स्वचालित वाहनों का एकीकरण शहरी गतिशीलता के लिए कई लाभों का वादा करता है, जिसमें बढ़ी हुई सुरक्षा, कम यातायात भीड़ और बढ़ी हुई पहुंच शामिल है। स्वचालित वाहन ड्राइवरों को आराम करने, काम करने या रास्ते में मल्टीमीडिया देखने जैसे गैर-ड्राइविंग संबंधी कार्यों (एनडीआरटी) में संलग्न होने में भी सक्षम बनाते हैं। हालाँकि, यात्रियों के सीमित भरोसे के कारण व्यापक रूप से अपनाने में बाधा आती है। इसे संबोधित करने के लिए, स्वचालित वाहन निर्णयों के स्पष्टीकरण नियंत्रण प्रदान करके और नकारात्मक अनुभवों को कम करके विश्वास को बढ़ावा दे सकते हैं। प्रभावी होने के लिए ये स्पष्टीकरण जानकारीपूर्ण, समझने योग्य और संक्षिप्त होने चाहिए।
मौजूदा व्याख्या योग्य कृत्रिम बुद्धिमत्ता (एक्सएआई) दृष्टिकोण प्रमुख रूप से डेवलपर्स को पूरा करते हैं, जो उच्च जोखिम वाले परिदृश्यों या व्यापक स्पष्टीकरण पर ध्यान केंद्रित करते हैं, जो संभवतः यात्रियों के लिए अनुपयुक्त हैं। इस अंतर को भरने के लिए, यात्री-केंद्रित XAI मॉडल को वास्तविक दुनिया के ड्राइविंग परिदृश्यों में आवश्यक जानकारी के प्रकार और समय को समझने की आवश्यकता है।
इस अंतर को संबोधित करते हुए, दक्षिण कोरिया के ग्वांगजू इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी (जीआईएसटी) के प्रोफेसर सेउंगजुन किम के नेतृत्व में एक शोध दल ने वास्तविक सड़क स्थितियों में स्वचालित वाहन यात्रियों की स्पष्टीकरण मांगों की जांच की। फिर उन्होंने टाइमलीटेल नामक एक मल्टीमॉडल डेटासेट पेश किया, जिसमें समय पर और संदर्भ-प्रासंगिक स्पष्टीकरण के लिए यात्री-विशिष्ट सेंसर डेटा शामिल है। प्रोफेसर किम बताते हैं, “हमारा शोध स्वायत्त ड्राइविंग में XAI का ध्यान डेवलपर्स से यात्रियों की ओर स्थानांतरित करता है। हमने वाहन में स्पष्टीकरण के लिए यात्रियों की वास्तविक मांग को इकट्ठा करने और यात्रियों के लिए समय पर, स्थिति-प्रासंगिक स्पष्टीकरण उत्पन्न करने के तरीकों के लिए एक दृष्टिकोण विकसित किया है।”
उनके निष्कर्ष 27 सितंबर, 2023 और 09 सितंबर, 2024 को इंटरएक्टिव, मोबाइल, पहनने योग्य और सर्वव्यापी प्रौद्योगिकियों पर एसीएम की कार्यवाही में प्रकाशित दो अध्ययनों में उपलब्ध हैं। लेखकों को उनके लिए यूबीकॉम्प 2024 में ‘प्रतिष्ठित पेपर पुरस्कार’ से सम्मानित किया गया था। ‘क्या और कब समझाएं?: अत्यधिक स्वचालित में स्पष्टीकरण का ऑन-रोड मूल्यांकन’ शीर्षक वाला अग्रणी अध्ययन वाहन’.
शोधकर्ताओं ने सबसे पहले संवर्धित वास्तविकता का उपयोग करके वास्तविक ड्राइविंग स्थितियों के तहत यात्री अनुभव पर धारणा, ध्यान और दोनों के संयोजन और उनके समय सहित विभिन्न दृश्य स्पष्टीकरण प्रकारों के प्रभाव का अध्ययन किया। उन्होंने पाया कि वाहन की धारणा स्थिति ने अकेले यात्रियों पर दबाव डाले बिना विश्वास, कथित सुरक्षा और स्थितिजन्य जागरूकता में सुधार किया। उन्होंने यह भी पता लगाया कि स्पष्टीकरण कब देना है, यह तय करने के लिए यातायात जोखिम की संभावना सबसे प्रभावी थी, खासकर जब यात्रियों को जानकारी की अधिकता महसूस होती थी।
इन निष्कर्षों के आधार पर, शोधकर्ताओं ने टाइमलीटेल डेटासेट विकसित किया। इस दृष्टिकोण में एक्सटेरोसेप्टिव (बाहरी वातावरण जैसे दृश्य, ध्वनि आदि के संबंध में), प्रोप्रियोसेप्टिव (शरीर की स्थिति और गतिविधियों के बारे में), और इंटरोसेप्टिव (शरीर की संवेदनाओं जैसे दर्द आदि के बारे में) डेटा शामिल है, जो यात्रियों से एकत्र किया जाता है। प्राकृतिक ड्राइविंग परिदृश्यों में विभिन्न प्रकार के सेंसर, उनकी स्पष्टीकरण मांगों की भविष्यवाणी करने के लिए प्रमुख विशेषताओं के रूप में। विशेष रूप से, यह कार्य रुकावट की अवधारणा को भी शामिल करता है, जो यात्रियों का ध्यान एनडीआरटी से ड्राइविंग-संबंधी जानकारी पर स्थानांतरित करने को संदर्भित करता है। विधि ने प्रभावी ढंग से यात्री की स्पष्टीकरण की मांगों के समय और आवृत्ति दोनों के साथ-साथ विशिष्ट स्पष्टीकरण की पहचान की जो यात्री ड्राइविंग स्थितियों के दौरान चाहते हैं।
इस दृष्टिकोण का उपयोग करते हुए, शोधकर्ताओं ने एक मशीन-लर्निंग मॉडल विकसित किया जो स्पष्टीकरण प्रदान करने के लिए सर्वोत्तम समय की भविष्यवाणी करता है। इसके अतिरिक्त, अवधारणा के प्रमाण के रूप में, शोधकर्ताओं ने विभिन्न ड्राइविंग स्थानों के आधार पर पाठ्य स्पष्टीकरण उत्पन्न करने के लिए शहर-व्यापी मॉडलिंग का आयोजन किया।
प्रोफेसर किम टिप्पणी करते हैं, “हमारा शोध स्वायत्त वाहनों की बढ़ती स्वीकार्यता और अपनाने, संभावित रूप से आने वाले वर्षों में शहरी परिवहन और व्यक्तिगत गतिशीलता को फिर से आकार देने के लिए आधार तैयार करता है।”
