एआईकोश कार्यशाला: एआई के लिए भारत का साझा डेटा

समाचार में क्यों?

IndiaAI Mission ने 20 अगस्त 2026 को नई दिल्ली के India Habitat Centre में AIKosh कार्यशाला का आयोजन किया। प्रतिभागी सरकार, विश्वविद्यालयों, उद्योग और स्टार्ट-अप से आए थे। उन्होंने चर्चा की कि भारत का डेटा उपयोगी और जिम्मेदार artificial intelligence का समर्थन कैसे कर सकता है। उनके विकल्प प्लेटफ़ॉर्म में विश्वास को आकार देंगे।

AIKosh डेटासेट, मॉडल, टूलकिट और विकास संसाधनों के लिए मिशन का राष्ट्रीय मंच है। कार्यशाला में योगदान, गुणवत्ता और व्यावहारिक उपयोग पर ध्यान केंद्रित किया गया। यह घटना मायने रखती है क्योंकि artificial intelligence सिस्टम बड़े पैमाने पर विश्वसनीय डेटा पर निर्भर करते हैं। केवल एक बड़ा भंडार निष्पक्षता, वैधता या उपयोगिता की गारंटी नहीं दे सकता है। चर्चा ने मजबूत दस्तावेज और सुरक्षा उपायों के साथ योगदान की भी जांच की।

AIKosh क्या प्रदान करता है

AIKosh विभिन्न artificial intelligence संसाधनों को एक खोजने योग्य मंच में लाता है। उपयोगकर्ता डेटासेट, पहले से प्रशिक्षित मॉडल, टूलकिट और दस्तावेजी उपयोग के मामले पा सकते हैं। साइट एक एकीकृत विकास वातावरण के साथ एक सैंडबॉक्स भी प्रदान करती है। शोधकर्ता डेटा का पता लगा सकते हैं और कुछ वर्कफ़्लो का परीक्षण कर सकते हैं। एक AI-तत्परता स्कोर उपयोगकर्ताओं को डेटासेट की गुणवत्ता और उपयोगिता की जांच करने में मदद करता है।

यह मंच छात्रों, शोधकर्ताओं, स्टार्ट-अप, सरकारी निकायों और स्थापित फर्मों की सेवा करता है। इसका उद्देश्य भारतीय डेटा और मॉडलों के लिए बाधाओं को कम करना है। छोटी टीमों के पास मालिकाना डेटासेट या महंगे बुनियादी ढांचे के लिए पैसे की कमी हो सकती है। साझा संसाधन प्रारंभिक विकास को छोटा कर सकते हैं। वे नवाचार करने वालों के लिए जनहित की समस्याओं को अधिक दृश्यमान बना सकते हैं।

IndiaAI Mission के भीतर इसका स्थान

केंद्रीय मंत्रिमंडल ने मार्च 2024 में IndiaAI Mission को मंजूरी दी। मिशन का पांच वर्षों में ₹10,371.92 करोड़ का बजट परिव्यय है। IndiaAI, जो Digital India Corporation के तहत एक स्वतंत्र व्यापार प्रभाग है, इसे लागू करता है। Ministry of Electronics and Information Technology नीतिगत ढांचा प्रदान करता है। AIKosh इस व्यापक कार्यक्रम के डेटासेट स्तंभ का प्रतिनिधित्व करता है।

अन्य स्तंभ गणना क्षमता, स्वदेशी मॉडल, एप्लिकेशन विकास और भविष्य के कौशल को कवर करते हैं। मिशन में स्टार्ट-अप फाइनेंसिंग और सुरक्षित artificial intelligence भी शामिल है। ये हिस्से एक दूसरे पर निर्भर करते हैं। उपयुक्त डेटा के बिना गणना सीमित सार्वजनिक मूल्य पैदा करती है। कौशल के बिना डेटा का उपयोग करना मुश्किल रहता है। सुरक्षा को केवल अंत में बैठने के बजाय हर परत पर काम करना चाहिए।

मंच को कैसे लॉन्च किया गया

सरकार ने मार्च 2025 में AIKosha नाम से IndiaAI Datasets Platform लॉन्च किया। सार्वजनिक पृष्ठ अब व्यापक रूप से AIKosh का उपयोग करते हैं। लॉन्च में IndiaAI Compute Portal भी पेश किया गया। साथ में, सेवाओं ने डेटा, मॉडल और रियायती कंप्यूटिंग पहुंच प्रदान करने की मांग की। यह संयोजन टीमों को एक विचार से एक परीक्षण किए गए प्रोटोटाइप में जाने में मदद कर सकता है।

मंच का आधिकारिक मिशन विविध क्षेत्रों और स्रोतों से पहुंच पर जोर देता है। इसमें कृषि, स्वास्थ्य, परिवहन, भाषाएं और शासन शामिल हैं। कुछ डेटासेट सीधे होस्ट किए जाते हैं, जबकि अन्य बाहरी धारक को रीडायरेक्ट करते हैं। पहुँच खुली या प्रतिबंधित हो सकती है। प्रत्येक डेटासेट को अपने स्रोत, लाइसेंस, दायरे और अद्यतन अनुसूची को बताना चाहिए। मॉडल को प्रशिक्षित करने से पहले उपयोगकर्ताओं को उस संदर्भ की आवश्यकता होती है।

भारतीय डेटासेट क्यों मायने रखते हैं

कई व्यापक रूप से उपयोग किए जाने वाले मॉडल कुछ देशों और भाषाओं में केंद्रित डेटा से सीखते हैं। वे भारतीय लहजे, लिपियों और स्थानीय संस्थानों में खराब प्रदर्शन कर सकते हैं। भारत की सामाजिक और भौगोलिक विविधता और भिन्नता पैदा करती है। बेहतर राष्ट्रीय डेटासेट अंधे स्थानों को कम कर सकते हैं। वे फसल सलाह, भाषण उपकरण, सार्वजनिक सेवाओं और वैज्ञानिक अनुसंधान का समर्थन कर सकते हैं।

प्रतिनिधित्व केवल मात्रा का सवाल नहीं है। डेटा में छोटी भाषाओं, ग्रामीण क्षेत्रों, महिलाओं और हाशिए के समुदायों को शामिल करना चाहिए। लेबल को स्थानीय अर्थ को दर्शाना चाहिए। ऐतिहासिक अभिलेखों में अतीत का भेदभाव हो सकता है। उन पर प्रशिक्षण उस पूर्वाग्रह को पुन: उत्पन्न कर सकता है। इसलिए डेटासेट कार्ड में संग्रह, अंतराल, इच्छित उपयोग और अनुपयुक्त उपयोगों का वर्णन होना चाहिए।

डेटा शासन और सहमति

उपयोगी डेटा में अभी भी व्यक्तिगत या संवेदनशील जानकारी हो सकती है। योगदानकर्ताओं को संग्रह और साझाकरण के लिए एक वैध आधार स्थापित करना चाहिए। व्यक्तिगत पहचानकर्ताओं को हटाने या मजबूत सुरक्षा की आवश्यकता होती है। एक उद्देश्य के लिए प्राप्त सहमति हर बाद के मॉडल को कवर नहीं कर सकती है। स्वास्थ्य या कल्याण रिकॉर्ड के लिए पूर्ण खुलेपन की तुलना में प्रतिबंधित पहुंच सुरक्षित हो सकती है।

भारत का Digital Personal Data Protection Act, 2023 डिजिटल व्यक्तिगत डेटा के आसपास कर्तव्य बनाता है। क्षेत्रीय कानून और अनुबंध आगे की शर्तें जोड़ सकते हैं। AIKosh योगदानकर्ताओं को बौद्धिक-संपदा और लाइसेंस जांच की भी आवश्यकता होती है। एक सार्वजनिक वेबसाइट हर डेटासेट को स्वतंत्र रूप से पुन: उपयोग करने योग्य नहीं बनाती है। डाउनलोड या प्रशिक्षण से पहले उपयोगकर्ताओं को कथित लाइसेंस और स्रोत की शर्तों को पढ़ना चाहिए।

गुणवत्ता, उत्पत्ति और रखरखाव

Artificial intelligence सिस्टम अपने डेटा से दोष प्राप्त करते हैं। छूटे हुए क्षेत्र, डुप्लिकेट रिकॉर्ड और गलत लेबल परिणामों को विकृत कर सकते हैं। पुराना डेटा उन नीतियों या सीमाओं का प्रतिनिधित्व कर सकता है जो बदल गई हैं। AIKosh की गुणवत्ता स्कोरिंग खोज में मदद कर सकती है, लेकिन इसे समझने योग्य रहना चाहिए। उपयोगकर्ताओं को किसी भी स्कोर के पीछे अंतर्निहित कारणों की आवश्यकता होती है। एक एकल संख्या डोमेन समीक्षा की जगह नहीं ले सकती है।

उत्पत्ति दिखाती है कि डेटा कहाँ से उत्पन्न हुआ और यह कैसे बदल गया। संस्करण इतिहास में सुधारों और विलोपन को दर्ज करना चाहिए। मॉडल डेवलपर्स को प्रतिलिपि प्रस्तुत करने योग्यता के लिए स्थिर पहचानकर्ताओं की भी आवश्यकता होती है। सार्वजनिक एजेंसियों को अद्यतन जिम्मेदारियों को प्रकाशित करना चाहिए। परित्यक्त डेटासेट भ्रामक हो सकते हैं, भले ही उनका मूल संग्रह सही हो। इसलिए रखरखाव निधि डेटा बुनियादी ढांचे का हिस्सा है।

कार्यशाला से सार्वजनिक मूल्य तक

नई दिल्ली की कार्यशाला ने योगदानकर्ताओं और उपयोगकर्ताओं को साझा समस्याओं के इर्द-गिर्द इकट्ठा किया। यह चर्चा लापता क्षेत्रों और कठिन पहुंच नियमों की पहचान कर सकती है। यह सामान्य प्रलेखन मानकों में भी सुधार कर सकता है। हालाँकि, सफलता को केवल अपलोड की गई फ़ाइलों द्वारा नहीं मापा जाना चाहिए। पुन: उपयोग, अनुसंधान गुणवत्ता और सार्वजनिक परिणाम अधिक मायने रखते हैं। स्वतंत्र ऑडिट यह परीक्षण कर सकते हैं कि क्या संसाधन विविध उपयोगकर्ताओं की सेवा करते हैं।

विश्वविद्यालय छात्र परियोजनाओं और सहकर्मी समीक्षा के माध्यम से एक विशेष भूमिका निभा सकते हैं। स्टार्ट-अप व्यावहारिक अंतराल की पहचान कर सकते हैं और उपकरण बना सकते हैं। सरकारी निकाय सुरक्षा उपायों के साथ उच्च-मूल्य वाले प्रशासनिक डेटा जारी कर सकते हैं। नागरिक समाज बहिष्करण और दुरुपयोग को चिह्नित कर सकता है। एक स्वस्थ इकोसिस्टम को चारों समूहों की जरूरत है। कोई भी संस्था अकेले artificial intelligence के हर सामाजिक प्रभाव का आकलन नहीं कर सकती है।

अधिक डेटा स्वचालित रूप से बेहतर डेटा नहीं है

AIKosh पहुंच बाधाओं को कम कर सकता है और भारतीय नवाचार का समर्थन कर सकता है। इसका दीर्घकालिक मूल्य उत्पत्ति, प्रतिनिधित्व और वैध उपयोग पर निर्भर करता है। नियमित अद्यतन और स्पष्ट लाइसेंस आवश्यक हैं। गुणवत्ता समझने योग्य होनी चाहिए, न कि केवल एक स्कोर के रूप में प्रदर्शित की जानी चाहिए।

निष्कर्ष

AIKosh भारत के artificial intelligence बुनियादी ढांचे में एक महत्वपूर्ण अंतर को संबोधित करता है। साझा डेटा और मॉडल बड़ी कंपनियों से परे भागीदारी को व्यापक बना सकते हैं। कार्यशाला योगदानकर्ताओं, शोधकर्ताओं और उपयोगकर्ताओं के बीच संबंधों को मजबूत कर सकती है। फिर भी जिम्मेदारी के साथ पहुंच बढ़नी चाहिए। गोपनीयता, पूर्वाग्रह और लाइसेंस अनुपालन मंच के दैनिक संचालन के भीतर हैं।

सबसे मजबूत राष्ट्रीय भंडार बड़ा होने के साथ-साथ विश्वसनीय भी होगा। उपयोगकर्ताओं को पता होना चाहिए कि प्रत्येक संसाधन किसने और क्यों बनाया। डेटा में प्रतिनिधित्व करने वाले समुदाय सुरक्षा और निष्पक्ष परिणामों के पात्र हैं। पारदर्शी गुणवत्ता जांच AIKosh को नवाचार के लिए अधिक उपयोगी बना सकती है। जिम्मेदार रखरखाव यह निर्धारित करेगा कि क्या मंच स्थायी सार्वजनिक बुनियादी ढांचा बन जाएगा।