प्रचार से परे: AI के बुलबुले को उसकी नींव पर प्रहार करके फोड़ना

सिलिकॉन वैली से सामूहिक आहट लगभग सुनाई दे रही थी जब OpenAI ने फरवरी 2024 में अपना नवीनतम मूल्यांकन $86 बिलियन घोषित किया। फिर भी, इन चकाचौंध कर देने वाले आंकड़ों और अथक प्रचार चक्रों के नीचे एक परेशान करने वाला सच बना हुआ है: कृत्रिम बुद्धिमत्ता का उछाल, अपने पूर्ववर्तियों की तरह, सट्टा पूंजी और इसकी वास्तविक निर्भरताओं की गहरी गलतफहमी से फुलाए गए एक बुलबुले जैसा अधिक से अधिक महसूस होता है। यह सिर्फ अत्यधिक मूल्यांकन के बारे में नहीं है; यह एक मौलिक नाजुकता के बारे में है। इससे पहले कि हम बह जाएं, इस तकनीकी विस्फोट की जड़ों की जांच करना महत्वपूर्ण है।

स्वायत्त बुद्धिमत्ता का भ्रम

AI के इर्द-गिर्द की कहानी अक्सर स्वायत्त, स्व-सुधार करने वाली प्रणालियों की तस्वीर पेश करती है। लेकिन सतह को खुरचें, और आपको हर परिष्कृत एल्गोरिथम के नीचे एक विशाल, अक्सर अनकहा, मानवीय बुनियादी ढाँचा मिलेगा। उदाहरण के लिए, बड़े भाषा मॉडल केवल सिलिकॉन से पैदा नहीं होते हैं; वे पेटाबाइट्स डेटा द्वारा गढ़े जाते हैं, जिसमें से अधिकांश मानवीय रचनात्मकता, श्रम और बातचीत से उत्पन्न होता है, अक्सर स्पष्ट सहमति या उचित मुआवजे के बिना।

जैसा कि कोरी डॉक्टरो द रिवर्स सेंटॉर'स गाइड टू लाइफ आफ्टर AI में तर्क देते हैं, "रिवर्स सेंटॉर" एक AI नहीं है जो मानव को नियंत्रित करता है; यह मानव एनोटेटर्स, सामग्री निर्माताओं और डेटा लेबलर्स की विशाल, अदृश्य सेना है जो AI को बुद्धिमान दिखाती है। यह मानवीय निर्भरता कोई त्रुटि नहीं है; यह एक विशेषता है, और यह एक महत्वपूर्ण भेद्यता है जिसे उद्योग बड़े पैमाने पर अनदेखा करता है, AI को एक आत्मनिर्भर इकाई के रूप में विपणन करना पसंद करता है।

" 'बुद्धिमत्ता' की वास्तविक लागत केवल कंप्यूट नहीं है; यह मशीन को खिलाने वाले अदृश्य मानवीय हाथ हैं।"

अस्थिर ऊर्जा और संसाधन की निकासी

मानवीय श्रम से परे, उन्नत AI मॉडल को प्रशिक्षित करने और चलाने के लिए आवश्यक भौतिक बुनियादी ढाँचा चौंका देने वाला है, जो अस्थिरता की सीमा पर है। एक एकल बड़े भाषा मॉडल को प्रशिक्षित करने में सैकड़ों हजारों पाउंड CO2 उत्सर्जन के बराबर ऊर्जा की खपत हो सकती है, यह आंकड़ा कई कारों के जीवनकाल के कार्बन पदचिह्न के बराबर है। डेटा सेंटर, AI के शाब्दिक घर, बिजली और, तेजी से, शीतलन के लिए ताजे पानी के अत्यधिक उपभोक्ता हैं।

यह ऐसी समस्या नहीं है जिसे मूर का नियम आसानी से हल कर देगा। सिलिकॉन की भौतिक सीमाएं, चिप निर्माण में दुर्लभ पृथ्वी खनिजों की बढ़ती मांग, और वैश्विक ऊर्जा ग्रिड की क्षमता सभी बाधाओं का प्रतिनिधित्व करती हैं। जैसे-जैसे AI फैलता है, ये संसाधन बाधाएं महत्वपूर्ण हो जाएंगी, जिससे परिचालन लागत बढ़ेगी और संभावित रूप से स्केलेबिलिटी सीमित होगी, जो सीधे उद्योग के विकास अनुमानों को चुनौती देती है।

📌 मुख्य बिंदु: AI बुलबुले की नाजुकता केवल बाजार की भावना में नहीं, बल्कि इसके अस्थिर संसाधन उपभोग में निहित है।

आसन्न बौद्धिक संपदा का हिसाब-किताब

शायद सबसे शक्तिशाली "जड़" जिस पर प्रहार करना है, वह बौद्धिक संपदा का दलदल है। वर्तमान AI मॉडल इंटरनेट से स्क्रैप किए गए विशाल डेटासेट पर प्रशिक्षित होते हैं, जिनमें अक्सर कॉपीराइट वाले कार्य, व्यक्तिगत डेटा और मालिकाना जानकारी शामिल होती है। कानूनी चुनौतियाँ बढ़ रही हैं, जिसमें कलाकार, लेखक और समाचार संगठन उल्लंघन का आरोप लगाते हुए मुकदमे दायर कर रहे हैं।

यदि अदालतें लगातार यह फैसला देना शुरू कर दें कि लाइसेंस के बिना कॉपीराइट सामग्री पर AI को प्रशिक्षित करना उल्लंघन है, तो कई AI फर्मों के लिए संपूर्ण डेटा अधिग्रहण मॉडल ध्वस्त हो सकता है। यह कोई छोटा बदलाव नहीं है; इसके लिए एक पूर्ण बदलाव की आवश्यकता होगी, जिसमें संभावित रूप से महंगे लाइसेंसिंग सौदे या प्रशिक्षण डेटा में भारी कमी की आवश्यकता होगी, जिससे मॉडल क्षमताओं और विकास समय-सीमा पर गंभीर प्रभाव पड़ेगा। "मुफ्त" डेटा के आधार पर बनी कंपनियों के लिए अकेले वित्तीय निहितार्थ विनाशकारी हो सकते हैं।

फीडबैक लूप को बाधित करना

प्रचलित कथा बताती है कि AI की प्रगति अपरिहार्य है, एक ऐसी तकनीकी शक्ति जिसे रोकना बहुत मुश्किल है। हालांकि, यह उन नाजुक फीडबैक लूपों को अनदेखा करता है जो बुलबुले को बनाए रखते हैं। उद्यम पूंजी प्रवाह, मीडिया प्रचार और उपयोगकर्ता अपनाना सभी आपस में जुड़े हुए हैं। इनमें से किसी एक को बाधित करने से एक व्यापक प्रभाव हो सकता है। वास्तविक लागतों—पर्यावरणीय, नैतिक और वित्तीय—को उजागर करके, हम जन धारणा और निवेशक भावना को बदल सकते हैं।

यह पूरी तरह से नवाचार को रोकने के बारे में नहीं है, बल्कि एक अधिक जिम्मेदार, पारदर्शी और टिकाऊ दृष्टिकोण को बढ़ावा देने के बारे में है। इसका मतलब है डेटा के स्रोत के लिए जवाबदेही की मांग करना, ऊर्जा-कुशल आर्किटेक्चर के लिए जोर देना, और यह सुनिश्चित करना कि AI के लाभ साझा किए जाएं, न कि केवल निजीकरण किया जाए। "अपरिहार्य प्रगति" का तर्क अक्सर जांच से बचने के लिए काम करता है; अब समय आ गया है कि लक्षित कार्यों के माध्यम से उस जांच को सख्ती से लागू किया जाए:

1. डेटा स्रोत के लिए वकालत: प्रशिक्षण डेटा स्रोतों और मुआवजा मॉडल का स्पष्ट प्रकटीकरण अनिवार्य करें।
2. ऊर्जा कराधान और दक्षता मानक: उच्च-खपत वाले AI प्रशिक्षण पर कार्बन कर लागू करें और डेटा केंद्रों के लिए सख्त दक्षता आवश्यकताओं को लागू करें।
3. मजबूत IP प्रवर्तन: अनधिकृत डेटा स्क्रैपिंग के खिलाफ कानूनी चुनौतियों का समर्थन करें और उचित उपयोग के ढांचे का समर्थन करें।
4. जन शिक्षा अभियान: उपयोगकर्ताओं को AI की छिपी हुई लागतों और निर्भरताओं के बारे में सूचित करें ताकि उपभोक्ता मांग को नैतिक AI की ओर मोड़ा जा सके।

मुख्य तथ्य

• एक एकल बड़े AI मॉडल (जैसे GPT-3) को प्रशिक्षित करने में 1,287 MWh से अधिक बिजली की खपत हो सकती है, जो लगभग 120 अमेरिकी घरों की वार्षिक ऊर्जा खपत के बराबर है।
• वैश्विक AI बाजार का 2030 तक $1.8 ट्रिलियन तक पहुंचने का अनुमान है, लेकिन यह वृद्धि सस्ते डेटा और कम्प्यूटेशनल संसाधनों तक निरंतर पहुंच पर निर्भर करती है।
• अनुमान बताते हैं कि AI मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले 80% से अधिक डेटा में वर्तमान में उचित लाइसेंसिंग या सत्यापन योग्य सहमति का अभाव है।
• वैश्विक स्तर पर डेटा केंद्रों द्वारा 2030 तक दुनिया की 4-8% बिजली की खपत का अनुमान है, जिसमें AI इस वृद्धि का एक प्रमुख चालक है।

निष्कर्ष

AI बुलबुला एक अभेद्य किला नहीं है; यह उन नींवों पर बनी एक संरचना है जो तेजी से अस्थिर साबित हो रही हैं। इसकी मुख्य निर्भरताओं—अवैतनिक मानवीय श्रम और अस्थिर संसाधन उपभोग से लेकर बौद्धिक संपदा पर एक अनिश्चित कानूनी स्थिति तक—को समझकर और चुनौती देकर, हम इसकी हवा निकालना शुरू कर सकते हैं। सवाल यह नहीं है कि बुलबुला कब फटेगा, बल्कि कब फटेगा, और क्या हम इसकी हवा को प्रौद्योगिकी के लिए एक अधिक नैतिक और टिकाऊ भविष्य की ओर निर्देशित कर सकते हैं।