अमेरिका, चीन आणि भारत हे धोरण, भांडवल आणि पायाभूत सुविधांमधील वेगवेगळ्या रणनीतींमधून जागतिक AI क्षेत्राला चालना देत आहेत. भारताने लक्षणीय गती दाखवली असली तरी जागतिक एआई नेतृत्व मिळवण्यासाठी त्याला प्रतिभा, डेटा आणि संगणकीय क्षमता यांतील तफावत भरून काढावी लागेल.
.jpg)
जागतिक कृत्रिम बुद्धिमत्ता (AI) बाजारपेठ वेगाने विस्ताराच्या टप्प्यात प्रवेश करत आहे. 2025 ते 2030 या कालावधीत सुमारे 36.6 टक्के वार्षिक संयोजित वाढ दराने (CAGR) वाढ होत 2030 च्या अखेरीस ही बाजारपेठ जवळपास 1811.75 अमेरिकी डॉलर अब्जांपर्यंत पोहोचेल, असा अंदाज आहे. ही वाढ आरोग्य, वित्त, उत्पादन, प्रशासन यांसारख्या विविध क्षेत्रांमध्ये AI च्या वाढत्या परिवर्तनक्षम भूमिकेचे द्योतक आहे. अमेरिका भक्कम संशोधन पायाभूत सुविधा, सार्वजनिक व खासगी गुंतवणूक आणि धोरणात्मक पाठबळ यांच्या आधारावर सर्वाधिक प्रगत AI परिसंस्थेसह आघाडीवर आहे. त्यानंतर चीनचा क्रम लागतो, जिथे बहुस्तरीय कायदे आणि अनुपालन चौकटींसह मोठ्या प्रमाणावर राष्ट्रनियंत्रित गुंतवणूक AI च्या विकासाला चालना देते. भारत जागतिक AI स्पर्धात्मकता आणि गतिमानतेत तिसऱ्या क्रमांकावर आहे. संगणकीय क्षमता, प्रगत संशोधन, विकास आणि नवोपक्रम यांमध्ये काही तफावत असूनही भारताने उल्लेखनीय गती दर्शवली आहे.
भारत जागतिक AI स्पर्धात्मकता आणि गतिमानतेत तिसऱ्या क्रमांकावर आहे. संगणकीय क्षमता, प्रगत संशोधन, विकास आणि नवोपक्रम यांमध्ये काही तफावत असूनही भारताने उल्लेखनीय गती दर्शवली आहे.
चीनचा AI क्षेत्रातील वेगवान उदय हा दीर्घकालीन, टप्प्याटप्प्याने राबवलेल्या धोरणात्मक पाठबळाचा परिणाम आहे. 2017 मधील न्यू जनरेशन AI डेव्हलपमेंट प्लॅनने 2030 पर्यंत जागतिक AI नेतृत्वाचे स्पष्ट उद्दिष्ट ठेवले, ज्याला मोठ्या प्रमाणावर सार्वजनिक आणि खासगी गुंतवणुकीचे समर्थन मिळाले. US $ 8.2 अब्जांचा नॅशनल AI इंडस्ट्री इन्व्हेस्टमेंट फंड आणि स्टार्टअप्स तसेच रोबोटिक्ससारख्या AI-संबंधित क्षेत्रांसाठी US$ 138 अब्जांचा व्यापक नॅशनल व्हेंचर कॅपिटल गाईडन्स फंड ही सार्वजनिक गुंतवणूक मोठ्या तंत्रज्ञान कंपन्या जसे की अलीबाबा आणि बाईटडान्स - AI यांच्या संशोधन व विकासातील खासगी गुंतवणुकीने पूरक ठरली आहे. स्थानिक सरकारे AI पायलट झोनमध्ये अनुदान आणि शिथिल नियम देतात. कम्प्युटिंग वॉवचर्स आणि नॅशनल इंटिग्रेटेड कम्प्युटिंग नेटवर्क सारखी धोरणात्मक संगणकीय पायाभूत सुविधा लार्ज लँग्वेज मॉडेल्स (LLMs) पर्यंतची पोहोच वाढवतात. या उपाययोजनांसह AI शिक्षणावर भर आणि विद्यापीठ-उद्योग सहकार्यामुळे चीनमध्ये मोठा AI संलग्नित प्रतिभासाठा निर्माण झाला आहे, ज्यामुळे जलद व्यावसायिक स्वीकार आणि जागतिक स्तरावर स्पर्धात्मक AI परिसंस्था विकसित झाली आहे.
चीनचे AI शासन मुख्यतः “सुरक्षा-प्रथम” आणि कायदेआधारित आहे. पर्सनल इन्फॉर्मेशन प्रोटेक्शन लॉ (PIPL) आणि डेटा सिक्युरिटी लॉ यांसारख्या कायद्यांसह अल्गोरिदम, डीप सिंथेसिस आणि संबंधित तंत्रज्ञानांवरील क्षेत्रनिहाय नियम एकत्रितपणे लागू केले जातात. या चौकटींमध्ये जोखीम मूल्यमापन, नोंदणी आणि वॉटरमार्किंग यांसारख्या बंधनांचा समावेश आहे, तर राष्ट्रीय सुरक्षा आणि सामाजिक स्थैर्यावर सरकारचे मजबूत नियंत्रण सुनिश्चित केले जाते. डिजिटल सिल्क रोडच्या माध्यमातून चीन क्लाउड सेवा, डेटा सेंटर्स आणि “सेफ सिटी” तंत्रसंच वित्तपुरवठा व मानकांसह निर्यात करून AIचा विस्तार करत आहे. यामुळे देखरेख प्रणालींची वाढ आणि तंत्रज्ञान-आधारित अवलंबित्व अधिक ठळक होऊ शकते. त्याचप्रमाणे, चीनच्या ग्लोबल AI गव्हर्नन्स ॲक्शन प्लॅन मध्ये “ग्लोबल साऊथ” वर विशेष भर देण्यात आला आहे. आंतरराष्ट्रीय सहकार्य, संयुक्त नवोपक्रम आणि विशेषतः विकसनशील देशांना AI तंत्रज्ञान व सेवा विकसित करण्यासाठी समर्थन देणे हे त्याचे स्पष्ट उद्दिष्ट आहे.
चीनचे AI शासन मुख्यतः “सुरक्षा-प्रथम” आणि कायदेआधारित आहे. पर्सनल इन्फॉर्मेशन प्रोटेक्शन लॉ (PIPL) आणि डेटा सिक्युरिटी लॉ यांसारख्या कायद्यांसह अल्गोरिदम, डीप सिंथेसिस आणि संबंधित तंत्रज्ञानांवरील क्षेत्रनिहाय नियम एकत्रितपणे लागू केले जातात.
यासोबतच, शांघाय येथे मुख्यालय असलेल्या वर्ल्ड आर्टिफिशियल इंटेलिजन्स कोओपेरेशन ऑर्गनायझेशन (WAICO) ची स्थापना करण्याच्या चीनच्या उपक्रमाचा उद्देश विकसनशील देशांसाठी जागतिक समन्वय व मानक-निर्मितीमध्ये स्वतःला अग्रस्थानी स्थापित करणे हा आहे. अमेरिकेच्या तंत्रज्ञान नियंत्रणांच्या मर्यादा कायम असतानाही, चीन ग्लोबल साउथसाठी “फुल स्टॅक” पर्याय उपलब्ध करून देत स्वतःला जागतिक मानक-निर्धारक म्हणून मांडण्याचा प्रयत्न करत आहे.
अमेरिका लवकर धोरणात्मक पावले, मोठ्या प्रमाणावरील गुंतवणूक आणि मजबूत पायाभूत सुविधा यांच्या साहाय्याने जगातील आघाडीचे AI केंद्र म्हणून उदयास आले. 2019 मधील एक्झिक्युटिव्ह ऑर्डर ऑन मेन्टेनिग अमेरिकन लीडरशीप इन आर्टिफिशियल इंटेलिजन्स आणि 2020 चा नॅशनल AI इनिशिएटिव्ह ॲक्ट यांनी फेडरल संशोधन, संगणकीय पोहोच आणि विद्यापीठांमधील AI प्रतिभा-विकासाला मोठी चालना दिली. क्रिएटिंग हेल्पफुल इन्सेंटिव्स टू प्रोड्युस सेमीकंडक्टर (CHIPS) ॲक्टने देशांतर्गत सेमिकंडक्टर उत्पादन क्षमता बळकट केली, जी AI विकासासाठी अत्यावश्यक आहे.
शासनाच्या बाबतीत, अमेरिकेचे प्राधान्यक्रम राष्ट्राध्यक्ष डोनाल्ड ट्रम्प यांच्या कार्यकाळात बदलत आहेत. अमेरिकेची AI धोरणात्मक दिशा आता कठोर नियमनाधारित दृष्टिकोनापासून वेग, विस्तार आणि नवोपक्रम-आधारित स्पर्धेकडे वळत आहे. या बदलाचा एक महत्त्वाचा भाग म्हणजे मे 2025 मधील AI डिफ्युसन रुल ची रद्दता. या नियमाने प्रगत AI मॉडेल्स आणि उच्च-स्तरीय चिप्सच्या जागतिक हालचालींवर स्तरित, जोखीम-आधारित निर्यात नियंत्रण चौकट लागू करण्याचा प्रयत्न केला होता. मात्र, अमेरिकेच्या मते हा नियम अतिशय नोकरशाहीप्रधान आणि अंमलबजावणीस कठीण ठरत होता, तसेच इनोव्हेशन आणि निकट सहयोगी देशांशी संबंधांवर प्रतिकूल परिणाम करू शकत होता. कठीण प्रसार-नियंत्रणांवर अवलंबून राहण्याऐवजी, आता लक्ष अमेरिकन AI तंत्रज्ञान स्टॅक आणि मानकांचा जागतिक स्तरावर स्वीकार सुनिश्चित करण्यावर केंद्रित आहे, ज्यासाठी ठोस निर्यात नियंत्रणांसह सक्रिय धोरण वापरले जात आहे. 2025 च्या AI ॲक्शन प्लॅनने या बदलाला अधिक बळ दिले आहे, ज्यामध्ये नियमशिथिलीकरण, खासगी क्षेत्रातील नवोपक्रमाचा वेग वाढवणे आणि देशांतर्गत AI पायाभूत सुविधांचा विस्तार यांना प्राधान्य देण्यात आले आहे, जेणेकरून परराष्ट्र पातळीवर अमेरिकेचे नेतृत्व अधिक मजबूत करता येईल.
अमेरिकेची AI धोरणात्मक दिशा आता कठोर नियमनाधारित दृष्टिकोनापासून वेग, विस्तार आणि नवोपक्रम-आधारित स्पर्धेकडे वळत आहे.
अमेरिकेची योजना नियामक अडथळे कमी करण्यावर, केवळ AI मॉडेल्स आणि चिप उत्पादन क्षमतेचा विस्तार करण्यावरच नव्हे तर डेटा सेंटर्स आणि ऊर्जा क्षमतेच्या वाढीवरही केंद्रित आहे. आंतरराष्ट्रीय स्तरावर अमेरिका स्वतःला हार्डवेअर, सॉफ्टवेअर, मानके आणि सुरक्षा यांचा समावेश असलेल्या “फुल-स्टॅक” AI उपायांचा पुरवठादार म्हणून उभे करत आहे. या दृष्टिकोनातून AI ला एक रणनीतिक औद्योगिक आणि सुरक्षा साधन म्हणून पाहिले जाते, जिथे सुरक्षितता आणि नियामक मर्यादांपेक्षा स्पर्धात्मकता आणि वर्चस्वाला अधिक प्राधान्य दिले जाते.
भारत सध्या आपल्या AI विकासाच्या प्रवासातील एका महत्त्वाच्या टप्प्यात प्रवेश करत आहे. सरकार AI इनोव्हेशन्स, स्टार्टअप्स आणि नवकल्पना केंद्रांना सक्रियपणे पाठिंबा देत आहे. 2024 मध्ये मंजूर झालेल्या “इंडिया AI मिशन”साठी पाच वर्षांसाठी 10,300 कोटी रुपयांचा निधी राखीव ठेवण्यात आला आहे. या उपक्रमाचा उद्देश सामायिक आणि अनुदानित AI संगणन पायाभूत सुविधा उभारणे हा आहे. यासोबतच भारत 38,000 GPU आणि 1,050 TPU उपलब्ध करून देत आहे, जे उद्योगांना अत्यंत अनुदानित दरात दिले जाणार आहेत. हे प्रयत्न देशांतर्गत चिप आणि सेमिकंडक्टर उत्पादन उपक्रमांना पूरक ठरतील आणि भारताच्या AI परिसंस्थेला अधिक बळ देतील. “इंडिया सेमिकंडक्टर मिशन” दीर्घकालीन चिप स्वावलंबनावर भर देते, तर “भाषिनी” आणि प्रस्तावित “इंडिया AI डेटासेट प्लॅटफॉर्म” भाषा सुलभता आणि डेटासेट उपलब्धतेवर लक्ष केंद्रित करतात. स्वदेशी AI मॉडेल्स, सेंटर ऑफ एक्सेलेन्स आणि AI कौशल्यविकास उपक्रम वेगाने विस्तारत आहेत, ज्यामुळे भारत भविष्यात जागतिक स्तरावर AI वापराच्या उदाहरणांमध्ये अग्रणी ठरण्याचा प्रयत्न करत आहे. याचे एक प्रारंभिक यश म्हणजे ‘महाकुंभ 2025’, जिथे AI-आधारित गर्दी व्यवस्थापन आणि भाषिनी-सक्षम ‘कुंभ सहाय्यक’ चॅटबॉटद्वारे बहुभाषिक सहाय्य प्रभावीपणे प्रदान करण्यात आले.
भारताची AI शासन पद्धती मोठ्या प्रमाणावर “प्रथम सक्षम करा, नंतर नियमन करा” या तत्त्वावर आधारित आहे. म्हणजेच AI नवोपक्रमाला चालना देताना नैतिकता आणि सुरक्षिततेशी तडजोड होऊ नये, यावर भर दिला जातो. या अनुषंगाने डिजिटल पर्सनल डेटा प्रोटेक्शन (DPDP) कायदा 2023 तसेच जबाबदार AI संदर्भातील सॉफ्ट-लॉ तत्त्वे लागू करण्यात आली आहेत. अलीकडेच भारताने AI गव्हर्नन्स मार्गदर्शक तत्त्वे जाहीर केली, ज्यात सात मूलभूत तत्त्वांचा समावेश आहे: विश्वास, मानवकेंद्रित विकास, निर्बंधांपेक्षा नवोपक्रमाला प्राधान्य, न्याय आणि समता, उत्तरदायित्व, डिझाइनद्वारे सुलभ समज, सुरक्षितता, लवचिकता आणि शाश्वतता. पंतप्रधान नरेंद्र मोदी यांच्या ‘AI फॉर ऑल’ या दृष्टीकोनाचे प्रतिबिंब या चौकटीत दिसते. या माध्यमातून प्रमाणात वाढ आणि सर्वसमावेशकता यामध्ये संतुलन साधत, दीर्घकालीन स्थैर्य सुनिश्चित करण्याचा आणि AIला व्यापक सामाजिक विकासासाठी प्रभावी साधन बनवण्याचा प्रयत्न केला जात आहे.
भारताची AI शासन पद्धती मोठ्या प्रमाणावर “प्रथम सक्षम करा, नंतर नियमन करा” या तत्त्वावर आधारित आहे. म्हणजेच AI नवोपक्रमाला चालना देताना नैतिकता आणि सुरक्षिततेशी तडजोड होऊ नये, यावर भर दिला जातो.
कार्यकारी दृष्टीने पाहता, भारताचा AI इनोव्हेशनचा मार्ग हा त्याच्या अग्रगण्य डिजिटल पब्लिक इन्फ्रास्ट्रक्चर (DPI) मॉडेलचे अनुसरण आणि पुनरुत्पादन करण्याचा प्रयत्न करतो. या मॉडेलद्वारे भारताने मूलभूत तंत्रज्ञानांचा एक सामायिक सार्वजनिक स्टॅक उभारला, ज्याचा सार्वजनिक आणि खाजगी क्षेत्रातील नवोपक्रमकांनी ओपन-सोर्स सॉफ्टवेअर आणि ओपन API च्या माध्यमातून उपयोग करून विविध अनुप्रयोग आणि सेवा विकसित केल्या.
ही रचना AI क्षेत्रात विस्तारताना सरकार आता तत्सम बहुस्तरीय दृष्टिकोनाचा विचार करत आहे. या पद्धतीत सामायिक आणि अनुदानित संगणन पायाभूत सुविधा, परस्परसंवादी प्लॅटफॉर्म्स आणि मुक्त सार्वजनिक डेटासेट्स यांसारखी मूलभूत संसाधने उपलब्ध करून दिली जातील, ज्यामुळे सार्वजनिक संस्था, स्टार्टअप्स आणि खाजगी कंपन्या स्थानिक गरजा आणि संदर्भ लक्षात घेऊन विविध प्रकारचे AI उपाय विकसित करू शकतील. विशेष म्हणजे, DPI मॉडेलला आधीच जागतिक स्तरावर मोठी दखल मिळाली आहे. अनेक विकसनशील देशांनी त्यांच्या शासन व सेवा वितरणाच्या संदर्भात या तत्त्वांचा स्वीकार आणि अनुकूलन केले आहे. या पार्श्वभूमीवर, AI विकासासाठी DPI-प्रेरित दृष्टिकोन ग्लोबल साउथमधील त्या देशांसाठी विशेषतः उपयुक्त ठरू शकतो, जे त्यांच्या AI परिसंस्थेच्या उभारणीच्या सुरुवातीच्या टप्प्यात आहेत.
भारत जागतिक AI केंद्र म्हणून उदयास येण्याची महत्त्वाकांक्षा बाळगतो; मात्र प्रत्यक्षात काही संरचनात्मक अडचणी आहेत. त्यातील प्रमुख अडचण म्हणजे संगणन (कम्प्युट) पायाभूत सुविधा. सेमिकंडक्टर चिप क्षमतेत वाढ करण्यासाठी मोठे प्रयत्न झाले असले तरी ऊर्जा-कार्यक्षम डेटा सेंटर्सची मर्यादित उपलब्धता, उच्च-कार्यक्षमता संगणन सुविधा (हाय परफॉर्मन्स कम्प्युटिंग) आणि शाश्वत ऊर्जा प्रणालींचा अभाव यामुळे AI चा व्यापक विस्तार मर्यादित राहतो. प्रगत AI मॉडेल्सचे मोठ्या प्रमाणावर प्रशिक्षण व अंमलबजावणी करण्यासाठी हे घटक अत्यावश्यक आहेत.
ही समस्या व्यापक डेटा आव्हानाशीही निगडित आहे. भारताने अल्कोश (AIKosh), ओपन गव्हर्नमेंट डेटा प्लॅटफॉर्म आणि नॅशनल डेटा अँड ॲनालिटिक्स प्लॅटफॉर्म (NDAP) यांसारखे महत्त्वाचे उपक्रम सुरू केले आहेत; तरीही उच्च-गुणवत्तेचे, अद्ययावत आणि क्षेत्रनिहाय डेटासेट्स सर्वत्र समान रीतीने उपलब्ध नाहीत. तुकड्या-तुकड्यांत उपलब्धता, परस्परसंवादी अडचणी आणि सावध डेटा-वाटप पद्धती यामुळे सार्वजनिक आणि खाजगी डेटासेट्सचा प्रभावी AI यूज केसेससाठी पूर्ण क्षमतेने उपयोग होणे कठीण होते.
सेमिकंडक्टर चिप क्षमतेत वाढ करण्यासाठी मोठे प्रयत्न झाले असले तरी ऊर्जा-कार्यक्षम डेटा सेंटर्सची मर्यादित उपलब्धता, उच्च-कार्यक्षमता संगणन सुविधा (हाय परफॉर्मन्स कम्प्युटिंग) आणि शाश्वत ऊर्जा प्रणालींचा अभाव यामुळे AI चा व्यापक विस्तार मर्यादित राहतो. प्रगत AI मॉडेल्सचे मोठ्या प्रमाणावर प्रशिक्षण व अंमलबजावणी करण्यासाठी हे घटक अत्यावश्यक आहेत.
AI क्षेत्रातील आणखी एक महत्त्वाचा अडथळा म्हणजे कुशल मनुष्यबळ. भारत मोठ्या प्रमाणावर आय टी पदवीधर तयार करतो, परंतु प्रगत AI संशोधकांची कमतरता आणि सतत होणारे ब्रेन ड्रेन ही समस्या कायम आहे. यामुळे अग्रगण्य AI संशोधनात जागतिक स्तरावर स्पर्धा करणे आव्हानात्मक ठरते. या आव्हानांवर मात करण्यासाठी समन्वित उपायांची गरज आहे. यामध्ये हरित संगणन पायाभूत सुविधांमध्ये मोठ्या प्रमाणावर सार्वजनिक गुंतवणूक, जबाबदारीने डेटासेट्सना प्रवेश देणारी आणि खाजगी डेटा-वाटपाला प्रोत्साहन देणारी धोरणे, तसेच विविध कौशल्य क्षेत्रांमध्ये प्रतिभा विकसित करणाऱ्या मजबूत प्रशिक्षण साखळ्यांची निर्मिती यांचा समावेश होतो.
शैक्षणिक संस्था व उद्योग यांच्यातील सहकार्य बळकट करणे, क्षेत्रनिहाय संशोधनाचा विस्तार करणे आणि कुशल AI व्यावसायिकांना देशातच टिकवून ठेवण्यासाठी प्रोत्साहन देणे हे पुढील मार्गदर्शक उपाय ठरू शकतात. या माध्यमातून भारताची AI दृष्टी दीर्घकालीन व सर्वसमावेशक परिणामांमध्ये रूपांतरित होऊ शकते.
देवज्योति चक्रवर्ती हे ऑब्झर्व्हर रिसर्च फाउंडेशनच्या सेंटर फॉर डिजिटल सोसायटीजमध्ये रिसर्च असिस्टंट म्हणून कार्यरत आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
Debajyoti Chakravarty is a Research Assistant at ORF’s Center for New Economic Diplomacy (CNED) and is based at ORF Kolkata. His work focuses on the use ...
Read More +
PREV
