AI তিমি সতর্কতা গবেষণা থেকে ফেরি পরিচালনায় যাচ্ছে

সান ফ্রান্সিসকো উপসাগরে চালু ফেরিগুলিতে AI-চালিত তিমি সতর্কতা পরীক্ষা করা হচ্ছে

সান ফ্রান্সিসকো উপসাগরে, একটি যাত্রীবাহী ফেরিতে বসানো একটি ট্যাবলেট এমন একটি কাজ করছে যা কয়েক বছর আগেও অস্বাভাবিক শোনাতো: তিমি সামনে থাকলে কর্মীদের সতর্ক করা। সিস্টেমটি একটি তিমি শনাক্ত করলেই এমন সময়ে সতর্কতা পাঠায়, যাতে অধিনায়ক গতি কমাতে বা পথ পরিবর্তন করতে পারেন। এটাই একটি নতুন পাইলট প্রকল্পের মূল ধারণা, যা অঞ্চলের সবচেয়ে কঠিন পরিবেশগত সংঘর্ষগুলোর একটির দিকে নজর দিচ্ছে, অর্থাৎ তিমির অভিবাসন ও ঘন বাণিজ্যিক ট্রাফিকের ক্রমবর্ধমান ওভারল্যাপ।

প্রদত্ত মূল লেখায় বর্ণিত এই প্রকল্পটি, প্রয়োগিক AI-এর একটি বাস্তবমুখী মোড়কে তুলে ধরে। সর্বজনীন কোনো বড় অগ্রগতির পেছনে না ছুটে, সিস্টেমটি তাৎক্ষণিক প্রভাবযুক্ত একটি সংকীর্ণ অপারেশনাল কাজকে কেন্দ্র করে তৈরি: একটি জাহাজ যেন তিমিকে ধাক্কা না দেয়, সেই সম্ভাবনা কমানো। জলবায়ু-প্রভাবিত পরিবেশগত পরিবর্তনের কারণে আরও বেশি গ্রে তিমি উপসাগরে আসছে এমন এক ভিড়ভাট্টা জলপথে, এমন লক্ষ্যভিত্তিক সতর্কতা ব্যবস্থা বড় নিয়ন্ত্রক বা অবকাঠামোগত পরিবর্তনের অপেক্ষা না করেই AI কীভাবে সংরক্ষণে সহায়তা করতে পারে, তার মডেল হয়ে উঠতে পারে।

ঝুঁকি কেন বেড়েছে

পাইলটে যুক্ত গবেষকরা বলেন, গ্রে তিমি আগে উপসাগরের ভেতরে খুবই বিরল ছিল, কিন্তু জলবায়ু পরিবর্তন সামুদ্রিক খাদ্যস্রোতকে প্রভাবিত করায় তা বদলাচ্ছে। আলাস্কা থেকে মেক্সিকো পর্যন্ত দীর্ঘ অভিবাসনের পথে এই প্রাণীগুলো এখন আরও বেশি করে এখানে থামছে। কিন্তু উপসাগরটি মোটেই নিরাপদ বিরতি নয়। এটি কার্গো জাহাজ, ক্রুজ জাহাজ, তেলবাহী ট্যাঙ্কার, ফেরি এবং অন্যান্য নৌযানে ভরা; ফলে সামুদ্রিক প্রাণীরা অঞ্চলের ব্যস্ততম পরিবহন করিডরগুলোর একটিতে চাপে পড়ছে।

মূল লেখায় বলা হয়েছে, গত বছর উপসাগরে ২১টি তিমির মৃত্যু হয়েছে এবং সেসব মৃত্যুর ৪০% জাহাজের ধাক্কায় ঘটেছে। ফলে চ্যালেঞ্জটি পরিবেশগতও, অপারেশনালও। ফেরি কর্মী ও বাণিজ্যিক অপারেটররা এখন কেবল আবহাওয়া ও ট্রাফিকের মধ্যে নেভিগেট করছেন না। তারা ক্রমশ একই রুটে বড় সামুদ্রিক স্তন্যপায়ীদের সাথে পথ ভাগ করছেন, যাদের উপস্থিতি আগেভাগে অনুমান করা কঠিন এবং সময়মতো দেখা আরও কঠিন, বিশেষ করে রাতে বা কুয়াশায়।

ইউনিভার্সিটি অফ ক্যালিফোর্নিয়া সান্তা বারবারার বেনিওফ ওশান সায়েন্স ল্যাবের র‍্যাচেল রোডস মূল লেখায় পরিস্থিতিটিকে স্পষ্ট ভাষায় “দুর্যোগের রেসিপি” বলে বর্ণনা করেছেন। ছোট জায়গা এবং ভারী নৌযান চলাচল দেখায়, সংঘর্ষের ঝুঁকি কোনো দূর ভবিষ্যতের বিষয় নয়। এটি ইতিমধ্যে তিমির মৃত্যুর পরিমাপযোগ্য একটি উৎস।

কীভাবে শনাক্তকরণ ব্যবস্থা কাজ করে

এই পাইলটটি একাধিক স্তরের সেন্সিং ও যাচাইকে একত্র করেছে। বেনিওফ ওশান সায়েন্স ল্যাব পরিচালিত WhaleSafe, তিমি দেখার রিপোর্ট ট্র্যাক করে জাহাজকে সতর্ক করতে সাহায্য করে। দক্ষিণ ক্যালিফোর্নিয়ায় দলটি অন্য যন্ত্রও পরীক্ষা করেছে, যার মধ্যে তিমির শব্দ শোনে এমন অ্যাকুস্টিক বয়া রয়েছে। কিন্তু মূল লেখায় বলা হয়েছে, গ্রে তিমিরা খুব বেশি শব্দ করে না, তাই এই কাজে অ্যাকুস্টিক মনিটরিং খুব কার্যকর নয়।

সান ফ্রান্সিসকো উপসাগরের জন্য অংশীদাররা তাই থার্মাল ক্যামেরার দিকে গেছে। এই ক্যামেরাগুলো পানির উপর ভেসে ওঠার সময় তিমির নিঃশ্বাসের তাপচিহ্ন শনাক্ত করতে পারে। সিস্টেমটির পেছনের স্টার্টআপ WhaleSpotter, এই থার্মাল ছবিগুলো বিশ্লেষণ করতে AI ব্যবহার করে। তারপর সারা বিশ্বের বিশেষজ্ঞদের একটি নেটওয়ার্ক প্রতিটি তিমি শনাক্তকরণকে রিয়েল টাইমে নিশ্চিত করে, এর পরই সতর্কতা পাঠানো হয়।

এই ওয়ার্কফ্লো গুরুত্বপূর্ণ। এটি দেখায়, এটি এমন কোনো স্বয়ংক্রিয় ভিশন মডেল নয় যা যাচাই ছাড়া নিরাপত্তা সিদ্ধান্ত নিচ্ছে। AI দ্রুত ছবি বিশ্লেষণ করে, কিন্তু শনাক্তকরণ নিশ্চিত করতে মানুষের বিশেষজ্ঞরা এখনও লুপের মধ্যে থাকেন। যেখানে ভুল ইতিবাচক ও ভুল নেতিবাচক উভয়েরই খরচ আছে, সেখানে এমন হাইব্রিড কাঠামো পূর্ণ অটোমেশনের চেয়ে অনেক বেশি বাস্তবসম্মত।

প্রদত্ত মূল লেখায় বলা হয়েছে, থার্মাল সিস্টেমটি চার নটিক্যাল মাইল দূর পর্যন্ত তিমি শনাক্ত করতে পারে। WhaleSpotter-এর CEO শন হেনরি বলেন, লক্ষ্য হলো তিমিকে জাহাজের বিপদসীমার অনেক আগেই দেখতে পাওয়া, যাতে অধিনায়ক সংশোধনমূলক পদক্ষেপ নিতে পারেন। অর্থাৎ, প্রযুক্তিটি আসলে কর্মীদের জন্য সময় কিনে দিচ্ছে, আর সংঘর্ষ এড়াতে সময়ই প্রায়ই সবচেয়ে মূল্যবান সম্পদ।

এখন পর্যন্ত ফেরি অপারেটররা কী দেখছেন

পাইলটটি দুই জায়গায় ক্যামেরা ব্যবহার করছে, যার একটি এমন একটি ফেরিতে, যেখানে ইতিমধ্যেই তিমি মৌসুমে একজন মানব লুকআউট ছিল। এতে প্রশিক্ষিত পর্যবেক্ষণ ও যন্ত্রভিত্তিক শনাক্তকরণের সরাসরি তুলনা সম্ভব হয়। মূল লেখার প্রাথমিক ইঙ্গিত হলো, থার্মাল সিস্টেমটি কখনও কখনও কর্মীরা খালি চোখে বা বাইনোকুলারে দেখার আগেই তিমি শনাক্ত করতে পারে।

সান ফ্রান্সিসকো বেই ফেরির অপারেশনস ডিরেক্টর থমাস হল মূল লেখায় বলেন, সতর্কতাগুলো প্রায়ই এমন সময়ে এসেছে যখন জাহাজে থাকা লোকজন নিজেরা দেখার ঠিক আগে পেতেন। এই সামান্য বাড়তি সুবিধা কাজের জাহাজে একটি সাধারণ গতি সমন্বয় আর দ্রুত এড়িয়ে যাওয়ার কৌশলের মধ্যে পার্থক্য গড়ে দিতে পারে।

এই ব্যবস্থা সেইসব অবস্থাতেও কাজ করে যেখানে মানব পর্যবেক্ষণ সবচেয়ে দুর্বল। এটি রাতে ও ঘন কুয়াশায় কাজ করতে পারে, যখন অভিজ্ঞ লুকআউটরাও উপরে উঠে আসা প্রাণী মিস করতে পারেন। ট্যাবলেট ইন্টারফেস রাডারে তিমির অবস্থান দেখায়, একটি ক্ষণস্থায়ী চাক্ষুষ সংকেতকে কার্যকর নেভিগেশনাল ইনপুটে পরিণত করে। এটি সূক্ষ্ম কিন্তু গুরুত্বপূর্ণ একটি ধাপ: টুলটি শুধু বলে না যে আশেপাশে কোথাও একটি তিমি আছে, বরং শনাক্তকরণকে এমন কিছুর মধ্যে রূপান্তর করে যা চলন্ত অবস্থায় কর্মীরা ব্যবহার করতে পারেন।

AI মোতায়েনের ভিন্ন ধরন

এই পাইলটকে গুরুত্বপূর্ণ করে তোলে শুধু সংরক্ষণ লক্ষ্য নয়। এটিকে আলাদা করে এর AI মোতায়েনের ধরন। AI নিয়ে জনপর্যায়ের অনেক আলোচনা এখনো চ্যাটবট, ইমেজ জেনারেশন, এবং স্বায়ত্তশাসন নিয়ে বিস্তৃত দাবির ওপর কেন্দ্রীভূত। এই প্রকল্পটি আরও সংকীর্ণ এবং বাস্তবভিত্তিক। এটি সেন্সর, মানব যাচাই, এবং স্পষ্ট সিদ্ধান্তপথের সঙ্গে যন্ত্রবিশ্লেষণ ব্যবহার করে। সাফল্যের মাপকাঠিও ততটাই নির্দিষ্ট: জাহাজ ও তিমির মধ্যে কম সংঘর্ষ।

এর মানে এই নয় যে সিস্টেমটি সহজ। এটি থার্মাল ইমেজিং, শক্তিশালী অ্যালার্ট, বিশেষজ্ঞ পর্যালোচনা, এবং অপারেটরের আস্থার ওপর নির্ভর করে। কিন্তু এটি মনে করিয়ে দেয় যে AI-এর সবচেয়ে তাৎপর্যপূর্ণ ব্যবহারগুলোর কিছু হয়তো স্বতন্ত্র কনজিউমার পণ্য নয়, বরং ভৌত অবকাঠামোর সঙ্গে যুক্ত ছোট ইন্টারফেস থেকে আসতে পারে। ফেরি অধিনায়কের একটি সাধারণ উদ্দেশ্যের সহকারী দরকার নেই। অধিনায়কের দরকার ঠিক সামনে থাকা বড় এবং ঝুঁকিপূর্ণ কিছুর আগাম সতর্কতা।

এরপর কী

পাইলটটি অন্তত দুই বছর চলবে বলে আশা করা হচ্ছে, যাতে গবেষক ও অপারেটররা বিভিন্ন ঋতু ও অবস্থায় সিস্টেমের কর্মক্ষমতা মূল্যায়ন করার সময় পান। এই সময়রেখা ইঙ্গিত দেয়, উদ্যোগটি এখনও প্রমাণ-সংগ্রহের পর্যায়ে, চূড়ান্ত মোতায়েন নয়। তবু নকশাটি এমন একটি স্কেলযোগ্য মডেলের দিকে ইঙ্গিত করে, যা অন্যান্য ব্যস্ত উপকূলীয় রুটেও কাজে লাগতে পারে, যেখানে সামুদ্রিক স্তন্যপায়ীর চলাচল বাণিজ্যিক শিপিংয়ের সঙ্গে মিশে যায়।

যদি সিস্টেমটি নির্ভরযোগ্য প্রমাণিত হয়, তবে এটি তিমি সুরক্ষার বৃহত্তর টুলকিটকে শক্তিশালী করতে পারে, যার মধ্যে ইতিমধ্যেই রিপোর্ট করা দর্শন এবং অন্য অঞ্চলে অ্যাকুস্টিক মনিটরিং রয়েছে। যেখানে লক্ষ্যপ্রজাতি নীরব, দৃশ্যমানতা কম, এবং নৌযানের ঘনত্ব বেশি, সেখানে থার্মাল শনাক্তকরণ বিশেষভাবে কার্যকর হতে পারে।

সান ফ্রান্সিসকো উপসাগরের পাইলটটি তিমিকে আরও ঝুঁকিপূর্ণ পরিবেশে ঠেলে দেওয়া বৃহত্তর জলবায়ু চাপের সমাধান করে না। তবে এটি দেখায়, একটি নির্দিষ্ট অপারেশনাল সমস্যাকে কীভাবে সতর্কভাবে সীমিত একটি প্রযুক্তিগত ব্যবস্থার মাধ্যমে মোকাবিলা করা যায়। সেই অর্থে, প্রকল্পটি বন্য পরিবেশে AI-এর একটি বাস্তব উদাহরণ হিসেবে দাঁড়ায়: মানব বিবেচনাকে প্রতিস্থাপন করা নয়, বরং ভিড়ভাট্টা ও পরিবর্তনশীল পরিবেশে ক্ষতি কমাতে সেটিকে যথেষ্ট সম্প্রসারিত করা।

এই নিবন্ধটি Fast Company-এর প্রতিবেদন ভিত্তিক। মূল নিবন্ধ পড়ুন.