भारत को AI चिप्स गिनना बंद कर परिणामों पर ध्यान देना चाहिए

15 Oct भारत को AI चिप्स गिनना बंद कर परिणामों पर ध्यान देना चाहिए

✎ कृत्रिम बुद्धिमत्ता में भारत की वास्तविक कमी चिप की नहीं, बल्कि विशेषज्ञ-सत्यापित डेटा, मूल्यांकन परिवेश और परिणाम-आधारित जवाबदेही की है।

विषय प्रासंगिकता — यह टॉपिक कहाँ आता है

• GS Paper III — विज्ञान एवं प्रौद्योगिकी (कृत्रिम बुद्धिमत्ता, स्वदेशी प्रौद्योगिकी विकास)  |  GS Paper III — अर्थव्यवस्था (डिजिटल अर्थव्यवस्था, नवाचार और उत्पादकता)  |  GS Paper II — अंतरराष्ट्रीय संबंध (प्रौद्योगिकी पर निर्यात नियंत्रण और रणनीतिक स्वायत्तता)
• Prelims: IndiaAI Mission (इंडिया एआई मिशन) और इसका नोडल मंत्रालय (MeitY), कंप्यूट क्षमता और GPU (ग्राफ़िक्स प्रोसेसिंग यूनिट) का सब्सिडीयुक्त आवंटन, फाउंडेशन मॉडल और बृहत भाषा मॉडल (Large Language Model, LLM), रीइन्फोर्समेंट लर्निंग (Reinforcement Learning) और उसका परिवेश (Environment), Nvidia H100 और H800 चिप में अंतर; निर्यात संस्करण की अवधारणा, अमेरिकी चिप निर्यात नियंत्रण और तकनीकी इनकार (Technology Denial), Epoch AI और खुले स्रोत (Open-source) मॉडलों का प्रदर्शन अंतराल, भाषिनी (Bhashini) और AIKosh जैसे डिजिटल भारत के डेटा/भाषा मंच
• Essay: प्रौद्योगिकी में आत्मनिर्भरता: संसाधन-आधारित बनाम परिणाम-आधारित नीति, कृत्रिम बुद्धिमत्ता के युग में ज्ञान, डेटा और विशेषज्ञता का महत्व

त्वरित पुनरावृत्ति: कृत्रिम बुद्धिमत्ता में भारत की वास्तविक कमी चिप की नहीं, बल्कि विशेषज्ञ-सत्यापित डेटा, मूल्यांकन परिवेश और परिणाम-आधारित जवाबदेही की है।

यह खबर चर्चा में क्यों?

लोकसभा में सरकार द्वारा दी गई जानकारी के अनुसार IndiaAI Mission ने 237 परियोजनाओं के लिए 93 लाख घंटे की चिप अवधि स्वीकृत की है। एक लेख में इसकी तुलना चीनी प्रयोगशाला DeepSeek द्वारा अपने V3 मॉडल के प्रशिक्षण में लगाए गए लगभग 28 लाख घंटों से की गई है, जिससे स्पष्ट होता है कि भारत ने स्वीकृत संसाधनों के स्तर पर पर्याप्त व्यवस्था की है। परंतु तर्क यह दिया गया है कि मूल प्रश्न अब चिप की गणना का नहीं, बल्कि उपयोगी और सत्यापित परिणामों का है। उदाहरण के लिए, बेंगलुरु की स्टार्टअप कंपनी Sarvam को छह महीने के लिए 4,096 Nvidia H100 चिप दी गईं, जबकि DeepSeek ने आधी संख्या में चिप से दो महीने से कम समय में V3 मॉडल प्रशिक्षित किया। इसलिए चर्चा का केंद्र अब संसाधन के आवंटन से हटकर मूल्यांकन, विशेषज्ञ-आधारित डेटा और भारतीय भाषाओं व विषयों में मॉडल की वास्तविक क्षमता पर आ गया है।

पृष्ठभूमि

• भारत सरकार ने मार्च 2024 में IndiaAI Mission को मंजूरी दी, जिसका कुल परिव्यय ₹10,372 करोड़ है और इसका कार्यान्वयन इलेक्ट्रॉनिक्स और सूचना प्रौद्योगिकी मंत्रालय (MeitY) के माध्यम से होता है। इसके प्रमुख स्तंभों में कंप्यूट क्षमता, स्वदेशी फाउंडेशन मॉडल, डेटासेट, कौशल विकास और सुरक्षित एवं विश्वसनीय एआई शामिल हैं।
• उन्नत AI चिप का निर्यात अमेरिका के नियंत्रण में है। 2022 के बाद से उन्नत सेमीकंडक्टर और उच्च-प्रदर्शन GPU के निर्यात पर सख्त नियम लागू हुए हैं, और चीन के लिए उपलब्ध H800 जैसे संस्करण इन्हीं नियमों के अनुरूप बनाए गए थे।
• भारत में विकसित प्रारंभिक स्वदेशी मॉडलों का मूल्यांकन इस बात पर निर्भर करेगा कि वे भारतीय भाषाओं, कानून, चिकित्सा और कृषि जैसे क्षेत्रों में कितनी सटीकता से काम करते हैं, न कि केवल पैरामीटर या प्रशिक्षण समय के आधार पर।
• खुले स्रोत (Open-source) मॉडल तेज़ी से विकसित हो रहे हैं। Epoch AI के अनुसार सर्वोत्तम निःशुल्क मॉडल सशुल्क अग्रणी मॉडलों से लगभग चार महीने पीछे हैं, जिससे पुनः उपयोग की संभावना बढ़ती है।
• Meta द्वारा Scale AI में 49 प्रतिशत हिस्सेदारी के लिए लगभग 14.3 अरब डॉलर का निवेश इस बात का संकेत है कि प्रशिक्षण-डेटा और मूल्यांकन सेवाओं का बाज़ार स्वयं में मूल्यवान है।

कृत्रिम बुद्धिमत्ता में परिणाम-आधारित दृष्टिकोण क्या है?

• कृत्रिम बुद्धिमत्ता (Artificial Intelligence) वह क्षमता है जिसमें मशीनें डेटा से सीखकर भाषा समझने, निर्णय लेने और पैटर्न पहचानने जैसे कार्य करती हैं।
• प्रशिक्षण (Training) के लिए बड़ी संख्या में GPU की आवश्यकता होती है; इसका मापन चिप-घंटों में किया जाता है, पर स्वीकृत घंटे और वास्तविक उपयोग में अंतर हो सकता है।
• फाउंडेशन मॉडल वह सामान्य-उद्देश्यीय मॉडल है जिसे बाद में विशिष्ट कार्यों के लिए परिष्कृत किया जाता है; बृहत भाषा मॉडल (LLM) इसी का एक प्रमुख रूप है।
• रीइन्फोर्समेंट लर्निंग में मॉडल सही या गलत उत्तर के संकेत से सीखता है। इसके लिए जो कार्य-समूह और अंकन-योजना (Marking Scheme) तैयार की जाती है, उसे रीइन्फोर्समेंट लर्निंग परिवेश कहते हैं।
• ऐसे परिवेश के लिए विशेषज्ञों की भूमिका अहम है, जैसे न्यायालयों के अधिवक्ता, चिकित्सक, कृषि वैज्ञानिक और भाषाविद्। इनका ज्ञान ही मॉडल की सत्यापित गुणवत्ता तय करता है।
• चिप-आधारित क्षमता और डेटा-आधारित सत्यापन में अंतर है: पहली सीमित रूप से निर्यात नियंत्रणों के अधीन है, जबकि दूसरी देश के भीतर विकसित की जा सकती है।
• तकनीकी इनकार (Technology Denial) की नीति का प्रभाव समय के साथ घटता है, क्योंकि नई तकनीक सामान्यतः कुछ वर्षों में अन्य देशों तक फैल जाती है। इसलिए दीर्घकालिक योजना केवल आयात-निर्भर चिप पर आधारित नहीं हो सकती।

मुख्य विशेषताएँ

महत्व

आर्थिक

• संगणन क्षमता के बजाय परिणाम-आधारित निवेश से सार्वजनिक धन का उपयोग अधिक उत्पादक हो सकता है।
• विशेषज्ञ-आधारित डेटा और मूल्यांकन कार्य से कानून, चिकित्सा और कृषि सेवाओं में नया रोजगार और बाज़ार बन सकता है।
• Meta द्वारा Scale AI में 49 प्रतिशत हिस्सेदारी के लिए 14.3 अरब डॉलर देने का उदाहरण दिखाता है कि डेटा और मूल्यांकन सेवाओं का आर्थिक मूल्य कितना बड़ा है।

रणनीतिक

• चिप निर्यात नियंत्रण जैसी बाहरी बाधाओं पर निर्भरता घटाने से आपूर्ति-श्रृंखला सुरक्षा मजबूत होती है।
• स्वदेशी रूप से विकसित और भारतीय भाषाओं में प्रशिक्षित मॉडल सामरिक और प्रशासनिक स्वायत्तता में सहायक होते हैं।
• स्रोत के अनुसार तकनीक लगभग कुछ वर्षों में फैल जाती है, इसलिए प्रतिबंधों के भरोसे योजना बनाना अव्यावहारिक है।

शासन एवं सार्वजनिक सेवा

• न्यायालय में जमानत आवेदन के प्रारूपण और कृषि परामर्श जैसे कार्यों में विश्वसनीय AI सेवा प्रशासनिक दक्षता बढ़ा सकती है।
• सार्वजनिक सेवाओं में उपयोग से पहले मॉडल का स्वतंत्र और विषय-विशेषज्ञ मूल्यांकन आवश्यक होता है।

सामाजिक एवं भाषायी

• भारतीय भाषाओं में चिकित्सा नोट और कानूनी सामग्री तैयार करने की क्षमता से भाषायी समावेशन बढ़ता है।
• सत्यापित डेटा-सेट सार्वजनिक रूप से उपलब्ध होने से छोटे शोध संस्थान और स्टार्टअप भी अवसर पा सकते हैं।

चुनौतियाँ

1. स्वीकृत संसाधन और वास्तविक परिणाम का अंतर

• चिप घंटों की स्वीकृति को सफलता का सूचक मानना भ्रामक है, क्योंकि स्वीकृत और उपयोग किए गए घंटे अलग होते हैं।
• स्रोत के अनुसार सरकार के पास संसाधन अधिक होने के बावजूद Sarvam का मॉडल अग्रणी मॉडलों से काफी पीछे है।
• परिणाम-आधारित मूल्यांकन के अभाव में संसाधनों का आवंटन पारदर्शी रूप से जाँचना कठिन होता है।

यूपीएससी लिंक: GS-III: विज्ञान एवं प्रौद्योगिकी का स्वदेशी विकास; सार्वजनिक निधि का प्रभावी उपयोग

2. विशेषज्ञ-आधारित डेटा और मूल्यांकन की कमी

• सही उत्तर वाले और मूल्यांकन-योजना सहित कार्यों की संख्या सीमित है।
• कानून, चिकित्सा और कृषि के विशेषज्ञों का समय न्यायालयों, अस्पतालों और कृषि विश्वविद्यालयों में पहले से व्यस्त रहता है।
• भारतीय भाषाओं में उच्च गुणवत्ता वाला प्रशिक्षण-डेटा अपेक्षाकृत कम उपलब्ध है।

यूपीएससी लिंक: GS-III: डिजिटल अर्थव्यवस्था और डेटा-आधारित विकास; GS-II: सार्वजनिक सेवाओं में गुणवत्ता

3. विदेशी आपूर्ति और नीति पर निर्भरता

• उन्नत चिप की आपूर्ति अमेरिकी निर्यात नीति के निर्णयों पर निर्भर करती है।
• स्रोत में उल्लिखित 2025 की रिपोर्ट के अनुसार मलेशिया और थाईलैंड जैसे देशों के लिए प्रतिबंधों के मसौदे पर विचार हुआ था, जिससे अनिश्चितता बढ़ती है।
• घरेलू संगणन अवसंरचना के विकास में समय और पूँजी दोनों की आवश्यकता होती है।

यूपीएससी लिंक: GS-III: आत्मनिर्भरता और उन्नत प्रौद्योगिकी में आयात निर्भरता; GS-II: भारत की विदेश नीति के आर्थिक आयाम

4. प्रतिस्पर्धा और मॉडल की गुणवत्ता का अंतर

• घरेलू मॉडल सर्वोत्तम विश्व मॉडलों से पीछे हैं, और इस अंतर को केवल अधिक चिप से पाटना संभव नहीं माना गया है।
• सशुल्क अग्रणी मॉडलों और मुक्त मॉडलों के बीच का अंतर घटता-बढ़ता रहता है, इसलिए नीति को लगातार समायोजन की आवश्यकता होती है।

यूपीएससी लिंक: GS-III: कृत्रिम बुद्धिमत्ता और उभरती प्रौद्योगिकियाँ; अनुसंधान एवं नवाचार पारिस्थितिकी तंत्र

चुनौतियाँ — यूपीएससी दृष्टिकोण

सरकारी पहल — प्रीलिम्स हेतु अवश्य याद रखें

• भारतीय कृत्रिम बुद्धिमत्ता मिशन (IndiaAI Mission)

आगे की राह

• संगणन-आधारित आवंटन के स्थान पर परिणाम-आधारित आवंटन अपनाया जाए, जिसमें भारतीय भाषाओं और विषय-परीक्षणों पर सर्वोत्तम स्कोर करने वाली टीमों को चिप समय दिया जाए।
• विशेषज्ञों से सत्यापित कार्य और मूल्यांकन-योजनाएँ तैयार करवाकर उन्हें सार्वजनिक रूप से उपलब्ध कराया जाए, ताकि कोई भी भारतीय प्रयोगशाला उनका उपयोग कर सके।
• विशेषज्ञों के कार्य का उचित पारिश्रमिक तय हो और उनकी भागीदारी को मान्यता देने की व्यवस्था बने।
• सर्वोत्तम खुले मॉडलों को आधार बनाकर उनके भारतीय भाषा और विषय-विशेष संस्करण विकसित किए जाएँ।
• न्यायालय, चिकित्सा और कृषि सेवाओं में उपयोग से पहले स्वतंत्र मूल्यांकन और मानक प्रक्रिया तय की जाए।
• अधिक चिप के साथ-साथ डेटा की गुणवत्ता, मूल्यांकन और मानव संसाधन पर निवेश को समान प्राथमिकता दी जाए।
• स्वीकृत संसाधनों के वास्तविक उपयोग और परिणामों का नियमित और सार्वजनिक प्रतिवेदन तैयार हो।

यूपीएससी मूल्य-संवर्धन

प्रारंभिक अभ्यास प्रश्न

Q1. निम्नलिखित कथनों पर विचार कीजिए:
1. इंडियाएआई मिशन का उद्देश्य भारत में कृत्रिम बुद्धिमत्ता (AI) के विकास और अनुप्रयोग को बढ़ावा देना है।
2. AI चिप्स का उपयोग केवल AI मॉडल के प्रशिक्षण के लिए किया जाता है, उनके अनुप्रयोग के लिए नहीं।
3. सुदृढीकरण अधिगम वातावरण (Reinforcement Learning Environment) AI मॉडल को वास्तविक दुनिया के कार्यों में उपयोगी बनाने के लिए महत्वपूर्ण हैं।
उपर्युक्त कथनों में से कितने सही हैं?

1. केवल एक
2. केवल दो
3. सभी तीन
4. कोई नहीं

उत्तर: केवल दो — कथन 1 सही है क्योंकि इंडियाएआई मिशन का मुख्य उद्देश्य भारत में AI पारिस्थितिकी तंत्र को मजबूत करना है। कथन 2 गलत है क्योंकि AI चिप्स का उपयोग मॉडल के प्रशिक्षण के साथ-साथ उनके अनुप्रयोग (inference) के लिए भी किया जाता है, हालांकि अनुप्रयोग में कम चिप समय लग सकता है। कथन 3 सही है क्योंकि सुदृढीकरण अधिगम वातावरण AI मॉडल को विशिष्ट भारतीय संदर्भों जैसे कानून, चिकित्सा और कृषि में उपयोगी बनाने के लिए आवश्यक हैं।

Q2. कथन (A): भारत को कृत्रिम बुद्धिमत्ता (AI) के क्षेत्र में केवल चिप्स की संख्या गिनने के बजाय परिणामों पर ध्यान केंद्रित करना चाहिए।
कारण (R): AI मॉडल को भारतीय कानून, चिकित्सा, कृषि और भाषाओं को समझने के लिए विशिष्ट डेटा और सुदृढीकरण अधिगम वातावरण की आवश्यकता होती है, जो केवल चिप्स की उपलब्धता से प्राप्त नहीं होते।

1. A और R दोनों सही हैं, और R, A की सही व्याख्या है।
2. A और R दोनों सही हैं, लेकिन R, A की सही व्याख्या नहीं है।
3. A सही है, लेकिन R गलत है।
4. A गलत है, लेकिन R सही है।

उत्तर: A और R दोनों सही हैं, और R, A की सही व्याख्या है। — कथन (A) सही है क्योंकि लेख में इस बात पर जोर दिया गया है कि भारत को केवल चिप्स की उपलब्धता पर ध्यान केंद्रित करने के बजाय AI के व्यावहारिक अनुप्रयोगों और परिणामों पर ध्यान देना चाहिए। कारण (R) भी सही है और कथन (A) की सही व्याख्या करता है, क्योंकि AI को भारतीय संदर्भ में उपयोगी बनाने के लिए विशिष्ट डेटासेट, विषय विशेषज्ञों और सुदृढीकरण अधिगम वातावरण की आवश्यकता होती है, जो केवल चिप्स की संख्या से अधिक महत्वपूर्ण हैं।

मुख्य अभ्यास प्रश्न

✍ भारत में कृत्रिम बुद्धिमत्ता (AI) के विकास में AI चिप्स की उपलब्धता एक महत्वपूर्ण कारक है, लेकिन इसकी सफलता केवल चिप्स की संख्या पर निर्भर नहीं करती है। इस कथन का समालोचनात्मक परीक्षण कीजिए और भारतीय संदर्भ में AI के प्रभावी अनुप्रयोगों को बढ़ावा देने के लिए आवश्यक अन्य रणनीतियों पर चर्चा कीजिए। (15 Marks)

रूपरेखा: परिचय: इंडियाएआई मिशन और AI चिप्स के महत्व का संक्षिप्त उल्लेख।
मुख्य भाग:
1. AI चिप्स की उपलब्धता का महत्व: AI मॉडल के प्रशिक्षण और अनुप्रयोग के लिए चिप्स की आवश्यकता। भारत द्वारा स्वीकृत चिप समय का उल्लेख।
2. ‘केवल चिप्स की संख्या’ पर निर्भरता की सीमाएँ:
क. चिप्स की गुणवत्ता और प्रकार (जैसे Nvidia H100, H800) का अंतर।
ख. चिप्स के उपयोग की दक्षता और मॉडल प्रशिक्षण की अवधि।
ग. भू-राजनीतिक कारक और चिप आपूर्ति पर प्रतिबंध (जैसे अमेरिकी प्रतिबंध)।
घ. AI मॉडल को उपयोगी बनाने के लिए आवश्यक ‘सुदृढीकरण अधिगम वातावरण’ (Reinforcement Learning Environment) का अभाव।
3. प्रभावी AI अनुप्रयोगों को बढ़ावा देने के लिए अन्य रणनीतियाँ:
क. परिणाम-उन्मुख दृष्टिकोण: केवल चिप्स गिनने के बजाय विशिष्ट भारतीय-भाषा और विषय-विशिष्ट परीक्षणों में सर्वश्रेष्ठ स्कोर करने वाले मॉडलों को प्रोत्साहन।
ख. विषय विशेषज्ञों का योगदान: भारतीय कानून, चिकित्सा, कृषि और भाषाओं के विशेषज्ञों को कार्य (tasks) और अंकन योजनाएँ (marking schemes) बनाने के लिए भुगतान।
ग. डेटा लेबलिंग और क्यूरेशन: भारतीय संदर्भ के लिए प्रासंगिक और उच्च गुणवत्ता वाले डेटासेट का निर्माण।
घ. अनुसंधान एवं विकास में निवेश: भारत में AI मॉडल के निर्माण और अनुकूलन पर ध्यान केंद्रित करना।
ङ. कौशल विकास: AI विशेषज्ञों, डेटा वैज्ञानिकों और डोमेन विशेषज्ञों के बीच सहयोग को बढ़ावा देना।
च. नीतिगत समर्थन: AI नवाचार को बढ़ावा देने वाली नीतियों और नियामक ढांचे का निर्माण।
निष्कर्ष: भारत को AI के क्षेत्र में वैश्विक प्रतिस्पर्धा में आगे बढ़ने के लिए एक समग्र और बहुआयामी रणनीति अपनाने की आवश्यकता है, जिसमें चिप्स के साथ-साथ मानव पूंजी, डेटा और परिणाम-उन्मुख दृष्टिकोण पर भी समान जोर दिया जाए।

स्रोत: The Indian Express

शैक्षिक उद्देश्य हेतु AanyaAi द्वारा जनित।

• Author
• Recent Posts

Tushar

Latest posts by Tushar (see all)

• NAMASTE Scheme: Enhancing Sanitation Workers’ Livelihoods & Safety - November 14, 2026
• एमएसएमई का विशेष अभियान 6.0: स्वच्छता और लंबित मामलों का निपटारा - November 14, 2026
• Sea Vigil-26: Coastal Defence Drills Off Visakhapatnam - November 14, 2026