സത്യ നദെല്ല തന്റെ കമ്പനി വളർത്തിയെടുക്കാൻ സഹായിച്ച ലാബുകളുമായി പരസ്യമായി ഏറ്റുമുട്ടിയിരിക്കുകയാണ്. ഡാറ്റാ ഉടമസ്ഥാവകാശത്തിന്റെ നിയമങ്ങൾ വലിയ AI കമ്പനികൾ എങ്ങനെ മാറ്റിയെഴുതുന്നു എന്നതിനെക്കുറിച്ച് മൈക്രോസോഫ്റ്റ് ചീഫ് എക്സിക്യൂട്ടീവ് കടുത്ത മുന്നറിയിപ്പ് നൽകി, ഈ സന്ദേശം വലിയ ചർച്ചകൾക്ക് വഴിവെച്ചു. ഒരു സമീപകാല ബ്ലോഗ് പോസ്റ്റിൽ, OpenAI, Anthropic തുടങ്ങിയ മുൻനിര ലാബുകൾ ഒരു ക്രമരഹിതമായ വിപണി (rigged marketplace) സൃഷ്ടിക്കുകയാണെന്ന് നദെല്ല കുറ്റപ്പെടുത്തി. അവർ വലിയ മോഡലുകളെ പരിശീലിപ്പിക്കാൻ പൊതു ഡാറ്റ ഉപയോഗിക്കുന്നു, എന്നാൽ ആ മോഡലുകൾ നൽകുന്ന ഔട്ട്പുട്ടുകളിൽ നിന്ന് മറ്റാരും പഠിക്കുന്നത് തടയാൻ അവരുടെ സേവന വ്യവസ്ഥകൾ (terms of service) ഉപയോഗിക്കുന്നു. ഇതിന്റെ ഫലമായി, സംരംഭങ്ങൾ തങ്ങളുടെ ഉടമസ്ഥതയിലുള്ള അറിവ് വിട്ടുകൊടുക്കുമ്പോൾ തന്നെ വലിയ തുകകൾ നൽകേണ്ടി വരുന്ന ഒരു ഏകപക്ഷീയമായ മൂല്യ കൈമാറ്റം സംഭവിക്കുന്നുവെന്ന് അദ്ദേഹം വാദിക്കുന്നു.
ഡിസ്റ്റിലേഷൻ എന്ന ഇരട്ടത്താപ്പ് (The Distillation Double Standard)
ഈ പരാതി മനസ്സിലാക്കാൻ, ഈ ലാബുകൾ തടയാൻ ഇത്രയധികം ശ്രമിക്കുന്ന സാങ്കേതികവിദ്യയെക്കുറിച്ച് അറിയുന്നത് സഹായിക്കും. ഡിസ്റ്റിലേഷൻ (Distillation) എന്നത് ഒരു സാധാരണ പരിശീലന രീതിയാണ്. ഇതിൽ ഒരു ചെറിയ, പ്രത്യേക ആവശ്യങ്ങൾക്കായുള്ള മോഡൽ, ഇന്റർനെറ്റിലെ വിവരങ്ങൾ നേരിട്ട് ഉപയോഗിക്കുന്നതിന് പകരം ഒരു വലിയ മോഡലിന്റെ ഔട്ട്പുട്ടുകളിൽ നിന്ന് പഠിക്കുന്നു. ഒരു സ്റ്റാർട്ടപ്പിനോ ഗവേഷണ ടീമിനോ ഒരു മുൻനിര മോഡലിലേക്ക് ദശലക്ഷക്കണക്കിന് പ്രോംപ്റ്റുകൾ നൽകി, അതിന്റെ മറുപടികൾ ശേഖരിച്ച്, ആ വിവരങ്ങൾ ഉപയോഗിച്ച് പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്നതോ അല്ലെങ്കിൽ ഒരു പ്രത്യേക ആവശ്യത്തിനായി ഉപയോഗിക്കാവുന്നതോ ആയ ഒരു ചെറിയ മോഡലിനെ പരിശീലിപ്പിക്കാം. ഒരു ഫൗണ്ടേഷൻ മോഡൽ പൂജ്യത്തിൽ നിന്ന് നിർമ്മിക്കുന്നതിനേക്കാൾ ലാഭകരവും കുറഞ്ഞ ഊർജ്ജം മാത്രം ഉപയോഗിക്കുന്നതുമാണ് ഈ രീതി.
OpenAI-യും Anthropic-ഉം അവരുടെ സേവന വ്യവസ്ഥകളിൽ ഈ രീതി നിരോധിച്ചിട്ടുണ്ട്. വ്യവസ്ഥാപിതമായ ഡിസ്റ്റിലേഷൻ അവർ കണ്ടെത്തിയാൽ, അതിനെ നിയമലംഘനമായി അവർ കണക്കാക്കുന്നു. ഇത് നടപ്പിലാക്കുമ്പോൾ പലപ്പോഴും എതിരാളികളെയാണ് ലക്ഷ്യം വെക്കുന്നത്, പ്രത്യേകിച്ച് ചൈനയിലെ AI കമ്പനികളെ. യഥാർത്ഥ പരിശീലനത്തിനായി ചിലവഴിക്കുന്ന കോടിക്കണക്കിന് ഡോളറുകൾക്ക് പകരമായി ഈ രീതി ഉപയോഗിച്ച് സാങ്കേതിക വിദ്യയിലെ വിടവ് നികത്തുകയാണെന്ന് ഇവർ ആരോപിക്കപ്പെടുന്നു.
ഈ നയത്തിന്റെ കേന്ദ്രത്തിലുള്ള സംഘർഷത്തെ നദെല്ല ചൂണ്ടിക്കാട്ടി. ഈ ലാബുകൾ തങ്ങളുടെ പ്രധാന മോഡലുകൾ നിർമ്മിച്ചത് വെബ്സൈറ്റുകൾ, പുസ്തകങ്ങൾ, ഫോറങ്ങൾ, കോഡ് റിപ്പോസിറ്ററികൾ, ലേഖനങ്ങൾ എന്നിവ ശേഖരിച്ചുകൊണ്ടാണ്. പൊതുവായി ലഭ്യമായ ഡാറ്റ ഉപയോഗിക്കുന്നത് 'ഫെയർ യൂസ്' (fair use) ആണെന്ന നിയമപരമായ വാദമാണ് അവർ ഉയർത്തിയത്. അവർ പൊതുവിജ്ഞാന ശേഖരത്തിൽ നിന്ന് വിവരങ്ങൾ ഖനനം ചെയ്തു. എന്നാൽ ഇപ്പോൾ, തങ്ങളുടെ മോഡൽ ഔട്ട്പുട്ടുകൾ മറ്റുള്ളവർക്ക് പഠന സാമഗ്രികളായി ഉപയോഗിക്കുന്നത് തടയാൻ അവർ നിയമപരമായ വേലികൾ തീർക്കുന്നു. "നിങ്ങൾക്ക് ലോകത്തിന്റെ തുറന്ന അറിവിൽ നിന്ന് പഠിക്കാം, പക്ഷേ ഞങ്ങളിൽ നിന്ന് ആർക്കും പഠിക്കാനാവില്ല" എന്നാണ് അവർ പറയുന്നത്.
ഈ അസമത്വം കേവലം ഒരു അക്കാദമിക് ചർച്ചയല്ല. ഇത് ഏതാനും ഇൻഫ്രാസ്ട്രക്ചർ പ്രൊവൈഡർമാർക്ക് അറിവ് നിയന്ത്രിക്കാൻ കഴിയുന്ന ഒരു ശ്രേണി സൃഷ്ടിക്കുന്നു. മനുഷ്യരാശി പ്രസിദ്ധീകരിച്ച അറിവ് ഉപയോഗിക്കുന്നത് ന്യായമാണെങ്കിൽ, ഈ മോഡലുകളുടെ ഔട്ട്പുട്ടുകൾ ഒരു സ്വകാര്യ സ്വത്തായി മാറുന്നു. എതിരാളികൾക്കും ഉപഭോക്താക്കൾക്കും ആ വിവരങ്ങൾ ഉപയോഗിച്ച് പുതിയ ടൂളുകൾ നിർമ്മിക്കാൻ കഴിയുന്നില്ല. വിപണിയിലെ ലാഭം വലിയ ലാബുകളിലേക്ക് മാത്രം ഒഴുകുന്നു.
സ്വന്തം ബുദ്ധിശക്തിക്കായി രണ്ടുതവണ പണം നൽകുന്നു
നദെല്ല കാണുന്ന ഈ സാമ്പത്തിക കെണിക്ക് അദ്ദേഹം ഒരു പേര് നൽകി: "റിവേഴ്സ് ഇൻഫർമേഷൻ പാരഡോക്സ്" (reverse information paradox). അദ്ദേഹത്തിന്റെ കാഴ്ചപ്പാടിൽ, സംരംഭങ്ങൾ നിലവിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനായി രണ്ടുതവണ പണം നൽകുന്നുണ്ടെന്നും അതിൽ ഒരു തവണ മാത്രമേ ഇൻവോയ്സിൽ കാണുന്നുള്ളൂ എന്നും അദ്ദേഹം കരുതുന്നു.
ആദ്യത്തെ ചിലവ് വ്യക്തമാണ്. കമ്പനികൾ API ക്രെഡിറ്റുകൾ വാങ്ങുന്നു, Copilot സബ്സ്ക്രിപ്ഷൻ എടുക്കുന്നു അല്ലെങ്കിൽ ചാറ്റ്ബോട്ട് സേവനങ്ങൾ ഉപയോഗിക്കുന്നു. രണ്ടാമത്തെ ചിലവ് മറഞ്ഞിരിക്കുന്നതാണ്. ഒരു ജീവനക്കാരൻ തെറ്റായ വിവരങ്ങൾ തിരുത്തുമ്പോഴോ, ഒരു മറുപടി എത്രത്തോളം സഹായകരമാണെന്ന് രേഖപ്പെടുത്തുമ്പോഴോ, അല്ലെങ്കിൽ ഒരു റിപ്പോർട്ട് പരിഷ്കരിക്കുമ്പോഴോ, നദെല്ല "എക്സ്ഹോസ്റ്റ്" (exhaust) എന്ന് വിളിക്കുന്ന വിവരങ്ങൾ ഉണ്ടാകുന്നു. യഥാർത്ഥ ജോലി സമയത്ത് ഉണ്ടാകുന്ന തിരുത്തലുകൾ, മുൻഗണനകൾ, ഇന്ററാക്ഷൻ ലോഗുകൾ എന്നിവയുടെ ഒരു ശേഖരമാണിത്.
ഈ വിവരങ്ങൾ വെറും ഡിജിറ്റൽ അവശിഷ്ടങ്ങളല്ല. അവയിൽ ബിസിനസ്സ് ലോജിക് അടങ്ങിയിട്ടുണ്ടാകാം. ഒരു ലോജിസ്റ്റിക്സ് ടീം തങ്ങളുടെ കമ്പനിയുടെ പ്രത്യേകതകൾ ഉപയോഗിച്ച് ഷിപ്പിംഗ് റൂട്ടുകൾ ഒപ്റ്റിമൈസ് ചെയ്യാൻ മോഡലിനോട് ആവശ്യപ്പെട്ടേക്കാം. ഒരു ലീഗൽ ഡിപ്പാർട്ട്മെന്റ് കരാറുകൾ പരിഷ്കരിച്ചേക്കാം. ഒരു ഫാർമസ്യൂട്ടിക്കൽ റിസർച്ച് ഗ്രൂപ്പ് ക്ലിനിക്കൽ ഡാറ്റ ഉപയോഗിച്ചേക്കാം. ഈ വിവരങ്ങൾ ഒരു തേർഡ് പാർട്ടി API വഴി പോകുമ്പോൾ, പ്രൊവൈഡർക്ക് ആ മുഴുവൻ വിവരങ്ങളും ലഭിക്കുന്നു. ആ പ്രത്യേക മേഖലയിൽ മികച്ച ഉത്തരങ്ങൾ എങ്ങനെയായിരിക്കണമെന്ന് മോഡൽ പഠിക്കുന്നു.
കാലക്രമേണ, ഈ ഫീഡ്ബാക്ക് പ്രൊവൈഡറുടെ മോഡലിനെ ഉപഭോക്താവ് ഏൽപ്പിച്ച ജോലികൾ ചെയ്യുന്നതിൽ കൂടുതൽ മികച്ചതാക്കുന്നു. പിന്നീട് പ്രൊവൈഡർക്ക് ആ കഴിവ് ഉപഭോക്താവിന്റെ എതിരാളികൾക്ക് വിൽക്കാൻ സാധിക്കും, അല്ലെങ്കിൽ ആ പ്രത്യേക പ്രവർത്തനരീതി അനുകരിക്കുന്ന പുതിയ ഉൽപ്പന്നങ്ങൾ പുറത്തിറക്കാം. യഥാർത്ഥ സംരംഭം സബ്സ്ക്രിപ്ഷൻ ഫീസുകൾ നൽകുകയും തങ്ങളുടെ ഉടമസ്ഥതയിലുള്ള അറിവ് ദാനം ചെയ്യുകയും ചെയ്തുകൊണ്ട് യഥാർത്ഥത്തിൽ സ്വന്തം എതിരാളിയെയാണ് പരിശീലിപ്പിച്ചത്.
എന്തുകൊണ്ടാണ് സോവറിൻ AI (Sovereign AI) ഒരു വെറും വാക്കിൽ നിന്ന് ഒരു തന്ത്രമായി മാറുന്നത്
The logical response to this drain is to reclaim control over the learning loop. Nadella’s argument is clearly designed to position Microsoft as a different kind of landlord. Rather than insisting customers feed their intelligence into a centralized black box, he is making the case for environments where the customer keeps the keys.
This is where the conversation around sovereign AI gains practical weight. Running models inside a private cloud, an on-premise data center, or a tightly controlled virtual network means the interaction data never leaves the organization’s perimeter. The enterprise still benefits from modern foundation models, but the weights, the prompts, and the preference data remain inside a boundary the company administers.
Microsoft has built its Azure cloud business around exactly this promise of private deployments and regional data residency. In his post, Nadella signaled that Microsoft wants to be the platform where enterprises can host their own training and inference without inadvertently shipping their intellectual property to a distant model provider. The pitch is straightforward: use powerful AI, but keep your exhaust.
Other vendors are making similar noises, but Nadella’s intervention carries extra weight because of Microsoft’s deep partnership with OpenAI. For a CEO whose