'சீர்திருத்தங்கள் 3.0', செயற்கை நுண்ணறிவு (AI) சார்ந்த நாட்டை உருவாக்குவதில் கவனம் செலுத்த வேண்டும். இந்த வாய்ப்பை இந்தியா தவறவிடக் கூடாது.
சுதந்திரத்திற்குப் பிந்தைய 45 ஆண்டுகளில், இந்தியாவின் வளர்ச்சி வெறும் 3% என்ற குறைவான விகிதத்திலேயே இருந்தது. இது 'இந்து வளர்ச்சி விகிதம்' (Hindu rate of growth) என்று பரவலாக விமர்சிக்கப்பட்டது. 1991-ல், இந்தியா ஒரு 'செலுத்துச் சமநிலை நெருக்கடியை' (balance-of-payments crisis) எதிர்கொண்டது. இந்த நெருக்கடி நாட்டைப் பொருளாதார தாராளமயமாக்கல் நடவடிக்கைகளை மேற்கொள்ள கட்டாயப்படுத்தியது. ஒரு பத்தாண்டிற்குள்ளேயே, மொத்த உள்நாட்டு உற்பத்தியின் (GDP) வளர்ச்சி வெகுவாக அதிகரித்தது. இதிலிருந்து நாம் கற்றுக்கொண்ட பாடம் என்னவென்றால், நெருக்கடிகள் பெரும்பாலும் சீர்திருத்தங்களுக்கு வழிவகுக்கின்றன. இந்தச் சீர்திருத்தங்கள் பொருளாதாரத்தில் மிகப்பெரிய மாற்றங்களை ஏற்படுத்துகின்றன. 1991-ல் தாராளமயமாக்கல் ஏற்படுத்திய அதே போன்றதொரு பெரும் மாற்றத்தை உருவாக்கும் ஆற்றலை இன்று செயற்கை நுண்ணறிவு (AI) வழங்குகிறது. இந்தியா இதில் முதலீடு செய்ய முடியுமா என்பது கேள்வியல்ல; மாறாக, முதலீடு செய்யாமல் இருக்க இந்தியாவுக்கு முடியுமா என்பதே கேள்வி. பிரதமர் நரேந்திர மோடியின் 12 ஆண்டுகால தலைமைக்குப் பிறகு, சீர்திருத்த நடவடிக்கைகளில் இந்தியா மற்றொரு முக்கிய மைல்கல்லை (WhatsApp போன்றதொரு புரட்சிகரமான தருணத்தை) எட்டியுள்ளது. அதாவது, 'இந்து வளர்ச்சி விகித' (Hindu rate of growth) நிலையிலிருந்து 'இந்தியா வளர்ச்சி விகித' (Bharat rate of growth) நிலைக்கு — அதாவது அடுத்த பத்தாண்டுகளில் 8% மற்றும் அதற்கும் மேலான வளர்ச்சிக்கு இந்தியாவை உயர்த்துவதற்கான தருணமாக உள்ளது.
செயற்கை நுண்ணறிவு (AI) அணுகலை (AI tokens) இலவசமாக்குவதற்கான அவசியம்
புத்தாக்கத்தின் மூலம் உள்கட்டமைப்பில் பல தலைமுறை வளர்ச்சிகளை ஒரே நேரத்தில் கடந்து செல்ல முடியும் என்பதை இந்தியா ஏற்கனவே நிரூபித்துள்ளது. உலகின் மிகப்பெரிய பயோமெட்ரிக் (உயிரியல் அடையாள) அமைப்பான 'ஆதார்' (Aadhaar) திட்டத்தில் 138 கோடி மக்கள் பதிவு செய்துள்ளனர். உலகின் நிகழ்நேர டிஜிட்டல் பணப் பரிவர்த்தனைகளில் (real-time digital payments) 50%-ஐக் கையாளும் ஒருங்கிணைந்த கட்டண இடைமுகம் (UPI), தற்போது ஆண்டுக்கு 250 பில்லியன் பரிவர்த்தனைகளை (மதிப்பு $3.4 டிரில்லியன்) மேற்கொள்கிறது. 2016-ல் தொடங்கப்பட்ட ரிலையன்ஸ் ஜியோ (Reliance Jio), வெறும் ஐந்து மாதங்களில் 10 கோடி சந்தாதாரர்களை இணைத்ததுடன், இணைய வசதியையும் கிட்டத்தட்ட இலவசமாக்கியது. திறந்தநிலை AI மாதிரிகளை (open AI models) ஏற்றுக்கொள்வது, கணினி வன்பொருள் (compute hardware) தேர்வுகளைப் பன்முகப்படுத்துவது மற்றும் 'டேட்டா'வைப் போலவே 'AI அணுகலையும்' இலவசமாக்குவது ஆகியவற்றின் மூலம், ஆதார் மற்றும் UPI போன்ற சாதனைகளை செயற்கை நுண்ணறிவு (AI) காலகட்டத்திலும் இந்தியா எவ்வாறு மீண்டும் நிகழ்த்த முடியும்?
இந்தியா தனது மொத்த உள்நாட்டு உற்பத்தியில், வெறும் 0.65%-ஐ மட்டுமே ஆராய்ச்சி மற்றும் மேம்பாட்டிற்கு (R&D) செலவிடுகிறது. இது சீனா (2.4%), அமெரிக்கா (3.5%), தென் கொரியா (4.9%) மற்றும் இஸ்ரேல் (5.4%) ஆகிய நாடுகளின் செலவினங்களைவிட மிகக் குறைவு. 1947 முதல் 1991 வரை ஆட்சியில் இருந்த சோசலிசக் கொள்கை கொண்ட காங்கிரஸ் அரசாங்கங்கள், நாட்டின் நிதி நிலைமை காரணமாக அதிகச் செலவு செய்ய முடியாது என்று வாதிட்டன. அந்த வாதம் இன்று பொருந்தாது; இனிமேலும் அது பொருந்தவும் கூடாது. இப்போது எழும் முக்கிய கேள்வியானது, செயற்கை நுண்ணறிவு (AI) அணுகல்களை இலவசமாக்குவதற்கான நேரம் வந்துவிட்டதா? அப்படியென்றால், அதை நாம் எவ்வாறு செயல்படுத்தப் போகிறோம்? நாட்டின் முதல் 100 தேசிய ஆராய்ச்சி மற்றும் மேம்பாட்டு நிறுவனங்களுக்கும், 5,000 பள்ளிகளுக்கும் அணுகல்களை இலவசமாக்குவதன் மூலம், செயற்கை நுண்ணறிவை விஞ்ஞானிகளுக்கும் மாணவர்களுக்கும் ஒரு பயனுள்ள கூட்டமைப்பாக மாற்ற முடியுமா?
இந்தியா ஒவ்வொரு ஆண்டும் கலோரிகள், இரசாயனங்கள் மற்றும் கார்பன் ஆகியவற்றிற்கு மானியம் வழங்க சுமார் 49 பில்லியன் டாலர்களைச் செலவிடுகிறது. இப்போது அது அறிவாற்றலுக்கு மானியம் வழங்கத் தயாராக இருக்கிறதா என்பதுதான் கேள்வி. அதற்கான பதில் 'ஆம்' என்பதாகும். இந்தியாவால் ஏற்கனவே இதற்கான செலவை மேற்கொள்ள முடியும். தற்போது பிற மானியங்களுக்குச் செலவிடப்படும் தொகையுடன் ஒப்பிடுகையில், இதற்கான செலவு மிகச் சிறிய அளவே ஆகும். நாட்டின் முதல் 100 பல்கலைக்கழகங்கள் மற்றும் தேசிய ஆராய்ச்சி மற்றும் மேம்பாட்டு நிறுவனங்கள், அத்துடன் 5,000 உயர்நிலைப் பள்ளிகளுக்கான முழுமையான செயற்கை நுண்ணறிவு அணுகல் மானியத்திற்கு ஆண்டுக்கு சுமார் 2 பில்லியன் டாலர் செலவாகும். இது மொத்த உள்நாட்டு உற்பத்தியில் தோராயமாக 0.06% ஆகும். இந்த செயற்கை நுண்ணறிவு முதலீடு, இந்தியாவின் உணவு மானியத்தில் சுமார் பதினான்கில் ஒரு பங்காகவும், அதன் உர மானியத்தில் பத்தில் ஒரு பங்காகவும், மேலும் ஒரே காலாண்டில் எல்பிஜி வருவாய் இழப்புகளுக்காக எண்ணெய் சந்தைப்படுத்தல் நிறுவனங்களுக்கு வழங்கப்படும் இழப்பீட்டுத் தொகையைவிடக் குறைவாகவும் உள்ளது. இது மிகப்பெரிய அல்லது நடைமுறைக்குச் சாத்தியமற்ற நிதித்தொகை அல்ல. இது இந்தியாவின் தற்போதைய நலத்திட்டச் செலவினங்களில் இது மிகச்சிறிய ஒரு பகுதியே ஆகும். ஆனால், இது மாற்றத்தை உருவாக்கும், கூட்டுவட்டி வருமானத்தை ஈட்டும் ஆற்றலைக் கொண்டுள்ளது.
இந்தியாவுக்கு கூடுதல் நிதி தேவையில்லை. அதற்குத் தேவைப்படுவது புதிய முன்னுரிமைகள், புதிய கொள்கை கட்டமைப்புகள் மற்றும் தற்போதுள்ள வளங்களைச் சிறப்பாக மறுபகிர்வு செய்தல் ஆகியவைதான். முதலாவதாக, தற்போதுள்ள பயனாளிகளுக்கு வழங்கப்படும் சலுகைகளில் ஒரு ரூபாயைக்கூட குறைக்காமலேயே 'AI அணுகலுக்கு' (செயற்கை நுண்ணறிவுச் சேவைக்கான அலகுகள்) நிதியளிக்க முடியும். மானியத் தொகையின் வளர்ச்சியை ஓராண்டுக்கு மட்டும் நிறுத்தி வைப்பதன் மூலம் இதைச் சாத்தியமாக்கலாம். கடந்த பத்தாண்டுகளில் உரமானியம் மட்டுமே ஆண்டுக்கு 11% கூட்டு வளர்ச்சி விகிதத்தில் (CAGR) அதிகரித்துள்ளது. இரண்டாவதாக, AWS, Google மற்றும் Microsoft போன்ற மிகப்பெரிய தொழில்நுட்ப நிறுவனங்களுடன் (hyperscalers) இந்தியா பொது-தனியார் கூட்டாண்மையை உருவாக்க வேண்டும். இதன் மூலம், தரவு மையங்களுக்கான நிலம், மின்சார மானியங்கள் மற்றும் தரவு குறித்த உத்தரவாதங்களை, அரசு வழங்கலாம். அதற்குப் பதிலாக, இந்நிறுவனங்கள் இலவச AI செயலாக்கத் திறனை (AI inference capacity) வழங்க முடியும். இந்தியாவின் 1.4 பில்லியன் பயனர் சந்தை, சில நாடுகளால் மட்டுமே ஈடுசெய்யக்கூடிய ஒரு பேரம்பேசும் (bargaining) ஆற்றலை அதற்கு வழங்குகிறது. இருப்பினும், புவிசார் அரசியல் மற்றும் நிச்சயமற்ற தன்மையால் வடிவமைக்கப்படும் இத்தகைய தொழில்நுட்ப-வணிகப் பேச்சுவார்த்தைகளுக்குக் கணிசமான திறமை தேவைப்படும். மூன்றாவதாக, தேவைப்பட்டால், கட்டணம் செலுத்தும் பெருநிறுவனங்களுக்கான செயற்கை நுண்ணறிவு (AI) சேவைகள் மூலம் பள்ளிகள் பள்ளிகள் மற்றும் ஆராய்ச்சி நிறுவனங்களுக்கான இலவச அணுகலை வழங்க நிதியளிக்க முடியும்.
இலவசத் தரவு (data) சேவையானது இந்தியாவை மாற்றியமைத்தது போலவே, இலவச செயற்கை நுண்ணறிவு (AI) அணுகல்களும் அதே மாற்றத்தை ஏற்படுத்தக்கூடும். மாறாக, அரசு 'ஜியோ' (Jio) நிறுவனத்திற்கு நேரடியாக மானியம் வழங்கவில்லை; மாறாக, அதற்கான சரியான ஒழுங்குமுறைச் சூழலை உருவாக்கியது. அலைக்கற்றை ஏலங்கள், இணைய நடுநிலைமை (net neutrality), உள்கட்டமைப்புப் பகிர்வு மற்றும் நீண்டகால முன்னோட்டத் திட்டம் (pilot programme) ஆகியவற்றின் மூலம் அரசு இதைச் சாதித்தது.
இதன் விளைவாக, மூன்றாண்டுகளுக்கும் குறைவான காலத்தில், இணைய அணுகலின் விலை ஒரு ஜிபிக்கு சுமார் $3-லிருந்து $0.10 ஆகக் குறைந்தது. இதே உத்தியை செயற்கை நுண்ணறிவு (AI) அணுகலுக்கும் பயன்படுத்தலாம். இதனால், சரியான சூழலை உருவாக்குவதன் மூலம், சந்தை வளர்ச்சியை ஏற்படுத்தலாம். இந்தியாவின் பங்கு காசோலையை எழுதுவது அல்ல, மாறாக அதைத் தேவைப்படாத நிலையை உருவாக்குவதே அதன் பணியாகும்.
மாதிரிகளை வழங்குதல்
சான் பிரான்சிஸ்கோ அல்லது பெய்ஜிங்கிலிருந்து பயன்பாட்டு நிரலாக்க இடைமுகம் (Application Programming Interface(API)) மூலம் பெரிய மொழி மாதிரிகளைப் (LLMs) பயன்படுத்துவது மட்டுமல்லாமல், அவற்றை தெளிவுப்படுத்தி இயக்குவதற்கான திறனை இந்தியா உருவாக்க வேண்டும். சர்வம் (Sarvam) மூலம், முன்னணி மாதிரிகளை இந்திய மண்ணிலேயே பயிற்றுவிக்க முடியும் என்பதை அது ஏற்கனவே காட்டியுள்ளது. அடுத்த கட்டமாக, சில திறந்த-வள மாதிரிகள் (open-source model) சீனாவிலிருந்து வந்தாலும், க்வென் (Qwen), டீப்ஸீக் (DeepSeek), கிமி (Kimi), லாமா (Llama) மற்றும் சர்வம் (Sarvam) போன்ற மாதிரிகளை இறையாண்மைக் கொண்ட உள்கட்டமைப்பில் வெளிப்படுத்த வேண்டும். மாதிரிகள் இலவசமாக இருக்கலாம். இருப்பினும், அவற்றை பெரிய அளவில் நிறுவுவதற்குத் தேவையான நிபுணத்துவமும் உள்கட்டமைப்பும் இலவசமானவை அல்ல. விண்வெளி மற்றும் அணுசக்தித் திட்டங்களுக்கு அரசாங்கம் ஏற்கனவே செய்ததைப் போலவே, செயற்கை நுண்ணறிவு உள்கட்டமைப்பையும் ஒரு உத்திசார் தேசியத் திறனாகக் கருதவேண்டும். எந்தவொரு தனிப்பட்ட சூழலமைப்பையும் சார்ந்திருப்பதைத் தவிர்க்க, இறையாண்மை மற்றும் திறந்த மூல மாதிரிகளை இணைக்கும் ஒரு கலப்பின உத்தியை இந்தியா பின்பற்ற வேண்டும். திறந்த மூல மாதிரிகள் நான்கு முக்கிய நன்மைகளை வழங்குகின்றன. ஒரே இரவில் கட்டுப்படுத்தப்படக்கூடிய வெளிநாட்டு பயன்பாட்டு நிரலாக்க இடைமுகங்களைச் (API) சார்ந்திருப்பதைக் குறைப்பதன் மூலம் அவை இறையாண்மையை மேம்படுத்துவதன் மூலம், ஒரு அணுகலுக்கான உரிமக் கட்டணங்களை நீக்குவதன் மூலம் குறைந்த செலவுகள், அதன்மூலம் இலவசக் கல்வி மற்றும் ஆராய்ச்சிப் பயன்பாடுகளைச் சாத்தியமாக்குதல்; இந்திய மொழிகள் மற்றும் கலாச்சாரச் சூழல்களுக்கு ஏற்ப தனிப்பயனாக்குதல் மற்றும் அரசாங்கம் மற்றும் பாதுகாப்புப் பயன்பாடுகளுக்கான தணிக்கை செய்யக்கூடிய மாதிரிகளின் தன்மை மூலம் வெளிப்படைத்தன்மையை வழங்குகின்றன.
தேசிய அளவில் பெரிய மொழி மாதிரிகளை (LLMs) நிறுவுவது என்பது ஒரு மென்பொருள் கொள்கலனை நிறுவுவது போல் எளிமையானது அல்ல. இந்தியா பின்வரும் அம்சங்களில் ஆழ்ந்த நிபுணத்துவத்தை வளர்த்துக் கொள்ள வேண்டும். பல பிராந்திய மிகைத்தன்மை மூலம் அதிகளவு கிடைப்பதை அது உறுதி செய்ய வேண்டும். மேலும், முக்கிய அரசு சேவைகளுக்கு 99.99% செயல்பாட்டு நேரத்தை அது வழங்க வேண்டும். அது தாமதத்தைக் குறைக்க வேண்டும். அடுக்கு-2 மற்றும் அடுக்கு-3 நகரங்களில் கூட, அணுகல் பதிலளிப்பு நேரங்கள் 200 மில்லி விநாடிகளுக்குக் குறைவாக இருக்க வேண்டும். செயல்திறன் (தொகுப்பு அட்டவணைப்படுத்தல் போன்ற நுட்பங்களைப் பயன்படுத்தி, நுகரப்படும் ஒவ்வொரு யூனிட் மின்சாரத்திற்கும் உருவாக்கப்படும் செயற்கை நுண்ணறிவு அணுகலின் எண்ணிக்கை); பாதுகாப்பு (தரவு இருப்பிட இணக்கத்தை உறுதிசெய்து, உடனடி ஊடுருவல் தாக்குதல்களிலிருந்து தற்காத்து, விரிவான தணிக்கைப் பதிவுகள்) பராமரிக்க வேண்டும்.
இந்தியா தனது செயற்கை நுண்ணறிவு கணினி எதிர்காலத்திற்காக ஒரே ஒரு விற்பனையாளரின் ஏகபோகத்தில் சிக்கிக்கொள்ள முடியாது. என்விடியாவின் (NVIDIA) ஆதிக்கம், நிதி மற்றும் உத்திரீதியான என அசாதாரணமான விலையில் வருகிறது. என்விடியா 80%-க்கும் மேற்பட்ட செயற்கை நுண்ணறிவு பயிற்சி வன்பொருளைக் கட்டுப்படுத்துகிறது. ஆனால் வன்பொருளைத் தாண்டியும் நீண்டு செல்லும் ஒரு ஆழமான விற்பனையாளர் பிணைப்பை உருவாக்குகிறது. 140 கோடி மக்களுக்காக இந்தியா ஒரு இறையாண்மை கொண்ட செயற்கை நுண்ணறிவு உள்கட்டமைப்பை உருவாக்க வேண்டுமானால், என்விடியாவின் விலை நிர்ணய முறையை மட்டுமே சார்ந்திருப்பது நிதிரீதியாகச் சாத்தியமானதல்ல.
ஒருங்கிணைந்த கட்டண இடைமுகம் (UPI) உருவாக்க இந்தியா ஒப்பீட்டளவில் குறைவாகவே செலவிட்டது. என்விடியா ஜிபியூக்களுக்காக (GPU) 50 பில்லியன் டாலர் செலவிட இந்தியாவால் முடியாது. இந்த மாற்று வன்பொருள் சூழலமைப்பு குறைந்த செலவில் கிடைப்பது மட்டுமல்லாமல், உத்திரீதியாகவும் முக்கியமானது. ஒரே ஒரு விற்பனையாளரைச் சார்ந்திருப்பதற்குப் பதிலாக, இந்தியா 40:30:30 என்ற விகிதத்திலான வன்பொருள் கலவையை (hardware mix) பின்பற்ற வேண்டும். கட்டமைப்பில் சுமார் 40% பகுதி AWS Trainium மற்றும் AMD ஆகியவற்றைப் பயன்படுத்த வேண்டும். இந்தியாவில் கிடைக்கக்கூடிய, செலவு குறைந்த 'இன்ஃபெரன்ஸ்' (inference - AI மாதிரியின் செயல்பாட்டுப் பயன்பாடு) பணிகளுக்கு இவை ஏற்றவை. மேலும் 30% ஆராய்ச்சி, மாதிரிப் பயிற்சி மற்றும் கல்விசார் கூட்டாண்மைகளுக்காக கூகிள் டென்சர் ப்ராசசிங் யூனிட்-களைப் (TPU) பயன்படுத்த வேண்டும். மீதமுள்ள 30% சிறப்புப் பயிற்சி, பழைய தொழில்நுட்ப இணக்கத்தன்மை மற்றும் உள்நாட்டு சிலிக்கான் பாதுகாப்புக்காக என்விடியாவை (NVIDIA) சார்ந்திருக்க வேண்டும்.
செயற்கை நுண்ணறிவு (AI) அணுகல் கொள்கை, செயல்படுத்தும் காலவரிசை
இந்தியா ஒரு தேசிய செயற்கை நுண்ணறிவு (AI) அணுகல் கொள்கையை அறிவித்து, அடுத்த 24 மாதங்களில் அதைச் செயல்படுத்த வேண்டும். பல விற்பனையாளர்களைக் கொண்ட ஒரு இறையாண்மை கணினி கட்டமைப்பை நிறுவுவதற்காக, AWS, கூகிள் மற்றும் மைக்ரோசாப்ட் ஆகியவற்றுடன் பொது-தனியார் கூட்டமைப்பு ஒப்பந்தங்களில் கையெழுத்திடுவதன் மூலம் இது தொடங்கப்பட வேண்டும். முதல் முன்னோட்டத் திட்டமானது, முதல் 20 ஐஐடி-க்கள் மற்றும் ஐஐஎஸ்சி-க்கு வரம்பற்ற ஆராய்ச்சி அணுகல்களை வழங்க வேண்டும். ஹைப்பர்ஸ்கேலர் (hyperscaler) அளவிலான அனுமானத் திறன் செயல்பாட்டிற்கு வரும்போது, இந்தியா 500 புத்தொழில் நிறுவனங்களுக்கு ஒரு பயன்பாட்டு நிரலாக்க இடைமுகம் (API) சாண்ட்பாக்ஸைத் திறக்க வேண்டும். 100 பல்கலைக்கழகங்களுக்கு அணுகலை விரிவுபடுத்த வேண்டும், மேலும் 10 மாநிலங்களில் உள்ள 500 உயர்நிலைப் பள்ளிகளில் AI எழுத்தறிவு முன்னோட்டத் திட்டத்தைத் தொடங்க வேண்டும். இந்தத் திட்டம் நாட்டின் முதல் இறையாண்மை கொண்ட இந்திய மொழி AI மாதிரி அளவுகோல்களை (Indic AI model benchmarks) வெளியிடுவதன் மூலம் இத்திட்டம் நிறைவடைய வேண்டும்.
இதன்பிறகு, முன்பு பரிந்துரைக்கப்பட்டபடி, குறுக்கு மானியங்கள் (cross-subsidies) மூலம் இந்தச் சூழலமைப்பை விரிவுபடுத்தி, சுகாதாரம், விவசாயம், நீதித்துறை மற்றும் கல்வி ஆகிய துறைகளில் செம்மைப்படுத்தப்பட்ட மாதிரிகளைச் செயல்படுத்த வேண்டும். இதைத் தொடர்ந்து 5,000 உயர்நிலைப் பள்ளிகளில் முழுமையாகச் செயல்படுத்துதல் மற்றும் அனைத்து 22 அதிகாரப்பூர்வ மொழிகளுக்கும் ஆதரவளித்தல் ஆகியவை மேற்கொள்ளப்பட வேண்டும். இதன் மூலம் இந்தியாவின் அணுகல் நுகர்வு உலக அளவில் முதல் ஐந்து இடங்களுக்குள் வரக்கூடும். இரண்டு ஆண்டுகளில், இந்தியாவில் பயிற்சி பெற்ற மாதிரிகள் சர்வதேச அளவுகோல்களில் போட்டித்தன்மை வாய்ந்தவையாக மாறும். மேலும், 10,000-க்கும் மேற்பட்ட செயற்கை நுண்ணறிவு சார்ந்த புத்தொழில் நிறுவனங்கள் உருவாகி, மொத்த உள்நாட்டு உற்பத்தி வளர்ச்சியை அதிக வேகத்தில் உயர்த்தும்.
முடிவாக, நாட்டின் மாற்றத்திற்கு இந்தியாவின் செயற்கை நுண்ணறிவு-துறை சார்ந்த முன்னேற்றம் மிக அவசியமாகும். டிஜிட்டல் பொது உள்கட்டமைப்பில் (DPI) இந்தியா பெற்ற வெற்றியை, செயற்கை நுண்ணறிவு காலகட்டத்தில் இந்தியா மீண்டும் நிலைநாட்ட வேண்டும். திறந்த மாதிரிகளை ஏற்றுக்கொள்வதன் மூலமும், கணினி வன்பொருட்களைப் பன்முகப்படுத்துவதன் மூலமும், அணுகல்களைத் தரவைப் போலவே இலவசமாக்குவதன் மூலமும், இந்தியா தனது டிஜிட்டல் பொது உள்கட்டமைப்பு (DPI) தனித்துவத்தை செயற்கை நுண்ணறிவு யுகத்தில் மீண்டும் நிகழ்த்த வேண்டும். செயற்கை நுண்ணறிவுப் பயன்பாடுகளில் உலகளாவிய தலைவராக மாறுவதற்குத் தேவையான அனைத்து நிலைமைகளும், சாதகமான கொள்கைகள், நிலையான பேரியல் பொருளாதாரம், அபாரமான திறமையாளர்கள் மற்றும் தொழில்நுட்ப நிறுவனங்கள் இந்தியாவிடம் உள்ளன. இந்தியாவின் தீர்க்கமான, தொலைநோக்குப் பார்வை கொண்ட தலைமையே போதுமான நிபந்தனையாகும். இந்த மாற்றத்தை அடைவதற்கு மூன்று முக்கிய நடவடிக்கைகள், ஒரு பத்தாண்டு காலம் மற்றும் செயற்கை நுண்ணறிவால் (AI) இயங்கும் ஒரு தேசத்தை உருவாக்குதல் ஆகியவை அவசியமாகும்.
ஸ்ரீவத்ஸா கிருஷ்ணா ஒரு ஐஏஎஸ் அதிகாரி.