புதிய தரவுகளின்படி, உலகளாவிய தரவு மையத் திறனில் (data-center capacity) 77% உயர் வருமானம் கொண்ட நாடுகளின் கட்டுப்பாட்டில் உள்ளது, அதேசமயம் குறைந்த வருமானம் கொண்ட நாடுகள் 0.1%-க்கும் குறைவாகவே கொண்டுள்ளன. GPU கிளஸ்டர்களிலும் இதே நிலைதான் காணப்படுகிறது: உலகின் மொத்த GPU அலகுகளில் 75% அமெரிக்காவிலும், 15% சீனாவிலும் உள்ளன, மீதமுள்ள உலகம் இணைந்து 10%-க்கும் குறைவாகவே உள்ளன. இந்த ஒருமுகப்படுத்தல் AI-யை ஒரு புவிசார் அரசியல் அதிகாரக் கருவியாக மாற்றுகிறது; யார் உருவாக்க முடியும், யார் பயன்படுத்த முடியும் மற்றும் யாருடைய விதிகள் இயல்புநிலையாக இருக்கும் என்பதை இது தீர்மானிக்கிறது.
குறியீட்டை விட கணினித் திறன் ஏன் முக்கியமானது
செயற்கை நுண்ணறிவு (AI) அமைப்புகள் பெருமளவிலான செயலி சுழற்சிகளை (processor cycles) அடிப்படையாகக் கொண்டு இயங்குகின்றன. தரவுகளைக் கையாளுதல், எடைகளைச் (weights) சேமித்தல் மற்றும் முடிவுகளைக் (inference) கண்டறிதல் ஆகியவற்றிற்குத் தேவையான சிலிக்கான் வன்பொருளின் திறனைப் பொறுத்தே ஒரு மாதிரியின் (model) ஆற்றல் அமைகிறது. ஒரு நாட்டிற்குத் தேவையான இயந்திரங்கள் இல்லையென்றால், அது வெளிநாட்டு கிளவுட் (cloud) சேவை வழங்குநர்களைச் சார்ந்திருக்க வேண்டியிருக்கும். அந்தச் சார்பு வெறும் செலவை மட்டும் அதிகரிப்பதில்லை; மாறாக, எது "பாதுகாப்பானது" என்பதைத் தீர்மானிக்கும் சேவை வழங்குநரின் பொறியாளர்கள் மற்றும் கொள்கை குழுக்களிடம் அடிப்படைத் தர்க்கத்தின் (logic) கட்டுப்பாட்டை ஒப்படைத்துவிடுகிறது. ஒரு தரவு மைய மையத்தில் ஏற்படும் ஒழுங்குமுறை மாற்றம், நைரோபியில் உள்ள ஒரு மருத்துவமனை இயங்கும் விதத்தை உடனடியாக மாற்றக்கூடும்.
"டிஜிட்டல் இடைவெளி" (digital divide) என்பது பொதுவாக இணைய அணுகல் அல்லது சாதன உரிமையைக் குறிக்கிறது. ஆனால் புதிய புள்ளிவிவரங்கள் ஒரு ஆழமான இடைவெளியை வெளிப்படுத்துகின்றன: அதுதான் பெரிய அளவில் AI முடிவுகளை உருவாக்கும் திறன். ஒரு நாட்டிற்கு அதிவேக இணையம் இருக்கலாம், ஆனால் உள்ளூர் கணினித் திறன் (local compute) இல்லையென்றால், மொழிபெயர்ப்பு, முன்கணிப்பு சுகாதாரப் பகுப்பாய்வு அல்லது தன்னாட்சிப் போக்குவரத்து (autonomous logistics) போன்றவற்றைச் செயல்படுத்தும் மாதிரிகளைத் தங்குதடையின்றி இயக்க முடியாது. அந்தத் திறன்களை அந்த நாடு வாடகைக்கு மட்டுமே எடுக்க முடியும், மேலும் அந்த வாடகைக்குத் தொடரும் சேவைகளுடன் சில நிபந்தனைகளும் இணைந்திருக்கும்.
வெளிநாட்டு AI-யின் மறைமுகச் செலவுகள்
ஒரு வெளிநாட்டு முனையத்தை (endpoint) சார்ந்திருப்பது, ஒவ்வொரு கோரிக்கையையும் (request) மூன்று கண்ணுக்குத் தெரியாத நெம்புகோல்களால் நிர்வகிக்கப்படும் ஒரு வெளிநாட்டு இயந்திரத்தின் வழியாகச் செலுத்தக் கட்டாயப்படுத்துகிறது:
- சீரமைப்புத் தர்க்கம் (Alignment logic) – எந்தக் உள்ளடக்கத்தை அனுமதிக்கலாம் என்பதைச் சேவை வழங்குநர் தீர்மானிக்கிறார். ஒரு உள்ளூர் நெருக்கடி காலத்தின் போது, அந்த வரையறை கலாச்சார அல்லது சட்ட விதிமுறைகளுடன் முரண்படலாம்.
- புதுப்பித்தல் கால அட்டவணைகள் (Update schedules) – ஒரு சேவை வழங்குநர் ஒரே இரவில் புதிய மாதிரியின் பதிப்பை அறிமுகப்படுத்தலாம், இது முந்தைய செயல்பாட்டிற்கு ஏற்ப வடிவமைக்கப்பட்ட பிற பணிகளை (pipelines) முடக்கிவிடும்.
- பொருண்மை விலகல் (Semantic drift) – உலகளாவிய தரவுகளில் பயிற்சி பெற்ற மாதிரிகள் பெரும்பாலும் பிராந்திய மொழிகள், மரபுத்தொடர்கள் அல்லது கொள்கை நுணுக்கங்களைக் கவனிக்கத் தவறிவிடுகின்றன, இது உள்ளூர் முறையில் பயிற்சி பெற்ற ஒரு அமைப்பு தவிர்க்கும் தவறான புரிதல்களுக்கு வழிவகுக்கும்.
ஒரு நாடு தனது சொந்த மாதிரிகளைத் தங்குதடையின்றி இயக்க முடியாவிட்டால், அந்த மாதிரியின் எடைகள் (weights) மற்றும் கட்டமைப்பில் (architecture) பொதிந்துள்ள அறிவுசார் சொத்துக்களைப் பாதுகாக்க முடியாது. மூலோபாயச் சாதனை சிலிக்கான் மற்றும் குறியீட்டின் உரிமையாளர்களிடமே இருக்கும், சேவையைப் பயன்படுத்துபவர்களிடம் இருக்காது.
நிதி ரீதியாக, இந்தச் சிக்கல் மிகவும் கடுமையானது. பெரிய அடிப்படை மாதிரிகள் (foundation models) பெருமளவிலான மின்சாரத்தைப் பயன்படுத்துகின்றன மற்றும் கணிசமான வன்பொருள் முதலீடுகளைத் தேவைப்படுத்துகின்றன. பெரும்பாலான அரசாங்கங்கள் இரண்டு விரும்பத்தகாத விருப்பங்களை எதிர்கொள்கின்றன:
- வெளிநாட்டு விற்பனையாளர்களுக்கு அதிகக் கட்டணங்களைச் செலுத்துதல் – டோக்கன் அடிப்படையிலான விலை நிர்ணயம் அல்லது சந்தா முறைகள் தேசிய AI வரவு செலவுத் திட்டங்களை விட மிக வேகமாக உயர்ந்துவிடுகின்றன.
- பாதுகாப்பற்ற அல்லது குறைந்த திறன் கொண்ட அமைப்புகளை இயக்குதல் – கணினித் திறனில் சிக்கனம் காட்ட முயலும்போது, பிழைகள் அல்லது முறைகேடுகளுக்கு உள்ளாகக்கூடிய பழைய மாதிரிகளைப் பயன்படுத்த வேண்டிய கட்டாயம் ஏற்படுகிறது.
இந்த இரண்டு வழிகளும் இறையாண்மையைக் குலைப்பதோடு பொது நிதியையும் சிதைக்கின்றன.
மலிவான அணுகலுக்கான வாதம்
டோக்கன் அடிப்படையிலான விலை நிர்ணயம் அல்லது அதிவேக இணையம் AI-யை மலிவாக்கும் என்று சில ஆய்வாளர்கள் கூறுகின்றனர். அதிகப்படியான API அழைப்புகள் (API calls) அதன் பலன்களைப் பரப்பிக் கொடுக்கும் என்பதே அதன் அடிப்படை வாதம். ஆனால் நடைமுறையில், மலிவான அணுகல் உள்ளூர் திறனை உருவாக்குவதில்லை. ஒரு API அழைப்பு என்பது ஒரு தொலைதூர இயந்திரத்திற்கான கோரிக்கையாகவே இருக்கும்; பயனர் தொடர்ந்து சேவை வழங்குநரின் சீரமைப்பு, புதுப்பித்தல் முறை மற்றும் தரவுப்偏ச்சையானவற்றுக்கு (biases) உட்பட்டே இருப்பார். கணினித் திறன் வெளிநாட்டிலேயே இருக்கும், நாடு அதைச் சொந்தமாக வைத்திருப்பதை விட வாடகைக்கு எடுப்பதே தொடரும்.
ஒரு மாறுபட்ட தொழில்நுட்பப் பாதை: தீர்மானிக்கப்பட்ட கட்டுப்பாடு (deterministic control)
வன்பொருளின் அளவை விட, இயங்கும் நேரக் கட்டுப்பாடுகளில் (runtime constraints) கவனம் செலுத்துவது சிறந்தது என்று ஒரு வளர்ந்து வரும் ஆய்வுத் தொகுப்பு பரிந்துரைக்கிறது. மிகக் குறைந்த செயல்பாடுகள் மட்டுமே தேவைப்படும் AI அமைப்புகளை வடிவமைப்பதன் மூலம், அவற்றைச் சாதாரணமான, உள்ளூர் வன்பொருள்களில் இயக்குவது சாத்தியமாகும். தீர்மானிக்கப்பட்ட கட்டுப்பாடு (Deterministic control)—அதாவது செயல்பாட்டுப் பாதை மற்றும் வளப் பயன்பாடு ஆகியவை கணிக்கக்கூடியதாக இருக்கும் நிலை—குறிப்பிட்ட பலன்களை வழங்குகிறது:
- குறைந்த செயலாக்க நேரம் – குறைந்த கணினித் திறன் என்பது வேகமான பதில்களைக் குறிக்கும்.
- குறைந்த மின்சாரக் கட்டணம் – குறைந்த சுழற்சிகள் மின்சாரச் செலவைக் குறைத்து, தேசிய மின் கட்டமைப்பின் மீதான அழுத்தத்தைக் குறைக்கும்.
- சாத்தியமான உள்ளூர் பயன்பாடு – சிறிய அளவிலான கிளஸ்டர்கள் போதுமானதாக இருக்கும், இது அரசாங்கங்கள் தங்கள் எல்லைக்குள் மாதிரிகளைத் தங்குதடையின்றி இயக்க அனுமதிக்கும்.
- மலிவான இறையாண்மை – வன்பொருள் மற்றும் இயங்கும் நேரத்தைக் (runtime) கட்டுப்படுத்துவதன் மூலம், பாதுகாப்புத் திட்டங்கள் மற்றும் புதுப்பித்தல் சுழற்சிகள் மீதான கட்டுப்பாட்டை மீட்டெடுக்க முடியும்.
இந்த மாற்றம் டிஜிட்டல் அதிகாரத்தை மறுவரையறை செய்கிறது. செல்வாக்கு என்பது ஒரு சர்வர் பண்ணையின் (server farm) அளவிலிருந்து, ஒரு நாடு எவ்வளவு திறமையாக பாதுகாப்பான, உள்ளூர் முறையில் நிர்வகிக்கப்படும் AI-யை இயக்க முடியும் என்பதிற்கு மாறுகிறது.
முரண்பாட்டுப் பார்வை: அளவின் கவர்ச்சி
பிரம்மாண்டமான மையப்படுத்தப்பட்ட மாதிரிகளின் ஆதரவாளர்கள், அதன் அளவுகோல் சிறந்த செயல்திறனைத் தரும் என்று வாதிடுகின்றனர். ஆனால், இதற்கு எதிரான வாதம் என்னவென்றால், பல பொதுத்துறை பணிகளுக்கு செயல்திறன் முன்னேற்றம் என்பது பெரும்பாலும் மிகக் குறைவாகவே இருக்கும், அதே நேரத்தில் மற்றவர்களைச் சார்ந்திருப்பதன் மூலோபாயச் செலவு மிக அதிகம். சேவை வழங்குநரின் பொறுப்பு என்பது அவரது சொந்த நாட்டின் சட்டச் சூழலைப் பொறுத்தே அமையும், இது வாடிக்கையாளர் நாட்டின் விழுமியங்கள் அல்லது பாதுகாப்புத் தேவைகளுடன் ஒத்துப்போகாமல் இருக்கலாம்.
முக்கிய அம்சம்
தற்போதைய கணினித் திறன் வரைபடம், அமெரிக்கா, சீனா மற்றும் ஒரு சில உயர் வருமானம் கொண்ட நாடுகளை AI வளர்ச்சியின் முன்னணியில் வைத்துள்ளது. உலகின் பிற நாடுகளுக்கு, வெளிநாட்டு கிளவுட் சேவைகளைச் சார்ந்திருப்பது என்பது மூலோபாயக் கட்டுப்பாட்டை விட்டுக்கொடுப்பதையும், கணிக்க முடியாத செலவுகளை எதிர்கொள்வதையும் மற்றும் முக்கியமான சேவைகளை வெளிப்புறக் கொள்கை மாற்றங்களுக்கு உள்ளாக்குவதையும் குறிக்கிறது. முன்னோக்கிச் செல்லும் பாதை மலிவான இணையம் அல்லது டோக்கன் விலையல்ல; அது AI இயங்கும் முறையை மறுசீரமைப்பதாகும்—அதாவது அதைத் தீர்மானிக்கக்கூடியதாகவும், திறமையானதாகவும் மற்றும் உள்ளூர் ரீதியாகத் தொகுக்கப்பட்டதாகவும் மாற்றுவதாகும். நாடுகள் தங்களுக்குச் சொந்தமான சாதாரண வன்பொருள்களில் பாதுகாப்பான AI-ஐ இயக்க முடியும் போது, கணினித் திறனின் புவிசார் அரசியல் பிளவு குறையத் தொடங்கும், மேலும் டிஜிட்டல் இறையாண்மை என்பது ஒரு தொலைதூரக் கனவாக இல்லாமல் யதார்த்தமான இலக்காக மாறும்.