ஒரு புரட்சி நடக்கும்போது நீங்கள் அதை கவனிக்க மாட்டீர்கள். பழைய பழக்கவழக்கங்கள் மறைந்த பிறகுதான் நீங்கள் அதை உணர்வீர்கள்.

ஒரு புரட்சி நடக்கும்போது நீங்கள் அதை உணர மாட்டீர்கள். பழைய பழக்கவழக்கங்கள் மறைந்துவிட்ட பின்னரே அதை நீங்கள் காண்பீர்கள்.

பத்து அல்லது பதினைந்து ஆண்டுகளுக்கு முன்பு சரக்கு போக்குவரத்து எவ்வாறு இருந்தது என்பதை நினைத்துப் பாருங்கள். ஒரு விநியோக ஒருங்கிணைப்பாளர் (dispatcher) காகித வரைபடம் மற்றும் தொலைபேசி பட்டியலுடன் அமர்ந்திருப்பார். ஒரு வாடிக்கையாளர் தங்கள் சரக்கு எங்கே என்று கேட்டால், யாரோ ஒருவர் ஓட்டுநருக்குத் தொலைபேசி செய்வார். ஓட்டுநர் அழைப்பை ஏற்கவில்லை என்றால், பதில் அமைதியாகத்தான் இருக்கும். நினைவாற்றல், உள்ளுணர்வு மற்றும் வானொலி போக்குவரத்து அறிக்கையில் சொல்லப்பட்ட தகவல்களைக் கொண்டு பாதைகள் உருவாக்கப்பட்டன. தாமதமான விநியோகம் என்பது ஒரு அவசர நிலை அல்ல; அது ஒரு சாதாரணமான விஷயமாகவே பார்க்கப்பட்டது.

அந்த உலகம் இப்போது மறைந்துவிட்டது. வாடிக்கையாளர்கள் இப்போது பார்சல் கண்காணிப்பை (package tracking) வானிலை செயலிகளைப் போலவே கையாள்கிறார்கள். அவர்கள் திரையைத் புதுப்பிக்கிறார்கள். வரைபடத்தில் உள்ள குறிப்பு (pin) நகருவதை எதிர்பார்க்கிறார்கள். அவர்கள் மணிநேரங்களைக் கணக்கில் கொள்ளாமல், நிமிடங்களில் விநியோக நேரத்தை எதிர்பார்க்கிறார்கள். அதே நேரத்தில், எரிபொருள் விலைகள் கணிக்க முடியாத வகையில் மாறுகின்றன மற்றும் தகுதியான ஓட்டுநர்களைப் பணியமர்த்துவது கடினமாக உள்ளது. சந்தை எதை எதிர்பார்க்கிறது என்பதற்கும், கைமுறைச் செயல்பாடுகள் (manual processes) எதை வழங்க முடியும் என்பதற்கும் இடையிலான இடைவெளி விரிவடைந்து கொண்டே செல்கிறது.

செயற்கை நுண்ணறிவு (Artificial intelligence) என்பது எதிர்காலத்திற்கான ஒரு கூடுதல் அம்சம் மட்டுமல்ல. இது பல ஆண்டுகளுக்கு முன்பே மனிதத் திறனுக்கு அப்பாற்பட்டதாக வளர்ந்துவிட்ட ஒரு அமைப்பிற்குப் போடப்பட்ட ஒரு தீர்வாகும். முக்கியமாக, இது மனிதர்களைப் பணியிலிருந்து நீக்க வரவில்லை. மென்பொருள்கள் சிறப்பாகச் செய்யும் வேலைகளில் மனிதர்கள் தங்கள் நேரத்தை வீணாக்குவதைத் தடுக்கவே இது வந்துள்ளது.

அனைவரும் ஒரே வரைபடத்தைப் பார்க்க முடியும் போது

அன்றாடப் பணிகளில் AI மாற்றத்தை ஏற்படுத்தும் முதல் இடம் 'தெளிவுத்தன்மை' (visibility) ஆகும்.

பழைய கால செயல்பாடுகளில், "தெளிவுத்தன்மை" என்பது ஒரு தொலைபேசி அழைப்பையும் ஒரு பிரார்த்தனையையும் மட்டுமே குறித்தது. டிரக் 14 காலை 8 மணியளவில் கிடங்கிலிருந்து (warehouse) கிளம்பியது என்று ஒரு போக்குவரத்து மேலாளருக்குத் தெரிந்திருக்கலாம். அதன் பிறகு, ஓட்டுநர் இலக்கை அடைந்து தகவல் தெரிவிக்கும் வரை, அந்த சரக்கு ஒரு இருண்ட பகுதிக்குள் (black hole) மறைந்துவிடும். மதியம் ஒரு வாடிக்கையாளர் அழைத்தால், மேலாளர் நம்பிக்கையுடன் பொய் சொல்வார் அல்லது அந்த அழுத்தத்தை ஓட்டுநருக்குத் திணிப்பார்.

நவீனத் தளங்கள் GPS, டெலிமேட்டிக்ஸ் (telematics), மின்னணு பதிவு சாதனங்கள் (electronic logging devices) மற்றும் கிடங்கு ஸ்கேனர்களிலிருந்து தரவுகளைப் பெறுகின்றன. AI இவற்றை ஒருங்கிணைத்து ஒரு தெளிவான பிம்பமாக மாற்றுகிறது. ஒரு மேலாளர் இருநூறு பேருக்குத் தொலைபேசி செய்யாமல், ஒரே திரையைப் பார்த்து இருநூறு சரக்குகளையும் கண்காணிக்க முடியும். மென்பொருள் தானாகவே விதிவிலக்குகளைக் (exceptions) கண்டறிந்து எச்சரிக்கிறது: எல்லையில் ஒரு லாரி நீண்ட நேரம் காத்திருப்பது, டிரெய்லரின் வெப்பநிலை நிர்ணயிக்கப்பட்ட அளவைத் தாண்டுவது, அல்லது திடீர் சாலை மூடல் காரணமாகப் பாதை மாறுவது போன்றவை இதில் அடங்கும். மனிதர்கள் இன்னும் அந்த எச்சரிக்கைகளை ஆய்வு செய்கிறார்கள், ஆனால் அவர்கள் இப்போது வைக்கோல் குவியலில் ஊசியைத் தேடுவது போன்ற கடினமான வேலையைச் செய்ய வேண்டியதில்லை.

இது முக்கியமானது, ஏனெனில் வணிகத்தின் அளவு அதிகரித்தபோது பழைய முறை தோல்வியடைந்தது. ஒவ்வொரு காலையிலும் ஐம்பது ஓட்டுநர்களுக்குத் தொலைபேசி செய்து நிம்மதியாக இருக்க முடியாது. ஒவ்வொரு வாடிக்கையாளருக்கும் மின்னஞ்சல் அனுப்பி உங்களை நம்பும்படி கேட்க முடியாது. தெளிவுத்தன்மை கருவிகள் (Visibility tools) சிறிய குழுக்கள் பெரிய அளவில் செயல்படவும், பெரிய குழுக்கள் மூழ்கிவிடாமல் இருக்கவும் உதவுகின்றன.

வருகை நேரத்தைக் கணிப்பது செலவு மிக்கது

ஒரு லாரி எப்போது வரும் என்பதைக் கணிப்பது எளிது போலத் தோன்றலாம். ஆனால் அது அவ்வாறு இல்லை.

ஒரு மனித மதிப்பீட்டாளர் ஒரு அடிப்படை வரைபடக் கருவியில் முகவரியைப் பதிவிட்டு, போக்குவரத்து நெரிசலுக்காகத் தனது உள்ளுணர்வின் அடிப்படையில் ஒரு கூடுதல் நேரத்தைச் சேர்க்கலாம். அது சில நேரங்களில் வேலை செய்யும், ஆனால் எப்போதும் செய்யாது. துறைமுகத் தாமதம், சுங்கத் துறை ஆய்வு, மெம்பிஸில் திடீர் இடி மின்னலுடன் கூடிய மழை அல்லது மதிய உணவிற்காக மூடியிருக்கும் இறக்குமதி முனையம் (receiver dock) என அனைத்தும் திட்டமிடலைச் சிதைத்துவிடும். ஒரு நிறுவனம் மூன்று மணிநேர விநியோக நேரத்தைக் கூறிவிட்டு அதைத் தவறவிடும்போது, அதன் பாதிப்பு வெறும் அதிருப்தியடைந்த வாடிக்கையாளர்கள் மட்டுமல்ல. அது உற்பத்தித் தடங்கல், இறக்குமதி முனையத்தில் வேலையில்லாத் திண்டாட்டம் மற்றும் ஒப்பந்தங்களில் குறிப்பிடப்பட்டுள்ள அபராதங்கள் எனப் பல பாதிப்புகளை ஏற்படுத்தும்.

AI கணிப்பு இயந்திரங்கள் (prediction engines) வரலாற்றுத் தரவுகளைப் பயன்படுத்துகின்றன. ஒரு குறிப்பிட்ட வியாழக்கிழமை மதியம் அந்தப் பாதையைக் கடக்க எவ்வளவு நேரம் ஆகும் என்பதை அவை ஆராய்கின்றன. அதிகப்படியான விற்பனை காலங்களில் (peak season) குறிப்பிட்ட விநியோக மையத்தில் போக்குவரத்து நெரிசல் ஏற்பட எவ்வளவு வாய்ப்பு உள்ளது என்பதையும் அவை கணக்கிடுகின்றன. புதிய தகவல்கள் வரும்போது அவை தொடர்ந்து தங்களை மாற்றியமைத்துக் கொள்கின்றன. இதன் விளைவாக, லாரி இலக்கை நெருங்க நெருங்க, வருகை நேரம் (ETA) தெளிவற்றதாக இல்லாமல் இன்னும் துல்லியமாகிறது.

திட்டமிடுபவருக்கு (planner) இது ஒரு பெரிய மாற்றமாகும். "ஒருவேளை தேவைப்படலாம்" என்று ஆறு மணிநேரத்தைத் தயார் நிலையில் வைத்திருக்காமல், அவர்கள் தொண்ணூறு நிமிடத் திட்டத்தில் தொழிலாளர்களைப் பணியமர்த்தலாம். இதனால் கிடங்கு மிகவும் திறமையாகச் செயல்படும். லாரிகள் வரிசையில் காத்திருக்கும் நேரம் குறையும். லாரி உண்மையில் தயாராக இருக்கும் முனையத்தை நோக்கிச் செல்லும்போது மட்டுமே எரிபொருள் செலவாகும்.

ஒவ்வொரு பயணத்திலிருந்தும் கற்றுக்கொள்ளும் பாதைகள்

பாதையை மேம்படுத்துதல் (Route optimization) என்பது மனித அனுபவம் சவால்களைச் சந்திக்கும் மற்றொரு பகுதியாகும்.

அனுபவம் வாய்ந்த ஒரு விநியோக ஒருங்கிணைப்பாளர் ஒரு சிறந்த பாதையை உருவாக்க முடியும். ஒரு குறிப்பிட்ட இறக்குமதி முனையத்தில் சரக்குகளை இறக்குவதற்கு எப்போதும் அதிக நேரம் எடுக்கும் அல்லது உள்ளூர் பள்ளி முடிந்தவுடன் ஒரு குறிப்பிட்ட நெடுஞ்சாலை போக்குவரத்து நெரிசலாக மாறிவிடும் என்ற இருபது ஆண்டு அனுபவத்தை எந்த ஒரு அல்காரிதமாலும் (algorithm) ஈடு செய்ய முடியாது. ஆனால், combinatorial explosion எனப்படும் கணித ரீதியான சிக்கல்களின் போது அனுபவம் போதாது. ஒரு சிறிய அளவிலான வாகனக் கூட்டத்தை (fleet) நீங்கள் நிர்வகிக்கத் தொடங்கினால் கூட, சாத்தியமான பாதைகளின் எண்ணிக்கை ஒரு மனித மூளையால் நிகழ்நேரத்தில் (real time) வகைப்படுத்த முடியாத அளவுக்குப் பெருகிவிடும்.

AI-அடிப்படையிலான வழித்தட மேம்படுத்தல் (route optimization) வினாடிகளில் மில்லியன் கணக்கான சேர்க்கைகளை மதிப்பீடு செய்கிறது. இது கடினமான கட்டுப்பாடுகளைக் கணக்கில் கொள்கிறது: குளிர்சாதனப் பெட்டிப் பணி, ஓட்டுநரின் பணி நேர வரம்பு, வாடிக்கையாளரின் நேர ஒதுக்கீடு காலம் போன்றவை. மேலும், சமதள நிலப்பரப்பு அல்லது சீரான வேகத்தை முன்னிறுத்துவதன் மூலமும், திரும்புப் பயணச் சரக்குகளை (backhauls) ஒருங்கிணைப்பதன் மூலமும், லாரி ஒரு மாநகரப் பகுதி முழுவதும் வளைந்து நெளிந்து செல்லாதவாறு நிறுத்த வரிசைகளை அமைப்பதன் மூலமும் இது எரிபொருள் பயன்பாட்டைக் குறைக்கிறது.

எரிபொருள் சேமிப்பு அதிகரிக்கிறது. அதேபோல் ஓட்டுநர்களைத் தக்கவைப்பதும் எளிதாகிறது. கணினி ஒரு புத்திசாலித்தனமான விநியோக வரிசையைக் கொடுத்ததற்காக யாரும் வேலையை விட்டு விலகுவதில்லை. தேவையற்ற காரணங்களுக்காகத் தங்களை வீட்டை விட்டுத் தள்ளி வைக்கும் தர்க்கமற்ற நீண்ட பயணங்களுக்கு அனுப்பப்படும்போதுதான் மக்கள் விலகுகிறார்கள். சிறந்த வழித்தடங்கள் டீசல் தொட்டியையும், கேபினில் இருக்கும் மனிதனையும் மதிக்கின்றன.

அதிர்ச்சிகளைச் சமாளித்தல்

வழங்கல் சங்கிலிகள் (Supply chains) எப்போதும் பாதிப்புக்குள்ளாகக்கூடியவைதான். ஒரு சூறாவளி ஒரு துறைமுகத்தை மூடுகிறது. ஒரு புவிசார் அரசியல் நிகழ்வு எல்லைக் கடப்பதைத் தடுக்கிறது. ஒரு விநியோகஸ்தர் உற்பத்தி காலக்கெடுவைத் தவறவிடுகிறார், திடீரென்று உங்கள் வெளியேறும் சரக்குகள் ஏற்றிச் செல்ல ஏதுமின்றித் தவிக்கின்றன. இப்போது உள்ள வித்தியாசம் வேகம் மட்டுமே. தடங்கல்கள் ஒரு நெட்வொர்க்கில் பரவ முன்பு பல நாட்கள் எடுத்தன. இப்போது அவை ஒரு ட்வீட்டின் வேகத்தில் பரவுகின்றன.

தடங்கல்களைக் கையாளும் AI கருவிகள் மோசமான வானிலையைத் தடுப்பதில்லை. அவை பதிலளிக்கும் நேரத்தைக் குறைக்கின்றன. ஒரு புயல் மாநிலங்களுக்கு இடையேயான நெடுஞ்சாலையை மூடும்போது, ஓட்டுநர்கள் தங்கள் காபியை முடிப்பதற்கு முன்பே, பாதிக்கப்பட்ட வழித்தடங்களை இந்த அமைப்பு மீண்டும் திட்டமிட முடியும். ஒரு பிராந்தியத்தில் தேவை அதிகரிக்கும் போது மற்றும் மற்றொரு பிராந்தியத்தில் குறையும் போது, அல்காரிதம்கள் அந்தச் சமநிலையின்மையைக் கண்டறிந்து, காலியான சொத்துக்களை (empty assets) மறுநிலைப்படுத்தப் பரிந்துரைக்கின்றன. ஒரு ஏற்றி (carrier) சரக்கை எடுக்கத் தவறினால், கைமுறை ஏலப் போரைத் தொடங்காமலேயே, முன்கூட்டியே சரிபார்க்கப்பட்ட மாற்று நெட்வொர்க்கிலிருந்து ஒரு மாற்றாக இந்தத் தளம் ஒருவரைத் தேடித் தரும்.

இதன் முக்கிய அம்சம் என்னவென்றால், இந்த அமைப்புகள் கற்றுக்கொள்கின்றன. ஒருமுறை பயன்படுத்தப்பட்ட தற்காலிகத் தீர்வு அடுத்த நெருக்கடிக்கான தரவாக மாறுகிறது. எந்த மாற்று வழிகள் உண்மையில் வேலை செய்தன என்பதைப் பார்த்திருப்பதால், மாற்று வழிகளைப் பரிந்துரைப்பதில் இந்த மாதிரி (model) மேலும் சிறப்பாகச் செயல்படுகிறது.

மனித இடமே இன்னும் ஓட்டுநரின் இடமாகவே உள்ளது

போக்குவரத்துத் துறையில் AI என்பது ரோபோ லாரிகள் மற்றும் வேலையற்ற சரக்கு விநியோகக் கட்டுப்பாட்டாளர்கள் (dispatchers) என்று ஒரு தொடர்ச்சியான அச்சம் உள்ளது.