కొత్త డేటా ప్రకారం, ప్రపంచ డేటా-సెంటర్ సామర్థ్యంలో 77% అధిక ఆదాయం కలిగిన దేశాల నియంత్రణలో ఉంది, తక్కువ ఆదాయం కలిగిన దేశాల వద్ద 0.1% కంటే తక్కువ ఉంది. GPU క్లస్టర్ల విషయంలో కూడా ఇదే పరిస్థితి కనిపిస్తుంది: ప్రపంచంలోని యూనిట్లలో 75% అమెరికాకు, 15% చైనాకు, మిగిలిన ప్రపంచం కలిపి 10% కంటే తక్కువకు చెందినవి. ఈ కేంద్రీకరణ AIని భౌగోళిక రాజకీయ శక్తి సాధనంగా మారుస్తుంది, దీనివల్ల ఎవరు నిర్మించగలరు, ఎవరు ఉపయోగించగలరు మరియు ఎవరి నియమాలు ప్రామాణికంగా మారతాయి అనేది నిర్ణయించబడుతుంది.
కోడ్ కంటే కంప్యూట్ ఎందుకు ముఖ్యం
ఆర్టిఫిషియల్-ఇంటెలిజెన్స్ వ్యవస్థలు భారీ సంఖ్యలో ప్రాసెసర్ సైకిల్స్పై నడుస్తాయి. డేటాను విశ్లేషించే, వెయిట్స్ను (weights) నిల్వ చేసే మరియు ఇన్ఫరెన్స్ను (inference) నిర్వహించే సిలికాన్ సామర్థ్యం పెరిగే కొద్దీ మోడల్ యొక్క సామర్థ్యం కూడా పెరుగుతుంది. ఒక దేశానికి యంత్రాలు లేకపోతే, అది విదేశీ క్లౌడ్ ప్రొవైడర్లపై ఆధారపడాల్సి వస్తుంది. ఆ ఆధారపడటం కేవలం బిల్లును పెంచడమే కాకుండా, ఏది "సురక్షితం" అని నిర్ణయించే ప్రొవైడర్ యొక్క ఇంజనీర్లు మరియు పాలసీ టీమ్ల చేతికి ప్రాథమిక లాజిక్ నియంత్రణను అప్పగిస్తుంది. ఒక డేటా-సెంటర్ హబ్లో వచ్చే నియంత్రణ మార్పు నైరోబీలోని ఒక ఆసుపత్రి పనితీరును తక్షణమే మార్చగలదు.
"డిజిటల్ విభజన" (digital divide) అనే పదం సాధారణంగా ఇంటర్నెట్ యాక్సెస్ లేదా పరికరాల యాజమాన్యానికి సూచిస్తుంది. కానీ కొత్త గణాంకాలు మరింత లోతైన విభజనను వెల్లడిస్తున్నాయి: అదేమిటంటే, AI ఫలితాలను భారీ స్థాయిలో సృష్టించగల సామర్థ్యం. ఒక దేశానికి బ్రాడ్బ్యాండ్ ఉండవచ్చు, కానీ స్థానిక కంప్యూట్ లేకపోతే భాషా అనువాదం, ప్రిడిక్టివ్ హెల్త్ అనలిటిక్స్ లేదా స్వయంప్రతిపత్తి కలిగిన లాజిస్టిక్స్ వంటి వాటిని నడిపించే మోడళ్లను అది హోస్ట్ చేయలేదు. అది ఆ సామర్థ్యాలను అద్దెకు తీసుకుంటుంది, మరియు అద్దెకు తీసుకోవడం అనేది కొన్ని షరతులతో కూడి ఉంటుంది.
విదేశీ AI యొక్క దాగి ఉన్న ఖర్చులు
బాహ్య ఎండ్పాయింట్పై ఆధారపడటం వల్ల ప్రతి రిక్వెస్ట్ మూడు అదృశ్య అంశాల ద్వారా నియంత్రించబడే విదేశీ ఇంజిన్ ద్వారా వెళ్లాల్సి ఉంటుంది:
- అలైన్మెంట్ లాజిక్ (Alignment logic) – ఏ కంటెంట్ అనుమతించదగినదో ప్రొవైడర్ నిర్ణయిస్తారు. స్థానిక సంక్షోభం సమయంలో, ఆ నిర్వచనం సాంస్కృతిక లేదా చట్టపరమైన నిబంధనలతో విభేదించవచ్చు.
- అప్డేట్ షెడ్యూల్స్ (Update schedules) – ఒక ప్రొవైడర్ రాత్రికి రాత్రే కొత్త మోడల్ వెర్షన్ను విడుదల చేయవచ్చు, ఇది పాత వెర్షన్కు అనుగుణంగా రూపొందించబడిన పైప్లైన్లను దెబ్బతీస్తుంది.
- సెమాంటిక్ డ్రిఫ్ట్ (Semantic drift) – ప్రపంచవ్యాప్తంగా ప్రాచుర్యంలో ఉన్న డేటాపై శిక్షణ పొందిన మోడల్స్ తరచుగా ప్రాంతీయ మాండలికాలు, జాతీయ పదాలు లేదా విధానపరమైన సూక్ష్మతలను విస్మరిస్తాయి, దీనివల్ల స్థానికంగా శిక్షణ పొందిన వ్యవస్థ నివారించగల తప్పుదారి పట్టించే వివరణలు వచ్చే అవకాశం ఉంది.
ఒక దేశం తన స్వంత మోడళ్లను హోస్ట్ చేయలేనప్పుడు, మోడల్ వెయిట్స్ మరియు ఆర్కిటెక్చర్లో ఉన్న మేధో సంపత్తిని (intellectual property) అది రక్షించుకోలేదు. వ్యూహాత్మక ప్రయోజనం సిలికాన్ మరియు కోడ్ యజమానుల వద్దే ఉంటుంది, సేవను ఉపయోగించే వారి వద్ద కాదు.
ఆర్థికంగా చూస్తే, ఈ సమస్య చాలా తీవ్రమైనది. పెద్ద ఫౌండేషన్ మోడల్స్ భారీ విద్యుత్తును వినియోగిస్తాయి మరియు గణనీయమైన హార్డ్వేర్ పెట్టుబడులను కోరుతాయి. చాలా ప్రభుత్వాలు రెండు ఆకర్షణీయత లేని ఎంపికలను ఎదుర్కొంటాయి:
- విదేశీ వెండర్లకు భారీ రుసుములు చెల్లించడం – ప్రతి టోకెన్ ధర లేదా సబ్స్క్రిప్షన్ ప్లాన్లు జాతీయ AI బడ్జెట్లను త్వరగా మించిపోతాయి.
- అసురక్షిత లేదా తక్కువ సామర్థ్యం ఉన్న వ్యవస్థలను నిర్వహించడం – కంప్యూట్ విషయంలో రాజీ పడటం వల్ల తప్పులకు లేదా తప్పుదారి పట్టించే చర్యలకు గురయ్యే పాత మోడళ్లను ఉపయోగించాల్సి వస్తుంది.
ఈ రెండు మార్గాలు సార్వభౌమాధికారాన్ని దెబ్బతీస్తాయి మరియు ప్రభుత్వ ఖజానాను ఒత్తిడికి గురిచేస్తాయి.
చౌకైన యాక్సెస్ కోసం వాదన
టోకెన్ ఆధారిత ధరలు లేదా వేగవంతమైన ఇంటర్నెట్ AIని చౌకగా మారుస్తాయని కొందరు విశ్లేషకులు వాదిస్తారు. ఎక్కువ API కాల్స్ వల్ల ప్రయోజనాలు విస్తరిస్తాయనేది వారి వాదన. కానీ వాస్తవంలో, చౌకైన యాక్సెస్ స్థానిక సామర్థ్యాన్ని సృష్టించదు. API కాల్ అనేది రిమోట్ ఇంజిన్కు చేసే రిక్వెస్ట్గానే ఉంటుంది; వినియోగదారుడు ప్రొవైడర్ యొక్క అలైన్మెంట్, అప్డేట్ వేగం మరియు డేటా పక్షపాతాలకు లోబడి ఉంటారు. కంప్యూట్ విదేశాల్లోనే ఉంటుంది, మరియు దేశం యాజమాన్యం కంటే అద్దెకు తీసుకోవడానికే పరిమితమవుతుంది.
భిన్నమైన సాంకేతిక మార్గం: డిటర్మినిస్టిక్ కంట్రోల్
హార్డ్వేర్పై దృష్టి పెట్టడం కంటే రన్టైమ్ పరిమితులపై (runtime constraints) దృష్టి సారించాలని పెరుగుతున్న పరిశోధనలు సూచిస్తున్నాయి. తక్కువ ఆపరేషన్లు అవసరమయ్యే AI వ్యవస్థలను రూపొందించడం ద్వారా, వాటిని తక్కువ ఖర్చుతో కూడిన, స్థానికంగా ఉన్న హార్డ్వేర్పై నడపడం సాధ్యమవుతుంది. డిటర్మినిస్టిక్ కంట్రోల్—అంటే ఎగ్జిక్యూషన్ పాత్ మరియు రిసోర్స్ వినియోగం ఊహించదగినదిగా ఉండటం—ఖచ్చితమైన ప్రయోజనాలను అందిస్తుంది:
- తగ్గిన ప్రాసెసింగ్ సమయం – తక్కువ కంప్యూట్ అంటే వేగవంతమైన స్పందనలు.
- తక్కువ విద్యుత్ బిల్లులు – తక్కువ సైకిల్స్ వల్ల విద్యుత్ ఖర్చులు తగ్గుతాయి, ఇది జాతీయ గ్రిడ్లపై ఒత్తిడిని తగ్గిస్తుంది.
- సాధ్యమయ్యే స్థానిక విస్తరణ – చిన్న తరహా క్లస్టర్లు సరిపోతాయి, దీనివల్ల ప్రభుత్వాలు తమ సరిహద్దుల లోపలే మోడళ్లను హోస్ట్ చేయవచ్చు.
- సరసమైన సార్వభౌమాధికారం – హార్డ్వేర్ మరియు రన్టైమ్ను కలిగి ఉండటం వల్ల భద్రతా విధానాలు మరియు అప్డేట్ సైకిళ్లపై నియంత్రణ తిరిగి లభిస్తుంది.
ఈ మార్పు డిజిటల్ శక్తిని పునర్నిర్వచిస్తుంది. ప్రభావం అనేది సర్వర్ ఫామ్ పరిమాణం నుండి, ఒక దేశం ఎంత సమర్థవంతంగా సురక్షితమైన, స్థానికంగా పాలించబడే AIని నడపగలదు అనే దాని వైపు మారుతుంది.
ప్రతి వాదన: స్కేల్ యొక్క ఆకర్షణ
భారీ కేంద్రీకృత నమూనాల మద్దతుదారులు, పరిమాణం మెరుగైన పనితీరును అందిస్తుందని వాదిస్తారు. దీనికి వ్యతిరేక వాదన ఏమిటంటే, అనేక ప్రభుత్వ రంగ పనులకు పనితీరులో వచ్చే లాభాలు తరచుగా స్వల్పంగానే ఉంటాయి, అయితే ఆధారపడటం వల్ల కలిగే వ్యూహాత్మక ఖర్చు మాత్రం చాలా ఎక్కువ. సేవలను అందించే సంస్థ యొక్క బాధ్యత అది ఉన్న దేశపు చట్టపరమైన వాతావరణాన్ని అనుసరిస్తుంది, ఇది క్లయింట్ దేశం యొక్క విలువలు లేదా భద్రతా అవసరాలకు అనుగుణంగా ఉండకపోవచ్చు.
ముగింపు
ప్రస్తుత కంప్యూట్ మ్యాప్ ప్రకారం, అమెరికా, చైనా మరియు కొన్ని ఉన్నత ఆదాయ దేశాలు AI అభివృద్ధిలో అగ్రభాగాన ఉన్నాయి. మిగిలిన ప్రపంచానికి, విదేశీ క్లౌడ్లపై ఆధారపడటం అంటే వ్యూహాత్మక నియంత్రణను వదులుకోవడం, ఊహించని ఖర్చులను ఎదుర్కోవడం మరియు కీలకమైన సేవలను బాహ్య విధాన మార్పులకు గురి చేయడం అని అర్థం. ముందుకు సాగడానికి మార్గం చౌకైన ఇంటర్నెట్ లేదా టోకెన్ ధరలు కాదు; AI ఎలా నడుస్తుందో దానిని పునర్నిర్మించడం—అంటే దానిని నిర్ణయాత్మకమైనదిగా, సమర్థవంతమైనదిగా మరియు స్థానికంగా హోస్ట్ చేయబడినదిగా మార్చడం. దేశాలు తమ స్వంత సాధారణ హార్డ్వేర్పై సురక్షితమైన AIని నడపగలిగినప్పుడు, కంప్యూట్ యొక్క భౌగోళిక రాజకీయ విభజన రేఖలు తగ్గుముఖం పడతాయి మరియు డిజిటల్ సార్వభౌమాధికారం అనేది ఒక సుదూర ఆశయం కాకుండా వాస్తవిక లక్ష్యంగా మారుతుంది.