UC Berkeley च्या संशोधकांनी एका धक्कादायक प्रस्तावात म्हटले आहे की, जर प्रगत AI चिप्सच्या सप्लाय चेनवर नियंत्रण आणले, तर नवीन AI मॉडेल्सच्या ट्रेनिंगवर बंदी घालणे शक्य होईल. ASML आणि Zeiss सारख्या दिग्गज कंपन्यांच्या हार्डवेअरवर निर्बंध आणल्यास AI विकासाची गती रोखली जाऊ शकते.
यूनिव्हर्सिटी ऑफ कॅलिफोर्निया, बर्कले (UC Berkeley) च्या संशोधकांनी आर्टिफिशियल इंटेलिजन्सच्या विकासाला लगाम घालण्यासाठी एक नवीन रणनीती मांडली आहे. सॉफ्टवेअर अल्गोरिदमवर थेट निर्बंध घालण्याऐवजी, हे संशोधक हार्डवेअरच्या पुरवठा साखळीवर (Semiconductor Supply Chain) लक्ष केंद्रित करण्याचा सल्ला देत आहेत.\n\n### हार्डवेअरचे नियंत्रण का महत्त्वाचे?\n\nहाय-एंड AI मॉडेल्स तयार करण्यासाठी अत्यंत प्रगत लिथोग्राफी मशिनची गरज असते, जी प्रामुख्याने ASML आणि Zeiss सारख्या मोजक्या कंपन्यांकडून पुरवली जातात. हे क्षेत्र अत्यंत केंद्रित असल्याने, धोरणकर्ते या कंपन्यांवर नियंत्रण आणून नवीन AI मॉडेल्स तयार करण्याच्या प्रक्रियेला 'पॉज' देऊ शकतात.\n\n### ट्रेनिंग आणि इन्फरन्स चिप्समधील फरक\n\nया प्रस्तावानुसार, दोन प्रकारच्या चिप्समध्ये स्पष्ट फरक करणे आवश्यक आहे:\n\n1. ट्रेनिंग-केपेबल चिप्स: ज्यांचा वापर मोठ्या प्रमाणात AI मॉडेल्स विकसित करण्यासाठी होतो.\n2. इन्फरन्स-ओन्ली चिप्स: ज्या केवळ आधीपासून अस्तित्वात असलेल्या ॲप्लिकेशन्ससाठी वापरल्या जातात.\n\nसंशोधकांचे म्हणणे आहे की, जर सरकारने 'ट्रेनिंग-केपेबल' हार्डवेअरच्या उत्पादनावर निर्बंध आणले, तर अनियंत्रित AI विकासाला आळा बसेल.\n\n### गुंतवणूकदारांसाठी सावधगिरीचा इशारा\n\nया प्रस्तावाचा थेट परिणाम सेमीकंडक्टर इक्विपमेंट बनवणाऱ्या कंपन्यांच्या महसुलावर (Revenue) होऊ शकतो. जरी हा प्रस्ताव पूर्णपणे लागू करणे भू-राजकीय तणावामुळे (विशेषतः अमेरिका आणि चीनमधील संबंध) कठीण असले, तरी या क्षेत्रातील एक्सपोर्ट पॉलिसी आणि आंतरराष्ट्रीय नियमांवर लक्ष ठेवणे आता गुंतवणूकदारांसाठी अनिवार्य झाले आहे. मोठ्या प्रमाणावर वीज वापरणाऱ्या आणि हजारो चिप्सची गरज असलेल्या या मॉडेल्सचा विकास आता सरकारी रडारवर आला आहे, हे निश्चित.