கணக்கீடானது (Compute), வன்பொருளை விட மிகவும் சிக்கலானது. இது உள்ளூர் தரவு மையங்கள், மேகக்கணினி தொழில்நுட்பத்தைத் தளுவுதல் (cloud adoption) மற்றும் செயற்கை நுண்ணறிவு அமைப்புகளை உருவாக்க மற்றும் நிர்வகிக்க தேவையான மென்பொருளை உள்ளடக்கியது. பொது-தனியார் கூட்டாண்மையின் கொள்கைகளைப் பின்பற்றி, கணினி தொழில்நுட்பத்தை முழுமையான கண்ணோட்டத்தில் பார்ப்பதன் மூலம் இந்தியா பயனடையும்.
விளாடிமிர் புடின் 2017-ல் செயற்கை நுண்ணறிவின் முன்னணியில் இருக்கும் தேசம் "உலகின் ஆட்சியாளராக இருக்கும்" என்று அறிவித்தபோது செயற்கை நுண்ணறிவுக்கு உலகளாவிய முன்னுரிமை அளித்தார். அப்போதிருந்து, ஒவ்வொரு உலகத் தலைவரும் அதன் முக்கியத்துவத்தை வலியுறுத்தியுள்ளனர். சீனாவைப் பொறுத்தவரை, செயற்கை நுண்ணறிவு ஒரு தேசிய முன்னுரிமையாகப் பார்க்கப்படுகிறது. ஜனாதிபதி ஜோ.பைடனின் கீழ் செயற்கை நுண்ணறிவு மீது அமெரிக்கா ஒரு நிர்வாக ஆணையை வெளியிட்டது. பிளெட்ச்லி பூங்காவில் (Bletchley Park) செயற்கை நுண்ணறிவு பற்றிய உலகளாவிய உச்சிமாநாட்டை இங்கிலாந்து நடத்தியது. இது, G7 மற்றும் G20 ஆகிய இரண்டும் செயற்கை நுண்ணறிவுக்கான மேம்பாடு மற்றும் பாதுகாப்புக்கான முக்கிய செயல் திட்டங்களை உருவாக்கியுள்ளன.
இந்தியா செயற்கை நுண்ணறிவை ஆரம்பத்தில் ஏற்றுக்கொண்டது. ஜூன் 2018-ல், நிதி ஆயோக் செயற்கை நுண்ணறிவுக்கான தேசிய உத்தியை வெளியிட்டது. இந்த உத்தியானது "அனைவருக்கும் செயற்கை நுண்ணறிவு" (AI for All) என்ற கொள்கையின் மீது கவனம் செலுத்தியது மற்றும் சுகாதாரம், கல்வி, விவசாயம், திறன்மிகு நகரங்கள் (smart city) மற்றும் திறன்மிகு போக்குவரத்து (smart mobility) ஆகியவற்றை செயற்கை நுண்ணறிவை செயல்படுத்துவதற்கான ஐந்து முன்னுரிமைத் துறைகளாகக் கொண்டுள்ளது. மார்ச் 2024-ல் அரசாங்கம் தொடர்ந்த IndiaAI திட்டத்தில் (IndiaAI Mission) இந்த நடவடிக்கைகளில் சில சேர்க்கப்பட்டுள்ளன. புதிய அரசாங்கம் பதவியேற்கும் போது, இந்த பணியை முதன்மையானதாக மாற்றுவது மிகவும் முக்கியமானது. உருவாக்கும் செயற்கை நுண்ணறிவின் (Generative AI) விரைவான பரிணாம வளர்ச்சி மற்றும் அதிக சக்திவாய்ந்த பெரிய மொழி மாதிரிகள் (Large Language Models (LLM)) தோன்றியதன் மூலம், உலகெங்கிலும் உள்ள நாடுகளும் நிறுவனங்களும் வேகத்தைத் தக்கவைத்து, தலைமைப் பதவிக்கு போட்டியிட முயற்சி செய்கின்றன. இந்த உலகளாவிய போட்டியில் இந்தியா முன்னிலை வகிக்க வேண்டும்.
செயற்கை நுண்ணறிவு திட்டம் (AI mission) மற்றும் அதன் முக்கிய கூறுகளை கொண்டுள்ளது. இந்த முயற்சிக்கு அமைச்சரவை 10,372 கோடி ரூபாய் (தோராயமாக $1.3 பில்லியன்) ஒதுக்கீடு செய்துள்ளது. இது பல துறைகளில் கவனம் செலுத்துகிறது. தரவுத்தொகுப்பு தளங்களை நிறுவுதல், புதுமை மற்றும் செயலிகள் உருவாக்கும் மையங்கள் (innovation and application development centres) மற்றும் எதிர்கால திறன்களை மேம்படுத்துதல், பாதுகாப்பான மற்றும் நம்பகமான செயற்கை நுண்ணறிவுக்கான நடைமுறைகளை உறுதி செய்வது போன்றவை அவற்றில் அடங்கும். மற்றொரு முக்கிய அம்சம் புத்தொழில்களை ஆதரிப்பதில் உள்ளது. இருப்பினும், இந்த திட்டத்தின் முக்கிய கவனம் நாட்டிற்காக, ஒதுக்கப்பட்ட நிதியில் கிட்டத்தட்ட பாதியுடன் (ரூ. 4,568 கோடி), நாட்டில் அதிநவீன கணினி திறனை உருவாக்குவதை நோக்கமாகக் கொண்டுள்ளது. இந்த முன்முயற்சியானது உள்ளூர் தேவைகளைப் பூர்த்தி செய்ய கணினித் திறனை அதிகரிப்பதையும், முன்னுரிமைத் துறைகளுக்கு குறைவான விலையில் கணினி வளங்களை வழங்குவதன் மூலம் "செயற்கை நுண்ணறிவு இடைவெளியை" (AI divide) குறைப்பதையும் நோக்கமாகக் கொண்டுள்ளது.
இந்த திட்டத்தின் ஒரு பகுதியில் குறிப்பிடத்தக்க கவனம் மற்றும் முதலீடு கொடுக்கப்பட்டால், அதை தீவிரமாக ஆராய்வது முக்கியம் ஆகும். மின்னணு மற்றும் தகவல் தொழில்நுட்ப அமைச்சகம், இந்த திட்டத்தின் முயற்சியின் முக்கிய பகுதியாக India AI கணினி திறன் (Compute Capacity) உள்ளது என்று கூறுகிறது. அரசு மற்றும் தனியார் துறைகளுக்கு இடையிலான கூட்டாண்மை மூலம் 10,000க்கும் மேற்பட்ட வரைகலை செயலாக்க அலகுகளை (Graphics Processing Units (GPU)) பயன்படுத்தி மேம்பட்ட செயற்கை நுண்ணறிவு கணக்கிடும் திறனை (AI Compute Capacity) நிறுவுவதை இது நோக்கமாகக் கொண்டுள்ளது. இந்த இலக்கு பாராட்டத்தக்கது என்றாலும், அது எவ்வாறு செயல்படுத்தப்படும் மற்றும் இந்தியாவின் நீண்ட கால இலக்குகளுடன் இது ஒத்துப்போகிறதா என்பதை மதிப்பிடுவது மிகவும் முக்கியமானது.
முதலில், எண்ணிக்கை மிகவும் குறைவாகவே தெரிகிறது. சூழலைப் பொறுத்தவரை, தனியார் நிறுவனமான Meta, இதை விட 60 மடங்கு அதிகமான வரைகலை செயலாக்க அலகுகளைக் (Graphics Processing Units (GPUs)) கொண்டிருக்கும். உலகெங்கிலும் உள்ள சிறிய செயற்கை நுண்ணறிவு தொடக்கங்கள் கூட அதிக வரைகலை செயலாக்க அலகுகளைக் (GPU) கொண்டுள்ளன. ஏனென்றால், பெரிய மொழி மாதிரிகள் (Large Language Models (LLM)) மற்றும் உருவாக்கும் செயற்கை நுண்ணறிவுக்கு (GenAI) பயிற்சி மற்றும் அனுமானத்திற்கு அதிக அளவு கணினியின் ஆற்றல் தேவைப்படுகிறது. எடுத்துக்காட்டாக, GPT-3 பயிற்சி 3,640 petaflops கணினியின் ஆற்றலை எடுத்தது. இதை, ஒப்பிடுகையில், 10,000 GPUகள் 25 petaflops மட்டுமே வழங்குகின்றன. மேலும், GPT-3 ஏற்கனவே காலாவதியானது. அதற்குப் பிறகு உருவாக்கப்பட்ட புதிய மாதிரிகளுடன் ஆறு ஆண்டுகள் கொண்டவை. இந்த தொழில்நுட்பம் எவ்வாறு நிர்வகிக்கப்படுகிறது என்பதைப் புரிந்துகொள்வதும் முக்கியம். ISRO அல்லது BARC போன்ற வெற்றிகரமான உதாரணங்களை இந்தியா கொண்டிருந்தாலும், அதிகாரத்துவத்தால் மட்டுமே நிர்வகிக்கப்படும் வளங்களின் முக்கியத்துவத்துடன் உருவாக்குவது எப்போதும் பயனுள்ளதாக இருக்காது. இந்த முயற்சிக்கான பொது-தனியார் கூட்டாண்மை மாதிரியைப் பற்றி குறிப்பிடப்பட்டுள்ளது. ஆனால், குறிப்பிட்ட விவரங்கள் இன்னும் வழங்கப்படவில்லை.
வரைகலை செயலாக்க அலகுகளை (GPU) வாங்குவதன் முக்கியத்துவம் பற்றிய மிகப்பெரிய கேள்வியான, அதிக செலவுமிக்கவை மற்றும் போதுமான அளவு இல்லை என்பதுதான். தற்போது, தொழில்நுட்பம் வேகமாக முன்னேறி வருகிறது. இதில், Nvidia ஒவ்வொரு 12 மாதங்களுக்கும் புதிய மாதிரிகளை வெளியிடுகிறது. இன்டெல், AMD, Cerebrus போன்ற புத்தொழில் நிறுவனங்கள் மற்றும் பிற பெரிய தொழில்நுட்ப நிறுவனங்கள் தங்கள் சொந்த செயற்கை நுண்ணறிவை மையப்படுத்தப்பட்ட சிப்புகளை (chip) உருவாக்குவதன் மூலம் Nvidia-வைத் தாண்டி தொழில்துறை வளர்ச்சியடைந்து வருகிறது. செயற்கை நுண்ணறிவு மேகக்கணினி (AI cloud) வழங்குநர்களிடமிருந்து கணக்கீட்டை வாடகைக்கு எடுப்பது போன்ற தங்களின் அணுகுமுறையை வேறுபடுத்துவது புத்திசாலித்தனமாக இருக்கலாம்.
அனைத்து ஹைப்பர்ஸ்கேலர்கள் (hyperscalers) மற்றும் பிற கிளவுட் வழங்குநர்கள் (other cloud provider) புதிய சிப்புகளைச் (new chip) சேர்த்து தங்கள் வாடிக்கையாளர்களுக்கு கூடுதல் தேர்வுகளை வழங்குகிறார்கள். செயற்கை நுண்ணறிவு வரைகலை செயலாக்க அலகுகள் (GPU) திறனில் வரவு-செலவு திட்டத்தில் எவ்வாறு செலவிடுவது என்பதை தீர்மானிக்கும் போது, GPUகள் மட்டுமின்றி தேவைப்படும் உண்மையான திறனையும் கருத்தில் கொள்வது அவசியம். GPU-கள் எப்போதும் பயன்படுத்தப்படாததால், வரவு-செலவு திட்டம் நீட்டிக்கப்படலாம் மற்றும் தேவைப்படும் போது அதிக திறனை வாங்கலாம். மேலும், அதன் மீது கட்டுப்பாட்டைப் பேணுவது நாட்டிற்கு முக்கியமானது. எனவே, அரசாங்கம் வலுவான கூட்டாண்மைகளை நிறுவி, இந்த செயற்கை நுண்ணறிவுக்கான திறன் நாட்டின் எல்லைக்குள் இருப்பதை உறுதி செய்ய வேண்டும். இந்தியா தற்போது வலுவான புவிசார் அரசியல் நிலைப்பாட்டை கொண்டுள்ளது. குறிப்பாக, அமெரிக்காவுடன் ஒப்பிடுகையில், அதற்கேற்ப அதன் முக்கியமான செயற்கை நுண்ணறிவு உள்கட்டமைப்பை நிர்வகிப்பதற்கான விதிமுறைகளை அமைக்க முடியும்.
கணினி தொழில்நுட்பம் என்பது வன்பொருளை விட அதிகமானவற்றை உள்ளடக்கியது. உள்ளூர் தரவு மையங்கள், மேகக்கணினி தொழில்நுட்பத் தளுவுதல் (cloud adoption) மற்றும் செயற்கை நுண்ணறிவு அமைப்புகளுக்கு தேவையான மென்பொருளை உருவாக்குதல் ஆகியவை இதில் அடங்கும். இந்தியா தனது பொது-தனியார் கூட்டாண்மை (PPP) தத்துவத்தை திறம்பட செயல்படுத்த, வன்பொருளை மட்டும் பெறாமல், கணினி தொழில்நுட்பத்திலும் விரிவான அணுகுமுறையை இந்தியா பரிசீலிக்க வேண்டும். அரசாங்கத்தின் அனைத்து இராஜதந்திரத்திற்கான செயற்கை நுண்ணறிவு மற்றும் IndiaAI திட்டம் (IndiaAI Mission) ஆகியவை பாராட்டுக்குரிய முயற்சிகள் ஆகும். இப்போது, இந்த உத்திகளைச் சரியாகச் செயல்படுத்துவதை உறுதி செய்வதற்கும், செயற்கை நுண்ணறிவின் பத்தாண்டு காலத்தில் இந்தியாவை ஒரு முன்னுதாரணமாக நிலைநிறுத்துவதற்கும் தொழில்துறை மற்றும் சர்வதேச கூட்டாளர்களுடனான ஒத்துழைப்பு மிக முக்கியமானது ஆகும்.
எழுத்தாளர் இங்கிலாந்தில் Tech Whisperer Ltd, UK நிறுவனத்தின் நிறுவனர் மற்றும் அசோகா பல்கலைக்கழகத்தில் பேராசிரியராகவும் உள்ளார்.