வெள்ளிக்கிழமை மாலை Rouen மற்றும் Caen இடையேயான பயணத்தில் இருந்த ஒரு ரயில் Cleon நகருக்கு அருகில் தண்டவாளத்திலிருந்து விலகிச் சென்றது. 180 பயணிகளில் 44 பேர் காயமடைந்தனர், மேலும் உயிருக்கு ஆபத்தான நிலையில் இருந்த ஒருவரை ஹெலிகாப்டர் மூலம் மீட்கப்பட்டது. அவசரக்கால மீட்புக் குழுவினர் 140 தீயணைப்பு வீரர்களை சம்பவ இடத்திற்கு அனுப்பினர்.

தண்டவாளத்தில் இருந்த அடையாளம் தெரியாத ஒரு பொருளின் மீது ரயில் மோதியதால் இந்த விபத்து ஏற்பட்டதாக பிரெஞ்சு அதிகாரிகள் தெரிவிக்கின்றனர்; விபத்திற்கான காரணம் குறித்து விசாரணை நடைபெற்று வருகிறது. SNCF நிறுவனம் Rouen-Caen மற்றும் Caen-Le Havre வழித்தடங்களில் சேவையை நிறுத்திவிட்டு, அதற்குப் பதிலாகப் பேருந்துகளைப் பயன்படுத்தத் தொடங்கியது.

AI சார்ந்த கண்காணிப்பு ஏன் முக்கியமானது

ரயில் நெட்வொர்க்குகள் சுத்தமான தண்டவாளங்களைச் சார்ந்தே உள்ளன, இருப்பினும் விழுந்த சரக்குகள், வழிதவறிய வாகனங்கள் அல்லது கிளைகள் போன்ற அந்நியப் பொருட்கள் எந்த முன்னறிவிப்பும் இன்றி தண்டவாளத்தில் தோன்றலாம். பாரம்பரிய ஆய்வுகள் திட்டமிடப்பட்ட மனிதப் பார்வைகளை, ஆய்வு ரயில்களின் காட்சிச் சோதனைகளை அல்லது பின்னர் ஆய்வு செய்வதற்காக வீடியோவைப் பதிவு செய்யும் நிலையான கேமராக்களைச் சார்ந்தே உள்ளன. இத்தகைய முறைகள் தற்காலிக ஆபத்துகளைக் கண்டறிவதில்லை அல்லது ரயில் கடந்து சென்ற பின்னரே அவற்றைக் கண்டறிகின்றன.

AI அமைப்புகள் சென்சார் தரவுகளை நிகழ்நேரத்தில் (real time) செயலாக்கி, அசாதாரணமான மாற்றங்கள் தோன்றிய உடனேயே அவற்றைச் சுட்டிக்காட்டுகின்றன. பொதுவாக, தண்டவாளத்தின் ஓரத்திலுள்ள தூண்களில் அல்லது நகரும் ஆய்வு வாகனங்களில் உயர்-திறன் கொண்ட lidar அல்லது radar ஸ்கேனர்களைப் பொருத்தி, ரயில் பாதையில் இருக்கக் கூடாத வடிவங்களை அடையாளம் காணப் பயிற்சி அளிக்கப்பட்ட computer-vision மாடல்களுக்குத் தரவுகள் அனுப்பப்படுகின்றன. அல்காரிதம் (algorithm) ஒரு பொருளைக் கண்டறிந்ததும், அது கட்டுப்பாட்டு மையத்திற்கு எச்சரிக்கை அனுப்புகிறது, வரும் ரயில்களின் வேகத்தைக் குறைக்கிறது அல்லது நிறுத்துகிறது, மேலும் பராமரிப்புப் பணியாளர்களைச் சரியான GPS இடத்திற்கு அனுப்புகிறது.

இத்தகைய அமைப்பு Normandy வழித்தடத்தில் செயல்பாட்டில் இருந்திருந்தால், ரயிலைத் தண்டவாளத்திலிருந்து விலகச் செய்த அந்தத் தடையை ரயில் வருவதற்கு சில நிமிடங்களுக்கு அல்லது வினாடிகளுக்கு முன்பே அடையாளம் காணியிருக்கலாம், இது செயல்பாட்டாளர்களுக்குத் தலையிட ஒரு வாய்ப்பை வழங்கியிருக்கும்.

பரந்த சூழல்

அரசாங்கங்கள் பசுமைப் போக்குவரத்தை ஊக்குவிப்பதால், ஐரோப்பாவின் ரயில்வே அமைப்புகள் அதிக பயணிகள் மற்றும் சரக்குகளைக் கொண்டு செல்ல வேண்டிய அழுத்தத்தில் உள்ளன. கண்டத்தின் மிகவும் விரிவான அதிவேக மற்றும் பிராந்திய நெட்வொர்க்குகளில் ஒன்றைக் கொண்டுள்ள பிரான்ஸ், பாதுகாப்பை ஒரு முக்கிய பொதுச் சேவை மதிப்பாகக் கருதுகிறது. Cleon ரயில் விபத்து போன்ற சம்பவங்கள், தொழில்நுட்பம் மூலம் குறைக்கப்பட வேண்டிய ஒரு பலவீனத்தை வெளிச்சம் போட்டுக் காட்டுகின்றன.

உலகம் முழுவதும் உள்ள ரயில் நிறுவனங்கள் ஏற்கனவே AI சார்ந்த கண்காணிப்பைச் சோதித்து வருகின்றன. பல ஆசிய நாடுகளில், ட்ரோன் அடிப்படையிலான வான்வழி ஆய்வுகள் மூலம் பெறப்படும் வீடியோக்கள் neural-network வகைப்படுத்தல்களுக்கு அனுப்பப்பட்டு, தண்டவாளத்தின் நிலையை நேரலையில் காட்டும் வரைபடங்களை உருவாக்குகின்றன. அமெரிக்காவில், சரக்கு ரயில் நிறுவனங்கள் தண்டவாளத்தின் ஓரங்களில் ஊடுருவல்களைத் தொடர்ந்து ஸ்கேன் செய்யும் wayside lidar அமைப்புகளை நிறுவி, அவற்றை தானியங்கி பிரேக்கிங் அமைப்புகளுடன் இணைத்துள்ளன.

ஆரம்பகால lidar அடிப்படையிலான தடையைக் கண்டறியும் கருவிகளின் விலை ஒரு கிலோமீட்டருக்கு பல லட்சம் யூரோக்களாக இருந்தது. சென்சார் சுருக்கமாக்கல் (miniaturisation) மற்றும் cloud-based மாடல் சேவைகளில் ஏற்பட்டுள்ள சமீபத்திய முன்னேற்றங்கள் அந்த விலையைத் துணிகரமாகக் குறைத்துள்ளன—விபத்துகள், சேவைத் தடங்கல்கள் மற்றும் இழப்பீட்டு கோரிக்கைகளால் ஏற்படும் செலவுகளைத் தவிர்க்க முடிவதால், பல நிறுவனங்கள் இந்தச் செலவை சில ஆண்டுகளில் ஈடுகட்ட முடியும்.

யாருக்குப் பயன், யார் ஆபத்தை எதிர்கொள்கிறார்கள்

ரயில் நிறுவனங்கள் விபத்து தொடர்பான காலதாமதத்தைக் குறைத்துத் தங்கள் நற்பெயரைப் பாதுகாக்க முடியும். அவசரப் பராமரிப்புச் செலவுகள் குறைதல், குறைந்த காப்பீட்டுத் தவணைகள் மற்றும் நம்பகமான கால அட்டவணைகள் மூலம் சேமிப்பு கிடைக்கும்.

பயணிகள் தடையற்ற மற்றும் பாதுகாப்பான பயணங்களை அனுபவிப்பார்கள். Normandy-யில் ஏற்பட்ட 44 காயங்கள் மற்றும் ஒரு உயிருக்கு ஆபத்தான நிலையைத் தவிர்த்திருக்கலாம், இதன் மூலம் உயிர்களையும் மன உளைச்சலையும் மிச்சப்படுத்தியிருக்கலாம்.

அரசாங்கங்கள் மற்றும் ஒழுங்குமுறை அமைப்புகள் தெளிவான இணக்கச் சான்றுகளைப் பெற முடியும். AI கண்காணிப்பு, முன்கூட்டியே பாதுகாப்பு மேலாண்மையைச் செய்வதைக் காட்டும் தணிக்கைப் பதிவுகளை (audit trails) உருவாக்க முடியும், இது தேசிய மற்றும் ஐரோப்பிய வழிகாட்டுதல்களைப் பூர்த்தி செய்வதை எளிதாக்கும்.

தொழில்நுட்ப வழங்குநர்கள் நிறுவனங்கள் கைமுறை ஆய்வுகளில் இருந்து AI தளங்களுக்கு மாறுவதால், ஐரோப்பா, ஆசியா மற்றும் வட அமெரிக்கா முழுவதும் பில்லியன் கணக்கான யூரோ மதிப்புள்ள சந்தையைப் பயன்படுத்திக் கொள்ள முடியும்.

இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்துவதில் சவால்கள் உள்ளன. தொடர்ச்சியான வீடியோ ஒளிபரப்புகள் தரவுத் தனியுரிமை (data-privacy) குறித்த கவலைகளை எழுப்புகின்றன, இது அருகிலுள்ள சொத்துக்களில் உள்ள மனிதர்களைப் படம்பிடிக்கக்கூடும். அல்காரிதமிக் சார்பு (algorithmic bias) தவறான எச்சரிக்கைகளைத் தூண்டலாம், இது தேவையற்ற சேவைத் தடங்கல்களை ஏற்படுத்திப் பயணிகளின் நம்பிக்கையைச் சிதைக்கக்கூடும். ஒருங்கிணைப்பு சிக்கல்கள் (integration complexity) காரணமாக, தற்போதுள்ள பாதுகாப்பு அமைப்புகளைப் பாதிக்காமல், நிகழ்நேர ஆபத்துத் தகவல்களைப் பெற பழைய சிக்னலிங் அமைப்புகளைப் புதுப்பிக்க வேண்டிய கட்டாயம் ஏற்படுகிறது.

பிரெஞ்சு விசாரணை எதை வெளிப்படுத்துகிறது

அந்தப் பொருள் வன்முறைச் செயலால் ஏற்பட்டதா, விழுந்த சரக்குக் கொள்கலனா அல்லது பராமரிப்புத் தவறுவா என்பதை SNCF மற்றும் பிரெஞ்சு காவல்துறையினர் ஆராய்வார்கள். அந்தப் பொருள் பாதுகாப்பற்ற நுழைவுப் புள்ளி வழியாகத் தண்டவாளப் பகுதிக்குள் நுழைந்ததாக ஆய்வாளர்கள் கண்டறிந்தால், கண்டறிதலைத் தாண்டி சிறந்த எல்லைப் பாதுகாப்பின் அவசியத்தையும் இந்த வழக்கு முன்னிலைப்படுத்தும். அந்தப் பொருள் ஒரு விழுந்த கிளை போன்ற தற்காலிக இயற்கை ஆபத்தாக இருந்தால், நிலையான உள்கட்டமைப்பிற்கும் நகரும் குப்பைகளுக்கும் இடையிலான வேறுபாட்டைக் கண்டறியும் AI சென்சார்கள் மிகவும் பயனுள்ளதாக இருந்திருக்கும்.

Rouen-Caen மற்றும் Caen-Le Havre சேவைகளைத் தற்காலிகமாக நிறுத்துவது, ஒரு தனிப்பட்ட சம்பவம் எவ்வாறு ஒரு பிராந்திய வலைப்பின்னல் முழுவதும் தாக்கத்தை ஏற்படுத்துகிறது என்பதைக் காட்டுகிறது; இது பயணிகளை மெதுவான பேருந்துகளுக்குத் தள்ளுவதோடு, உள்ளூர் சாலைப் போக்குவரத்தையும் அதிக அழுத்தத்திற்கு உள்ளாக்குகிறது. ஆபத்துகளை முன்கூட்டியே அகற்றுவதன் மூலம், AI கண்காணிப்பு அந்த முக்கியப் பாதைகளைத் திறந்து வைக்கவும், இரயில்வே அடிப்படையாகக் கொண்டுள்ள பொருளாதார ஓட்டத்தைப் பாதுகாக்கவும் முடியும்.

எதிர் கருத்து: தொழில்நுட்பம் என்பது அனைத்து சிக்கல்களையும் தீர்க்கும் மந்திரக்கோல் அல்ல

AI-ஐ அதிகமாகச் சார்ந்திருப்பது மனித இயக்குநர்களிடையே அலட்சியத்தை ஏற்படுத்தக்கூடும் என்று விமர்சகர்கள் எச்சரிக்கின்றனர். ஒரு அமைப்பு ஒரு பொருளைக் கண்டறிந்து எச்சரித்தாலும், அதைத் தவறாக வகைப்படுத்தினால், அடிக்கடி வரும் தவறான எச்சரிக்கைகளால் இயக்குநர்கள் அதை அலட்சியப்படுத்தக்கூடும். AI மாதிரிகள் நம்பகமான முறையில் செயல்பட பெரிய அளவிலான, உயர்தரத் தரவுத் தொகுப்புகள் (datasets) தேவைப்படுகின்றன; ஆயிரக்கணக்கான கிலோமீட்டர் நீளமுள்ள தண்டவாளங்களில் இத்தகைய தரவுகளைச் சேகரிப்பது ஒரு மிகப்பெரிய நிர்வாகச் சவாலாகும்.

செலவு மற்றும் ஆபத்து குறித்த விவாதமும் ஒரு முக்கியப் பிரச்சினையாகும். குறைந்த போக்குவரத்து உள்ள பிராந்திய இரயில் பாதைகளுக்கு, ஆபத்தான பொருட்கள் இருப்பதற்கான புள்ளிவிவர வாய்ப்பு குறைவாக இருக்கும்போது, நவீன lidar அமைப்புகள் மற்றும் edge-computing வன்பொருள்களில் முதலீடு செய்வது நியாயமானதாகத் தெரியாமல் போகலாம். அத்தகைய சூழல்களில், மேம்படுத்தப்பட்ட காலமுறை ஆய்வுகளுடன் அவ்வப்போது AI மூலம் மேற்கொள்ளப்படும் ஆய்வுகளை இணைக்கும் ஒரு கலப்பு அணுகுமுறை (hybrid approach) சிறந்த சமநிலையை ஏற்படுத்தக்கூடும்.

எதிர்காலப் பார்வை: கவனிக்க வேண்டியவை

  • ஒழுங்குமுறை கட்டமைப்புகள்: புதிய இரயில் திட்டங்களுக்கு AI அடிப்படையிலான தடைகளைக் கண்டறியும் முறையை கட்டாயமாக்கும் வகையில், ஐரோப்பிய ஒன்றியம் புதுப்பிக்கப்பட்ட பாதுகாப்பு வழிகாட்டுதல்களை வெளியிடும் என்று எதிர்பார்க்கப்படுகிறது. இயக்குநர்கள் தங்களது கொள்முதல் மற்றும் சான்றிதழ் செயல்முறைகளை அதற்கேற்ப மாற்றியமைக்க வேண்டியிருக்கும்.
  • தரவு வடிவங்களின் தரப்படுத்துதல்: சென்சார் விற்பனையாளர்கள், AI மாதிரி வழங்குநர்கள் மற்றும் இரயில்வே சிக்னலிங் அமைப்புகளுக்கு இடையிலான இணக்கத்தன்மை (interoperability) மிக முக்கியமானது. ஒரே ஒரு விற்பனையாளரைச் சார்ந்திருக்கும் நிலையைத் தவிர்க்க, தொழில்முறை குழுக்கள் பொதுவான இடைமுகங்களை (interfaces) உருவாக்கி வருகின்றன.
  • முன்னோடித் திட்டங்கள்: பல்வேறு ஐரோப்பிய இரயில் பாதைகளில் அடுத்த ஆண்டு தொடக்கத்தில் முன்னோடித் திட்டங்கள் அறிவிக்கப்பட்டுள்ளன; இவை பல்வேறு வானிலை மற்றும் ஒளிச் சூழல்களில் AI கண்டறிதலின் துல்லியத்தை உறுதி செய்வதை நோக்கமாகக் கொண்டுள்ளன.
  • செலவு-பயன் ஆய்வுகள்: விபத்துகளைத் தவிர்ப்பதன் மூலம் கிடைக்கும் நீண்டகாலச் சேமிப்பையும், ஆரம்பக்கட்ட மூலதனச் செலவையும் ஒப்பிடும் சுயாதீன மதிப்பீடுகள், அதிக போக்குவரத்து உள்ள மற்றும் கிராமப்புற இரயில் வலைப்பின்னல்களுக்கான முடிவுகளை எடுக்க வழிகாட்டும்.

முக்கியக் கருத்து

நார்மண்டி இரயில் கவிழ்வு சம்பவம், அடையாளம் காணப்படாத ஒரு சிறிய தடை எவ்வாறு வழக்கமான பிராந்திய சேவையை, டஜன் கணக்கானோருக்குக் காயத்தை ஏற்படுத்தி, ஒரு முக்கிய போக்குவரத்துப் பாதையை முடக்கும் ஒரு நெருக்கடியாக மாற்றும் என்பதைக் காட்டுகிறது. AI மூலம் இயங்கும் தண்டவாளக் கண்காணிப்பு மற்றும் தடைகளைக் கண்டறியும் அமைப்புகள், இரயில் ஒரு இடத்திற்கு வருவதற்கு முன்பே அத்தகைய ஆபத்துகளைக் கண்டறிந்து, உயிர்களைக் காப்பாற்றவும், கால அட்டவணையைப் பராமரிக்கவும் மற்றும் இரயில்வே வழங்கும் பொருளாதார உயிர்நாடிகளைப் பாதுகாக்கவும் உதவும் என்று உறுதியளிக்கின்றன. தொழில்நுட்பம் மட்டுமே அனைத்து அபாயங்களையும் நீக்கிவிட முடியாது, ஆனால் தற்போதுள்ள பாதுகாப்பு நெறிமுறைகளுடன் நிகழ்நேர AI கண்காணிப்பை ஒருங்கிணைப்பது, அடுத்த "அடையாளம் காணப்படாத பொருள்" ஒரு செய்தியாக மாறுவதைத் தடுக்கும் ஒரு தீர்மானிக்கும் நடவடிக்கையாக இருக்கும்.