डिफ्रैक्शन: क्रिएटर अधिकारों को प्राथमिकता देकर भौतिक AI प्रशिक्षण डेटा बाजार का नेतृत्व

AI अनुसंधान प्रयोगशालाओं और रोबोटिक्स कंपनियों को भौतिक AI प्रशिक्षण के लिए आवश्यक विशाल वीडियो डेटा सुरक्षित करने में महत्वपूर्ण चुनौतियों का सामना करना पड़ रहा है। एक प्रमुख मुद्दा यह रहा है कि क्रिएटर्स के लिए उचित मुआवजे का अभाव है, जबकि इस आवश्यक सामग्री का एक बड़ा हिस्सा उन्हीं द्वारा बनाया जाता है। इस कमी को दूर करने के लिए, ओहियो के लैंकेस्टर में स्थित इन्फ्लुएंसर मार्केटिंग और डेटा कंपनी डिफ्रैक्शन (Diffraction), AI प्रशिक्षण डेटा के लिए एक नए बाजार का नेतृत्व कर रही है, जो क्रिएटर्स के अधिकारों की रक्षा करता है और उचित मुआवजा सुनिश्चित करता है। यह कंपनी मौजूदा बाजार की अस्पष्टता को हल करने और मजबूत अनुबंधों, डेटा अधिग्रहण प्रक्रियाओं तथा डेटा की उत्पत्ति को साबित करने के लिए एक स्पष्ट बुनियादी ढांचे के माध्यम से एक न्यायसंगत व्यापारिक वातावरण को बढ़ावा देने के लिए प्रतिबद्ध है।

भौतिक AI प्रशिक्षण डेटा बाजार में विकास और चुनौतियाँ

AI प्रौद्योगिकी, विशेष रूप से रोबोटिक्स में हाल की प्रगति, यह मांग करती है कि मशीनें भौतिक वातावरण में व्यावहारिक कार्य करें, जैसे उपकरणों को पकड़ना, असमान इलाकों में नेविगेट करना और पानी की गति को समझना। इसके लिए बड़ी मात्रा में उच्च-गुणवत्ता वाले प्रशिक्षण वीडियो डेटा की आवश्यकता होती है। हालांकि, इस महत्वपूर्ण डेटा का एक बड़ा हिस्सा ऑनलाइन क्रिएटर्स द्वारा नियमित रूप से बनाए गए वीडियो से प्राप्त होता है। मुख्य मुद्दा यह है कि इन वीडियो को अक्सर उचित व्यावसायिक मान्यता नहीं मिलती है, और उनके क्रिएटर्स को अक्सर उचित मुआवजा भी नहीं मिलता।

डिफ्रैक्शन की स्थापना सितंबर 2022 में सह-संस्थापक जोसेफ सॉटाइल और टॉम स्वान ने की थी, और जनवरी 2026 में उन्होंने अपनी डेटा लेयर 'स्ट्रीमजेनी' (StreamGenie) लॉन्च की। उन्होंने महसूस किया कि भले ही क्रिएटर्स के पास व्यापक वीडियो संग्रह होते हैं, लेकिन जब उनके फुटेज का उपयोग AI प्रशिक्षण के लिए किया जाता है तो उन्हें अक्सर मुआवजा नहीं मिलता। इस बात ने उन्हें क्रिएटर्स और डेटा खरीदारों के बीच एक महत्वपूर्ण कड़ी बनाने के लिए प्रेरित किया।

क्रिएटर अधिकारों का संरक्षण: एक मुख्य मूल्य

डिफ्रैक्शन इस बात पर प्रकाश डालता है कि भौतिक AI डेटा बाजार 'धोखाधड़ी' के मुद्दों से ग्रस्त है। स्क्रीन रिकॉर्डिंग, सार्वजनिक स्रोतों से अनधिकृत निष्कर्षण, या स्पष्ट अधिकार दस्तावेज़ीकरण के बिना डेटा संकलन जैसी सामान्य प्रथाएं डेटा सेट की कानूनी अखंडता को कमजोर करती हैं। इसका मुकाबला करने के लिए, डिफ्रैक्शन ने 'उत्पत्ति' (provenance) को अपना सर्वोपरि डिजाइन सिद्धांत बनाया है, यह सुनिश्चित करते हुए कि प्रत्येक डेटा सेट में सामग्री के मालिक की सहमति और अधिकारों के स्पष्ट अनुदान को सत्यापित करने वाले दस्तावेज़ शामिल हों। यह सक्रिय रणनीति बदलते नियामक परिदृश्य, जैसे EU AI अधिनियम को भी संबोधित करती है, जिसके तहत अगस्त 2025 से सामान्य-उद्देश्य वाले AI मॉडल प्रदाताओं को प्रशिक्षण के लिए उपयोग की गई सामग्री के सारांश का खुलासा करना होगा।

कंपनी की लाइसेंसिंग शर्तें व्यक्तियों के पोर्ट्रेट अधिकारों के उपयोग और पुनरुत्पादन, तथा लाइसेंस प्राप्त डेटा के डुप्लिकेट उपयोग को स्पष्ट रूप से प्रतिबंधित करती हैं। इसके अलावा, वे डेटा की लाइसेंस अवधि समाप्त होने के बाद उसे हटाने का आदेश देती हैं। डिफ्रैक्शन वीडियो में एम्बेडेड कॉपीराइट तत्वों, जैसे पृष्ठभूमि संगीत या कैमरे पर तीसरे पक्ष की उपस्थिति के लिए अलग सहमति की भी मांग करता है, जिससे क्रिएटर अधिकारों के लिए एक बहुस्तरीय सुरक्षा ढांचा स्थापित होता है।

मांग-संचालित कस्टम डेटा निर्माण और मूल्यांकन

जबकि अधिकांश भौतिक AI डेटा बाजार 'सट्टा मॉडल' (speculative model) पर काम करता है, जिसमें बड़ी मात्रा में वीडियो सामग्री जमा की जाती है और फिर खरीदारों का इंतजार किया जाता है, डिफ्रैक्शन 'बिल्ड-टू-स्पेक' (build-to-spec) दृष्टिकोण अपनाता है, जो क्लाइंट की आवश्यकताओं के अनुरूप विशेष रूप से डेटा का निर्माण करता है। उन्होंने यह पहचानने के लिए 500 से अधिक सामग्री ऑडिट किए हैं कि किस प्रकार की क्रिएटर सामग्री सक्रिय क्रय मांग उत्पन्न करती है। उदाहरण के लिए, एक क्रिएटर के 100GB संग्रह में, लेगो असेंबली के 20 घंटे के वीडियो का तत्काल बाजार मूल्य हो सकता है।

डेटा का मूल्य निर्धारण तीन चर – कमी (scarcity), कौशल स्तर (skill level) और विविधता (diversity) – द्वारा निर्धारित किया जाता है, जो कुछ डॉलर से लेकर प्रति घंटे कई सौ डॉलर तक होता है। रोजमर्रा के कार्यों के वीडियो, जो आमतौर पर ऑनलाइन पाए जाते हैं, का मूल्य कम होता है। इसके विपरीत, विशिष्ट कौशल दिखाने वाली सामग्री, जैसे एक कुशल प्लंबर द्वारा वास्तविक मरम्मत करना, का प्रीमियम अधिक होता है। ऐसा इसलिए है क्योंकि AI प्रशिक्षण न केवल सही परिणामों को देखकर लाभान्वित होता है, बल्कि कुशल और अकुशल कार्यों के बीच के अंतर को भी पहचानता है। डिफ्रैक्शन इस गलत धारणा को भी दूर करता है कि क्रिएटर के पोर्ट्रेट अधिकारों का उल्लंघन होगा, यह जोर देते हुए कि भौतिक AI प्रशिक्षण डेटा क्रिएटर की उपस्थिति या पहचान के बजाय व्यवहार और भौतिक बातचीत पर केंद्रित होता है।

भविष्य का रोडमैप: पुरालेख लाइसेंसिंग से टेलीऑपरेशन तक

डिफ्रैक्शन अपने भविष्य के लिए तीन-चरणों वाला रोडमैप तैयार करता है। पहले चरण में मौजूदा पुरालेख वीडियो का लाइसेंसिंग शामिल है। दूसरा चरण विशेष रूप से खरीदार की आवश्यकताओं के अनुरूप कस्टम डेटा कैप्चर करने पर केंद्रित है। तीसरा और अंतिम चरण 'टेलीऑपरेशन' (teleoperation) है, जिसमें प्रदर्शन डेटा उत्पन्न करने के लिए रोबोटिक हथियारों को दूरस्थ रूप से नियंत्रित करना शामिल है। यह प्रक्रिया, जहाँ मनुष्य रोबोटिक तंत्र के माध्यम से सीधे कार्य करते हैं, को भौतिक AI विकास के लिए सबसे मूल्यवान इनपुट डेटा रूपों में से एक माना जाता है।

टेलीऑपरेशन में प्रगति के लिए VR नियंत्रण इंटरफेस में कुशल कर्मियों और पायलट कार्यक्रम चलाने में सक्षम प्रयोगशाला भागीदारों की आवश्यकता होगी। सह-संस्थापक जोसेफ सॉटाइल बताते हैं कि VR हेडसेट के माध्यम से वर्चुअल वातावरण में नेविगेट करने के लिए उपयोग की जाने वाली तकनीक सीधे रोबोटिक आर्म टेलीऑपरेशन में परिवर्तित हो सकती है। उन्होंने इस बात पर जोर दिया कि कुशल क्रिएटर्स, भविष्य की रोबोटिक्स प्रौद्योगिकी के साथ तालमेल बिठाकर, महत्वपूर्ण नया मूल्य उत्पन्न करने में सक्षम होंगे।