ऑस्टिन की स्कूल-बस घटनाएं स्वायत्त सीखने के दावों की परीक्षा बन गई हैं
Waymo लंबे समय से स्वायत्त ड्राइविंग के एक मूल वादे को आगे बढ़ाता रहा है: कि स्व-चालित वाहनों का एक बेड़ा सामूहिक अनुभव से सीख सकता है, और हर अपवाद या त्रुटि के बाद बेहतर हो सकता है। लेकिन टेक्सास के ऑस्टिन में घटनाओं की एक श्रृंखला यह चुनौती दे रही है कि उस वादे को व्यवहार में कैसे समझा जाए।
सार्वजनिक रिकॉर्ड और संघीय जांच पर आधारित रिपोर्टिंग के अनुसार, ऑस्टिन में Waymo वाहनों को उन स्कूल बसों के लिए महीनों तक रुकने में संघर्ष करना पड़ा, जब लाल बत्तियाँ चमक रही थीं और स्टॉप आर्म निकले हुए थे। ऑस्टिन इंडिपेंडेंट स्कूल डिस्ट्रिक्ट के अधिकारियों ने आरोप लगाया कि कम से कम 19 मामलों में वाहनों ने छात्र पिकअप और ड्रॉप-ऑफ के दौरान बसों को अवैध और खतरनाक तरीके से पार किया।
मामला इतना गंभीर था कि Waymo ने दिसंबर की शुरुआत में एक संघीय रिकॉल जारी किया, जो नेशनल हाईवे ट्रैफिक सेफ्टी एडमिनिस्ट्रेशन को रिपोर्ट की गई कम से कम 12 घटनाओं से जुड़ा था। कंपनी ने नियामकों को बताया कि उसने पहले ही इस व्यवहार को संबोधित करने के लिए सॉफ़्टवेयर बदलाव विकसित कर लिए थे। फिर भी समस्या तुरंत समाप्त नहीं हुई।
रिकॉल के बाद भी घटनाएं कथित रूप से जारी रहीं
रिपोर्ट में उद्धृत रिकॉर्ड दिखाते हैं कि ऑस्टिन के स्कूल अधिकारियों और Waymo ने सामान्य समस्या-निवारण से आगे कदम बढ़ाए। दिसंबर के मध्य में, स्कूल जिले ने एक पार्किंग लॉट में आधे दिन का डेटा-संग्रह कार्यक्रम आयोजित किया, जिसमें बसें और स्टॉप-आर्म उपकरण जुटाए गए ताकि Waymo चमकती चेतावनी प्रणालियों के आसपास वाहन के व्यवहार के बारे में अतिरिक्त जानकारी एकत्र कर सके।
इस तरह का समन्वय बताता है कि दोनों पक्षों ने इस मुद्दे को तकनीकी रूप से हल करने योग्य और तत्काल माना। स्कूल बसें कड़े सुरक्षा नियमों के तहत चलती हैं क्योंकि बच्चे अप्रत्याशित रूप से सड़क पार कर सकते हैं, इसलिए स्टॉप संकेतों का पालन अनिवार्य होता है। ऐसा चालकहीन सिस्टम जो इस संदर्भ में बार-बार विफल होता है, सिर्फ अपूर्ण नहीं है। वह कानूनी और सार्वजनिक-सुरक्षा सीमा से नीचे काम कर रहा है।
इस प्रकरण को विशेष रूप से उल्लेखनीय बनाने वाली बात यह है कि रिकॉल और इस लक्षित जानकारी-संग्रह अभ्यास के बाद भी घटनाएं कथित रूप से जारी रहीं। जनवरी के मध्य तक, स्कूल जिले ने स्कूल-बस को पार करने की कम से कम चार अतिरिक्त घटनाएं रिपोर्ट की थीं। जिले के पुलिस विभाग के एक अधिकारी ने अंतर को स्पष्ट शब्दों में रखा और कहा कि मानव उल्लंघनकर्ता अक्सर एक चालान के बाद सीख जाते हैं, लेकिन ऐसा नहीं लगा कि स्वचालित ड्राइविंग सिस्टम अपने सॉफ़्टवेयर अपडेट या रिकॉल कार्रवाइयों के माध्यम से उसी तरह सीख रहा था।
गहरा सवाल यह है कि “सीखना” वास्तव में क्या मायने रखता है
स्वायत्त वाहन कंपनियां अक्सर फ्लीट-स्तर पर सीखने को मानव चालकों पर एक प्रमुख बढ़त के रूप में बताती हैं। यह विचार आकर्षक है: एक वाहन की गलती सैद्धांतिक रूप से हर वाहन के लिए सबक बन सकती है। लेकिन ऑस्टिन का अनुभव दिखाता है कि यह प्रक्रिया मार्केटिंग के संक्षिप्त रूप से सुझाई गई तुलना में धीमी, सीमित या अधिक नाज़ुक हो सकती है।
वास्तविक दुनिया का यातायात संकेतों, परिवेश, प्रकाश स्थितियों, स्थानीय उपकरणों की भिन्नताओं और व्यवहारिक अपेक्षाओं के असामान्य संयोजनों से भरा होता है। स्कूल बसें एक विशेष रूप से संवेदनशील उदाहरण हैं क्योंकि उनमें कानूनी संकेत, वाहन की असामान्य बनावट और सड़क किनारे उच्च-जोखिम स्थितियां एक साथ आती हैं। किसी स्वायत्त प्रणाली को केवल अधिक उदाहरणों की नहीं, बल्कि सही प्रकार के उदाहरणों, सही लेबलों और पर्याप्त मजबूत मॉडल अपडेट की आवश्यकता हो सकती है, ताकि किसी समस्या का पूरे बेड़े में अर्थपूर्ण समाधान हो सके।
सैद्धांतिक सीख और संचालनात्मक अनुकूलन के बीच का यह अंतर अब ऑस्टिन मामले के केंद्र में है। यदि किसी कंपनी ने समस्या की पहचान कर ली है, रिकॉल जारी किया है, समर्पित स्थानीय डेटा एकत्र किया है, और फिर भी घटनाएं जारी हैं, तो नियामक और जनता यह पूछने की संभावना रखते हैं कि स्वायत्त सीखने के दावों को कैसे मापा और ऑडिट किया जाना चाहिए।
ऑस्टिन से परे इसका महत्व क्यों है
ऑस्टिन की घटनाएं व्यापक स्वायत्त वाहन क्षेत्र के लिए असहज समय पर सामने आई हैं। रोबोटैक्सी डेवलपर व्यावसायिक रूप से विस्तार कर रहे हैं और राजनीतिक रूप से यह तर्क दे रहे हैं कि उनके सिस्टम अंततः सुरक्षा में मनुष्यों से बेहतर प्रदर्शन कर सकते हैं। लेकिन ऐसे तर्क केवल औसत प्रदर्शन पर नहीं, बल्कि दुर्लभ, उच्च-परिणाम वाले परिदृश्यों के प्रबंधन पर निर्भर करते हैं।
स्कूल-बस अनुपालन ऐसे ही परिदृश्यों में से एक है। यह जनता के लिए स्पष्ट है, कड़ी तरह से विनियमित है, और भावनात्मक रूप से प्रभावशाली है क्योंकि इसमें बच्चे शामिल होते हैं। इसलिए बार-बार विफलता विश्वास के लिए विशेष रूप से हानिकारक होती है। भले ही ऐसे मामले कुल संचालित मील का एक छोटा हिस्सा हों, readiness के बारे में सार्वजनिक निर्णय में उनका अनुपातहीन महत्व होता है।
यह प्रकरण यह भी सुझाता है कि सॉफ़्टवेयर फिक्स से वास्तविक दुनिया के समाधान तक का रास्ता बाहरी लोगों की अपेक्षा जितना तत्काल नहीं होता। मशीन लर्निंग सिस्टम मानव अर्थ में “सीखते” नहीं हैं। वे इंजीनियरिंग पाइपलाइनों, वैलिडेशन कार्य, सिमुलेशन, तैनाती समय-सारिणियों और सुरक्षा गेटों पर निर्भर करते हैं। इसका मतलब है कि डेटा का अस्तित्व और सुधार का अस्तित्व एक ही बात नहीं हैं।
Waymo के लिए, ऑस्टिन की समस्या केवल एक स्थानीय संचालनात्मक मुद्दा नहीं है। यह इस बात की परीक्षा है कि क्या स्वायत्त ड्राइविंग की स्केलेबल लर्निंग वाली केंद्रीय कहानी सार्वजनिक रूप से बार-बार होने वाली किनारी-मामला विफलताओं की जांच में टिक सकती है। नियामकों के लिए, यह याद दिलाता है कि रिकॉल भाषा और सीखने के दावों की मानक सॉफ़्टवेयर अपडेट आश्वासन की तुलना में अधिक करीबी जांच की आवश्यकता हो सकती है।
व्यापक स्वायत्त वाहन बाजार इसे ध्यान से देखेगा। यदि स्व-चालित सिस्टम को स्थायी सार्वजनिक विश्वास अर्जित करना है, तो उन्हें केवल यह दिखाना नहीं होगा कि वे गलतियों के बाद डेटा एकत्र करते हैं, बल्कि यह भी कि वे उस डेटा को समय पर, सत्यापन योग्य व्यवहारिक बदलाव में बदल सकते हैं, उन जगहों पर जहां सुरक्षा सबसे अधिक मायने रखती है।
यह लेख Wired की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
