Anthropic AI‑லேப்‌ஸை ஸ்லோ‑டவுன் அல்லது பாஸ் செய்யக் கோருகிறது – இந்தியாவுக்கு என்ன அர்த்தம்?

முக்கிய புள்ளிகள்#

• Anthropic மற்றும் 8 பெரிய AI‑லேப்‌ஸை 6 மாதம் வரை சுய‑மேம்பாட்டு AI‑யை நிறுத்த சொல்லியிருக்கிறது.
• சுய‑மேம்பாட்டு மாடல் 2027‑இல் முதல் மாதிரி வெளியீடு செய்யும், 2028‑இல் முழு தயாரிப்பு கிடைக்கும் என்று கணிப்பு.
• இந்த நீட்டிப்பு இந்தியாவில் AI பாதுகாப்பு சட்டம் வடிவமைப்பதற்கு கூடுதல் நேரம் கொடுக்கும்; MeitY‑யின் compliance‑க்கு 2‑3 கோடி ரூபாய் செலவாகலாம்.
• நீங்கள் AI‑ஆல் இயக்கப்படும் சேவைகள் வைத்திருந்தால், இப்போதே model freeze flag சேர்த்து, safety test suite உருவாக்கி, MeitY‑யின் வேலைக்குழுவில் சேர்ந்து தயாராகுங்கள்.

தொடக்க ஹுக்#

ஒரு சாட்‑பாட், உங்கள் ரயில் டிக்கெட் வாங்கும் போது, தானாகவே தனது கோட்‑ஐ மேம்படுத்திக்கொண்டு, உங்களுக்குப் புதிய டிக்கெட் கொடுக்கிறதென்று கற்பனைப் பண்ணுங்கள். அப்படியொரு சக்தி, ஒருவர் தவறாகப் பயன்படுத்தினால், கோடிக்கணக்கான மக்களின் பணம், தரவு, பாதுகாப்பு எல்லாம் அதில் சிக்கலாம். அதுதான் Anthropic சொல்றதுக்கான காரணம் – "நாம் இப்போதே சிக்கலாகி விடலாம்" என்று.

செய்தி என்ன?#

Anthropic, OpenAI, Google DeepMind, Microsoft, மற்றும் இன்னும் சில பெரிய AI‑லேப்‌ஸை, சுய‑மேம்பாட்டு AI (self‑improving AI) உருவாக்கும் வேகத்தை குறைக்கவோ, அல்லது 6 மாதம் தற்காலிகமாக நிறுத்தவோ கேட்டுக்கொண்டுள்ளது. சுய‑மேம்பாட்டு AI என்பது, மாடல் தன்னிச்சையாக தனது கோட், டிரெயினிங் தரவு, அல்லது கட்டமைப்பை மாற்றி, மனிதக் கையில்லாமல் மேம்படக்கூடியது. Anthropic சொல்றது, இப்படியொரு மாடல் ‘நியந்திரம் இழந்து’ மனிதக் கட்டுப்பாட்டை மீறலாம், அதனால் சமூக ஆபத்து உருவாகலாம்.

பின்னணி – எப்படி இங்கே வந்தோம்?#

2022‑இல் GPT‑4, Gemini, Claude போன்ற பெரிய மொழி மாடல்கள் (LLM) வந்ததிலிருந்து, Indian startups UPI‑ஆதாரமான chatbot‑களில், agritech‑ல், health‑tech‑ல் AI‑ஐ ஒருங்கிணைத்திருக்கிறது. 2024‑இல் Future of Life Institute, AI safety‑க்கு அழைப்பு விடுத்தது, EU‑யும் AI‑risk regulation draft‑ஐ வெளியிட்டது. 2025‑இல், பல AI‑லேப்‌ஸ் “recursive self‑improvement” ஆராய்ச்சி திட்டம் ஆரம்பித்தது – இதுதான் தற்போதைய “self‑improving” என்ற சொல்லின் உண்மை அர்த்தம்.

Anthropic‑ன் இந்த அழைப்பு, முன்பு வந்ததிலிருந்து வேறுபாடு – இப்போது AI‑யை உருவாக்கும் நிறுவனங்களே “pause” வேண்டுமெனக் கோருகிறார்கள். இதை உலக அரசுகள் புறக்கணிக்க முடியாது, ஏனெனில் இந்தக் கோரிக்கை தொழில்நுட்பக் குழுவின் “சுய‑மதிப்பீடு” போல் இருக்கும்.

விரிவான விவரம் – எண், காலஅட்டவணை, எப்படி வேலை செய்கிறது?#

Anthropic சொல்றது, சுய‑மேம்பாட்டு AI 48 மணி நேரத்திற்குள் தன்னைக் குறியீட்டு (code) வடிவில் மேம்படுத்த முடியும். இது 2027‑இல் முதல் prototype‑ஆக, 2028‑இல் முழு commercial‑grade மாடல் ஆகும். இதை நிறுத்த 6 மாதம் போதுமானது, அதில் பாதுகாப்பு‑benchmark, வெளிப்படை audit pipeline, மற்றும் third‑party verification உருவாக்கலாம்.

செலவு பார்ப்போம் – இவ்வளவு compute, data‑center, மற்றும் talent‑ஐ ஒன்றாகக் கூட்டினால், சுமார் $2 billion (≈₹16,000 crore) செலவாகும். இதைச் செய்ய முடியும் நிறுவனங்கள் உலகில் 10‑இல் குறைவாகவே. அதனால், உலகளாவிய AI‑லேப்‌ஸின் கூட்டிணைப்பு, pause‑ஐ நடைமுறைப்படுத்தும் வாய்ப்பு அதிகம்.

இந்தியா மீது தாக்கம் – விலை, கிடைக்கும், யார் பாதிக்கப்படுவார்?#

இந்த pause‑ன் நேரடி தாக்கம் இந்திய டெவலப்பர்களுக்கு குறைவு, ஏனென்றால் பெரும்பாலும் compute US‑இல் இருக்கும். ஆனால் மூன்று முக்கிய வழிகளில் ripple effect உருவாகும்:

1. நியமன காலம்: MeitY, AI Safety Framework‑ஐ 2026‑இல் இறுதியாக வெளியிட திட்டமிட்டுள்ளது. இந்த framework‑ல், சுய‑மேம்பாட்டு AI‑க்கு risk‑assessment, external audit, மற்றும் compliance‑reporting கட்டாயம் இருக்கும். தொடக்க compliance‑செலவு, ₹2‑3 crore சிறு‑நிறுவனங்களுக்கு.
2. பொருள் ரோட்மேப்: Paytm, Jio, PhonePe போன்ற பெரிய நிறுவனங்கள் 2027‑இல் fraud‑detection‑க்கு auto‑tuning AI‑யை இணைக்க திட்டமிட்டுள்ளன. Pause வந்தால், 2028‑க்கு தள்ளப்படலாம், இதனால் பயனர் அனுபவம், போட்டித் திறன் பாதிக்கப்படும்.
3. திறன் சந்தை: இந்திய AI எஞ்சினியர்கள் தற்போது US‑அடிப்படையிலான AI‑லேப்‌ஸில் வேலை செய்கிறார்கள். Pause‑ன் காரணமாக, சிலர் இந்திய R&D‑க்கு திரும்பி, உள்ளூர் AI‑லேப்‌ஸை வலுப்படுத்தலாம்.

நடைமுறை பயன்பாடு – எப்படி தயாராகலாம்?#

நீங்கள் ஏற்கனவே AI‑சேவைகளை இயக்கி வந்தால், கீழ்க்காணும் படிகளை பின்பற்றி தயாராகுங்கள்:

1. மாடல் audit – உங்கள் மாடல் எந்த self‑modifying component (RL‑HF loops, auto‑code generation) பயன்படுத்துகிறது என்பதை கண்டறியவும்.
2. "freeze" flag சேர்க்கவும் – deployment pipeline‑ல் configuration toggle சேர்த்து, auto‑retraining, code‑generation feature‑களை முடக்கவும்.
3. Safety test suite உருவாக்கவும் – ஒவ்வொரு மாடல் update‑க்கும் unintended behavior test செய்யவும். இது AI‑ethics‑க்கு unit test‑போல்.
4. Regulator‑ஐ engage செய்யவும் – MeitY‑யின் AI Safety Working Group‑இல் சேர்ந்து, upcoming compliance‑rules‑ஐ முன்னதாக அறியவும்.

இது செய்வதன் மூலம், pause‑யை சந்திக்கும்போது நீங்கள் திடீரென “code‑freeze” செய்ய வேண்டிய நிலைமையிலில்லை.

மற்ற விருப்பங்கள் – ஒப்பீடு, பலன்கள், குறைகள்#

Anthropic‑ன் pause‑க்கு மாறாக, DeepMind “Iterative Refinement” approach‑ஐ முன்வைக்கிறது – மாடல் சில hyper‑parameters‑ஐ மட்டுமே மாற்ற முடியும், core architecture‑ஐ இல்லை. கீழே ஒரு சுருக்கம்:

{
  "Anthropic_Pause": {
    "Pros": ["Safety first", "Regulatory goodwill"],
    "Cons": ["Innovation slowdown", "Funding risk"]
  },
  "DeepMind_Iterative": {
    "Pros": ["Continues R&D", "Limited risk scope"],
    "Cons": ["Complex governance", "Potential loopholes"]
  }
}

இன்டர்நெட் ஸ்டார்ட்அப்‌களுக்கு, pause‑ஐ ஏற்றுக்கொள்வது குறைந்த அபாயம், ஏனெனில் funding‑கள் புதிய AI‑risk regulation‑க்கு அடிப்படையாக இருக்கும். ஆனால் niche‑AI‑services‑ல் முன்னோடி ஆக விரும்பும் நிறுவனங்கள், controlled‑improvement‑approach‑ஐ தேர்வு செய்யலாம் – ஆனால் அதற்கு அதிக audit tooling, legal compliance, மற்றும் security investment தேவை.

TamilTech‑ன் உண்மையான கருத்து – அடுத்தது என்ன?#

Anthropic‑ன் அழைப்பு, “panic button” அல்ல, “wake‑up call”. இந்தியா போன்ற பெரிய டிஜிட்டல் பொருளாதாரம் கொண்ட நாடுக்கு, AI‑risk‑ஐ புறக்கணிக்க முடியாது. 6 மாத pause, innovation‑ஐ “kill” செய்யாது; மாறாக, பாதுகாப்பு‑framework, compliance‑tooling, மற்றும் உள்ளூர் AI‑policy‑ஐ அமைக்க நேரம் கொடுக்கும்.

அடுத்த 12 மாதங்களில், MeitY 2026‑Q4‑இல் “Self‑Improving AI Regulation” draft‑ஐ வெளியிடும். அதற்கு public comment period, பின்னர் final rule‑ஐ 2027‑முதல் காலாண்டில் அமல்படுத்தும். அதேநேரத்தில், உலக AI‑லேப்‌ஸும் safety‑roadmap‑களை வெளியிட்டு, AI‑audit‑platform‑களை விற்பனை செய்யத் தொடங்கும். இந்திய AI‑ஸ்டார்ட்அப்‌கள், compliance‑tooling‑இல் முதலீடு செய்ய, அல்லது உள்ளூர் AI‑லேப்‌ஸை (like IIT‑based AI hub) கூட்டி, உலக AI‑ecosystem‑இல் “safe‑first” பங்கு பெறலாம்.