Over-accumulating AI. Rationale and fault lines beyond the US AI investment boom

2020 के दशक के मध्य में, दुनिया ने देखा कि कैसे तकनीक की एक नई लहर अर्थव्यवस्था में फैल गई, जिसने हमारे काम करने, सृजन करने और सोचने के तरीके को नया रूप देने का वादा किया। यह तकनीक, जिसे आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) के रूप में जाना जाता है, विशाल डेटा केंद्रों में संग्रहीत कंप्यूटिंग शक्ति की भारी मात्रा पर निर्भर करती है। इन केंद्रों को बनाने के लिए, मुट्ठी भर दिग्गज प्रौद्योगिकी कंपनियों ने इतिहास में पहले कभी न देखी गई गति से पैसा खर्च करना शुरू कर दिया। उन्होंने विशेष कंप्यूटर चिप्स खरीदने और उन्हें चलाने के लिए सुविधाओं के निर्माण में अरबों रुपये झोंक दिए। इस खर्च के उछाल ने इन कंपनियों के शेयरों की कीमतों को बढ़ा दिया और यह संयुक्त राज्य अमेरिका में आर्थिक विकास के एक प्रमुख इंजन के रूपario बन गया। हालाँकि, ऐसा तीव्र और व्यापक निवेश अक्सर अर्थशास्त्रियों के बीच एक प्रश्न खड़ा करता है: क्या यह विकास ठोस आधार पर बना है, या यह फटने के लिए तैयार एक बुलबुला है? चिंता केवल इस बारे में नहीं है कि तकनीक काम करती है या नहीं, बल्कि इस बारे में है कि क्या इसके द्वारा बनाए गए उत्पादों और सेवाओं के माध्यम से खर्च किए गए पैसे को कभी वापस कमाया जा सकता है। यदि रिटर्न लागत के अनुरूप नहीं होता है, तो पूरी प्रणाली अचानक और दर्दनाक सुधार (करेक्शन) का सामना कर सकती है।

जेनेवा विश्वविद्यालय के शोधकर्ताओं की एक टीम, गैया वैलेन्टी और सेड्रिक डुरंड ने आर्थिक इतिहास के दृष्टिकोण से इस स्थिति की जांच करने के लिए हाथ बढ़ाया। उन्होंने इस वर्तमान उछाल को केवल एक तकनीकी सफलता की कहानी के रूप में नहीं, बल्कि "अति-संचय" (overaccumulation) के संभावित संकट के रूप में देखा। सरल शब्दों में, यह अवधारणा एक ऐसी स्थिति का वर्णन करती है जहाँ कंपनियाँ प्रतिस्पर्धा के कारण इतना अधिक निवेश करने के लिए मजबूर होती हैं कि उपलब्ध पूंजी, उसे उपयोग करने के लाभदायक अवसरों से कहीं अधिक हो जाती है। शोधकर्ताओं ने तर्क दिया कि जबकि आर्टिफिशियल इंटेलिजेंस के इर्द-गिर्द का उत्साह एक ऐसे आशावादी पथ से प्रेरित है जहाँ उत्पादकता आसमान छूती है और मांग हमेशा बढ़ती रहती है, संकट का मार्ग कहीं अधिक जटिल है। उन्होंने उछाल के विफल होने के तीन अलग-अलग तरीके पहचाने, जिनमें से प्रत्येक दूसरे के साथ मिलकर एक नाजुक स्थिति पैदा करता है।

परेशानी का पहला मार्ग स्वयं वित्तीय प्रणाली में निहित है। शोधकर्ताओं ने पाया कि टेक दिग्गजों द्वारा किया जा रहा भारी खर्च उन लाभों से नहीं भरा जा रहा है जो ये कंपनियाँ वर्तमान में कमा रही हैं। इसके बजाय, वे ऋण और जटिल वित्तीय सौदों पर भारी निर्भर हैं जो उन्हें आपस में जोड़ते हैं। उदाहरण के लिए, कुछ कंपनियाँ डेटा सेंटर बनाने के लिए भारी रकम उधार ले रही हैं, जबकि अन्य उन्हीं केंद्रों से कंप्यूटिंग शक्ति खरीदने के लिए दीर्घकालिक अनुबंध कर रही हैं। यह एक ऐसा चक्र बनाता है जहाँ एक कंपनी का मूल्य दूसरी कंपनी की सफलता पर निर्भर करता है। यदि आर्टिफिशियल इंटेलिजेंस की मांग अनुमानित गति से नहीं बढ़ती है, तो ये कंपनियाँ अपने बिलों का भुगतान करने में असमर्थ हो सकती हैं। क्योंकि उनका वित्त इतना गहराई से आपस में जुड़ा हुआ है, एक कंपनी की समस्या तेजी से सभी में फैल सकती है, जिससे संभावित रूप से एक व्यापक वित्तीय झटका लग सकता है।

दूसना मार्ग आवश्यक बुनियादी ढांचे के निर्माण में भौतिक और राजनीतिक बाधाओं से संबंधित है। शोधकर्ताओं ने बताया कि जबकि कंपनियों ने भारी मात्रा में धन सुरक्षित कर लिया है, वास्तव में डेटा सेंटर बनाना कठिन होता जा रहा है। इन सुविधाओं को भारी मात्रा में बिजली और पानी की आवश्यकता होती है, और इन्हें ऐसी भूमि पर बनाया जाना चाहिए जो अक्सर स्थानीय विरोध के अधीन होती है। संयुक्त राज्य अमेरिका में, कई राज्यों ने ऊर्जा उपयोग और पर्यावरणीय प्रभाव के बारे में चिंताओं के कारण डेटा केंद्रों के निर्माण को प्रतिबंधित या विलंबित करना शुरू कर दिया है। इसके अलावा, इन प्रणालियों को चलाने के लिए आवश्यक विशेष चिप्स की आपूर्ति वैश्विक संघर्षों और शिपिंग व्यवधानों के प्रति संवेदनशील है। इसका अर्थ यह है कि भले ही कंपनियों के पास खर्च करने के लिए पैसा हो, लेकिन वे उम्मीदों को पूरा करने के लिए उस पैसे को काम करने वाली तकनीक में तेजी से नहीं बदल पाएंगी।

तीसरा और शायद सबसे मौलिक संकट का मार्ग उस वास्तविक कार्य से संबंधित है जिसे आर्टिफिशियल इंटेलिजेंस को करने के लिए कहा जाता है। यह पूरा उछाल इस वादे से न्यायसंगत है कि ये मशीनें मानव श्रमिकों को बहुत अधिक उत्पादक बनाएंगी, जिससे कंपनियाँ अपने भारी निवेश को वापस कमा सकेंगी। हालाँकि, शोधकर्ताओं ने पाया कि यह वादा शायद टिक न सके। जबकि आर्टिफिशियल इंटेलिजेंस विशिष्ट कार्यों को तेज कर सकता है, यह अक्सर टीमों के काम करने के तरीके में व्यवधान डालता है। यह एक ऐसी स्थिति पैदा कर सकता है जहाँ कनिष्ठ कर्मचारी आवश्यक कौशल सीखने का अवसर खो देते हैं क्योंकि वे स्वयं काम नहीं कर रहे होते हैं, और वरिष्ठ कर्मचारी मशीन के आउटपुट की जाँच करने में अत्यधिक व्यस्त हो जाते हैं। इससे काम की समग्र गुणवत्ता में गिरावट और प्रेरणा की कमी आ सकती है। यदि तकनीक लोगों के काम करने के तरीके में अपेक्षित सुधार लाने में विफल रहती है, तो इसकी मांग रुक जाएगी, और इसे बनाने के लिए किया गया भारी निवेश सफल नहीं होगा।

शोधकर्ताओं ने निष्कर्ष निकाला कि इस उछाल का परिणाम अनिश्चित है, लेकिन उन्होंने दो संभावित भविष्य भी बताए। एक संभावना "एआई विंटर" (AI Winter) की है, जहाँ बुलबुला फूट जाता है, निवेश ढह जाता है, और तकनीक अर्थव्यवस्था में एक छोटी, कम प्रभावशाली भूमिका तक सिमट जाती है। दूसरा, जो शायद अधिक संभावित परिदृश्य है, वह है जिसे वे "एआई ग्लूम" (AI Gloom) कहते हैं। इस भविष्य में, तकनीक गायब नहीं होती है, लेकिन यह उन भारी आर्थिक लाभों को भी प्रदान नहीं करती जिनका वादा किया गया था। जिन कंपनियों ने बुनियादी ढांचा बनाया है वे शक्तिशाली बनी रहती हैं, लेकिन पूरी अर्थव्यवस्था को उस समृद्धि का अनुभव नहीं होता जिसकी उम्मीद थी। इसके बजाय, इस महंगे सिस्टम को बनाए रखने की लागत समाज पर डाली जाती है, और कुछ बड़ी प्रौद्योगिकी फर्मों की शक्ति और भी स्थापित हो जाती है। अध्ययन बताता है कि यद्यपि तकनीक वास्तविक है, लेकिन इसके वर्तमान विस्तार को प्रेरित करने वाला आर्थिक तर्क खतरे से भरा है, और आगे का रास्ता प्रचार (हाइप) के सुझावों की तुलना में बहुत कम निश्चित है।