चीन के राष्ट्रीय डेटा प्रशासन ने कहा कि वह सन्निहित एआई सिस्टम को प्रशिक्षित करने और स्थानीय अधिकारियों को काम पर मार्गदर्शन करने के लिए उपयोग किए जाने वाले डेटा के लिए मानक विकसित करेगा, एक कदम ब्लूमबर्ग ने 13 सितंबर को रिपोर्ट किया था जो तेजी से बढ़ते रोबोटिक्स क्षेत्र में सबसे बड़ी बाधाओं में से एक को लक्षित करता है: उच्च गुणवत्ता, विविध और बड़े पैमाने पर प्रशिक्षण डेटा तक पहुंच।
यह घोषणा 10 सितंबर को एजेंसी के प्रमुख लियू लिहोंग की अध्यक्षता में एक बैठक के बाद की गई। अनुसंधान संस्थानों, प्रौद्योगिकी कंपनियों और ह्यूमनॉइड रोबोटिक्स संगठनों ने भाग लिया और नियामक ने कहा कि उद्योग तेजी से डेटा-संचालित होता जा रहा है। प्रशासन ने यह भी संकेत दिया कि वह डेटा संसाधनों में अधिक पैसा लगाने वाली कंपनियों का समर्थन करेगा। For more context on this story, see our ongoing latest AI developments.
उद्योग ने पूछा, बीजिंग ने उत्तर दिया
उल्लेखनीय यह है कि नियामक कितनी तेजी से आगे बढ़ा। एमएलएक्स के अनुसार, दस दिन पहले इसी एजेंसी ने कृत्रिम बुद्धिमत्ता, कंप्यूटिंग और डेटा क्षेत्रों की सात कंपनियों के साथ मुलाकात की थी। उस बैठक में, प्रतिभागियों ने कंप्यूटिंग संसाधनों के अंतर-क्षेत्रीय समन्वय के साथ-साथ सन्निहित एआई, सामान्य डेटा मानकों और टोकन-माप नियमों के लिए सार्वजनिक डेटा बुनियादी ढांचे का आह्वान किया।
औपचारिक प्रतिक्रिया दो सप्ताह से भी कम समय के बाद आई, जो इस बात को रेखांकित करती है कि केंद्रीय डेटा नीति चीन की रोबोटिक्स महत्वाकांक्षाओं के लिए कैसी बन गई है। सन्निहित एआई - सिस्टम जो मशीन इंटेलिजेंस को ह्यूमनॉइड रोबोट जैसी भौतिक मशीनों के साथ जोड़ती है - को बीजिंग में एक रणनीतिक उद्योग के रूप में देखा जाता है, और डेटा इसका कच्चा माल है।
ह्यूमनॉइड रोबोटिक्स में डेटा बाधा
चुनौती का पैमाना काफी बड़ा है. चाइना एकेडमी ऑफ इंफॉर्मेशन एंड कम्युनिकेशंस टेक्नोलॉजी के अनुमान के अनुसार, सन्निहित एआई फाउंडेशन मॉडल को वास्तविक दुनिया के प्रशिक्षण डेटा के लगभग 10 मिलियन घंटे की आवश्यकता होती है। द नेक्स्ट वेब द्वारा उद्धृत आंकड़ों के अनुसार, दुनिया भर में 100,000 से 10 लाख घंटे के बीच उच्च गुणवत्ता वाला डेटा मौजूद है।
दूसरे शब्दों में, ह्यूमनॉइड रोबोटिक्स में बाधा अब मॉडल नहीं रह गई है। यह घंटों दर्ज की गई वास्तविकता है - यह डेटा कैप्चर करता है कि मशीनें गंदे भौतिक वातावरण में कैसे अनुभव करती हैं, तर्क करती हैं और कार्य करती हैं।
एक मानक पाइपलाइन पहले से ही चालू है
नया प्रयास पर्याप्त जमीनी कार्य पर आधारित है। एपी न्यूज़ की रिपोर्ट के अनुसार, 27 अगस्त को प्रकाशित राष्ट्रीय मानक वास्तविक दुनिया के सन्निहित-खुफिया डेटा की गुणवत्ता और डेटा-जनरेशन प्लेटफार्मों के लिए तकनीकी आवश्यकताओं को कवर करते हैं, साथ ही कई अतिरिक्त विशिष्टताएं अभी भी विकास के अधीन हैं।
राष्ट्रीय डेटा प्रशासन द्वारा देखरेख की जाने वाली परियोजनाओं में उच्च गुणवत्ता वाले सन्निहित-खुफिया डेटासेट के स्रोतों और घटक तत्वों, सिम्युलेटेड सिंथेटिक-डेटा पीढ़ी और प्रसंस्करण, और प्रशिक्षण आधारों पर डेटा संग्रह और मॉडल प्रशिक्षण के लिए विशिष्टताओं को शामिल करने वाले प्रस्तावित मानक शामिल हैं। यह कार्य राष्ट्रीय डेटा मानकीकरण तकनीकी समिति के तहत विकसित किया जा रहा है।
अप्रैल में पंजीकृत एक मसौदा कार्यक्रम, सन्निहित-खुफिया प्रशिक्षण अड्डों पर डेटा संग्रह और मॉडल प्रशिक्षण पर एक मानक के लिए 12 महीने की समय सारिणी निर्धारित करता है। इसके प्रारूपण समूह में चीन इलेक्ट्रॉनिक्स मानकीकरण संस्थान, बीजिंग प्रौद्योगिकी संस्थान, चीनी विज्ञान अकादमी में सॉफ्टवेयर संस्थान और रोबोटिक्स कंपनियां शामिल हैं। एक अलग मसौदा सिंथेटिक डेटा को संबोधित करता है, जो तेजी से महत्वपूर्ण होता जा रहा है क्योंकि पर्याप्त भौतिक-विश्व रोबोट इंटरैक्शन एकत्र करना महंगा, धीमा और पुन: पेश करना मुश्किल हो सकता है।
जून में जारी एक कार्यान्वयन योजना में सन्निहित बुद्धिमत्ता, बुद्धिमान ड्राइविंग और कम ऊंचाई वाली अर्थव्यवस्था सहित रणनीतिक और उभरते क्षेत्रों में डेटासेट के तेजी से निर्माण का आह्वान किया गया। इसने प्रमुख परिदृश्यों में भौतिक संपर्क, पर्यावरणीय धारणा और गति नियंत्रण को कवर करने वाले डेटा का भी आह्वान किया, और अधिकारियों को डेटा सफाई, वृद्धि, लेबलिंग, संरेखण और गुणवत्ता निरीक्षण में सुधार करने का निर्देश दिया।
चीन का ट्रेनिंग-ग्राउंड बिल्डआउट
बीजिंग उस डेटा को इकट्ठा करने के लिए भौतिक बुनियादी ढांचे का निर्माण भी कर रहा है। टेक्नोड की रिपोर्ट के अनुसार, चीन के आधे से अधिक प्रांतीय क्षेत्रों में 70 से अधिक सन्निहित एआई प्रशिक्षण मैदान पहले से ही संचालित हो रहे हैं, जबकि 46 से अधिक नियोजित या निर्माणाधीन हैं। उनमें से लगभग 86 प्रतिशत का उद्देश्य औद्योगिक विनिर्माण है।
सुविधाएं तीन क्षेत्रों में समूहित हैं: यांग्त्ज़ी नदी डेल्टा, बीजिंग-तियानजिन-हेबेई क्षेत्र और पर्ल नदी डेल्टा। साथ में वे एक डेटा-संग्रह तंत्र बनाते हैं जिसका मिलान वर्तमान में कुछ ही देश कर सकते हैं।
यूरोप के साथ विरोधाभास
यह घोषणा पश्चिमी नियामक दृष्टिकोण के साथ बढ़ती विषमता पर प्रकाश डालती है। यूरोप ने इस प्रकार के डेटा के लिए बहुत अधिक आपूर्ति किए बिना व्यापक नियम लिखे हैं। ईयू का डेटा अधिनियम 12 सितंबर, 2025 से लागू हो गया है और यह नियंत्रित करता है कि औद्योगिक मशीनरी सहित कनेक्टेड उत्पादों द्वारा उत्पन्न डेटा तक कौन पहुंच सकता है, जबकि डिजाइन दायित्व 12 सितंबर, 2026 के बाद ईयू बाजार में रखे गए कनेक्टेड उत्पादों पर लागू होते हैं।
यूरोपीय आयोग ने 19 नवंबर, 2025 को एक डेटा यूनियन रणनीति प्रकाशित की, जिसकी पहली प्राथमिकता एआई के लिए डेटा तक पहुंच को बढ़ाना है। द नेक्स्ट वेब की रिपोर्ट के अनुसार, दस महीने बीत जाने के बाद भी उनमें से अधिकांश कार्रवाइयां पूरी नहीं की गई हैं, जिसमें डेटा लैब भी शामिल है जिसका वादा रणनीति के तहत किया गया था। चीनी प्रशिक्षण मैदान के निकटतम यूरोपीय समकक्ष एक निजी कंपनी है: NEURA रोबोटिक्स दस रोबोटिक्स प्रशिक्षण जिम का निर्माण कर रही है, उनमें से पांच इस साल के अंत तक चलने वाले हैं, जो यूरोप, संयुक्त राज्य अमेरिका और चीन के बीच विभाजित हैं।
डिमांड-साइड रियलिटी चेक
डेटा आपूर्ति का मानकीकरण मांग की गारंटी नहीं देता है। इस वर्ष सर्वेक्षण में शामिल केवल 23 प्रतिशत चीनी उद्यमों ने कहा कि वे प्रस्तावित रोबोटों से संतुष्ट हैं, एक आंकड़ा जो बताता है कि बाजार - डेटा पाइपलाइन नहीं - अंततः अपनाने की गति निर्धारित कर सकता है।
फिर भी यात्रा की दिशा स्पष्ट है. चीन सन्निहित एआई डेटा को व्यवस्थित रूप से उत्पादित, मानकीकृत और स्केल किए जाने वाले रणनीतिक संसाधन के रूप में मान रहा है, जबकि इसके नियामक उस उद्योग के साथ निकटता से समन्वय करते हैं जिसकी वे देखरेख करते हैं। दुनिया भर में रोबोट निर्माताओं के लिए, प्रशिक्षण वास्तविकता उत्पन्न करने वाले क्षेत्राधिकार और इसके उपयोग को नियंत्रित करने वाले क्षेत्राधिकारों के बीच का अंतर क्षेत्र के परिभाषित प्रतिस्पर्धी प्रश्नों में से एक बन रहा है।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
