉडल विकास में, यह बदतर है।
जब तक मॉडल पूरी तरह से प्रशिक्षित नहीं हो जाता, तब तक कोई भी फॉर्मूला बदलाव या अन्य वास्तुशिल्प प्रयोगों के पूर्ण लाभों से पूरी तरह अनजान हो सकता है।
हालाँकि, सफलता का प्रतिफल परिवर्तनकारी हो सकता है। आज ऐसे अनुसंधान में निवेश करने वाले देश कल के उद्योगों को आकार देंगे।
निर्भरता महँगी है: इतिहास हमें एक कड़ा सबक देता है: महत्वपूर्ण कच्चे माल या प्रौद्योगिकियों पर निर्भरता किसी राष्ट्र को और भी पीछे धकेल सकती है।
बुनियादी क्षमताओं को विकसित करने में विफल रहने से, हम उच्च-नवप्रवर्तन क्षेत्रों में विदेशी तकनीक पर निर्भरता को कमजोर करने का जोखिम उठाते हैं जहां नेताओं के साथ मिलना असंभव हो सकता है।
जैसे-जैसे वैश्विक एआई क्षमताओं का विस्तार होगा, दूसरों के नवाचारों का उपयोग करना महंगा हो जाएगा। बुनियादी मॉडलों के स्वामित्व नियंत्रण के बिना, उन्हें हमारी विशिष्ट आवश्यकताओं के अनुरूप ढालने में भी देरी हो सकती है।
सॉफ़्टवेयर की तरह, GenAI में हमारे लिए एक बड़ा शुद्ध विदेशी मुद्रा अर्जक बनने की क्षमता है, लेकिन आज की गति से, यह तेल की तरह एक बड़ा विदेशी मुद्रा अवशोषक बनने का जोखिम उठाता है।
भारतीय निर्भरता GenAI से आगे तक फैली हुई है।
रोबोटिक्स, स्वायत्त वाहन, एआई-संचालित दवा विकास और अन्य उभरते उद्योग भी आकार ले रहे हैं।
इन क्षेत्रों में बुनियादी अनुसंधान की भी आवश्यकता है और उनके नेतृत्व के अवसर अभी भी खुले हैं।
लेकिन अगर भारत अपने पुराने ढर्रे पर ही अटका रहा, साहसिक खोजपूर्ण अनुसंधान के बजाय वृद्धिशील अनुकूलन पर निर्भर रहा, तो हम इन उद्योगों में भी पिछड़ सकते हैं।
हमें तेजी से आगे बढ़ना चाहिए: परिवर्तनकारी सफलताएं अक्सर अनिश्चित शुरुआत से सामने आती हैं।
हमें उन प्रयासों के लिए वित्तीय सहायता की आवश्यकता है जिनका कोई स्पष्ट अंतिम लक्ष्य नहीं है, जब तक कि उनमें साहसिक प्रयोग और मूलभूत अनुसंधान शामिल हो।
एआई में और कई अन्य उभरती प्रौद्योगिकियों में भारत का भविष्य अज्ञात में निवेश करने के इच्छुक दूरदर्शी नेताओं पर निर्भर करता है।
लेखक एलसी जेनइनोव फंड के लिए सिंगापुर स्थित इनोवेशन निवेशक हैं।
