चीनच्या नॅशनल डेटा ॲडमिनिस्ट्रेशनने सांगितले की ते मूर्त एआय सिस्टमला प्रशिक्षित करण्यासाठी आणि स्थानिक अधिकाऱ्यांना कामावर मार्गदर्शन करण्यासाठी वापरल्या जाणाऱ्या डेटासाठी मानके विकसित करेल, ब्लूमबर्गने 13 सप्टेंबर रोजी अहवाल दिला ज्यामध्ये वेगाने वाढणाऱ्या रोबोटिक्स क्षेत्रातील सर्वात मोठ्या अडथळ्यांपैकी एक लक्ष्य आहे: उच्च-गुणवत्तेचा, वैविध्यपूर्ण आणि मोठ्या प्रमाणात प्रशिक्षण डेटामध्ये प्रवेश.
10 सप्टेंबर रोजी एजन्सीचे प्रमुख लिऊ लिहोंग यांच्या अध्यक्षतेखाली झालेल्या बैठकीनंतर ही घोषणा करण्यात आली. संशोधन संस्था, तंत्रज्ञान कंपन्या आणि ह्युमनॉइड रोबोटिक्स संस्थांनी हजेरी लावली आणि नियामकाने सांगितले की उद्योग अधिकाधिक डेटा-चालित होत आहे. डेटा संसाधनांमध्ये अधिक पैसे टाकणाऱ्या कंपन्यांना ते समर्थन देईल, असेही प्रशासनाने संकेत दिले. For more context on this story, see our ongoing more AI stories.
उद्योगाने विचारले, बीजिंगने उत्तर दिले
रेग्युलेटर किती वेगाने हलले हे लक्षणीय आहे. एमएलएक्सच्या म्हणण्यानुसार दहा दिवसांपूर्वी, त्याच एजन्सीने कृत्रिम बुद्धिमत्ता, संगणन आणि डेटा क्षेत्रातील सात कंपन्यांशी भेट घेतली होती. त्या बैठकीत, सहभागींनी मूर्त AI साठी सार्वजनिक डेटा इन्फ्रास्ट्रक्चर, सामान्य डेटा मानके आणि टोकन-मापन नियम, संगणकीय संसाधनांच्या क्रॉस-प्रादेशिक समन्वयासह कॉल केले.
चीनच्या रोबोटिक्स महत्त्वाकांक्षेसाठी केंद्रीय डेटा धोरण कसे बनले आहे हे अधोरेखित करणारा औपचारिक प्रतिसाद दोन आठवड्यांनंतर आला. एम्बॉडीड एआय — ह्युमनॉइड रोबोट्स सारख्या भौतिक मशीनसह मशीन बुद्धिमत्तेची जोड देणारी प्रणाली — बीजिंगमध्ये एक धोरणात्मक उद्योग म्हणून पाहिले जाते आणि डेटा हा त्याचा कच्चा माल आहे.
ह्युमनॉइड रोबोटिक्समधील डेटा अडथळे
आव्हानाचे प्रमाण लक्षणीय आहे. चायना ॲकॅडमी ऑफ इन्फॉर्मेशन अँड कम्युनिकेशन्स टेक्नॉलॉजीच्या अंदाजानुसार, मूर्त AI फाउंडेशन मॉडेल्ससाठी अंदाजे 10 दशलक्ष तासांचा वास्तविक-जागतिक प्रशिक्षण डेटा आवश्यक आहे. द नेक्स्ट वेबने उद्धृत केलेल्या आकडेवारीनुसार, जगभरात 100,000 ते 1 दशलक्ष तासांच्या दरम्यान उच्च-गुणवत्तेचा डेटा अस्तित्वात आहे.
ह्युमनॉइड रोबोटिक्समधील मर्यादा, दुसऱ्या शब्दांत, यापुढे मॉडेल नाही. हे रेकॉर्ड केलेल्या वास्तविकतेचे तास आहेत - गोंधळलेल्या भौतिक वातावरणात मशीन कसे समजतात, तर्क करतात आणि कार्य करतात हे कॅप्चर करणारा डेटा.
एक मानक पाइपलाइन आधीपासूनच गतीमान आहे
नवीन पुश भरीव पायावर तयार करतो. AP न्यूजच्या अहवालानुसार, 27 ऑगस्ट रोजी प्रकाशित झालेल्या राष्ट्रीय मानकांमध्ये वास्तविक-जगातील मूर्त-बुद्धिमत्ता डेटाची गुणवत्ता आणि डेटा-जनरेशन प्लॅटफॉर्मसाठी तांत्रिक आवश्यकता समाविष्ट आहेत, ज्यामध्ये अनेक अतिरिक्त वैशिष्ट्ये अद्याप विकसित होत आहेत.
नॅशनल डेटा ॲडमिनिस्ट्रेशनच्या देखरेखीखालील प्रकल्पांमध्ये उच्च-गुणवत्तेच्या मूर्त-बुद्धिमत्ता डेटासेटचे स्त्रोत आणि घटक घटक, सिम्युलेटेड सिंथेटिक-डेटा निर्मिती आणि प्रक्रिया आणि प्रशिक्षण तळांवर डेटा संकलन आणि मॉडेल प्रशिक्षणासाठी वैशिष्ट्ये समाविष्ट करणारी प्रस्तावित मानके आहेत. हे काम राष्ट्रीय डेटा मानकीकरण तांत्रिक समितीच्या अंतर्गत विकसित केले जात आहे.
एक मसुदा कार्यक्रम, एप्रिलमध्ये नोंदणीकृत, डेटा संकलनाच्या मानकांसाठी आणि मूर्त-बुद्धिमत्ता प्रशिक्षण तळांवर मॉडेल प्रशिक्षणासाठी 12-महिन्यांचे वेळापत्रक सेट करते. त्याच्या मसुदा गटात चायना इलेक्ट्रॉनिक्स स्टँडर्डायझेशन इन्स्टिट्यूट, बीजिंग इन्स्टिट्यूट ऑफ टेक्नॉलॉजी, चायनीज ॲकॅडमी ऑफ सायन्सेसमधील सॉफ्टवेअर इन्स्टिट्यूट आणि रोबोटिक्स कंपन्यांचा समावेश आहे. एक वेगळा मसुदा सिंथेटिक डेटाला संबोधित करतो, जो अधिकाधिक महत्त्वाचा होत आहे कारण पुरेशी भौतिक-जागतिक रोबोट परस्परसंवाद गोळा करणे महाग, हळू आणि पुनरुत्पादित करणे कठीण असू शकते.
जूनमध्ये जारी केलेल्या अंमलबजावणी योजनेत मूर्त बुद्धिमत्ता, बुद्धिमान ड्रायव्हिंग आणि कमी-उंची अर्थव्यवस्था यासह धोरणात्मक आणि उदयोन्मुख क्षेत्रांमध्ये डेटासेटचे जलद बांधकाम करण्याचे आवाहन करण्यात आले आहे. त्यात मुख्य परिस्थितींमध्ये भौतिक परस्परसंवाद, पर्यावरणीय धारणा आणि गती नियंत्रण समाविष्ट असलेल्या डेटाची मागणी करण्यात आली आणि अधिकाऱ्यांना डेटा क्लीनिंग, एन्हांसमेंट, लेबलिंग, संरेखन आणि गुणवत्ता तपासणी सुधारण्याचे निर्देश दिले.
चीनचे प्रशिक्षण-ग्राउंड बिल्डआउट
तो डेटा गोळा करण्यासाठी बीजिंग भौतिक पायाभूत सुविधा देखील तयार करत आहे. 70 पेक्षा जास्त मूर्त AI प्रशिक्षण मैदाने आधीच चीनच्या अर्ध्याहून अधिक प्रांतीय क्षेत्रांमध्ये कार्यरत आहेत, 46 अधिक नियोजित किंवा बांधकामाधीन आहेत, TechNode ने अहवाल दिला. त्यापैकी सुमारे 86 टक्के औद्योगिक उत्पादनाचे उद्दिष्ट आहे.
यांगत्झी नदी डेल्टा, बीजिंग-टियांजिन-हेबेई प्रदेश आणि पर्ल नदी डेल्टा: तीन प्रदेशांमध्ये सुविधा क्लस्टर. ते एकत्रितपणे डेटा-संकलन उपकरण तयार करतात जे सध्या काही देश जुळू शकतात.
युरोपशी विरोधाभास
घोषणा पाश्चात्य नियामक पध्दतींसह विस्तृत होणारी विषमता हायलाइट करते. युरोपने या प्रकारच्या डेटासाठी अधिक पुरवठा न करता विस्तृत नियम लिहिले आहेत. EU चा डेटा कायदा 12 सप्टेंबर 2025 पासून लागू झाला आहे आणि 12 सप्टेंबर 2026 नंतर EU मार्केटमध्ये ठेवलेल्या कनेक्टेड उत्पादनांवर डिझाइन दायित्वे असताना औद्योगिक यंत्रसामग्रीसह कनेक्ट केलेल्या उत्पादनांद्वारे व्युत्पन्न केलेल्या डेटामध्ये प्रवेश करू शकणारे नियमन करतात.
युरोपियन कमिशनने 19 नोव्हेंबर 2025 रोजी डेटा युनियन स्ट्रॅटेजी प्रकाशित केली ज्याचे पहिले प्राधान्य AI साठी डेटाचा ॲक्सेस वाढवणे आहे. द नेक्स्ट वेबने वृत्त दिले आहे की, दहा महिने उलटूनही, त्यातील बहुतेक क्रिया केल्या गेल्या नाहीत, ज्यात डेटा लॅबचा समावेश आहे, ज्यात रणनीतीने वचन दिले होते. चायनीज ट्रेनिंग ग्राउंडच्या समतुल्य सर्वात जवळची युरोपियन एक खाजगी कंपनी आहे: NEURA रोबोटिक्स दहा रोबोटिक्स प्रशिक्षण जिम बनवत आहे, त्यापैकी पाच या वर्षाच्या अखेरीस चालतील, युरोप, युनायटेड स्टेट्स आणि चीनमध्ये विभाजित होतील.
डिमांड-साइड रिॲलिटी चेक
डेटा पुरवठ्याचे मानकीकरण मागणीची हमी देत नाही. या वर्षी सर्वेक्षण केलेल्या केवळ 23 टक्के चिनी उद्योगांनी सांगितले की ते ऑफरवर असलेल्या रोबोट्सवर समाधानी आहेत, एक आकृती जी मार्केट सूचित करते - डेटा पाइपलाइन नाही - शेवटी दत्तक घेण्याची गती निश्चित करू शकते.
तरीही प्रवासाची दिशा स्पष्ट आहे. चीन मूर्त AI डेटाला पद्धतशीरपणे उत्पादित, प्रमाणित आणि मोजमाप करण्यासाठी एक धोरणात्मक संसाधन म्हणून हाताळत आहे, तर त्याचे नियामक ते देखरेख करत असलेल्या उद्योगाशी जवळून समन्वय साधतात. जगभरातील रोबोट निर्मात्यांसाठी, प्रशिक्षणाची वास्तविकता निर्माण करणाऱ्या अधिकारक्षेत्रे आणि जे मुख्यतः त्याच्या वापराचे नियमन करतात यामधील अंतर हा या क्षेत्रातील परिभाषित स्पर्धात्मक प्रश्नांपैकी एक बनत आहे.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
