ਰੋਬੋਟਿਕਸ ਦੀ ਦੌੜ 'ਚ ਭਾਰਤ ਬਣਿਆ ਡਾਟਾ ਹੱਬ! ਨਵੀਂ 'Physical AI' ਕ੍ਰਾਂਤੀ, ਪਰ ਖਤਰੇ ਵੀ ਅਨੇਕ

ਭਾਰਤ ਵਿੱਚ AI ਸਟਾਰਟਅੱਪ ਹੁਣ ਰੋਬੋਟਸ ਨੂੰ ਅਸਲ ਦੁਨੀਆਂ ਲਈ ਤਿਆਰ ਕਰਨ ਵਾਸਤੇ ਆਮ ਇਨਸਾਨਾਂ ਵੱਲੋਂ ਰੋਜ਼ਾਨਾ ਦੇ ਕੰਮਾਂ ਦੇ ਫਸਟ-ਪਰਸਨ ਵੀਡੀਓ ਡਾਟਾ ਇਕੱਠਾ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਦੇਸ਼ ਨੂੰ ਨਵੀਂ 'Physical AI' ਟਰੈਂਡ ਵਿੱਚ ਅਹਿਮ ਖਿਡਾਰੀ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਇਸ ਨਾਲ ਪ੍ਰਾਈਵੇਸੀ, ਵਰਕਰ ਦੀ ਸਹਿਮਤੀ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਵਰਗੇ ਗੰਭੀਰ ਖਤਰੇ ਵੀ ਜੁੜੇ ਹੋਏ ਹਨ।

ਕੀ ਹੋਇਆ ਹੈ?

AI ਸਟਾਰਟਅੱਪਸ ਦੀ ਇੱਕ ਨਵੀਂ ਲਹਿਰ ਭਾਰਤ ਭਰ ਵਿੱਚ "ਡਾਟਾ ਫੈਕਟਰੀਆਂ" ਬਣਾਉਣ ਦੀ ਦੌੜ ਵਿੱਚ ਹੈ। ਇਹ ਕੰਪਨੀਆਂ "egocentric" ਜਾਂ ਫਸਟ-ਪਰਸਨ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਕੰਪਨੀਆਂ ਗਿਗ ਵਰਕਰਾਂ ਨੂੰ ਭਰਤੀ ਕਰ ਰਹੀਆਂ ਹਨ ਅਤੇ ਫੈਕਟਰੀਆਂ, ਹੋਟਲਾਂ ਅਤੇ ਘਰਾਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰਕੇ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ—ਜਿਵੇਂ ਕਿ ਖਾਣਾ ਬਣਾਉਣਾ, ਸਫਾਈ ਕਰਨਾ, ਕੱਪੜੇ ਸਿਲਾਈ ਕਰਨਾ, ਅਤੇ ਸਮਾਨ ਦੀ ਸੋਰਟਿੰਗ—ਨੂੰ ਵੇਅਰੇਬਲ ਕੈਮਰੇ ਜਾਂ ਹੈੱਡ-ਮਾਉਂਟਡ ਡਿਵਾਈਸਾਂ ਦੀ ਵਰਤੋਂ ਨਾਲ ਰਿਕਾਰਡ ਕਰ ਰਹੀਆਂ ਹਨ।

ਇਸ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਮੌਜੂਦਾ AI ਦੀ ਇੱਕ ਬੁਨਿਆਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ। ਜਿੱਥੇ Large Language Models (LLMs) ਇੰਟਰਨੈੱਟ 'ਤੇ ਉਪਲਬਧ ਵਿਸ਼ਾਲ ਟੈਕਸਟ ਡਾਟਾ 'ਤੇ ਟ੍ਰੇਨ ਕੀਤੇ ਗਏ ਸਨ, ਉੱਥੇ ਹੀ ਫਿਜ਼ੀਕਲ ਰੋਬੋਟ ਸਿਰਫ ਟੈਕਸਟ ਤੋਂ ਨਹੀਂ ਸਿੱਖ ਸਕਦੇ। ਉਨ੍ਹਾਂ ਨੂੰ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡਾਟਾ ਦੀ ਲੋੜ ਹੈ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਮਨੁੱਖ ਅਸਲ, ਅਸੰਗਠਿਤ ਦੁਨੀਆ ਨਾਲ ਕਿਵੇਂ ਇੰਟਰੈਕਟ ਕਰਦੇ ਹਨ। Neocambrian AI, Humyn Labs, ਅਤੇ Human Archive ਵਰਗੇ ਸਟਾਰਟਅੱਪ ਇਸ ਵਿਵਹਾਰਕ ਡਾਟਾ ਦੇ ਵਿਸ਼ਾਲ ਭੰਡਾਰ ਬਣਾ ਕੇ ਰੋਬੋਟਸ ਅਤੇ AI ਸਿਸਟਮਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਇਸ ਕਮੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦਾ ਟੀਚਾ ਰੱਖ ਰਹੇ ਹਨ।

ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਸਦਾ ਕੀ ਮਾਇਨਾ ਹੈ?

ਇਹ ਵਿਕਾਸ ਗਲੋਬਲ AI ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਇੱਕ ਬਦਲਾਅ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਸਟੈਂਡਰਡ ਡਿਜੀਟਲ ਡਾਟਾ ਐਨੋਟੇਸ਼ਨ ਤੋਂ "Physical AI" ਦੇ ਵਿਸ਼ੇਸ਼ ਖੇਤਰ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਨੋਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਸ ਡਾਟਾ ਦੀ ਮੰਗ ਵਿਸ਼ਵ ਭਰ ਦੀਆਂ ਫਰੰਟੀਅਰ ਰੋਬੋਟਿਕਸ ਫਰਮਾਂ ਤੋਂ ਆ ਰਹੀ ਹੈ। ਬਿਜ਼ਨਸ ਮਾਡਲ ਮਨੁੱਖੀ ਹਰਕਤਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਉਦਯੋਗੀਕਰਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨੂੰ ਕੰਪਨੀਆਂ ਉਮੀਦ ਕਰਦੀਆਂ ਹਨ ਕਿ ਇਹ ਹਿਊਮਨੌਇਡ ਰੋਬੋਟਸ ਅਤੇ ਆਟੋਨੋਮਸ ਮਸ਼ੀਨਾਂ ਲਈ ਸਟੈਂਡਰਡ ਟ੍ਰੇਨਿੰਗ ਸਮੱਗਰੀ ਬਣ ਜਾਵੇਗਾ।

ਭਾਰਤੀ ਬਾਜ਼ਾਰ ਲਈ, ਇਹ ਇੱਕ ਉੱਭਰਦਾ ਨਿਸ਼ (niche) ਬਣਾਉਂਦਾ ਹੈ। ਭਾਰਤ ਨੂੰ ਇਸਦੇ ਵੱਡੇ ਕਰਮਚਾਰੀ ਵਰਗ, ਵਿਭਿੰਨ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਵਾਤਾਵਰਣ, ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਸੇਵਾਵਾਂ ਦੇ ਤਜ਼ਰਬੇ ਕਾਰਨ ਨਿਸ਼ਾਨਾ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਜੇਕਰ ਇਹ ਮਾਡਲ ਸਕੇਲ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਭਾਰਤ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਇੱਕ ਗਲੋਬਲ ਬੈਕ-ਆਫਿਸ ਹੱਬ ਤੋਂ ਅਗਲੀ-ਪੀੜ੍ਹੀ ਦੀ ਰੋਬੋਟਿਕਸ ਲਈ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਡਾਟਾ-ਇੰਫਰਾਸਟ੍ਰਕਚਰ ਪ੍ਰਦਾਤਾ ਤੱਕ ਵਧਾ ਸਕਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?

ਜਦੋਂ ਕਿ ਤਕਨੀਕੀ ਸੰਭਾਵਨਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਇਹ ਇੱਕ ਰਵਾਇਤੀ IT ਸੇਵਾ ਖੇਡ ਨਹੀਂ ਹੈ। ਇਹ ਸੈਕਟਰ ਵਰਤਮਾਨ ਵਿੱਚ ਪ੍ਰਾਈਵੇਟ ਸਟਾਰਟਅੱਪਸ ਅਤੇ ਸ਼ੁਰੂਆਤੀ-ਪੜਾਅ ਦੇ ਉੱਦਮਾਂ ਦੁਆਰਾ ਦਬਦਬਾ ਰਿਹਾ ਹੈ। ਬਿਜ਼ਨਸ ਮਾਡਲ ਵਿਲੱਖਣ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ ਜੋ ਇਸਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਵਿਹਾਰਕਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਵਿਆਪਕ ਟੈਕਨਾਲੋਜੀ ਅਤੇ AI ਸੈਕਟਰ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਕੰਪਨੀਆਂ ਭੌਤਿਕ ਡਾਟਾ ਸੰਗ੍ਰਹਿ ਦੀ ਉੱਚ ਸੰਚਾਲਨ ਲਾਗਤ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਦੀਆਂ ਹਨ, ਜਿਸ ਵਿੱਚ ਹਾਰਡਵੇਅਰ, ਸਟੋਰੇਜ, ਅਤੇ ਇੱਕ ਵੱਡਾ ਵਿਤਰਿਤ ਵਰਕਫੋਰਸ ਸ਼ਾਮਲ ਹੈ।

ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਜੋਖਮ

ਇਸ ਉਦਯੋਗ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟ ਪ੍ਰਾਈਵੇਸੀ ਵਿਰੋਧ ਹੈ। ਹਾਲ ਹੀ ਦੀਆਂ ਘਟਨਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਘਰੇਲੂ ਸੇਵਾ ਸਟਾਰਟਅੱਪ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵਿਵਾਦ ਜਿਸਨੂੰ ਘਰਾਂ ਦੇ ਅੰਦਰ ਰਿਕਾਰਡਿੰਗ ਲਈ ਜਨਤਕ ਜਾਂਚ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ, ਇਸ ਕੰਮ ਦੀ ਤੀਬਰ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ। ਸਪੱਸ਼ਟ, ਸੂਚਿਤ ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਨਿੱਜੀ, ਨਿੱਜੀ ਥਾਵਾਂ ਵਿੱਚ ਰਿਕਾਰਡਿੰਗ ਰੈਗੂਲੇਟਰਾਂ ਅਤੇ ਜਨਤਾ ਦਾ ਧਿਆਨ ਖਿੱਚ ਰਹੀ ਹੈ।

ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਟਾਰਟਅੱਪਸ ਨੂੰ ਹੁਣ ਭਾਰਤ ਦੇ ਡਿਜੀਟਲ ਪਰਸਨਲ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ (DPDP) ਐਕਟ ਅਤੇ ਹੋਰ ਗਲੋਬਲ ਪ੍ਰਾਈਵੇਸੀ ਰੈਗੂਲੇਸ਼ਨਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ ਪਵੇਗਾ। ਇਸ ਡਾਟਾ ਨੂੰ ਕਿਵੇਂ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਕੋਈ ਵੀ ਕਾਨੂੰਨੀ ਜਾਂ ਰੈਗੂਲੇਟਰੀ ਕਾਰਵਾਈ ਕਾਰਵਾਈਆਂ ਨੂੰ ਅਚਾਨਕ ਰੋਕ ਸਕਦੀ ਹੈ ਜਾਂ ਕੰਪਨੀਆਂ ਨੂੰ ਭਾਰੀ ਪਾਲਣਾ ਲਾਗਤਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰ ਸਕਦੀ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਪਛਾਣਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸੰਭਾਵੀ ਵਿਵਾਦਪੂਰਨ ਡਾਟਾ ਅਭਿਆਸਾਂ 'ਤੇ ਬਣੇ ਬਿਜ਼ਨਸ ਮਾਡਲਾਂ ਨੂੰ ਅਚਾਨਕ ਵਿਘਨ ਜਾਂ ਪ੍ਰਤਿਸ਼ਠਾ ਨੂੰ ਨੁਕਸਾਨ ਦਾ ਉੱਚ ਜੋਖਮ ਹੈ।

ਡਾਟਾ ਸਕੇਲਿੰਗ ਵਿੱਚ ਚੁਣੌਤੀਆਂ

ਪ੍ਰਾਈਵੇਸੀ ਤੋਂ ਪਰੇ, ਸਕੇਲਿੰਗ ਅਤੇ ਡਾਟਾ ਗੁਣਵੱਤਾ ਦੀ ਚੁਣੌਤੀ ਹੈ। ਇਹ ਉਦਯੋਗ ਅਜੇ ਵੀ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਰੋਬੋਟ ਲਈ 'ਗੁਣਵੱਤਾ' ਡਾਟਾ ਕੀ ਹੈ। ਵਰਕਰ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਮੁਆਵਜ਼ੇ ਦਾ ਸਵਾਲ ਵੀ ਹੈ। ਆਲੋਚਕਾਂ ਨੇ ਇਸ਼ਾਰਾ ਕੀਤਾ ਹੈ ਕਿ ਇਸ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰਾ ਡਾਟਾ ਘੱਟ-ਮਜ਼ਦੂਰੀ ਵਾਲੇ ਗਿਗ ਕੰਮ ਰਾਹੀਂ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਸ ਬਾਰੇ ਨੈਤਿਕ ਚਿੰਤਾਵਾਂ ਹਨ ਕਿ ਕੀ ਵਰਕਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਦੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਕ੍ਰਿਆਵਾਂ ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਭਵਿੱਖ ਦੇ ਬਦਲ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਵਰਤੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ।

ਅੱਗੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

AI ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਤਿੰਨ ਮੁੱਖ ਖੇਤਰਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਪਹਿਲਾਂ, ਭਾਰਤ ਵਿੱਚ AI ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ, ਖਾਸ ਕਰਕੇ ਵੀਡੀਓ ਨਿਗਰਾਨੀ ਅਤੇ ਨਿੱਜੀ ਥਾਂ ਨਾਲ ਸਬੰਧਤ ਨਿਯਮਾਂ ਬਾਰੇ ਕਿਸੇ ਵੀ ਅਪਡੇਟ ਲਈ ਦੇਖੋ। ਦੂਜਾ, ਬਿਜ਼ਨਸ ਮਾਡਲ ਦੇ ਵਿਕਾਸ ਦੀ ਨਿਗਰਾਨੀ ਕਰੋ—ਕੀ ਇਹ ਸਕੇਲ 'ਤੇ ਟਿਕਾਊ ਹੈ, ਜਾਂ ਕੀ ਵਧਦੀ ਮਜ਼ਦੂਰੀ ਅਤੇ ਪਾਲਣਾ ਲਾਗਤਾਂ ਮਾਰਜਿਨ ਨੂੰ ਘੱਟ ਕਰਨਗੀਆਂ? ਅੰਤ ਵਿੱਚ, 'ਸਿੰਥੈਟਿਕ ਡਾਟਾ' ਜਾਂ ਹੋਰ ਤਕਨਾਲੋਜੀਆਂ ਵੱਲ ਉਦਯੋਗ ਵਿੱਚ ਬਦਲਾਅ ਦੇਖੋ ਜੋ ਵਿਵਾਦਪੂਰਨ ਅਸਲ-ਦੁਨੀਆ ਦੀ ਰਿਕਾਰਡਿੰਗ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾ ਸਕਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਇਹਨਾਂ ਡਾਟਾ-ਫੈਕਟਰੀ ਕਾਰੋਬਾਰਾਂ ਦੀ ਮੰਗ ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਬਦਲ ਸਕਦਾ ਹੈ।