இந்தியா செயற்கை நுண்ணறிவுக்கான (Artificial Intelligence (AI)) உட்கட்டமைப்பில் ஒரு முக்கிய மையமாக மாறிவரும் அதேவேளையில், அந்த உட்கட்டமைப்பில் இயங்கும் தொழில்நுட்பங்களை உருவாக்கும் பணியில் இன்னும் வளர்ச்சியடைந்து வருகிறது.
இந்தியாவின் வளர்ச்சி என்பது பாரம்பரியமாக நெடுஞ்சாலைகள், மெட்ரோ ரயில் திட்டங்கள் மற்றும் விமான நிலையங்கள் போன்ற உட்கட்டமைப்புகளை அடிப்படையாகக் கொண்டே அளவிடப்பட்டு வருகிறது. ஆனால், இதற்கு இணையாக ஒரு அமைதியான டிஜிட்டல் உருமாற்றம் (Digital Transformation) எவ்வித ஆரவாரமுமின்றி, ஒரு டிஜிட்டல் வழி புரட்சி நடந்து கொண்டிருக்கிறது.
ஆயிரக்கணக்கான கணினிகளைத் தாங்கிய பிரம்மாண்டமான வசதிகள் ஒரு புதிய டிஜிட்டல் கட்டமைப்பை உருவாக்கி வருகின்றன. தரவு மையங்கள் என்பவை டிஜிட்டல் பொருளாதாரத்தின் கண்ணுக்குத் தெரியாத நெடுஞ்சாலைகளைப் போலச் செயல்படுகின்றன. இவை தகவல்களைச் சேமித்தல், சிக்கலான கணக்கீடுகளை இயக்குதல் மற்றும் வணிக நிறுவனங்கள் பயன்படுத்தும் மேகக்கணிமை சேவைகளை (Cloud Services) ஆதரித்தல் போன்ற பணிகளைச் செய்கின்றன. அரசின் ஆதரவு மற்றும் அதிகரித்து வரும் தேவையால், இத்துறை பெரும் முதலீடுகளை ஈர்த்து வேகமாக வளர்ந்து வருகிறது. இதன் மூலம் உலகளாவிய டிஜிட்டல் வலையமைப்பில் இந்தியா ஒரு முக்கிய அங்கமாக மாறி வருகிறது.
இருப்பினும், இந்த வளர்ச்சி ஒரு முக்கியமான கேள்வியை எழுப்புகிறது: இந்தியா செயற்கை நுண்ணறிவு (AI) பொருளாதாரத்தின் அடித்தளத்தை மட்டுமே அமைக்கிறதா, அல்லது அதன் முழுமையான பலன்களையும் பெறுகிறதா?
உரிமை இல்லாத வன்பொருள்
குறைந்த செலவுகள், அதிக எண்ணிக்கையிலான தொழில்நுட்ப வல்லுநர்கள் மற்றும் வேகமாக வளர்ந்து வரும் டிஜிட்டல் சந்தை போன்ற வலுவான சாதகமான அம்சங்களால், இந்தியா டிஜிட்டல் உட்கட்டமைப்பின் முக்கிய மையமாக மாறி வருகிறது. இந்தக் காரணிகள் உலகளாவிய மேகக்கணிமை சேவை (Cloud) மற்றும் செயற்கை நுண்ணறிவு (AI) முதலீடுகளை ஈர்க்கின்றன. இருப்பினும், இந்தியாவில் உள்நாட்டிலேயே செயற்கை நுண்ணறிவு சார்ந்த கண்டுபிடிப்புகளின் வளர்ச்சி சற்று குறைவாகவே உள்ளது.
உலகளாவிய செயற்கை நுண்ணறிவு (AI) காப்புரிமைகளில் இந்தியாவின் பங்களிப்பு சுமார் 2–3% மட்டுமே உள்ளது. ஆனால், அமெரிக்காவும் சீனாவும் செயற்கை நுண்ணறிவுத் துறையில் ஆதிக்கம் செலுத்துகின்றன. இந்தியா அதிக அளவிலான செயற்கை நுண்ணறிவு தொடர்பான ஆராய்ச்சிக் கட்டுரைகளை வெளியிட்டாலும், அவற்றில் மிகச்சிறிய அளவே உலகளவில் பெரும் தாக்கத்தை ஏற்படுத்துகின்றன. மேலும், ஆராய்ச்சிக்கான பொதுத்துறை செலவினம் (நாட்டின் மொத்த உள்நாட்டு உற்பத்தியில் (GDP) 0.6–0.7% மட்டுமே என்றும் மற்ற முன்னணி நாடுகளுடன் ஒப்பிடுகையில் இன்னும் குறைவாகவே உள்ளதாகவும் தெரிவிக்கின்றனர்.
ஸ்டான்போர்டு செயற்கை நுண்ணறிவு குறியீடு (Stanford AI Index) போன்ற உலகளாவிய தரவரிசைகள், ஆராய்ச்சி, முதலீடு மற்றும் கணினித் திறன் போன்ற துறைகளில் இந்தியா, அமெரிக்கா மற்றும் சீனாவைவிடப் பின்தங்கியுள்ளதைக் காட்டுகின்றன. இது ஒரு தெளிவான நிலையை உணர்த்துகிறது. இந்தியா தரவு பயன்பாடு மற்றும் அளவீட்டில் வலுவாக உள்ளது. ஆனால், நிதி ஒதுக்கீடு மற்றும் உயர்தர கண்டுபிடிப்புகளில் இன்னும் முன்னேற வேண்டியுள்ளது.
இந்தியா செயற்கை நுண்ணறிவு (AI) உள்கட்டமைப்பிற்கான ஒரு முக்கியமான இடமாக மாறி வருகிறது. ஆனால், மேம்பட்ட செயற்கை நுண்ணறிவுத் தொழில்நுட்பங்களை உருவாக்கும் திறனில் இப்போது வளர்ச்சியடைந்து வருகிறது. பல சேவையகங்கள் இந்தியாவில் அமைந்திருக்கலாம், ஆனால் மிகவும் சக்திவாய்ந்த செயற்கை நுண்ணறிவு மாதிரிகள் (AI Models) பொதுவாக மற்ற நாடுகளிலேயே உருவாக்கப்படுகின்றன. இந்தியாவிடம் ஏராளமான தரவுகள், உட்கட்டமைப்பு மற்றும் திறமையான மனிதவளம் இருந்தாலும், அதிக மதிப்புமிக்க வெளியீடுகளான செயற்கை நுண்ணறிவு மாதிரிகள், தளங்கள் மற்றும் அறிவுசார் சொத்துரிமை போன்றவை இன்னும் பெரும்பாலும் வெளிநாடுகளிலேயே உருவாக்கப்படுகின்றன.
இந்த இடைவெளியானது தேசிய அளவில் மட்டுமல்லாமல், நிறுவனங்களுக்குள்ளும் காணப்படுகிறது. பல நிறுவனங்கள் மேம்பட்ட டிஜிட்டல் உள்கட்டமைப்புகளைக் கொண்டிருந்தாலும், அவற்றைப் பயன்படுத்தி உண்மையான உற்பத்தித் திறனை அதிகரிக்கும் திறனை அவை இன்னும் வளர்த்து வருகின்றன. உதாரணமாக, பல நிறுவனங்கள் மேகக்கணிமை (Cloud) தொழில்நுட்பத்தைப் பயன்படுத்தத் தொடங்கும் போது, தங்களுடைய பழைய வேலை முறைகளை மாற்றியமைக்காமல், அப்படியே மேகக்கணிமை முறைக்கு மாற்றுகின்றன. ஆனால், நிகழ்நேரத் தரவுகள் மற்றும் தானியங்கி முறைகளைப் பயன்படுத்தி பணிச்சூழலை மறுவடிவமைப்பு செய்தால் மட்டுமே முழுமையான பலனை அடைய முடியும் என்கின்றனர்.
பல்வேறு துறைகளிலும் இதேபோன்ற ஒரு நிலைதான் காணப்படுகிறது. உதாரணமாக, தனது செயல்பாடுகளை மேகக்கணிமை (Cloud) தொழில்நுட்பத்திற்கு மாற்றிய ஒரு நடுத்தர அளவிலான உற்பத்தி நிறுவனத்தில், உற்பத்திக் கண்காணிப்புத் திரைகள் (Production Dashboards) அனைத்து ஆலைகளிலும் உடனுக்குடன் தகவல்களைப் புதுப்பிக்கின்றன. இருப்பினும், பொருட்களை வாங்குவதற்கான ஒப்புதல்கள் இன்னும் பல வழிமுறைகளைக் கடந்து செல்ல வேண்டியிருப்பதால், முடிவுகளை எடுப்பதில் பல நாட்கள் தாமதம் ஏற்படுகிறது. அதாவது, தரவுகள், மின்னல் வேகத்தில் பரிமாறப்பட்டாலும், ஒரு நிறுவனத்தின் செயல்பாட்டு முறையில் ஏற்படும் மாற்றங்கள் மெதுவாகவே நடக்கின்றன.
இந்தக் குறைவான பயன்பாடு என்பது ஒரு தனிப்பட்ட பிரச்சனையல்ல, அது ஒரு பெரிய தேசியப் பிரச்சினையைப் பிரதிபலிக்கிறது. இங்குள்ள சவால் என்பது உட்கட்டமைப்பு வசதிகளைப் பெறுவது மட்டுமல்ல; அந்த வசதிகளைத் திறம்பட பயன்படுத்துவதற்கானத் திறன்களை, நிறுவனங்கள் எவ்வளவு விரைவாக வளர்த்துக்கொள்கின்றன என்பதுதான் மிக முக்கியமான விஷயமாகும்.
திறமை முரண்பாடு
உலகிலேயே தொழில்நுட்ப வல்லுநர்கள் அதிகமுள்ள நாடுகளில் ஒன்றாக இந்தியா திகழ்கிறது. இருப்பினும், செயற்கை நுண்ணறிவு (AI) யுகத்தின் தேவைகள் முற்றிலும் மாறுபட்டவை. இந்தத் துறைக்கு ஆழ்ந்த ஆராய்ச்சித் திறன், மேம்பட்ட கணித அறிவு மற்றும் தொடர்ச்சியான சோதனைகள் மிகவும் அவசியம். இந்தியாவிற்குப் பெரும் எண்ணிக்கையிலான பணியாளர்கள் இருந்தபோதிலும், செயற்கை நுண்ணறிவின் அதிநவீனத் தொழில்நுட்பத்தில் பணியாற்றும் ஆராய்ச்சியாளர்களின் எண்ணிக்கை இப்போதும் வளர்ந்துவரும் நிலையிலேயே உள்ளது. தற்போதுள்ள கல்வி மற்றும் தொழில்முறை அமைப்புகள் பெரும்பாலும் புதிய அடிப்படை கண்டுபிடிப்புகளை உருவாக்குவதைவிட, ஏற்கனவே உள்ள தொழில்நுட்பத்தை செயல்படுத்துவதிலேயே அதிக கவனம் செலுத்துகின்றன.
இது ஒரு திறமை முரண்பாட்டிற்கு வழிவகுக்கிறது: அதாவது, கொடுக்கப்பட்ட வேலையைச் செய்து முடிப்பதில் திறமை வாய்ந்த ஒரு பெரும் கூட்டமும், ஆனால் அதே சமயம் தொழில்நுட்பத்தின் அடிப்படை வளர்ச்சியில் ஈடுபடும் ஒரு சிறிய குழுவும் மட்டுமே இருக்கின்றனர். தற்போது நமக்குத் தேவை "T-வடிவ" (T-shaped) திறமையாளர்கள்—அதாவது, ஒரு குறிப்பிட்ட துறையில் ஆழமான அறிவும், அதே வேளையில் பல்வேறு துறைகளில் செயற்கை நுண்ணறிவை (AI) பயன்படுத்தும் ஆற்றலும் கொண்டவர்கள். இத்தகைய மாற்றத்தைக் கொண்டுவர, நிறுவனங்களின் பயிற்சி முறைகளிலும் கல்வி முறைகளிலும் தொடர்ச்சியான மாற்றங்கள் அவசியமாகிறது.
உட்கட்டமைப்பு வசதிகள் பெருகி வந்தாலும், வணிக நிறுவனங்களிடையே செயற்கை நுண்ணறிவு (AI) தொழில்நுட்பத்தைப் பயன்படுத்துவது சீராக இல்லை. பெரிய நிறுவனங்களைப் பொறுத்தவரை, தலைமைப் பொறுப்பில் இருப்பவர்கள் இதற்கு முன்னுரிமை அளிக்கின்றனர். எனவே அவர்கள் இதற்கான திறன்களை வளர்த்துக்கொள்வதோடு, பல்வேறு துறைகளில் இதைச் சோதித்தும் பார்க்கின்றனர். ஆனால், நடுத்தர நிறுவனங்கள் இதன் செலவு, தங்களின் தயார்நிலை மற்றும் லாபம் உள்ளிட்ட நிச்சயமற்ற தன்மையால் சற்று எச்சரிக்கையுடனேயே அணுகுகின்றன. பல நிறுவனங்கள் செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தில் செய்யப்படும் முதலீட்டின் மூலம் கிடைக்கும் லாபத்தைக் கணக்கிட புதிய வழிமுறைகளை உருவாக்கி வருகின்றன, எனவே பெரிய அளவில் இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்துவதற்கு முன்பாக சிறிய அளவிலான சோதனைகளுக்கே முக்கியத்துவம் அளிக்கப்படுகிறது.
இதன் ஆழமான பிரச்சனை அதன் கட்டமைப்பில் உள்ளது. பல நிறுவனங்கள் தற்போதுள்ள வேலைமுறைகளுடன் சாதாரணமாகச் செயற்கை நுண்ணறிவை (AI) இணைப்பதோடு நிறுத்திக்கொள்ளாமல், அந்தத் தொழில்நுட்பத்தையே மையமாக வைத்துத் தங்களது ஒட்டுமொத்தச் செயல்பாடுகளையும் மாற்றி அமைத்து வருகின்றன. இதில் ஒரு சிறிய குழுவினர் மிகப்பெரிய நன்மைகளை அடைந்து வருகின்றனர். ஆனால், மற்ற பல நிறுவனங்கள் இன்னும் இதன் ஆரம்பக் கட்டத்திலேயே உள்ளன.
புத்தொழில் நிறுவனங்களுக்கு இடையிலான இடைவெளி
இந்தியாவின் புத்தொழில் நிறுவனச் (Startup) சூழல் தற்போது இரண்டு வெவ்வேறு பக்கங்களைக் கொண்டுள்ளது. ஒருபுறம், சில நிறுவனங்கள் "AI-washing" எனப்படும் போக்கில் ஈடுபடும் அபாயம் உள்ளது; அதாவது, தங்களிடம் போதிய தொழில்நுட்ப வசதிகள் இல்லாதபோதும், செயற்கை நுண்ணறிவை (AI) பயன்படுத்துவதாக மிகைப்படுத்திக் காட்டுகின்றன. மறுபுறம், சில நிறுவனங்கள் சொந்தமாகப் புதிய தொழில்நுட்பங்களை உருவாக்குவதற்குப் பதிலாக, உலகளாவிய செயற்கை நுண்ணறிவு மாதிரிகளின் (Global AI models) உதவியுடன் வெறும் மேலோட்டமான இடைமுகத்தை (Interfaces) மட்டும் உருவாக்கிவிட்டு, இடைநிலை நிறுவனங்களைப் போலச் செயல்படுகின்றன.
அதேநேரத்தில், ஒரு சிறிய குழுவினர் ஆழமான தொழில்நுட்ப கண்டுபிடிப்புகளில் அதிக கவனம் செலுத்தி வருகின்றனர். உதாரணமாக, ‘Sarvam AI’ மற்றும் ‘Krutrim’ போன்ற புத்தொழில் நிறுவனங்கள் இந்தியாவின் பல்வேறு மொழிகளுக்கு ஏற்ற மொழி மாதிரிகளை (Language Models) உருவாக்கி வருகின்றன. மருத்துவத் துறையில் நோய்களைக் கண்டறிய ‘Qure.ai’ நிறுவனம் ‘Computer Vision’ தொழில்நுட்பத்தைப் பயன்படுத்துகிறது. அதேபோல், வேளாண் துறையை மேம்படுத்த ‘CropIn’ நிறுவனம் செயற்கை நுண்ணறிவை (AI) மிகச் சிறப்பாகப் பயன்படுத்தி வருகிறது.
இந்த உதாரணங்கள் அனைத்தும், இந்தியாவின் செயற்கை நுண்ணறிவு (AI) வளர்ச்சி என்பது உலகளாவிய தொழில்நுட்பங்களை அப்படியே பயன்படுத்துவதில் மட்டும் இல்லை என்பதை உணர்த்துகின்றன. மாறாக, உலகளாவிய தொழில்நுட்பங்களை இந்தியச் சூழலுக்கு ஏற்ப மாற்றியமைத்து, குறிப்பிட்ட துறைகளில் உள்ள சிக்கல்களுக்குத் தீர்வுகளை வழங்குவதன் மூலமே இந்தியாவின் செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்துறை வளர்ச்சி அடையும் என்பதையே காட்டுகிறது.
இந்தியாவின் டிஜிட்டல் உட்கட்டமைப்பு மிகவும் வலிமையாக வளர்ந்துள்ளது. செயற்கை நுண்ணறிவு (AI) சார்ந்த பொருளாதாரத்தில் இணைவதற்கு தரவு மையங்கள், இணைய இணைப்பு மற்றும் கணினித்திறன் ஆகியவை மிக முக்கியமானவை. அரசின் டிஜிட்டல் பொது உட்கட்டமைப்பு திட்டங்களும், தனியார் நிறுவனங்களின் பெரும் முதலீடுகளுமே இந்த முன்னேற்றத்திற்குக் காரணம் ஆகும். இது மற்ற வளர்ந்து வரும் நாடுகளிடம் இல்லாத ஒரு வலுவான அடித்தளத்தை இந்தியாவிற்கு வழங்கியுள்ளது. இனிவரும் காலங்களில், புதிய கண்டுபிடிப்புகளுக்கான திறன்களை வளர்ப்பதும், வணிக நிறுவனங்கள் இந்தத் தொழில்நுட்பத்தை இன்னும் சிறப்பாகப் பயன்படுத்துவதை உறுதி செய்வதுமே அடுத்த கட்ட நடவடிக்கையாக இருக்கும் என்றும் எதிர்பார்க்கப்படுகிறது.
செயற்கை நுண்ணறிவின் (AI) முழுமையான பலன்களைப் பெறுவது என்பது, இந்தத் தொழில்நுட்ப மாற்றத்தை நாம் எவ்வளவு சிறப்பாகக் கையாளுகிறோம் என்பதைப் பொறுத்தே அமைகிறது. கொள்கை வகுப்பாளர்கள் வெறும் உட்கட்டமைப்பு வசதிகளுக்கு மட்டும் முக்கியத்துவம் தராமல், செயற்கை நுண்ணறிவு சார்ந்த ஆராய்ச்சிகளுக்கும், உள்நாட்டுத் தேவைகளுக்கு ஏற்ற உள்ளூர் மொழி மற்றும் சூழல் சார்ந்த செயற்கை நுண்ணறிவு மாதிரிகளை உருவாக்குவதற்கும் ஆதரவளிக்க வேண்டும். வணிக நிறுவனங்கள் படிப்படியாக செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தை ஒரு சோதனையாகப் பார்ப்பதிலிருந்து மாறி, அதைத் தங்கள் அன்றாடத் தொழில் செயல்பாடுகளின் ஒரு அங்கமாக மாற்றிக்கொள்ள வேண்டும். அப்போதுதான், முதலீட்டாளர்கள் நீண்டகால நோக்கத்துடன் ஆழமான தொழில்நுட்பத் திட்டங்களில் (Deep-technology ventures) முதலீடு செய்ய முன்வருவார்கள்.
இந்தியா ஏற்கனவே அளவு, திறமை மற்றும் தரவு ஆகிய துறைகளில் வலுவான சாதகமான அம்சங்களைக் கொண்டுள்ளது. இப்போது மிக முக்கியமான விஷயம் என்னவென்றால், இந்த பலங்களைப் பயன்படுத்தித் தொடர்ச்சியான கண்டுபிடிப்புகளையும் நவீன மாற்றங்களையும் உருவாக்குவதுதான்.
தற்போதைய நிலை நீடித்தால், செயற்கை நுண்ணறிவுக்கான உட்கட்டமைப்பு வசதிகளில் பெரும்பகுதி இந்தியாவில் அமைய வாய்ப்புள்ளது. ஆனால், வெறும் உள்கட்டமைப்பை மட்டும் உருவாக்காமல், அதில் இயங்கும் அந்த அறிவார்ந்த மென்பொருட்களை உருவாக்குவதில்தான் நமக்கு மிகப்பெரிய வாய்ப்பு உள்ளது. வெறும் தரவு மையங்களை அமைப்பதோடு நம் பணி முடிந்துவிடவில்லை; இந்த செயற்கை நுண்ணறிவு யுகத்தில் புதிய கண்டுபிடிப்புகளை உருவாக்கி, அவற்றின் மூலம் மதிப்பையும் பொருளாதார பலன்களையும் ஈட்டுவதற்கான திறன்களை வளர்த்துக் கொள்வதே இந்தியாவின் முன் தற்போது உள்ள உண்மையான சவாலாகும்.
கட்டமைப்பு வசதிகள் விரிவடைந்து கொண்டே இருந்தாலும், நிறுவனங்கள் தங்களது பணிகளில் செயற்கை நுண்ணறிவை (AI) முழுமையாகப் பயன்படுத்தத் தொடங்குவது வெவ்வேறு நிலைகளில் சீரற்றதாகவே உள்ளது. இருப்பினும், ஒரு நிறுவனத்தின் உயர்மட்டக் குழு விவாதிக்கும் மிக முக்கியமான முன்னுரிமைப் பட்டியல்களில் செயற்கை நுண்ணறிவு தற்போது உறுதியான இடத்தைப் பிடித்துள்ளது.
சோந்தி, Ashok Leyland மற்றும் ‘JCB India’ ஆகிய நிறுவனங்களின் முன்னாள் நிர்வாக இயக்குநர் மற்றும் முதன்மைச் செயல் அதிகாரி ஆவார். சவுகான், இந்தியத் தர நிர்ணயக் குழுவின் கொள்கைப் பிரிவில் பணியாற்றுகிறார். இங்கு அவர்கள் தெரிவித்துள்ள கருத்துக்கள் அவர்களின் தனிப்பட்ட கருத்துக்களே தவிர, அவர்கள் சார்ந்த நிறுவனங்களின் கருத்துக்கள் அல்ல.
Original Link: India’s AI value paradox.