सेल्फ-ड्राइविंग कार के फैसलों को समझाने वाला नया AI टूल: CW-Net

सेल्फ-ड्राइविंग कारें अक्सर डीप लर्निंग मॉडल से नियंत्रित होती हैं। अप्रत्याशित स्थितियों में ये कभी-कभी विफल हो जाती हैं। उदाहरण के लिए, कोई कार बिना किसी वजह के ब्रेक लगाकर आ रही एम्बुलेंस जैसी आपातकालीन गाड़ी का रास्ता रोक सकती है। MIT और स्वायत्त वाहन तकनीक कंपनी मोशनल के शोधकर्ताओं ने कॉन्सेप्ट-रैपर नेटवर्क, या CW-Net नाम की एक विधि विकसित की है। यह वाहन की ड्राइविंग क्षमता बदले बिना, उसके फैसलों को इंसान समझ सकें ऐसी अवधारणाओं में समझाती है। पूर्व MIT पोस्टडॉक और अब जेपी मॉर्गन चेस में कार्यरत इयोन केनी और MIT प्रोफेसर जूली शाह ने इस शोध का नेतृत्व किया। यह नेचर पत्रिका में प्रकाशित हुआ है।

CW-Net एक "कॉन्सेप्ट क्लासिफायर" है। इसे किसी स्वायत्त वाहन के मौजूदा मशीन-लर्निंग प्लानर के बीच में जोड़ा जाता है। यह मॉडल की आंतरिक तर्क प्रक्रिया को "रुके हुए वाहन के पास पहुंचना" या "साइकिल चालक के करीब" जैसी अवधारणाओं में बदल देता है। इसके बाद यह प्लानिंग मॉडल के अंतिम चरण को आगे क्या करना है, यह तय करते समय इन्हीं अवधारणाओं का इस्तेमाल करने के लिए मजबूर करता है। केनी ने कहा, "सेल्फ-ड्राइविंग कार जैसी उच्च-जोखिम वाली स्थितियों में यह ज़रूरी है कि स्पष्टीकरण गुमराह करने वाले न हों। चूंकि CW-Net अपने फैसलों में कारणात्मक रूप से सच्चा है, इसलिए यह स्पष्टीकरणों को लेकर कुछ गारंटी देता है।"

शोधकर्ताओं ने सेल्फ-ड्राइविंग कारों के 130 मिलियन लेबल किए गए दृश्यों वाले डेटासेट से CW-Net को अवधारणाएं पहचानना सिखाया। इसे मौजूदा प्लानर के फैसलों की नकल करने के लिए डिज़ाइन किया गया, ताकि वाहन के प्रदर्शन पर असर न पड़े। यह मॉड्यूल कार की तय की गई राह के साथ-साथ अपने स्पष्टीकरण भी तुरंत दिखाता है। केनी ने कहा, "कार क्यों रुकी, यह सोचते रहने के बजाय, रीयल-टाइम डेटा से तैनाती के दौरान सिस्टम की जांच की जा सकती है।"

मोशनल के रोबोटैक्सी वाहन के साथ एक निजी ट्रैक पर हुए सड़क परीक्षणों में, CW-Net ने सुरक्षा चालक को वाहन के व्यवहार का अधिक सटीक अनुमान लगाने में मदद की। गैर-विशेषज्ञ उपयोगकर्ताओं के साथ हुए एक बड़े सिमुलेशन अध्ययन में भी ऐसे ही नतीजे मिले। एक मामले में, एक साइकिल चालक के पास पहुंचने पर वाहन लगातार रुक जाता था। सुरक्षा चालक को लगा कि वाहन ने साइकिल चालक को पहचान लिया है। लेकिन CW-Net के स्पष्टीकरण से पता चला कि मॉडल साइकिल चालक को ठीक से पहचान ही नहीं पाया था, और उसने ऐसी राह चुनी थी जिससे टक्कर हो सकती थी। वाहन केवल इसलिए रुका क्योंकि बहुत करीब आने पर उसकी आपातकालीन ब्रेकिंग प्रणाली सक्रिय हो गई।

जूली शाह ने कहा, "यह शोध दिखाता है कि स्पष्टीकरण किसी सिस्टम के व्यवहार को समझने में इंसान के मानसिक मॉडल की कैसे मदद करते हैं।" उन्होंने बताया कि इंजीनियरिंग व तकनीकी विकास में भी इनका इस्तेमाल किया जा सकता है। वे MIT की कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी में इंटरैक्टिव रोबोटिक्स ग्रुप की निदेशक हैं। उन्होंने आगे कहा, "जब तक हम इन तकनीकों को इस तरह नहीं बनाते कि हम उन पर भरोसा कर सकें और उनके व्यवहार का अनुमान लगा सकें, तब तक इनका इस्तेमाल एक कमज़ोर और असुरक्षित नींव पर टिका रहेगा।"