एंटरप्राइज आर्टिफिशियल इंटेलिजेंस को स्केलेबिलिटी और लागत बाधाओं का सामना
स्रोत:द हिंदू ↗
क्यों मायने रखता है
यह शासन और व्यवसाय में AI को अपनाने की प्रक्रिया क्यों रुक रही है, इस पर महत्वपूर्ण प्रशासनिक और नैतिक दृष्टिकोण प्रदान करता है, जो सीधे तौर पर GS2 (ई-गवर्नेंस की बाधाएं), GS3 (AI और प्रौद्योगिकी अनुप्रयोग), और GS4 (AI निर्णय लेने की नैतिकता) से संबंधित है।
सारांश
इन्फोसिस के संस्थापक नंदन नीलेकणी ने रेखांकित किया है कि उद्यम (enterprise) और सार्वजनिक क्षेत्र के अनुप्रयोगों के लिए आर्टिफिशियल इंटेलिजेंस (AI) को बड़े पैमाने पर विस्तार देना (scaling) उम्मीद से अधिक कठिन साबित हो रहा है। उन्होंने तीन प्रमुख बाधाओं की पहचान की है: उच्च "cost per inference" जो विशाल आबादी के लिए इसकी पहुंच को सीमित करती है; विश्वसनीयता संबंधी चिंताएं जैसे कि AI "hallucinations" जो उद्यमों को महत्वपूर्ण निर्णय लेने के लिए इस पर भरोसा करने से रोकती हैं; और सरकारी मंत्रालयों के भीतर गंभीर "data silos" जो सार्वजनिक क्षेत्र में AI की तैनाती के लिए आवश्यक डेटा-शेयरिंग में बाधा डालते हैं। नीलेकणी ने यह भी तर्क दिया कि मॉडलों (जैसे DeepSeek) के तेजी से होते 'commoditization' के कारण एक स्वदेशी भारतीय Large Language Model (LLM) बनाना पूरी तरह से आवश्यक नहीं है, बल्कि वास्तविक चुनौती यह सुनिश्चित करने में है कि AI की तैनाती अत्यधिक सुरक्षित, अत्यधिक सटीक और पूर्वाग्रह (bias) से मुक्त हो।
मुख्य बिंदु
- AI को बड़े पैमाने पर लागू करना लागत, सटीकता और संगठनात्मक बाधाओं के कारण अपेक्षा से अधिक कठिन साबित हो रहा है।
- भारत की जनसंख्या के लिए AI को व्यावहारिक बनाने हेतु, "cost per inference" का अत्यंत कम होना (जैसे कि ₹1) आवश्यक है, जो वर्तमान में इसके डिप्लॉयमेंट को विशाल Large Language Models के बजाय छोटे मॉडल्स तक सीमित कर देता है।
- विश्वसनीयता संबंधी समस्याओं, जैसे कि "hallucinations", के कारण उद्यमों द्वारा AI को अपनाना धीमा और सतर्क है, जिससे संगठन निर्णय लेने की जिम्मेदारी AI प्रणालियों को सौंपने में हिचकिचा रहे हैं।
- सार्वजनिक क्षेत्र में AI का परिनियोजन गंभीर संरचनात्मक बाधाओं का सामना करता है क्योंकि सरकारी विभाग अक्सर अपने कार्यक्षेत्रों तक सीमित (territorial silos) रहते हैं, जो AI मॉडलों के लिए आवश्यक डेटा साझा करने की प्रक्रिया को बाधित करता है।
- AI को सुरक्षित, सटीक और बिना किसी पूर्वाग्रह के तैनात करना स्वदेशी फाउंडेशनल मॉडल बनाने की तुलना में अधिक महत्वपूर्ण है, विशेष रूप से तब जब फाउंडेशनल मॉडल तेजी से कोमोडिटाइज (commoditized) होते जा रहे हैं।
महत्वपूर्ण शब्द
डीपसीक
एक चीनी ओपन-सोर्स AI मॉडल जो प्रशिक्षण लागत के एक मामूली हिस्से में GPT-4 जैसे पश्चिमी सिस्टम्स का मुकाबला करता है, जो कुशल और कम लागत वाले AI विकास की दिशा में एक बदलाव का संकेत देता है।
UPSC context
GS पेपर III: विज्ञान एवं प्रौद्योगिकी और भू-राजनीति; वैश्विक AI प्रतिस्पर्धा और भारत की 'सॉवरेन AI' (Sovereign AI) रणनीति को प्रभावित करता है।
AI मतिभ्रम
ऐसी घटनाएँ जहाँ AI अत्यधिक आत्मविश्वास के साथ तथ्यात्मक रूप से गलत, तर्कहीन या मनगढ़ंत जानकारी उत्पन्न करता है, जो उद्यमों और शासन में महत्वपूर्ण निर्णय लेने की प्रक्रिया के लिए विश्वसनीयता संबंधी जोखिम पैदा करती हैं।
UPSC context
GS पेपर III (विज्ञान एवं प्रौद्योगिकी) और पेपर IV (नीतिशास्त्र); सार्वजनिक सेवा में 'Responsible AI' के कार्यान्वयन की चुनौतियां।
डेटा साइलो
डेटा के ऐसे अलग-थलग समूह जो व्यक्तिगत विभागों या मंत्रालयों के पास होते हैं और जिन्हें किसी संगठन के भीतर आसानी से एक्सेस या साझा नहीं किया जा सकता, जिससे एकीकृत AI-संचालित अंतर्दृष्टि (insights) प्राप्त करने में बाधा उत्पन्न होती है।
UPSC context
GS पेपर II: Governance; भारत में प्रभावी e-Governance और अंतर-विभागीय समन्वय के लिए एक प्रमुख संरचनात्मक बाधा।
प्रति इन्फरेंस लागत
एक प्रशिक्षित AI मॉडल का उपयोग करके एकल प्रतिक्रिया (response) या पूर्वानुमान (prediction) उत्पन्न करने की आवर्ती परिचालन लागत (recurring operational expense), जो बड़ी आबादी के लिए स्केल किए जाने पर अत्यधिक रूप से उच्च हो सकती है।
UPSC context
GS पेपर III: अर्थव्यवस्था/विज्ञान एवं प्रौद्योगिकी; 'IndiaAI मिशन' और बड़े पैमाने पर सार्वजनिक क्षेत्र के AI के विस्तार हेतु एक प्रमुख व्यावहारिकता मानक (viability metric)।
डिजिटल पब्लिक इंफ्रास्ट्रक्चर (DPI)
आधारभूत डिजिटल प्रणालियाँ जैसे Aadhaar और UPI जो सुरक्षित और बड़े पैमाने पर संवाद को सक्षम बनाती हैं; इसके आधुनिक संस्करण (DPI 2.0) नागरिक-केंद्रित सार्वजनिक सेवा वितरण में सुधार के लिए तेजी से AI को एकीकृत कर रहे हैं।
UPSC context
GS पेपर II और III: शासन और विज्ञान एवं प्रौद्योगिकी; भारत के अद्वितीय डिजिटल विकास मॉडल के ज्ञान का परीक्षण करता है।
प्रौद्योगिकी का वस्तुकरण
जटिल तकनीक का एक मानक और व्यापक रूप से उपलब्ध वस्तु में रूपांतरण, जो बाजार मूल्य को तकनीक के निर्माण से हटाकर विशिष्ट समाधानों में उसके अनुप्रयोग के तरीके पर स्थानांतरित कर देता है।
UPSC context
GS पेपर III: अर्थव्यवस्था और विज्ञान एवं प्रौद्योगिकी; नए बेस मॉडल बनाने के बजाय भारत की 'एप्लीकेशन-फर्स्ट' AI की रणनीति के लिए प्रासंगिक।
प्रारंभिक ट्रैप
भारत में जन-संख्या के स्तर पर AI को तैनात करने के लिए स्वदेशी फाउंडेशनल LLMs विकसित करना एक अनिवार्य पूर्व-शर्त है।
विशेषज्ञों का तर्क है कि मॉडल कमोडिटाइजेशन (model commoditization) मौजूदा ओपन-सोर्स मॉडलों की फाइन-ट्यूनिंग (fine-tuning) को शुरुआत से निर्माण करने की तुलना में अधिक व्यवहार्य बनाता है। पूर्ण आवश्यकताएं (absolute requirements) क्लासिक जाल हैं।
संबंधित अवधारणाएँ
राष्ट्रीय डेटा गवर्नेंस फ्रेमवर्क पॉलिसी (NDGFP) क्या है?
- उद्देश्य: विभिन्न सरकारी मंत्रालयों में गैर-व्यक्तिगत डेटा संग्रह, प्रबंधन और साझाकरण को मानकीकृत करके संरचनात्मक डेटा साइलो (structural data silos) का समाधान करता है।
- इंडिया डेटासेट्स प्रोग्राम: AI मॉडलों को प्रशिक्षित करने और घरेलू स्टार्टअप इकोसिस्टम को सहायता प्रदान करने के लिए अनाम, गैर-व्यक्तिगत डेटा का एक विशाल भंडार बनाता है।
- IDMO: MeitY के तहत इंडिया डेटा मैनेजमेंट ऑफिस (IDMO) इन डेटा मानकों को लागू करने के लिए नोडल एजेंसी के रूप में कार्य करता है।
आर्टिफिशियल इंटेलिजेंस में 'इनफरेंस' और 'हलुसिनेशन' का क्या अर्थ है?
- AI इनफरेंस: वह परिचालन चरण (operational phase) जिसमें पहले से प्रशिक्षित मशीन लर्निंग मॉडल आउटपुट, भविष्यवाणियां (predictions) या टेक्स्ट उत्पन्न करने के लिए नए डेटा को संसाधित करता है।
- प्रति इन्फरेंस लागत: एक एकल प्रतिक्रिया उत्पन्न करने के लिए आवश्यक कम्प्यूटेशनल और वित्तीय लागत; जनसंख्या-स्तर पर तैनाती के लिए इसे कम रखना अनिवार्य है।
- AI हेलुसिनेशन: ऐसे मामले जहाँ एक AI सिस्टम आत्मविश्वास के साथ गलत, मनगढ़ंत या निरर्थक जानकारी उत्पन्न करता है, जो महत्वपूर्ण गवर्नेंस में इसकी विश्वसनीयता को गंभीर रूप से सीमित कर देता है।
अंतर-विषय पैटर्न
भारत के DPI पर AI लेयर
भारत का DPI (UPI, आधार) इंटरऑपरेबिलिटी (interoperability) पर टिका है। जनसंख्या-स्तर पर AI को लागू करने के लिए विभागीय डेटा साइलो (departmental data silos) को तोड़ने की आवश्यकता है, जो सीधे GS2 ई-गवर्नेंस संरचनाओं को GS3 की उभरती प्रौद्योगिकियों (emerging technologies) से जोड़ता है।
प्रौद्योगिकी का वस्तुकरण बनाम डेटा संप्रभुता
जैसे-जैसे फाउंडेशनल एआई मॉडल्स सुलभ (commoditize) हो रहे हैं, राष्ट्रीय ध्यान अब शुरुआत से स्वदेशी मॉडल विकसित करने के बजाय स्थानीयकृत फाइन-ट्यूनिंग, पूर्वाग्रह शमन (bias mitigation) और सुदृढ़ गैर-व्यक्तिगत डेटा गवर्नेंस की ओर स्थानांतरित हो रहा है।
2026 की Mains परीक्षा में भारत के ई-गवर्नेंस के लिए AI के विस्तार में संरचनात्मक बाधाओं—कंप्यूट लागत (compute cost), हैलुसिनेशन (hallucinations), डेटा साइलो (data silos)—का विश्लेषण करने वाले प्रश्न की अपेक्षा करें।
संबद्ध PYQ · 3
संबद्ध PYQ · 3
- 2024MainsGS4
The application of Artificial Intelligence as a dependable source of input for administrative rational decision-making is a debatable issue. Critically examine the statement from the ethical point of view.
- 2025MainsGS2
e-governance projects have a built-in bias towards technology and back-end integration than user-centric designs. Examine.
- 2023MainsGS3
Introduce the concept of Artificial Intelligence (AI). How does Al help clinical diagnosis? Do you perceive any threat to privacy of the individual in the use of Al in healthcare?
