Whalesbook
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (Artificial Intelligence) પર વૈશ્વિક ચર્ચા ઘણીવાર સિલિકોન વેલીની અદ્યતન સંશોધન પ્રયોગશાળાઓ પર કેન્દ્રિત રહે છે. જોકે, ભારત તેના અનન્ય પાયા અને હાલના ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચર દ્વારા સંચાલિત "બધા માટે AI" (AI for all) તરફ એક અલગ માર્ગ દર્શાવી રહ્યું છે. આ અભિગમ તેની વિશાળ, વૈવિધ્યસભર વસ્તી માટે, ખાસ કરીને ગ્રામીણ વિસ્તારોમાં AI ને સુલભ અને કાર્યાત્મક બનાવવાને પ્રાથમિકતા આપે છે. દેશમાં 886 મિલિયનથી વધુ સક્રિય ઇન્ટરનેટ વપરાશકર્તાઓ છે, જેમાં ગ્રામીણ ભારતનો હિસ્સો 53%, એટલે કે લગભગ 488 મિલિયન વપરાશકર્તાઓ છે. આ વ્યક્તિઓ માટે, ડિજિટલ વિશ્વનું પ્રાથમિક પ્રવેશદ્વાર પોષણક્ષમ, શેર કરેલ એન્ડ્રોઇડ સ્માર્ટફોન છે. આ મોબાઇલ-ફર્સ્ટ, બહુભાષી વાસ્તવિકતા ભારતના AI વિકાસને આકાર આપે છે, જેનો ઉદ્દેશ્ય AI સોલ્યુશન્સ શરૂઆતથી જ સમાવેશ માટે ડિઝાઇન કરવામાં આવે, પછીથી વિચારવામાં ન આવે. * મુખ્ય તારણ: ભારતની AI વ્યૂહરચના હાલના ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચરનો લાભ ઉઠાવે છે જેથી AI તેની વૈવિધ્યસભર, મોબાઇલ-ફર્સ્ટ વસ્તી માટે સુલભ અને કાર્યાત્મક બની રહે.
AI માં ભારતની સૌથી મોટી તાકાત એ કોઈ એક મોડેલ કે સંશોધન સંસ્થા નથી, પરંતુ મજબૂત જાહેર ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચર બનાવવા માટેની તેની પ્રતિબદ્ધતા છે. આધાર (ડિજિટલ ઓળખ), UPI (યુનિફાઇડ પેમેન્ટ્સ ઇન્ટરફેસ), અને DigiLocker (ડિજિટલ દસ્તાવેજ સ્ટોરેજ) જેવી પહેલ દ્વારા આવશ્યક સેવાઓને ખુલ્લા, ઓછા-ખર્ચાળ, ઇન્ટરઓપરેબલ રેલ્સમાં (interoperable rails) રૂપાંતરિત કરવામાં આવી છે. આ પાયાએ ડિજિટલ વર્તન પર ઊંડી અસર પાડી છે. 2024 ના બીજા ભાગમાં ફક્ત UPI સિસ્ટમે 93 અબજથી વધુ વ્યવહારો પર પ્રક્રિયા કરી, જેનું સરેરાશ વ્યવહાર મૂલ્ય લગભગ ₹1,400 હતું. આ માઇક્રો-પેમેન્ટ્સ માટે તેના વ્યાપક ઉપયોગને પ્રકાશિત કરે છે, જે દર્શાવે છે કે કેવી રીતે મફત, વિશ્વસનીય અને ઇન્ટરઓપરેબલ ઈન્ફ્રાસ્ટ્રક્ચર ઓછી આવક ધરાવતા વપરાશકર્તાઓમાં ડિજિટલ સાધનોના અપનાવવા અને સામાન્યીકરણને પ્રોત્સાહન આપે છે. * મુખ્ય તારણ: UPI અને આધાર જેવી જાહેર ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચર AI નવીનતા અને વ્યાપક અપનાવવા માટે એક સ્કેલેબલ પાયો પૂરો પાડે છે.
IndiaAI મિશન (IndiaAI Mission) નો ઉદ્દેશ્ય આ તર્કને આર્ટિફિશિયલ ઇન્ટેલિજન્સ (Artificial Intelligence) ડોમેનમાં વિસ્તારવાનો છે. જાહેર રોકાણ કમ્પ્યુટિંગ પાવર, ડેટાસેટ્સ અને સ્ટાર્ટઅપ્સ પર ધ્યાન કેન્દ્રિત કરે છે, જેમાં મુખ્ય ઉદ્દેશ્ય છે: AI મોડેલો ભારતીય વાસ્તવિકતાઓ પર તાલીમ પામે તે સુનિશ્ચિત કરવું. ભાષિણી (Bhashini), ભારતજીપીટી (BharatGPT), અને ભારતજીન (BharatGen) જેવા પ્રોજેક્ટ્સ ભાષાને જ ઈન્ફ્રાસ્ટ્રક્ચર માની રહ્યા છે. આ પહેલ ફક્ત ભાષા પેક (language packs) બનાવી રહી નથી, પરંતુ એવી સિસ્ટમ્સ વિકસાવી રહી છે જે વિવિધ ભારતીય લિપિઓ, બોલીઓ અને કોડ-મિશ્રિત ભાષણ (code-mixed speech) ને સમજી શકે અને પ્રતિભાવ આપી શકે. એવા દેશ માટે જ્યાં વપરાશકર્તાઓ વારંવાર અંગ્રેજી, હિન્દી અને સ્થાનિક ભાષાઓ વચ્ચે સ્વિચ કરે છે, આ મૂળ બહુભાષી ક્ષમતા માત્ર એક ટેકનિકલ સુવિધા નથી, પરંતુ આવશ્યક છે. * મુખ્ય તારણ: IndiaAI મિશન, ભાષિણી જેવી પહેલો દ્વારા સ્થાનિક વાસ્તવિકતાઓ પર AI ને તાલીમ આપવા અને બહુભાષી ક્ષમતાઓ વિકસાવવાને પ્રાથમિકતા આપે છે.
આ સમાવેશી AI વ્યૂહરચનાની અસર વ્યવહારુ કાર્યક્રમોમાં સ્પષ્ટ છે. તેલંગાણાના ખમ્મમ જિલ્લામાં, વર્લ્ડ ઇકોનોમિક ફોરમની AI4AI પહેલનો એક ભાગ, સાગુ બાગુ પ્રોજેક્ટે લગભગ 7,000 મરચાંના ખેડૂતોને મદદ કરી છે. મોબાઇલ ચેટબોટ્સ દ્વારા, ખેડૂતોને પાક-વિશિષ્ટ સલાહ અને AI-સંચાલિત ગુણવત્તા પરીક્ષણ મળે છે, જે તેમને ડિજિટલ માર્કેટપ્લેસ સાથે જોડે છે. પ્રારંભિક પરિણામો લગભગ 18% નફામાં વધારો સૂચવે છે, કેટલાક ખેડૂતોની આવક બમણી થઈ ગઈ છે. આ ટેકનોલોજી ઓછી સાક્ષરતા અને ઓછી બેન્ડવિડ્થ (low bandwidth) વાળા વાતાવરણ માટે ડિઝાઇન કરવામાં આવી છે, જે AI ને સીધું નફાનું સાધન બનાવે છે. જાહેર સેવાઓમાં, ભાષિણી (Bhashini) અને ભાગીદાર સંસ્થાઓ વ્યાપકપણે બોલાતી ભાષાઓ અને ઐતિહાસિક રીતે હાંસિયામાં ધકેલાઈ ગયેલી આદિવાસી ભાષાઓ માટે સ્પીચ અને ટ્રાન્સલેશન પાઇપલાઇન્સ (speech and translation pipelines) બનાવી રહી છે. આ ટેલિમેડિસિન પ્લેટફોર્મ્સ (telemedicine platforms) અને વૉઇસ દ્વારા ઉપલબ્ધ ફરિયાદ પોર્ટલ (grievance portals) જેવી નિર્ણાયક એપ્લિકેશનોને સક્ષમ બનાવે છે જે દર્દીઓ સાથે તેમની માતૃભાષામાં વાતચીત કરી શકે છે, વધુ નાગરિકો માટે રાજ્ય સેવાઓની પહોંચ વિસ્તૃત કરે છે. * મુખ્ય તારણ: કૃષિ અને જાહેર સેવાઓમાં AI ના વ્યવહારુ કાર્યક્રમો, સ્થાનિક જરૂરિયાતો અને મર્યાદાઓને સંબોધિત કરીને નોંધપાત્ર આર્થિક અને સામાજિક લાભો દર્શાવે છે.
સમાન પડકારોનો સામનો કરી રહેલા અન્ય ઉભરતા બજારો દ્વારા AI વિકાસ પ્રત્યે ભારતના અભિગમને નજીકથી જોવામાં આવી રહ્યો છે: ઓછા ખર્ચાળ એન્ડ્રોઇડ ફોન પર નિર્ભરતા, અનિયમિત ડેટા કનેક્ટિવિટી, અને બહુભાષી વસ્તી. ભારતે પહેલાથી જ ઇન્ડિયા સ્ટેક (India Stack) જેવા સ્કેલેબલ, ઓપન, અને પોષણક્ષમ ડિજિટલ આર્કિટેક્ચર્સ બનાવવાની તેની ક્ષમતા સાબિત કરી છે, જે નિકાસ કરી શકાય છે. AI માટે પણ સમાન સંભાવના છે, જો સમાવેશ એ મુખ્ય વ્યૂહરચના હોય. ભારતમાં ભવિષ્યના AI મોડેલો અને એપ્લિકેશન્સ મૂળરૂપે બહુભાષી અને સંદર્ભ-જાગૃત (context-aware) હોવા જોઈએ, મધ્ય-શ્રેણીના ફોન (mid-range phones) અને ઓછી બેન્ડવિડ્થ (low bandwidth) માટે ઓપ્ટિમાઇઝ્ડ હોવા જોઈએ. સફળતા ફક્ત પાયલોટ પ્રોગ્રામ્સ દ્વારા નહીં, પરંતુ મહિલાઓ, નાના ખેડૂતો, અને અનૌપચારિક કામદારો દ્વારા વાસ્તવિક અપનાવટ દ્વારા માપવામાં આવશે. * મુખ્ય તારણ: મર્યાદાઓમાં બનેલું ભારતનું સમાવેશી AI મોડેલ, અન્ય ઉભરતા અર્થતંત્રો માટે નકલ કરી શકાય તેવો બ્લુપ્રિન્ટ પ્રદાન કરે છે.
જ્યારે ભારતને પડકારોનો સામનો કરવો પડી શકે છે અને ભૂલો થઈ શકે છે, ત્યારે ગીચ વર્ગખંડો, પડકારજનક ખેતીવાડી ક્ષેત્રો, વ્યસ્ત હોસ્પિટલો અને નાની દુકાનોમાં અસરકારક રીતે કાર્યરત AI બનાવવાનું તેનું ધ્યાન, તેને આગામી અબજ ઇન્ટરનેટ વપરાશકર્તાઓ માટે વિજય કેવો દેખાય છે તે વ્યાખ્યાયિત કરવાની સ્થિતિમાં મૂકે છે. ડિજિટલ પેમેન્ટ્સ અને ઓળખ ઈન્ફ્રાસ્ટ્રક્ચરથી AI સુધીનો આ વિકાસ, ડિજિટલ પ્રગતિને વૈશ્વિક જાહેર ચીજવસ્તુઓમાં રૂપાંતરિત કરવા પર ધ્યાન કેન્દ્રિત કરનાર રાષ્ટ્ર માટે એક કુદરતી પ્રગતિ રજૂ કરે છે. "બધા માટે AI" (AI for all) નું સાચું માપ એ તેની હાંસિયામાં રહેલા જીવનને, એક સમયે એક સ્થાનિક ભાષા ક્વેરી અને એક પોષણક્ષમ સ્માર્ટફોન દ્વારા ઉન્નત કરવાની ક્ષમતા હશે.