भारत में स्थानीयकृत एआई: छोटा स्थानीय भाषा मॉडल विश्लेषण

हर किसी को एक विशाल मॉडल पसंद आता है, जब तक कि उसे खराब कनेक्टिविटी पर स्थानीय भाषा में फसल सलाह समझानी न पड़े और उपयोगकर्ता का फोन दो बार वाले सिग्नल से मोलभाव कर रहा हो। भारत की सार्वजनिक सेवा AI समस्या मॉडल वेटलिफ्टिंग प्रतियोगिता जीतने से कम और फिट होने से ज़्यादा जुड़ी है: भारतीय डेटासेट, क्षेत्रीय संदर्भ, पर्याप्त छोटे मॉडल, और ऐसे deployment design जो परफेक्ट कनेक्टिविटी मानकर न चलें। यह सामान्य parameter count थिएटर के लिए एक उपयोगी सुधार है, जो मूल रूप से किसी रेस्टोरेंट की समीक्षा चूल्हों की गिनती करके करने जैसा है। बात यह नहीं है कि बड़े मॉडल बेकार हैं, बात यह है कि सार्वजनिक सेवा workflows कुर्सियों वाले benchmark leaderboards नहीं हैं।

कठिन हिस्सा फिट होना है, IQ नहीं

UNDP पेपर AI for the Next Generation of Public Services कहता है कि AI को healthcare, education, welfare administration, transportation management, और public safety में public service delivery के साथ पहले से ही जोड़ा जा रहा है। यह भी कहता है कि सरकारें bureaucratic processes को streamlined करने, administrative workflows को automate करने, और citizen services को अधिक accessible और responsive बनाने के लिए AI का उपयोग कर रही हैं। सुंदर शब्द, बहुत PDF-friendly, शायद blazer पहने हुए। असली महत्वपूर्ण हिस्सा caveat है। UNDP पेपर के अनुसार, AI deployment देशों और क्षेत्रों में बहुत अलग-अलग होता है क्योंकि technological infrastructure, regulatory environments, और institutional capacity अलग होती है। पेपर यह भी जोड़ता है कि effectiveness और inclusiveness institutional readiness, regulatory safeguards, और broader digital ecosystem पर निर्भर करते हैं। Builders के लिए अनुवाद: एक model कोई service नहीं है, और service तब तक उपयोगी नहीं है जब तक उसके आसपास की pipes, policies, data, और humans काम न करें।

ग्रामीण भारत constraints को requirements में बदलता है

Press Information Bureau का Artificial Intelligence (AI) Transforming Rural India brief भारत में AI को inclusive welfare और broad access के उद्देश्य वाले social purpose approach का हिस्सा बताता है। PIB कहता है कि AI agriculture, healthcare, skilling, employment, और local governance में rural development के लिए खास तौर पर relevant है। यह सूची कोई policy mood board नहीं है, यह formal shoes पहना हुआ requirements document है। IndiaAI पर PIB का अलग Press Release Page कहता है कि IndiaAI Mission और Centres of Excellence for AI computing power तक पहुंच बढ़ा रहे हैं, research को support कर रहे हैं, और startups व institutions को ऐसे solutions बनाने में मदद कर रहे हैं जो सीधे लोगों को लाभ पहुंचाएं। दूसरे शब्दों में, stack सिर्फ model plus hope plus confetti नहीं है। यह compute, research, institutions, और last mile usefulness है, यानी वही जगह जहां कई glossy demos विनम्रता सीखने जाते हैं।

यहीं पर छोटे, local language systems consolation prize के बजाय serious builder option बन जाते हैं। अगर कोई workflow गांव के clinic, farm advisory center, school, या local governance office में रहता है, तो winning architecture relevant Indian data पर tuned compact model हो सकता है, जो retrieval और human escalation के साथ जुड़ा हो। जादू इसमें नहीं है कि model tiny है। जादू इसमें है कि उसे पता है कि उसे कौन-सी समस्या हल करने की अनुमति है, जो meetings के लिए भी अच्छी सलाह है।

Healthcare दिखाता है कि generic

AI क्यों डगमगाता है Asian Journal of Computing and Engineering Technology का article Development of AI-Driven Healthcare Systems in Rural India कहता है कि AI driven healthcare systems को rural India के healthcare infrastructure में तेजी से integrate किया जा रहा है ताकि healthcare facilities और skilled medical professionals तक सीमित पहुंच जैसी barriers को address किया जा सके। Article कहता है कि ये systems diagnostic accuracy सुधारने, treatment planning optimize करने, और दूर से बेहतर patient outcomes support करने के लिए machine learning और natural language processing का उपयोग करते हैं। यह एक real use case है, engagement metrics के लिए stethoscope पहना हुआ chatbot नहीं।

वही article infrastructure limitations और regional healthcare needs को प्रभावी ढंग से address करने वाले customized AI solutions की जरूरत भी बताता है। यह वाक्य हर public service AI roadmap पर tattoo होना चाहिए, preferably इतनी बड़ी font में कि procurement committees भी पढ़ सकें। एक rural health assistant जो regional patterns, common workflows, और local language input समझता है, उस बड़े generic model से ज़्यादा उपयोगी हो सकता है जिसे pristine connectivity और legal settlement जितने बड़े user manual की जरूरत हो।

Compute मदद करता है, लेकिन data फैसला करता है

PIB का Press Release Page कहता है कि IndiaAI Mission के लिए पांच वर्षों में ₹10,300 करोड़ से अधिक आवंटित किए गए हैं, और 38,000 GPUs deployed हैं। यह भी कहता है कि tech और AI ecosystem 6 million लोगों को रोजगार देता है, tech sector इस साल revenue में $280 billion पार करने का अनुमान है, और AI 2035 तक भारत की अर्थव्यवस्था में $1.7 trillion जोड़ सकता है। ये बड़े numbers हैं, और बड़े numbers policy decks को महंगी बिल्लियों की तरह purr करवाते हैं। लेकिन compute table stakes है, strategy नहीं।

Builder question यह है कि उस infrastructure पर क्या train, evaluate, और deploy होता है। Rural public service workflows के लिए उपयोगी checklist दर्दनाक रूप से practical है: Indian data provenance, regional language coverage, offline या low bandwidth behavior, escalation paths, measurable service outcomes, और ऐसे governance rules जो real offices से टकराने पर भी टिके रहें। संक्षेप में, सिर्फ यह पूछना बंद करें कि model smarter है या नहीं, और यह पूछना शुरू करें कि system locally competent है या नहीं।

भारत में AI build या buy करने वाले readers, आगे boring stuff पर ध्यान दें, क्योंकि public services या तो वहीं काम करती हैं या चुपचाप expensive autocomplete बन जाती हैं। Indian datasets पर train और test किए गए छोटे local language models हर benchmark नहीं जीतेंगे, लेकिन वे वह चीज जीत सकते हैं जो मायने रखती है: सही समय पर सही मदद पाता हुआ real user। Public service के लिए सबसे smart AI शायद वही हो जो जानता हो कि network खराब है और paperwork उससे भी खराब।