जेनरेटिव AI और लार्ज लैंग्वेज मॉडल: UPSC के लिए पूरा एक्सप्लेनर

जेनरेटिव AI आर्टिफ़िशियल इंटेलिजेंस की वह शाखा है जो पहले से मौजूद सामग्री को छाँटने या उससे अंदाज़ा लगाने के बजाय नई सामग्री बनाती है। इसे दो-चार शब्द दीजिए और यह बदले में पैराग्राफ़ भर लिखावट, एक तस्वीर, एक गाना, वीडियो का टुकड़ा या चलता हुआ कंप्यूटर कोड लौटा देती है। इनमें से हर आउटपुट संभावना के हिसाब से, एक-एक टोकन करके, उस मॉडल से बनता है जिसने इंटरनेट पर लिखी या रिकॉर्ड की गई ज़्यादातर चीज़ें पढ़ रखी हैं।

विश्लेषण करने वाली AI से जेनरेटिव AI तक का यह मोड़ स्मार्टफ़ोन के बाद कंप्यूटर साइंस का सबसे बड़ा बदलाव है। इसे दो तकनीकों ने मुमकिन बनाया। पहली, ट्रांसफ़ॉर्मर, यानी 2017 में गूगल में बना न्यूरल नेटवर्क का ढाँचा, जिसने मशीनों को सिखाया कि लंबी बात का सिलसिला बिना संदर्भ खोए कैसे सँभाला जाए। दूसरी, फ़ाउंडेशन मॉडल, यानी एक ही मॉडल जो इंटरनेट जितने बड़े डेटा पर तैयार होता है और फिर कई कामों के लिए ढाल लिया जाता है, जिससे इसे चलाना सस्ता पड़ने लगा। इन्हीं दोनों ने मिलकर ChatGPT, Gemini, Claude, Copilot और वे बाक़ी सिस्टम बनाए जो 2022 के आख़िर से आम इस्तेमाल में आ गए।

UPSC GS-III के लिए जेनरेटिव AI अब उभरती तकनीक, रोज़गार, नैतिकता और राष्ट्रीय सुरक्षा के सवालों में बार-बार लौटने वाला विषय है। भारत ने अपना कंप्यूट खड़ा करने के लिए एक AI मिशन शुरू किया है और डिजिटल इंडिया एक्ट के तहत नियम बना रहा है। यह गाइड बताती है कि जेनरेटिव AI है क्या, बड़े सिस्टम आपस में कैसे अलग हैं, वे किन कामों में अच्छे और किनमें कमज़ोर हैं, और भारत इन पर क्या नियम बना रहा है।

जेनरेटिव AI: बुनियादी बातें

जेनरेटिव AI से मतलब उन AI सिस्टम से है जो बड़े डेटा से पैटर्न सीखकर नई सामग्री बनाते हैं, जैसे लिखावट, तस्वीरें, आवाज़, वीडियो या कोड। आज का ज़्यादातर जेनरेटिव AI न्यूरल नेटवर्क की एक क़िस्म पर टिका है जिसे ट्रांसफ़ॉर्मर कहते हैं और जो 2017 के पेपर Attention Is All You Need में सामने आई थी।

लार्ज लैंग्वेज मॉडल (large language model), छोटे में LLM, ट्रांसफ़ॉर्मर पर बना वह जेनरेटिव AI है जो ख़ास तौर पर लिखावट के लिए है। इसे सैकड़ों अरब शब्दों पर तैयार किया जाता है और यह अपनी सीखी हुई बात अरबों संख्याओं यानी पैरामीटर के रूप में रखता है। ChatGPT, Google Gemini, Anthropic Claude, Meta Llama, xAI Grok और Mistral, ये सब LLM हैं। DALL-E, Midjourney और Stable Diffusion जैसे तस्वीर बनाने वाले सिस्टम भी ट्रांसफ़ॉर्मर के उसी सिद्धांत पर चलते हैं, बस टोकन की जगह पिक्सल पर। मल्टीमॉडल मॉडल लिखावट, तस्वीर, आवाज़ और वीडियो, सबको एक ही सिस्टम में जोड़ देते हैं।

इसका ख़र्च हैरान करने वाला है। सबसे आगे वाला एक LLM तैयार करने में सैकड़ों करोड़ डॉलर लगते हैं और दसियों हज़ार ऊँचे दर्जे के ग्राफ़िक्स प्रोसेसर यानी GPU चाहिए, जो ज़्यादातर NVIDIA के होते हैं। कंप्यूट और बिजली की यही ज़रूरत वजह है कि जेनरेटिव AI की नीति अब सेमीकंडक्टर नीति और ऊर्जा नीति से जा मिलती है।

लार्ज लैंग्वेज मॉडल काम कैसे करता है

LLM को समझने का सबसे आसान तरीक़ा यह देखना है कि जब कोई प्रॉम्प्ट टाइप करता है तो होता क्या है। लिखावट पहले टोकन में टूटती है, जो पूरे शब्द, शब्द के हिस्से या विराम-चिह्न हो सकते हैं। फिर हर टोकन को संख्याओं वाले एक वेक्टर यानी एम्बेडिंग (embedding) से जोड़ दिया जाता है, जो उसका मतलब एक बहुत बड़ी जगह में पकड़ता है।

ये वेक्टर ट्रांसफ़ॉर्मर की कई परतों से होकर गुज़रते हैं। हर परत में अटेंशन (attention) नाम का तरीक़ा लगता है, जिससे इनपुट का हर टोकन बाक़ी हर टोकन पर ध्यान दे पाता है और वह ध्यान इस बात से तय होता है कि कौन कितना काम का है। मॉडल को संदर्भ की पकड़ यहीं से मिलती है। एक ही शब्द अलग-अलग वाक्यों में अलग मतलब देता है, और अटेंशन ही मॉडल को बताता है कि यहाँ कौन-सा मतलब चल रहा है।

ट्रांसफ़ॉर्मर की परतों के बाद मॉडल अपनी पूरी शब्द-सूची पर अगले टोकन की संभावनाएँ निकालता है। फिर उनमें से एक टोकन चुनता है, उसे इनपुट के आगे जोड़ता है और पूरी प्रक्रिया दोबारा चलाता है। मॉडल कभी एक टोकन से आगे की योजना नहीं बनाता। पूरे पैराग्राफ़ में जो सिलसिला दिखता है, वह इसी अनुमान के चक्र से अपने आप पैदा होता है, किसी सोची-समझी योजना से नहीं।

असली मेहनत ट्रेनिंग में लगती है। मॉडल को खरबों टोकन की लिखावट दिखाई जाती है और हर जगह अगला टोकन बताने को कहा जाता है। वह ग्रेडिएंट डिसेंट के ज़रिए अपने पैरामीटर तब तक बदलता रहता है जब तक उसके अनुमान ट्रेनिंग डेटा से मेल न खाने लगें। इस पहले चरण के बाद छोटे, छाँटे हुए डेटा पर फ़ाइन-ट्यूनिंग होती है और फिर इंसानी फ़ीडबैक से रीइन्फ़ोर्समेंट लर्निंग यानी RLHF, जिसमें लोग जवाबों को नंबर देते हैं और मॉडल को उन्हीं जवाबों की तरफ़ खिसकाया जाता है जो लोगों को पसंद आते हैं।

पैरामीटर की संख्या कई गुना बढ़ चुकी है। 2019 के GPT-2 में 1.5 अरब पैरामीटर थे। 2020 के GPT-3 में 175 अरब। 2025 के सबसे सक्षम मॉडलों में एक खरब से भी ज़्यादा पैरामीटर हैं और वे अक्सर मिक्सचर ऑफ़ एक्सपर्ट्स होते हैं, यानी किसी एक सवाल पर उनके पैरामीटर का एक हिस्सा ही चलता है।

बड़े जेनरेटिव AI सिस्टम और उनके मालिक

2026 में जेनरेटिव AI का बाज़ार गिनी-चुनी कंपनियों के हाथ में है, जिनमें ज़्यादातर अमेरिका की हैं। कौन-सा सिस्टम किसका है, यह जानना अब प्रीलिम्स स्तर की करेंट अफ़ेयर्स शब्दावली का हिस्सा है।

भारतीय कंपनियाँ अभी शुरुआती दौर में हैं, पर काम असली है। BharatGPT और Krutrim ऐसे मॉडल बना रहे हैं जो देश की आधिकारिक भाषाओं को अंग्रेज़ी से अनुवाद करके नहीं, सीधे सँभालें। मार्च 2024 में केंद्रीय मंत्रिमंडल से मंज़ूर हुआ IndiaAI मिशन देसी फ़ाउंडेशन मॉडलों को पैसा देगा और IndiaAI Compute Capacity कार्यक्रम के ज़रिए सस्ता कंप्यूट मुहैया कराएगा।

जेनरेटिव AI क्या कर सकता है और क्या नहीं

ये सिस्टम उन कामों में बहुत अच्छे हैं जिनमें सार निकालना, ड्राफ़्ट बनाना, अनुवाद करना, दोबारा लिखना और लिखावट में पैटर्न पहचानना शामिल है। ये एक ड्राफ़्ट नोट लिख सकते हैं, 30 पन्ने की रिपोर्ट का सार बना सकते हैं, बड़ी भाषाओं के बीच अनुवाद कर सकते हैं, मार्केटिंग की कॉपी बना सकते हैं और कंप्यूटर कोड का ठीक-ठाक पहला ड्राफ़्ट दे सकते हैं। ये ऐसी तस्वीरें, चित्र, छोटे वीडियो और नक़ली आवाज़ें भी बना सकते हैं जिन्हें बिना अभ्यास वाला कान या आँख पकड़ ही नहीं पाती।

जिन कामों में एकदम सही तथ्य, पक्का हिसाब या ताज़ा जानकारी चाहिए, वहाँ इन पर भरोसा नहीं किया जा सकता। LLM हैलुसिनेट करते हैं, यानी पूरे आत्मविश्वास से ऐसी बात लिख देते हैं जो तथ्यों के लिहाज़ से ग़लत होती है, क्योंकि वे किसी जाँची-परखी डेटाबेस से जवाब उठाने के बजाय संभावनाओं में से चुनते हैं। इनके ट्रेनिंग डेटा की एक आख़िरी तारीख़ होती है, और सच क्या है, यह जानने का इनके पास कोई अपना तरीक़ा नहीं है।

लंबी योजना बनाने में भी ये कमज़ोर हैं। कोई LLM ऐसा पैराग्राफ़ लिख सकता है जिसमें कई क़दमों वाली योजना बताई गई हो, पर उस योजना के पीछे की सोच आम तौर पर उथली रहती है। इसीलिए LLM से चलने वाले एजेंट, यानी वे सिस्टम जो सिर्फ़ बात नहीं करते बल्कि काम भी करते हैं, अब भी सावधानी से बने ढाँचे और निगरानी माँगते हैं।

सबसे कम बात जिस कमज़ोरी की होती है, वह है झुकाव। इंटरनेट की लिखावट पर तैयार मॉडल उसी लिखावट के पूर्वाग्रह और आबादी वाले झुकाव भी उठा लेते हैं। कम डेटा वाली भाषाओं में, जिनमें ज़्यादातर भारतीय भाषाएँ आती हैं, इनका काम कमज़ोर रहता है, और ये अंग्रेज़ी इंटरनेट की सांस्कृतिक मान्यताएँ दोहराते हैं। इस झुकाव को घटाना अब अपने आप में शोध का एक पूरा क्षेत्र है।

जेनरेटिव AI और भारतीय भाषाएँ

भारत में जेनरेटिव AI की सबसे बड़ी अड़चन यहाँ की भाषाई विविधता है। सबसे आगे वाले मॉडल आज भी ज़्यादातर अंग्रेज़ी डेटा पर बनते हैं, हिंदी, बांग्ला और तमिल का हिस्सा उसमें कम रहता है। ज़्यादातर भारतीय भाषाओं में डेटा कम है, यानी मॉडल ने उनमें अंग्रेज़ी के मुक़ाबले बहुत कम पढ़ा है, और नतीजा उसी हिसाब से कमज़ोर रहता है।

इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय का भाषिणी, यानी राष्ट्रीय भाषा अनुवाद मिशन, इसी को ठीक करने में लगा है। इसने 22 अनुसूचित भाषाओं के लिए डेटा भंडार और अनुवाद मॉडल बनाए हैं और उन्हें सरकारी विभागों तथा स्टार्टअप को API के रूप में देता है। IIT मद्रास का शोध समूह AI4Bharat भी ओपन-वेट भारतीय LLM और जाँच के डेटासेट जारी कर चुका है, जिन्हें बड़ी कंपनियाँ अपने मॉडलों में जोड़ सकती हैं।

इसमें पैसा भी दाँव पर है। अगर भारतीय भाषाओं वाला जेनरेटिव AI सिर्फ़ विदेशी कंपनियाँ बनाएँगी, तो हिंदी या तमिल में पूछे गए हर सवाल का पैसा भारत विदेशी कंपनियों को देगा। लेकिन अगर देसी डेवलपर ओपन-वेट मॉडलों को भारतीय डेटा पर ढाल सकें, तो हिसाब पलट जाता है। IndiaAI मिशन का देसी कंप्यूट पर पैसा लगाना इसी की एक वजह है।

नौकरियों पर जेनरेटिव AI का असर

मशीनीकरण की हर लहर ने यह लकीर खिसकाई है कि कौन-सा काम मशीन करेगी और कौन-सा इंसान। जेनरेटिव AI पहली बार वह लकीर सफ़ेदपोश दफ़्तरी काम के भीतर खिसका रहा है। सबसे ज़्यादा असर उन कामों पर है जिनमें ड्राफ़्ट बनाना, सार निकालना, अनुवाद, बुनियादी कोडिंग और ढर्रे वाला विश्लेषण शामिल है।

अमेरिका और यूरोप के शुरुआती आँकड़े बताते हैं कि इसे अपनाने से ज़्यादातर जानकारी वाले कामगारों की उत्पादकता बढ़ती है, पर शुरुआती स्तर की नौकरियों में मिलने वाली अतिरिक्त तनख़्वाह घट जाती है, क्योंकि वहीं का काम सबसे आसानी से मशीन कर लेती है। कस्टमर सपोर्ट में बैठे लोग, पैरालीगल, जूनियर कॉपीराइटर, जूनियर कोडर और बैक-ऑफ़िस विश्लेषक सबसे बड़ा बदलाव देख रहे हैं।

भारत के लिए असर दोनों तरफ़ है। IT सेवा उद्योग ने अब तक लाखों इंजीनियरों को ऐसे कामों में लगाया है जो अब कोई LLM ज़्यादा तेज़ी से कर देता है। दूसरी तरफ़, भारत का BPO और KPO आधार इतना बड़ा है कि इसी कार्यबल को AI के साथ काम करने वाली भूमिकाओं में लगाया जा सकता है, बशर्ते ट्रेनिंग उसी रफ़्तार से चले। स्किल इंडिया कार्यक्रम ने अपने कोर्सों में जेनरेटिव AI के हिस्से जोड़ने शुरू कर दिए हैं, पर पैमाना कई गुना बढ़ाना होगा।

नैतिकता, झुकाव और झूठी ख़बरें

जेनरेटिव AI मोटे तौर पर तीन नैतिक सवाल खड़े करता है। पहला है झूठी जानकारी, क्योंकि ये मॉडल माँगने भर से भरोसा जगाने वाली नक़ली लिखावट, नक़ली तस्वीरें और नक़ली आवाज़ें बना देते हैं। नेताओं के डीपफ़ेक वीडियो, रिश्तेदार की आवाज़ की नक़ल करके ठगी वाले फ़ोन और सोशल मीडिया पर AI से बना झूठ, तीनों अब आम हो चुके हैं।

दूसरा है झुकाव, जिसमें मॉडल अपने ट्रेनिंग डेटा की रूढ़ियाँ उठाकर और बढ़ा देते हैं। बड़े LLM पर हुए अध्ययनों में मिला है कि वे स्त्री-पुरुष की भूमिकाओं, जाति की झलक देने वाले नामों और अल्पसंख्यक भाषाओं पर अलग-अलग रवैया अपनाते हैं, और कई देशों में यह बराबरी के क़ानूनों के हिसाब से ग़ैर-क़ानूनी होता।

तीसरा है बौद्धिक संपदा, क्योंकि कॉपीराइट वाली लिखावट या तस्वीरों पर तैयार मॉडल उनकी शैली और कभी-कभी हूबहू हिस्से तक दोहरा देते हैं। अमेरिका, ब्रिटेन और भारत में चल रहे मुक़दमे यही तय कर रहे हैं कि AI की ट्रेनिंग के लिए फ़ेयर यूज़ की सीमा कहाँ तक है। भारत के पेटेंट नियमों में 2024 के संशोधन और ड्राफ़्ट डिजिटल इंडिया एक्ट, दोनों इसी सवाल को छूते हैं।

भारत के नियम किस तरह बन रहे हैं

भारत जेनरेटिव AI को तीन आपस में जुड़े रास्तों से नियंत्रित कर रहा है। पहला है IT एक्ट, 2000 और उसके नियम, जो बिचौलियों की ज़िम्मेदारी वाले ढाँचे के तहत AI से बनी सामग्री पर पहले से लागू होते हैं। इलेक्ट्रॉनिक्स एवं सूचना प्रौद्योगिकी मंत्रालय ने मार्च 2024 में एक एडवाइज़री जारी कर प्लेटफ़ॉर्मों से कहा था कि वे AI से बनी सामग्री पर लेबल लगाएँ और कम परखे गए जेनरेटिव मॉडलों के लिए सरकार से मंज़ूरी लें। स्टार्टअप के विरोध के बाद यह एडवाइज़री नरम कर दी गई।

दूसरा है डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023, जो तय करता है कि AI मॉडल तैयार करने में निजी डेटा कैसे इस्तेमाल हो सकता है। बिना सहमति उठाया गया निजी डेटा अब क़ानूनी तौर पर उलझन भरा है।

तीसरा है IndiaAI मिशन, जो MeitY के भीतर है और जिसमें कंप्यूट क्षमता, फ़ाउंडेशन मॉडल के लिए पैसा, ऐप्लिकेशन बनाना, आगे की स्किल ट्रेनिंग और सुरक्षित AI की पहल, सब शामिल हैं। मिशन गाजर है। DPDP एक्ट और IT नियम छड़ी हैं। दोनों मिलकर वह चीज़ बनाते हैं जो फ़िलहाल भारत की जेनरेटिव AI नीति के सबसे क़रीब है।

भारतीय मानक ब्यूरो भी AI के जोखिम प्रबंधन के लिए स्वैच्छिक मानक बना रहा है, जो अंतरराष्ट्रीय मानक ISO 42001 के साथ मेल खाते हैं।

UPSC GS-III में जेनरेटिव AI क्यों मायने रखता है

GS-III में उभरती तकनीक और उसके सामाजिक-आर्थिक असर की समझ परखी जाती है। जेनरेटिव AI अब प्रीलिम्स के तथ्य वाले सवालों में आता है, जैसे ChatGPT किसका है, ट्रांसफ़ॉर्मर क्या है, RLHF क्या है, और मुख्य परीक्षा में रोज़गार, नैतिकता और भारत के नियमों पर सवाल बनते हैं।

UPSC के लिहाज़ से जेनरेटिव AI को समझने का सबसे साफ़ तरीक़ा यह है कि इसे बिजली या इंटरनेट जैसी आम काम की तकनीक (general-purpose technology) मानिए, जिस पर नीति तीन परतों में चाहिए: बुनियादी ढाँचा, इस्तेमाल और जोखिम। बुनियादी ढाँचे का मतलब कंप्यूट, बिजली और डेटा। इस्तेमाल का मतलब उत्पादकता, सरकारी सेवाएँ और भाषाई बराबरी। जोखिम का मतलब झूठी जानकारी, झुकाव, कॉपीराइट और सुरक्षा। जेनरेटिव AI को किसी एक सार्वजनिक सेवा से जोड़ दीजिए, जैसे स्वास्थ्य, शिक्षा या शिकायत निपटारा, तो मुख्य परीक्षा का जवाब मज़बूत बनता है।

सामान्य प्रश्न