इंडियाएआई मिशन: स्वदेशी फाउंडेशन मॉडल और उनके प्रभाव

03 Nov इंडियाएआई मिशन: स्वदेशी फाउंडेशन मॉडल और उनके प्रभाव

✎ स्वदेशी आधारभूत मॉडलों की वास्तविक शक्ति उनके आकार में नहीं, बल्कि कंप्यूट, डेटा और भारतीय भाषाओं पर घरेलू नियंत्रण में निहित है।

विषय प्रासंगिकता — यह टॉपिक कहाँ आता है

• GS Paper III — विज्ञान एवं प्रौद्योगिकी (कृत्रिम बुद्धिमत्ता, डिजिटल प्रौद्योगिकी और उनके अनुप्रयोग)  |  GS Paper III — अर्थव्यवस्था (नवाचार, स्टार्टअप वित्तपोषण, आत्मनिर्भर भारत)  |  GS Paper II — शासन (सरकारी योजनाएँ, मंत्रालयों की भूमिका, डेटा संरक्षण से संबंधित विधिक ढाँचा)
• Prelims: आधारभूत मॉडल (Foundation Model), इंडियाएआई मिशन (IndiaAI Mission) — इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय (MeitY) द्वारा क्रियान्वित; मंत्रिमंडल की मंजूरी मार्च 2024, इंडियाएआई इनोवेशन सेंटर (IndiaAI Innovation Centre), इंडियाएआई मिशन के सात स्तंभ (कंप्यूट क्षमता, डेटासेट प्लेटफॉर्म, स्टार्टअप वित्तपोषण आदि), कंप्यूट क्षमता और GPU की भूमिका, ट्रांसफॉर्मर वास्तुकला (Transformer Architecture) और ध्यान-तंत्र (Attention Mechanism), भाषिणी (Bhashini) — राष्ट्रीय भाषा अनुवाद मिशन के अंतर्गत बहुभाषी डिजिटल सेवाएँ, डिजिटल व्यक्तिगत डेटा संरक्षण अधिनियम, 2023
• Essay: तकनीकी संप्रभुता: क्या डेटा, कंप्यूट और मॉडल पर स्वदेशी नियंत्रण आधुनिक राष्ट्र की अनिवार्यता है?, कृत्रिम बुद्धिमत्ता और भारतीय भाषाएँ: समावेशी डिजिटल भविष्य की चुनौतियाँ और अवसर

त्वरित पुनरावृत्ति: स्वदेशी आधारभूत मॉडलों की वास्तविक शक्ति उनके आकार में नहीं, बल्कि कंप्यूट, डेटा और भारतीय भाषाओं पर घरेलू नियंत्रण में निहित है।

यह खबर चर्चा में क्यों?

इंडियाएआई मिशन के अंतर्गत इंडियाएआई इनोवेशन सेंटर स्तंभ के माध्यम से दो स्वदेशी आधारभूत मॉडल सार्वजनिक रूप से जारी किए गए हैं। इनमें से EKA-1 को Soket द्वारा तथा Dhīr 2B और Dhīr 5B को ZenteiQ द्वारा विकसित किया गया है। यह घटनाक्रम इस बात का संकेत है कि देश में विदेशी मॉडलों पर निर्भर रहने के बजाय घरेलू स्टार्टअप और शोध-संस्थाएँ स्वयं उन्नत कृत्रिम बुद्धिमत्ता मॉडल विकसित करने की दिशा में आगे बढ़ रही हैं। मिशन के तहत इन मॉडलों का सामने आना कंप्यूट संसाधनों, डेटा तक पहुँच और नवाचार-सहायता की नीतिगत व्यवस्था के व्यावहारिक परिणाम के रूप में देखा जा सकता है। परीक्षा की दृष्टि से इसका महत्व मॉडल की तकनीकी विशेषताओं से अधिक इस बात में है कि सरकारी ढाँचा किस प्रकार घरेलू क्षमता-निर्माण को संस्थागत रूप देता है।

पृष्ठभूमि

• मार्च 2024 में मंत्रिमंडल ने इंडियाएआई मिशन को लगभग 10,372 करोड़ रुपये के कुल परिव्यय के साथ मंजूरी दी थी, और इसका क्रियान्वयन इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय करता है।
• मिशन के सात स्तंभों में कंप्यूट क्षमता, इंडियाएआई इनोवेशन सेंटर, डेटासेट प्लेटफॉर्म, अनुप्रयोग विकास, FutureSkills, स्टार्टअप वित्तपोषण तथा सुरक्षित एवं विश्वसनीय AI सम्मिलित हैं।
• वैश्विक स्तर पर आधारभूत मॉडलों का विकास मुख्यतः उन देशों की कंपनियों और संस्थाओं द्वारा हो रहा है जिनके पास भारी कंप्यूट और पूँजी है; इससे विकासशील देशों में डेटा संप्रभुता और विदेशी तकनीक पर निर्भरता से जुड़े प्रश्न उठते हैं।
• भारतीय भाषाओं, स्थानीय संदर्भों और सार्वजनिक सेवाओं के लिए ऐसे मॉडल आवश्यक हैं जो भारतीय परिस्थितियों को समझ सकें; भाषिणी जैसी पहलें इसी समावेशन लक्ष्य से जुड़ी हैं।
• नीति आयोग की राष्ट्रीय कृत्रिम बुद्धिमत्ता रणनीति (2018), जिसका शीर्षक ‘AI for All’ था, ने सामाजिक-आर्थिक प्रभाव और समावेशी विकास पर बल दिया था।
• डिजिटल व्यक्तिगत डेटा संरक्षण अधिनियम, 2023 प्रशिक्षण-डेटा के उपयोग, सहमति और दायित्व से संबंधित विधिक ढाँचा प्रदान करता है, जो मॉडल विकास से सीधे जुड़ा है।

आधारभूत मॉडल (Foundation Model) क्या है?

• आधारभूत मॉडल ऐसा बड़े पैमाने का सामान्य-उद्देश्य मॉडल है जो विशाल और विविध डेटा पर प्रशिक्षित किया जाता है और बाद में विशेष कार्यों के लिए अनुकूलित (fine-tune) किया जा सकता है।
• इसकी मूल वास्तुकला मुख्यतः ट्रांसफॉर्मर (Transformer) है, जो ध्यान-तंत्र (Attention Mechanism) पर आधारित है और शब्दों या तत्वों के बीच संबंधों को प्रभावी ढंग से पकड़ती है।
• बड़े भाषा मॉडल (LLM) आधारभूत मॉडल का एक प्रमुख प्रकार है, जो मुख्यतः पाठ पर केंद्रित होता है; कुछ मॉडल छवि, ध्वनि और कोड को भी संभालते हैं।
• प्रशिक्षण के लिए उच्च-क्षमता वाले GPU, भारी विद्युत ऊर्जा और गुणवत्तापूर्ण डेटासेट आवश्यक होते हैं; इसी कारण कंप्यूट क्षमता को मिशन का केंद्रीय स्तंभ रखा गया है।
• स्वदेशी मॉडल से भारतीय भाषाओं, स्थानीय संदर्भों और डेटा संप्रभुता में लाभ मिलता है, क्योंकि संवेदनशील डेटा देश की सीमाओं के भीतर संसाधित हो सकता है।
• इन मॉडलों के साथ पूर्वाग्रह (Bias), गलत सूचना, सुरक्षा और दुरुपयोग जैसे जोखिम भी जुड़े हैं, जिनके लिए सुरक्षित और विश्वसनीय कृत्रिम बुद्धिमत्ता के मानक आवश्यक हैं।
• इंडियाएआई इनोवेशन सेंटर का उद्देश्य मॉडल-विकास, नवाचार और अनुसंधान को सहायता देना है, ताकि घरेलू स्टार्टअप और शोधकर्ता उन्नत मॉडल तैयार कर सकें।

मुख्य विशेषताएँ

Feature	Significance
आधार मॉडल (Foundation Model) का स्वरूप	विशाल आंकड़ों पर प्रशिक्षित बहु-उपयोगी मॉडल, जिसे भाषा समझ, अनुवाद, सारांश और संवाद जैसे अनेक कार्यों के लिए अनुकूलित किया जा सकता है
स्वदेशी विकास	EKA-1 को सोकेट (Soket) और Dhīr 2B तथा Dhīr 5B को ZenteiQ ने विकसित किया है; इससे विदेशी मॉडलों पर निर्भरता घटाने की दिशा में कदम बढ़ता है
नामकरण का संकेत	‘2B’ और ‘5B’ सामान्यतः मॉडल के पैरामीटर (अरब में) की संख्या को दर्शाते हैं, जिससे मॉडल के आकार और क्षमता का अनुमान लगाया जा सकता है
संस्थागत ढाँचा	इंडिया एआई इनोवेशन सेंटर (IndiaAI Innovation Centre) भारत एआई मिशन (IndiaAI Mission) का एक स्तंभ है, जो स्वदेशी आधार मॉडल के विकास को संस्थागत सहयोग देता है
नोडल मंत्रालय	इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय (MeitY) इस मिशन का कार्यान्वयन करता है

महत्व

आर्थिक महत्त्व

• कृत्रिम बुद्धिमत्ता (Artificial Intelligence) के उपयोग से उत्पादकता बढ़ने और नए बाज़ार बनने की संभावना है
• स्वदेशी आधार मॉडल से भारतीय भाषाओं में सेवाएँ और उत्पाद विकसित करने में नव-उद्यमों को सहायता मिलती है
• भारतीय तकनीकी कंपनियों की वैश्विक प्रतिस्पर्धात्मकता बढ़ती है और डिजिटल अर्थव्यवस्था का आधार मज़बूत होता है

रणनीतिक एवं सुरक्षा महत्त्व

• आधार मॉडल पर घरेलू नियंत्रण से डेटा और तकनीकी संप्रभुता (Technological Sovereignty) की दिशा में प्रगति होती है
• संवेदनशील प्रशासनिक और रक्षा संबंधी कार्यों में विदेशी मंच पर निर्भरता कम हो सकती है

प्रशासनिक एवं सामाजिक महत्त्व

• सरकारी सेवाओं में भारतीय भाषाओं का प्रयोग बढ़ाकर डिजिटल समावेशन (Digital Inclusion) को गहरा किया जा सकता है
• स्थानीय संदर्भ और सांस्कृतिक विशेषताओं को समझने वाले मॉडल सार्वजनिक सेवा वितरण को अधिक प्रभावी बना सकते हैं

चुनौतियाँ

1. कंप्यूट और अवसंरचना पर निर्भरता

• बड़े आधार मॉडल के प्रशिक्षण के लिए उच्च-क्षमता वाले कंप्यूट संसाधनों की आवश्यकता होती है
• सीमित घरेलू संसाधनों के कारण छोटे उद्यमों की पहुँच सीमित रह सकती है

यूपीएससी लिंक: GS-3: अवसंरचना तथा प्रौद्योगिकी का विकास

2. प्रशिक्षण डेटा की गुणवत्ता और विविधता

• भारतीय भाषाओं के उच्च-गुणवत्ता वाले, विधिसम्मत और विविध डेटासेट की कमी है
• पूर्वाग्रह (Bias) वाले डेटा से मॉडल के परिणाम असमान या भ्रामक हो सकते हैं

यूपीएससी लिंक: GS-3: कृत्रिम बुद्धिमत्ता के नैतिक एवं तकनीकी पक्ष

3. नैतिकता, पारदर्शिता और उत्तरदायित्व

• मॉडल के निर्णय-प्रक्रिया की व्याख्या (Explainability) कठिन होती है, जिससे जवाबदेही तय करना जटिल हो जाता है
• गलत सूचना, गोपनीयता उल्लंघन और दुरुपयोग के जोखिम बने रहते हैं

यूपीएससी लिंक: GS-2: शासन में नैतिकता और जवाबदेही

4. व्यावसायिक स्थिरता और बाज़ार-प्रवेश

• अनुसंधान से वाणिज्यिक उपयोग तक पहुँचने में निवेश और बाज़ार-समर्थन की आवश्यकता होती है
• वैश्विक बड़े मॉडलों की तुलना में प्रदर्शन-अंतर बने रहने पर अपनाने की दर घट सकती है

यूपीएससी लिंक: GS-3: औद्योगिक नीति और आर्थिक संवृद्धि

5. कौशल और मानव संसाधन

• उन्नत एआई अनुसंधान और मॉडल-विकास के लिए विशेषज्ञ मानव संसाधन सीमित हैं
• शैक्षणिक संस्थानों और उद्योग के बीच समन्वय की कमी से कौशल-अंतर बढ़ता है

यूपीएससी लिंक: GS-3: मानव संसाधन और कौशल विकास

चुनौतियाँ — यूपीएससी दृष्टिकोण

Issue	Concern
उच्च लागत	आधार मॉडल के विकास और संचालन की लागत अधिक होने से निरंतर सार्वजनिक और निजी निवेश आवश्यक है
डेटा की उपलब्धता	भारतीय भाषाओं और क्षेत्रीय संदर्भों के लिए पर्याप्त, स्वच्छ और अनुमोदित डेटा का अभाव है
विनियमन का अभाव	कृत्रिम बुद्धिमत्ता के लिए व्यापक विधिक ढाँचे की प्रक्रिया अभी विकसित हो रही है
सुरक्षा जोखिम	मॉडल का दुरुपयोग, साइबर हमले और गलत सूचना के प्रसार की आशंका बनी रहती है
बाज़ार-अपनाने की चुनौती	सरकारी और निजी उपयोगकर्ताओं द्वारा स्वदेशी मॉडल अपनाने की दर पर निर्भर है

सरकारी पहल — प्रीलिम्स हेतु अवश्य याद रखें

• भारत एआई मिशन (IndiaAI Mission)

आगे की राह

• भारतीय भाषाओं के उच्च-गुणवत्ता डेटासेट का सार्वजनिक और सुरक्षित मंच पर निर्माण किया जाए
• सार्वजनिक कंप्यूट संसाधनों तक नव-उद्यमों, शोध संस्थानों और विश्वविद्यालयों की समान पहुँच सुनिश्चित की जाए
• कृत्रिम बुद्धिमत्ता के नैतिक उपयोग हेतु पारदर्शिता, पूर्वाग्रह-परीक्षण और मानक निर्धारित किए जाएँ
• डेटा संरक्षण और गोपनीयता से संबंधित विधिक ढाँचे को आधार मॉडल के संदर्भ में स्पष्ट किया जाए
• सरकारी विभागों में स्वदेशी मॉडल के पायलट उपयोग को बढ़ावा देकर बाज़ार-अपनाने को प्रोत्साहित किया जाए
• शैक्षणिक संस्थानों और उद्योग के बीच साझेदारी से उन्नत कौशल विकास कार्यक्रम चलाए जाएँ
• सुरक्षा परीक्षण, मूल्यांकन-मानक और स्वतंत्र ऑडिट की व्यवस्था मज़बूत की जाए
• अनुसंधान से वाणिज्यिक उपयोग तक के लिए वित्तीय सहायता और मार्गदर्शन का स्पष्ट तंत्र बनाया जाए

यूपीएससी मूल्य-संवर्धन

प्रारंभिक अभ्यास प्रश्न

Q1. निम्नलिखित कथनों पर विचार कीजिए:
1. इंडियाएआई मिशन का क्रियान्वयन इलेक्ट्रॉनिकी एवं सूचना प्रौद्योगिकी मंत्रालय (MeitY) द्वारा किया जाता है।
2. इंडियाएआई इनोवेशन सेंटर का उद्देश्य स्वदेशी आधारभूत मॉडल और बड़े भाषा मॉडल विकसित करना है।
3. आधारभूत मॉडल को केवल एक ही संकीर्ण कार्य के लिए प्रशिक्षित किया जा सकता है और उसे दूसरे कार्यों के लिए अनुकूलित नहीं किया जा सकता।
उपर्युक्त कथनों में से कितने सही हैं?

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

उत्तर: केवल दो — कथन 1 और 2 सही हैं। इंडियाएआई मिशन को मंत्रिमंडल ने मार्च 2024 में मंज़ूरी दी थी और इसका क्रियान्वयन MeitY करता है; इंडियाएआई इनोवेशन सेंटर स्वदेशी आधारभूत मॉडल विकसित करने का स्तंभ है। कथन 3 गलत है, क्योंकि आधारभूत मॉडल की मुख्य विशेषता ही यह है कि वह व्यापक आंकड़ों पर प्रशिक्षित होकर अनेक निम्नगामी (downstream) कार्यों के लिए अनुकूलित हो सकता है।

Q2. निम्नलिखित में से प्रत्येक में एक अभिकथन (A) और एक कारण (R) दिया गया है।
अभिकथन (A): आधारभूत मॉडल को अनेक निम्नगामी कार्यों के लिए पुनः उपयोग में लाया जा सकता है।
कारण (R): ऐसे मॉडल विशाल और विविध आंकड़ा समुच्चयों पर बड़े पैमाने पर प्रशिक्षित किए जाते हैं।
उपर्युक्त के संदर्भ में सही उत्तर चुनिए:

1. (A) और (R) दोनों सही हैं और (R), (A) की सही व्याख्या है
2. (A) और (R) दोनों सही हैं, परंतु (R), (A) की सही व्याख्या नहीं है
3. (A) सही है, परंतु (R) गलत है
4. (A) गलत है, परंतु (R) सही है

उत्तर: (A) और (R) दोनों सही हैं और (R), (A) की सही व्याख्या है — व्यापक और विविध आंकड़ों पर प्रशिक्षण से मॉडल सामान्य भाषिक या दृश्य संरचनाएँ सीखता है, इसलिए उसे नए कार्यों के लिए थोड़े अतिरिक्त प्रशिक्षण (जैसे फाइन-ट्यूनिंग) से अनुकूलित किया जा सकता है। यही कारण अभिकथन की सही व्याख्या करता है।

Q3. निम्नलिखित सुमेलित सूची (सूची-I और सूची-II) पर विचार कीजिए:
सूची-I (नीति/अधिनियम)
1. राष्ट्रीय कृत्रिम बुद्धिमत्ता रणनीति (#AIforAll)
2. डिजिटल व्यक्तिगत डेटा संरक्षण अधिनियम, 2023
3. सूचना प्रौद्योगिकी अधिनियम, 2000
सूची-II (संबंधित विषय/संस्था)
a. नीति आयोग द्वारा तैयार रणनीति दस्तावेज़
b. डिजिटल व्यक्तिगत डेटा के प्रसंस्करण से संबंधित विधि
c. इलेक्ट्रॉनिक अभिलेखों की वैधानिक मान्यता और साइबर अपराध
सही सुमेलन चुनिए:

1. 1-a, 2-b, 3-c
2. 1-b, 2-c, 3-a
3. 1-c, 2-a, 3-b
4. 1-a, 2-c, 3-b

उत्तर: 1-a, 2-b, 3-c — राष्ट्रीय कृत्रिम बुद्धिमत्ता रणनीति को नीति आयोग ने 2018 में तैयार किया था। डिजिटल व्यक्तिगत डेटा संरक्षण अधिनियम, 2023 डिजिटल व्यक्तिगत डेटा के प्रसंस्करण को विनियमित करता है। सूचना प्रौद्योगिकी अधिनियम, 2000 इलेक्ट्रॉनिक अभिलेखों की वैधानिक मान्यता और साइबर अपराधों से संबंधित है।

मुख्य अभ्यास प्रश्न

✍ इंडियाएआई मिशन के अंतर्गत स्वदेशी आधारभूत मॉडल के विकास को भारत की डिजिटल संप्रभुता की दिशा में एक महत्वपूर्ण कदम माना जा रहा है। इस दावे का समालोचनात्मक परीक्षण कीजिए। साथ ही उत्तर में यह भी स्पष्ट कीजिए कि यदि आंकड़ा संरक्षण और नैतिक एवं विश्वसनीय कृत्रिम बुद्धिमत्ता के ढाँचे को कमज़ोर रखा गया, तो स्वदेशी मॉडल के विकास के उद्देश्य किस प्रकार बाधित हो सकते हैं। (15 Marks)

रूपरेखा: मॉडल उत्तर कंकाल (Expected points):
1. भूमिका: कृत्रिम बुद्धिमत्ता को राष्ट्रीय रणनीति (नीति आयोग, 2018, #AIforAll) से जोड़ते हुए इंडियाएआई मिशन का उल्लेख। मंत्रिमंडल की मंज़ूरी (मार्च 2024) और कुल परिव्यय लगभग 10,372 करोड़ रुपये; क्रियान्वयन MeitY द्वारा।
2. मिशन के स्तंभ: संगणन क्षमता (Compute Capacity, साझा GPU उपलब्धता), इंडियाएआई इनोवेशन सेंटर (स्वदेशी आधारभूत और बड़े भाषा मॉडल), आंकड़ा समुच्चय मंच (IndiaAI Datasets Platform), अनुप्रयोग विकास पहल, कौशल (FutureSkills), स्टार्टअप वित्तपोषण, और नैतिक एवं विश्वसनीय कृत्रिम बुद्धिमत्ता (Safe and Trusted AI)।
3. समालोचनात्मक परीक्षण के पक्ष में तर्क: स्थानीय भाषाओं, भारतीय संदर्भ और सार्वजनिक सेवा अनुप्रयोगों के लिए स्वदेशी मॉडल; डिजिटल सार्वजनिक अवसंरचना (DPI) से समन्वय; विदेशी प्लेटफ़ॉर्म पर निर्भरता घटाना।
4. समालोचना के बिंदु: प्रारंभिक विकास में वैश्विक बड़े मॉडलों की तुलना में पैमाने और निवेश की चुनौती; कंप्यूट और ऊर्जा लागत; प्रतिभा और अनुसंधान आधार की सीमा; ओपन-सोर्स बनाम मालिकाना मॉडल पर नीति-विकल्प; वैश्विक सहयोग (OECD AI सिद्धांत, 2019; भारत की GPAI सदस्यता, 2020) और संप्रभुता के बीच संतुलन।
5. संवैधानिक एवं विधिक ढाँचा: अनुच्छेद 21 के अंतर्गत निजता का अधिकार, न्यायमूर्ति के.एस. पुट्टस्वामी मामला (2017) में इसकी पुष्टि; डिजिटल व्यक्तिगत डेटा संरक्षण अधिनियम, 2023 की भूमिका; सूचना प्रौद्योगिकी अधिनियम, 2000 (धारा 43A का उल्लेख सीमित ऐतिहासिक संदर्भ में); अनुच्छेद 51A(ह) में वैज्ञानिक चिंतन और मानववाद का कर्तव्य।
6. परिणाम उप-प्रश्न: आंकड़ा शासन कमज़ोर होने पर विश्वास की कमी, सहभागिता में बाधा, पूर्वाग्रह (bias) और सुरक्षा जोखिम; नीति-निर्माण में पारदर्शिता, स्वतंत्र मूल्यांकन और सहमति-आधारित आंकड़ा उपयोग की आवश्यकता।
7. निष्कर्ष: स्वदेशी विकास और वैश्विक सहयोग को परस्पर विरोधी न मानकर, विश्वसनीय संस्थागत ढाँचे के साथ संतुलित नीति का तर्क।

स्रोत: PIB (Press Information Bureau)

---

शैक्षिक उद्देश्य हेतु AanyaAi द्वारा जनित।

---

Related guides on our sites

• Anthropology VS PSIR
• Best PSIR optional coaching
• Best PSIR optional coaching online
• Best PSIR optional teacher