ఏఐకోశ్ వర్క్‌షాప్: ఏఐ కోసం భారత భాగస్వామ్య డేటా

వార్తల్లో ఎందుకు ఉంది?

IndiaAI Mission 20 ఆగస్టు 2026 న న్యూఢిల్లీలోని India Habitat Centre లో AIKosh వర్క్‌షాప్‌ను నిర్వహించింది. ఇందులో ప్రభుత్వం, విశ్వవిద్యాలయాలు, పరిశ్రమలు మరియు స్టార్టప్‌ల నుండి ప్రతినిధులు పాల్గొన్నారు. భారతదేశపు డేటా ఉపయోగకరమైన మరియు బాధ్యతాయుతమైన artificial intelligence కు ఎలా మద్దతు ఇస్తుందనే దానిపై వారు చర్చించారు. వారి ఎంపికలు ప్లాట్‌ఫామ్‌పై నమ్మకాన్ని ఆకృతి చేస్తాయి.

AIKosh అనేది డేటాసెట్‌లు, మోడల్‌లు, టూల్‌కిట్‌లు మరియు అభివృద్ధి వనరుల కోసం మిషన్ యొక్క జాతీయ వేదిక. వర్క్‌షాప్ రచనలు, నాణ్యత మరియు ఆచరణాత్మక ఉపయోగంపై దృష్టి సారించింది. ఈ సంఘటన ముఖ్యమైనది ఎందుకంటే artificial-intelligence వ్యవస్థలు నమ్మదగిన డేటాపై ఎక్కువగా ఆధారపడి ఉంటాయి. ఒక పెద్ద రిపోజిటరీ మాత్రమే న్యాయం, చట్టబద్ధత లేదా ఉపయోగానికి హామీ ఇవ్వదు. బలమైన డాక్యుమెంటేషన్ మరియు భద్రతా చర్యలతో కూడిన సహకారాన్ని కూడా చర్చ పరిశీలించింది.

AIKosh ఏమి అందిస్తుంది

AIKosh వివిధ artificial-intelligence వనరులను ఒక శోధించదగిన ప్లాట్‌ఫారమ్‌లోకి తీసుకువస్తుంది. వినియోగదారులు డేటాసెట్‌లు, ప్రీట్రెయిన్డ్ మోడల్‌లు, టూల్‌కిట్‌లు మరియు డాక్యుమెంట్ చేయబడిన వినియోగ కేసులను కనుగొనవచ్చు. సైట్ ఇంటిగ్రేటెడ్ డెవలప్‌మెంట్ ఎన్విరాన్‌మెంట్‌తో (integrated development environment) శాండ్‌బాక్స్‌ను కూడా అందిస్తుంది. పరిశోధకులు డేటాను అన్వేషించవచ్చు మరియు కొన్ని వర్క్‌ఫ్లోలను పరీక్షించవచ్చు. AI-readiness స్కోర్ వినియోగదారులకు డేటాసెట్ నాణ్యత మరియు వినియోగాన్ని పరిశీలించడానికి సహాయపడుతుంది.

ఈ ప్లాట్‌ఫాం విద్యార్థులు, పరిశోధకులు, స్టార్టప్‌లు, ప్రభుత్వ సంస్థలు మరియు స్థాపించబడిన సంస్థలకు సేవలు అందిస్తుంది. భారతీయ డేటా మరియు మోడళ్లకు ఉన్న అడ్డంకులను తగ్గించడమే దీని లక్ష్యం. చిన్న జట్లకు యాజమాన్య డేటాసెట్‌లు (proprietary datasets) లేదా ఖరీదైన మౌలిక సదుపాయాల కోసం డబ్బు లేకపోవచ్చు. భాగస్వామ్య వనరులు ప్రారంభ అభివృద్ధిని తగ్గించగలవు. వారు పబ్లిక్-ఇంట్రెస్ట్ సమస్యలను ఆవిష్కర్తలకు మరింత కనిపించేలా చేయవచ్చు.

IndiaAI Mission లో దీని స్థానం

Union Cabinet మార్చి 2024 లో IndiaAI Mission కు ఆమోదం తెలిపింది. ఈ మిషన్ ఐదేళ్లలో ₹10,371.92 కోట్ల బడ్జెట్ వ్యయాన్ని కలిగి ఉంది. Digital India Corporation కింద స్వతంత్ర వ్యాపార విభాగం అయిన IndiaAI దీనిని అమలు చేస్తుంది. Ministry of Electronics and Information Technology విధాన చట్రాన్ని అందిస్తుంది. ఈ విస్తృత కార్యక్రమం యొక్క డేటాసెట్ల మూలస్తంభాన్ని AIKosh సూచిస్తుంది.

ఇతర మూలస్తంభాలు కంప్యూట్ సామర్థ్యం, స్వదేశీ నమూనాలు, అప్లికేషన్ డెవలప్‌మెంట్ మరియు భవిష్యత్ నైపుణ్యాలను కవర్ చేస్తాయి. మిషన్‌లో స్టార్టప్ ఫైనాన్సింగ్ మరియు సురక్షితమైన artificial intelligence కూడా ఉన్నాయి. ఈ భాగాలు ఒకదానికొకటి ఆధారపడి ఉంటాయి. తగిన డేటా లేని కంప్యూట్ పరిమిత ప్రజా విలువను ఉత్పత్తి చేస్తుంది. నైపుణ్యాలు లేని డేటాను ఉపయోగించడం కష్టంగా ఉంటుంది. భద్రత చివర్లో ఉండకుండా ప్రతి పొర అంతటా పనిచేయాలి.

ప్లాట్‌ఫాం ఎలా ప్రారంభించబడింది

ప్రభుత్వం మార్చి 2025 లో AIKosha పేరుతో IndiaAI Datasets Platform ను ప్రారంభించింది. పబ్లిక్ పేజీలు ఇప్పుడు AIKosh ను విస్తృతంగా ఉపయోగిస్తున్నాయి. ఈ ప్రయోగం IndiaAI Compute Portal ను కూడా ప్రవేశపెట్టింది. కలిసి, ఈ సేవలు డేటా, మోడల్స్ మరియు డిస్కౌంట్ చేయబడిన కంప్యూటింగ్ యాక్సెస్‌ను అందించడానికి ప్రయత్నించాయి. ఈ కలయిక బృందాలు ఒక ఆలోచన నుండి పరీక్షించబడిన ప్రోటోటైప్‌కు వెళ్లడానికి సహాయపడుతుంది.

ప్లాట్‌ఫాం యొక్క అధికారిక మిషన్ విభిన్న విభాగాలు మరియు మూలాల నుండి యాక్సెస్‌ను నొక్కి చెబుతుంది. ఇందులో వ్యవసాయం, ఆరోగ్యం, రవాణా, భాషలు మరియు పాలన ఉన్నాయి. కొన్ని డేటాసెట్‌లు నేరుగా హోస్ట్ చేయబడతాయి, మరికొన్ని బాహ్య హోల్డర్‌కు దారి మళ్లిస్తాయి. యాక్సెస్ తెరిచి ఉండవచ్చు లేదా పరిమితం చేయబడవచ్చు. ప్రతి డేటాసెట్ దాని మూలం, లైసెన్స్, పరిధి మరియు నవీకరణ షెడ్యూల్‌ను పేర్కొనాలి. మోడల్‌కు శిక్షణ ఇచ్చే ముందు వినియోగదారులకు ఆ సందర్భం అవసరం.

భారతీయ డేటాసెట్‌లు ఎందుకు ముఖ్యమైనవి

విస్తృతంగా ఉపయోగించే అనేక నమూనాలు కొన్ని దేశాలు మరియు భాషలలో కేంద్రీకృతమై ఉన్న డేటా నుండి నేర్చుకుంటాయి. భారతీయ యాసలు, లిపులు మరియు స్థానిక సంస్థలలో ఇవి పేలవంగా పనిచేయవచ్చు. భారతదేశ సామాజిక మరియు భౌగోళిక వైవిధ్యం మరింత వైవిధ్యాన్ని సృష్టిస్తుంది. మెరుగైన జాతీయ డేటాసెట్‌లు బ్లైండ్ స్పాట్‌లను (blind spots) తగ్గించగలవు. ఇవి పంట సలహాలు, స్పీచ్ టూల్స్, ప్రజా సేవలు మరియు శాస్త్రీయ పరిశోధనలకు మద్దతు ఇవ్వగలవు.

ప్రాతినిధ్యం అనేది కేవలం వాల్యూమ్ గురించిన ప్రశ్న కాదు. డేటా చిన్న భాషలు, గ్రామీణ ప్రాంతాలు, మహిళలు మరియు అట్టడుగు వర్గాలను కవర్ చేయాలి. లేబుల్స్ స్థానిక అర్థాన్ని ప్రతిబింబించాలి. చారిత్రక రికార్డులు గత వివక్షను కలిగి ఉండవచ్చు. వాటిపై శిక్షణ ఆ పక్షపాతాన్ని పునరుత్పత్తి చేయగలదు. అందువల్ల డేటాసెట్ కార్డ్‌లు సేకరణ, ఖాళీలు, ఉద్దేశించిన ఉపయోగాలు మరియు సరిపోని ఉపయోగాలను వివరించాలి.

డేటా గవర్నెన్స్ మరియు సమ్మతి

ఉపయోగకరమైన డేటా ఇప్పటికీ వ్యక్తిగత లేదా సున్నితమైన సమాచారాన్ని కలిగి ఉంటుంది. కాంట్రిబ్యూటర్లు సేకరణ మరియు భాగస్వామ్యం కోసం చట్టబద్ధమైన ఆధారాన్ని ఏర్పాటు చేయాలి. వ్యక్తిగత ఐడెంటిఫైయర్‌లకు (personal identifiers) తొలగింపు లేదా బలమైన రక్షణ అవసరం. ఒక ప్రయోజనం కోసం పొందిన సమ్మతి ప్రతి తదుపరి మోడల్‌ను కవర్ చేయకపోవచ్చు. ఆరోగ్యం లేదా సంక్షేమ రికార్డులకు పూర్తి నిష్కాపట్యత కంటే పరిమితమైన యాక్సెస్ సురక్షితమైనది.

భారతదేశపు Digital Personal Data Protection Act, 2023 డిజిటల్ వ్యక్తిగత డేటా చుట్టూ విధులను సృష్టిస్తుంది. రంగాల చట్టాలు మరియు ఒప్పందాలు తదుపరి షరతులను జోడించవచ్చు. AIKosh కాంట్రిబ్యూటర్లకు మేధో-సంపత్తి (intellectual-property) మరియు లైసెన్స్ తనిఖీలు కూడా అవసరం. పబ్లిక్ వెబ్‌సైట్ ప్రతి డేటాసెట్‌ను ఉచితంగా తిరిగి ఉపయోగించుకోగలిగేలా చేయదు. డౌన్‌లోడ్ చేయడానికి లేదా శిక్షణ ఇవ్వడానికి ముందు వినియోగదారులు పేర్కొన్న లైసెన్స్ మరియు మూల నిబంధనలను తప్పక చదవాలి.

నాణ్యత, మూలం మరియు నిర్వహణ

Artificial-intelligence సిస్టమ్‌లు వాటి డేటా నుండి లోపాలను వారసత్వంగా పొందుతాయి. తప్పిపోయిన ఫీల్డ్‌లు, నకిలీ రికార్డులు మరియు తప్పు లేబుల్‌లు ఫలితాలను వక్రీకరించగలవు. పాత డేటా మారిన విధానాలు లేదా సరిహద్దులను సూచించవచ్చు. AIKosh నాణ్యత స్కోరింగ్ ఆవిష్కరణకు సహాయపడుతుంది, కానీ అది వివరించదగినదిగా ఉండాలి. వినియోగదారులకు ఏదైనా స్కోర్ వెనుక ఉన్న కారణాలు అవసరం. ఒకే సంఖ్య డొమైన్ సమీక్షను భర్తీ చేయదు.

ప్రొవెనెన్స్ (Provenance) డేటా ఎక్కడ ఉద్భవించింది మరియు అది ఎలా మారిందో చూపుతుంది. వెర్షన్ చరిత్ర దిద్దుబాట్లు మరియు తొలగింపులను రికార్డ్ చేయాలి. పునరుత్పత్తి (reproducibility) కోసం మోడల్ డెవలపర్‌లకు స్థిరమైన ఐడెంటిఫైయర్‌లు కూడా అవసరం. ప్రభుత్వ ఏజెన్సీలు అప్‌డేట్ బాధ్యతలను ప్రచురించాలి. విడిచిపెట్టిన డేటాసెట్‌ల అసలు సేకరణ సరైనదైనప్పటికీ తప్పుదారి పట్టించేలా మారవచ్చు. అందువల్ల నిర్వహణ నిధులు డేటా మౌలిక సదుపాయాలలో భాగం.

వర్క్‌షాప్ నుండి ప్రజా విలువ వరకు

న్యూఢిల్లీ వర్క్‌షాప్ భాగస్వామ్య సమస్యల చుట్టూ కాంట్రిబ్యూటర్లు మరియు వినియోగదారులను సమీకరించింది. ఆ చర్చ తప్పిపోయిన రంగాలు మరియు కష్టమైన యాక్సెస్ నియమాలను గుర్తించగలదు. ఇది సాధారణ డాక్యుమెంటేషన్ ప్రమాణాలను కూడా మెరుగుపరుస్తుంది. అయినప్పటికీ, విజయాన్ని కేవలం అప్‌లోడ్ చేసిన ఫైల్‌ల ద్వారా మాత్రమే కొలవకూడదు. పునర్వినియోగం, పరిశోధన నాణ్యత మరియు పబ్లిక్ ఫలితాలు మరింత ముఖ్యమైనవి. వనరులు విభిన్న వినియోగదారులకు సేవలు అందిస్తాయో లేదో స్వతంత్ర ఆడిట్‌లు పరీక్షించగలవు.

విద్యార్థుల ప్రాజెక్ట్‌లు మరియు పీర్ రివ్యూ (peer review) ద్వారా విశ్వవిద్యాలయాలు ప్రత్యేక పాత్ర పోషించగలవు. స్టార్టప్‌లు ఆచరణాత్మక అంతరాలను గుర్తించగలవు మరియు సాధనాలను నిర్మించగలవు. ప్రభుత్వ సంస్థలు భద్రతా చర్యలతో అధిక-విలువ గల పరిపాలనా డేటాను విడుదల చేయగలవు. మినహాయింపు మరియు దుర్వినియోగాన్ని పౌర సమాజం ఫ్లాగ్ చేయవచ్చు. ఆరోగ్యకరమైన పర్యావరణ వ్యవస్థకు నాలుగు గ్రూపులు అవసరం. artificial intelligence యొక్క ప్రతి సామాజిక ప్రభావాన్ని ఏ ఒక్క సంస్థ అంచనా వేయలేదు.

మరింత డేటా స్వయంచాలకంగా మెరుగైన డేటా కాదు

AIKosh యాక్సెస్ అడ్డంకులను తగ్గిస్తుంది మరియు భారతీయ ఆవిష్కరణలకు మద్దతు ఇస్తుంది. దీని దీర్ఘకాలిక విలువ మూలం, ప్రాతినిధ్యం మరియు చట్టబద్ధమైన ఉపయోగంపై ఆధారపడి ఉంటుంది. రెగ్యులర్ అప్‌డేట్‌లు మరియు స్పష్టమైన లైసెన్స్‌లు అవసరం. నాణ్యత అర్థమయ్యేలా ఉండాలి, కేవలం స్కోర్‌గా ప్రదర్శించబడకూడదు.

ముగింపు

భారతదేశపు artificial-intelligence మౌలిక సదుపాయాలలో ఉన్న ముఖ్యమైన అంతరాన్ని AIKosh పరిష్కరిస్తుంది. షేర్డ్ డేటా మరియు మోడల్స్ పెద్ద సంస్థలకు మించి భాగస్వామ్యాన్ని విస్తృతం చేయగలవు. ఈ వర్క్‌షాప్ కాంట్రిబ్యూటర్లు, పరిశోధకులు మరియు వినియోగదారుల మధ్య సంబంధాలను బలోపేతం చేస్తుంది. అయినప్పటికీ యాక్సెస్ బాధ్యతతో పెరగాలి. గోప్యత, పక్షపాతం మరియు లైసెన్స్ సమ్మతి ప్లాట్‌ఫాం యొక్క రోజువారీ ఆపరేషన్‌లో భాగంగా ఉండాలి.

బలమైన జాతీయ రిపోజిటరీ పెద్దదిగా ఉండటమే కాకుండా విశ్వసించబడుతుంది. ప్రతి వనరును ఎవరు మరియు ఎందుకు సృష్టించారో వినియోగదారులు తెలుసుకోవాలి. డేటాలో ప్రాతినిధ్యం వహించే కమ్యూనిటీలకు రక్షణ మరియు న్యాయమైన ఫలితాలు దక్కాలి. పారదర్శకమైన నాణ్యతా తనిఖీలు ఆవిష్కరణకు AIKosh ను మరింత ఉపయోగకరంగా చేయగలవు. ప్లాట్‌ఫాం శాశ్వత పబ్లిక్ మౌలిక సదుపాయంగా మారుతుందో లేదో బాధ్యతాయుతమైన నిర్వహణ నిర్ణయిస్తుంది.