AI बूम की छिपी हुई कीमतें: श्रम, पानी और डिजिटल संप्रभुता

Artificial Intelligence (AI) — ऐसे computer सिस्टम जो बड़ी मात्रा में data से पैटर्न सीखकर चेहरों को पहचानना, content को छाँटना या वाहन चलाना जैसे काम करते हैं — आज तेज़ आर्थिक विकास, राष्ट्रीय शक्ति और रणनीतिक स्वायत्तता (किसी देश की दूसरों पर निर्भर हुए बिना स्वतंत्र रूप से काम करने की क्षमता) के रास्ते के रूप में खूब बढ़ावा दिया जा रहा है। भारत समेत कई सरकारों ने AI में नेतृत्व को एक प्रमुख राजनीतिक लक्ष्य बना लिया है। इसके पीछे यह सोच है कि AI समृद्धि का एक तकनीकी शॉर्टकट देता है, जिससे कोई देश धीमे और कठिन ढाँचागत सुधारों के बजाय एक छलांग में आगे निकल सकता है। "AI सर्वोच्चता" की इस दौड़ को सबसे पहले अमेरिका और चीन ने आक्रामक रूप से अपनाया, जिससे बाकी देशों पर भी इसका अनुसरण करने का दबाव बना।

एक बढ़ता हुआ विश्लेषण यह चेतावनी देता है कि "AI के ज़रिए विकास" का यह वादा यह छिपा देता है कि असल में इसकी कीमत कौन चुकाता है। यह कीमत अक्सर मज़दूरों, स्थानीय समुदायों और साझा सार्वजनिक संसाधनों पर पड़ती है, जो जनता की नज़रों से बाहर रहते हैं। यह तर्क AI की शक्ति के चार स्तंभों पर आधारित है: श्रम, बुनियादी ढाँचा (infrastructure), निगरानी (surveillance) और data — और इन्हें एक पाँचवें स्तंभ, यानी कथात्मक शक्ति (narrative power) से जोड़ा जाता है, जिसका मतलब है कि AI किसके लिए है और किसकी सेवा करता है, इसके बारे में जो कहानियाँ गढ़ी जाती हैं। भारत इन सभी स्तंभों में एक साथ नज़र आता है, और ऐसी जगह पर खड़ा है जो शोषण का स्थान भी है और आकांक्षा का स्थान भी।

भारत के लिए दो चिंताएँ खास तौर पर सामने आती हैं। पहली है अदृश्य कार्यबल। self-driving कारों के लिए तस्वीरों पर लेबल लगाना या online परेशान करने वाले content की निगरानी करना जैसे काम इंसानी मज़दूर करते हैं, अक्सर हैदराबाद और बेंगलुरु जैसे शहरों में, लंबे घंटों तक और कम वेतन पर। यह काम जानबूझकर छिपाकर रखा जाता है ताकि AI उत्पाद पूरी तरह "स्वचालित (automated)" दिखें। चूँकि इसमें से ज़्यादातर काम gig-style प्लेटफॉर्मों के ज़रिए कराया जाता है, जो औपचारिक नौकरी से बचते हैं, इसलिए मज़दूरों को बहुत कम श्रम सुरक्षा मिलती है और उनकी मेहनत का इस्तेमाल कैसे हो, इस पर उनका लगभग कोई कहना नहीं होता। इसे "data उपनिवेशवाद (data colonialism)" का एक रूप बताया जाता है — यानी गरीब क्षेत्रों से मानसिक श्रम निचोड़कर ऐसे सिस्टम बनाना जिनका मुनाफ़ा अमीर क्षेत्रों में जाता है, जो पुराने उपनिवेशवादी ढर्रे की याद दिलाता है।

दूसरी चिंता है भौतिक बुनियादी ढाँचा। data सेंटर — बड़ी इमारतें जो computer सर्वरों से भरी होती हैं और AI के काम को संग्रहीत व संसाधित करती हैं — को रोज़गार और राजस्व के इंजन के रूप में पेश किया जाता है। लेकिन ये ठंडा रखने के लिए भारी मात्रा में पानी और बहुत ज़्यादा बिजली खर्च करते हैं। पानी की कमी और बिजली की किल्लत वाले इलाकों में यह सीधे घरों, किसानों और छोटे कारोबारों की कीमत पर हो सकता है, जबकि वादा किए गए फायदे असमान रूप से बँटते हैं। नीति-निर्माताओं से आग्रह किया जाता है कि ऐसी परियोजनाओं को मंज़ूरी देने से पहले कड़े सवाल पूछें: क्या कंपनी की प्रतिबद्धताएँ कानूनी रूप से बाध्यकारी हैं? क्या समुदाय इन्हें मना कर सकते हैं या फिर से बातचीत कर सकते हैं? क्या पर्यावरणीय और सामाजिक प्रभावों का स्वतंत्र रूप से आकलन किया गया है? संप्रभुता के मामले में विश्लेषण बताता है कि भले ही कोई देश अपना data अपने यहाँ रखे और अपना खुद का large language model बनाए, फिर भी वह विदेशी cloud सेवाओं और US export नियंत्रणों के अधीन आयातित chips पर निर्भर रहता है — इसलिए व्यावहारिक "AI संप्रभुता" का मतलब ज़्यादातर नियमन करने, ऑडिट करने और मना करने की शक्ति होता है।

परीक्षार्थियों के लिए यह विषय विज्ञान और प्रौद्योगिकी को शासन व राजव्यवस्था के साथ एक ही करंट अफेयर्स थीम में जोड़ता है। UPSC और State PCS के अभ्यर्थियों को इसे डिजिटल शासन, data सुरक्षा (जैसे Digital Personal Data Protection ढाँचा), रणनीतिक स्वायत्तता और data सेंटरों की पर्यावरणीय कीमत से जोड़कर GS Paper III और निबंध लेखन के लिए तैयार करना चाहिए। Banking, SSC, Railway और Defence के अभ्यर्थियों को इसके मुख्य तथ्यात्मक बिंदु याद रखने चाहिए: AI शक्ति के पाँच स्तंभ, data उपनिवेशवाद का अर्थ, data सेंटर पानी और बिजली पर दबाव क्यों डालते हैं, और औपचारिक संप्रभुता तथा विदेशी chips व cloud बुनियादी ढाँचे पर असल निर्भरता के बीच का अंतर।