એઆઈ (AI) ને ભારતના આગામી ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર તરીકે કોમોડિટાઇઝ કરવું
#GS-3 #સાયન્સ અને ટેકનોલોજી #AI #GS-2 #ગવર્નન્સ અને સામાજિક ન્યાય #ઈ-ગવર્નન્સ #વર્તમાન ઘટનાઓ #રાષ્ટ્રીય #ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર #IndiaAI મિશન #ભાષિણી (BHASHINI) #યુનિફાઇડ ઇન્ટેલિજન્સ ઇન્ટરફેસ
ચર્ચામાં શા માટે?
- જાહેર નીતિના નિષ્ણાતો આર્ટિફિશિયલ ઇન્ટેલિજન્સને ભારતનું આગામી ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર (DPI) બનાવવાનું સૂચન કરે છે.
- આ વિભાવના આધાર, UPI અને DEPA થી પ્રેરિત ઓછા ઇન્ફરન્સ ખર્ચ અને ઓપન-સોર્સ મોડેલોની હિમાયત કરે છે.
ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર તરીકે AI ને સમજવું
- AI ને DPI તરીકે કોમોડિટાઇઝ કરવાનો અર્થ એ છે કે AI ઇન્ટેલિજન્સ અને ઇન્ફરન્સને મોંઘી વ્યાપારી પ્રોડક્ટને બદલે એક સુલભ જાહેર ઉપયોગિતા (પબ્લિક યુટિલિટી) તરીકે ગણવી.
AI ને ડિજિટલ પબ્લિક ઇન્ફ્રાસ્ટ્રક્ચર બનાવવાનું વાજબીપણું
- ડિજિટલ ઓળખ (આધાર), ચુકવણીઓ (UPI) અને ડેટા શેરિંગ (DEPA) પછી AI ને મૂળભૂત સ્તર તરીકે ઉમેરવું એ આગામી તાર્કિક પગલું દર્શાવે છે.
- AI ને જાહેર ઉપયોગિતા તરીકે સ્થાપિત કરવાથી ભારતને કાચો ડેટા નિકાસ કરવા અને મોંઘા વિદેશી API ટોકન્સ આયાત કરવાનું બંધ કરવામાં મદદ મળે છે.
- કોમ્પ્યુટ અને ઇન્ફરન્સ ખર્ચ ઘટાડવાથી ગ્રામીણ આરોગ્યસંભાળ, સ્થાનિક શિક્ષણ અને નાના વ્યવસાયો માટે અદ્યતન AI સાધનોની લોકશાહી સુલભતા મળે છે.
- મૂળભૂત મોડેલ ખર્ચ ઘટાડવાથી આર્થિક મૂલ્ય એપ્લિકેશન ડેવલપર્સ તરફ સ્થાનાંતરિત થાય છે, જ્યાં ભારત તેની સૌથી મોટી સોફ્ટવેર તાકાત ધરાવે છે.
- ઓપન-સોર્સ આર્કિટેક્ચરનો ઉપયોગ કરવાથી દેશી સ્ટાર્ટઅપ્સ વિદેશી ટેકનોલોજી જાયન્ટ્સ અને તેમની કિંમત નીતિઓ પર સંપૂર્ણપણે નિર્ભર રહેવાથી બચે છે.
અત્યાર સુધી લેવાયેલા પહેલો
- સરકારે સ્ટાર્ટઅપ્સ માટે કેળવાયેલા દરે કોમ્પ્યુટ એક્સેસ વિસ્તારવા માટે ₹10,372 કરોડના કુલ ખર્ચ સાથે IndiaAI મિશન શરૂ કર્યું.
- ભારતે 38,000 થી વધુ GPUs ઓનબોર્ડ કર્યા છે અને તેને 1,00,000 સુધી પહોંચાડવાની યોજના છે, જે આશરે ₹65 પ્રતિ GPU કલાકના દરે કોમ્પ્યુટ એક્સેસ આપે છે.
- ભાષિણી (BHASHINI) જેવી પહેલો બહુભાષી AI સાધનોને સક્ષમ કરવા માટે અધિકૃત ભાષાઓમાં સાર્વજનિક ડેટાસેટ્સ અને અનુવાદ મોડેલો બનાવે છે.
પડકારો
- ભારતમાં હાઇ-એન્ડ AI ચિપ્સ માટે સ્થાનિક સેમિકન્ડક્ટર ઉત્પાદનનો અભાવ છે, જેના કારણે આયાતી GPUs પર ભારે નિર્ભરતા રહે છે.
- પાવર ગ્રીડ પ્લાનિંગ હાલમાં AI વર્કલોડને અલગથી વર્ગીકૃત કરવામાં નિષ્ફળ જાય છે, જેનાથી કોમ્પ્યુટ ઇન્ફ્રાસ્ટ્રક્ચર માટે ઊર્જાની અછત સર્જાય છે.
- વિદેશી ટેકનોલોજી કંપનીઓ મોટાભાગના અદ્યતન ફાઉન્ડેશન મોડેલો પર નિયંત્રણ ધરાવે છે, જેનાથી પ્રોપ્રાઇટરી સિસ્ટમ્સ પર લાંબા ગાળાની વ્યૂહાત્મક નિર્ભરતા ઊભી થાય છે.
- AI ટ્રેનિંગ ડેટા મોટે ભાગે પાશ્ચાત્ય સંદર્ભો તરફ ઝોક ધરાવે છે, પરિણામે સંરચિત પ્રાદેશિક ભાષાના ડેટાસેટ્સની અછત સર્જાય છે.
- દેશી ડેવલપર્સ વિદેશી મોડેલો ભાડે લેતી વખતે ઊંચા ડોલર-સંચાલિત ટોકન ખર્ચનો સામનો કરે છે, જે મોટા પાયે પ્રયોગોને સીમિત કરે છે.
આગળનો રાહ
- ડેટા સેન્ટર કોમ્પ્યુટ માંગને નેશનલ ઇલેક્ટ્રિસિટી પ્લાનમાં સંકલિત કરવાથી અક્ષય ઊર્જા પુરવઠો ઝડપી બનશે અને વીજળીનો ખર્ચ ઘટશે.
- જાહેર સબસિડી અથવા અનામી જાહેર ડેટાસેટ્સ સાથે તાલીમ પામેલા મોડેલો માટે ઓપન-વેઇટ્સ લાયસન્સ ફરજિયાત બનાવવાથી સહિયારી સુલભતા સુનિશ્ચિત થશે.
- યુનિફાઇડ ઇન્ટેલિજન્સ ઇન્ટરફેસ (UII) વિકસાવવાથી એક ઓપન API ગેટવે બનશે જે એપ્લિકેશન્સને વિવિધ AI મોડેલો સાથે જોડશે.
- રાષ્ટ્રીય ફ્રીમિયમ ટોકન સિસ્ટમ સ્થાપિત કરવાથી ચકાસાયેલ સ્ટાર્ટઅપ્સ અને વિદ્યાર્થીઓને રાજ્ય-સબસિડીવાળા માસિક API ભથ્થાં મળશે.
- હાલની ઔદ્યોગિક અને કૃષિ સબસિડીના એક નાના હિસ્સાને ટોકન હકોમાં પુનઃફાળવણી કરવાથી AI કૌશલ્ય વિકાસ અને સંશોધનને પ્રોત્સાહન મળશે.
નિષ્કર્ષ
- AI ને ઓપન-સોર્સ જાહેર ઉપયોગિતામાં રૂપાંતરિત કરવાથી ભારત કાચા ડેટા પ્રદાતામાંથી એપ્લિકેશન ઇનોવેશન હબમાં પરિવર્તિત થાય છે.
- કોમ્પ્યુટ એક્સેસ, ભારતીય ભાષાના મોડેલો અને યુનિફાઇડ ઇન્ટેલિજન્સ ઇન્ટરફેસ નું સંયોજન અદ્યતન ટેકનોલોજી દ્વારા સમાવેશી આર્થિક વૃદ્ધિ સુનિશ્ચિત કરે છે.