microagi में, हम एक अरब रोबोट तैनात करेंगे। जब ऐसा होगा, तो इसके आर्थिक और सामाजिक परिणाम बहुत गहरे होंगे।
हमारा मानना है कि इससे प्रचुरता (abundance) वाली दुनिया बनेगी, क्योंकि रोबोट उत्पादकता और उत्पादन को इतना बढ़ा देंगे कि भौतिक संसाधनों की कमी — जो अधिकांश आर्थिक मॉडलों की बुनियादी धारणा है — खत्म हो जाएगी। लगभग हर आर्थिक मॉडल मांग और आपूर्ति के सिद्धांत पर बना है, जिसकी आधारशिला संसाधनों की कमी की धारणा है। 1932 में लियोनेल रॉबिन्स ने इसे इस तरह परिभाषित किया था कि अर्थशास्त्र "उन उद्देश्यों और सीमित साधनों के बीच का संबंध है जिनके वैकल्पिक उपयोग हो सकते हैं"। हमारा मानना है कि रोबोट इस कमी को खत्म कर देंगे। ऐसी दुनिया में, सभी लोगों का जीवन स्तर आज किसी भी व्यक्ति के जीवन स्तर से कहीं अधिक बेहतर होगा, और मानवता जो कुछ भी हासिल कर सकती है उसकी संभावनाएं अनंत होंगी।
हालाँकि, हमें यह भी स्वीकार करना होगा कि व्यापक रोबोटिक्स द्वारा बनाई गई प्रचुरता की इस दुनिया में एक परिणाम यह भी होगा कि आज हम जितनी भी शारीरिक मेहनत जानते हैं, उसमें से ज्यादातर की जरूरत खत्म हो जाएगी। अतीत में, जब मशीनों ने आपूर्ति बढ़ाई और कीमतें गिराईं, तो मांग बढ़ी और उसे पूरा करने के लिए रोजगार भी बढ़ा। लेकिन इस बार, सामान्य उद्देश्य वाले (general-purpose) रोबोट उस मांग को खुद ही पूरा करने में सक्षम होंगे। अगर हमारी आर्थिक व्यवस्था ऐसी ही रही, तो इसका मतलब होगा लाखों मौजूदा नौकरियों का खत्म होना, और यह लोगों से उनकी आय, उनका रुतबा और कई लोगों से उनके जीवन का उद्देश्य छीन सकता है।
हम एक दुविधा का सामना कर रहे हैं, जिसे रोबोटिक्स समुदाय के बहुमत ने अब तक सार्वजनिक रूप से स्वीकार तक नहीं किया है, समाधान की बात तो दूर है। वह तकनीक जो हम सबके जीवन को वास्तव में बेहतर बना सकती है, उसे अपरिहार्य रूप से पूरी तरह बदल भी देगी। सबसे महत्वपूर्ण बात यह है कि अगर हम इस समस्या का कोई पर्याप्त समाधान नहीं निकाल पाए, तो हम कभी ऐसी प्रचुरता वाली दुनिया तक नहीं पहुंच पाएंगे। ज्यादातर लोग भौतिक दुनिया में बुद्धिमत्ता के फैलाव का विरोध करने के लिए एकजुट हो जाएंगे, और उस दबाव में सरकारें रोबोट की तैनाती रोक देंगी।
यह लेख उसी दुविधा को समझने का हमारा प्रयास है। हम बताते हैं कि तकनीक अभी किस मुकाम पर है, विस्थापन (displacement) के मौजूदा आर्थिक मॉडल आने वाले समय के लिए क्यों नाकाफी हैं, और यह सवाल कि जब लोगों को काम करने की जरूरत ही नहीं रहेगी तो वे कौन होंगे, यह कैसे तय करेगा कि प्रचुरता आएगी भी या नहीं। फिर हम यूरोप की ओर मुड़ते हैं — आंशिक रूप से इसलिए क्योंकि हम एक यूरोपीय कंपनी हैं, लेकिन मुख्य रूप से इसलिए क्योंकि यूरोप इस दुविधा के प्रति बेहद संवेदनशील है। यूरोपीय कल्याणकारी राज्य (welfare states) काफी हद तक काम पर लगने वाले टैक्स से चलते हैं, यूरोपीय उद्योग अभी भी लाखों लोगों को उन नौकरियों में रोजगार दे रहा है जो रोबोट करना सीख रहे हैं, और यूरोप खुद ऐसे रोबोट बहुत कम बनाता है। हम अपने महाद्वीप के तीन संभावित भविष्य का वर्णन करते हैं। दो से हमें बचना होगा, और एक को हम बनाने का इरादा रखते हैं।
रोबोटिक्स के GPT Moment की दौड़
मानव इतिहास में, भौतिक सुख-सुविधा हमेशा किसी न किसी की मेहनत पर निर्भर रही है। खाना उगाना पड़ता था, घर बनाने पड़ते थे, और सामान एक जगह से दूसरी जगह ढोना पड़ता था। रोबोटिक्स इस शारीरिक श्रम को ऑटोमेट करने का वादा करता है, जिससे सामान की लागत घटेगी और उत्पादन इतना बढ़ेगा कि भौतिक प्रचुरता आ जाएगी। यह भविष्य हमारी पहुंच में है, और तेजी से करीब आ रहा है।
यह कितनी तेजी से हो रहा है, इसका अंदाजा लगाने के लिए सिर्फ पिछले अठारह महीनों पर गौर करें।
Figure AI के 02 ह्यूमनॉइड्स ने साउथ कैरोलिना के स्पार्टनबर्ग में BMW के प्लांट में ग्यारह महीने की तैनाती पूरी की। दसवें महीने तक ये रोबोट पूरे दस घंटे की शिफ्ट में काम कर रहे थे, डिब्बों से शीट मेटल उठा रहे थे और पांच मिलीमीटर की सटीकता के साथ वेल्डिंग फिक्स्चर पर रख रहे थे। इस कार्यक्रम के दौरान उन्होंने 90,000 से ज्यादा पुर्जे लोड किए और 30,000 से अधिक BMW X3 कारों के उत्पादन में योगदान दिया। हालांकि नवंबर 2025 में इन्हें हटा लिया गया, लेकिन यह प्रगति की दिशा का एक संकेत है।
अप्रैल 2026 में, Generalist ने बताया कि उसके GEN-1 मॉडल ने चुनिंदा भौतिक कार्यों में औसत सफलता दर 64% से बढ़ाकर 99% कर दी, बॉक्स फोल्डिंग और फोन पैकिंग जैसे कामों में पिछले तरीकों की तुलना में लगभग तीन गुना तेजी से काम किया, और हर काम के लिए सिर्फ करीब एक घंटे का रोबोट डेटा इस्तेमाल किया। इसके डेमो में बिना किसी इंसानी मदद के लगातार 200 बार कार्डबोर्ड बॉक्स फोल्ड करना शामिल था। ये अभी कंपनी के अपने मूल्यांकन हैं, लेकिन विश्वसनीयता और गति वही गुण हैं जो किसी तकनीकी उपलब्धि को उपयोगी उत्पादन में बदल देते हैं: 64% बार सफल होने वाला रोबोट डेमो के लिए काफी है, लेकिन 99% बार सफल होने वाला रोबोट किसी कर्मचारी की जगह ले सकता है।
इस साल 30 जुलाई को, Google DeepMind ने Gemini Robotics 2 जारी किया, जिसने एक ह्यूमनॉइड के पैर, धड़, बांह और पांच उंगलियों वाले हाथों को एक ही ट्रेन्ड पॉलिसी के तहत ला दिया, साथ ही ऑन-डिवाइस वर्जन और कुछ ही घंटों में पूरी तरह नए शरीर (embodiment) के अनुकूल होने की क्षमता दी। 25 अगस्त को, Skild AI ने S1 की घोषणा की, एक ऐसा मॉडल जो किसी व्यक्ति को कोई अनजान काम करते हुए सिर्फ एक वीडियो देखता है और फिर उसे खुद कर दिखाता है, और ये काम दस मिनट और दर्जनों चरणों तक लंबे हो सकते हैं। अपने आंतरिक बेंचमार्क पर, Skild ने बताया कि अनदेखे कार्यों में उसकी सफलता दर 66% है, जबकि उसी स्तर पर ट्रेन किए गए भाषा-आधारित मॉडलों की दर सिर्फ 9% है।
ये सभी कंपनियां "रोबोटिक्स में GPT Moment" बनाने की होड़ में हैं, जिसका मतलब होगा कि किसी फाउंडेशनल रोबोटिक्स मॉडल से लगभग कोई भी भौतिक काम करने को कहा जा सके और वह उसे इतनी अच्छी तरह करे कि वह उपयोगी साबित हो। ChatGPT ने नवंबर 2022 में भाषा के लिए यही किया था, और एक रिसर्च प्रोजेक्ट को ऐसी चीज में बदल दिया जिसे करोड़ों लोग हर दिन इस्तेमाल करने लगे।
भाषा मॉडल की क्षमता से सबसे बड़ा अंतर यह है कि भौतिक दुनिया में कार्यों को सत्यापित करना बहुत आसान है; खासकर औद्योगिक सेटिंग्स या छोटी समय-सीमा वाले कार्यों (जैसे बॉक्स पैक करना या कोई उपकरण बनाना) के मामले में यह और भी सच है। सत्यापित किए जा सकने वाले कार्यों को ऑटोमेट किया जा सकता है, इसलिए AI सिस्टम का असर भौतिक दुनिया में कहीं ज्यादा दिखाई देगा।
कामकाज के लिए इसका क्या मतलब है, इसे मापने का अब तक का सबसे कठोर प्रयास 30 सितंबर को Anthropic के अर्थशास्त्रियों ने प्रकाशित किया। O*NET के लगभग 19,000 जॉब टास्क के कैटलॉग का उपयोग करते हुए, Russell Legate Yang और Maxim Massenkoff ने पाया कि आज मौजूद रोबोट अमेरिका में 74% भौतिक कार्य कर सकते हैं, जो कुल काम के घंटों के 34% के बराबर है, हालांकि ये ज्यादातर विशेष रूप से बनाए गए या संरचित वातावरण में हैं। बड़े भाषा मॉडलों (LLMs) के साथ मिलाकर, काम के समय के हिसाब से लगभग 80% जॉब टास्क इन दोनों में से किसी एक तकनीक के प्रभाव में आते हैं। पचास साल के उनके बैकटेस्ट से पता चलता है कि जिन नौकरियों पर उस दौर के रोबोटों का ज्यादा प्रभाव था, उनमें बाद के दशकों में वेतन और रोजगार गिरे, और हर साल रोबोट उस शारीरिक काम का लगभग 2% हिस्सा करने में सक्षम हो जाते हैं जो वे पहले नहीं कर पाते थे।
सार्वजनिक बहस रोबोटिक्स के जोखिम को स्वीकार करने में विफल
अधिक उत्पादकता अपने आप में भौतिक सुरक्षा या संतुष्टि की गारंटी नहीं देती। इस विषय पर, आर्टिफिशियल इंटेलिजेंस बनाने वाले लोग असामान्य रूप से खुलकर बोलने लगे हैं, और यह ध्यान से सुनने लायक है कि वे क्या कहते हैं और क्या छोड़ देते हैं।
मई 2025 में, Dario Amodei ने चेतावनी दी कि AI एक से पांच साल के भीतर आधी एंट्री-लेवल व्हाइट कॉलर नौकरियां खत्म कर सकता है और बेरोजगारी को 10% से 20% के बीच पहुंचा सकता है। उन्होंने एक ऐसी दुनिया का वर्णन किया जहां "कैंसर का इलाज हो जाएगा, अर्थव्यवस्था सालाना 10% की दर से बढ़ेगी, बजट संतुलित होगा — और 20% लोगों के पास नौकरी नहीं होगी।" तीन महीने बाद, स्टैनफोर्ड के अर्थशास्त्रियों ने अमेरिका के सबसे बड़े पेरोल प्रोसेसर के रिकॉर्ड का उपयोग करके पाया कि जिन पेशों पर AI का सबसे ज्यादा प्रभाव है, उनमें 22 से 25 वर्ष के कर्मचारियों के रोजगार में जनरेटिव AI के फैलने के बाद से 13% की सापेक्ष गिरावट आई है, जबकि उन्हीं नौकरियों में काम करने वाले वरिष्ठ सहकर्मी अप्रभावित रहे।
इसमें भौतिक AI (physical AI) के संभावित प्रभाव को छोड़ दिया गया है। Anthropic की सितंबर की रिपोर्ट Scenarios for our Economic Future ने श्रम बाजार पर प्रभाव के तीन मॉडल पेश किए। 'पर्याप्त' (substantial) परिदृश्य में, AI आधा नॉलेज वर्क कर सकता है और नॉलेज वर्कर्स का वेतन लगभग स्थिर रहता है। 'चरम' (extreme) परिदृश्य में, अमेरिका की GDP लगभग एक तिहाई बढ़ जाती है, आय में श्रम का हिस्सा गिरकर करीब 45% हो जाता है, नॉलेज वर्कर्स का वेतन 10% से ज्यादा गिर जाता है, और बेरोजगारी "सामान्य मंदी के स्तर से ऊपर" चली जाती है।
वित्त जगत ने एक अलग रास्ते से चलकर भी इसी तरह के निष्कर्ष निकाले हैं। अगस्त 2026 में, Bridgewater के मुख्य कार्यकारी अधिकारी Nir Bar Dea और मुख्य निवेश अधिकारी Greg Jensen ने The New York Times में तर्क दिया कि चूंकि सिर्फ श्रम पर टैक्स लगता है, इसलिए टैक्स कानून लोगों की जगह मशीनों को लगाने को सक्रिय रूप से प्रोत्साहित करता है। उन्होंने काम पर लगने वाले टैक्स को कम करने और AI कंपनियों में हिस्सेदारी खरीदने के लिए AI टोकन पर उपभोग कर (consumption tax) का प्रस्ताव रखा, जिसे "सभी नागरिकों के साथ" साझा किया जा सके। सितंबर के अंत तक, Bar Dea सार्वजनिक रूप से चेतावनी दे रहे थे कि अगर यह बदलाव ठीक से नहीं संभाला गया तो "सामाजिक ढांचा टूट सकता है"।
हालांकि यह उत्साहजनक है कि फाउंडेशन मॉडल लैब्स और दुनिया का सबसे बड़ा हेज फंड कम से कम व्यापक सामाजिक प्रभाव की संभावना को स्वीकार कर रहे हैं, लेकिन हमारा मानना है कि उनके अनुमान आने वाले श्रम बाजार के झटके के आकार को मूल रूप से कम करके आंक रहे हैं।
उनका सबसे चरम परिदृश्य भी इस संभावना को "शामिल नहीं करता" कि "मानवता अत्यधिक सक्षम रोबोट विकसित कर लेगी।" और विस्थापित नॉलेज वर्कर्स के लिए विकल्प स्पष्ट रूप से भौतिक है: उन्हें "इलेक्ट्रीशियन और नर्स जैसी नौकरियों में जाना होगा, जिन पर AI का कम प्रभाव है," यह एक ऐसा बदलाव है जिसे लेखक भी स्वीकार करते हैं कि कई लोगों के लिए कठिन और धीमा होगा। संज्ञानात्मक विस्थापन (cognitive displacement) का हर मॉडल कहीं न कहीं इसी शांत धारणा पर टिका है: कि विस्थापित मानसिक श्रम आखिरकार भौतिक भूमिकाओं में बदल जाएगा।
हालांकि, एक बार जब रोबोटिक्स का व्यापक उपयोग संभव हो जाएगा, तो यह धारणा पूरी तरह कमजोर पड़ जाएगी। कोई कंसल्टेंट इलेक्ट्रीशियन बनने के लिए सालों तक दोबारा ट्रेनिंग नहीं लेगा अगर उसे उम्मीद है कि उसके योग्य होते ही कोई रोबोट इमारत की वायरिंग कर रहा होगा। कोई पैरालीगल केयर के क्षेत्र में नहीं जाएगा अगर उसे उम्मीद है कि मरीज को कोई मशीन उठा रही होगी। अर्थशास्त्रियों का संज्ञानात्मक ऑटोमेशन से बचने का रास्ता सीधे उस भौतिक ऑटोमेशन से टकराता है जो दूसरी तरफ से आ रहा है।
प्रचुरता कब आएगी
हालांकि Legate Yang और Massenkoff के पेपर के अनुसार, रोबोट वर्तमान में कम से कम कुछ सेटिंग्स में 74% भौतिक कार्य पूरे कर सकते हैं, लेकिन वे मानव श्रम के मुकाबले सिर्फ 0.3% कार्यों में लागत के लिहाज से प्रतिस्पर्धी हैं। अगर रोबोट की कीमतें अपनी ऐतिहासिक दर यानी सालाना लगभग 3% की रफ्तार से गिरती रहीं, तो इस हिस्से को 10% तक पहुंचने में करीब 40 साल लगेंगे। उनके तेज़ परिदृश्य (fast scenario) के तहत भी, रोबोट आज के आधे भौतिक काम के लिए 2050 तक ही लागत-प्रतिस्पर्धी बन पाएंगे। हालांकि, यह अतीत की बदलाव की दर को मापकर उसे भविष्य पर लागू करता है, और इसके लेखक खुद मानते हैं कि "AI-संचालित रोबोट हमारे पैमाने को पीछे छोड़ सकते हैं।"
हमारा मानना है कि वे ऐसा करेंगे। हमारा तर्क इस प्रकार है:
1. 2027 तक, AI सिस्टम गंभीर रोबोटिक्स रिसर्च कर रहे होंगे और विकास चक्र (development cycle) सिकुड़ जाएगा
जून 2025 में, OpenAI के मुख्य कार्यकारी अधिकारी Sam Altman ने भविष्यवाणी की थी कि 2026 में ऐसे सिस्टम आएंगे जो नई अंतर्दृष्टि (novel insights) पैदा कर सकेंगे, और 2027 में "ऐसे रोबोट आ सकते हैं जो असली दुनिया में काम कर सकें"। सितंबर 2026 तक, OpenAI ने कहा कि उसने एक "ऑटोमेटेड रिसर्च इंटर्न" बना लिया है, एक ऐसा सिस्टम जो उन रिसर्च कार्यों को कर सकता है जिनमें किसी कुशल मानव शोधकर्ता को कुछ दिन लगते, और अब यह मार्च 2028 तक पूरी तरह ऑटोमेटेड AI शोधकर्ता बनाने का लक्ष्य रख रहा है। स्वतंत्र मापन भी इसी दिशा की ओर इशारा करते हैं। METR ने पाया कि फ्रंटियर AI एजेंट जिन सॉफ्टवेयर कार्यों को 50% विश्वसनीयता के साथ पूरा कर सकते हैं, उनकी अवधि छह सालों में लगभग हर सात महीने में दोगुनी हो रही है। रोबोटिक्स, अन्य बातों के अलावा, एक सॉफ्टवेयर समस्या, एक सिमुलेशन समस्या और एक डेटा समस्या है। और ये वही समस्याएं हैं जिनमें ये सिस्टम सबसे तेजी से बेहतर हो रहे हैं।
रोबोटिक्स पर लागू होने पर, यह विकास चक्र को पूरी तरह बदल देगा। हार्डवेयर हमेशा धीमा रहा है क्योंकि हर डिजाइन को बनाना, तोड़ना और फिर से बनाना पड़ता था, और हर नया कौशल एक असली रोबोट पर, एक-एक टेलीऑपरेटेड डेमो के जरिए सिखाना पड़ता था। ये दोनों बाधाएं अब टूट रही हैं। AI अब किसी एक्चुएटर का सुझाव दे सकता है, कंट्रोल पॉलिसी लिख सकता है और सुबह तक फेल्योर लॉग पढ़ सकता है, इसलिए सुधार की गति अब सॉफ्टवेयर की रफ्तार के करीब पहुंच गई है।
डेटा स्रोत अब पारंपरिक टेलीऑपरेशन की तुलना में काफी अधिक विविध हो गए हैं। फरवरी में, NVIDIA ने लोगों के हाथों के इस्तेमाल के 20,854 घंटे के फर्स्ट-पर्सन वीडियो पर एक रोबोट मॉडल को प्रीट्रेन किया, जिसमें सिर्फ चार घंटे का रोबोट टेलीऑपरेशन डेटा था, यानी ट्रेनिंग मिक्स का 0.1% से भी कम। उसने पाया कि जैसे-जैसे मानव वीडियो के घंटे बढ़े, प्रदर्शन एक अनुमानित तरीके से बेहतर होता गया। NVIDIA और उसके शैक्षणिक सहयोगियों ने DreamDojo वर्ल्ड मॉडल को इसी तरह के 44,000 से अधिक घंटों के फुटेज पर ट्रेन किया (NVIDIA, DreamDojo, 2026)। एगोसेंट्रिक (egocentric) डेटा की भूमिका में विश्वास इस बात से झलकता है कि पिछले अठारह महीनों में रोबोट ट्रेनिंग डेटा स्टार्टअप्स ने 700 मिलियन डॉलर से अधिक की फंडिंग जुटाई है। Skild का सिंगल वीडियो लर्निंग और DeepMind का क्रॉस-बॉडी ट्रांसफर भी यह दर्शाता है कि हर नए काम और हर नए शरीर के लिए डेटा इकट्ठा करने का महंगा कदम अब खत्म हो रहा है।
2. 2029 तक, रोबोट तकनीकी रूप से सभी आर्थिक रूप से महत्वपूर्ण कार्यों को पूरा करने में सक्षम होंगे
ऐसा होने के लिए, हमें जरूरी नहीं कि एक ऐसा पूर्ण सिस्टम रोबोट चाहिए जो सब कुछ कर सके। इसके बजाय, यह कई शरीरों (bodies) पर काम करने वाली सामान्य रोबोटिक बुद्धिमत्ता, उपयुक्त वातावरण के लिए ह्यूमनॉइड सिस्टम और विशिष्ट, मूल्यवान औद्योगिक कार्यों के लिए विशेष रूप से बनाए गए शरीरों का संयोजन होगा।
फरवरी में, Physical Intelligence ने अपना π0.6 फाउंडेशन मॉडल दिखाया, जिसे हर काम के लिए फाइन-ट्यून किया गया था, और जो वास्तविक व्यावसायिक सेटिंग्स में दूसरी कंपनियों के रोबोट चला रहा था: सैन फ्रांसिस्को के एक लॉन्ड्रोमैट में ग्राहकों के कपड़े तह करना, और एक गोदाम में पूरी शिफ्ट तक असली ई-कॉमर्स ऑर्डर पैक करना, वह भी 96.4% स्वायत्तता (autonomy) के साथ। जहां कार्यस्थल को मशीन के हिसाब से फिर से डिजाइन किया जा सकता है, वहां ऐसा किया जाएगा, जैसे असेंबली लाइन के लिए किया गया था। और जहां ऐसा नहीं हो सकता, वहां मशीन कार्यस्थल के हिसाब से ढलना सीख रही है: उस परीक्षण में गोदाम के रोबोट इस तरह बनाए गए थे कि वे मौजूदा वर्कस्टेशन में फिट हो सकें और कुछ ही घंटों में काम शुरू कर दें।
3. सामाजिक प्रभाव अपनाने (adoption) के साथ नहीं, बल्कि क्षमता (capability) के साथ आएंगे
यही हमारे तर्क का मूल है। डिफ्यूजन कर्व (Diffusion curves) यह बताते हैं कि रोबोट कब हर जगह होंगे, लेकिन वे यह नहीं बताते कि लोग कब मानेंगे कि रोबोट हर जगह होंगे, और उसके अनुसार फैसले लेंगे। कोई कर्मचारी यह समझने के लिए रोबोट के अपनी जगह लेने का इंतजार नहीं करेगा कि ऐसे बदलाव का उसके बच्चों के भविष्य पर क्या असर पड़ सकता है। यूरोप में, लोग पहले से ही सबसे बुरे की आशंका जता रहे हैं: यूरोपीय आयोग के अपने सर्वेक्षण में, 66% लोगों का मानना है कि AI जितनी नौकरियां पैदा करेगा उससे ज्यादा खत्म कर देगा। यह आंकड़ा 2024 की वसंत ऋतु में दर्ज किया गया था, जब दुनिया में कहीं भी किसी ह्यूमनॉइड ने पूरी उत्पादन शिफ्ट काम नहीं की थी। जिन सामाजिक परिणामों को लेकर हम चिंतित हैं, उनके लिए तुरंत फैलाव की जरूरत नहीं है, बस यह विश्वास काफी है कि यह आने वाला है।
अगर मुख्य कहानी यह बन जाती है कि अर्थव्यवस्था लोगों के बिना काम करना सीख रही है, तो राजनीति इस पर तब कार्रवाई करेगी जब यह जरूरी नहीं कि आर्थिक आंकड़ों में दिख भी रहा हो।
यही कारण है कि हमने इस लेख का नाम Abundance 2029 रखा है। बेशक, तब तक यूरोप का हर गोदाम ऑटोमेटेड नहीं हो जाएगा; पिछले खंड में हमने जिस संज्ञानात्मक विस्थापन का वर्णन किया है, उसमें 5-10 साल लग सकते हैं, और भौतिक विस्थापन में शायद और भी ज्यादा। लेकिन 2029 तक, भौतिक AI की क्षमता बहुत स्पष्ट होगी, उसकी दिशा — यानी प्रचुरता की चिंगारियां — सबको दिखाई देने लगेगी, और यह तय करने वाले फैसले कि यूरोप का कौन सा भविष्य है, पहले ही लिए जा चुके होंगे।
लोगों ने समाज में अपनी जगह कैसे बनाई
यह समझने के लिए कि लोग प्रचुरता की इस क्षमता पर कैसे प्रतिक्रिया देंगे, हमें इतिहास में पीछे जाना होगा।
सत्तर हजार साल पहले, जैसा कि Yuval Noah Harari Sapiens में लिखते हैं, इंसान प्यार करते थे, खेलते थे, दोस्ती बनाते थे और रुतबे व सत्ता के लिए प्रतिस्पर्धा करते थे, लेकिन चिंपांजी, बबून और हाथी भी ऐसा ही करते थे। "उनमें (इंसानों में) कुछ भी खास नहीं था।" फिर भी, एक-दूसरे के लिए मायने रखने की चाहत पहले से ही मौजूद थी।
शारीरिक ताकत रुतबा पाने का एक रास्ता थी: कोई प्रतियोगिता जीतने, समूह की रक्षा करने या अपनी इच्छा थोपने की क्षमता। लेकिन शारीरिक रूप से साधारण प्राइमेट होने के नाते, बिना पंजों के और शेर के सामने टिकने की बहुत कम संभावना के साथ, हमने इसके बजाय अन्य फायदे विकसित किए। हमने लकड़ी को नुकीला बनाना, भाषा के जरिए शिकार में तालमेल बिठाना और आग जलाना सीखा। हमने खाद्य श्रृंखला में हमसे ऊपर मौजूद हर चीज को पीछे छोड़ दिया क्योंकि हम उपयोगी ज्ञान को अगली पीढ़ी तक पहुंचा सकते थे, जिससे हर पीढ़ी वहीं से शुरू कर सकती थी जहां पिछली ने छोड़ा था। हालांकि, हर पीढ़ी को पहले वह सीखना होता है जो पिछली पीढ़ी जानती थी, और इसलिए नए ज्ञान और नवाचार का विकास अधिक कठिन होता जाता है और इसके लिए अधिक विशेषज्ञता की जरूरत होती है। Benjamin Jones ने इस गतिशीलता को "ज्ञान का बोझ" (burden of knowledge) कहा, क्योंकि दिग्गजों के कंधों पर खड़े होने के लिए, "पहले उनकी पीठ पर चढ़ना पड़ता है।" जिस ज्ञान को हासिल करने में सालों लगते हैं, वह कुछ ही लोगों के पास होता है, इसलिए यह दुर्लभ है और इसीलिए इसे मूल्यवान माना जाता है।
छोटे समूहों में, कौशल सम्मान दिलाता था। जो कोई बेहतर औजार बना सकता था या कठिन सर्दियों में दूसरों का मार्गदर्शन कर सकता था, वह अपने साथियों को अपने फैसले पर भरोसा करने का कारण देता था। लेकिन एक समूह के भीतर सम्मान पाना और बुद्धिमत्ता पर टिकी सामाजिक व्यवस्था होना एक ही बात नहीं है, और यूरोपीय इतिहास के अधिकांश हिस्से में ऐसी कोई व्यवस्था मौजूद नहीं थी।
प्रबोधन (Enlightenment) दर्शन के आगमन ने सामाजिक पदानुक्रम की इस मौजूदा व्यवस्था को बदल दिया। इस युग के लिए Kant का आदर्श वाक्य, sapere aude, यानी जानने की हिम्मत करो, खुद सोचने का निर्देश था, और इसने यह नया विचार दिया कि कोई व्यक्ति सम्मान के लायक क्यों है: जन्म या धार्मिकता नहीं, बल्कि तर्क और बुद्धि। बुद्धिमत्ता धीरे-धीरे वह गुण बन गई जिससे मौद्रिक संपत्ति जुड़ती गई और इसीलिए सामाजिक प्रतिष्ठा भी मिलती गई।
आज, क्वांट ट्रेडर का वेतन और वकील की प्रतिष्ठा उसी गतिशीलता के आधुनिक रूप हैं। आधुनिक अर्थव्यवस्था बुद्धिमत्ता को दुर्लभ मानती है, इसलिए मूल्यवान भी, और जिन्हें इसे धारण करने वाला माना जाता है, उन्हें भौतिक और सामाजिक दोनों तरह के रुतबे से नवाजती है। जिन लोगों का काम शारीरिक था, उनके लिए एक समानांतर सीढ़ी थी, जो प्रबोधन से भी पुरानी थी और गिल्ड्स (guilds) में जड़ें रखती थी: मास्टर कारीगर, Meister, वह फोरमैन जो इंजीनियरों से बेहतर लाइन को समझता था, वह वेल्डर जिसकी जोड़ कभी नहीं टूटती थी। हाथों का हुनर भी अपनी तरह की बुद्धिमत्ता थी, और उसका भी सम्मान किया जाता था।
संक्षेप में, काम वह संस्था है जिसके जरिए ज्यादातर लोग न सिर्फ अपनी आजीविका कमाते हैं, बल्कि समाज में अपनी जगह भी बनाते हैं। यह जीवन को अर्थ और उद्देश्य देता है, और उन अस्तित्वगत सवालों से बचाव करता है जो अन्यथा रात के तीन बजे सताने आते हैं। तो क्या होगा जब वे क्षमताएं जिनके इर्द-गिर्द लोगों ने अपनी आजीविका और प्रतिष्ठा बनाई है, अब दुर्लभ नहीं रहेंगी, और इसलिए मूल्यवान भी नहीं रहेंगी? क्या होगा जब मशीन एक ही समय में वकील से ज्यादा होशियार और वेल्डर से ज्यादा स्थिर हाथों वाली हो जाए?
एक संभावित गठबंधन
मानसिक काम के ऑटोमेशन में हुई प्रगति पहले से ही बहस छेड़ रही है, और यह उचित भी है। लेकिन ज्यादातर लोगों के लिए, McKinsey को कम कंसल्टेंट की जरूरत पड़ने की संभावना स्वाभाविक रूप से बहुत कम सहानुभूति जगाती है। यह खतरा तब नजरअंदाज करना बहुत मुश्किल हो जाता है जब कोई सहकर्मी अपनी नौकरी खो दे और अगली सुबह कोई बहुत ही ठोस, भौतिक मशीन उसकी जगह ले ले।
ऑटोमेशन में बहुत अलग आय, शिक्षा और राजनीतिक निष्ठा वाले लोगों को एक ही निष्कर्ष पर लाने की क्षमता है: कि अर्थव्यवस्था उनके बिना काम करना शुरू कर रही है। एक कंसल्टेंट और एक औद्योगिक श्रमिक को इस बात पर सहमत होने की जरूरत नहीं है कि समाज का संगठन कैसे होना चाहिए, बस इस बात पर सहमत होना काफी है कि इसकी दिशा समाज में उनकी जगह के लिए खतरा है। ऐसे गठबंधन के लिए यह जरूरी नहीं कि बड़े पैमाने पर बेरोजगारी पहले ही आ चुकी हो। बाहर किए जाने की आशंका ही एक साझा राजनीतिक हित बनाने के लिए काफी हो सकती है। और जब अलग-अलग शिकायतों वाले समूह एक साझा विरोधी की पहचान कर लेते हैं, तो इतिहास बताता है कि उसके तुरंत बाद अक्सर नाटकीय बदलाव आता है।
1789 में फ्रांस में, ऊपरी मध्यम वर्ग का एक हिस्सा राजनीतिक सत्ता चाहता था, शहरी मजदूर सस्ती रोटी चाहते थे, और किसान सामंती बोझ से राहत चाहते थे। उनकी शिकायतें अलग-अलग थीं, लेकिन वे एक ही व्यवस्था के खिलाफ एकजुट हो गए। पेरिस में रोटी की कीमत उसी हफ्ते चरम पर पहुंची जब बास्टिल का पतन हुआ। मैरी एंटोनेट उस व्यवस्था के विशेषाधिकार की घृणित प्रतीक बन गई, उसकी फिजूलखर्ची को देश की बदहाली का कारण बताकर बढ़ा-चढ़ाकर पेश किया गया। 1917 में रूस में, ज़ार का विरोध भी इसी तरह उदारवादी बुद्धिजीवियों से लेकर मजदूरों और सैनिकों तक फैल गया। लेनिन के "शांति, जमीन और रोटी" के वादे ने अलग-अलग शिकायतों को एक ही कार्यक्रम से जोड़ दिया, और तीन सदियों से टिकी एक व्यवस्था कुछ ही महीनों में ढह गई।
खुद तकनीक का हालिया इतिहास भी उतना ही शिक्षाप्रद है। 1811 और 1816 के बीच, अंग्रेजी मिडलैंड्स और उत्तर के लुडाइट्स (Luddites) ने उन चौड़ी स्टॉकिंग फ्रेम और कतरने वाली मशीनों को तोड़ दिया जो कुशल कपड़ा काम के लिए खतरा थीं, और संसद ने 1812 के Frame Breaking Act के साथ जवाब दिया, जिसने मशीनरी को नष्ट करने को फांसी की सजा वाला अपराध बना दिया। लुडाइट्स को प्रगति के दुश्मन के रूप में याद किया जाता है। वास्तव में, वे कुशल श्रमिक थे जिन्होंने साफ देखा कि नई तकनीक का फायदा दूसरों को मिलेगा जबकि इसकी कीमत उन्हें चुकानी पड़ेगी, और अपने जीवनकाल में वे सही साबित हुए।
ब्रिटेन में, लगभग आधी सदी तक प्रति श्रमिक उत्पादन बढ़ता रहा जबकि वास्तविक मजदूरी में शायद ही कोई बदलाव हुआ, इस दौर को आर्थिक इतिहासकार Robert Allen "Engels' pause" कहते हैं। जिन लोगों ने मशीनें तोड़ीं, वे इसका फायदा देखने के लिए जीवित नहीं रहे, और उनकी जगह जो काम आया वह अक्सर और भी बुरा था। Adam Smith, जो उद्योग के दुश्मन नहीं थे, डरते थे कि जीवन भर कुछ सरल कामों को दोहराने से कोई श्रमिक "उतना ही मूर्ख और अज्ञानी हो जाएगा जितना कोई इंसान हो सकता है।"
लुडाइट्स जहां गलत थे वह लंबी अवधि में था। मशीनें तोड़ने से औद्योगिक क्रांति नहीं रुकी, और इसने आम लोगों को पिछली किसी भी पीढ़ी से अधिक अमीर बना दिया, जैसा कि हम रोबोटिक्स से उम्मीद करते हैं। और इस सब के बीच, काम फिर भी मौजूद रहा।
मौजूदा AI और रोबोटिक्स क्रांति को अलग बनाने वाली चीज प्रगति की गति और व्यापकता है। Bill Gates ने अगस्त में इसी तरह का अंतर बताया था: पहले के बदलाव, जैसे खेतों से ऑफिस की नौकरियों की ओर जाना, कई पीढ़ियों में हुए और ऐसी नई नौकरियां पैदा हुईं जिनमें मानवीय सोच की जरूरत थी। हालांकि, AI के ज्यादातर क्षेत्रों में हमारी क्षमताओं को पार करने और बहुत तेज गति से ऐसा करने के कारण, "कई नौकरियां हमेशा के लिए गायब हो जाएंगी," उन्होंने लिखा। औद्योगिक क्रांति का फायदा आम लोगों तक काम के जरिए पहुंचा: उन नौकरियों के जरिए जो इसने पैदा कीं और उन मजदूरियों के जरिए जो इसने दीं। अगर रोबोटिक्स काम पैदा किए बिना प्रचुरता लाता है, तो उन फायदों को लोगों तक पहुंचने का कोई और रास्ता चाहिए होगा, और लोगों को प्रतिष्ठा का कोई और स्रोत चाहिए होगा।
जब तक ऐसा रास्ता नहीं बनता, राजनीतिक और आर्थिक स्पेक्ट्रम के हर वर्ग के लोगों के पास इस तकनीकी बदलाव का विरोध करने का कारण होगा, और 1789 और 1917 जैसी एकजुटता फिर से संभव हो सकती है। अगर सरकारें और टेक कंपनियां यह दिखाने में विफल रहती हैं कि ये प्रगति कामकाजी लोगों को कैसे फायदा पहुंचाएगी, तो वह भौतिक प्रचुरता जो सबका जीवन स्तर सुधार सकती है, हासिल नहीं हो पाएगी, भले ही यह तकनीकी रूप से संभव हो। और अगर सरकारें और तकनीकी क्षेत्र वास्तव में विफल हो जाते हैं, तो लोगों को ऐसे निष्कर्ष पर पहुंचने के लिए कौन दोष दे सकता है?
गठबंधन पहले से ही बन रहा है
ये गतिशीलताएं डेटा सेंटर को लेकर चल रही लड़ाई में पहले से ही देखी जा सकती हैं। संयुक्त राज्य अमेरिका में, Data Center Watch ने गिना कि लगभग दो सालों में स्थानीय विरोध के कारण 18 बिलियन डॉलर की परियोजनाएं रोक दी गईं और 46 बिलियन डॉलर की परियोजनाएं देरी का शिकार हुईं, और यह रेड और ब्लू दोनों तरह के राज्यों में हुआ, जिसकी वजह बिजली के बिल, पानी, शोर और जमीन थे। सिर्फ 2026 की पहली तिमाही में, इसने कम से कम 75 परियोजनाओं को बाधित होते दर्ज किया जिनकी कीमत लगभग 130 बिलियन डॉलर थी, जो रिकॉर्ड पर सबसे बड़ा तिमाही आंकड़ा है। आयरलैंड में, जहां 2025 में डेटा सेंटर ने मीटर वाली कुल बिजली का 23% हिस्सा खपत किया, ग्रिड ऑपरेटर EirGrid ने 2028 तक डबलिन क्षेत्र में नए डेटा सेंटर कनेक्शन देना बंद कर दिया।
सरकारों और मॉडल डेवलपर्स द्वारा यह दिखाने में विफल रहना कि उनकी तकनीक आम जीवन को कैसे बेहतर बनाएगी, ने डेटा सेंटर के खिलाफ एक ऐसा गठबंधन खड़ा कर दिया है जो वाम और दक्षिण दोनों पक्षों में फैला है। इसका सीधा असर रोबोटिक्स पर पड़ेगा। हर सामान्य उद्देश्य वाला रोबोट ट्रेनिंग के लिए और, तेजी से, अनुमान (inference) के लिए कंप्यूट पर निर्भर करता है। एक महाद्वीप जो डेटा सेंटर नहीं बना सकता, वह बड़े पैमाने पर भौतिक AI नहीं चला सकता।
8 जून 2025 को, डाउनटाउन लॉस एंजिल्स में प्रदर्शनकारियों ने कम से कम पांच Waymo रोबोटैक्सी में आग लगा दी, और कंपनी ने उस क्षेत्र में अपनी सेवाएं निलंबित कर दीं। यह विरोध प्रदर्शन ऑटोमेशन के खिलाफ नहीं, बल्कि इमिग्रेशन रेड (छापेमारी) के खिलाफ था। जब कोई समाज गुस्से में होता है, तो सड़क पर मौजूद मशीन उस हर चीज़ का प्रतीक बन जाती है जिसके प्रति वह गुस्सा है। अक्टूबर 2024 में, International Longshoremen's Association के 45,000 डॉकवर्करों ने मेन से लेकर टेक्सास तक 36 बंदरगाहों को ठप कर दिया, और ऑटोमेशन से सुरक्षा उनकी मुख्य मांगों में से एक थी।
हर रोबोटिक्स कंपनी की यह जिम्मेदारी है कि वह डेटा सेंटर बनाने वालों की गलतियां न दोहराए: उन सामाजिक प्रभावों को स्वीकार करे जो होने वाले हैं, और यह सुनिश्चित करे कि बहुतायत (abundance) की ओर बढ़ने वाला यह बदलाव सभी को फायदा पहुंचाए। लोग ऑटोमेशन को जितनी तेजी से बिना किसी विश्वसनीय विकल्प और भविष्य में हिस्सेदारी के अपनी आय और रुतबे के छिन जाने के रूप में महसूस करेंगे, व्यवधान पैदा करने वाले सिस्टम को धीमा करने की मांग उतनी ही मजबूत होगी। किसी समाज के पास प्रचुर बुद्धिमत्ता (abundant intelligence) बनाने की तकनीक हो सकती है, फिर भी वह उसे लागू करने से इनकार कर सकता है।
इसलिए, लोग अपना रुतबा, शक्ति और उद्देश्य कैसे बनाए रखेंगे, इसका एक विश्वसनीय जवाब पूर्ण तैनाती से पहले आना चाहिए।
यूरोप की सबसे बड़ी कमजोरी
यह जवाब कौन देगा, यह इस पर निर्भर करता है कि मशीनों का मालिक कौन है। एक यूरोपीय कंपनी के रूप में, हमारी चिंता यह है कि क्या यूरोप यह जवाब दे पाएगा। आगे दी गई अधिकांश बातें अन्य जगहों पर भी लागू होती हैं, लेकिन यूरोप की बढ़ती उम्र वाली जनसांख्यिकी, मजबूत यूनियनें, उदार कल्याणकारी राज्य, गहन औद्योगिक ज्ञान और AI तथा रोबोटिक्स विनिर्माण दोनों में कमजोर स्थिति का संयोजन इसे जांच-परख के लिए सबसे प्रासंगिक मामला बनाता है।
Physical AI के दो हिस्से हैं: वह बुद्धिमत्ता जो रोबोट को देखने, सोचने और काम करने देती है, और वह शरीर जो इसे अंजाम देता है। दोनों का भूगोल पहले से ही तय हो चुका है, और यूरोप के पास इनमें से कोई नहीं है।
बुद्धिमत्ता (intelligence) की परत में अमेरिका आगे है। वे फाउंडेशन मॉडल जो रोबोट को देखने, सोचने और काम करने देते हैं, मुख्य रूप से अमेरिकी लैब्स और स्टार्टअप्स में बनाए जा रहे हैं: Google DeepMind का Gemini Robotics, Physical Intelligence, Skild, Generalist, OpenAI Robotics, NVIDIA का Cosmos और GR00T प्लेटफॉर्म। ये "दिमाग" हैं, और ये तेजी से बढ़ते सॉफ्टवेयर टाइमस्केल पर बेहतर होते जा रहे हैं।
शरीर और उसे बड़े पैमाने पर बनाने की क्षमता में चीन आगे है। 2024 में चीन ने 295,000 इंडस्ट्रियल रोबोट लगाए, जो एक रिकॉर्ड है और वैश्विक स्तर पर लगाए गए कुल रोबोट के आधे से अधिक है, जबकि पूरे यूरोपीय संघ में 67,800 और जर्मनी में 26,982 रोबोट लगाए गए। चीनी आपूर्तिकर्ताओं के पास अब अपने घरेलू बाजार का 57% हिस्सा है, जो लगभग एक दशक पहले के 28% से बढ़ा है। ह्यूमनॉइड्स के मामले में यह असमानता और भी स्पष्ट है। 2025 में दुनिया भर में भेजे गए 13,318 ह्यूमनॉइड रोबोट में से, AgiBot ने 5,100 से अधिक और Unitree ने लगभग 4,200 भेजे, जबकि शीर्ष दस में से ज्यादातर चीनी कंपनियां थीं। जब पहली बार इसके ह्यूमनॉइड राजस्व ने उसके क्वाड्रूपेड्स को पीछे छोड़ा, तो Unitree ने अगस्त 2026 में शंघाई के STAR Market में लगभग 9 अरब डॉलर के मूल्यांकन के साथ लिस्टिंग कराई।
नवंबर 2023 में, चीन के उद्योग और सूचना प्रौद्योगिकी मंत्रालय ने Guiding Opinions on the Innovation and Development of Humanoid Robots जारी किया, जिसका लक्ष्य 2025 तक रोबोट का "दिमाग, सेरिबेलम और अंग" बनाना और 2027 तक ह्यूमनॉइड्स को वास्तविक अर्थव्यवस्था में गहराई से शामिल करना था। इसने ह्यूमनॉइड्स को कंप्यूटर और स्मार्टफोन के पैमाने की तकनीक माना, और फिर उसी के अनुसार काम किया।
अमेरिका मशीन को सोचना सिखा रहा है। चीन इसे किसी और से सस्ता बनाना सीख रहा है। यूरोप को इस भविष्य में कुछ भी न मिलने का खतरा है, और फिर भी उसे इन दोनों से ज्यादा इस तकनीक की जरूरत है। यूरोपीय आयोग के एक विश्लेषण से पता चलता है कि वर्तमान जनसंख्या अनुमानों और शिक्षा प्राप्ति में कोई बदलाव न होने की स्थिति में, 2050 तक EU का कार्यबल 1.88 करोड़ लोगों तक कम हो सकता है।
रोबोटिक्स यूरोप के सबसे अनुमानित संकट का समाधान कर सकता है, या उसके अगले संकट का कारण बन सकता है।तीन भविष्य
भविष्य 1: यूरोप तैनाती रोक देता है
यूरोप ऑटोमेशन की कमी के कारण होने वाले दीर्घकालिक विस्थापन के जोखिम के पैमाने, या संभावित समाधानों के स्वरूप को समझने में विफल रहता है। लेबर यूनियन, स्थानीय अभियान और सभी विचारधाराओं के राजनेता रोबोटिक्स को उसी तरह देखने लगते हैं जैसे कई लोग पहले से ही डेटा सेंटर को देखते हैं: ऐसी चीज़ जो बिजली, पानी, ज़मीन और नौकरियां ले लेती है, और इसके बगल में रहने वाले लोगों को बहुत कम लौटाती है। ग्रिड कनेक्शन से इनकार कर दिया जाता है, जैसा कि डबलिन में पहले से ही हो रहा है। योजना अनुमतियां अटक जाती हैं। पिंजरे में बंद औद्योगिक बांहों (industrial arms) के लिए लिखे गए सुरक्षा नियम मोबाइल, सीखने वाली मशीनों पर ऐसे लागू किए जाते हैं कि तैनाती व्यावहारिक रूप से असंभव हो जाती है। श्रमिकों के वे डर जिन्होंने लंबे समय से यूरोपीय कारखानों में पारंपरिक ऑटोमेशन को धीमा किया है, एक मजबूत राजनीतिक वीटो में बदल जाते हैं, और इसलिए, कोई भी राजनेता ऐसे मंच पर चुनाव लड़ने का जोखिम नहीं उठाता जो रोबोट तैनाती को तेज करने का स्पष्ट रूप से विरोध न करता हो।
हमारा मानना है कि अगर कुछ नहीं बदला, तो यही डिफ़ॉल्ट रास्ता होगा। दो-तिहाई यूरोपीय पहले से ही मानते हैं कि AI जितनी नौकरियां पैदा करेगा उससे ज्यादा खत्म कर देगा, और अभी तक किसी ने उन्हें इसके विपरीत मानने का कोई कारण नहीं दिया है। नतीजतन, पश्चिमी लोकतांत्रिक समाज रोबोट तैनाती को रोक देते हैं जबकि उनके प्रतिद्वंद्वी आगे बढ़ते रहते हैं। समान लोकतांत्रिक बाधाओं के बिना, चीन उत्पादन लागत को कम करता रहता है। उसके कारखाने पहले से ही पूरे यूरोपीय संघ में लगाए गए हर एक इंडस्ट्रियल रोबोट के मुकाबले चार से अधिक रोबोट लगा रहे हैं। उत्पादन विदेशों में चला जाता है, और अपने साथ निवेश, आपूर्तिकर्ता नेटवर्क और व्यावहारिक ज्ञान भी ले जाता है।
हम इस भविष्य की रूपरेखा वर्तमान में पहले से ही देख सकते हैं। केवल 2025 में जर्मन उद्योग ने लगभग 124,000 नौकरियां गंवाईं, जो पिछले साल के नुकसान से लगभग दोगुनी थीं, और 2019 के बाद से लगभग 266,000 नौकरियां गईं, जिसमें ऑटोमोटिव क्षेत्र ने छह साल में 111,000 नौकरियां, यानी अपने कार्यबल का 13% खो दिया। नवंबर 2025 में, BASF ने दक्षिणी चीन के झानजियांग में अपने नए Verbund साइट पर उत्पादन शुरू किया, जो लगभग 8.7 अरब यूरो का निवेश था और कंपनी के इतिहास की सबसे बड़ी एकल परियोजना थी। इस बीच, 160 वर्षों से कंपनी का घर रहे लुडविगशाफेन में प्लांट बंद हो रहे हैं। यह अस्थिर घरेलू आर्थिक स्थितियों के प्रति एक तार्किक प्रतिक्रिया है।
जर्मन उद्योग की रीढ़ Mittelstand अपने ग्राहकों को खो रही है। इसकी प्रतिभा हमेशा अव्यक्त ज्ञान (tacit knowledge) रही है: वह इंजीनियर जो बिल्कुल जानता है कि किसी विशेष तापमान पर कोई विशेष मिश्र धातु कैसा व्यवहार करेगी। जैसे-जैसे उत्पादन विदेशों में जाता है, यूरोपीय कंपनियां पहले विनिर्माण को आउटसोर्स करती हैं, फिर पाती हैं कि उनकी बौद्धिक संपदा (IP) विदेशों में विनिर्माण पर तेजी से निर्भर होती जा रही है, और अंततः पता चलता है कि वह ज्ञान ही गायब हो गया है।
औद्योगिक श्रमिक रोजगार खो देते हैं। उसी समय, पेशेवर लोग अमेरिकी AI सिस्टम से कॉग्निटिव ऑटोमेशन का सामना करते हैं जिसे यूरोप नियंत्रित नहीं कर पाता क्योंकि वह ऐसा करने का खर्च नहीं उठा सकता। विस्थापन की ये दोनों लहरें एक साथ आती हैं।
2024 में, सामाजिक योगदान सहित श्रम पर लगने वाले करों ने पूरे EU में कुल कर राजस्व का 51.5% हिस्सा बनाया। यूरोपीय कल्याणकारी राज्य की नींव ही इस बात पर टिकी है कि लोगों के पास नौकरियां हों। इस बीच, वृद्ध निर्भरता अनुपात (old age dependency ratio) के 2022 में 36% से बढ़कर 2070 तक 59% होने का अनुमान है, यानी 65 वर्ष से अधिक उम्र के प्रत्येक व्यक्ति के लिए लगभग तीन कामकाजी उम्र के लोगों से घटकर दो से भी कम हो जाएगा। मारियो ड्रैगी ने यूरोप की जनसांख्यिकीय और उत्पादकता स्थिति को एक "अस्तित्वगत चुनौती" कहा है।
भविष्य 1 में, ये रुझान आपस में टकराते हैं। कल्याण की जरूरतें बढ़ती हैं, क्योंकि अधिक लोग बेरोजगार हैं और अधिक सेवानिवृत्त हो रहे हैं। कर आधार सिकुड़ता है, क्योंकि यूरोपीय कंपनियां इसके भुगतान के लिए पर्याप्त उत्पादन या बिक्री नहीं कर रही हैं। सरकारों के पास तीन विकल्प हैं: सेवाओं को खराब होने दें, सिकुड़ते आधार पर कर बढ़ाएं, या कर्ज को और अधिक बढ़ने दें। ये सभी अवांछनीय या अस्थिर हैं। चरम स्थिति में, कल्याणकारी राज्य अपने वादों को पूरा करने में असमर्थ हो जाता है। श्रमिकों की रक्षा के लिए बनाई गई नीति अंततः न तो उनकी नौकरियों की रक्षा कर पाती है और न ही उनके समर्थन के लिए बनाई गई संस्थाओं की।
यूरोप अपनी सीमाओं के भीतर रोबोटिक्स को रोक सकता है। हालांकि, वह शेन्ज़ेन या सैन फ्रांसिस्को में रोबोटिक्स को नहीं रोक सकता, और वह यथार्थवादी रूप से उनके उत्पादों को ऐसी कीमतों पर अपने बंदरगाहों पर आने से नहीं रोक सकता जिसका कोई भी यूरोपीय कारखाना मुकाबला न कर सके। यूरोप में रोबोटिक तैनाती को रोकने का मतलब होगा तकनीकी प्रगति के एक नए अध्याय में प्रवेश करना और इसके लाभों से पूरी तरह वंचित रह जाना।
भविष्य 2: यूरोप समझौता कर लेता है
इस दूसरे भविष्य में, यूरोप रोबोटिक्स के व्यापक उपयोग को नहीं रोकता है और इस प्रकार सभी की भौतिक जीवन स्थितियों में वास्तविक सुधार होता है। हालांकि, भविष्य फिर भी गलत दिशा में जाता है।
पूर्ण रूप से स्वचालित “डार्क फैक्ट्रियों” वाले विदेशी प्रतिद्वंद्वियों का सामना कर रही कंपनियां भी वैसा ही जवाब देती हैं। लोगों के इर्द-गिर्द काम को फिर से डिजाइन करने के बजाय, तार्किक आर्थिक निर्णय यह बन जाता है कि लोगों को समीकरण से पूरी तरह ही हटा दिया जाए। Acemoglu और Restrepo ने पाया कि अमेरिकी स्थानीय श्रम बाजारों में, प्रति हजार श्रमिकों पर हर अतिरिक्त रोबोट ने रोजगार-से-जनसंख्या अनुपात को लगभग 0.2% और मजदूरी को लगभग 0.42% कम कर दिया। उनका अध्ययन 1990 और 2000 के दशक के रोबोट के संदर्भ में किया गया था: पिंजरे में बंद, एकल-उद्देश्य वाले और अंधे। 2029 तक हम जिस तरह के सामान्य-उद्देश्य (general purpose) रोबोटिक्स की कल्पना कर रहे हैं, उसके परिणाम कहीं अधिक महत्वपूर्ण होंगे।
एक दूसरी समस्या स्वामित्व की है। यूरोप ने डिजिटल अर्थव्यवस्था के पीछे के अधिकांश विज्ञान का आविष्कार किया और फिर दूसरों को कंपनियां बनाते देखा: Amazon, Microsoft और Google के पास अब यूरोपीय क्लाउड बाजार का लगभग 70% हिस्सा है, जबकि सभी यूरोपीय प्रदाताओं के पास मिलाकर लगभग 15% है, जो 2017 में लगभग 29% था। यूरोपीय लोग जिन फ्रंटियर मॉडलों का हर दिन उपयोग करते हैं, वे कैलिफोर्निया में, अमेरिकी चिप्स पर, अमेरिकी कानून के तहत प्रशिक्षित किए जाते हैं। रोबोटिक्स भी इसी रास्ते पर चल सकता है। पर्याप्त कंप्यूट और हार्डवेयर विनिर्माण में निवेश करने में विफलता, और यूरोपीय कंपनियों के लिए प्रतिकूल माहौल के साथ मिलकर, अमेरिका और चीन द्वारा आक्रामक बाजार प्रवेश का कारण बनती है। अमेरिकी बुद्धिमत्ता चीनी शरीरों में लगाई जाती है, और दोनों यूरोपीय कारखानों में लगाए जाते हैं।
यूरोप ऐसी भू-राजनीतिक निर्भरता के प्रभावों का अनुभव पहले ही कर चुका है। अप्रैल 2025 में, चीन ने रेयर अर्थ मैग्नेट पर निर्यात लाइसेंसिंग लागू कर दी, जिस पर अधिकांश उच्च-प्रदर्शन मोटर निर्भर करती हैं, जिनमें हर रोबोट के जोड़ों वाली मोटर भी शामिल है। दो महीने के भीतर कई यूरोपीय उत्पादन लाइनें बंद हो गईं, और चीनी तकनीक के लिए कुछ आवेदनों को IP-संवेदनशील जानकारी का खुलासा करने की आवश्यकता का सामना करना पड़ता है। एक ऐसा यूरोप जिसके कारखाने, अस्पताल, खेत और गोदाम विदेशी रोबोट पर चलते हैं, उनके शरीर बीजिंग द्वारा रोके जा सकते हैं और उनके दिमाग को कैलिफोर्निया से बंद किया जा सकता है।
ऐसी स्थिति में ऑटोमेशन से होने वाला लाभ विदेशी मॉडलों और विदेशी हार्डवेयर के मालिकों के पास जाता है, जबकि लागत घर पर ही रहती है। बड़े पैमाने पर बेरोजगारी आती है, लेकिन उसे संभालने के लिए आवश्यक कर आधार नहीं होता क्योंकि मूल्य अन्य देशों में जमा हो रहा होता है, और सामाजिक-आर्थिक विभाजन और खराब हो जाते हैं। सरकारें जो कुछ भी कर योग्य बचा है, उससे इस अंतर को पाटने की कोशिश करेंगी। यह Bridgewater द्वारा प्रस्तावित AI टोकन पर उपभोग कर के रूप में प्रकट हो सकता है, सरकारें जिस भी ऑटोमेशन में हिस्सेदारी खरीद सकती हैं उसमें सार्वजनिक हिस्सेदारी, और भूमि, ऊर्जा और कंप्यूट संसाधनों पर कर जो कुछ समय के लिए दुर्लभ रह सकते हैं। यदि इसे सार्वभौमिक बुनियादी आय (universal basic income) के रूप में पुनर्वितरित किया जाए, तो यह क्रय शक्ति बनाए रखते हुए भौतिक गरीबी को टालने में सक्षम हो सकता है। लेकिन महत्वपूर्ण बात यह है कि जिन्हें भुगतान किया जा रहा है वे अभी भी बेरोजगार हैं।
The Human Condition में, Hannah Arendt ने चेतावनी दी थी कि ऑटोमेशन हमें "श्रम के बिना श्रमिकों के समाज" में पहुंचा सकता है, एक ऐसा समाज जिसने काम को सभी मूल्यों के स्रोत के रूप में महिमामंडित किया था और फिर उसे उस एकमात्र गतिविधि से वंचित कर दिया जाएगा जो उसके लिए बची थी। उन्होंने लिखा, "निश्चित रूप से, इससे बुरा कुछ नहीं हो सकता।" 1930 में लिखते हुए Keynes ने सोचा था कि उनके पोते-पोतियों को ठीक इसी का सामना करना पड़ेगा, और उन्होंने उन लोगों के बीच "एक सामान्य 'नर्वस ब्रेकडाउन'" की भविष्यवाणी की जिन्हें पीढ़ियों से संघर्ष करने के लिए प्रशिक्षित किया गया था।
जैसा कि पहले बताया गया है, हम में से कई लोगों के लिए काम हमारी पहचान का एक महत्वपूर्ण हिस्सा है, और ट्रांसफर पेमेंट इसे बदलने के लिए पर्याप्त नहीं है। रुतबा और इसके लिए हमारी चाहत खत्म नहीं होती, बल्कि यह उस चीज़ की ओर खिसक जाती है जो अभी भी इसे दे सकती है: धन, ध्यान, शिकायत या मनमाने आधार पर समूह सदस्यता। यह बदलाव भौतिक स्थितियों की परवाह किए बिना अपने आप में अस्थिरता पैदा करेगा।
भविष्य 2 की मुख्य समस्या सामाजिक उथल-पुथल है। कंपनियां डार्क फैक्ट्रियों की ओर दौड़ती हैं, जिससे आर्थिक असमानता पैदा होती है, और वह असमानता उथल-पुथल पैदा करती है। यहां तक कि अगर पुनर्वितरण की कुछ मात्रा अर्थव्यवस्था को नरम कर दे, तो यह मानवीय समस्या को अनसुलझा छोड़ देगी।
इस तरह की उथल-पुथल उन राजनीतिक परिस्थितियों को नष्ट कर सकती है जिन पर बहुतायत निर्भर करती है: डेटा सेंटर बनाने, मशीनें तैनात करने और रोबोट का रखरखाव करने की सहमति। बहुतायत लेकिन बिना उद्देश्य वाला यूरोप अपनी नाखुशी में उन प्रणालियों को ध्वस्त करने के लिए वोट दे सकता है जो उसे पाल रही हैं। सबसे अच्छी स्थिति में, भविष्य 2 एक बुरा भविष्य है। सबसे बुरी स्थिति में, यह भविष्य 1 तक पहुंचने का बस एक लंबा रास्ता है।
भविष्य 3: यूरोप रोबोटिक्स को अपनाता है और एक नई अर्थव्यवस्था बनाता है
तीसरे भविष्य में, यूरोप पूरी तरह से रोबोटिक्स को अपनाता है और इसे आकार देने की क्षमता विकसित करता है। हम मॉडल विकसित करते हैं, रोबोट बनाते हैं और उन्हें शक्ति देने वाले बुनियादी ढांचे का निर्माण करते हैं। यूरोपीय उद्योग प्रतिस्पर्धी बना रहता है, और अधिक ज्ञान, स्वामित्व और रिटर्न यहीं बना रहता है। अंतरराष्ट्रीय सहयोग जारी रहता है, लेकिन यूरोप के पास अपनी शर्तों पर बातचीत करने की तकनीकी ताकत और अपने सार्वजनिक संस्थानों को बनाए रखने की उत्पादक क्षमता है।
यूरोप के पास उन ताकतों से इस भविष्य का निर्माण करने का अवसर है जो उसके पास पहले से हैं। इसमें रोबोट लर्निंग में विश्व स्तरीय शोध, एक विनिर्माण आधार जो अभी भी लाखों लोगों को रोजगार देता है, और एक इंजीनियरिंग परंपरा है जो सामान्य रोबोटिक बुद्धिमत्ता को हजारों विशिष्ट अनुप्रयोगों में बदल सकती है। इसने कंप्यूट को फंड करना शुरू कर दिया है: फरवरी 2025 में आयोग ने InvestAI की घोषणा की, जिसका लक्ष्य AI के लिए 200 अरब यूरो जुटाना है, जिसमें AI "गीगाफैक्ट्री" के लिए 20 अरब यूरो शामिल हैं। जिस चीज़ की कमी रही है वह यह विश्वास है कि physical AI वह जगह है जहां यूरोप अभी भी नेतृत्व कर सकता है, क्योंकि physical AI ठीक उसी को पुरस्कृत करता है जिसमें यूरोप माहिर है: सटीक विनिर्माण, गहन डोमेन ज्ञान, और मशीनों को विश्वसनीय बनाने का धैर्य।
इसके अलावा, रोबोटिक्स से होने वाले रिटर्न पर यूरोप में कर लगना चाहिए। अलास्का 1982 से हर पात्र निवासी को अपने तेल धन से वार्षिक लाभांश का भुगतान कर रहा है, और नॉर्थ सी तेल से बना नॉर्वे का सॉवरेन फंड अब अपने नागरिकों की ओर से सभी सूचीबद्ध कंपनियों में औसतन 1.5% हिस्सेदारी रखता है। यूरोपीय रोबोटिक्स लाभांश, जिसे मशीनें खुद वित्तपोषित करेंगी, इसी मॉडल का पालन करेगा। लेकिन जैसा कि भविष्य 2 दिखाता है, केवल आय लोगों को कोई भूमिका नहीं देती, और अगर हमारी महत्वाकांक्षाएं वहीं रहती हैं, तो देने के लिए बहुत कम भूमिकाएं बचेंगी।
रोबोट जो लगभग सब कुछ कर सकते हैं जो हम कर सकते हैं, जल्दी या बाद में वह सब कुछ कर देंगे जो हम वर्तमान में करवाना चाहते हैं, जिससे हमारे पास भौतिक बहुतायत बचेगी लेकिन उसे पैदा करने में हमारी कोई भूमिका नहीं होगी। फिर भी इंसान इंसान ही रहेंगे। हम अभी भी चाहेंगे कि हमारे प्रयासों को पहचाना जाए, आगे बढ़ने के अवसर मिलें और ऐसे समुदाय हों जहां हमारी अनुपस्थिति को महसूस किया जाए; इनमें से कुछ भी उस दुनिया में नहीं बचता जहां हमारे काम की उन चीज़ों के लिए जरूरत नहीं होती जिनकी हम परवाह करते हैं।
हमारा जवाब एक सिद्धांत है जिसे हम Interstellar कहते हैं। सार रूप में, मानवता की महत्वाकांक्षा का दायरा हमेशा हमारी उत्पादक क्षमता से बड़ा होना चाहिए। अगर हमारे पास मौजूद रोबोट एक हजार परियोजनाएं पूरा कर सकते हैं, तो हमें एक हजार एक का प्रयास करना चाहिए। जब हर मशीन पहले से ही व्यस्त हो, तो बचा हुआ काम, चाहे कुल का कितना भी छोटा हिस्सा क्यों न हो, लोगों के पास आता है। रोबोट और अधिक रोबोट बनाएंगे और इस अंतर को पाट देंगे, इसलिए हर बार जब हमारी मशीनें हमारी महत्वाकांक्षाओं को पकड़ लेती हैं, तो हमारी महत्वाकांक्षाओं को फिर से आगे बढ़ना होगा। इस शर्त पर, लोग उस दुनिया में भी जरूरी बने रहते हैं जहां मशीनें लगभग हर चीज़ में हमसे बेहतर हैं।
चाहे हम कभी तारों तक पहुंचें या नहीं, यह नाम उस लक्ष्य की ओर इशारा करता है जो हमेशा हमारी वर्तमान क्षमता से परे होता है। Robert Browning ने 1855 में इस विचार को व्यक्त किया था: "इंसान की पहुंच उसकी पकड़ से बड़ी होनी चाहिए... नहीं तो स्वर्ग किसलिए है?"। निकटतम उदाहरण Apollo है। 1962 में Rice University में, John F. Kennedy ने कहा था कि अमेरिका चांद पर जाएगा और "अन्य काम इसलिए करेगा, क्योंकि वे आसान हैं, बल्कि इसलिए क्योंकि वे कठिन हैं"। अपने चरम पर, इस कार्यक्रम ने सरकार, उद्योग और विश्वविद्यालयों में लगभग 400,000 लोगों को जोड़ा, जिसे 20,000 से अधिक कंपनियों का समर्थन प्राप्त था। इंजीनियर, वेल्डर, गणितज्ञ और वे दर्जिनियां जिन्होंने स्पेससूट सिले, खुद को अपनी सदी की सबसे दृश्यमान मानवीय उपलब्धि का हिस्सा पाया।
उनमें से कुछ ने ही अंतरिक्ष उड़ान के लिए प्रशिक्षण लिया था, लेकिन वे अपने कौशल और विशेषज्ञता को उस लक्ष्य के लिए लाए जिसमें उनकी जरूरत थी। यूरोप के बड़े लक्ष्य उन लोगों से भी यही मांगेंगे जिनकी भूमिकाएं रोबोट संभाल लेते हैं, और अधिकांश को यह कदम उठाने में मदद की जरूरत होगी। यही वह भूमिका है जिसकी हम shift के लिए कल्पना करते हैं: सरकारों, नियोक्ताओं और स्थानीय संस्थानों के साथ साझेदारी में बनाया गया निरंतर शिक्षा, रीस्किलिंग और सार्थक काम के लिए एक प्लेटफॉर्म। लक्ष्य यह है कि shift लोगों को हाशिए पर जरूरी काम के लिए प्रशिक्षित करने और उन्हें उससे जोड़ने में मदद करेगा।
हालांकि एक निजी कंपनी सीखने तक पहुंच में सुधार कर सकती है और अवसर पैदा कर सकती है, आय, सार्वजनिक वित्तपोषण और निष्पक्ष पहुंच के अधिकार अभी भी लोकतांत्रिक संस्थानों के पास होने चाहिए, क्योंकि वे किसी भी व्यक्तिगत कंपनी की किस्मत या प्राथमिकताओं से अधिक महत्वपूर्ण हैं। इस बदलाव को प्रबंधित करने में विस्थापन से पहले आय सुरक्षा से लेकर ऑटोमेशन से होने वाले लाभ में हिस्सेदारी (ऊपर बताए गए कुछ तंत्रों का उपयोग करके), और shift के माध्यम से वित्तपोषित मार्गों तक शामिल हो सकता है जो उस बड़े लक्ष्य द्वारा बनाए गए काम तक ले जाते हैं।
इतने बड़े पैमाने पर महत्वाकांक्षा तय करने के लिए कोई भी एक कंपनी अकेले जिम्मेदार नहीं हो सकती। इसके लिए एक ऐसे समझौते की जरूरत है जिसमें कंपनियां, श्रमिक और सार्वजनिक अधिकारी इस बात पर सहमत हों कि यूरोप, और व्यापक रूप से मानवता, अपनी बहुतायत के साथ क्या करने का इरादा रखती है।
ऐसे समझौते के बिना हम जिम्मेदारी से बड़े पैमाने पर तैनाती नहीं कर सकते, और इसकी जल्द जरूरत है। हम अभी यह नहीं कह सकते कि हाशिए पर काम क्या होगा, या क्या यह लोगों को योगदान की वह भावना दे सकता है जो आज कोई नौकरी देती है। लेकिन विकल्प एक ऐसा समाज है जिसकी महत्वाकांक्षाओं को उसकी मशीनों ने पूरी तरह से पूरा कर दिया हो, और भविष्य 2 ने दिखा दिया है कि इसका अंत कहां होता है।
मानवता जो कुछ भी करने का चुनाव कर सकती है, उसका कोई अनुमानित अंत नहीं है। हम बीमारियों को ठीक करने के नए तरीके खोज सकते हैं, उन पारिस्थितिक तंत्रों को बहाल कर सकते हैं जिन्हें हमने नुकसान पहुंचाया है, महासागरों की खोज कर सकते हैं, पृथ्वी से परे जीवन स्थापित कर सकते हैं और समय के साथ, अन्य तारों तक पहुंच सकते हैं। प्रत्येक उपलब्धि और संभावनाओं को उजागर करेगी, और प्रत्येक हमसे उससे अधिक मांगेगी जो उस समय की मशीनें अकेले प्रदान कर सकती हैं। एक सभ्यता जो इस आकार के लक्ष्य तय करती रहती है, वह कभी अपने लोगों के लिए काम से बाहर नहीं होती, क्योंकि वह जो भी लक्ष्य हासिल करती है वह उसे एक और बड़ा लक्ष्य दिखाता है। किसी भी गंतव्य से अधिक, यही हमारा Interstellar से मतलब है।
रोबोट कितने भी सक्षम क्यों न हो जाएं, हम जो करने का प्रयास कर रहे हैं उसका पैमाना लोगों के लिए उसमें एक जगह बनाए रखेगा, और उस जगह के साथ वह पहचान, प्रतिष्ठा और योगदान की भावना आएगी जो काम ने पीढ़ियों से लोगों को दी है।
स्रोत @ bercankilic.com
