Anthropic புதிய மாதிரிகளுக்கான அணுகலை நிறுத்தியதால், இந்தியா தனது AI எதிர்காலத்தை பற்றி விவாதிக்கிறது

ஒரு முன்னணி AI ஆய்வகம் அதன் புதிய மாதிரிகளுக்கான அணுகலை조용히கட்டுப்படுத்தும்போது, அது சிலிக்கான் வேலியைக் கடந்து பரவும் சமிக்ஞையை அனுப்புகிறது. Anthropic புதிய மாதிரிகளுக்கான அணுகலை நிறுத்தியதால், இந்தியா ஒரு சங்கடமான சந்திப்பு புள்ளியில் தன்னைக் கண்டுகொள்கிறது — பிரமாண்டமான AI野心, ஆழமான டெவலப்பர் திறமை, மற்றும் உலகளாவிய AI விளையாட்டின் விதிகள் வேறு இடத்தில் எழுதப்படுகின்றன என்ற வளர்ந்து வரும் உணர்வு கொண்ட ஒரு நாடு. ஆசியா முழுவதும் டெவலப்பர்கள் மற்றும் நிறுவனர்களுக்கு, இந்த தருணம் கவனம் செலுத்த வேண்டிய ஒன்றாகும்.

என்ன நடந்தது

Claude குடும்பத்தின் மாதிரிகளின் பின்னணியில் உள்ள AI பாதுகாப்பு நிறுவனமான Anthropic, சில பிராந்தியங்களில் பயனர்கள் மற்றும் டெவலப்பர்களுக்கு அதன் புதிய மாதிரி வெளியீடுகளுக்கான அணுகலை கட்டுப்படுத்த அல்லது நிறுத்த நகர்ந்துள்ளது. வெளியீட்டின் விவரங்கள் — எந்த மாதிரிகள், எந்த புவியியல், எந்த பயன்பாட்டு நிகழ்வுகள் — காலப்போக்கில் மாறிவிட்டன, ஆனால் வடிவம் பழக்கமானது: ஒரு US-அடிப்படையிலான AI ஆய்வகம் உள்நாட்டு பயனர்கள் மற்றும் நெருங்கிய-பங்குதாரி சந்தைகளுக்கான அணுகலকে முதலில் முன்னுரிமை கொடுக்கிறது, தெற்கு ஆசியா மற்றும் தென்கிழக்கு ஆசியாவில் டெவலப்பர்களை வரிசையில் காத்திருக்க விடுகிறது.

ஒரு முக்கிய AI வழங்குநர் அதன் பிராந்தியக் வெளியீட்டை தாமதப்படுத்தியது இதுவே முதல் முறை அல்ல. இது உலகளாவிய AI அடுக்கில் ஒரு மீண்டும் மீண்டும் வரும் இயக்கவியல், இங்கு கணக்கீட்டு வளங்கள், ஒழுங்குமுறை பரிசீலனைகள், ஏற்றுமதி கட்டுப்பாடுகள், மற்றும் வணிக முன்னுரிமைகள் அனைத்தும் மோதுகின்றன. இந்தியার জন்য குறிப்பாக, நேரம் சுட்டிக்காட்டப்பட்டுள்ளது. நாடு தன்னை ஒரு உலகளாவிய AI மையமாக உரத்த குரலில் நிலைநிறுத்தி வருகிறது — அரசாங்க-ஆதரவு கணக்கீட்டு முயற்சிகள், ஒரு செழிப்பான স্டার্টআப் சூழல், மற்றும் ஏற்கனவே AI கருவிகளின் மிகவும் சক்রிய பயனர்களில் ஒருவராக இருக்கும் লক்ష லட்சம் டெவலப்பர்கள் உள்ளனர்.

நிறுத்தம் — தற்காலிகமாக, பகுதியாக, அல்லது இணக்க தேவைகளுடன் பிணைக்கப்பட்டிருந்தாலும் — ஒரு உண்மையான கேள்வியை கட்டாயப்படுத்துகிறது: இந்தியாவின் AI野心 அதன் டெவலப்பர் ইকোசிஸ்டেমின் பெரும்பகுதியை அடிப்படையாக கொண்ட ল்যাபগুளால் இரண்டாம் நிலை சந்தையாக கருதப்பட்டாலும் உயிர்வாழ முடியுமா? இந்திய தொழில்நுட்ப வட்டங்களில் வெடித்த விவாதம் Anthropic பற்றி மட்டுமல்ல. இது சார்பு, இறையாண்மை, மற்றும் நீங்கள் கட்டுப்படுத்தாத உள்கட்டமைப்பில் கட்டுவது என்ன அர்த்தம் என்பது பற்றியது.

இந்தியாவின் அரசாங்கம் தனது சொந்த AI கொள்கை கাঠামோ முடுக்கிவிட்டுள்ளது, மற்றும் இந்த வகையான அணுகல் ব்যাঘாதம் அந்த உரையாடல்களுக்கு জরூரியதை சேர்க்கிறது. வீட்டில் தயாரிக்கப்பட்ட அடிப்படை மாதிரிகளில் இரட்டிப்பு செய்ய வேண்டுமா அல்லது உலகளாவிய வழங்குநர்களுடன் சிறந்த நிபந்தனைகளை பேச வேண்டுமா என்ற கேள்வி இனி சுருக்கமாக இல்லை — இது செயல்பாட்டு ஆகிவிட்டது.

ஆசியার জন்য இது ஏன் முக்கியமானது

ஆசியாவின் மேற்கத்திய AI உள்கட்டமைப்புடன் உறவு எப்போதும் சிக்கலானது. ஒருபுறம், இந்தியா, தென்கிழக்கு ஆசியா, தென் கொரியா, மற்றும் ஜப்பான் முழுவதும் டெவலப்பர்கள் OpenAI, Anthropic, Google DeepMind, மற்றும் பிறரால் கட்டப்பட்ட கருவிகளை உற்சாகத்துடன் ஏற்றுக்கொண்டுள்ளனர். மறுபுறம், அந்த அணுகலின் நிபந்தனைகள் — விலை, தாமதம், தரவு வசிப்பிடம், மற்றும் இப்போது கிடைக்கும் தன்மை — ஒருபக்ষীயமாக நির்ধारிக்கப்படுகின்றன, பெரும்பாலும் நூறு மில்லியன் சாத்தியமான பயனர்களைக் குறிக்கும் சந்தைகளிலிருந்து அর்থপূর்ண உள்ளீடு இல்லாமல்.

இந்தியாவின் நிலைமை ஒரு பரந்த ஆசியா தொழில்நுட்ப বাস்தவতার கூர்மையான விளக்கம். অত்याधुनिक மாதிரিகளுக்கான அணுகல் கட்டுப்படுத்தப்பட்டால், প்রভাவ சமச்சீரற்றது அல்ல. ஒரு правовой ஆவணம் தன்னியக்கமாக்கல் கருவி கட்டுமிக்கும் Bangalore-ல் ஒரு স্டார্টআப் San Francisco-ல் ஒரு স্டார்টআப்போல் அதே பின்வாங்கல் விருப்பங்கள் இல்லை. US டெவலப்பர் ஒரு waitlist-க்கு pivot செய்யலாம், ஒரு டெவலப்பர் நாளுக்கு கலந்துகொள்ளலாம், அல்லது ஒரு বিদ்யமான enterprise உறவில் சாய়ந்து கொள்ளலாம். Bangalore நிறுவனர் பெரும்பாலும் ஒரு வேறு மாதிரির சுற்றி தனது ஒருங்கிணைப்பை மீண்டும் கட்ட வேண்டும் — அல்லது காத்திருக்க வேண்டும்.

இது ஒரு கூட்டு disadvantage உருவாக்குகிறது. சிறந்த மாதிரிகள் ஏற்கனவே முன்னணியில் உள்ள சந்தைகளில் முதலில் கிடைக்கின்றன. புதிய மாதிரிகள் ஆசியায் வரும் நேரத்தில், ஆரம்ப-நகர்வு advantage ஏற்கனவே பிடிக்கப்பட்டுவிட்டது. US-ல் Claude-ன் சமீபத்திய திறன்களில் கட்டப்பட்ட பொருட்கள் இந்தியায் சமான பொருட்கள் கட்ட முடியாத மாதங்களுக்கு முன்பு கப்பல் செய்கின்றன. அந்த இடைவெளி பெரிய அளவில் முக்கியமாக இருக்கிறது நீங்கள் fintech, healthtech, மற்றும் edtech போன்ற வேகமாக நகரும் செங்குத்துகளில் போட்டி பொருத்தும்போது — இந்திய மற்றும் தென்கிழக்கு ஆசிய startups உலகளாவிய போட்டিமுறை உள்ள அனைத்து பகுதிகள்.

ஒரு திறமை பரிமாணமும் உள்ளது. இந்தியா உலகின் AI গবেषकர்கள் மற்றும் பொறியாளர்களின் ஒரு குறிப்பிடத்தக்க பகுதியை உற்பத்தி செய்கிறது. அவர்களில் பலர் இப்போது உள்நாட்டில் கட்டுமிக்கிறார்கள், தங்களை வைத்திருக்க அல்லது திரும்ப பெயர்வதற்கு பதிலாக தேர்வு செய்கிறார்கள். frontier மாதிரிகளுக்கான அணுகல் கட்டுப்படுத்துவது பொருட்கள் வளர்ச்சியை மெதுவாக்குவது மட்டுமல்ல — இது அவர்களின் சந்தை ஒரு முன்னுரிமை அல்ல என்று சமிக்ஞை கொடுக்கிறது, இது வணிக ரீதியாக குறுகிய-பார்வை மற்றும் அரசியல் ரீதியாக உணர்வு-குறைவு இரண்டுமே உலகளாவிய தொழில்நுட்ப பொருளாதாரத்தில் இந்தியாவின் வளர்ந்து வரும் நன்மை கொடுக்கப்பட்ட.

சீனா, குறிப்பாக, மேற்கத்திய AI கட்டுப்பாடுகளுக்கு அதன் சொந்த அடிப்படை மாதிரி ইকோசிஸ்டেমை முடுக்கிவிடுவதன் மூலம் பதிலளித்துள்ளது — கலப்பு ஆனால் ক্রমமாக தீவிர ফলாফல்கள் உடன். இந்தியா அந்த பாதையை அளவில் எடுக்கவில்லை, ஆனால் இந்த தருணம் உரையாடலை அந்த திசায় மேலும் தள்ளலாம்.

டெவலப்பர்களுக்கு இது என்ன அர்த்தம்

நீங்கள் ஒரு டெவலப்பர் இந்தியா அல்லது ஆசியா முழুவதும் எங்கேயாவது அடிப்படை மாதிரிகளின் மேல் கட்டுமிக்கிறீர்கள் என்றால், இங்கே நடைமுறை பாடம் ஒன்று நீங்கள் ஏற்கனவே அறிந்திருக்கலாம் ஆனால் முழுமையாக செயல்படுத்தாமல் இருக்கலாம்: மாதிரி பৈতৃकता விருப்பமல்ல, இது architecture.

ஒரு ஒক்க-மாதிரி சார்பு கொண்ட ஒரு பொருட்டை கட்டுமிக்கிறது — அது Claude, GPT-4, Gemini, அல்லது வேறு — ஒரு structural ஆபத்து. அணுகல் மாறும்போது, உங்கள் பொருட்டு மாறுகிறது. இந்த ব்যாঘাতங்களை சிறந்தভাবে வெதர் செய்யும் டெவலப்பர்கள் அவர்கள் தাদের மாதிரி স্তরকে পরিষ্কারভাবে abstract করেছেন, যাতে வழங்குநর்களை swap করা ஒரு configuration மாற்றம், ஒரு rewrite அல்ல.

இது சரியாই MonstarX போன்ற প্ল্যাটফর்ম கட்டப்பட்ட infrastructure சிந்தனை. ஒரு ஒক்க மாதிரி அல்லது ஒரு ஒক்க வழங்குநরின் ইকোசிஸ்টেমে டெவலப்பர்களை লক் செய்வதற்கு பதிலாக, ஒரு AI-native வளர்ச்சி প্ল்যাটফর்ம் multi-model orchestration ஒரு first-class concern செய்ய வேண்டும் — அதனால் Anthropic அணுகல் கட்டுப்படுத்தும்போது அல்லது OpenAI அதன் விலை மாற்றும்போது, நீங்கள் scrambling இல்லை.

மாதிரி abstraction அப்பால், இந்த தருணம் உங்கள் integrations மேலும் பரந்தভাবে audit செய்ய ஒரு நல்ல prompt. உங்கள் stack-ன் எந்த பகுதிகள் அவர்களின் நிபந்தனைகளை மாற்ற முடியும் வெளிப்புற சேவைகளில் சார்பு? நீங்கள் கட்டுப்படுத்தாத அடিப்படைகளில் கட்டுமிக்கிறீர்கள் எங்கে? பதிலுகள் எப்போதும் உங்களை எல்லாவற்றையும் நিজে கட்ட வழிநடத்தாது — அது realistic அல்லது desirable அல்ல. ஆனால் அவர்கள் தெளிவான seams உடன் கட்ட வழிநடத்த வேண்டும், அதனால் substitution சாத்தியம்.

நிறுவனர்களுக்கு குறிப்பாக, நிபந்தনை ஒரு strategic layer உள்ளது technical ஒன்றின் மேல். மேற்கத்திய AI ল্যাবগளிலிருந்து அணுகல் கட்டுப்பாடுகள் homegrown மாதிரி ইகோசிஸ்டেমে கவனம் செலுத்த ஒரு argument — இந்தியায় மட்டுமல்ல, ஆசியா முழুவதும். Korean, Japanese, மற்றும் Chinese ল்যাবগளிலிருந்து வரும் மாதிரிகள் விரைவாக পরிপக்கமாக இருக்கிறது. சில ஏற்கனவே specific பயன்பாட்டு நிகழ்வுகளுக்கு போட்டিமுறை. அந்த landscape-ல் fluent தங்களை வைத்திருப்பது hedging மட்டুமல்ல — இது நல்ல பொருட்டு strategy.

ஒரு வாய்ப்பும் உள்ளது இங்கே teams-க்கு வேகமாக நகர முடியும். ஒரு முக்கிய வழங்குநர் அணுகல் கட்டுப்படுத்தும்போது, இது ஒரு temporary vacuum உருவாக்குகிறது. ஏற்கனவே alternative மாதிரিகளில் கட்டப்பட்ட டெவலப்பர்கள் — அல்லது வேகமாக pivot முடியும் — பயனர்கள் மற்றும் பயன்பாட்டு நிகழ்வுகளை capture முடியும் Claude-powered பொருட்களுக்கு வேறு வழியில் சென்றிருக்கும். AI সরবরাহ chain-ல் ব்যাঘাতம், frustrating என்றாலும், சில சமயங்களில் கதவுகளை திறக்கிறது.

நடைமுறை ரীতিতে, இங்கே architectural principles உள்ளன மதிப்பு revisiting வலது இப்போது:

• ஒரு unified interface பின்னணியில் உங்கள் மாதிரி calls abstract. நீங்கள் ஒரு internal wrapper அல்லது ஒரு platform-level abstraction பயன்படுத்தினாலும், உங்கள் application logic எந்த மாதிரி அது பேசுகிறது தெரிந்திருக்க வேண்டாம்.
• குறைந்தபட்சம் இரண்டு வழங்குநர்களுக்கு எதிராக regularly test. உங்கள் fallback மாதிரி ஒரு theoretical விருப்பம் ஆக விடாதே — உண்மையான traffic அல்லது regular evaluation runs உடன் அதை warm வைத்திருங்கள்.
• அணுகல் மற்றும் விலை மாற்றங்கள் infrastructure signals ஆக monitor. ஒரு வழங்குநரின் terms-of-service update ஒரு cloud வழங்குநரின் deprecation notice போல் treat.
• regional மாதிரி வழங்குநர்களை seriously evaluate. Latency, தரவு வசிப்பிடம், மற்றும் pri