ऑस्टिन का एआई रोडब्लॉक: वेमो स्कूल बसों के साथ संघर्ष करता है

ऑस्टिन विसंगति: वेमो की स्कूल बस गलती

ऑस्टिन, टेक्सास, एक शहर जो अपने जीवंत तकनीकी दृश्य और दूरदर्शी पहल के लिए जाना जाता है, हाल ही में स्वायत्त वाहन (एवी) सीखने की जटिलताओं के लिए एक अप्रत्याशित साबित मैदान बन गया है। जबकि वेमो, Google की सेल्फ-ड्राइविंग कार इकाई, विभिन्न अमेरिकी शहरों में अपने परिचालन का विस्तार कर रही है, टेक्सास की राजधानी की सड़कों पर एक विशिष्ट चुनौती उभर कर सामने आई: इसके स्वायत्त वाहन चमकती रोशनी के साथ रुकी हुई स्कूल बसों को ठीक से पहचानने और प्रतिक्रिया देने के लिए लगातार संघर्ष कर रहे थे।

2023 के अंत में रिपोर्टें सामने आने लगीं, जिसमें ऐसे उदाहरणों का विवरण दिया गया है जहां पूरी तरह से स्वायत्त मोड में चलने वाले वेमो वाहन या तो पूरी तरह से रुकने में विफल रहे या झिझक, अप्रत्याशित व्यवहार का प्रदर्शन किया। यात्रियों को छोड़ने या लेने में लगी स्कूल बसों का सामना करना। हालाँकि, शुक्र है कि इन घटनाओं के परिणामस्वरूप कोई चोट नहीं आई, लेकिन माता-पिता, स्कूल अधिकारियों और स्थानीय अधिकारियों के बीच महत्वपूर्ण सुरक्षा चिंताएँ बढ़ गईं। ऑस्टिन परिवहन विभाग के प्रवक्ता मार्कस थॉर्न ने पिछले फरवरी में एक साक्षात्कार में कहा, "यह सिर्फ एक या दो अलग-अलग घटनाएँ नहीं थीं।" "हमने एक पैटर्न देखा जिसने एक प्रणालीगत मुद्दे का संकेत दिया कि ये वाहन एक महत्वपूर्ण, सार्वभौमिक सड़क सुरक्षा प्रोटोकॉल की व्याख्या कैसे कर रहे थे।"

एक जिले का सक्रिय दृष्टिकोण

बढ़ती चिंताओं के जवाब में, ऑस्टिन इंडिपेंडेंट स्कूल डिस्ट्रिक्ट (एआईएसडी) ने ऑस्टिन शहर के सहयोग से जनवरी 2024 में एक अनूठा पायलट कार्यक्रम शुरू किया। इस पहल का उद्देश्य वेमो वाहनों के सीखने के अंतर को सीधे संबोधित करना था। एआईएसडी के परिवहन निदेशक डॉ. ऐलेना रोड्रिग्ज ने बताया, "हमने माना कि एवी हमारे भविष्य का हिस्सा हैं, लेकिन सुरक्षा, विशेष रूप से हमारे बच्चों के लिए, पर समझौता नहीं किया जा सकता है।" "हमारा विचार वेमो के साथ सीधे काम करना था, अनिवार्य रूप से स्कूल बस स्टॉप की बारीकियों को 'सीखने' के लिए उनके एआई के लिए एक नियंत्रित वातावरण बनाना था।"

कार्यक्रम में एआईएसडी ने वेमो के परिचालन क्षेत्रों के भीतर पूर्व-निर्धारित मार्गों पर विशेष टेलीमेट्री और संचार उपकरणों से लैस कई स्कूल बसों को तैनात करना शामिल था। ये बसें वास्तविक दुनिया की स्थितियों को प्रतिबिंबित करते हुए दिन के विभिन्न समय में सिम्युलेटेड स्टॉप का प्रदर्शन करेंगी। लक्ष्य वेमो के एआई को प्रचुर मात्रा में डेटा - दृश्य, एलआईडीएआर, रडार और प्रासंगिक - खिलाना था - विशेष रूप से चमकती लाल बत्ती, विस्तारित स्टॉप-आर्म्स और स्कूल बस के आसपास बच्चों की उपस्थिति से संबंधित। वेमो इंजीनियरों को बस मार्गों और वास्तविक समय डेटा स्ट्रीम तक पहुंच प्रदान की गई थी, जिससे उनकी धारणा और भविष्यवाणी मॉडल को बेहतर बनाने की उम्मीद थी।

जब एल्गोरिदम बाधाओं को पार करते हैं

सहयोगात्मक प्रयास और तीन महीने की अवधि में व्यापक डेटा संग्रह के बावजूद, परिणाम निराशाजनक थे। अप्रैल 2024 तक, वेमो के वाहनों ने कुछ मामूली सुधार दिखाते हुए असंगत व्यवहार प्रदर्शित करना जारी रखा। कुछ वाहन समय से पहले आगे बढ़ने के लिए सही ढंग से रुकते थे। अन्य लोग धीमे तो होंगे लेकिन पूरी तरह नहीं रुकेंगे, या आगे बढ़ने का निर्णय लेने से पहले असामान्य रूप से लंबे समय तक झिझकेंगे। एक प्रेस ब्रीफिंग के दौरान वेमो के परसेप्शन सिस्टम्स के प्रमुख डॉ. लीना खान ने टिप्पणी की, "हमने सिस्टम में हजारों घंटे का सिम्युलेटेड और वास्तविक दुनिया का डेटा डाला।" "जबकि हमने वस्तु पहचान और स्टॉप-आर्म डिटेक्शन में सुधार देखा, वास्तविक दुनिया का अनुमान और पूर्ण स्टॉपिंग प्रोटोकॉल का लगातार पालन, विशेष रूप से चमक या बारिश जैसी विभिन्न परिस्थितियों में, मायावी रहा।"

इस विफलता ने एक महत्वपूर्ण सीमा को उजागर किया: एआई के लिए विशाल डेटासेट को मजबूत, सार्वभौमिक रूप से लागू वास्तविक दुनिया के निर्णय लेने में अनुवाद करने की कठिनाई। स्कूल बस स्टॉप की बारीकियाँ - चमकती रोशनी, स्टॉप-आर्म, बच्चों की संभावित उपस्थिति, और सभी लेन में रुकने की कानूनी आवश्यकता - एल्गोरिदम के लिए अनुमान से अधिक जटिल साबित हुई। कार्यक्रम को आधिकारिक तौर पर अप्रैल के अंत में रोक दिया गया था, जिसमें वेमो ने कहा था कि उन्हें फिर से जुड़ने से पहले अपनी मूल शिक्षण पद्धतियों का पुनर्मूल्यांकन करने की आवश्यकता है।

लर्निंग कर्व: एआई की रियल-वर्ल्ड क्लासरूम

ऑस्टिन की घटनाएं बुनियादी सवालों को रेखांकित करती हैं कि सेल्फ-ड्राइविंग कारें कैसे 'सीखती' हैं और अपने परिवेश के अनुकूल ढल जाती हैं। वेमो वाहन, कई उन्नत एवी की तरह, एक परिष्कृत सेंसर सूट पर भरोसा करते हैं, जिसमें शामिल हैं:

• LIDAR: सटीक 3D मैपिंग और ऑब्जेक्ट डिटेक्शन के लिए।
• रडार: गति और दूरी मापने के लिए, विशेष रूप से प्रतिकूल मौसम में उपयोगी।
• हाई-रिज़ॉल्यूशन कैमरे: दृश्य धारणा, ट्रैफ़िक लाइट पहचान और स्टॉप साइन और, महत्वपूर्ण रूप से, स्कूल बस स्टॉप जैसी विशिष्ट वस्तुओं की पहचान के लिए हथियार।
• एआई एल्गोरिदम: इस डेटा को फ्यूज करने, व्यवहार की भविष्यवाणी करने और ड्राइविंग निर्णय लेने के लिए।

वेमो की सेवा का मूल्य प्रस्ताव, जो अपने मजबूत हार्डवेयर और उन्नत एआई के माध्यम से बढ़ी हुई सुरक्षा और दक्षता का वादा करता है, को जांच का सामना करना पड़ता है जब यह एक बुनियादी, जीवन-महत्वपूर्ण यातायात नियम पर लड़खड़ाता है। ऑस्टिन अनुभव से पता चलता है कि जबकि एवी स्थिर वस्तुओं को पहचानने और स्पष्ट लेन चिह्नों का पालन करने में उत्कृष्टता प्राप्त करते हैं, गतिशील, संदर्भ-निर्भर मानव सुरक्षा प्रोटोकॉल की व्याख्या करने के लिए एक गहरे स्तर के संज्ञानात्मक अनुकरण की आवश्यकता होती है जो वर्तमान एआई मॉडल अभी तक पूरी तरह से प्राप्त नहीं कर सकते हैं।

ऑस्टिन से परे: स्वायत्त भविष्य के लिए निहितार्थ

ऑस्टिन में ठहराव स्वायत्त वाहनों के लिए मौत की घंटी नहीं है, बल्कि आगे आने वाली भारी चुनौतियों की याद दिलाता है। उपभोक्ताओं के लिए, ये घटनाएँ सतर्क आशावाद की आवश्यकता को सुदृढ़ करती हैं। जबकि रोबोटैक्सी की सुविधा आकर्षक है, अंतर्निहित तकनीक दोषरहित होनी चाहिए, खासकर जब कमजोर सड़क उपयोगकर्ताओं की सुरक्षा की बात आती है। स्वायत्त ड्राइविंग में पैसे का मूल्य केवल प्रति मील लागत के बारे में नहीं है; यह आंतरिक रूप से सुरक्षा के अटूट आश्वासन से जुड़ा हुआ है।

ऑस्टिन में टेक्सास विश्वविद्यालय में एआई एथिक्स शोधकर्ता डॉ. एवलिन रीड जैसे उद्योग विशेषज्ञ इस बात पर जोर देते हैं कि ऐसी विफलताएं विकास प्रक्रिया का हिस्सा हैं। डॉ. रीड ने कहा, "यह वेमो के प्रयास की कमी के बारे में नहीं है, बल्कि वास्तव में बुद्धिमान सिस्टम बनाने की अंतर्निहित कठिनाई के बारे में है।" "मानव चालक अनुभव, अंतर्ज्ञान और सामाजिक समझ के माध्यम से सीखते हैं। एआई डेटा और पैटर्न के माध्यम से सीखता है। उस अंतर को पाटना, विशेष रूप से किनारे के मामलों और स्कूल बस स्टॉप जैसे महत्वपूर्ण सुरक्षा परिदृश्यों के लिए, स्वायत्त प्रौद्योगिकी के लिए अंतिम सीमा है।" ऑस्टिन विसंगति एक महत्वपूर्ण सबक के रूप में कार्य करती है, जो उद्योग को अपने 'सीखने' के तरीकों को परिष्कृत करने और यह सुनिश्चित करने के लिए प्रेरित करती है कि गतिशीलता का भविष्य न केवल स्मार्ट है, बल्कि स्पष्ट रूप से सुरक्षित है।