वेमो ने मंगलवार को घोषणा की कि वह अपनी रोबोटैक्सियों के सॉफ़्टवेयर को अपडेट कर रहा है ताकि बिजली कटौती से निष्क्रिय हुए ट्रैफिक लाइटों को संभालने में सुधार किया जा सके। यह अपडेट इस पिछले सप्ताहांत सैन फ्रांसिस्को में हुई बिजली कटौती के दौरान आई समस्याओं का समाधान करता है, जहाँ वेमो के स्व-ड्राइविंग वाहनों को गैर-कार्यात्मक ट्रैफिक सिग्नल वाले चौराहों पर नेविगेट करने में कठिनाई हुई।

कंपनी के एक ब्लॉग पोस्ट के अनुसार, वेमो की स्वायत्त ड्राइविंग प्रणाली को मृत ट्रैफिक लाइटों को चार-तरफ़ा स्टॉप के रूप में मानने के लिए प्रोग्राम किया गया है, जो मानक मानवीय ड्राइविंग प्रथाओं को दर्शाता है। हालाँकि, व्यापक आउटेज के दौरान, कई वाहनों ने अपनी कार्रवाइयों को मान्य करने के लिए वेमो की फ़्लीट रिस्पांस टीम से बार-बार पुष्टि जाँच का अनुरोध किया।

वेमो ने कहा, "शनिवार को इतने व्यापक आउटेज के साथ, इन पुष्टि अनुरोधों में एक केंद्रित उछाल आया," यह बताते हुए कि अनुरोधों में वृद्धि ने ऑनलाइन प्रसारित वीडियो फुटेज में देखी गई भीड़ में योगदान दिया। कंपनी ने जोर देकर कहा कि पुष्टि अनुरोध प्रणाली को शुरू में शुरुआती तैनाती चरणों के दौरान एक सुरक्षा उपाय के रूप में लागू किया गया था।

अंतर्निहित मुद्दा कई एक साथ ट्रैफिक लाइट विफलताओं की असामान्य स्थिति की व्याख्या करने में AI की अनिश्चितता से उपजा है। जबकि सिस्टम को व्यक्तिगत आउटेज को संभालने के लिए डिज़ाइन किया गया है, सैन फ्रांसिस्को ब्लैकआउट के सरासर पैमाने ने इसकी क्षमता को अभिभूत कर दिया, जिससे अत्यधिक पुष्टि अनुरोध हुए। यह AI विकास में एक चुनौती को उजागर करता है: अप्रत्याशित, बड़े पैमाने पर घटनाओं के सामने मजबूती और अनुकूलन क्षमता सुनिश्चित करना।

सॉफ़्टवेयर अपडेट का उद्देश्य पुष्टि अनुरोध प्रणाली को परिष्कृत करना है, इसे वेमो के वर्तमान परिचालन पैमाने के साथ संरेखित करना है। इसमें उन परिदृश्यों में अनावश्यक पुष्टि अनुरोधों की आवृत्ति को कम करना शामिल है जहाँ सिस्टम स्वतंत्र रूप से निर्णय लेने में सक्षम होना चाहिए। अपडेट बेहतर एल्गोरिदम और डेटा विश्लेषण का लाभ उठाता है ताकि रोबोटैक्सियों को खराब ट्रैफिक लाइट वाले चौराहों को अधिक आत्मविश्वास और कुशलता से नेविगेट करने की अनुमति मिल सके।

यह घटना शहरी वातावरण में स्वायत्त वाहनों की तैनाती के बारे में व्यापक प्रश्न उठाती है। जबकि स्व-ड्राइविंग तकनीक बढ़ी हुई सुरक्षा और दक्षता का वादा करती है, यह नई कमजोरियों और निर्भरताओं को भी पेश करती है। वेमो का उदाहरण AI सिस्टम के डिजाइन और परीक्षण चरणों के दौरान एज केस और अप्रत्याशित परिदृश्यों पर विचार करने के महत्व को दर्शाता है।

विशेषज्ञों का कहना है कि यह स्थिति AI में निरंतर सीखने और अनुकूलन की आवश्यकता को रेखांकित करती है। मशीन लर्निंग मॉडल को आमतौर पर वास्तविक दुनिया के ड्राइविंग परिदृश्यों के विशाल डेटासेट पर प्रशिक्षित किया जाता है। हालाँकि, ये डेटासेट शहरव्यापी बिजली कटौती जैसी दुर्लभ घटनाओं का पर्याप्त रूप से प्रतिनिधित्व नहीं कर सकते हैं। इसलिए, AI सिस्टम विकसित करना महत्वपूर्ण है जो मौजूदा डेटा से सामान्यीकरण कर सकते हैं और नई स्थितियों के अनुकूल हो सकते हैं।

यह घटना स्वायत्त वाहन संचालन में मानव निरीक्षण की भूमिका पर भी प्रकाश डालती है। वेमो की फ़्लीट रिस्पांस टीम एक सुरक्षा जाल के रूप में कार्य करती है, जब AI को चुनौतीपूर्ण स्थितियों का सामना करना पड़ता है तो दूरस्थ सहायता प्रदान करती है। जैसे-जैसे स्व-ड्राइविंग तकनीक परिपक्व होती है, स्वायत्तता और मानव हस्तक्षेप के बीच संतुलन एक महत्वपूर्ण विचार बना रहेगा।

सैन फ्रांसिस्को ब्लैकआउट के लिए वेमो की प्रतिक्रिया अपनी तकनीक की चुनौतियों और सीमाओं को दूर करने की प्रतिबद्धता को दर्शाती है। सॉफ़्टवेयर अपडेट को लागू करके और अपने AI एल्गोरिदम को परिष्कृत करके, कंपनी का लक्ष्य वास्तविक दुनिया की स्थितियों में अपनी रोबोटैक्सियों की विश्वसनीयता और लचीलापन में सुधार करना है। स्वायत्त वाहनों का चल रहा विकास और तैनाती निस्संदेह परिवहन के भविष्य को आकार देगा, जिसके लिए तकनीकी प्रगति और सामाजिक निहितार्थ दोनों पर सावधानीपूर्वक विचार करने की आवश्यकता है।