जगाने आधी इंग्रजीत एआय बनवला. भारताने आत्ताच स्वतःच्या भाषांमध्ये एक बनवण्यासाठी १.२५ अब्ज डॉलर खर्च केले

बहुतेक मोठ्या भाषा मॉडेल्सना भोजपुरी, किंवा डोगरी, किंवा संताली भाषेत एखादा प्रश्न विचारा, आणि तुम्हाला दोनपैकी एक उत्तर मिळेल. एकतर मॉडेल पूर्णपणे अपयशी ठरेल, किंवा ते शांतपणे असे उत्तर देईल जणू तुम्ही हिंदीत विचारले आहे, अशा भाषेचा अंदाज घेत जिच्यावर त्याला कधीच गांभीर्याने प्रशिक्षण दिलेले नव्हते.

ही तफावत काही किरकोळ चूक नाही. भारताच्या राज्यघटनेत २२ भाषा नोंदलेल्या आहेत, आणि शेवटच्या जनगणनेनुसार, किमान दहा हजार लोक बोलतात अशा आणखी शंभराहून अधिक भाषा आहेत. यातले जवळजवळ काहीही ChatGPT, Gemini किंवा Claude यांच्या मागच्या प्रशिक्षण माहितीत दिसत नाही, जे मुख्यतः इंग्रजी आणि मोजक्याच इतर जागतिक भाषांमधून शिकतात.

भारत सरकारने ठरवले की ही तफावत स्वतः भरून काढण्यासारखी आहे, आणि आता ते भरून काढण्याच्या तीन वेगवेगळ्या मार्गांमागे खरा पैसा आणि खरे हार्डवेअर लावले आहे. एक मार्ग अपेक्षेपेक्षा चांगले काम करत आहे. एक अजून सिद्ध झालेला नाही. एकाला आधीच मान्य करावे लागले की त्याने जास्त आश्वासन दिले होते.

भारत जो कंप्यूट फुकट वाटत आहे

मार्च २०२४ मध्ये केंद्रीय मंत्रिमंडळाने ₹१०,३७१.९२ कोटी, जवळपास १.२५ अब्ज डॉलर, इतक्या एकूण खर्चाचे इंडियाAI मिशन पाच वर्षांसाठी मंजूर केले. यातील जवळपास ४४ टक्के, सुमारे ₹४,५६३ कोटी, एकाच समस्येवर खर्च झाले: भारतीय संशोधक आणि स्टार्टअप्सना GPU, म्हणजे एआय मॉडेल्स प्रशिक्षित करणाऱ्या आणि चालवणाऱ्या विशेष चिप्स, यांची उपलब्धता मिळवून देणे, तेही सिलिकॉन व्हॅलीचे भाव न देता.

२०२५ च्या अखेरीस ३८,००० हून अधिक GPU सरकारच्या एआय कंप्यूट पोर्टलवर आणले गेले होते, मंजूर अर्जदारांना मोठ्या सवलतीच्या दरात भाड्याने दिले जात होते. फेब्रुवारी २०२६ मध्ये नवी दिल्लीत झालेल्या इंडिया एआय इम्पॅक्ट समिटमध्ये, आयटी मंत्री अश्विनी वैष्णव यांनी जाहीर केले की त्याहून वर आणखी २०,००० जोडले जात आहेत, आणि २०२६ अखेरपर्यंत १,००,००० सार्वजनिक GPU चे उद्दिष्ट ठेवण्यात आले आहे.

मिशनच्या उरलेल्या ₹१०,३७२ कोटींपैकी आणखी सहा भागांना निधी मिळतो: AIKosh नावाचा एक सामायिक डेटासेट मंच, एक स्टार्टअप वित्तपुरवठा शाखा, सार्वजनिक क्षेत्रात एआय साक्षरता पोहोचवण्याच्या उद्देशाने एक कौशल्य कार्यक्रम, एक अनुप्रयोग विकास उपक्रम, आणि एक सुरक्षा व विश्वास स्तंभ. प्रत्यक्षात ही केवळ चिप्स वाटण्याची नव्हे, तर एखाद्या देशाला स्वतःचा एआय प्रशिक्षित करण्यासाठी लागणारी संपूर्ण सहाय्यक रचना उभी करण्याची धडपड आहे.

आधीच काम करत असलेला भाग: मोठ्या प्रमाणावर भाषांतर

या संपूर्ण रचनेतील सर्वात जुना भाग कंप्यूट मिशनच्या दोन वर्षे आधीचा आहे. भाषिणी, भारताचे राष्ट्रीय भाषा भाषांतर मिशन, जुलै २०२२ मध्ये पंतप्रधानांनी सुरू केले होते, इलेक्ट्रॉनिक्स आणि माहिती तंत्रज्ञान मंत्रालयाच्या अंतर्गत चालते. हे २२ घटनात्मकदृष्ट्या सूचीबद्ध भाषांमध्ये वाणी-ते-मजकूर, मजकूर-ते-वाणी आणि भाषांतर सुविधा देते, मोफत API स्वरूपात उपलब्ध जे कोणताही विकसक किंवा सरकारी कार्यालय वापरू शकते.

एका उद्योग निरीक्षकाच्या अंदाजानुसार, २०२६ च्या सुरुवातीपर्यंत भाषिणीने सुरुवातीपासून सहा अब्जाहून अधिक एकत्रित विनंत्या पार केल्या होत्या, दररोज सुमारे दीड कोटी विनंत्या एका सेकंदापेक्षाही कमी वेळात हाताळत होते. स्टेट बँकेच्या भागीदारीने याचा वापर बहुभाषिक बँकिंग सेवा देण्यासाठी केला आहे, आणि महाकुंभसारख्या मोठ्या सार्वजनिक मेळाव्यांत थेट भाषांतरासाठीही ते तैनात केले गेले आहे.

हा सार्वभौम एआय मोहिमेचा चकचकीत नसलेला, पायाभूत सुविधेच्या पातळीवरचा भाग आहे, जो एखाद्या चॅटबॉटपेक्षा UPI च्या जवळचा वाटतो. भाषिणी कविता लिहिते असा दावा कोणी करत नाही. ते भारतीय भाषांमधील मजकूर आणि वाणी अशा प्रमाणात हलवते जे खरोखर महत्त्वाचे आहे, आणि रणनीतीचे अधिक चर्चेत असलेले भाग सार्वजनिकपणे चढउतार अनुभवत असताना हे शांतपणे तेच काम करत राहिले.

सार्वभौम मॉडेल: एक खरी संधी, अजून सिद्ध न झालेली

या मिशनचे मुख्य आकर्षण म्हणजे भारतीय भाषांसाठी विशेषतः प्रशिक्षित एक मूलभूत मोठे भाषा मॉडेल बनवण्याचा प्रयत्न, एखाद्या अमेरिकन मॉडेलला नंतर सूक्ष्म-समायोजित करण्याऐवजी. २०२५ मध्ये सरकारने ६७ अर्जदारांमधून सर्वम एआयची निवड केली, २०२३ मध्ये विवेक रघवन आणि प्रत्युष कुमार यांनी स्थापन केलेला एक स्टार्टअप, हे प्रयत्न पुढे नेण्यासाठी, आणि त्याला ४,०९६ Nvidia H100 GPU ची उपलब्धता देऊन पाठबळ दिले.

सर्वमने आधीच डिसेंबर २०२३ मध्ये Lightspeed, Khosla Ventures आणि Peak XV Partners कडून सुमारे ४१ दशलक्ष डॉलर उभे केले होते, त्या वेळी भारत-केंद्रित एआय कंपनीवर लावलेल्या सर्वात मोठ्या सुरुवातीच्या डावांपैकी एक. फेब्रुवारी २०२६ मध्ये त्याने दोन ओपन-वेट मॉडेल्स प्रसिद्ध केली, Sarvam-30B आणि मोठे Sarvam-105B, त्यासोबत भारतीय भाषांच्या लिप्यंतरणासाठी आणि मजकूर-ते-वाणीसाठीची मॉडेल्सही. Nvidia ने या भागीदारीला आपल्या सार्वभौम एआय केस स्टडी म्हणून पुढे आणले आहे, याचे वर्णन १.४ अब्ज लोकांना त्यांच्याच भाषांमध्ये सेवा देण्यासाठी बनवलेले मॉडेल असे केले आहे.

आता खरी गुंतागुंत ऐका. सर्वमने DeepSeek सारख्या मॉडेल्सविरुद्ध मजबूत बेंचमार्क आकडे प्रसिद्ध केले आहेत, पण मार्च २०२६ मध्ये Forbes च्या वृत्तानुसार, ही मॉडेल्स Hugging Face च्या Open LLM Leaderboard सारख्या स्वतंत्र लीडरबोर्डवर दिसत नाहीत, आणि मूल्यमापनाच्या माहितीचा बराचसा भाग अशा बेंचमार्क्समधून येतो जे सर्वमने स्वतः तयार केले आणि स्वतःच गुण दिले, अशा निकषांचा वापर करून जे त्याच कंपनीने ठरवले होते ज्याच्या संस्थापकांनी या क्षेत्रातील काही प्रमाणित भारत-विशिष्ट बेंचमार्कही तयार केले होते. हा फसवणुकीचा पुरावा नाही. हा या गोष्टीचा पुरावा आहे की हे दावे अजून अशा कोणीही तपासलेले नाहीत ज्याला निकालात काही स्वारस्य नाही, आणि हे कमी नव्हे तर जास्त महत्त्वाचे आहे, कारण सर्वमची मॉडेल्स आधीच खऱ्याखुऱ्या वित्तीय सेवा उत्पादनांमध्ये चालत आहेत.

सावधगिरीची गोष्ट: कृत्रिम

या गोष्टीतले चौथे नाव आहे कृत्रिम, ओलाच्या भाविश अगरवाल यांनी स्थापन केलेले आणि २०२४ च्या सुरुवातीला ५० दशलक्ष डॉलरच्या निधीसह १ अब्ज डॉलरच्या मूल्यांकनावर सुरू केलेले, सुरू झाल्यानंतर काही आठवड्यांतच भारताचा पहिला एआय युनिकॉर्न बनले. याने भारतीय भाषांवर प्रशिक्षित एक मोठे भाषा मॉडेल, कृती नावाचा एक संवादात्मक सहाय्यक, आणि अखेरीस स्वतःच्या एआय चिप्सचे आश्वासन दिले.

सुरुवातीचा प्रतिसाद खडतर होता. बीटा चॅटबॉटमध्ये वापरकर्त्यांनी जवळजवळ लगेचच भाषांतरातील चुका आणि तथ्यात्मक चुका निदर्शनास आणल्या, आणि परीक्षकांना असे आढळले की कंपनीची क्लाउड सेवा विकसकांच्या अपेक्षा पूर्ण करत नव्हती. मे २०२६ पर्यंत, TechCrunch च्या वृत्तानुसार, कृत्रिमने अनेक फेऱ्यांच्या टाळेबंदीत २०० हून अधिक पदे कमी केली होती, कृती अ‍ॅप अ‍ॅप स्टोअरवरून काढून टाकले होते, स्वतःचे चिप डिझाइनचे काम थांबवले होते, आणि मूलभूत मॉडेल्स बनवण्यापासून वळून उद्योग ग्राहकांना एआय क्लाउड पायाभूत सुविधा विकण्याकडे वळले होते. कंपनी म्हणते की ती आता या नव्या व्यवसायात नफ्यात आहे, जरी आधीच्या वृत्तांकनात असे आढळले होते की मागील वर्षीच्या तिच्या महसुलापैकी सुमारे ९० टक्के बाहेरील ग्राहकांऐवजी तिच्याच मूळ कंपनी ओलाकडून आले होते. एका उद्योग विश्लेषकाने हा बदल स्पष्ट शब्दांत मांडला: दाव्याचा आकार जसा वाढतो तसा पुराव्याचा दर्जाही वाढला पाहिजे.

हे सगळे मिळून प्रत्यक्षात काय दाखवते

चारही भाग एकत्र ठेवले की एक असा नमुना दिसतो जो विजयी गोष्टीपेक्षाही, किंवा साशंक गोष्टीपेक्षाही अधिक रंजक आहे. चकचकीत नसलेला पायाभूत सुविधेचा डाव, स्वस्त GPU आणि कोणीही वाद न घालणारी एक भाषांतर API, हाच भाग मोठ्या प्रमाणावर सिद्धपणे काम करत आहे. महत्त्वाकांक्षी डाव, अमेरिका आणि चीनमधून आलेल्या मॉडेल्सशी स्पर्धा करू शकणारे एक स्वदेशी मूलभूत मॉडेल, याच्यामागे खरे सरकारी पाठबळ आणि खरे हार्डवेअर आहे, पण त्याचे स्वतःचे दावे अजूनही बाह्य पडताळणीची वाट पाहत आहेत. आणि जो डाव सर्वात वेगाने पुढे गेला आणि सर्वात मोठ्याने बोलला, त्याला दोनच वर्षांत स्वतःचे शब्द मागे घ्यावे लागले.

यातले काहीही मूळ उद्दिष्ट चुकीचे ठरवत नाही. कोट्यवधी लोक बोलतात आणि प्रत्येक मोठी एआय प्रयोगशाळा दुर्लक्ष करते अशी भाषा ही एक खरी तफावत आहे, आणि ती भरून काढणे योग्य आहे, शेवटी ते करणारे मॉडेल एखाद्या भारतीय कंपनीच्या मालकीचे असो वा नसो. भारताने आतापर्यंत प्रत्यक्षात जे बनवले आहे ते GPT-4 चे प्रतिस्पर्धी नाही. ते आहे तो कंप्यूट, ते डेटा मार्ग आणि ती भाषा पातळी ज्यावर भविष्यातील कोणतेही मॉडेल, स्वदेशी असो वा अन्यथा, चालावे लागेल. तो भाग, किमान, दावा नाही. तो आधीच दररोज दीड कोटी विनंत्या वाहून नेत आहे.