శిక్షణ డేటా – నేను నా మొబైల్ ప్లాన్‌ని రీఛార్జ్ చేయడానికి వారాంతంలో నా స్మార్ట్‌ఫోన్‌లో ఎయిర్‌టెల్ యాప్‌ని తెరిచినప్పుడు, నా ప్లాన్‌తో పాటు రూ. 17,000 విలువైన పెర్‌ప్లెక్సిటీ ప్రో AI సబ్‌స్క్రిప్షన్‌ని చూసి నేను ఆశ్చర్యపోయాను. నేను అనుకోకుండా Perplexity AIకి సబ్‌స్క్రయిబ్ అయ్యానో లేదో అని ఒకటికి రెండు సార్లు చెక్ చేసాను. నేను మరొక సేవకు సభ్యత్వం పొందడం గురించి భయాందోళన చెందడానికి ముందు, నా ప్లాన్‌తో Perplexity AI సబ్‌స్క్రిప్షన్ ఉచితం మరియు ఆఫర్ జూలై 2026 వరకు చెల్లుబాటులో ఉంటుందని నేను గ్రహించాను.

అయితే భారతదేశంలోని మిలియన్ల మందికి తన AI సబ్‌స్క్రిప్షన్ ప్లాన్‌ను ఉచితంగా అందిస్తున్న ఏకైక కంపెనీ పెర్‌ప్లెక్సిటీ మాత్రమే కాదు. రిలయన్స్ జియో, మరొక టెలికాం ఆపరేటర్, ఎంపిక చేసిన వినియోగదారులకు 18 నెలల పాటు ఉచిత Google AI ప్రో సబ్‌స్క్రిప్షన్‌ను అందించడానికి Googleతో క్రియాశీల భాగస్వామ్యాన్ని కలిగి ఉంది. ఇంతలో, OpenAI దేశంలో నెలకు రూ. 399 విలువైన వార్షిక ‘తక్కువ-ధర’ ChatGPT గో సబ్‌స్క్రిప్షన్‌ను ఒక సంవత్సరం పాటు ఉచితంగా అందిస్తోంది.

AI కంపెనీలు తమ ఉత్పత్తులను కొనుగోలు చేసే వినియోగదారులకు ఉచిత సేవలను అందించడానికి ఇష్టపడటం లేదు. ఉదాహరణకు, Apple, iPhone మరియు iPad వంటి కొత్త ఉత్పత్తులతో Apple TVకి మూడు నెలల పాటు ఉచిత యాక్సెస్‌ను అందించడంలో ప్రసిద్ధి చెందింది. నా కొత్త పిక్సెల్ 10 ప్రో ఫోల్డ్ మరియు 10 ప్రో ఎక్స్‌ఎల్ కూడా ఉచిత Google AI ప్రో ప్లాన్‌తో వస్తాయి, ఇందులో ప్రీమియం AI ఫీచర్లు మరియు 2TB స్టోరేజ్ ఏడాది పాటు ఉంటాయి.

రెండు సందర్భాల్లో, మీరు వారి హార్డ్‌వేర్ ఉత్పత్తులకు ప్రీమియం చెల్లిస్తారు మరియు ఈ టెక్ కంపెనీలు జనాదరణను పెంచడానికి మరియు వినియోగదారులను వారి పర్యావరణ వ్యవస్థల్లోకి లాక్ చేయడానికి అప్పుడప్పుడు కొత్త సేవలకు ప్రాప్యతను అందిస్తాయి. అయితే, Google, OpenAI మరియు Perplexity భారతదేశంలోని మిలియన్ల మంది వినియోగదారులకు ప్రీమియం AI సేవలకు దీర్ఘకాలిక, ఉచిత ప్రాప్యతను అందిస్తున్నాయి.

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఖరీదైన ప్లేగ్రౌండ్ అయిన సమయంలో ఈ టెక్ కంపెనీలు ఇంత ఉదారంగా ఎందుకు వ్యవహరిస్తున్నాయో ఆశ్చర్యం కలిగిస్తుంది మరియు ఇన్‌ఫ్రాస్ట్రక్చర్ పెట్టుబడులు మరియు శిక్షణ AI మోడల్‌ల ఖర్చులు బిలియన్ల డాలర్లకు చేరుకుంటాయి. అయితే, ఈ టెక్ కంపెనీలు భారీ దీర్ఘకాలిక రివార్డులను అందించి మిలియన్ల కొద్దీ భారతీయులకు ప్రీమియం AI సాధనాలను ఉచితంగా అందించడంలో తీయని సంజ్ఞను ప్రదర్శించకపోవచ్చు. ఈ ప్రకటన దిగువన కథ కొనసాగుతుంది మిలియన్ల మంది స్మార్ట్‌ఫోన్ మరియు ఇంటర్నెట్ వినియోగదారులకు నిలయం భారతదేశం ప్రతి వినియోగదారుకు మొబైల్ డేటా యొక్క ప్రపంచంలోనే అగ్రస్థానంలో ఉంది మరియు దాని ఇంటర్నెట్ వినియోగదారులు 900 మిలియన్లను అధిగమించడానికి సిద్ధంగా ఉన్నారు, ఇది అపారమైన మార్కెట్ సామర్థ్యాన్ని సృష్టిస్తుంది.

తక్కువ-ధర ఇంటర్నెట్ అందుబాటులోకి రావడం, గ్రామీణ ప్రాంతాల్లో కూడా స్మార్ట్‌ఫోన్‌ల వ్యాప్తి, 18 నుంచి 35 ఏళ్ల మధ్య ఉన్న డిజిటల్ అవగాహన ఉన్న యువత, డిజిటల్ ఇన్‌ఫ్రాస్ట్రక్చర్ మరియు డిజిటల్ చెల్లింపుల వంటి సేవల వృద్ధి కారణంగా ఈ విజృంభణ ఎక్కువగా ఉంది. అందుకే చాలా కంపెనీలు భారతదేశం యొక్క వేగంగా అభివృద్ధి చెందుతున్న ఇంటర్నెట్ పర్యావరణ వ్యవస్థలోకి డబ్బును పంపుతున్నాయి, చాలా మంది పెట్టుబడిదారులు విస్మరించడానికి చాలా పెద్ద బహుమతిని కనుగొన్నారు. భారతదేశం యొక్క AI విజృంభణకు వేదికను ఏర్పాటు చేయడంలో Airtel మరియు Jio వంటి టెలికాం ఆపరేటర్ల పాత్ర కూడా అంతే ముఖ్యమైనది.

ఎయిర్‌టెల్ మరియు జియో కలిసి భారీ యూజర్ బేస్‌ను కలిగి ఉన్నాయి మరియు అవి అమలు చేయడం నుండి డిమాండ్ మార్పిడి వరకు సమర్థవంతమైన అమలును నిర్ధారించడంలో నిర్ణయాత్మక పాత్రను పోషిస్తాయి, చివరికి ఏదైనా కొత్త సేవ కోసం వినియోగదారు స్వీకరణ వృద్ధి చెందుతాయి. ….

అయితే AI శిక్షణ డేటా ఎక్కడ నుండి వస్తుంది? Google మరియు OpenAI వంటి కంపెనీలు భారతదేశంలో తమ అత్యంత అత్యాధునిక, అధునాతన అల్గారిథమ్‌లు మరియు మోడల్‌లకు శిక్షణ ఇచ్చే అవకాశాన్ని చూడడంలో ఆశ్చర్యం లేదు. విషయమేమిటంటే, GPT నుండి జెమిని వరకు ప్రతి AI మోడల్‌కు మానవ-లేబుల్ చేయబడిన డేటా యొక్క విస్తారమైన మొత్తం అవసరం మరియు శిక్షణ డేటాకు వెన్నెముకగా మారడానికి భారతదేశం వంటి దేశం సరైనది కావచ్చు.

కానీ పెద్ద ప్రశ్న ఏమిటంటే, AI శిక్షణ డేటా ఎక్కడ నుండి వస్తుంది? పెద్ద ఉత్పాదక AI మోడల్‌లను రూపొందించడానికి, టెక్ కంపెనీలు తరచుగా పబ్లిక్ ఫేసింగ్ ఇంటర్నెట్‌ను ఆశ్రయిస్తాయి, అయితే మొత్తం వెబ్‌ని డౌన్‌లోడ్ చేయడానికి ఒకే స్థలం లేదు. బదులుగా, టెక్ కంపెనీలు తమ శిక్షణా సెట్‌లను స్వయంచాలక సాధనాలను ఉపయోగించి ఎంపిక చేసుకుంటాయి మరియు అవి ఇంటర్నెట్ నుండి డేటాను జాబితా చేస్తాయి.

అన్నింటికంటే, అధిక-నాణ్యత డేటా, ప్రధానంగా వెబ్ నుండి స్క్రాప్ చేయబడింది, AI మోడల్‌ల పనితీరుకు కీలకం. ఈ ప్రకటన దిగువన కథనం కొనసాగుతుంది ఈ సాధనాల్లో వెబ్ “క్రాలర్‌లు,” మారుపేరు “స్పైడర్‌లు” ఉన్నాయి, ఇవి స్వయంచాలక ప్రోగ్రామ్‌లు, ఇవి వరల్డ్ వైడ్ వెబ్‌ని దాని పేజీలను సూచిక చేయడానికి క్రమపద్ధతిలో బ్రౌజ్ చేస్తాయి. ఉదాహరణకు, ఆల్ఫాబెట్, Google యొక్క మాతృ సంస్థ, దాని శోధన ఇంజిన్‌ను శక్తివంతం చేయడానికి వెబ్ క్రాలర్‌లను ఇప్పటికే నిర్మించింది మరియు డేటాను సేకరించేందుకు మరియు దాని AI మోడల్‌లకు శిక్షణ ఇవ్వడానికి దాని స్వంత సాధనాలను ఉపయోగించవచ్చు.

అయితే, ఇతర కంపెనీలు, కామన్ క్రాల్ వంటి వనరులపై ఆధారపడతాయి, ఇది OpenAI యొక్క GPTకి సహాయపడే శిక్షణ డేటా యొక్క ప్రధాన వనరు, ఇది ప్రాంప్ట్ ఇచ్చినప్పుడు వినియోగదారు ప్రశ్నలకు ప్రతిస్పందించడానికి భారీ మొత్తంలో టెక్స్ట్‌ను గుర్తు చేస్తుంది. పబ్లిక్‌గా అందుబాటులో ఉన్న డేటాతో పాటు, AI కంపెనీలు మోడల్ శిక్షణ కోసం వారి స్వంత డేటాను కూడా ఉపయోగిస్తాయి.

OpenAI, ఉదాహరణకు, దాని చాట్‌బాట్‌లతో వినియోగదారు పరస్పర చర్యల ఆధారంగా దాని మోడల్‌లను చక్కగా ట్యూన్ చేస్తుంది. Meta AI పబ్లిక్ Facebook మరియు Instagram పోస్ట్‌లపై పాక్షికంగా శిక్షణ పొందింది. అమెజాన్ కూడా తన LLMకి శిక్షణ ఇవ్వడానికి కస్టమర్ల అలెక్సా సంభాషణల నుండి కొంత వాయిస్ డేటాను ఉపయోగిస్తుందని చెప్పింది.

అయినప్పటికీ, చాలా సందర్భాలలో, శిక్షణ కోసం ఉపయోగించే డేటాసెట్‌ల గురించి AI కంపెనీలు రహస్యంగా ఉంచుతాయి. ఇప్పుడు, కష్టతరమైన అంశం ఏమిటంటే, శిక్షణ డేటా గురించి పారదర్శకత లేకపోవడం AI కంపెనీలు ఎందుకు పరిశీలనలో ఉన్నాయి అనేదానికి అతిపెద్ద రెడ్ ఫ్లాగ్.

స్టార్టప్ తన కాపీరైట్ కంటెంట్‌ను చట్టవిరుద్ధంగా కాపీ చేసి పంపిణీ చేసిందని ఆరోపిస్తూ న్యూయార్క్ టైమ్స్ ఇటీవల పెర్ప్లెక్సిటీపై దావా వేసింది. గత వారం న్యూయార్క్‌లోని సదరన్ డిస్ట్రిక్ట్‌లో దాఖలు చేసిన దావా, వినియోగదారు ప్రశ్నలకు ప్రతిస్పందనలను రూపొందించడానికి టైమ్స్ కథనాలు, వీడియోలు, పాడ్‌క్యాస్ట్‌లు మరియు ఇతర కంటెంట్‌ను చట్టవిరుద్ధంగా స్క్రాప్ చేసిందని పర్‌ప్లెక్సిటీ ఆరోపించింది.

మరొక ప్రచురణ, ది చికాగో ట్రిబ్యూన్, పెర్ప్లెక్సిటీకి వ్యతిరేకంగా ఇదే విధమైన కాపీరైట్ దావా వేసింది. ది ట్రిబ్యూన్ కూడా పర్ప్లెక్సిటీ తన కంటెంట్‌ను అనుమతి లేకుండా స్క్రాప్ చేసి పంపిణీ చేసిందని వాదించింది. భారతీయ సంతతికి చెందిన అరవింద్ శ్రీనివాస్ స్థాపించిన ఈ యాడ్ పర్‌ప్లెక్సిటీ క్రింద కథ కొనసాగుతుంది, ఇది అనేక వ్యాజ్యాల అంశంగా ఉంది.

ఈ సంవత్సరం ప్రారంభంలో, ప్రముఖ డిజిటల్ ఇన్‌ఫ్రాస్ట్రక్చర్ కంపెనీ క్లౌడ్‌ఫ్లేర్, పెర్ప్లెక్సిటీ తన వెబ్-క్రాలింగ్ కార్యకలాపాలను దాచిపెట్టిందని మరియు అనుమతి లేకుండా వెబ్‌సైట్‌లను స్క్రాప్ చేస్తుందని ఆరోపించింది. గందరగోళం ఆరోపణలను ఖండించింది.

అక్టోబర్‌లో, సోషల్ మీడియా కంపెనీ రెడ్డిట్ న్యూయార్క్ ఫెడరల్ కోర్టులో పెర్‌ప్లెక్సిటీపై దావా వేసింది, పెర్‌ప్లెక్సిటీ యొక్క AI-ఆధారిత శోధన ఇంజిన్‌కు శిక్షణ ఇవ్వడానికి దాని డేటాను మరియు మరో మూడు కంపెనీలు చట్టవిరుద్ధంగా స్క్రాప్ చేశాయని ఆరోపించింది. వార్తా సైట్‌లు మరియు అనేక ప్రచురణలు AI కంపెనీలు తమ AI సిస్టమ్‌లను నిర్మించడానికి మరియు నిర్వహించడానికి అనుమతి లేకుండా కాపీరైట్ చేయబడిన కంటెంట్‌ను ఉపయోగిస్తున్నాయని ఆరోపించాయి. 2023లో, ది న్యూయార్క్ టైమ్స్ OpenAI యొక్క వెబ్ క్రాలర్, GPTBot, AI మోడల్‌లకు శిక్షణ ఇవ్వడానికి దాని కంటెంట్‌ను ఉపయోగించకుండా బ్లాక్ చేసింది.

అనుమతి లేకుండా డేటాను సరిగ్గా ఉపయోగించలేనందున, ప్రచురణలతో ఒప్పందాలు కుదుర్చుకోవాల్సిన అవసరం ఉందని త్వరలోనే AI కంపెనీలు గ్రహించాయి. ఇది కూడా చదవండి | US కాపీరైట్ వ్యాజ్యాలలో Meta మరియు Anthropic యొక్క విజయాల నుండి 5 టేకావేలు దీని వలన OpenAI వారి కాపీరైట్ చేయబడిన కంటెంట్‌ను శిక్షణ డేటాగా ఉపయోగించడానికి ప్రధాన అంతర్జాతీయ మీడియా కంపెనీలతో ఒప్పందాలపై సంతకం చేయడం ప్రారంభించింది.

Axel Springer, ఫ్రాన్స్‌కు చెందిన Le Monde మరియు స్పెయిన్‌కి చెందిన Prisa Media దాని AI మోడల్‌లకు శిక్షణ ఇవ్వడానికి మెటీరియల్‌ను అందించడానికి ChatGPT తయారీదారులతో ఒప్పందం కుదుర్చుకున్నాయి, ఆ తర్వాత ఫైనాన్షియల్ టైమ్స్, ChatGPT వినియోగదారులను FT కథనాలకు సారాంశాలు, కోట్‌లు మరియు లింక్‌లను స్వీకరించడానికి అనుమతించే ఒప్పందాన్ని కూడా తగ్గించింది. ఈ ప్రకటన తర్వాత కథనం కొనసాగుతుంది, రాయిటర్స్ మరియు అసోసియేటెడ్ ప్రెస్ OpenAIతో ఒప్పందాలు కుదుర్చుకున్నాయి, హర్స్ట్, ది గార్డియన్, కాండే నాస్ట్, వోక్స్, టైమ్ మరియు ది అట్లాంటిక్. మైక్రోసాఫ్ట్ USA టుడేతో ఒప్పందం కుదుర్చుకుంది.

ఇంతలో, Perplexity AdWeek, ఫార్చ్యూన్, స్టెర్న్, ది ఇండిపెండెంట్ మరియు లాస్ ఏంజిల్స్ టైమ్స్ యొక్క పనికి ప్రాప్యతను పొందింది. ప్రముఖ సాంకేతిక ప్రచురణ అయిన యాక్సియోస్ కూడా OpenAIతో లైసెన్సింగ్ ఒప్పందంపై సంతకం చేసింది. అయినప్పటికీ, ప్రచురణకర్తలు తమ వెబ్‌సైట్‌లను యాక్సెస్ చేయడానికి వెబ్ క్రాలర్‌లను ఉపయోగించే Google వంటి శోధన ఇంజిన్‌లతో ఎటువంటి సమస్య లేదు.

ఆ విధంగా, శోధన కంపెనీలు, బదులుగా, వారి కంటెంట్‌కు ప్రత్యక్ష ట్రాఫిక్‌ను పొందవచ్చు. కంటెంట్ సృష్టికర్తలు, ప్రచురణలు, సంగీతకారులు, కళాకారులు మరియు AI కంపెనీల మధ్య ద్వేషం కొనసాగుతుంది, సృజనాత్మక హక్కులను ఉల్లంఘించే AI సంస్థలుగా భావించే వాటిని నిరోధించడానికి వాటాదారులు కోర్టులను ఆశ్రయిస్తారు.

ఉదాహరణకు, డిస్నీ మరియు యూనివర్సల్‌ను తీసుకోండి, ఇటీవల ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సంస్థ మిడ్‌జర్నీపై దాని ఇమేజ్ జనరేటర్‌పై దావా వేసింది. రెండు హాలీవుడ్ స్టూడియోలు ఇది “ప్లాజియారిజం యొక్క దిగువ గొయ్యి” అని ఆరోపించాయి.

మిడ్‌జర్నీ యొక్క సాధనం స్టార్ వార్స్ నుండి డార్త్ వాడెర్, ఫ్రోజెన్ నుండి ఎల్సా మరియు డెస్పికబుల్ మీ నుండి మినియన్స్‌తో సహా పాత్రల “అసంఖ్యాక” కాపీలను చేస్తుందని వారు పేర్కొన్నారు. అన్నింటికంటే, డేటా మూలాల గురించి పారదర్శకతకు ప్రాధాన్యత ఇవ్వాలి. కళాకారులు మరియు సంగీతకారులు AI కంపెనీలతో ఒప్పందం చేసుకున్నప్పటికీ, AI వారి శైలిని కొన్ని కీస్ట్రోక్‌లతో పునఃసృష్టి చేయడానికి ఎంతవరకు ప్రయత్నిస్తుంది అనే ప్రశ్న ఎల్లప్పుడూ ఉంటుంది.

ఇప్పటికీ ఖచ్చితమైన సమాధానం లేదు. ఈ ప్రకటన క్రింద కథ కొనసాగుతుంది భారతీయులు తమ డేటాను AI నుండి రక్షించుకోగలరా? వేల రూపాయల విలువైన AI సబ్‌స్క్రిప్షన్‌లను ఉచితంగా ఇవ్వడం కొత్త ఎత్తుగడ కాదు.

Google మరియు ఇతరులు ఈ వ్యూహం గతంలో పని చేసిందని మరియు AI సేవలకు యాక్సెస్ ఉచితంగా అందించబడితే మళ్లీ పని చేయవచ్చని చూపించారు. వాస్తవానికి, Google వంటి కంపెనీలు ఉచితంగా సేవలను అందించడం ద్వారా తమ కస్టమర్‌లలో చాలా మందికి యాక్సెస్‌ను పొందాయి.

దాని Google శోధన ఇంజిన్‌ను తీసుకోండి, ఉదాహరణకు, ఇది తప్పనిసరిగా ఉచితం కానీ ఫలితాల పేజీలో ప్రకటనలను ప్రదర్శిస్తుంది మరియు వినియోగదారు డేటాను సేకరిస్తుంది – దాని ఆదాయానికి మూలం. కానీ ఎల్లప్పుడూ “క్యాచ్” ఉంటుంది: ఉచిత ఆన్‌లైన్ సేవలకు ఖర్చు, మరియు వినియోగదారులుగా మేము చివరికి ధరను చెల్లిస్తాము.

పెర్‌ప్లెక్సిటీ వంటి స్టార్టప్‌కి ఒక విషయం మాత్రమే అవసరం: మీ శ్రద్ధ. దీని లక్ష్యం గణనీయమైన వినియోగదారు స్థావరాన్ని నిర్మించడం, మరియు మనం విజయవంతంగా ఆకర్షించబడితే, అది నిధులను పొందగలదు మరియు మరింత పెద్దదిగా పెరుగుతుంది.

కేవలం మూడేళ్లలో పర్‌ప్లెక్సిటీ వాల్యుయేషన్ $20 బిలియన్లకు పెరిగింది. 800 మిలియన్ల వారపు ChatGPT వినియోగదారులను సంపాదించుకున్న OpenAI గురించి కూడా అదే చెప్పవచ్చు, దాని విలువను $500 బిలియన్లకు పెంచింది. పెట్టుబడిదారీ విధానం ఎలా పనిచేస్తుంది.

అన్ని ప్రధాన AI కంపెనీలు భారతదేశం వైపు చూస్తున్నాయి మరియు మంచి కారణంతో. భారతదేశం పెద్ద వినియోగదారుల స్థావరాన్ని కలిగి ఉండటమే కాకుండా ఔట్ సోర్సింగ్ IT పరిశ్రమకు కేంద్రంగా కూడా ఉంది.

ఒక వైపు, గ్లోబల్ AI కంపెనీలు అత్యంత వైవిధ్యభరితమైన వినియోగదారు మార్కెట్‌లలోకి ప్రవేశించాయి, ఇక్కడ వినియోగదారులు బహుళ భాషలు మాట్లాడతారు మరియు ప్రతి ప్రాంతం దాని స్వంత ప్రత్యేక సంస్కృతి మరియు మాండలికాన్ని కలిగి ఉంటుంది, ముఖ్యంగా గ్రామీణ పట్టణాలలో. ఈ ప్రకటన దిగువన కథనం కొనసాగుతుంది, అదే సమయంలో, వారు స్టార్టప్‌లు మరియు SMBల నుండి పెద్ద సంఖ్యలో వినియోగదారులకు ప్రాప్యతను పొందుతున్నారు. పెద్ద టెక్ కంపెనీల కోసం, విద్యార్థి అయినా, కార్పొరేట్ ప్రొఫెషనల్ అయినా లేదా వేర్‌హౌస్ వర్కర్ మేనేజింగ్ సిస్టమ్స్ అయినా, వారి AI సేవలతో ఎక్కువ మంది వినియోగదారులు నిమగ్నమైతే, వారి AI మోడల్‌లకు శిక్షణ ఇవ్వడం మంచిది.

మరియు ప్రస్తుతం భారతదేశం కంటే మెరుగైన మార్కెట్ లేదు. AI పర్యావరణ వ్యవస్థ అభివృద్ధి చెందితే, ఇది భారతదేశం అంతటా చిన్న కేంద్రాలలో క్లౌడ్ ఫార్మింగ్ కోసం మార్కెట్‌ను కూడా సృష్టించగలదు, ఇది AIకి శిక్షణ ఇవ్వడానికి మరియు కంటెంట్ నియంత్రణ కోసం డేటాసెట్‌లను రూపొందించడానికి ఉపయోగించబడుతుంది.

ఇది కూడా చదవండి | మైక్రోసాఫ్ట్‌కు ప్రాతినిధ్యం వహిస్తున్న ఇండస్ట్రీ బాడీ, AWS భారతదేశంలో AIకి శిక్షణ ఇవ్వడానికి కాపీరైట్ మినహాయింపును కోరుతుంది, ఇది విస్మరించలేని ఒక ప్రాథమిక ప్రశ్న ఏమిటంటే, సున్నితమైన వ్యక్తిగత డేటాను AI శిక్షణ నుండి దూరంగా ఉంచవచ్చా. ప్రస్తుతం, భారతదేశంలో కృత్రిమ మేధస్సును ప్రత్యేకంగా నియంత్రించే చట్టం లేదు.

డిజిటల్ పర్సనల్ డేటా ప్రొటెక్షన్ యాక్ట్ (DPDP) 2023 వ్యక్తిగత డేటాకు విస్తృత రక్షణను అందించినప్పటికీ, ఇది ఇంకా అమలులోకి రాలేదు. అంతేకాకుండా, చట్టం AI వ్యవస్థలు లేదా అల్గారిథమిక్ జవాబుదారీతనం గురించి ప్రస్తావించదు.

USలోని కాలిఫోర్నియా వంటి రాష్ట్రాల్లో, డిజిటల్ గోప్యతా చట్టాలు వినియోగదారులకు తమ వ్యక్తిగత డేటాను తొలగించమని అభ్యర్థించడానికి హక్కును అందిస్తాయి. యూరోపియన్ యూనియన్‌లో, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ చట్టం విద్య, ఆరోగ్య సంరక్షణ, చట్ట అమలు మరియు ఎన్నికల వంటి రంగాలలో ఉపయోగించే “హై-రిస్క్ సిస్టమ్స్”పై నియంత్రణలను విధిస్తుంది.

ఇది కొన్ని AI వినియోగాన్ని పూర్తిగా నిషేధిస్తుంది. ఈ ప్రకటన దిగువన కథ కొనసాగుతుంది, అయితే, గతంలో నేర్చుకున్న డేటాను AI “మర్చిపోవడానికి” ప్రస్తుతం స్పష్టమైన మార్గం లేదు; కాపీరైట్ చేయబడిన లేదా సున్నితమైన సమాచారాన్ని పూర్తిగా తొలగించాలంటే మొదటి నుండి మోడల్‌కు మళ్లీ శిక్షణ ఇవ్వవలసి ఉంటుంది, దీనికి పది మిలియన్ల డాలర్లు ఖర్చవుతాయి.