AI चे भविष्य आपल्या हातात: दिशा ठरवायची जबाबदारी आपली!

Image Source: Getty

प्रगत आर्टिफिशियल इंटेलिजन्स (AI) मुळातच एक विचित्र संकल्पना आहे.  या संकल्पनेचा विचार क्लासिक 'आइसबर्ग' (Iceberg) उपमेच्या आधारे करता येतो. आइसबर्गच्या टोकावर आपण पाहतो की, बहुतेक वेळेस आपल्याला हे कळत नाही की एआय मॉडेल्स (AI models) नेमके कसे कार्य करतात. ब्लॅक बॉक्सप्रमाणे (black box) असलेल्या एआयमध्ये आपण फक्त इनपुट्स (inputs) आणि आउटपुट्स (outputs) पाहतो, पण या मॉडेल्सच्या अंतर्गत चालणारी तर्कशक्ती (reasoning) मात्र अस्पष्ट आणि अज्ञात असते.

या पृष्ठभागाखाली एक पायरी खाली गेल्यास, एआय विचित्र वाटते कारण त्याच्या सभोवती एक विशिष्ट "संस्कृती" निर्माण झालेली आहे. जेव्हा एआयच्या समर्थकांना असे विचारले जाते की, एआयचा विकास अमेरिकेत मंदावला पाहिजे का, तेव्हा संधीबाबत एक कायमस्वरूपी स्पर्धात्मक मानसिकता दिसून येते, ही गोष्ट आता भू-राजकीय (geopolitical) कारणांनी अधिक तीव्र झालेली आहे: जर आपण शक्तिशाली आर्टिफिशियल जनरल इंटेलिजन्स  (Artificial General Intelligence – AGI) विकसित केला नाही, तर कोणीतरी दुसरं ते तयार करतील. आइसबर्गच्या तळाशी, एआयमुळे मानवजातीला होणाऱ्या संभाव्य फायद्यांबाबत दिल्या जाणाऱ्या घोषणांमध्ये एक अत्यंत महत्त्वाचा मुद्दा वारंवार दुर्लक्षित केला जातो: एआय मॉडेल्स मोठ्या प्रमाणावर तयार करून वापरण्यासाठी अत्यंत प्रचंड इन्फ्रास्ट्रकचर कॅपिटल (infrastructure capital) आवश्यक असते. ही गुंतवणूक आणि व्यवस्था फक्त काही अत्यंत केंद्रीत घटक, जसे की तंत्रज्ञान क्षेत्रातील मोठ्या बहुराष्ट्रीय कंपन्या किंवा संसाधनांनी परिपूर्ण सरकारे यांच्याच हातात राहते. याच पार्श्वभूमीवर, 'रिपब्लिकन एआय' (Republican AI) ही संकल्पना पुढे येते. ही संकल्पना एखाद्या राष्ट्राने स्वतःची कृत्रिम बुद्धिमत्ता प्रणाली तयार करताना आपल्या स्वतःच्या इन्फ्रास्ट्रकचर (infrastructure), डेटाचा (data), मनुष्यबळाचा (labour) आणि व्यावसायिक नेटवर्कचा (business network) उपयोग करून स्वतंत्रपणे काम करण्याच्या क्षमतेवर आधारित आहे. जसजशी अधिकाधिक सरकारे 'रिपब्लिकन एआय' या कल्पनेला स्वीकारू लागली आहेत, तसतसे या लेखात वेगवेगळ्या सरकारांच्या व शासनाच्या प्रकारांनुसार, उद्योग क्षेत्राच्या भूमिकेनुसार आणि संस्थात्मक क्षमतेनुसार उभ्या राहत असलेल्या रिपब्लिकन एआय मॉडेल्सचा (Republican AI Models) सखोल अभ्यास केला गेला आहे.

स्वायत्त AI चे भविष्यातील मॉडेल

सॉवरेन एआय भविष्यकालीन एआय मॉडेल्ससाठी आवश्यक असलेले डेटा संकलन, मुख्यतः जीपीयू, संबंधित ऊर्जा पायाभूत सुविधा आणि वर्कफ्लो व्यवस्थापनामध्ये मोठ्या प्रमाणावर गुंतवणूक करणे अनिवार्य आहे. परिस्थिती अशी आहे की, केवळ अत्यंत केंद्रीकृत आणि सक्षम संस्था, म्हणजे मोठ्या टेक कंपन्या किंवा सरकारे, तंत्रज्ञानाच्या वास्तविकतेच्या आधारावरच मोठ्या प्रमाणात असे मॉडेल्स तयार करण्यास सक्षम आहेत. सॉवरेन आर्टिफिशियल इंटेलिजन्स हा एक क्षणिक ट्रेंड नाही, तर मोठ्या एआय कंपन्या, चिप निर्माते आणि क्लाऊड सेवा देणाऱ्या कंपन्यांच्या सदिच्छेवर अवलंबून राहणे राष्ट्रहिताच्या विरोधात आहे, अशी मान्यता आहे. आर्टिफिशियल इंटेलिजन्सचे सर्व पूर्वग्रह, भ्रम, गार्डरेल्सचा अभाव, उत्तरदायित्वाचा अभाव आणि भांडवलाचे केंद्रीकरण यामुळे सरकारे सार्वभौम एआयकडे वळली आहेत. त्यानंतर, काही महत्त्वाचे घटक एक देशातील सार्वभौम एआयच्या वाटचालीवर परिणाम करतील: एआय उद्योग आणि सरकार यांच्यातील संबंध, नियमनाची ताकद आणि सरकारांमधील संस्थात्मक क्षमता. या घटकांच्या आधारे, हा लेख चार प्रमुख परिस्थिती सुचवितो: एआय टेक्नोस्टेट्स, हायब्रीड सिस्टम्स, निओ फेयूडल प्रणाली आणि निओ-कॉलोनीस.

एआय (AI ) टेक्नोस्टेट्स

मुबलक भांडवल, उद्योगांवरची मजबूत पकड  आणि उच्च संस्थात्मक नियामक क्षमता असलेल्या राज्यांचे एका वेगळ्या स्वरूपात रूपांतर एआय टेक्नोस्टेट्स (AI Technostates) म्हणून होत आहे. ही राज्ये आर्टिफिशियल इंटेलिजन्सच्या (Artificial Intelligence – AI) क्षेत्रात जागतिक नेतृत्वाच्या दिशेने वाटचाल करत आहेत.

अमेरिका (US) आणि चीन (China) हे दोन देश अशा काही सर्वात प्रतिष्ठित संस्थांचे केंद्र आहेत, ज्या एआय (AI ) संशोधन व प्रकाशन क्षेत्रात आघाडीवर आहेत. चीनमध्ये यामध्ये चायनीज अकॅडमी ऑफ सायन्सेस (Chinese Academy of Sciences), त्सिंगहुआ विद्यापीठ (Tsinghua University) आणि झेजियांग विद्यापीठ (Zhejiang University) यांचा समावेश होतो; तर अमेरिकेमध्ये मासाचुसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजी (Massachusetts Institute of Technology – MIT) आणि स्टॅनफोर्ड विद्यापीठ (Stanford University) सारख्या जागतिक दर्जाच्या संस्था आघाडीवर आहेत. या परिप्रेक्ष्यात, अमेरिका ही जगभरातील एआय (AI) मॉडेल्स (models) च्या निर्मितीत आघाडीवर आहे, तर चीन एआय (AI) पेटंट्स (patents) च्या संख्येत आघाडी घेत आहे.

यूएस सरकारने (US Government) देशाच्या AI (आर्टिफिशियल इंटेलिजन्स) नेतृत्वाला अधिक सक्षम करण्यासाठी महत्त्वाच्या तंत्रज्ञानांवरील प्रवेश मर्यादित केला आहे, तसेच सरकार व त्याअंतर्गत एजन्सींना सुपरचार्ज (supercharge) करण्यासाठी एआय (AI) वापर प्रकरणांना (use cases) प्रोत्साहन देण्याचा प्रयत्न केला आहे. या धोरणाचे दोन महत्त्वाचे पैलू आहेत: पहिल्या श्रेणीत, एआय चिप्सवरील (AI chips) नियंत्रणांची एक मालिका आहे, ज्यामध्ये विशिष्ट एआय (AI) चिप्सच्या विक्रीसाठी जगाला तीन गटांमध्ये विभागले गेले आहे. कमीत कमी मर्यादित ते अधिकतम मर्यादित. दुसऱ्या श्रेणीत, बायडन प्रशासनाचा ट्रस्टवर्द्धक एआय वरील कार्यकारी आदेश (executive order) (जो आता रद्द करण्यात आला आहे) सरकारच्या एआय (AI) प्रतिसाद सुसंगत करण्याचा प्रयत्न होता. ट्रम्प (Trump) यांच्या दुसऱ्या कार्यकाळाच्या सुरुवातीच्या अध्यक्षीय कृतींपैकी एक महत्त्वाची कृती म्हणजे सरकार कार्यक्षमता विभाग (Department of Government Efficiency - DOGE) स्थापन करणे. हा विभाग एक तात्पुरती, अर्ध-सरकारी एजन्सी असून त्याचे मुख्य कार्य म्हणजे यूएस सरकारच्या सॉफ्टवेअर (software), नेटवर्क इन्फ्रास्ट्रक्चर (network infrastructure) आणि आयटी प्रणालींचे (IT systems) आधुनिकीकरण करणे. 

2024 फेडरल एजन्सीने दाखवलेल्या AI वापर प्रकरणांच्या सूचीपत्रात 1,757 प्रकरणे नोंदवली आहेत. या प्रकरणांमध्ये USA JOBS पोर्टलवरील नोकरी शिफारसी सुधारण्यासाठी व्यक्ती व्यवस्थापन कार्यालयाने AI चा वापर केला आहे, तसेच गृहसुरक्षा विभागाने प्रवाशांच्या तपासणीसाठी पूरक असलेल्या सोशल मीडियाचे निरीक्षण करणाऱ्या AI साधनांची खरेदी केली आहे. त्याचबरोबर, यूएसमधील AI पायाभूत सुविधांच्या प्रकल्पांमध्ये खाजगी क्षेत्राकडून मोठ्या प्रमाणावर गुंतवणूक होत आहे. जानेवारीत जाहीर झालेला “स्टारगेट” प्रकल्प हा एका 500 अब्ज अमेरिकन डॉलरच्या AI इन्फ्रास्ट्रक्चर गुंतवणुकीचा एक भाग आहे. याशिवाय, यूएस सरकारनेही AI पायाभूत सुविधा प्रोत्साहनासाठी हातभार लावला आहे. कार्यकारी आदेश 14141 अंतर्गत डेटा सेंटरसाठी फेडरल जमीन वाटप करण्यात आली आहे. (नवीन प्रशासनाने अद्याप रद्द न केलेल्या काही बायडन ईओपैकी एक).

चीन विकसनशील देशांच्या काळात आघाडीवर आहे. फेब्रुवारी 2025 च्या सुरूवातीस चॅटबॉट एरिनाच्या (Chatbot Arena)  लीडरबोर्डवरील टॉप 10 मध्ये फक्त तीन नॉन-यूएस Large Language Models चीनी होते: त्यापैकी दोन डीपसिक (DeepSeek) कडून आणि एक स्टेपफन(StepFun) कडून विकसित करण्यात आले आहे.  चीनने अमेरिकेच्या उच्च-तंत्रज्ञान क्षमतांचा फायदा घेतला, आणि चीनमधील आर्थिक जासूसीच्या चिंतेमुळे अमेरिकेच्या तंत्रज्ञानावर प्रतिबंध घातल्यानंतर अनेक उच्च-तंत्रज्ञान प्रतिभावंत नागरिक परदेशातून परत आले. यामुळे देशाच्या स्वदेशी मॉडेल्सचा विकास घडला, तर अमेरिकेच्या चिप्सवरील निर्यात नियंत्रणांनी पुढाकार मिळवून दिला.

शेवटी, अमेरिकेच्या प्रभावाकडे दुर्लक्ष करीत, चीनी कम्युनिस्ट पक्षाने राष्ट्रीय व शहरस्तरीय सरकारांमार्फत एआय रिसर्चला स्पॉन्सरशिप दिली, सबसिडी दिली आणि खाजगी क्षेत्राने गुंतवणूक करावी म्हणून अशा कंपन्यांनाही पाठबळ दिले. अशा रेगुलेशन मुळे आणि संस्थात्मक पाठबळाच्या जोरावर चीन स्वायत्त एआय (AI) तयार करण्यात एक मोठा “स्टेट-टेक्नोस्टेट” म्हणून उदयास आला आहे.

चित्र 1:  AI मधील ग्लोबल लीडर्स

स्रोतः स्टॅनफोर्ड ग्लोबल ए. आय. व्हायब्रन्सी टूल. [15] * आंतरराष्ट्रीय सीमा ज्या मूळ स्वरूपात दिसतात.

अमेरिका आणि चीन या दोन्ही देशांमध्ये एआय टेक्नोस्टेट्स बनण्याची क्षमता आहे. अमेरिकन सरकारची प्रचंड संस्थात्मक क्षमता सरकारच्या स्वतःच्या प्रक्रिया सुपरचार्ज करण्यासाठी वापरली जात असताना, चीन सरकार देशात एआय विकासाचे नेतृत्व करीत आहे आणि खाजगी क्षेत्रात मिळवलेल्या गुंतवणुकीच्या तुलनेत अधिक गतीने गुंतवणूक करत आहे. बीजिंगने एआय सेवांसाठी जगातील सर्वात जुनी आणि सर्वसमावेशक मार्गदर्शक तत्त्वे आणि नियमदेखील जारी केली आहेत. दोन्ही सरकारे मोठी आणि प्रभावशाली आहेत: अमेरिकन फेडरल सरकार 2 दशलक्ष नागरिकांना रोजगार देते, तर चीन सरकारकडे 8 दशलक्ष नागरी सेवक आहेत. तथापि, जागतिक बँकेच्या निर्देशांकांवर आधारित अमेरिकन सरकारची प्रभावीता आणि नियामक गुणवत्ता अधिक असली तरी, हे सर्वसमावेशक नियंत्रणात रूपांतरित होत नाही.

हे लक्षात घेण्यासारखे आहे की सार्वभौम एआयचे हे मॉडेल अगदी विपरीत रूप धारण करू शकते. कारण एआयचा वापर निवड वाढविण्यासाठी आणि स्वातंत्र्य मर्यादित करण्यासाठी समानपणे केला जाऊ शकतो. तो एक पोलिस स्टेट बनवू शकतो किंवा, एका अर्थतज्ज्ञाने ज्या प्रकारे वर्णन केलं आहे, "एआय-फोर्टिफाइड ई-गव्हर्नमेंट सह हाय-टेक ओपन सोसायटी" म्हणून देखील रूपांतरित होऊ शकतो.

हायब्रीड प्रणाली

हायब्रीड प्रणालीमध्ये आर्टिफिशियल इंटेलिजन्स (AI ) पायाभूत सुविधा आणि वापराच्या प्रकरणांचा समांतर विकास अंतर्भूत असतो. एका पातळीवर, विविध सरकारे आपल्या एआय (AI ) पायाभूत सुविधा आणि मॉडेल्स विकसित करण्यासाठी काही देशी तर काही विदेशी कंपन्यांसोबत भागीदारी करताना दिसून येतात. अशा प्रणालीमध्ये सरकारच्या पुढाकारातून काही निवडक क्षेत्रांमध्ये एआयचा (AI) विकास व उपयोग होतो, मात्र सर्वच क्षेत्रांमध्ये तो दिसून येतो असे नाही. ही प्रणाली डिजिटल सार्वजनिक पायाभूत सुविधा (डीपीआय) मॉडेलच्या स्वरूपात देखील विकसित होऊ शकते. यात ओपन-सोर्स डेटासेट्स आणि मॉडेल्स, सर्वसामान्यांसाठी सहज उपलब्ध संगणकीय सुविधा आणि एआय-प्लॅटफॉर्म-एज-अ-सर्व्हिस (AI-PaaS) यांचा समावेश असतो.

सार्वभौम आर्टिफिशियल इंटेलिजन्सच्या दिशेने वाटचाल करणारे अनेक देश या श्रेणीत मोडतात. भारत सरकारचा दृष्टिकोन हे याचे ठळक उदाहरण ठरते, ज्यात भाषिणी सारखी अनेक स्थानिक ओपन-सोर्स मॉडेल्स, ओपन गव्हर्नमेंट डेटासेट्स आणि संगणकीय क्षमतेचा समावेश आहे. यासोबतच मायक्रोसॉफ्टसारख्या आघाडीच्या तंत्रज्ञान कंपन्यांशी केलेली भागीदारीही महत्त्वाची ठरते. या सरकारी प्रयत्नांच्या केंद्रस्थानी B2B (बिझनेस-टू-बिझनेस) भागीदारी आहे. उदाहरणार्थ, NVDIA आणि भारतातील विविध उद्योग समूहांमध्ये झालेली सामंजस्य करार हे या सहकार्याचे प्रमुख निदर्शक आहेत.

युरोपियन युनियनचे (ईयू) अनेक सदस्य देश, जर डिजिटल मार्केट अ‍ॅक्ट आणि ईयू एआय अ‍ॅक्ट यांचे एकत्रित पॅकेज यशस्वी झाले, तर हायब्रीड सिस्टम किंवा एआय टेक्नोस्टेट मॉडेलकडे वळतील. ईयूच्या दृष्टिकोनाचा प्रमुख फायदा म्हणजे त्याची सामूहिक नियामक ताकद आणि संस्थात्मक क्षमता. ही क्षमता त्याला बाजारात सकारात्मक बदल घडवण्यास, तसेच वैयक्तिक सदस्य राष्ट्रांना शक्य नसलेल्या पद्धतीने गुंतवणूक आकर्षित करण्यास मदत करते. हे खरं असलं तरीही, ईयूकडे अमेरिका किंवा चीनच्या तुलनेत घरगुती एआय पॉवरहाऊसेस नाहीत, ना त्यांच्या प्रमाणात संख्या किंवा स्केल. सिंगापूरही एक हायब्रीड उदाहरण आहे, जिथे संशोधन संस्था, सरकारी संस्था आणि आंतरराष्ट्रीय कंपन्यांमध्ये सखोल भागीदारी पाहायला मिळते. सिंगापूर नॅशनल एआय स्ट्रॅटेजी 2.0 मध्ये नमूद केलं आहे की, सिंगापूर एआय मध्ये ( AI ) ग्लोबल लीडर (Global Leader) देश बनण्याची आकांक्षा बाळगतो, अशा पर्यायी एआय (AI) क्षेत्रांमध्ये जागतिक नेतृत्व गाठण्याची इच्छा आहे, जे आर्थिक दृष्ट्या प्रभावी असून सार्वजनिक हिताची सेवा करतात.सिंगापूर सरकारने एआय व्हेरिफाय(AI Verify) सारख्या सामायिक संसाधने आणि सेवा देखील सुरू केल्या आहेत. हे एक टेस्टिंग टूलकिट आहे, जे कंपन्यांना त्यांच्या स्वतःच्या एआय प्रणालींची कार्यक्षमता तपासण्यासाठी वापरता येते.

निओ फ्यूडलिझम प्रणाली

निओ-फ्यूडलिझम ही पारंपरिक फ्यूडलिझमची एक नवीन रूपरेषा आहे, जिथे “सार्वजनिक कायदा, सार्वजनिक मालमत्ता, योग्य प्रक्रिया आणि नागरिकांचे हक्क” या संपूर्ण क्षेत्रावर खाजगी व्यवसायाचे अनियमित नियंत्रण असते. कमकुवत सरकार आणि दुर्बळ प्रशासन तसेच क्लोज्ड सोर्स मॉडेलवर आधारित मोठ्या एआय (AI) कंपन्यांच्या प्रबळ प्रभावामुळे एआय (AI) मध्ये एक निओ-फ्यूडलिझमची अवस्था उद्भवू शकते. विज्ञानकथांमध्ये अशा व्यवस्थांचे उदाहरण 1982 च्या क्लासिक चित्रपट ब्लेड रनर (Blade Runner) मध्ये पाहायला मिळते, जिथे कोणतेही सरकार किंवा शहर नसून,  जग हे टायरेल कॉर्पोरेशन (Tyrell Corporation) या खाजगी कंपनीने चालवलेले असते. सध्या ओपनएआय (OpenAI), गुगल डीपमाइंड (Google DeepMind) आणि अँथ्रोपिक (Anthropic) यांच्या AGI (Artificial General Intelligence) संशोधनासाठी वापरल्या जाणाऱ्या कोअर क्लोज्ड सोर्स मॉडेलवर (closed-source) आहेत. OpenAI चे सॅम ऑल्टमन हे क्लोज्ड सोर्स अधिक सुरक्षित असल्याचे सांगतात, विशेषतः AGI (Artificial General Intelligence) सारख्या धोकादायक तंत्रज्ञानासाठी. तथापि यूएस सायबर अँड इन्फ्रास्ट्रक्चर सिक्युरिटी एजन्सी (CISA) यांनी असे म्हटले आहे की ओपन-सोर्स (open-source) AI चे फायदे धोके जास्त आहेत. क्लोज्ड सोर्स विरुद्ध ओपन सोर्स यावरचा वाद अद्याप सुटलेला नाही आणि प्रोप्रायटरी मॉडेल्स (proprietary models) हे सध्याचे मानक आहेत. AGI कडे जाण्याच्या शर्यतीत वेग वाढल्याने एआय ( AI ) ऑलिगोपॉली (oligopoly) सर्वसामान्य होईल कारण यशस्वी होण्यासाठी मोठ्या प्रमाणात गुंतवणूक, डेटा आणि संगणकीय क्षमता लागते, जी लहान कंपन्यांना मोठ्या कंपन्यांमध्ये विलीन होण्यास भाग पाडेल आणि हे प्रक्रिया विश्वासविरोधी कायद्यांसह थांबवली जाऊ शकत नाही. एक नवीन निओ-फ्यूडल प्रणाली उदयास येऊ शकते जिथे सरकारची सेवा आणि कार्ये पूर्णपणे खाजगी क्षेत्रातील मोठ्या संस्थांना सुपूर्त केली जातील आणि कदाचित आपण “कंपनी-सिटीज” (company-cities) देखील पाहू, जिथे समाज संपूर्णपणे एआय (AI) सेवा प्रदात्यांभोवती केंद्रित असेल. हे अजूनही सार्वभौम एआय (Sovereign AI) चे स्वरूप आहे, परंतु पारंपरिक सार्वभौमत्वाचे रूप हळूहळू नव्या कॉर्पोरेट सार्वभौमांमध्ये विलीन होत असल्याचे चित्र स्पष्ट दिसू लागते.

निओ-कॉलोनी व्यवस्था

कमी संस्थात्मक क्षमता, कमकुवत किंवा अस्तित्वात नसलेले नियम, आणि त्यांच्या देशात अत्यल्प देशी किंवा परदेशी उद्योग गुंतवणूक असलेली सरकारे, अशा सरकारांचे देश त्यांच्या सीमांपलीकडे विकसित झालेल्या एआय मॉडेल्सचे केवळ ग्राहक बनून राहतील. अशा "नव-वसाहती" ग्राहक आणि खरेदीदार देशांची भूमिका ही मुख्यतः डेटा व इतर एआय इनपुट्सच्या पुरवठादाराची असेल, आणि ते इतर तीन प्रमुख प्रणालींपैकी एका हायब्रीड, टेक्नोस्टेट किंवा निओ फ्यूडलिझम प्रणालीशी जोडले जातील. सध्याच्या घडीला एआय गुंतवणूक, संशोधन आणि विकासाची भौगोलिकदृष्ट्या मर्यादित एकाग्रता, तसेच काही भागांतील अत्यल्प सरकारी तयारी लक्षात घेता, बरेच देश या निओ-कॉलोनी मॉडेलमध्ये अडकण्याचा गंभीर धोका पत्करत आहेत.

Figure 2: Concentration of Notable Machine Learning Models, by Country

भौगोलिक क्षेत्रानुसार उल्लेखनीय मशीन लर्निंग मॉडेल्सची संख्या, 2003-23 

स्रोतः स्टॅनफोर्ड AI निर्देशांक अहवाल

आफ्रिकन युनियनच्या कॉन्टिनेंटल एआय स्ट्रॅटेजीसारख्या भौगोलिक पातळीवर सार्वभौम एआयला पाठिंबा देणारे काही नवोदित प्रयत्न सध्या अस्तित्वात आहेत. या प्रयत्नांचे मुख्य आधारस्तंभ म्हणजे सुसंगत नियमावली निर्माण करणे, सहकारी क्षमतेचा विकास करणे, संसाधने एकत्रित करणे आणि खऱ्या अर्थाने प्रभावी नियामक संस्था स्थापन करणे.  नवीन तांत्रिक युगात जुन्या वसाहतवादी संरचना पुन्हा उदयाला येऊ नयेत यासाठी सातत्यपूर्ण आणि वाढत्या प्रमाणात होणारे हे प्रयत्न अत्यंत आवश्यक आणि मूलभूत ठरणार आहेत.

निष्कर्ष: धोरणनिर्मात्यांसाठी भविष्याचा वेध

या लेखात मांडलेली परिस्थिती ही केवळ एक अपूर्ण चित्र उभं करू शकते, कारण वास्तवातील जग हे सार्वभौम एआयच्या प्रक्षेपांवर परिणाम करणाऱ्या अनेक परस्परावलंबी घटकांनी व्यापलेलं आहे. उदाहरणार्थ, किफायतशीर फ्युजन यशस्वी होते की नाही, किंवा ऊर्जा पायाभूत सुविधांवरील वाढती स्पर्धा सामाजिक अस्थिरतेला जन्म देते का, हे अत्यंत निर्णायक ठरू शकते. 'विश्वास' हा आणखी एक महत्त्वाचा घटक ठरतो , समाज आपल्या सरकारांवर किती विश्वास ठेवतो आणि त्या सरकारांना त्यांच्या हिताचे खरे प्रतिनिधी मानतो का, यावर बरेच काही अवलंबून असेल. वेगवेगळ्या संस्थांनी मांडलेल्या तर्कांमध्ये प्रत्येक दृष्टिकोनाला नियंत्रण आणि प्रादेशिकतेच्या वेगवेगळ्या परिणामांची गरज भासत असते. त्यामुळे विश्लेषक अनेकदा सार्वभौम एआय प्रकल्पांच्या वैधतेकडेच अधिक लक्ष देताना दिसतात. परंतु सत्य हे आहे की, सार्वभौम एआय हा या दशकातील सर्वात निर्णायक प्रवाह आहे. या लेखात मांडलेली चार परिदृश्ये हे निरीक्षकांना एवढाच संदेश देतात, सार्वभौम एआयच्या मूल्यांकनात केवळ तांत्रिक मॉडेल किंवा साधनांचा विचार करून थांबू नका, तर त्याकडे ठोस धोरणात्मक परिणामांच्या (Concrete Outcomes - OUs) दृष्टिकोनातूनही पाहा.

• Artificial Intelligence
• India
• AI centralization
• AI development models
• AI governance
• AI infrastructure
• AI policy
• AI regulation
• AI technostates
• artificial general intelligence
• Artificial Intelligence
• closed-source AI
• geopolitical AI
• hybrid AI models
• India
• institutional AI capacity
• national AI strategy
• neo-colonialism AI
• Neo-feudal AI
• open-source AI
• Public-private AI partnerships
• sovereign AI

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.

PREV NEXT