ચીનની ઓપન-સોર્સ AI વ્યૂહરચના અને ભારત પર તેની અસરો
#GS-3 #સાયન્સ અને ટેકનોલોજી #AI #વર્તમાન ઘટનાઓ #આંતરરાષ્ટ્રીય
મુખ્ય મુદ્દા
- 18th BRICS Summit માં, ચીને US ચિપ પ્રતિબંધોને બાયપાસ કરવા અને સોફ્ટવેર પ્રભાવ વધારવા માટે સંયુક્ત BRICS open-source AI community ની સ્થાપના કરવાનો પ્રસ્તાવ મૂક્યો.
- ભારતની ડેટા સેન્ટર ક્ષમતા 2026 માં 1.6 GW થી વધીને 2029 સુધીમાં 6 GW થવાનો અંદાજ છે, જેના માટે USD 110 billion ના ઇન્ફ્રાસ્ટ્રક્ચર રોકાણની જરૂર પડશે.
- ભારત આયાતી સેમિકન્ડક્ટર્સ પર 90% to 95% નિર્ભર છે અને સબ-5nm AI ચિપ્સ માટે સંપૂર્ણપણે TSMC જેવા વિદેશી ફાઉન્ડ્રીઝ પર આધાર રાખે છે.
- પોતાની ડિજિટલ સ્વાયત્તતાનું રક્ષણ કરવા માટે, ભારત સાર્વભૌમ મોડેલ્સ અને સ્વદેશી GPU કમ્પ્યુટિંગ પાવર બનાવવા માટે ₹10,300 crore IndiaAI Mission નો અમલ કરી રહ્યું છે.
શા માટે સમાચારમાં છે
- સપ્ટેમ્બર 2026 માં નવી દિલ્હી ખાતે યોજાયેલી 18મી બ્રિક્સ સમિટ દરમિયાન, ચીને એક સંયુક્ત બ્રિક્સ ઓપન-સોર્સ AI કમ્યુનિટી બનાવવાનો પ્રસ્તાવ મૂક્યો હતો.
ચીનની ઓપન-સોર્સ AI વ્યૂહરચના
- ચીને સંયુક્ત લાર્જ લેંગ્વેજ મોડેલ્સ (LLMs) અને એક સમર્પિત ક્લાઉડ પ્લેટફોર્મ પ્રદાન કરીને બ્રિક્સ AI પહેલનું નેતૃત્વ કરવાની ઓફર કરી હતી.
- કડક અમેરિકી સેમિકન્ડક્ટર પ્રતિબંધો ચીનને ચિપ હાર્ડવેર પર પ્રભુત્વ મેળવતા રોકે છે, તેથી બેઇજિંગ તેના બદલે સોફ્ટવેર સ્તર પર પ્રભુત્વ મેળવવા પર ધ્યાન કેન્દ્રિત કરી રહ્યું છે.
- અલીબાબા જેવી ચાઇનીઝ ટેક કંપનીઓ વૈશ્વિક ડેવલપર્સને આકર્ષવા માટે Qwen જેવા અદ્યતન ફાઉન્ડેશનલ મોડેલ્સ મફતમાં રિલીઝ કરી રહી છે.
- DeepSeek જેવા ઓપન-વેઇટ મોડેલ્સ શેર કરીને, ચીન પોતાના સોફ્ટવેરને ડિફોલ્ટ ગ્લોબલ ઇન્ફ્રાસ્ટ્રક્ચર તરીકે સ્થાપિત કરવા માટે એન્ડ્રોઇડ વ્યૂહરચનાનું અનુકરણ કરી રહ્યું છે.
ભારત પર અસરો
- ચીનની આગેવાની હેઠળના AI નેટવર્કમાં જોડાવાથી ભારતની નિર્ભરતા અમેરિકી પ્રોપ્રાઇટરી મોડેલ્સ પરથી હટીને છુપાયેલી ડેટા પ્રથાઓ ધરાવતી ચાઇનીઝ સિસ્ટમ્સ તરફ સ્થાનાંતરિત થવાનું જોખમ રહેલું છે.
- ભારત લોકશાહી ડિજિટલ મૂલ્યોને પ્રોત્સાહન આપે છે, જ્યારે ચીન ફરજિયાતપણે માંગે છે કે AI મોડેલ્સ સંપૂર્ણપણે રાજ્યના ઉદ્દેશ્યો સાથે સુસંગત હોય.
- મફત વિદેશી ઓપન-વેઇટ મોડેલ્સ સર્વમ અને ભારતજેન જેવા ભારતીય AI સ્ટાર્ટઅપ્સની વ્યાવસાયિક વ્યવહારુતાને નુકસાન પહોંચાડી શકે છે.
ભારતની AI સાર્વભૌમત્વ સામેના અવરોધો
- ભારતની ડેટા સેન્ટર ક્ષમતાને 2026 માં 1.6 GW થી વધારીને 2029 સુધીમાં 6 GW કરવા માટે USD 110 billion ફંડિંગની જરૂર છે.
- ભારતીય ડેટા સેન્ટર્સ 150 billion liters પાણી અને રાષ્ટ્રીય વીજળીના 0.5% નો વપરાશ કરે છે, જે 2030 સુધીમાં બમણો થઈ શકે છે.
- મુંબઈ માં ભારતના 50% ડેટા સેન્ટર્સ આવેલા છે, જેના કારણે નાના ટીયર-2 અને ટીયર-3 શહેરોમાં ઊંચી લેટન્સી અને વિલંબ થાય છે.
- ભારત તેના 90% to 95% સેમિકન્ડક્ટર્સની આયાત કરે છે, જે તેની AI આકાંક્ષાઓને તાઇવાન સ્ટ્રેટ માં થતા સંઘર્ષો સામે સંવેદનશીલ બનાવે છે.
- ઇન્ડિયા સેમિકન્ડક્ટર મિશન (ISM) એ USD 20 billion આકર્ષ્યા છે, પરંતુ ભારત હજુ પણ સબ-5nm AI ચિપ્સ માટે TSMC પર નિર્ભર છે.
- ડિજિટલ પર્સનલ ડેટા પ્રોટેક્શન (DPDP) એક્ટ, 2023 સરહદ પારના ડેટા પ્રવાહ અને વિદેશી ક્લાઉડ રોકાણો માટે નિયમનકારી અણધારીતા ઉભી કરે છે.
- કોપીરાઇટ એક્ટ, 1957 માં જેનરેટિવ AI મોડેલ્સને તાલીમ આપવા માટે કોપીરાઇટ કરેલા ડેટાના વ્યાજબી ઉપયોગ અંગે સ્પષ્ટ નિયમોનો અભાવ છે.
આગળનો રાહ
- ભારતે ભાષિણી જેવી પહેલો દ્વારા વિવિધ ડેટાસેટ્સ પર સાર્વભૌમ મોડેલ્સ બનાવવા માટે ₹10,300 crore IndiaAI Mission ને ઝડપી બનાવવું જોઈએ.
- સરકારે સ્થાનિક GPU ક્લસ્ટરો બનાવવા અને વિદેશી ક્લાઉડ સર્વર્સ પર નિર્ભરતા ઘટાડવા માટે જાહેર-ખાનગી ભાગીદારીનો વિસ્તાર કરવો જોઈએ.
- ભારતે UPI ની જેમ તેના Digital Public Infrastructure (DPI) મોડેલનો વિસ્તાર કરવો જોઈએ જેથી વૈશ્વિક સ્તરે લોકશાહી ઓપન-સોર્સ AI સાધનો પ્રદાન કરી શકાય.
- ભારત અમેરિકા સાથે iCET અને Quad સેમિકન્ડક્ટર પહેલ જેવી ભાગીદારીને મજબૂત કરીને ચિપ સપ્લાય ચેઇનને સુરક્ષિત કરી શકે છે.
- ભારતે એજન્ટિક મિસઅલાઇનમેન્ટ જેવા જોખમો માટે નૈતિક શાસનના નિયમો નક્કી કરવા માટે G20 અને GPAI જેવા વૈશ્વિક પ્લેટફોર્મનો ઉપયોગ કરવો જોઈએ.
- NEP 2020 ને અપડેટ કરવાથી અને Atal Tinkering Labs (ATLs) ને અપગ્રેડ કરવાથી AI-સજ્જ કાર્યબળ તૈયાર કરવામાં મદદ મળશે.
નિષ્કર્ષ
- ભારતે સાર્વભૌમ કમ્પ્યુટ ક્ષમતા અને પારદર્શક ડિજિટલ ઇન્ફ્રાસ્ટ્રક્ચરનું નિર્માણ કરીને ઝડપી AI અપનાવવાની પ્રક્રિયા અને તકનીકી આત્મનિર્ભરતા વચ્ચે સંતુલન જાળવવું જોઈએ.