പുതിയ കണക്കുകൾ പ്രകാരം, ആഗോള ഡാറ്റാ സെന്റർ ശേഷിയുടെ 77% ഉയർന്ന വരുമാനമുള്ള രാജ്യങ്ങളുടെ നിയന്ത്രണത്തിലാണ്, എന്നാൽ കുറഞ്ഞ വരുമാനമുള്ള രാജ്യങ്ങളുടെ കൈവശം 0.1%-ൽ താഴെ മാത്രമാണുള്ളത്. GPU ക്ലസ്റ്ററുകളുടെ കാര്യത്തിലും സമാനമായ ചിത്രം കാണാം: ലോകത്തിലെ മൊത്തം യൂണിറ്റുകളുടെ 75% അമേരിക്കയും, 15% ചൈനയും കൈവശം വയ്ക്കുമ്പോൾ, ബാക്കി ലോകം ചേർന്ന് 10%-ൽ താഴെ മാത്രമാണ് കൈവശം വെക്കുന്നത്. ഈ കേന്ദ്രീകരണം AI-യെ ഒരു ഭൗമരാഷ്ട്രീയ അധികാര ഉപകരണമാക്കി മാറ്റുന്നു; ആർക്ക് നിർമ്മിക്കാം, ആർക്ക് ഉപയോഗിക്കാം, ആരുടെ നിയമങ്ങൾ അടിസ്ഥാനമായിരിക്കണം എന്നിവ ഇത് തീരുമാനിക്കുന്നു.
കോഡിനേക്കാൾ കമ്പ്യൂട്ട് (compute) പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾ പ്രവർത്തിക്കുന്നത് വൻതോതിലുള്ള പ്രോസസ്സർ സൈക്കിളുകളിലാണ് (processor cycles). ഡാറ്റ വിശകലനം ചെയ്യാനും, വെയ്റ്റുകൾ (weights) സംഭരിക്കാനും, ഇൻഫറൻസ് (inference) നടത്താനും ഉപയോഗിക്കുന്ന സിലിക്കണിന്റെ ശേഷിയനുസരിച്ച് ഒരു മോഡലിന്റെ കഴിവുകൾ വർദ്ധിക്കുന്നു. ഒരു രാജ്യത്തിന് ആവശ്യമായ മെഷീനുകൾ ഇല്ലെങ്കിൽ, അവർ വിദേശ ക്ലൗഡ് സേവനദാതാക്കളെ ആശ്രയിക്കേണ്ടി വരും. ഈ ആശ്രിതത്വം വെറുമൊരു ബില്ല് വർദ്ധിപ്പിക്കുക മാത്രമല്ല ചെയ്യുന്നത്; മറിച്ച്, എന്താണ് "സുരക്ഷിതം" എന്ന് തീരുമാനിക്കുന്ന സേവനദാതാവിന്റെ എഞ്ചിനീയർമാർക്കും പോളിസി ടീമുകൾക്കും അടിസ്ഥാന ലോജിക്കിന്റെ നിയന്ത്രണം കൈമാറുകയും ചെയ്യുന്നു. ഒരു ഡാറ്റാ സെന്റർ ഹബ്ബിലെ നിയന്ത്രണപരമായ മാറ്റം നൈറോബിയിലെ ഒരു ആശുപത്രിയുടെ പ്രവർത്തനത്തെ പെട്ടെന്ന് തന്നെ ബാധിച്ചേക്കാം.
"ഡിജിറ്റൽ വിഭജനം" (digital divide) എന്ന പദം സാധാരണയായി ഇന്റർനെറ്റ് ലഭ്യതയെയോ ഉപകരണങ്ങളുടെ ഉടമസ്ഥതയെയോ ആണ് സൂചിപ്പിക്കുന്നത്. എന്നാൽ പുതിയ കണക്കുകൾ കൂടുതൽ ആഴത്തിലുള്ള ഒരു വിഭജനം വെളിപ്പെടുത്തുന്നു: വലിയ തോതിൽ AI ഫലങ്ങൾ ഉൽപ്പാദിപ്പിക്കാനുള്ള കഴിവ്. ഒരു രാജ്യത്തിന് ബ്രോഡ്ബാൻഡ് ഉണ്ടായിരിക്കാം, എന്നാൽ പ്രാദേശികമായ കമ്പ്യൂട്ട് ശേഷി ഇല്ലെങ്കിൽ ഭാഷാ വിവർത്തനം, പ്രവചനപരമായ ആരോഗ്യ വിശകലനം (predictive health analytics), അല്ലെങ്കിൽ സ്വയംഭരിക്കുന്ന ലോജിസ്റ്റിക്സ് (autonomous logistics) എന്നിവയ്ക്ക് ആവശ്യമായ മോഡലുകൾ ഹോസ്റ്റ് ചെയ്യാൻ അവർക്ക് കഴിയില്ല. അവർ ആ കഴിവുകൾ വാടകയ്ക്ക് എടുക്കുന്നു, എന്നാൽ വാടകയ്ക്ക് എടുക്കുമ്പോൾ ചില നിബന്ധനകളും ഉണ്ടാകുന്നു.
വിദേശ AI-യുടെ മറഞ്ഞിരിക്കുന്ന ചിലവുകൾ
ഒരു ബാഹ്യ എൻഡ്പോയിന്റിനെ (external endpoint) ആശ്രയിക്കുന്നത് ഓരോ അഭ്യർത്ഥനയെയും മൂന്ന് അദൃശ്യമായ ഘടകങ്ങളാൽ നിയന്ത്രിക്കപ്പെടുന്ന ഒരു വിദേശ എഞ്ചിനിലൂടെ കടത്തിവിടാൻ നിർബന്ധിതമാക്കുന്നു:
- അലൈൻമെന്റ് ലോജിക് (Alignment logic) – ഏത് ഉള്ളടക്കമാണ് അനുവദനീയമെന്ന് സേവനദാതാവ് തീരുമാനിക്കുന്നു. ഒരു പ്രാദേശിക പ്രതിസന്ധി ഘട്ടത്തിൽ, ഈ നിർവചനം സാംസ്കാരികമോ നിയമപരമോ ആയ മാനദണ്ഡങ്ങളുമായി ഏറ്റുമുട്ടിയേക്കാം.
- അപ്ഡേറ്റ് ഷെഡ്യൂളുകൾ (Update schedules) – ഒരു സേവനദാതാവിന് ഒറ്റരാത്രികൊണ്ട് പുതിയ മോഡൽ പതിപ്പ് പുറത്തിറക്കാം, ഇത് മുൻപത്തെ രീതി അനുസരിച്ച് ക്രമീകരിച്ചിട്ടുള്ള ഡാറ്റാ പൈപ്പ്ലൈനുകളെ തകരാറിലാക്കിയേക്കാം.
- സെമാന്റിക് ഡ്രിഫ്റ്റ് (Semantic drift) – ആഗോളതലത്തിൽ പ്രബലമായ ഡാറ്റ ഉപയോഗിച്ച് പരിശീലിപ്പിക്കപ്പെട്ട മോഡലുകൾ പലപ്പോഴും പ്രാദേശിക സംസാരരീതികളോ (dialects), ശൈലികളോ, അല്ലെങ്കിൽ നയപരമായ സൂക്ഷ്മതകളോ തിരിച്ചറിയാറില്ല. ഇത് പ്രാദേശികമായി പരിശീലിപ്പിച്ച ഒരു സംവിധാനം ഒഴിവാക്കുമായിരുന്ന തെറ്റായ വ്യാഖ്യാനങ്ങളിലേക്ക് നയിക്കാം.
ഒരു രാജ്യത്തിന് സ്വന്തം മോഡലുകൾ ഹോസ്റ്റ് ചെയ്യാൻ കഴിയാത്തപ്പോൾ, മോഡലിന്റെ വെയ്റ്റുകളിലും (weights) ആർക്കിടെക്ചറിലും ഉൾപ്പെട്ടിരിക്കുന്ന ബൗദ്ധിക സ്വത്തവകാശം (intellectual property) സംരക്ഷിക്കാൻ അവർക്ക് കഴിയില്ല. തന്ത്രപരമായ നേട്ടം സിലിക്കണിന്റെയും കോഡിന്റെയും ഉടമസ്ഥർക്ക് ലഭിക്കുന്നു, സേവനത്തിന്റെ ഉപയോക്താക്കൾക്ക് ലഭിക്കുന്നില്ല.
സാമ്പത്തികമായി നോക്കിയാൽ, ഈ പ്രതിസന്ധി വളരെ കഠിനമാണ്. വലിയ ഫൗണ്ടേഷൻ മോഡലുകൾക്ക് വൻതോതിൽ വൈദ്യുതി ആവശ്യമാണ് കൂടാതെ വലിയ ഹാർഡ്വെയർ നിക്ഷേപങ്ങളും ആവശ്യമാണ്. മിക്ക സർക്കാരുകളും രണ്ട് പ്രയാസകരമായ ഓപ്ഷനുകൾ നേരിടുന്നു:
- വിദേശ വെണ്ടർമാർക്ക് വലിയ തുക നൽകുക – ടോക്കൺ അടിസ്ഥാനത്തിലുള്ള വിലനിർണ്ണയമോ സബ്സ്ക്രിപ്ഷൻ നിരക്കുകളോ രാജ്യത്തിന്റെ AI ബജറ്റുകളെക്കാൾ വളരെ വലുതായി മാറിയേക്കാം.
- സുരക്ഷിതമല്ലാത്തതോ ശേഷി കുറഞ്ഞതോ ആയ സംവിധാനങ്ങൾ പ്രവർത്തിപ്പിക്കുക – കമ്പ്യൂട്ടിംഗിൽ വിട്ടുവീഴ്ച ചെയ്യുന്നത് തെറ്റുകൾ സംഭവിക്കാനോ കൃത്രിമത്വങ്ങൾ ഉണ്ടാകാനോ സാധ്യതയുള്ള പഴയ മോഡലുകൾ ഉപയോഗിക്കാൻ നിർബന്ധിതരാക്കുന്നു.
ഈ രണ്ട് വഴികളും പരമാധികാരത്തെ തകർക്കുകയും പൊതു ഖജനാവിനെ ബാധിക്കുകയും ചെയ്യുന്നു.
കുറഞ്ഞ ചിലവിൽ ലഭ്യമാകുന്നതിനെക്കുറിച്ചുള്ള വാദം
ചില വിശകലന വിദഗ്ധർ വാദിക്കുന്നത് ടോക്കൺ അടിസ്ഥാനത്തിലുള്ള വിലനിർണ്ണയമോ വേഗതയേറിയ ഇന്റർനെറ്റോ AI കുറഞ്ഞ ചിലവുള്ളതാക്കുമെന്നാണ്. കൂടുതൽ API കോളുകൾ ലഭിക്കുന്നതിലൂടെ അതിന്റെ ഗുണങ്ങൾ വ്യാപിക്കുന്നു എന്നതാണ് ഇതിന്റെ അടിസ്ഥാനം. എന്നാൽ പ്രായോഗികമായി പറഞ്ഞാൽ, കുറഞ്ഞ ചിലവിലുള്ള ആക്സസ് പ്രാദേശികമായ കഴിവ് സൃഷ്ടിക്കുന്നില്ല. ഒരു API കോൾ എന്നത് ഇപ്പോഴും ഒരു വിദൂര എഞ്ചിനിലേക്കുള്ള അഭ്യർത്ഥന മാത്രമാണ്; ഉപയോക്താവ് ഇപ്പോഴും സേവനദാതാവിന്റെ അലൈൻമെന്റ്, അപ്ഡേറ്റ് രീതികൾ, ഡാറ്റാ പക്ഷപാതങ്ങൾ എന്നിവയ്ക്ക് വിധേയനായി തുടരുന്നു. കമ്പ്യൂട്ട് ശേഷി വിദേശത്തായി തുടരുന്നു, രാജ്യം ഉടമസ്ഥതയിലാക്കുന്നതിന് പകരം വാടകയ്ക്ക് എടുക്കുന്നത് തുടരുന്നു.
വ്യത്യസ്തമായ ഒരു സാങ്കേതിക പാത: ഡെറ്റമിനിസ്റ്റിക് കൺട്രോൾ (deterministic control)
ഹാർഡ്വെയറിന് പകരം റൺടൈം നിയന്ത്രണങ്ങളിൽ (runtime constraints) ശ്രദ്ധ കേന്ദ്രീകരിക്കണമെന്ന് ഒരു കൂട്ടം ഗവേഷകർ നിർദ്ദേശിക്കുന്നു. കുറഞ്ഞ ഓപ്പറേഷനുകൾ മാത്രം ആവശ്യമുള്ള AI സംവിധാനങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിലൂടെ, അവ പ്രാദേശികമായി ഉടമസ്ഥതയിലുള്ള മിതമായ ഹാർഡ്വെയറിൽ പ്രവർത്തിപ്പിക്കുന്നത് സാധ്യമാകും. ഡെറ്റമിനിസ്റ്റിക് കൺട്രോൾ—അതായത് എക്സിക്യൂഷൻ പാത്തും (execution path) വിഭവ ഉപയോഗവും പ്രവചിക്കാവുന്ന രീതിയിലുള്ള നിയന്ത്രണം—പ്രത്യേക ഗുണങ്ങൾ നൽകുന്നു:
- പ്രോസസ്സിംഗ് സമയം കുറയുന്നു – കുറഞ്ഞ കമ്പ്യൂട്ട് എന്നാൽ വേഗത്തിലുള്ള പ്രതികരണങ്ങൾ എന്നാണ് അർത്ഥം.
- ഊർജ്ജ ബില്ലുകൾ കുറയുന്നു – കുറഞ്ഞ സൈക്കിളുകൾ വൈദ്യുതി ചിലവ് കുറയ്ക്കുന്നു, ഇത് ദേശീയ ഗ്രിഡുകളിലെ സമ്മർദ്ദം കുറയ്ക്കുന്നു.
- പ്രായോഗികമായ പ്രാദേശിക വിന്യാസം – ചെറിയ തോതിലുള്ള ക്ലസ്റ്ററുകൾ മതിയാകും, ഇത് സർക്കാരങ്ങൾക്ക് അവരുടെ അതിർത്തിക്കുള്ളിൽ തന്നെ മോഡലുകൾ ഹോസ്റ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു.
- മിതമായ ചിലവിൽ പരമാധികാരം – ഹാർഡ്വെയറും റൺടൈമും സ്വന്തമാക്കുന്നത് സുരക്ഷാ നയങ്ങളുടെയും അപ്ഡേറ്റ് സൈക്കിളുകളുടെയും മേലുള്ള നിയന്ത്രണം തിരികെ നൽകുന്നു.
ഈ മാറ്റം ഡിജിറ്റൽ അധികാരത്തെ പുനർനിർവചിക്കുന്നു. സ്വാധീനം എന്നത് ഒരു സെർവർ ഫാം (server farm) എത്ര വലുതാണ് എന്നതിൽ നിന്ന് മാറുന്നത്, ഒരു രാജ്യം എത്ര കാര്യക്ഷമമായി സുരക്ഷിതവും പ്രാദേശികമായി നിയന്ത്രിക്കപ്പെടുന്നതുമായ AI പ്രവർത്തിപ്പിക്കുന്നു എന്നതിലേക്കാണ്.
വിപരീത വാദം: വ്യാപ്തിയുടെ ആകർഷണം (the allure of scale)
വലിയ കേന്ദ്രീകൃത മാതൃകകളെ അനുകൂലിക്കുന്നവർ വാദിക്കുന്നത് സ്കെയിൽ മികച്ച പ്രകടനം നൽകുന്നു എന്നാണ്. എന്നാൽ ഇതിനെതിരെയുള്ള വാദം, പല പൊതുമേഖലാ ജോലികളിലും പ്രകടനത്തിലുള്ള വർദ്ധനവ് വളരെ കുറവാണെന്നും എന്നാൽ ആശ്രിതത്വത്തിന്റെ തന്ത്രപരമായ പ്രത്യാഘാതങ്ങൾ വളരെ വലുതാണെന്നുമാണ്. സേവനദാതാവിന്റെ ഉത്തരവാദിത്തം അവരുടെ സ്വന്തം രാജ്യത്തെ നിയമപരമായ സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഇത് ഒരു ഉപഭോക്തൃ രാജ്യത്തിന്റെ മൂല്യങ്ങളുമായോ സുരക്ഷാ ആവശ്യങ്ങളുമായോ പൊരുത്തപ്പെടണമെന്നില്ല.
ചുരുക്കത്തിൽ
നിലവിലെ കമ്പ്യൂട്ട് ഭൂപടം അനുസരിച്ച്, അമേരിക്ക, ചൈന, കൂടാതെ കുറച്ച് ഉയർന്ന വരുമാനമുള്ള രാജ്യങ്ങൾ എന്നിവയാണ് AI വികസനത്തിന്റെ നേതൃസ്ഥാനത്തുള്ളത്. ലോകത്തിന്റെ ബാക്കി ഭാഗങ്ങളെ സംബന്ധിച്ചിടത്തോളം, വിദേശ ക്ലൗഡുകളെ ആശ്രയിക്കുക എന്നാൽ തന്ത്രപരമായ നിയന്ത്രണം വിട്ടുകൊടുക്കുക, പ്രവചനാതീതമായ ചിലവുകൾ നേരിടുക, കൂടാതെ അതിപ്രധാനമായ സേവനങ്ങളെ ബാഹ്യമായ നയപരമായ മാറ്റങ്ങൾക്ക് വിധേയമാക്കുക എന്നിവയാണ് അർത്ഥമാക്കുന്നത്. മുന്നോട്ടുള്ള പാത കുറഞ്ഞ നിരക്കിലുള്ള ഇന്റർനെറ്റോ ടോക്കൺ നിരക്കുകളോ അല്ല; മറിച്ച് AI പ്രവർത്തിക്കുന്ന രീതിയെ പുനർനിർമ്മിക്കുക എന്നതാണ്—അതിനെ കൂടുതൽ കൃത്യതയുള്ളതും (deterministic), കാര്യക്ഷമവും, പ്രാദേശികമായി ഹോസ്റ്റ് ചെയ്യാവുന്നതുമാക്കുക എന്നതാണ് ലക്ഷ്യം. രാജ്യങ്ങൾക്ക് അവരുടേതായ ലളിതമായ ഹാർഡ്വെയറുകളിൽ സുരക്ഷിതമായ AI പ്രവർത്തിപ്പിക്കാൻ കഴിയുമ്പോൾ, കമ്പ്യൂട്ടുമായി ബന്ധപ്പെട്ട ഭൗമരാഷ്ട്രീയമായ വിള്ളലുകൾ അടയാൻ തുടങ്ങുന്നു, ഡിജിറ്റൽ പരമാധികാരം എന്നത് ഒരു അപ്രാപ്യമായ ആദർശത്തിന് പകരം യാഥാർത്ഥ്യമാക്കാവുന്ന ഒരു ലക്ഷ്യമായി മാറുന്നു.