The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025
यह शोध पत्र तर्क देता है कि राष्ट्रीय एआई संप्रभुता केवल संसाधनों के संचय पर नहीं, बल्कि संसाधनों को क्षमता में कुशलतापूर्वक परिवर्तित करने की राज्य की नीतिगत क्षमता पर अधिक निर्भर करती है, जो यह प्रकट करता है कि जापान का चीन और दक्षिण कोरिया से पिछड़ना ज्ञान और कंप्यूट को एआई मॉडल में बदलने की प्रणालीगत अक्षमताओं के कारण है, न कि इनपुट की कमी के कारण।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आर्टिफिशियल इंटेलिजेंस बनाने की दौड़ में, अक्सर देशों का मूल्यांकन इस आधार पर किया जाता है कि वे क्या एकत्र कर सकते हैं। वे अपने लैब में शोधकर्ताओं की संख्या, परियोजनाओं में डाले गए अरबों डॉलर और डेटा केंद्रों में गूँजते कंप्यूटरों के विशाल समूहों को गिनते हैं। यह संचय का तर्क है: यदि आपके पास अधिक कच्चे माल है, तो आप सबसे अच्छी मशीन बनाएंगे। वर्षों से, चीन, जापान और दक्षिण कोरिया जैसे देशों की तुलना करने का यही मानक तरीका रहा है, जिन्होंने इस तकनीक में अग्रणी बनने के लिए अपार संसाधन झोंके हैं। लेकिन केवल सामग्री होने से यह गारंटी नहीं मिलती कि तैयार भोजन भी मिल जाएगा। एक देश के पास प्रतिभा और कंप्यूटिंग शक्ति का विशाल भंडार हो सकता है, फिर भी वह उन संसाधनों को काम करने वाली, बुद्धिमान प्रणालियों में बदलने में विफल हो सकता है जो दुनिया को बदल सकें। असली सवाल केवल यह नहीं है कि किसी राष्ट्र के पास कितना है, बल्कि यह है कि वह जो कुछ भी उसके पास है, उसे वास्तविक क्षमता में कितनी कुशलता से बदल सकता है।
यह वह पहेली है जिसे अल्फ्रेडो मर्लेट ने 2017 से 2025 तक के वर्षों का परीक्षण करने वाले एक नए अध्ययन में हल करने का प्रयास किया। उन्होंने धन और लोगों के सरल योग से परे जाकर एक अधिक सूक्ष्म चीज़ को मापने की कोशिश की: रूपांतरण दर (कन्वर्जन रेट)। एक कारखाने की कल्पना करें जहाँ लक्ष्य कच्चे अयस्क को तैयार कारों में बदलना है। एक कारखाना दूसरे की तुलना में दोगुना अयस्क खरीद सकता है, लेकिन यदि वह कम कारें बनाता है, तो वह स्पष्ट रूप से काम करने में कम कुशल है। मर्लेट ने आर्टिफिशियल इंटेलिजेंस पर भी यही तर्क लागू किया, और इस प्रक्रिया को तीन अलग-अलग चरणों में विभाजित किया। पहला है आविष्कार (इन्वेंशन), जहाँ शोधकर्ता नए विचार बनाते हैं और शोध पत्र प्रकाशित करते हैं। दूसरा है औद्योगिकीकरण (इंडस्ट्रियलाइजेशन), जहाँ उन विचारों को वास्तविक सॉफ्टवेयर मॉडल में बदला जाता है जिनका उपयोग किया जा सके। तीसरा है परिचालन (ऑपरेशनलाइजेशन), जहाँ उन मॉडलों को आम लोगों और व्यवसायों द्वारा अपनाया जाता है। हर चरण में प्रत्येक इनपुट से कितने आउटपुट निकले, इसका पता लगाकर, अध्ययन ने एक आश्चर्यजनक कहानी उजागर की कि क्यों कुछ राष्ट्र आगे निकल रहे हैं जबकि अन्य, अधिक संसाधन होने के बावजूद, पीछे छूट रहे हैं।
परिणाम पूर्वी एशियाई पड़ोसियों द्वारा अपनाए गए तीन बहुत अलग रास्तों की तस्वीर पेश करते हैं। चीन, एक विशाल कार्यबल और एक ऐसी सरकार के साथ जो स्पष्ट, आक्रामक लक्ष्य निर्धारित करती है, ने अपनी प्रगति को नाटकीय रूप से तेज करने में सफलता प्राप्त की। 2024 और 2025 तक, चीनी डेवलपर्स सैकड़ों नए एआई मॉडल जारी कर रहे थे, जिससे वे एक अनुयायी से बदलकर संयुक्त राज्य अमेरिका के समकक्ष बन गए। उन्होंने यह न केवल अधिक खर्च करके, बल्कि अपने प्रयासों का समन्वय करके हासिल किया ताकि अनुसंधान तेजी से तैनात करने योग्य उत्पादों में बदल सके। दक्षिण कोरिया, जापान की तुलना में कम शोधकर्ताओं और कम कंप्यूटिंग शक्ति होने के बावजूद, समूह में उच्चतम दक्षता प्राप्त करने में सफल रहा। देश अपने बड़े पड़ोसी की तुलना में बहुत अधिक संख्या में 87 एआई मॉडल बनाने में सफल रहा, जिनमें 23 को उल्लेखनीय या क्रांतिकारी माना गया। यह सफलता सरकार और प्रमुख निगमों के बीच एक अत्यधिक समन्वित संबंध द्वारा संचालित थी, जिससे उन्हें विशिष्ट तकनीकों पर अपने संसाधनों को तीव्रता से केंद्रित करने और त्वरित परिणाम प्राप्त करने में मदद मिली।
हालाँकि, जापान एक स्पष्ट और भ्रमित करने वाला विरोधाभास प्रस्तुत करता है। कागजों पर, इसे सबसे सफल होना चाहिए था। इसके पास दक्षिण कोरिया की तुलना में अधिक शोध कार्यबल, अधिक कंप्यूटिंग शक्ति और औद्योगिक उत्कृष्टता का लंबा इतिहास है। फिर भी, 2017 से 2025 के बीच, जापानी संगठनों ने केवल 52 एआई मॉडल जारी किए, और उनमें से केवल छह को ही उल्लेखनीय माना गया। अध्ययन के अंतिम दो वर्षों में, किसी भी जापानी संगठन ने एक भी ऐसा मॉडल जारी नहीं किया जिसे शोधकर्ताओं ने उल्लेखनीय वर्गीकृत किया हो। डेटा दर्शाता है कि जापान इसलिए विफल नहीं हो रहा है क्योंकि उसके पास धन या वैज्ञानिक नहीं हैं। वास्तव में, जब यह देखा जाता है कि जापानी शोधकर्ता अपने काम को पेटेंट में कितनी अच्छी तरह बदलते हैं, तो वे काफी अच्छा प्रदर्शन करते हैं। व्यवधान बाद के चरण में आता है। अंतर तब दिखाई देता है जब जापानी शोधकर्ता अपने प्रकाशित शोध पत्रों को कामकाजी मॉडलों में बदलने की कोशिश करते हैं, और फिर से तब, जब वे उन मॉडलों को बनाने के लिए अपनी विशाल कंप्यूटर शक्ति का उपयोग करने का प्रयास करते हैं। उनके पास सामग्रियां हैं, लेकिन रसोई व्यंजन तैयार नहीं कर पा रही है।
अध्ययन सुझाव देता है कि इस अंतर का कारण तकनीक स्वयं नहीं, बल्कि यह है कि सरकार इस प्रक्रिया का प्रबंधन कैसे करती है। शोधकर्ताओं ने देशों के प्रदर्शन की तुलना "नीति क्षमता" (पॉलिसी कैपेसिटी) के माप के विरुद्ध की, जो अनिवार्य रूप से सरकार की एक स्पष्ट दिशा निर्धारित करने, विभिन्न समूहों को समन्वित करने और नए उद्योगों को समर्थन देने के लिए तेजी से आगे बढ़ने की क्षमता है। दक्षिण कोरिया इस पैमाने पर बहुत उच्च अंक प्राप्त करता है, जो एक ऐसी सरकार को दर्शाता है जो एआई के प्रति मुखर और संगठित है। इसके विपरीत, जापान का स्कोर काफी कम रहा। अध्ययन की अवधि के अधिकांश समय के दौरान, जापान ने बाध्यकारी लक्ष्यों या केंद्रित कार्यक्रमों के बजाय केवल सौम्य मार्गदर्शन और स्वैच्छिक दिशानिर्देशों पर भरोसा किया। यह केवल 2025 में था जब जापान ने एआई को आगे बढ़ाने के लिए एक समर्पित मुख्यालय और एक नया कानून स्थापित किया, जिसे अध्ययन समस्या की एक देर से की गई पहचान के रूप में देखता है। साक्ष्य संकेत देते हैं कि यदि राज्य उन्हें परिणाम उत्पन्न करने के लिए प्रभावी ढंग से संगठित नहीं कर सकता है, तो सर्वश्रेष्ठ शोध और सबसे शक्तिशाली कंप्यूटर होना भी पर्याप्त नहीं है।
यह निष्कर्ष इस सामान्य धारणा को चुनौती देता है कि एआई प्रभुत्व केवल इस बात का मामला है कि कौन अधिक पैसा खर्च कर सकता है या अधिक विशेषज्ञों को काम पर रख सकता है। अध्ययन दिखाता है कि आर्टिफिशियल इंटेलिजेंस पर संप्रभुता केवल उपकरणों के स्वामित्व के बारे में नहीं है; यह उन उपकरणों के उपयोग को कैसे नियंत्रित किया जाए, इसकी क्षमता के बारे में है। एक देश अनुसंधान और बुनियादी ढांचे में भारी निवेश कर सकता है और फिर भी बहुत कम उत्पादन कर सकता है यदि उन निवेशों को वास्तविक दुनिया के अनुप्रयोगों में बदलने की प्रणाली कमजोर है। इस दौड़ को देख रहे उभरती अर्थव्यवस्थाओं के लिए सबक स्पष्ट है: एक मजबूत एआई भविष्य का निर्माण वैश्विक नेताओं के विशाल बजट से मेल खाने के बजाय, संसाधनों को प्रभावी ढंग से समन्वित करने की प्रशासनिक क्षमता बनाने पर अधिक निर्भर हो सकता है। एक राष्ट्र जो एआई को वित्तपोषित करता है और एक जो वास्तव में इसे बनाता है, उनके बीच का अंतर उसके बैंक खाते के आकार के बजाय, उसकी योजना की गुणवत्ता और उसके निष्पादन की गति पर निर्भर कर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।