AI திமிங்கில எச்சரிக்கைகள் ஆராய்ச்சியிலிருந்து படகுப் போக்குவரத்து செயல்பாடுகளுக்குள் நகர்கின்றன

சான் பிரான்சிஸ்கோ வளைகுடா பணியில் இயங்கும் பேரிகளை நோக்கி AI இயக்கப்படும் திமிங்கில எச்சரிக்கைகளை சோதிக்கிறது

சான் பிரான்சிஸ்கோ வளைகுடாவில், ஒரு பயணிகள் பேரியில் பொருத்தப்பட்ட டேப்லெட் சில ஆண்டுகளுக்கு முன் விசித்திரமாகத் தோன்றியிருக்கும் ஒரு வேலையைச் செய்கிறது: திமிங்கிலங்கள் முன்புறத்தில் இருப்பின் பணியாளர்களுக்கு எச்சரிக்கை வழங்குவது. அமைப்பு ஒன்றைக் கண்டறிந்தால், கேப்டன் வேகத்தை குறைக்க அல்லது பாதையை மாற்றத் தேவையான அளவு முன்கூட்டியே எச்சரிக்கை அனுப்புகிறது. இது, திமிங்கில இடம்பெயர்வு மற்றும் அடர்த்தியான வணிகக் கடல் போக்குவரத்து ஒன்றுடன் ஒன்று அதிகரித்து மோதும், இந்தப் பகுதியின் மிகக் கடினமான சுற்றுச்சூழல் முரண்பாடுகளில் ஒன்றை நோக்கமாகக் கொண்ட புதிய பைலட்டின் அடிப்படை கருத்து.

வழங்கப்பட்ட மூல உரையில் விவரிக்கப்பட்டுள்ள இந்தத் திட்டம், பயன்படுத்தப்படும் AI-இன் நடைமுறைத் திருப்பத்தை பிரதிபலிக்கிறது. ஒரு பொதுப் பயன்பாட்டு முன்னேற்றத்தைத் தேடுவதற்கு பதிலாக, இந்த அமைப்பு உடனடி விளைவுகள் கொண்ட குறுகிய செயல்பாட்டு பணிக்காக உருவாக்கப்பட்டுள்ளது: ஒரு கப்பல் திமிங்கிலத்தை மோதும் வாய்ப்பைக் குறைப்பது. காலநிலை சார்ந்த சூழலியல் மாற்றங்கள் காரணமாக அதிகமான கிரே திமிங்கிலங்கள் வளைகுடாவுக்குள் வரத் தொடங்கும் நெரிசலான நீர்ப்பாதையில், AI பாதுகாப்பை ஆதரிப்பது பெரிய ஒழுங்குமுறை அல்லது உட்கட்டமைப்பு மாற்றங்களை காத்திருக்காமல் எப்படி செயல்படலாம் என்பதற்கான மாதிரியாக இப்படியான குறிவைத்த எச்சரிக்கை அமைப்பு மாறக்கூடும்.

அபாயம் ஏன் அதிகரித்துள்ளது

பைலட்டில் ஈடுபட்டுள்ள ஆராய்ச்சியாளர்கள் கூறுவதாவது, கிரே திமிங்கிலங்கள் ஒருகாலத்தில் வளைகுடாவுக்குள் அரிதாகவே வந்தன; ஆனால் காலநிலை மாற்றம் கடல் உணவு வளங்களை பாதிப்பதால் இது மாறி வருகிறது. அலாஸ்காவிலிருந்து மெக்சிகோவுக்குச் செல்லும் நீண்ட இடம்பெயர்வின்போது இந்த உயிரினங்கள் இப்பகுதியில் அதிகமாக தங்குகின்றன. ஆனால் வளைகுடா ஒரு பாதுகாப்பான இடைநிலையல்ல. அது சரக்கு கப்பல்கள், க்ரூஸ் கப்பல்கள், எண்ணெய் டேங்கர்கள், பேரிகள் மற்றும் பிற வாகனங்களால் கடுமையாக நெரிசலாக்கப்பட்டு, கடல் உயிர்களை இப்பகுதியின் மிகப் பரபரப்பான போக்குவரத்து பாதைகளில் ஒன்றுக்குள் திணிக்கிறது.

கடந்த ஆண்டு வளைகுடாவில் 21 திமிங்கிலங்கள் இறந்ததாகவும், அவற்றில் 40% கப்பல் மோதல்களால் ஏற்பட்டதாகவும் மூல உரை தெரிவிக்கிறது. இதனால் இந்த சவால் சுற்றுச்சூழல் சார்ந்ததும்கூட, செயல்பாட்டு சார்ந்ததும்கூட ஆகிறது. பேரி பணியாளர்கள் மற்றும் வணிக இயக்குநர்கள் வெறும் வானிலை மற்றும் போக்குவரத்தை மட்டும் வழிநடத்தவில்லை. அவர்கள், குறிப்பாக இரவில் அல்லது மூடுபனியில், முன்கூட்டியே கணிக்கவும் பார்ப்பதும் கடினமான பெரிய கடல் பாலூட்டிகளுடன் அதே பாதைகளைப் பகிர்ந்து கொள்கிறார்கள்.

யுனிவர்சிட்டி ஆஃப் கலிபோர்னியா சான்டா பார்பராவின் பெனியோஃப் ஓஷன் சயன்ஸ் லேப்-இல் உள்ள ரேச்சல் ரோட்ஸ், மூல உரையில் இந்த நிலையை கடுமையாக “பேரழிவுக்கான செய்முறை” என்று விவரித்துள்ளார். சிறிய பரப்பளவும் அதிகக் கப்பல் போக்குவரத்தும் காரணமாக, மோதல் அபாயம் எதிர்காலத்தில் தோன்றும் அபாயம் அல்ல. அது ஏற்கனவே திமிங்கில மரணத்தின் கணக்கிடக்கூடிய காரணமாக உள்ளது.

கண்டறிதல் அமைப்பு எப்படி செயல்படுகிறது

இந்த பைலட் பல அடுக்குகளான உணர்திறன் மற்றும் உறுதிப்படுத்தலை ஒன்றாகக் கொண்டுவருகிறது. பெனியோஃப் ஓஷன் சயன்ஸ் லேப் இயக்கும் WhaleSafe, கப்பல்களை எச்சரிக்க உதவ திமிங்கிலக் காண்புகளின் தகவல்களை ஏற்கனவே கண்காணிக்கிறது. தென் கலிஃபோர்னியாவில், குழு திமிங்கில ஒலிகளை கேட்கும் ஒலி மிதவைகள் உட்பட பிற கருவிகளையும் சோதித்துள்ளது. ஆனால் மூல உரை குறிப்பதாவது, கிரே திமிங்கிலங்கள் குறிப்பாக அதிகமாக ஒலி எழுப்புவதில்லை; இது இந்தப் பயன்பாட்டில் ஒலி கண்காணிப்பின் பயனைக் கட்டுப்படுத்துகிறது.

சான் பிரான்சிஸ்கோ வளைகுடாவுக்காக, கூட்டாளிகள் அதற்கு பதிலாக வெப்பக் கேமராக்களைத் தேர்ந்தெடுத்தனர். இந்தக் கேமராக்கள் திமிங்கிலம் மேற்பரப்பிற்கு வரும் போது அதன் மூச்சின் வெப்பச் சின்னத்தைக் கண்டறிய முடியும். அந்த வெப்பப் படங்களை பகுப்பாய்வு செய்ய WhaleSpotter என்ற ஸ்டார்ட்அப் AI-யைப் பயன்படுத்துகிறது. பின்னர் உலகம் முழுவதும் பரவியுள்ள நிபுணர் வலையமைப்பு, எச்சரிக்கை அனுப்பப்படும் முன் ஒவ்வொரு திமிங்கிலக் கண்டுபிடிப்பையும் நேரடியாக உறுதிப்படுத்துகிறது.

அந்த செயல்முறை முக்கியமானது. இது, கண்காணிக்கப்படாத தானியங்கியான vision model ஒன்று பாதுகாப்பு முடிவுகளை எடுப்பதாக அல்ல என்பதை காட்டுகிறது. AI விரைவான படப்பகுப்பாய்வை கையாள்கிறது, ஆனால் மனித நிபுணர்கள் இன்னும் உறுதிப்படுத்தும் பணியில் உள்ளனர். தவறான நேர்மறைகளும் தவறான எதிர்மறைகளும் இரண்டும் செலவுகளை ஏற்படுத்தும் செயல்பாட்டு சூழலில், அந்த கலப்பு அமைப்பு முழு தானியங்கத்தை விட நிஜமானதாக இருக்கும்.

வழங்கப்பட்ட மூல உரையின் படி, வெப்ப அமைப்பு திமிங்கிலங்களை முன்கூட்டியே நான்கு nautical miles வரை கண்டறிய முடியும். WhaleSpotter CEO ஷான் ஹென்றி, கப்பலின் ஆபத்து வட்டத்துக்கு முன்பாகவே திமிங்கிலங்களைப் பார்த்து, கேப்டன் திருத்த நடவடிக்கை எடுக்க முடியும் அளவுக்கு முன்னதாக எச்சரிப்பதே நோக்கம் என்று கூறினார். நடைமுறையில், இந்த தொழில்நுட்பம் பணியாளர்களுக்கு நேரத்தை வாங்கித் தர முயல்கிறது; மோதலைத் தவிர்ப்பதில் அது அடிக்கடி மிக மதிப்புடைய வளமாகும்.

இதுவரை பேரி இயக்குநர்கள் என்ன காண்கிறார்கள்

இந்த பைலட் இரண்டு இடங்களில் கேமராக்களைப் பயன்படுத்துகிறது; அதில் ஒன்றான பேரியில் திமிங்கில பருவத்தில் ஏற்கனவே மனித கண்காணிப்பாளர் இருந்தார். இது, பயிற்சி பெற்ற மனிதக் கவனிப்பு மற்றும் கருவி உதவியுடன் கண்டறிதல் ஆகியவற்றின் நேரடியான செயல்பாட்டு ஒப்பீட்டை உருவாக்குகிறது. மூல உரையில் இருந்து கிடைக்கும் ஆரம்பக் குறிப்பு, வெப்ப அமைப்பு சில சமயங்களில் மனிதர்கள் நிர்வாணக் கண்களால் அல்லது தொலைநோக்கி கண்ணாடியால் பார்க்கும் முன்பே திமிங்கிலங்களை அடையாளம் காணக்கூடும் என்பதாகும்.

சான் பிரான்சிஸ்கோ பே பேரியின் செயல்பாட்டு இயக்குநர் தாமஸ் ஹால், மூல உரையில், அறிவிப்புகள் பெரும்பாலும் கப்பலில் உள்ளவர்கள் தாங்களே அந்தக் காட்சியை உணரும் முன் வந்துவிடுகின்றன என்று கூறினார். அந்தச் சிறிய முன்னிலை சிறியதாகத் தோன்றலாம்; ஆனால் செயல்படும் ஒரு கப்பலில் அது வழக்கமான வேக மாற்றத்துக்கும் அவசரமான தவிர்ப்பு இயக்கத்துக்கும் இடையிலான வேறுபாடாக இருக்கலாம்.

இந்த அமைப்பு மனிதக் கவனிப்பு அதிகமாக சிரமப்படும் சூழல்களையும் கையாள்கிறது. இரவில் மற்றும் அடர்ந்த மூடுபனியில், அனுபவமிக்க கண்காணிப்பாளர்களுக்குக்கூட மேற்பரப்புக்கு வரும் உயிரினங்களைப் பார்க்க முடியாதபோது இது செயல்பட முடியும். டேப்லெட் இடைமுகம் திமிங்கிலத்தின் இருப்பிடத்தை ரேடாரில் காட்டுகிறது; இதனால் ஒரு நொடிப்பொழுதின் காட்சிச் சுட்டிக்காட்டை நடைமுறை வழிநடத்தல் உள்ளீடாக மாற்றுகிறது. இது நுண்ணிய ஆனால் முக்கியமான படி: கருவி அருகில் எங்கோ திமிங்கிலம் உள்ளது என்று மட்டும் அறிவிப்பதில்லை; அது கண்டறிதலை, பணியாளர்கள் பயணத்தின் போது பயன்படுத்தக்கூடியதாக மாற்றுகிறது.

வேறு வகையான AI பயன்பாடு

இந்த பைலட்டை குறிப்பிடத்தக்கதாக ஆக்குவது பாதுகாப்பு இலக்கு மட்டும் அல்ல. அது AI செயல்படுத்தப்படும் வடிவம். பொதுச் சமூகம் AI பற்றி பேசும் பல விவாதங்கள் இன்னும் சாட்பாட்கள், படம் உருவாக்கம், மற்றும் தன்னாட்சி குறித்த பரந்த கூற்றுகளிலேயே மையப்படுகின்றன. இந்தத் திட்டம் குறுகியதும் நிலைபடுத்தப்பட்டதுமாக உள்ளது. இது சென்சார்கள், மனித உறுதிப்படுத்தல், மற்றும் தெளிவான முடிவு வழி ஆகியவற்றுடன் இயந்திர பகுப்பாய்வைப் பயன்படுத்துகிறது. வெற்றியின் அளவுகோலும் அதே அளவு தெளிவானது: கப்பல்களுக்கும் திமிங்கிலங்களுக்கும் இடையிலான மோதல்கள் குறைவது.

அது அமைப்பு எளிது என்பதைக் குறிக்கவில்லை. அது வெப்பப் படமெடுப்பு, உறுதியான எச்சரிக்கை முறை, நிபுணர் மதிப்பாய்வு, மற்றும் இயக்குநர் நம்பிக்கை ஆகியவற்றின் மீது சார்ந்துள்ளது. ஆனால், AI-இன் மிக முக்கியமான பயன்பாடுகளில் சில தனித்த நுகர்வோர் தயாரிப்புகளை விட, உட்கட்டமைப்புடன் இணைக்கப்பட்ட சுமாரான இடைமுகங்களிலிருந்து வரக்கூடும் என்பதற்கான நினைவூட்டலாக இது உள்ளது. ஒரு பேரி கேப்டனுக்கு பொதுப் பயன்பாட்டுக்கான உதவியாளர் தேவையில்லை. கேப்டனுக்கு, முன்னால் பெரியதும் எளிதில் பாதிக்கப்படக்கூடியதுமான ஏதோ ஒன்று இருப்பதாக முன்கூட்டியே வரும் எச்சரிக்கையே தேவை.

அடுத்து என்ன

இந்த பைலட் குறைந்தது இரண்டு ஆண்டுகள் நீடிக்கும் என எதிர்பார்க்கப்படுகிறது; இதனால் ஆராய்ச்சியாளர்களுக்கும் இயக்குநர்களுக்கும், பருவங்களிலும் நிலைகளிலும் அமைப்பு எவ்வளவு நன்றாக செயல்படுகிறது என்பதை மதிப்பீடு செய்ய நேரம் கிடைக்கும். அந்த காலஅட்டவணை, முயற்சி இன்னும் ஆதாரத் திரட்டல் கட்டத்தில் உள்ளது என்பதை காட்டுகிறது; இது முடிவடைந்த ஒரு செயல்படுத்தல் அல்ல. இருந்தாலும், இந்த வடிவமைப்பு கடற்கரைப் பாதைகளில், கடல் பாலூட்டிகளின் போக்குவரத்து வணிகக் கப்பல் போக்குவரத்துடன் ஒட்டிக்கொள்ளும் இடங்களில், விரிவாக்கக்கூடிய மாதிரியை நோக்குகிறது.

அமைப்பு நம்பகமானதாக நிரூபித்தால், அது ஏற்கனவே அறிவிக்கப்பட்ட திமிங்கிலக் காண்புகள் மற்றும் பிற பகுதிகளில் உள்ள ஒலி கண்காணிப்பு போன்ற, திமிங்கில பாதுகாப்புக்கான பரந்த கருவித்தொகுப்பை வலுப்படுத்தக்கூடும். இலக்கு இனங்கள் அமைதியாக இருக்கும், பார்வைத் திறன் குறைவாக இருக்கும், மற்றும் கப்பல் நெருக்கம் அதிகமாக இருக்கும் இடங்களில் வெப்பக் கண்டறிதல் குறிப்பாக பயனுள்ளதாக இருக்கலாம்.

சான் பிரான்சிஸ்கோ வளைகுடா பைலட், திமிங்கிலங்களை மேலும் ஆபத்தான சூழல்களுக்குத் தள்ளும் பெரிய காலநிலை அழுத்தங்களைத் தீர்க்கவில்லை. ஆனால், ஒரு குறிப்பிட்ட செயல்பாட்டு பிரச்சினையை கவனமாக வரையறுக்கப்பட்ட தொழில்நுட்ப அமைப்பின் மூலம் எப்படி கையாளலாம் என்பதை இது காட்டுகிறது. அந்த அர்த்தத்தில், இந்தத் திட்டம் AI in the wild-இன் நடைமுறை உதாரணமாக தனித்து நிற்கிறது: மனித முடிவெடுப்பை மாற்றாமல், நெரிசலான மற்றும் மாறிக்கொண்டிருக்கும் சூழலில் சேதத்தை குறைக்கக் கூடிய அளவுக்கு அதை விரிவாக்குகிறது.

இந்தக் கட்டுரை Fast Company வெளியிட்ட செய்தித் தொகுப்பை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.