एलएलएम कार: एआईवी संचार में एक नए युग की शुरुआत

स्वायत्त वाहन (एवी) व्यापक रूप से अपनाने के करीब पहुंच रहे हैं, एक महत्वपूर्ण चुनौती बनी हुई है: मानव यात्रियों और उनके रोबोटिक चालकों के बीच संचार के अंतर को पाटना। जबकि एवी ने जटिल सड़क परिवेश में नेविगेट करने में उल्लेखनीय प्रगति की है, वे अक्सर मानव चालकों के लिए स्वाभाविक रूप से आने वाली सूक्ष्म, प्राकृतिक भाषा के निर्देशों की व्याख्या करने में संघर्ष करते हैं।

पुर्दू विश्वविद्यालय के लाइल्स स्कूल ऑफ सिविल एंड कंस्ट्रक्शन इंजीनियरिंग से एक नवाचारी अध्ययन में प्रवेश करें। सहायक प्रोफेसर ज़िरान वांग के नेतृत्व में एक इंजीनियरों की टीम ने कृत्रिम बुद्धिमत्ता का उपयोग करके एचवी मानव इंटरैक्शन में सुधार करने के लिए एक नवाचारी दृष्टिकोण का पioneering किया है। उनका समाधान स्वायत्त ड्राइविंग सिस्टम में बड़े भाषा मॉडल (एलएलएम) जैसे कि चैटजीपीटी को एकीकृत करना है।

एवी में प्राकृतिक भाषा की शक्ति

एलएलएम मानव जैसे पाठ को समझने और उत्पन्न करने में एआई की क्षमता में एक छलांग का प्रतिनिधित्व करते हैं। ये जटिल एआई सिस्टम विशाल मात्रा में पाठ्य डेटा पर प्रशिक्षित होते हैं, जिससे वे संदर्भ, सूक्ष्मता और निहित अर्थ को समझने में सक्षम होते हैं जो पारंपरिक प्रोग्राम किए गए प्रतिक्रियाओं के साथ नहीं किया जा सकता है।

स्वायत्त वाहनों के संदर्भ में, एलएलएम एक परिवर्तनकारी क्षमता प्रदान करते हैं। पारंपरिक एवी इंटरफेस के विपरीत जो विशिष्ट वॉयस कमांड या बटन इनपुट पर निर्भर करते हैं, एलएलएम व्यापक श्रृंखला के प्राकृतिक भाषा निर्देशों की व्याख्या कर सकते हैं। इसका अर्थ है कि यात्री अपने वाहनों से लगभग उसी तरह से संवाद कर सकते हैं जैसे वे एक मानव चालक के साथ करेंगे।

एवी संचार क्षमताओं में सुधार महत्वपूर्ण है। कल्पना कीजिए कि आप अपनी कार से कहते हैं, “मैं देर से चल रहा हूं,” और यह स्वचालित रूप से सबसे कुशल मार्ग की गणना करता है, यात्रा समय को कम करने के लिए अपनी ड्राइविंग शैली को समायोजित करता है। या यह सोचें कि आप कह सकते हैं, “मुझे थोड़ा कारसिक हो रहा है,” जो वाहन को एक स्मूथर राइड के लिए अपने मोशन प्रोफाइल को समायोजित करने के लिए प्रेरित करता है। ये सूक्ष्म इंटरैक्शन, जो मानव चालक स्वाभाविक रूप से समझते हैं, एलएलएम के एकीकरण के माध्यम से एवी के लिए संभव हो जाते हैं।

पुर्दू विश्वविद्यालय के सहायक प्रोफेसर ज़िरान वांग एक परीक्षण स्वायत्त वाहन के पास खड़े हैं, जिसे उन्होंने और उनके छात्रों ने यात्रियों से निर्देश प्राप्त करने के लिए चैटजीपीटी या अन्य बड़े भाषा मॉडल के साथ सुसज्जित किया है। (पुर्दू विश्वविद्यालय फोटो/जॉन अंडरवुड)

पुर्दू अध्ययन: विधि और निष्कर्ष

एवी में एलएलएम की संभावना का परीक्षण करने के लिए, पुर्दू टीम ने एक स्तर चार स्वायत्त वाहन का उपयोग करके एक श्रृंखला के प्रयोग किए – एसएई इंटरनेशनल द्वारा परिभाषित पूर्ण स्वायत्तता से केवल एक कदम दूर।

शोधकर्ताओं ने चैटजीपीटी को प्रशिक्षित करना शुरू किया जो प्रत्यक्ष निर्देशों जैसे “कृपया तेजी से ड्राइव करें” से लेकर अधिक अप्रत्यक्ष अनुरोधों जैसे “मुझे थोड़ा मोशन सिक हो रहा है” तक की एक श्रृंखला का जवाब दे सकता था। उन्होंने फिर इस प्रशिक्षित मॉडल को वाहन के मौजूदा सिस्टम के साथ एकीकृत किया, जिससे यह यातायात नियमों, सड़क की स्थिति, मौसम और सेंसर डेटा जैसे कारकों पर विचार करते हुए निर्देशों की व्याख्या कर सके।

प्रयोगात्मक सेटअप कठोर था। अधिकांश परीक्षण इंडियाना के कोलंबस में एक प्रूफ ग्राउंड पर किए गए – एक पूर्व हवाई अड्डे का रनवे जो उच्च गति परीक्षण के लिए सुरक्षित था। पुर्दू के रॉस-एड स्टेडियम के पार्किंग लॉट में अतिरिक्त पार्किंग परीक्षण किए गए। प्रयोगों के दौरान, एलएलएम-सहायता प्राप्त एवी ने यात्रियों से पूर्व-निर्धारित और नए निर्देशों का जवाब दिया।

परिणाम आशाजनक थे। प्रतिभागियों ने एलएलएम सहायता के बिना स्तर चार एवी में आम तौर पर अनुभव की जाने वाली तुलना में कम असहजता की दरों की सूचना दी। वाहन ने लगातार बेसलाइन सुरक्षा और आराम मेट्रिक्स का प्रदर्शन किया, यहां तक कि उन निर्देशों का जवाब देते हुए जिनके लिए यह विशेष रूप से प्रशिक्षित नहीं था।

शायद सबसे प्रभावशाली बात यह है कि प्रणाली ने व्यक्तिगत यात्री वरीयताओं के अनुसार सीखने और अनुकूलन करने की क्षमता का प्रदर्शन किया, जो वास्तव में व्यक्तिगत स्वायत्त परिवहन की संभावना को दर्शाता है।

पुर्दू पीएचडी छात्र कैन कुई परीक्षण स्वायत्त वाहन में बैठता है। कंसोल में एक माइक्रोफोन उनके निर्देशों को उठाता है, जिन्हें क्लाउड में बड़े भाषा मॉडल व्याख्या करते हैं। वाहन बड़े भाषा मॉडल से उत्पन्न निर्देशों के अनुसार चलता है। (पुर्दू विश्वविद्यालय फोटो/जॉन अंडरवुड)

परिवहन के भविष्य के लिए निहितार्थ

उपयोगकर्ताओं के लिए, लाभ बहुमुखी हैं। एक एवी के साथ प्राकृतिक रूप से संवाद करने की क्षमता नई प्रौद्योगिकी के साथ जुड़ने के लिए सीखने की वक्र को कम करती है, जिससे स्वायत्त वाहन अधिक लोगों के लिए अधिक सुलभ हो जाते हैं, जिनमें जटिल इंटरफेस से डरने वाले लोग भी शामिल हैं। इसके अलावा, पुर्दू अध्ययन में प्रदर्शित व्यक्तिगतीकरण क्षमताएं एक भविष्य की ओर इशारा करती हैं जहां एवी प्रत्येक यात्री के लिए अनुकूलित अनुभव प्रदान कर सकते हैं।

यह बेहतर इंटरैक्शन सुरक्षा में भी सुधार कर सकता है। यात्री के इरादे और स्थिति – जैसे कि जब कोई जल्दी में है या अस्वस्थ महसूस कर रहा है – को बेहतर ढंग से समझने से, एवी अपने ड्राइविंग व्यवहार को उसी के अनुसार समायोजित कर सकते हैं, संभावित रूप से गलत संचार या यात्री असहजता के कारण होने वाले दुर्घटनाओं को कम कर सकते हैं।

उद्योग के दृष्टिकोण से, यह प्रौद्योगिकी प्रतिस्पर्धी एवी बाजार में एक प्रमुख अंतर बन सकती है। जो निर्माता अधिक सहज और प्रतिक्रियाशील उपयोगकर्ता अनुभव प्रदान कर सकते हैं, वे एक महत्वपूर्ण लाभ प्राप्त कर सकते हैं।

चुनौतियाँ और भविष्य के दिशानिर्देश

आशाजनक परिणामों के बावजूद, एलएलएम-एकीकृत एवी को वास्तविक सड़कों पर वास्तविकता बनाने से पहले कई चुनौतियां बनी हुई हैं। एक प्रमुख मुद्दा प्रसंस्करण समय है। वर्तमान प्रणाली एक निर्देश की व्याख्या करने और प्रतिक्रिया देने में औसतन 1.6 सेकंड का समय लेती है – गैर-महत्वपूर्ण परिदृश्यों के लिए स्वीकार्य लेकिन तेजी से प्रतिक्रिया की आवश्यकता वाली स्थितियों में संभावित रूप से समस्याग्रस्त।

एक अन्य महत्वपूर्ण चिंता यह है कि एलएलएम “हॉलुसिनेट” या निर्देशों की गलत व्याख्या कर सकते हैं। जबकि अध्ययन में इस जोखिम को कम करने के लिए सुरक्षा तंत्र शामिल थे, इस मुद्दे को व्यापक रूप से संबोधित करना वास्तविक दुनिया के कार्यान्वयन के लिए महत्वपूर्ण है।

आगे देखते हुए, वांग की टीम कई मार्गों पर शोध की जांच कर रही है। वे चैटजीपीटी सहित अन्य एलएलएम का मूल्यांकन कर रहे हैं, जैसे कि गूगल के जेमिनी और मेटा के लामा एआई सहायक, प्रदर्शन की तुलना करने के लिए। प्रारंभिक परिणाम सुझाव देते हैं कि चैटजीपीटी वर्तमान में सुरक्षा और दक्षता मेट्रिक्स में अन्य को पार करता है, हालांकि प्रकाशित निष्कर्ष आगे हैं।

एक आकर्षक भविष्य की दिशा एलएलएम का उपयोग करके वाहनों के बीच संचार की संभावना है। यह अधिक जटिल यातायात प्रबंधन को सक्षम कर सकता है, जैसे कि वाहनों के बीच इंटरसेक्शन पर राइट-ऑफ-वे की बातचीत।

इसके अलावा, टीम एक परियोजना पर काम कर रही है जिसमें बड़े दृश्य मॉडल का अध्ययन किया जा रहा है – चित्रों पर प्रशिक्षित एआई सिस्टम – मिडवेस्ट में सामान्य चरम शीतकालीन मौसम की स्थितियों में स्वायत्त वाहनों को नेविगेट करने में मदद करने के लिए। यह शोध, जो कनेक्टेड और स्वचालित परिवहन केंद्र द्वारा समर्थित है, स्वायत्त वाहनों की अनुकूलन क्षमता और सुरक्षा को और बढ़ा सकता है।

नीचे की रेखा

पुर्दू विश्वविद्यालय का स्वायत्त वाहनों के साथ बड़े भाषा मॉडल के एकीकरण में अनुसंधान एक महत्वपूर्ण क्षण को चिह्नित करता है परिवहन प्रौद्योगिकी में। मानव-एवी इंटरैक्शन में अधिक सहज और प्रतिक्रियाशील बनाने के द्वारा, यह नवाचार एक महत्वपूर्ण चुनौती का समाधान करता है। जबकि प्रसंस्करण गति और संभावित गलत व्याख्या जैसी बाधाएं बनी हुई हैं, अध्ययन के आशाजनक परिणाम एक भविष्य की ओर इशारा करते हैं जहां हमारे वाहनों के साथ संवाद करना एक मानव चालक के साथ बातचीत करने जैसा हो सकता है। जैसे-जैसी यह प्रौद्योगिकी विकसित होती है, इसका हमारे दैनिक जीवन में कृत्रिम बुद्धिमत्ता के साथ हमारे संवाद और परस्पर क्रिया को क्रांतिकारी बनाने की क्षमता है।