← CA Articles · Mains CA archive · Answer Writing (Q&A) · December 2025 (16-31)
The global Artificial Intelligence landscape stands at a critical inflection point, with spending projected to reach $375 billion in 2025 and $500 billion by 2026. This unprecedented investment surge invites comparison with the dot-com era, raising fundamental questions about market valuations versus technological reality. While sceptics warn of speculative bubbles, optimists argue that AI represents a transformative technological shift comparable to electricity or the internet. Understanding this debate is crucial for India, which seeks to leverage AI for economic development while navigating the risks of technological dependence and market volatility in an increasingly AI-driven global economy.
Dot-Com Analogy Reassessed: The dot-com era, often remembered as a failure, actually produced lasting technological infrastructure enabling today's digital economy. Similarly, even if individual AI companies fail financially, technological progress continues accumulating, benefiting society long-term regardless of market corrections.
Pattern of Technological Revolutions: All technological revolutions follow predictable patterns moving from hope to hype to eventual realisation. This cycle involves both creation and destruction, where speculative investments fund experiments, with perhaps 95 failing financially while survivors transform the world fundamentally.
Fundamental Differences from Previous Booms: Unlike the internet, whose transformative potential was relatively clear, Artificial General Intelligence and highly autonomous agents remain uncertain. Scaling laws previously assumed to guarantee improvement through larger models are now being challenged, creating genuine uncertainty.
Pervasive But Limited Current Applications: AI is already embedded throughout technology stacks, from email spam classifiers to recommendation systems, succeeding in narrow domains like speech recognition and translation. However, mass-scale task automation and autonomous agents require addressing reliability, trust, factual correctness, and safety challenges.
Timeline Uncertainty: Predictions consistently overestimate short-term progress while underestimating long-term transformation. Research follows unpredictable paths, making definitive timelines impossible despite clear directional progress.
Massive Infrastructure Investment: Investment in chip manufacturing and data centres amounts to approximately 0.5% of global GDP. Historical computing trends suggest more computing power typically improves systems, potentially justifying current infrastructure spending despite uncertain returns.
Monetisation Challenges: McKinsey reports indicate only a small minority of companies have reported meaningful AI-driven profits. This limited monetisation raises questions about market sustainability if productivity gains don't translate into revenue within reasonable timeframes.
Market Repricing Dynamics: Markets will reprice individual companies based on performance, not AI technology as a whole. Companies and specific attempts may fail, but technological advancement continues regardless of individual commercial failures.
Risk of AI Winter: Historical precedent from the 1960s-1990s demonstrates that unfulfilled promises can trigger funding freezes termed "AI winters." Balancing long-term investment with short-term gains while focusing on efficiency and chip market competition can improve economic viability.
Systemic Risk Concerns: The primary concern should be whether AI investment bubbles could trigger systemic crises affecting banking systems or broader economies, rather than individual investor losses which are inherent to speculative markets.
Scientific Revolution Potential: AI's biggest gains may emerge in scientific domains including biology, chemistry, drug discovery, protein research, and mathematical research rather than consumer applications. These transformative areas require sustained investment despite delayed returns.
Education and Healthcare Applications: Use cases in science, education, and medical science could create larger societal impact than commercial applications. Nations willing to invest in areas without immediate returns may capture long-term strategic advantages.
India's AI Strategy Requirements: India must balance participation in global AI development with building indigenous capabilities. Strategic investments in AI education, research infrastructure, and domain-specific applications can position India competitively without excessive exposure to speculative market risks.
Regulatory and Safety Frameworks: Before mass adoption, challenges of reliability, factual correctness, safety, and common sense reasoning must be addressed. India's regulatory frameworks should ensure responsible AI deployment while encouraging innovation.
Efficiency Over Scale Focus: Current emphasis on innovation overlooks efficiency improvements. Focusing on efficient AI systems and competitive domestic chip development could make AI economics more viable for developing economies like India.
The AI boom represents both speculative bubbles in individual ventures and a genuine, lasting technological shift that will reshape economies and societies. Historical patterns suggest that while many AI investments will fail financially, technological progress will continue accumulating benefits. India's strategic approach should balance participation in this transformative technology with prudent risk management, investing in scientific applications, education, and indigenous capabilities while ensuring that potential market corrections do not derail long-term technological development. The key is ensuring that inevitable market volatility does not trigger systemic crises while capturing the productivity and innovation benefits that AI promises.
உலகளாவிய செயற்கை நுண்ணறிவு நிலப்பரப்பு ஒரு முக்கியமான திருப்புமுனையில் நிற்கிறது, 2025-இல் $375 பில்லியன் மற்றும் 2026-க்குள் $500 பில்லியனை எட்டும் என செலவு எதிர்பார்க்கப்படுகிறது. இந்த முன்னெப்போதும் இல்லாத முதலீட்டு எழுச்சி டாட்-காம் சகாப்தத்துடன் ஒப்பிடுவதை அழைக்கிறது, சந்தை மதிப்பீடுகள் மற்றும் தொழில்நுட்ப யதார்த்தம் குறித்த அடிப்படை கேள்விகளை எழுப்புகிறது. சந்தேகவாதிகள் ஊக குமிழிகள் குறித்து எச்சரிக்கும் அதே வேளையில், நம்பிக்கையாளர்கள் செயற்கை நுண்ணறிவு மின்சாரம் அல்லது இணையத்துடன் ஒப்பிடத்தக்க மாற்றுத்திறன் தொழில்நுட்ப மாற்றத்தை பிரதிநிதித்துவப்படுத்துகிறது என்று வாதிடுகின்றனர். பொருளாதார வளர்ச்சிக்காக செயற்கை நுண்ணறிவை பயன்படுத்த முயலும் இந்தியாவுக்கு இந்த விவாதத்தைப் புரிந்துகொள்வது முக்கியமானது.
டாட்-காம் ஒப்புமை மறுமதிப்பீடு: டாட்-காம் சகாப்தம், பெரும்பாலும் தோல்வியாக நினைவுகூரப்படுகிறது, உண்மையில் இன்றைய டிஜிட்டல் பொருளாதாரத்தை செயல்படுத்தும் நீடித்த தொழில்நுட்ப உள்கட்டமைப்பை உருவாக்கியது. அதேபோல், தனிப்பட்ட செயற்கை நுண்ணறிவு நிறுவனங்கள் நிதியியல் ரீதியாக தோல்வியடைந்தாலும், தொழில்நுட்ப முன்னேற்றம் தொடர்ந்து சேகரிக்கப்படுகிறது.
தொழில்நுட்ப புரட்சிகளின் முறை: அனைத்து தொழில்நுட்ப புரட்சிகளும் நம்பிக்கையிலிருந்து மிகைப்படுத்தலுக்கு இறுதி உணர்தலுக்கு நகரும் கணிக்கக்கூடிய வடிவங்களைப் பின்பற்றுகின்றன. இந்த சுழற்சி உருவாக்கம் மற்றும் அழிவு இரண்டையும் உள்ளடக்கியது, 95 நிதியியல் ரீதியாக தோல்வியடையலாம், அதே நேரத்தில் உயிர்வாழ்பவர்கள் உலகை அடிப்படையாக மாற்றுகின்றனர்.
முந்தைய ஏற்றங்களிலிருந்து அடிப்படை வேறுபாடுகள்: இணையத்தைப் போலன்றி, அதன் மாற்றுத்திறன் திறன் ஒப்பீட்டளவில் தெளிவாக இருந்தது, செயற்கை பொது நுண்ணறிவு மற்றும் அதிக சுயாட்சியான முகவர்கள் நிச்சயமற்றவையாக உள்ளன. பெரிய மாதிரிகள் மூலம் முன்னேற்றத்திற்கு உத்தரவாதம் அளிக்கும் என முன்பு கருதப்பட்ட அளவிடுதல் விதிகள் இப்போது சவால் செய்யப்படுகின்றன.
பரவலான ஆனால் வரையறுக்கப்பட்ட தற்போதைய பயன்பாடுகள்: மின்னஞ்சல் ஸ்பேம் வகைப்படுத்திகள் முதல் பரிந்துரை அமைப்புகள் வரை தொழில்நுட்ப அடுக்குகள் முழுவதும் செயற்கை நுண்ணறிவு ஏற்கனவே உட்பொதிக்கப்பட்டுள்ளது. இருப்பினும், வெகுஜன அளவிலான பணி தானியங்கிக்கு நம்பகத்தன்மை, நம்பிக்கை, உண்மை சரியான தன்மை மற்றும் பாதுகாப்பு சவால்களை நிவர்த்தி செய்ய வேண்டும்.
காலவரிசை நிச்சயமின்மை: கணிப்புகள் தொடர்ந்து குறுகிய கால முன்னேற்றத்தை மிகைமதிப்பீடு செய்கின்றன, அதே நேரத்தில் நீண்டகால மாற்றத்தை குறைமதிப்பீடு செய்கின்றன. ஆராய்ச்சி கணிக்க முடியாத பாதைகளைப் பின்பற்றுகிறது.
பெரும் உள்கட்டமைப்பு முதலீடு: சிப் உற்பத்தி மற்றும் தரவு மையங்களில் முதலீடு உலகளாவிய மொத்த உள்நாட்டு உற்பத்தியில் சுமார் 0.5% ஆகும். வரலாற்று கணினி போக்குகள் அதிக கணினி சக்தி பொதுவாக அமைப்புகளை மேம்படுத்துகிறது என்று பரிந்துரைக்கின்றன, நிச்சயமற்ற வருவாய்கள் இருந்தபோதிலும் தற்போதைய உள்கட்டமைப்பு செலவை நியாயப்படுத்தக்கூடும்.
பணமாக்கல் சவால்கள்: மெக்கின்சி அறிக்கைகள் சிறிய சிறுபான்மை நிறுவனங்கள் மட்டுமே அர்த்தமுள்ள செயற்கை நுண்ணறிவு இயக்கப்படும் லாபங்களை அறிவித்துள்ளன என்று குறிப்பிடுகின்றன. இந்த வரையறுக்கப்பட்ட பணமாக்கல் சந்தை நிலைத்தன்மை குறித்த கேள்விகளை எழுப்புகிறது.
சந்தை மறுவிலையிடல் இயக்கவியல்: சந்தைகள் செயல்திறன் அடிப்படையில் தனிப்பட்ட நிறுவனங்களை மறுவிலையிடும், ஒட்டுமொத்தமாக செயற்கை நுண்ணறிவு தொழில்நுட்பத்தை அல்ல. நிறுவனங்கள் மற்றும் குறிப்பிட்ட முயற்சிகள் தோல்வியடையலாம், ஆனால் தொழில்நுட்ப முன்னேற்றம் தொடர்கிறது.
செயற்கை நுண்ணறிவு குளிர்கால ஆபத்து: 1960-1990களின் வரலாற்று முன்னுதாரணம் நிறைவேற்றப்படாத வாக்குறுதிகள் "செயற்கை நுண்ணறிவு குளிர்காலங்கள்" என்று அழைக்கப்படும் நிதியுதவி முடக்கங்களைத் தூண்டலாம் என்பதை நிரூபிக்கிறது.
முறையான ஆபத்து கவலைகள்: செயற்கை நுண்ணறிவு முதலீட்டு குமிழிகள் வங்கி அமைப்புகள் அல்லது பரந்த பொருளாதாரங்களை பாதிக்கும் முறையான நெருக்கடிகளைத் தூண்டுமா என்பது முதன்மை கவலையாக இருக்க வேண்டும்.
அறிவியல் புரட்சி திறன்: செயற்கை நுண்ணறிவின் மிகப்பெரிய ஆதாயங்கள் நுகர்வோர் பயன்பாடுகளை விட உயிரியல், வேதியியல், மருந்து கண்டுபிடிப்பு, புரத ஆராய்ச்சி மற்றும் கணித ஆராய்ச்சி உள்ளிட்ட அறிவியல் துறைகளில் உருவாகலாம்.
கல்வி மற்றும் சுகாதார பயன்பாடுகள்: அறிவியல், கல்வி மற்றும் மருத்துவ அறிவியலில் பயன்பாட்டு வழக்குகள் வணிக பயன்பாடுகளை விட பெரிய சமூக தாக்கத்தை உருவாக்கக்கூடும். உடனடி வருவாய் இல்லாத பகுதிகளில் முதலீடு செய்ய தயாராக இருக்கும் நாடுகள் நீண்டகால மூலோபாய நன்மைகளைப் பெறலாம்.
இந்தியாவின் செயற்கை நுண்ணறிவு மூலோபாய தேவைகள்: இந்தியா உலகளாவிய செயற்கை நுண்ணறிவு வளர்ச்சியில் பங்கேற்பை உள்நாட்டு திறன்களை கட்டமைப்பதுடன் சமநிலைப்படுத்த வேண்டும். செயற்கை நுண்ணறிவு கல்வி, ஆராய்ச்சி உள்கட்டமைப்பு மற்றும் துறை-குறிப்பிட்ட பயன்பாடுகளில் மூலோபாய முதலீடுகள் இந்தியாவை போட்டித்தன்மையுடன் நிலைநிறுத்தும்.
ஒழுங்குமுறை மற்றும் பாதுகாப்பு கட்டமைப்புகள்: வெகுஜன ஏற்றுக்கொள்ளலுக்கு முன், நம்பகத்தன்மை, உண்மை சரியான தன்மை, பாதுகாப்பு மற்றும் பொது அறிவு நியாயப்படுத்தல் சவால்கள் நிவர்த்தி செய்யப்பட வேண்டும்.
செயற்கை நுண்ணறிவு ஏற்றம் தனிப்பட்ட முயற்சிகளில் ஊக குமிழிகள் மற்றும் பொருளாதாரங்கள் மற்றும் சமூகங்களை மறுவடிவமைக்கும் உண்மையான, நீடித்த தொழில்நுட்ப மாற்றம் இரண்டையும் பிரதிநிதித்துவப்படுத்துகிறது. வரலாற்று வடிவங்கள் பல செயற்கை நுண்ணறிவு முதலீடுகள் நிதியியல் ரீதியாக தோல்வியடையும் போதிலும், தொழில்நுட்ப முன்னேற்றம் தொடர்ந்து நன்மைகளை சேகரிக்கும் என்று பரிந்துரைக்கின்றன. இந்தியாவின் மூலோபாய அணுகுமுறை இந்த மாற்றுத்திறன் தொழில்நுட்பத்தில் பங்கேற்பை விவேகமான ஆபத்து மேலாண்மையுடன் சமநிலைப்படுத்த வேண்டும், அறிவியல் பயன்பாடுகள், கல்வி மற்றும் உள்நாட்டு திறன்களில் முதலீடு செய்ய வேண்டும். சாத்தியமான சந்தை திருத்தங்கள் நீண்டகால தொழில்நுட்ப வளர்ச்சியை தடம் புரளாமல் இருப்பதை உறுதி செய்வது முக்கியமானது. தவிர்க்க முடியாத சந்தை ஏற்ற இறக்கம் முறையான நெருக்கடிகளைத் தூண்டாமல் செயற்கை நுண்ணறிவு வாக்குறுதியளிக்கும் உற்பத்தித்திறன் மற்றும் புதுமை நன்மைகளைப் பெறுவதை உறுதி செய்வதே முக்கியம்.
Reading a model answer is step one - writing your own against the clock is what actually builds Mains marks. ArivArk's bilingual test series turns every current-affairs update into scored practice: scheduled tests in Tamil and English, a video explanation for every paper and an honest rank list.
