कल्पना कीजिए कि एक हवाई जहाज में दो पायलट हैं, एक मानव और एक कंप्यूटर। दोनों लोगों के "हाथ" नियंत्रक पर हैं, लेकिन वे हमेशा अलग-अलग चीजों पर ध्यान केंद्रित कर रहे हैं। यदि वे सभी एक ही चीज़ पर केंद्रित हों, तो मनुष्य पहिया संभाल सकते हैं। लेकिन अगर इंसान का ध्यान भटक जाता है या कुछ चूक जाता है, तो कंप्यूटर तुरंत उस पर कब्ज़ा कर लेता है। मानवीय अंतर्ज्ञान को मशीन की सटीकता के साथ जोड़ने से पायलट और विमान के बीच अधिक सहजीवी संबंध बनता है।
एयर-गार्जियन के साथ, एक कंप्यूटर प्रोग्राम मानव पायलट की नज़र को ट्रैक कर सकता है (आंख-ट्रैकिंग तकनीक का उपयोग करके) यह बेहतर ढंग से समझने के लिए कि पायलट किस पर ध्यान दे रहा है। इससे कंप्यूटर को पायलट क्या कर रहा है या करने का इरादा है, उसके आधार पर बेहतर निर्णय लेने में मदद मिलती है। फ़ोटो क्रेडिट: एलेक्सशिप्स/MITCSAILviaMidjourney
यह MIT के कंप्यूटर साइंस और आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (CSAIL) के शोधकर्ताओं द्वारा विकसित "स्काईगार्डियन" प्रणाली है। आधुनिक पायलटों को कई मॉनिटरों से बड़ी मात्रा में जानकारी से निपटने की ज़रूरत होती है, खासकर महत्वपूर्ण क्षणों में। एयर-गार्जियन एक सक्रिय सह-पायलट के रूप में कार्य कर सकता है; यह मनुष्यों और मशीनों के बीच एक साझेदारी है जो मूल रूप से ध्यान को समझने पर आधारित है।
लेकिन यह वास्तव में ध्यान कैसे निर्धारित करता है? मनुष्यों के लिए, यह नेत्र ट्रैकिंग का उपयोग करता है, जबकि तंत्रिका तंत्र के लिए, यह "प्रमुख मानचित्र" नामक अवधारणा पर निर्भर करता है, जो ध्यान की दिशा को इंगित करता है। ये मानचित्र विज़ुअल गाइड के रूप में काम कर सकते हैं, जटिल एल्गोरिदम के व्यवहार को समझने और व्याख्या करने में मदद करने के लिए छवि में प्रमुख क्षेत्रों को हाइलाइट कर सकते हैं। एयर-गार्जियन इन ध्यान मार्करों का उपयोग संभावित जोखिमों के शुरुआती संकेतों की पहचान करने के लिए करता है, न कि केवल सुरक्षा उल्लंघन होने पर हस्तक्षेप करने के लिए, जैसा कि पारंपरिक सेल्फ-ड्राइविंग सिस्टम के मामले में होता है।
प्रणाली का व्यापक प्रभाव विमानन से भी आगे तक फैला हुआ है। इसी तरह के सहकारी नियंत्रण तंत्र का उपयोग एक दिन कारों, ड्रोन और रोबोटिक्स के व्यापक क्षेत्र में किया जा सकता है।
MIT CSAIL में पोस्टडॉक और एयर-गार्जियन पर एक नए पेपर के पहले लेखक लियानहाओ यिन ने कहा: "हमारे दृष्टिकोण की एक रोमांचक विशेषता इसकी भिन्नता है। हमारी सहयोग परत और संपूर्ण एंड-टू-एंड प्रक्रिया प्रशिक्षित है। हमने विशेष रूप से ध्यान आकर्षित करने में गतिशील गुणों के कारण कारण निरंतर गहरे तंत्रिका नेटवर्क मॉडल को चुना। एक और अनूठी विशेषता अनुकूलन क्षमता है। एयर-गार्जियन प्रणाली कठोर नहीं है, इसे वास्तविक स्थिति के अनुसार समायोजित किया जा सकता है, जिससे मनुष्यों के बीच संतुलित सहयोग सुनिश्चित होता है। और मशीनें।"
फ़ील्ड परीक्षण और परिणाम
फ़ील्ड परीक्षणों में, लक्ष्य मार्ग बिंदु पर नेविगेट करते समय पायलट और सिस्टम दोनों ने समान कच्ची छवियों के आधार पर निर्णय लिए। एयर-गार्जियन की सफलता को उड़ान के दौरान अर्जित संचयी पुरस्कारों और मार्ग बिंदु के छोटे रास्ते से मापा जाता है। गार्जियन उड़ान के जोखिम स्तर को कम करता है और लक्ष्य बिंदु तक नेविगेट करने की सफलता दर को बढ़ाता है।
एमआईटी के सीएसएआईएल अनुसंधान संस्थान के सदस्य और लिक्विड न्यूरल नेटवर्क के आविष्कारक रामिन हसनी ने कहा: "यह प्रणाली एआई विमानन नवाचार के लिए एक मानव-केंद्रित दृष्टिकोण का प्रतिनिधित्व करती है। लिक्विड न्यूरल नेटवर्क का हमारा उपयोग यह सुनिश्चित करने के लिए एक गतिशील, अनुकूली दृष्टिकोण प्रदान करता है कि एआई केवल मानव निर्णय को प्रतिस्थापित नहीं करता है, बल्कि इसे पूरक करता है, जिससे आसमान में सुरक्षा और सहयोग में सुधार होता है।"
तकनीकी आधार और भविष्य की संभावनाएँ
एयर-गार्जियन की असली ताकत इसकी अंतर्निहित तकनीक में निहित है। यह एक अनुकूलन-आधारित सहयोग परत का उपयोग करता है जो महत्वपूर्ण जानकारी के लिए आने वाली छवियों का विश्लेषण करने के लिए मानव और मशीन दृश्य ध्यान के साथ-साथ एक तरल बंद-रूप निरंतर-समय तंत्रिका नेटवर्क (सीएफसी) का उपयोग करता है जो कारण और प्रभाव संबंधों को समझने के लिए जाना जाता है। पूरक, विजुअलबैकप्रॉप एल्गोरिदम छवि में सिस्टम के फोकस की पहचान करता है, जिससे उसके ध्यान मानचित्र की स्पष्ट समझ सुनिश्चित होती है।
भविष्य में व्यापक रूप से उपयोग करने के लिए, मानव-मशीन इंटरफ़ेस में सुधार की आवश्यकता है। फीडबैक ने सुझाव दिया कि एक संकेतक, जैसे बार ग्राफ़, इस बात का अधिक दृश्य प्रतिनिधित्व प्रदान कर सकता है कि निगरानी प्रणाली कब नियंत्रण लेना शुरू करती है।
स्काईगार्ड सुरक्षित आसमान के एक नए युग की शुरुआत करता है, जो उन क्षणों के लिए एक विश्वसनीय सुरक्षा जाल प्रदान करता है जब मानव का ध्यान भटक जाता है।
"स्काईगार्ड प्रणाली मानव विशेषज्ञता और मशीन लर्निंग के बीच तालमेल पर प्रकाश डालती है, जो पायलट क्षमताओं को बढ़ाने और चुनौतीपूर्ण परिदृश्यों में परिचालन त्रुटियों को कम करने के लिए मशीन लर्निंग का उपयोग करने के लक्ष्य को आगे बढ़ाती है," एमआईटी में इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान के एंड्रयू (1956) और एर्ना विटरबी प्रोफेसर, सीएसएआईएल के निदेशक और पेपर के वरिष्ठ लेखक डेनिएला रस ने कहा।
हार्वर्ड विश्वविद्यालय में कंप्यूटर विज्ञान के सहायक प्रोफेसर स्टेफनी गिल ने कहा, "इस काम में दृश्य ध्यान मेट्रिक्स का उपयोग करने के सबसे दिलचस्प परिणामों में से एक मानव पायलटों के लिए पहले हस्तक्षेप करने और व्याख्या में सुधार करने की क्षमता है।" "यह मनुष्यों के साथ काम करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने का एक बड़ा उदाहरण दिखाता है, मनुष्यों और कृत्रिम बुद्धिमत्ता प्रणालियों के बीच प्राकृतिक संचार तंत्र का लाभ उठाकर विश्वास प्राप्त करने की सीमा को कम करता है।"