राष्ट्रीय सुरक्षेचे कारण देत, ट्रम्प प्रशासनाने अँथ्रोपिकची सर्वात शक्तिशाली कृत्रिम बुद्धिमत्ता साधने, फेबल ५ आणि मिथोस ५ यांच्या परदेशी वापरावर घातलेल्या बंदीने सर्वांना धक्का बसला आहे. या आदेशानुसार, परदेशात काम करणारे अमेरिकन नागरिकसुद्धा ही अँथ्रोपिकची साधने वापरू शकणार नाहीत.
अँथ्रोपिकच्या मते, सादर केलेले पुरावे इतक्या व्यापक बंदीचे समर्थन करत नाहीत, परंतु सरकारी निर्देशांचे पालन करण्याशिवाय त्यांच्याकडे पर्याय नाही. तज्ज्ञांचा असा विश्वास आहे की, अँथ्रोपिकला ट्रम्प प्रशासनाच्या पक्षपाताची किंमत मोजावी लागत आहे, जे अँथ्रोपिकपेक्षा ओपन एआयला (मुक्त कृत्रिम बुद्धिमत्तेला) प्राधान्य देते.
तरीही, या परिस्थितीमुळे भारतासह जगभरातील एआय डेव्हलपर्ससाठी अडचणी निर्माण झाल्या आहेत, जे या साधनांवर अवलंबून आहेत. या निर्णयामुळे भविष्यात भारताच्या तांत्रिक आणि कृत्रिम बुद्धिमत्तेच्या शक्यतांवर परिणाम होऊ शकतो, अशी भीती निर्माण झाली आहे.
भारतीय अर्थव्यवस्था शेतीतून उत्पादनाकडे अपेक्षित परिवर्तन साधण्यात अयशस्वी ठरली, परंतु आयटी क्षेत्राच्या विस्तारामुळे केवळ या नुकसानीची भरपाई झाली नाही, तर अर्थव्यवस्थेलाही बळकटी मिळाली. तार्किकदृष्ट्या, आयटी विकासामुळे केवळ एआयचा विस्तार होणार नाही, तर कोडिंग, डेटा एंट्री, मॅन्युअल टेस्टिंग आणि पासवर्ड रीसेट यांसारख्या लेव्हल १ आणि २ आयटी सपोर्टच्या कामांची जागाही घेतली जाईल.
एआय स्पर्धेत एखादा देश कितपत प्रगती करतो, याचा परिणाम केवळ त्याच्या अर्थव्यवस्थेवरच होणार नाही, तर त्याची शासकीय आणि गैरशासकीय यंत्रणा कितपत स्वतंत्र किंवा परावलंबी असेल हेदेखील निश्चित होईल. एआय किंवा डेटावरील परकीय अवलंबित्व हे अर्थव्यवस्था, राजकारण, प्रशासन, राष्ट्रीय सुरक्षा आणि सार्वभौमत्व यासह राष्ट्रीय जीवनाच्या सर्व पैलूंवर परिणाम करू शकते. त्यामुळे, भारताने शक्य तितक्या लवकर एआय आणि डेटामध्ये सार्वभौमत्व प्राप्त करणे अत्यावश्यक आहे.
भारताने आतापर्यंत लहान, पण विशिष्ट एआय मॉडेल्स किंवा अॅप्लिकेशन्स विकसित करण्याला आपले प्राधान्य दर्शवले आहे. सार्वभौम एआय म्हणजे देशांतर्गत पायाभूत सुविधा, स्थानिक डेटा, मानवी प्रतिभा आणि कायदेशीर चौकट वापरून एआय प्रणाली विकसित करण्याची, अंमलात आणण्याची आणि नियंत्रित करण्याची देशाची क्षमता होय.
यासाठी सेमीकंडक्टर, जटिल सेमीकंडक्टर चिप फॉरमॅट्स (जीपीयू), मोठे मल्टिप्रोसेसर प्रोग्राम्स (फाउंडेशनल मॉडेल्स), मोठ्या डेटा सेटवर प्रशिक्षित केलेले लार्ज लँग्वेज मॉडेल्स (एलएलएम) आणि प्रचंड डेटा सेंटर्सची आवश्यकता असते. याचा अर्थ असा नाही की, या क्षेत्रांमध्ये काम झालेले नाही. देशात सर्वम, आर्टिफिशियल आणि भारतजेन यांसारखे पूर्णपणे स्वदेशी एलएलएम विकसित केले गेले आहेत. सी-डॅकने एआय स्टॅक म्हणून ‘ऐरावत’ नावाचा एक सुपरकॉम्प्युटरही विकसित केला आहे. संशोधक आणि विकासकांना आवश्यक असलेले गैरवैयक्तिक डेटा सेट आणि मॉडेल्स सवलतीच्या दरात उपलब्ध करून देण्यासाठी एक एआय रिपॉझिटरीसुद्धा तयार करण्यात आली आहे. ही पावले कौतुकास्पद आहेत, परंतु अमेरिकन आणि चिनी कंपन्यांच्या तुलनेत ती लक्षणीयरीत्या लहान आहेत. भारताला केवळ एक-दोन नव्हे, तर अनेक एलएलएम स्थापन करण्याची गरज आहे. परस्पर स्पर्धेमुळे ही मॉडेल्स अधिक प्रभावी आणि विस्तारित होतील.
भारतीय परिस्थितीत, दुसºया स्तरावरील अॅप्लिकेशन्स आणि मॉडेल्सना प्रशिक्षित करण्यासाठी डेटा मिळवणे हे एक मोठे आव्हान आहे. राष्ट्रीय सुरक्षेवर परिणाम न करणारा संवेदनशील डेटा या स्टार्टअप्ससोबत शेअर करणे सोपे केले पाहिजे. एआय, किंवा डेटा सार्वभौमत्वासाठी, मोठ्या गुंतवणुकीची आवश्यकता आहे. उदाहरणार्थ, अँथ्रोपिकने गेल्या दोन वर्षांत वार्षिक ६ ते ७ अब्ज डॉलर्स खर्च केले आहेत. अशा गुंतवणुकीसाठी खासगी आणि सरकारी सहकार्यातून निधीची आवश्यकता असेल. गुंतवणुकीव्यतिरिक्त, सार्वभौम एआयसाठी ऊर्जा हे देखील एक मोठे आव्हान असेल, ज्याचे व्यवस्थापन सरकारला करावे लागेल.
सरकारी आणि मोठ्या खासगी संस्थांमध्ये, विषय तज्ज्ञांच्या देखरेखीखाली, नोकरशाहीचा हस्तक्षेप कमीत कमी ठेवून, एआयचा स्वीकार आणि त्यानंतरच्या क्षमता विकासाचे वेळोवेळी नियोजन केले पाहिजे. हे अगदी शक्य आहे की, सुरुवातीचे मॉडेल्स इतर मोठ्या मॉडेल्सइतके परिपक्व नसतील. अगदी चॅटजीपीटीसारखे मॉडेल्ससुद्धा त्यांच्या सुरुवातीच्या टप्प्यात तितके कार्यक्षम नव्हते. त्यामुळे, एआय सार्वभौमत्वाच्या दिशेने कोणतीही ढिलाई न करता पावले उचलली पाहिजेत. सार्वभौम एआयसाठी डेटा सार्वभौमत्व देखील आवश्यक आहे.
डेटा रेसिडेन्सी नावाच्या संकल्पनेअंतर्गत, सुमारे १३५ देश आपला महत्त्वपूर्ण डेटा देशांतर्गत सर्व्हरवर साठवणे अनिवार्य करतात. भारतानेही असेच केले पाहिजे. एआय शिखर परिषदेत भारत सरकारने गूगलसोबत केलेल्या करारामध्ये अशा सुरक्षा कलमाचा समावेश असायला हवा होता. गूगलची ही १५ अब्ज डॉलर्सची गुंतवणूक निश्चितच आर्थिकदृष्ट्या फायदेशीर आहे. परंतु या केंद्रात प्रशिक्षित केलेल्या भारतीय डेटाची मालकी गूगलकडेच राहील. गूगल ही एक अमेरिकन कंपनी आहे, त्यामुळे ज्या आयात-निर्यात नियमांमुळे अँथ्रोपिकला आपले दोन मॉडेल्स बंद करावे लागले, तेच नियम जेमिनीलाही लागू होऊ शकतात.
भारत पारंपरिक विचारसरणीच्या पलीकडे जाऊन विचार करू शकतो आणि जगातील सर्वात सर्जनशील व रोमांचक एआय नवोन्मेष केंद्रांपैकी एक केंद्र उभारू शकतो, ज्यात जागतिक एआय उद्योजक गुंतवणूक करण्यास उत्सुक असतील. एआय हा एक नवीन अभ्यासक्रम असल्याने, जगातील सर्वोत्तम शिक्षकांना भारतात आणण्यासाठी प्रयत्न केले पाहिजेत. भारतीय विद्यार्थ्यांना शिक्षण मिळाले पाहिजे. भारताने या क्षेत्रात सर्वोत्तम मनुष्यबळ आकर्षित करू शकेल असे एक केंद्र म्हणून स्वत:ला स्थापित केले पाहिजे. तंत्रज्ञान हस्तांतरणावरील निर्बंध असूनही भारताने आपली क्षमता सिद्ध केल्याची अनेक उदाहरणे आहेत.
क्रायोजेनिक इंजिन, परम सुपरकॉम्प्युटर आणि अणुकार्यक्रमाचे यश ही अशी तीन प्रमुख उदाहरणे आहेत. आपण मानवनिर्मित साधनांवरील अमेरिकी सरकारच्या बंदीला असेच एक आव्हान मानले पाहिजे आणि सार्वभौम एआयच्या दिशेने मिशन मोडमध्ये काम केले पाहिजे.
