AI का उपयोग और बढ़ावा

AI का उपयोग और बढ़ावा

 भारत सरकार द्वारा राष्ट्रीय स्तर पर A.I. कार्यक्रम की रूपरेखा बनाने के लिए नीतिआयोग के उपाध्यक्ष की अध्यक्षता में एक समिति का गठन किया गया है। इसमें सरकार केइसके अलावा सरकार एआई के क्षेत्र में अनुसंधान, प्रशिक्षण, मानव संसाधन और कौशल विकास को बढ़ावा देगी दे रही है।

भारतीय रेल में A.I. का अनुप्रयोग निम्न क्षेत्रो में हो रहा है-

1. गाड़ियो के समय-सारणी को निर्धारित करने में ।

2. गाड़ियो के गति को नियंत्रण करने में ।

3. गाड़ियो के संचालन एवं शंटिंग के समय लाईन पर अवरोध का पता करने में।

4. विलंबित गाड़ियों की जानकारी देने में ।

5. दो गाड़ियो के आपस में टक्कर एवं SPAD की घटना को रोकने में।

6. वेटिंग लिस्ट टिकटों की संख्या कम करके कन्फर्म टिकट ज्यादा से ज्यादा यात्रियो को देने में ।

7. संसाधनों के रख-रखाव एवं रिपेयर के लागत एवं समय को कम करने में।

৪. गाड़ियों के संचालन खर्च कों कम करने में।

9. गाड़ियों को समय पर चलाने में।

10 रेल पटरी कितने दिनों में खराब होने वाली है, इसके पता करके समय पर उसे बदल कर दुर्घटना टालने में।

आरटिफिशियल इंटेलिजेंस (A.I)

आर्टिफिशियल इंटेलिजेंस (A.I) का अर्थ है कृत्रिम तरीके से विकसित की गई बौद्धिक क्षमता। इसके अन्तर्गत ऐसा कम्प्यूटर या रोबोटिक तैयार किया जाता है जो मानव मस्तिष्क की तरह तर्को के अआधार पर कार्य करता है।

A.I. के जनक "जॉन मैकार्थी" के अनुसार यह मशीनों (कम्प्यूटर) द्वारा प्रदर्शित किया गया इंटेलिजेंस है। यह मनुष्य की तरह इंटेलिजेंस तरीके से सोचने वाला सॉफ्टवियर बनाने का एक तरीका है। यह इसके बारे में अध्ययन करता है कि मानव मस्तिष्क कैसे सोचता है।

और समस्या को हल करते समय कैसे सीखता है, कैसे निर्णय लेता है और कैसे काम करता आर्टिफिशियल इंटेलिजेंस निम्न प्रकार का है:-

1. पूर्णतः प्रतिक्रियात्मक (Purely Reactive)

2. सीमित यादाश्त (Limited Memory)

3. मस्तिक सिद्धांत (Brain Theory)

4. आत्म चेनत (Self Conscious)

आर्टिंफिशियल इंटेलिजेंस का अनुप्रयोग निरम्न है:-

1. Computer Gaming

2. Natural Language Processing

3. Vision System

4. Speech Recognition

5. Intelligent Robot

A.. से हमारे रहने और कार्य करने के तरीकों में व्यापक बदलाव आयेगा एवं उत्पादन और निर्माण के तरीकों में क्रांतिकारी परिवर्तन देखने को मिलेगा।

आर्टिफिशियल इंटेलिजेंस विगत कई दशकों से चर्चा के केन्द्र में रहा है। वैज्ञानिक इसके अच्छे एवं बुरे परिणामों को लेकर विचार-विमर्श करते रहते है। विकास को गति देने और लोगों को बेहतर सुख सुविधाएँ उपलब्ध कराने के लिए प्रत्येक क्षेत्र में अत्याधुनिक तकनीक का भरपूर उपयोग किया जा रहा है। A. युक्त मशीनों से जितने फायदे है, उतने ही खतरे भी है। विशेषज्ञों का कहना है कि सोचने समझने वाला रोबोट अगर किसी कारण या परिस्थिति में मनुष्य को अपना दुश्मन मानने लगे तो मानवता के लिए खतरा पैदा हो सकता है। ऐसे में इनके इस्तेमाल से पहले लाभ व हानि दोनों को संतुलित करने की आवश्यकता है। 

डेटा विशलेषण, डेटा सेटों की जाँच करने की प्रक्रिक्रा है, ताकि वे उन रुझानों का पता लगाकर उसमे मौजूद जानकारी के बारे में निष्कर्ष निकाल सके। इसके लिए एक विशिष्ट सिस्टम और सॉफ्टवेयर का उपयोग किया जाता है। इस तकनिक का उपयोग करके व्यवसायिक संगठन निर्णय लेने मे सक्षम होते है। इसका उपयोग वैज्ञानिक और शोधकत्ताओं द्वारा वैज्ञानिक मॉडल सिद्धान्तों और परिकल्पनाओं को सत्यापित या नापसंद करने के लिए भी किया जाता है।

1. DATA ANALYTICS

(डेटा विशलेषण)

डेटा एनालिटिक्स के प्रयोग से कोई भी संगठन अपना राजस्व में वृद्धि, परिचालन दक्षता में सुधार मार्केटिंग और कस्टमर सेवा में सुधार कर सकता है। बदलते मार्केट प्रवृति को पहचानकर तुरंत उसी के अनुसार अपनी नीति बनाकर, अपने प्रतिद्वंदी से काफी बढ़त हासिल कर सकते है। इसमें ऐतिहासिक रिकार्ड या नई जानकारी दोनों का Real-TIme में एक विशेष प्रकार के एप्लिकेशन के द्वारा प्रोसेस करके परिणाम निकाला जाता है। इसमें आंतरिक एवं वाह्य दोनो प्रकार से प्राप्त डेटा का विश्लेषण किया जाता है।

(ii)

उच्च स्तर पर डेटा एनालिस्ट पद्धते दो प्रकार का होता है

Exploratory data Analysis

Confirmatory Data Analysis (CDA)

EDA का उद्दश्य डेटा में विद्यमान पैट्न एवं उसके बीच निहित संबंधो को खोजना है, जबकि coA संख्यिकीय तकनीकों का प्रयोग करके यह सुनिश्चित करता है। कि डेटा सेट से निकला हुआ परिकल्पना सही है या गलत।

डेटा एनालिटिक्स को "Quantitative" औरा "Quantitative" Data

Analysis में अधिक से अधिक संख्या में डेटा का विश्लेशन किया जाता है। जबकि "Quantitative" ज्यादा व्यख्यात्मक होता है। जिसमें पाठ, चित्र, ऑडियो व वीडियो, वाक्यांश विषय जैसे गैर संख्यात्मक डेटा पर ज्यादा फोकस होता है। इसके एडवांस स्टेज में "डेटा" माईनिंग शमिल होता है जिसमें रुझान   पैटर्न उसके बीच के रिश्तो की पहचान करने के लिए बहुत बड़े डेटा से छटनी किया जाता है। इसी का प्रयोग करके ग्राहकों के व्यवहार उपकरण विफलता और भविष्य की अन्य घटनाओं की भविष्यवाणी की जाती है। डेटा एनालिटिक्स में "मशीन लर्निग" का इस्तेमाल करके अधिक तेजी से मंथन करके परिणाम निकाला जाता है।

दूसरे शब्दों में Data Analysis शब्दो का मतलब होता है डाटा को परखना यह डाटा किसी भी प्रकार का आरे किसी भी क्षेत्र से हो सकता है। इसमें Row एवंरूपमिदं Unstructured डाटा का निरीक्षण प्रोसेसिंग, क्लीनिंग , ट्रांस्फॉर्मिंग इत्यादी प्रक्रियाओं का इस्तेमाल करके अपने काम की जानकारीयाँ निकाली जाती है और इसी जानकारी के आधार पर प्रभावी एवं बेहतर नि्णण लिया जाता है। Processed डाटा के रुप में जो उपयोगी जानकारीयाँ मिलती है उससे चह भी पता चलता है कि उस संगठन या विजनेस को डेवलप करने के लिए क्या-क्या कदम उठाये गये थे, उससे क्या फायदा या नुकसान हुआ और फिर उन्हीं ऑकड़ों के अनुसार आगे की कार्योजना बनायी जाती है।

1. Data Requirement:-

डाटा एनालिसिस की प्रक्रक्रा: -

यह डाटा एनालिटिक्स का सबसे पहला और मुख्य चरण है, जिसमें संगठन। कंपनी को अपनी जरुरत को समझना होता है अथत किसी प्रकार को डाटा एनालिसिस आवश्यक है और उससे क्या परिणाम की अपेक्षा अर्थात क्या, कैसे और क्यों डाटा चाहिए स्पष्ट रहे।

2. Dat Collection:-

प्हले चरण के बाद स्पष्टता आजाती है जिसके बाद अगला चरण होता है डाटा कलेक्शन यह एक महत्वपूर्ण चरण होता है क्योकि इसमें सही डाटा श्रोतों के चुनाव पर ही एनालिसिस का परिणाम निर्भर करता है। उसमें सबसे पहले irermal Sources से कस्टमर की जानकारी वित्त की जानकारी और सेल्स की जानकारी इकट्ठा की जाती है। इसके वाद Extermal Sources से Sstructured एवं Unstructured डाटा किसी भी Review SItes या Social Sltes से इक्कट्ठा किया जाता है।

3. Data Cleaning:-

इस चरण में इकट्ठे किये गये सभी डाटाओं का Cleaning एवं sorting कर के उपयोगी डाटा को एक साथ संग्रह किया जाता है और अनुपयोगी को हटा दिया जाता है। डाटा एनालिसिस का एक बहुत ही महत्वपूर्ण चरण होता है जिसमें विभिन्नता Tools का उपयोग करके असंगत डाटा का हटाया जाता ताकि परिणाम प्रभावित न हो।

4. Data Analysis:-

जब एक बार डाटा Collect Processed और व्यवस्थित हो जाता है तो वह Analysis के उपलब्ध विभिन्न तकनीकों में से अपनी जरुरत के अनुसार कम्पनी संगठन किसी एक का उपयोगी करती है। इस चरंण में Analyst उन सभी तत्वों को दूढ़ता है जो टारगेट से संबंधित होता है। इसके लिए सॉफ्टवेयर टूल्स का उपयोग किया जता है। ताकि अंत में जरुरत के अनुसार जानकारियाँ निकाली जा सकें,।"

5. Communication:-

उपरोक्त सभी चरणों से गुजरने के बाद अंतिम चरण कम्युनिकेशन का है अर्थात एनालिलिस के निकली जानकारियों को उपभोक्ता के जरुरत के अनुसार Table या chart के रुप में प्रस्तुत कियो जाता है ताकि उनालिसिस का परिणाम साफ साफ दिखाई पड़े और समझ में आ जाये।

भारतीय रेल में डेटा एनालिटिक्स का उपयोगः-

जैसा कि हम सभी जानते है कि भारतीय रेल दुनिया का 8 वॉ सबसे बड़ी नियोक्ता है जो कि लगभग 1.4 मिलियन से अधिक लोगो कि रोजगार देजा है। यह भारतीय परिवहन में अपना विशेष स्थन रहता है। परन्तु सस्ते हवाई यात्रा और बेहतर सड़क कनेक्टिविटी के कारण रेलवे को लागातार चुनौती मिल रही है और इसकी परिवहन की चमक ढ़ीली पड़ती जा रही है। इसलिए डेटा एनालिटिक्स के उपयोग के द्वारा भारतीय रेलवे का डिजिटलीकरण करके इसके आर्थिक रिथिति में सूुधार किया जा सकता है, जो कि निम्नलिखित है।

1. रेलवे प्रबंधन एवं आपदा प्रबंधन:-

डैटा एनालिटिक्स का अनुप्रयोग कर के भारतीय रेलवे के मागो, सेवा मूल्य, माल प्रबंधन, संरक्षा व सुरक्षा उपायों और उसके रख रखाव के निर्धारण में परिवर्तन किया गया है। रेलवे से यात्रा करने वाले चात्रियों की विशाल संख्या और कई वर्गीकृत सेवाओं  के कारण इतने बड़े डेटा अध्ययन आसान काम नहीं है। इसी डेटा दूल्स के इस्तेमाल से इसमें सुधार की प्रक्रिक्रा तेज हुई है और इसकी दक्षता भी बढ़ी है।

इसके अलावा विश्लेषणात्मक अपकरणों का उपयोग करके आपदा से बचन के लिए एक उन्नत आपदा प्रबंधन ढॉचा को विकसित किया गया है ताकि Real time परिदृश्य का विश्लेषण डेटा एनालिटिक्स के द्वारा किया गया है।

2. IRCTC टिकट प्रबंधन और बेहतर सेवा:-

IRCTC का ई-टिकटिंग पोर्टल पहले 10 सेकेण्ड में 'ही' Slow हो जाता था। परन्तु डेटा एनालिटिक्स के प्रयोग के बाद इस पर औसतन प्रतिदान  13 लाख ज्यादा टिकट बुरक हो रहा है और इसकी गति में भी सुधार  हुआ है तथा ग्राहक भी संतुष्ट हो रहे है। बार-बार आने वाले यात्रियों एक ही ट्रेन यात्रियों, लंबे रुट के यात्रियों और डेटा एनालिटिक्स का अधिक से अधिक उपयोग आरके  बेहतर सेवा दी जा रही है।

3. ई-खानपान सेवाः:-

भारतीय रेल प्रत्येक दिन लंबी दूरी के यात्रियों की बड़ी संख्या में यात्रा कराती है जिसका बेहतर खानपान सेवा देना हमेशा चुनौतीपूर्ण कार्य होता है। डेटा एनालिटिक्स का प्रयोग करके उचित दर पर पसंदीदा भोजन कम लागत पर उपलब्ध कराया  जा रहा है। इसके खानपान विभाग को अधिक राजस्व की प्राप्ति हो रही है, औरा वह लाभ प्रप्त कर रहा है। इसी टूल्स का अनुप्रयोग करके अनावश्यक लागत को समाप्त किया गया है और जब किसी असामान्य परिस्थिति के  कारण गाड़ी विलंवित हो जाती है तो भी प्रारंभिक संसाधनों पर बेहतर सेवा दी जा रही है।

4 एसेट मैनेजमेंट (परिसंपसि प्रबंधन)-

भारतीय रेल के पास लगभग 122 हजार ट्रैक कि.मी.2800 रुट स्वचालित रिगलिंग, 13000 इंजन, 290 हजार वैगन 75000 कोचिंग स्टॉक और लगभग 8000 स्टेशन इत्यादि परिसंपत्ति है। इसका अधित रखरखा वकरना हमेशा चुनौती पर्ण कार्य बना रहता था। अब । सेंसर और डेटा एनालिटिक्स टूल्स का प्रयोग करके कम से कम समय में बेहतर ताल मेल के साथ रीयल-टाईम तकनीक के द्वारा उचित रख रखाव किया जा रहा है। इस कारण

विफलता काफी कम हो गई है।

5. थ्सगनलिंग सिस्टम: -

डेटा लॉगर्स के माध्यम से ट्रै सर्किट प्वाइंट, एक्सल काऊन्टर और अन्य आंतरिक सर्किट की निगरानी और अन्य आंतरिक सर्किट की निगरानी डेटा एनालिटिक्रस टूल्स के द्वारा की जा रही है। इसके अनुप्रयोग से विभिन्न प्रकार के फॉल्ट के लिए एसएमएस अलर्ट आ जाता है।

उपरोक्त के अलावा अभी भी कई क्षेत्र जैसे oHE इंजन, ट्रैक सभी प्रकार के संपत्ति आदि है जिसमें डेटा एनालिटिक्स का प्रयोग की संभावना हैं।

Supervised Learning:-

मशीन लर्निंग की ये सेवाये Common भाग है जिसमें प्रोग्राम का output निर्धारित रहता है। यह पूरी तर से प्रोग्राम के गाइडेंस के उपर काम करता है जैसे टीचर एक बच्चे को सिखाता है। सबसे पहले इसमें Algorithm का एक मॉडल तैयार किया जाता है और फिर एक डाटासेट को Creat किया जाता है। इसक Dataset से मशीन Predictiom करता है या Decisinon लेता है। जैसे मानले की हमने एक प्रोग्राम बनया जिसमें बताया गया है कि मोहन 5 वर्ष का हैं राम 10 वर्ष, रहीम 15 वर्ष का है। अगर हम इस मशीन से पूछते है कि 15 वर्ष का कौन है तो मशीन आने Dataset के आधार पर ये तुरंत बता देगा कि 15 वर्ष का रहीम है। इसलिए इसमें आऊटपुट सटीक होता है।

Unsupervised Learning:-

मशीन लर्निग के इस ALOGARITHM में Dataset को पूरी तरीके से Labeled नहीं किया जाता है जिससे कि आऊऊपूट पूरी तरह से कन्फर्म नहीं होता है। इसका उपयोग बड़े-बड़े Dataset से Hidden Data को निकालने में होता है। इसमे
मशीन खुद ही डटा में से नये- नये पैटर्न और उसके बीच के संबंध को दूढती रहती है और अपने DATASET में बदलाव करती रहती है। इसमे बहुत काम Information दी जाती है। और उतने ही कम डाटा से मशीन काफी कुछ सीखती रहती है।

Reinforcement Learning:-

यह मशीन लर्निंग काफी अलग होता है और आज की एडवांस  टेक्नोलॉजी में इन्ही का सबसे ज्यादा उपयोग हो रहा है यह एक प्रकार से Self Dependent Algorithm होता है जो खुद बिल्कुल अलग तरह का Decision लेने में सक्षम होता है। इस तरह के प्रोग्राम कई गलतियाँ करते है और अपने गललियों और अनुभव से अपने प्रोग्राम को Improve करते है।

Reinforcement Learming काफी Complex होता है जो जरुरत पड़ने पर बनाए गए साफ्टवेयर को भी माँडिफाई कर सकता है। इसका उदाहरण एक Auto Driving cars होती है जो हमेशा नये Area में जाती है और हमेशा अलग-अलग