Featured

தானோட்டிக் கார்கள் – ஒரு பருந்துப் பார்வை – பகுதி 1

எதிர்காலத்தில், மனிதர்கள் கார் ஓட்டுவது சட்டத்தில் அனுமதிக்கப்படாது

டெஸ்லாவின், ஈலான் மஸ்க், இப்படி ஒரு பேட்டியில் முழங்கினார்.  மனிதர்கள் அவ்வளவு மோசமான ஓட்டுனர்களாம்!

1980 –களில், அமெரிக்காவில் குடிபுகுந்த நண்பர் ஒருவர் இந்தியா வந்த பொழுது, தான் வசிக்கும் சின்னக் கிராமம் பற்றி இவ்வாறு கூறினார்;

நான் வாழ்வது நியூயார்க் நகரிலிருந்து ஒரு 100 மைல் தள்ளியுள்ள ஒரு சிறு ஊர். இவ்வூரில் வெறும் 2,500 பேர் மட்டுமே வசிக்கிறார்கள். பெரும்பாலும் நியூயார்க் நகரில் பணி புரிவோரே இவ்வூரில் வசிக்கிறார்கள். பெரிதாக ஒன்றும் இவ்வூரில்ஏதும் இல்லை. வெறும் 3 கார் டீலர்ஷிப்கள் மட்டுமே உள்ள ஊர்

வெறும் 2,500 பேர் வசிக்கும் சின்ன ஊரில் 3 கார் டீலர்ஷிப்கள்! இதுவே அமெரிக்க வாழ்க்கை முறை. கார் என்பது அவ்வளவு முக்கியம் வாய்ந்தது. வட அமெரிக்காவை GM Country  என்று சொல்வதுண்டு. கார் இல்லாமல் இங்குக் காலம் தள்ளுவது வெகு சில நகரங்களில் மட்டுமே சாத்தியம். கார்களின் வளர்ச்சி, தொழில்நுட்ப முன்னேற்றங்கள் அனைத்திலும் வட அமெரிக்கப் பங்கு மிகவும் முக்கியமானது. 20 –ஆம் நூற்றாண்டில், மிகவும் சமூகத்தைப் புரட்டிப் போட்ட விஷயங்கள்,

  • கார்தனி மனிதப் பயணச் சுதந்திரம்
  • விமானம்உலகின் எந்த மூலைக்கும் பயணிக்கும் சுதந்திரம்
  • மின்சாரம்மனித முன்னேற்றத்திற்கு வித்திட்ட ஒரு முக்கிய விஞ்ஞான மைல்கல்
  • மின்ன்ணுவியல் மற்றும் கணினியியல்தகவல் யுகம் உருவாகி உலகமயமான தொடர்புச் சுதந்திரம் 

குதிரைகளிடமிருந்து மனிதனை விடுவித்து, வேகப் பயணம் என்பதன் முக்கிய முதல் படி, கார். கார் தொழில்நுட்பம் என்பது வட அமெரிக்கச் சாதாரணர்கள், ஊடகங்களை மிகவும் கவர்ந்த ஒரு தொழில். செய்தித்தாள்கள், தொலைக்காட்சி, இணையம் என்று எங்கும் வியாபித்து இருப்பது கார் தொழில். இந்தக் கட்டுரைத் தொடரில், இந்தக் கார் தொழிலை மட்டுமல்லாது, சமூகத்தையே புரட்டிப் போட கூடிய ஒரு முன்னேற்றம் பற்றி அலசுவோம்.

கார் என்றவுடன், அதைச் சார்ந்திருக்கும் ஒரு உலகமே உள்ளது. வெறும் தயாரிப்பாளர்கள், மற்றும் நுகர்வோர் மட்டும் இதில் அடங்காது. இவர்கள் இரு தரப்பினரும் உடனே நம் மனதிற்கு வந்து போகும் முக்கியமானவர்கள். கார் உலகில், இன்னும் பல தரப்பினரும் பங்கு வகிக்கின்றனர்:

  • அரசாங்கம்முக்கியமாக உரிமம் (licensing) சார்ந்த அமைப்புகள்
  • சீர்படுத்தும் அமைப்புகள் (regulatory bodies)
  • காப்பீடு அமைப்புகள் (insurance organizations)
  • பெரிய வாகனத் தொகுதி அமைப்புகள் (லாரி, மற்றும் பேருந்து) (fleets)
  • வாடகை கார் (car rental) மற்றும் ஊபர், ஓலா போன்ற அமைப்புகள் (internet based car rental companies)
  • வாகன பாதுகாப்பு அமைப்புகள் (auto safety standard bodies)
  • ராணுவ அமைப்புகள் (military and defense organizations)

என்று பல அமைப்புகள், இந்தத் துறையோடு சம்பந்தப்பட்டிருக்கிறார்கள். இந்த அமைப்புகள் எல்லாவற்றையும் புரட்டிப் போடும் தொழில் புரட்சி என்பது அடிக்கடி நிகழும் விஷயம் அல்ல. தானோட்டிக் கார்கள் (self-driven or driverless cars) என்பது அத்தகைய தொழில்நுட்பப் புரட்சி.

2020 –ல் நாங்கள் தயாரிக்கும் கார்கள் யாவும் சுயமாக இயங்கும் கார்கள்ஃபோர்டு கார் கம்பெனியின் தலைவர்.

’2024 –ல், முழுமையாக தானியங்கிக் கார்களை அறிமுகப்படுத்துவோம்நிஸான் கார் கம்பெனியின் தலைவர்.

2018 –ல் முழுமையாக தானியங்கிக் கார்களை அறிமுகப்படுத்துவோம்ஜி.எம்.கார் கம்பெனியின் தலைவர்

இன்றே எங்களது கார்கள் கிட்டத்தட்ட தானியங்கிக் கார்கள். இன்னும் ஒரேவருடத்தில் முழு தானியங்கிக் கார்களை நீங்கள் வாங்கலாம்” – டெஸ்லாவின் தலைவர்.

கண் பார்வையற்ற ஒருவரை நகரின் ஓரிடத்திலிருந்து அவர் போக வேண்டிய இடத்திற்கு அழைத்துச் செல்லும் தானோட்டி கார் ஒன்றை கூகிள் முன் வைத்துள்ளது.

கூகிள் நிறுவனத்திலிருந்து வெளி வந்த இத்துறை சார்ந்த தொழில்நுட்ப வல்லுனர்கள், கலிஃபோனியாவின் US 1 நெடுஞ்சாலையில், ஒரு தானோட்டிக் கூட்டு (self driving kit) ஒன்றை லாரியுடன் இணைத்து, 6 மணி நேரம் சரக்குடன் வெற்றிகரமாக பயணிக்க வைத்துள்ளார்கள்.

இவர்கள்

வருது வருது,

விலகு விலகு,

ரோபோ கார் வருது

என்ற இளையராஜாவின் பாடலைப் பாடுகையில், பல அமெரிக்க மாநிலங்கள்/ நாடுகள் கோதாவில் இறங்கிவிட்டன.

  • அமெரிக்க, நிவேடா மாநிலம், 2011 –ல் தானியங்கிக் கார்களை மாநிலத்தில் சோதிக்க அனுமதித்தது.
  • யு.கே., 2013 –ல் தானியங்கிக் கார்களை சோதிக்க அனுமதித்தது.
  • ஃப்ரான்ஸ், 2014 –ல் தானியங்கிக் கார்களை ப்ரெஞ்சு சாலைகளில் சோதனை செய்ய அனுமதித்தது
  • சுவிஸ் நாடு, 2015 –ல் தானியங்கிக் கார்களை சோதிக்க அனுமதித்தது
  • ஜெர்மனி, அமெரிக்க மாநிலங்களாகிய கலிஃபோர்னியா, மிசிகன், கனடாவின் அன்டேரியோ என்று பல நாடு, மாநிலங்களும் கோதாவில் இறங்கியுள்ளன

மிகவும் குழப்பமான ஒரு சூழலை கார் தயாரிப்பாளர்கள், ஊடகங்கள் மற்றும் அரசாங்கங்கள் உருவாக்கிவிட்டன. இதில் வேடிக்கை என்னவென்றால்,

  • தானோட்டிக் கார் (self-driving car)
  • தானியங்கிக் கார் (automatic cars or autonomous cars)
  • ஓட்டுனர் அற்ற கார் (driverless cars)
  • சில சமயங்களில் மட்டுமே ஓட்டுனர் தேவையான கார் (occasional driver required cars)

இப்படி, ககட்டு மேனிக்கு, எதை வேண்டுமானாலும் ஊடகங்கள் அதிகம் இந்தத் துறையை சரியாகப் புரிந்து கொள்ளாமல் குழப்பிக் கொண்டிருக்கிறார்கள், இதில், சில வாகன தொழில் நிபுணர்கள்,

தானோட்டிக் கார் இன்னும் ஒரு 50 முதல் 60 ஆண்டுகளுக்குச் சாத்தியம்இல்லை

என்று, குட்டையைக் குழப்புகிறார்கள்!

இத்துடன், வாகனத் தயாரிப்பாளர்கள், தங்களுடைய புதிய கார் மாடல்களில் உள்ள சில அம்சங்களை தானோட்டிக் கார்கள் என்று விளம்பரம் செய்வதோடு, நுகர்வோரை ஏகத்தும் குழப்பி வருகிறார்கள். உதாரணத்திற்கு,

  • தானே இணை நிறுத்தும் (parallel park assist) அம்சம் கொண்ட காரை  தானோட்டிக் கார் என்று கூசாமல் சொல்லி விடுகிறார்கள்
  • காரின் முன் மிக அருகாமையில் வாகனம் இருந்தால், அலரும் அம்சம் (proximity warning) கொண்ட கார், அல்லது அருகாமையில் கார் இருந்தால், வேகத்தைக் குறைக்கும் அம்சம் (proximity speed control) கொண்ட காரை தானோட்டிக் கார் என்று விற்பனையாளர்கள் தள்ளி விடுகிறார்கள்
  • வரைபாதையிலிருந்து சற்று அடுத்த வரைபாதைக்குச் சறுக்கினால், உங்களை எச்சரிக்கும் அம்சம் (lane departure warning) கொண்ட காரை தானோட்டிக் கார் என்று எளிதில் சொல்லி விடுகிறார்கள்
  • சாலையில் உள்ள மற்ற வாகனங்களின் வேகத்திற்கேற்ப உங்களது வாகனத்தில் வேகத்தைக் கட்டுப்படுத்தும் அம்சம் (adaptive cruise control) கொண்ட காரையும் தானோட்டிக் கார் என்று சொல்லி வருகிறார்கள்

இப்படிப் பல ஓட்டுனர் உதவி அம்சங்கள் இன்று குழப்பமாக தானோட்டிக் கார் என்று புத்தாடை அணிந்து வலம் வருகின்றன. உண்மையில் தானோட்டி காருக்கும் இவற்றிற்கும் என்ன வித்தியாசம்?

முக்கிய வித்தியாசம் இதுதான்ஓட்டுனர் உதவி அம்சங்கள் சில நிமிடங்கள்மட்டுமே இயங்கும் அம்சங்கள். தானோட்டிக் கார் சாலையில் கார் ஓடும்ஒவ்வொரு நொடியும் இயங்கிக் கொண்டே இருக்க வேண்டும். அத்துடன், தவறுநடந்தால், திருத்த மனித ஓட்டுனர் யாரும் இருக்க மாட்டார்கள்.

இன்னொரு முக்கிய விஷயம்தானியங்கிக் கார் (automatic or autonomous) என்ற பதத்திற்கும் தானோட்டிக் கார் என்ற பதத்திற்கும் நிறைய வித்தியாசம் உள்ளது.  பொதுவாக, தானியக்கம் என்பது, ஒரு குறிப்பிட்ட செயலை மீண்டும் மீண்டும் ஒரு எந்திரம் துல்லியமாகச் செய்வதைக் குறிக்கிறது, உதாரணத்திற்கு, ஒரு கார் கழுவும் நிலயத்தில், கார்களை சோப்பு போட்டு கழுவும் எந்திரத்தைத் தானியங்கி கார் கழுவும் எந்திரம் என்று தாராளமாகச் சொல்லலாம். இந்த எந்திரம் எதைச் செய்யாது?

  • பஸ் வந்தால் கழுவத் தெரியாது
  • காரின் எண்ணெய்களை மாற்றத் தெரியாது
  • காரில் பெட்ரோல் இல்லையேல் நிரப்பத் தெரியாது
  • காரின் விளக்குகளை மாற்றத் தெரியாது

இப்படி அடுக்கிக் கொண்டே போகலாம். தானியக்கம் என்பது ஒரு குறுகிய வட்டத்திற்குள் எந்திரம் ஒரு குறிக்கோளுடன் இயங்குவது. கார் ஓட்டுவது என்பது நம்மில் பலருக்கு அலுப்பான விஷயமானாலும், கார் ஓட்டுவது என்பதுநின்றிருக்கும் காரைக் கழுவுவது போன்ற செயல் அல்ல. நமக்கே தெரியாமல், பலவிஷயங்களை ஒருங்கிணைந்து செய்யும் மிகச் சிக்கலான ஒரு செயல் கார்ஓட்டுவது.  இந்தச் செயலை ஓர் எந்திரத்திற்குக் கற்பிப்பது அவ்வளவு சாதாரணவிஷயமல்ல.

ஒரு பயிற்சியாளர் பக்கத்தில் சொல்லிக் கொடுக்க இருக்கும் பொழுதே பல நாட்கள்/வாரங்கள் ஆகும் ஒரு திறன் கார் ஓட்டுவது. அத்துடன், அப்படிப் பயிற்சி எடுத்த பின் சில மாத அனுபவத்திற்குப் பிறகே நாமெல்லாம் ஒரு தன்னம்பிக்கையோடு கார் ஓட்டுகிறோம். முக்கியமாக, நாம் இதில் கவனிக்க வேண்டிய விஷயம் , மனிதன் இன்னொரு மனிதனுக்குக் கற்பிப்பதற்கும், மனிதன் எந்திரத்திற்குக் கற்பிப்பதற்கும் நிறைய வித்தியாசம் உள்ளது. மனிதத் தவறுகள் பெரும்பாலும் இறப்பு என்ற விஷயம் இல்லாதவரை மன்னிக்கப் படுகிறது. எந்திரத் தவறுகளுக்கு மன்னிப்பு என்பது மிகவும் சர்ச்சைக்குரிய விஷயம்.

நுகர்வோர்  இத்துறை சார்ந்த அறிவிப்புகளால், குழம்புவது மிகவும் இயற்கையான விஷயம். இக்கட்டுரையின் நோக்கம் குழப்பத்தைக் குறைப்பது அல்லதுஅகற்றுவது.

இன்றைய ஊடகங்கள் தானியங்கிக் கார்களின் முக்கியமான பங்கீடு என்று எதைச் சொல்கிறது?

  • வழி தெரியாமல் தொலைந்து போவதற்கு வழியே இல்லைஇவை இயங்கும் பாதையைக் கணினி ஒன்று கட்டுப்படுத்துவதால், தொலைந்து போவதற்கு வாய்ப்பே இல்லை
  • நிறுத்துமிடம் தேடி அலைய வேண்டாம். பெரும் நகர்களின் மையப் பகுதிகளில், நிறுத்துமிடம் என்பது ஒரு பெரிய தலைவலி சமாச்சாரம். தானோட்டிக் கார்கள் நிறுத்துமிடம் தேடிச் சென்று தானே நிறுத்திக் கொள்ளும்
  • ஏற, மற்றும் இறங்க இடம் தேவையில்லாததால், தானோட்டிக் கார்கள், மிக நெருக்கமாக நிறுத்தப்படலாம். ஒரு நிறுத்தும் தளத்தில் 100 கார்கள் இன்று நிறுத்த முடியும் என்று கொண்டால், அதே இடத்தில் 130 முதல் 140 தானோட்டிக் கார்களை நிறுத்த முடியும்
  • குளிர் நாடுகளில், உறைந்த பனியை சுரண்டி எடுக்கும் அலுப்பூட்டும் வேலையைச் செய்ய வேண்டாம். அழைத்தால், சுத்தமான தானோட்டிக் கார் உங்கள் வீடு/அலுவலகம் முன் வந்தடையும்
  • சுட்டெரிக்கும் நாடுகளில், அதே போல, காரை முடுக்குனால், சரியாகக் குளிர்சாதனம் வேலை செய்ய 10 நிமிடம் காத்திருக்கத் தேவையில்லை. அழைத்தால் வரும் தானோட்டிக் கார், குளிர்ச்சியாகவே இருக்கும்
  • வயதாகி விட்டதா, உடலில் ஊனம் உள்ளதாகார் ஓட்டல் பற்றிய கவலை தேவையில்லை. தானோட்டிக் கார் இருக்கையில் யாருக்குக் கார் ஓட்டத் தெரிய வேண்டும்?
  • கொஞ்சம் பார்டியில் அதிகமாக மது அருந்தினால் பிரச்னையில்லை. நாமா கார் ஓட்டப் போகிறோம்? தானோட்டிக் கார் உங்களை வீடு வரை அழைத்துச் செல்லும்
  • இரவில் நெடுஞ்சாலையில் கார் ஓட்ட பயமா? பிரச்னையில்லை. தானோட்டிக் காரிடம் அந்த வேலையை விட்டு விடுங்கள். நீங்கள் புத்தகம் படித்துக் கொண்டோ, இசை கேட்டுக் கொண்டோ, விடியோ பார்த்துக் கொண்டோ பயணம் செய்யலாம்
  • பன்னிரண்டு வயது மகள் தோழியுடன் நகரின் இன்னொரு கோடியில் உள்ள அவள் வீட்டில் விளையாடி, இரவு உறங்கி காலை வீடு திரும்ப வேண்டுமா? சரி என்று சொன்னால், மற்றதை தானோட்டிக் கார்கள் பார்த்துக் கொள்ளும். தானோட்டிக் கார்களில் பயணிக்க உரிமம் ஒன்றும் தேவையில்லையே
  • மனிதர்களுக்காக உருவாக்கப்பட்ட போக்குவரத்துக் பாதுகாப்பு அமைப்புகள்வேக எல்லைகள், அதி வேக தண்டணை சீட்டுக்கள், ஓட்டுனர் காப்பீடு போன்ற விஷயங்கள் தேவையில்லாமல் போகும்
  • வேறு ஊருக்குப் பயணிக்கும் பொழுது, (நம்முடைய அதிஷ்டம், எப்பொழுதும் விமானம் புதிய ஊருக்கு இரவிலேயே சென்றடையும்) வாடகைக் காரை எடுத்து, அதன் பல புதிய அம்சங்களைத் தேடித் தேடி அறிவது அலுப்பு தட்டும் விஷயம். தானோட்டிக் கார் இருந்தால், இந்த இம்சைகள் எதுவும் கிடையாது. புதிய ஊரில் உள்ள சாலை விதிகளுடன் போராடவும் தேவையில்லை
  • அட்டா காரில் பெட்ரோல் தீர்ந்து விட்டதே என்று பெட்ரோல் பம்பைத் தேடி அலைய வேண்டாம் (அதுவும் புதிய ஊரில்). தானோட்டிக் காருக்கு பெட்ரோல் அளவு, மற்றும் எங்கு பெட்ரோல் கிடைக்கும் என்பது எல்லாம் அத்துப்படி
  • போக்குவரத்து நெரிசல்பெரும்பாலும் மனித ஓட்டுனர்களால் உருவாக்கப்பட்ட ஒரு விஷயம் இது. ஒழுங்கான வேகத்தில், வரைபாதைக்கு உட்பட்டுப் பயணிக்கும் தானோட்டிக் கார்கள் நெரிசலை மிகவும் குறைத்து விடும்
  • வழியில் ஒரு விபத்து நேரிட்டால், பின் வரும் வாகனங்கள் சரியான தகவல் இல்லாமல், நெடுஞ்சாலையில் போராடி, போக வேண்டிய இடத்திற்குச் செல்வதற்குள் போதும் என்றாவது நம் அன்றாட அலுப்பூட்டும் விஷயங்களில் ஒன்று. தானோட்டிக் கார்கள், தகவலை ஜி.பி.எஸ் மூலம் பெற்று, தன்னுடைய பயணத்தை மாற்றியமைக்கும் திறம் கொண்டவையாக இருக்கும். இதனால், பயணிக்கு எந்த டென்ஷனும் இல்லை

கனவில் கூட இப்படி ஒருவருக்குத் தோன்றியிருக்குமா என்பது சந்தேகம். ஆனால், இன்று தானோட்டிக் கார்களின் சாத்தியம் எப்படியெல்லாம் பலரை சிந்திக்க வைக்கிறது பாருங்கள். சொல்லப் போனால், முழுவதும் இந்தப் புரட்சியின் வீச்சை யாரும் புரிந்து கொள்ள வில்லை என்று தாராளமாகச் சொல்லலாம்.

அடுத்த பகுதியில், இத்துறையில் என்னவெல்லாம் இன்று நடக்கிறது என்று மேல்வாரியாகப் பார்ப்போம்

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சிலபுதியசொற்களுக்குநிகரானசிலதமிழ்ச்சொற்களைஇங்குபரிசீலனைக்கெனமுன்வைக்கிறேன்

ஆங்கிலச் சொல்

தமிழ்ப் பரிந்துரை

Licensing

உரிமம்

Regulatory bodies

சீர்படுத்தும் அமைப்புகள்

Insurance

காப்பீடு

Vehicle fleets

வாகனத் தொகுதி அமைப்புகள்

Auto safety standard bodies

வாகன பாதுகாப்பு அமைப்புகள்

Self-driven cars or Driverless cars

தானோட்டிக்கார்கள்

Parallel park assist

தானே இணை நிறுத்தும் வசதி

Proximity warning feature

அருகாமை எச்சரிக்கை அம்சம்

Traffic lanes

வரைபாதை

Lane departure warning feature

வரைபாதையிலிருந்து சறுக்கல், எச்சரிக்கை அம்சம்

சொல்வனம் – ஜனவரி 2017

Advertisements

தானோட்டிக் கார்கள் – காப்பீடு மற்றும் காப்புப்பிணை -பகுதி 13

சென்ற பகுதியில் சட்டம் மற்றும் ஒழுங்குமுறைகள் பற்றி அலசினோம். இவை சற்று போரடிப்பது போலத் தோன்றினாலும், நுகர்வோருக்கு மிகவும் முக்கியமானவை. அதைவிட மிக முக்கியமான விஷயம் வாகனக் காப்பீடு (vehicle insurance). தானோட்டிக் கார்களில் காப்பீடு ஒரு மிகப் பெரிய பிரச்னை. சொல்லப்போனால், தொழில்நுட்பத்திற்கு அடுத்தபடியாக, மிகவும் முக்கியத்துவம் வாய்ந்தது வாகனக் காப்பீடு சமாச்சாரம். இதோ ஒரு வருடத்தில், இரு வருடத்தில், ஐந்து வருடத்தில் தானோட்டிக் கார் வந்துவிடும் என்று சொல்லும் அனைவரும் காப்பீடு பற்றி நினைப்பதே இல்லை.

வாகனக் காப்பீடு வாகனத்தில் இல்லையேல், உங்களுக்குக் கார் ஓட்டும் உரிமம் இருந்தாலும், நீங்கள் கார் ஓட்டுவது சட்டப் புறம்பான விஷயம். இதற்குச் சட்டப்படி அபராதம் உண்டு. சரி, ஏன் வாகனக் காப்பீட்டிற்கு இவ்வளவு முக்கியத்துவம்?

எல்லாம் விபத்து நேர்ந்தால், யார் விபத்துச் சேதத்தை ஈடு கட்டுவது (compensation) என்பதை முடிவு செய்த பிறகு, காருக்குப் பழுது பார்ப்பது, மற்றும் பயணிகளின் மருத்துவச் செலவுக்கு யார் பொறுப்பு என்பதை முடிவு செய்யத்தான் இந்தக் காப்பீடு ஏற்பாடு.

ஒரு கார் விபத்து நேர்ந்தால், பல நிகழ்வுகள் இதில் அடங்கும். யாருக்கும் உயிர்சேதம் இல்லை என்னும் பட்சத்தில், கீழ்கண்ட விஷயங்கள் குறைந்தபட்சம் இதில் அடங்கும்;

  1. சம்பந்தப்பட்ட கார்களின் பழுது பார்க்கும் செலவு (repair costs)
  2. கார்கள் பழுது பார்க்கப்படும் காலம் வரை, காரின் ஓட்டுனருக்கு மாற்றுக் கார்
  3. விபத்தில் அடிபட்டவர்களுக்குச் சிகிச்சைச் செலவு
  4. விபத்தில் அதிர்வினால் உருவாகும் கழுத்துச் சுளுக்கிற்குச் சிகிச்சைச் செலவு. இது வாரங்கள், ஏன் சில சமயம், சில மாதங்கள் கூட ஆகலாம்

மிக முக்கியமான விஷயம், எந்தக் கார் மீது தவறு என்பது. முடிவு செய்யப்பட வேண்டும். விபத்தில் சம்பந்தப்பட்ட இரு வாகனங்களிடமும் காப்பீடு இருக்க வேண்டும். தவறு இழைக்கும் வாகனம், இரு வாகனப் பழுது மற்றும் மருத்துவச் செலவுகளை ஏற்றுக் கொள்ள வேண்டும். அதாவது, தவறிழைத்த வாகனக் காப்பீடு, இரு வாகனங்களின் செலவையும் ஏற்றுக் கொள்ள வேண்டும்.

இதை வேறு விதமாகச் சொல்லப் போனால், வாகனக் காப்பீடு எதற்காக? விபத்து நேரும் பட்சத்தில் ஓட்டுனர் காப்புபிணையை (driver liability) பூர்த்தி செய்வதற்கே இந்தக் காப்பீடு அமைப்பு உள்ளது. வாகனக் காப்பீடு என்பதை ஒரு காப்பீடு நிறுவனம் நிர்வகிக்கிறது. ஓட்டுனர் மாதா மாதம், காப்பீடு தவணைத் தொகையைக் (insurance premium) கட்ட வேண்டும். ஓட்டுனர் காப்புபிணை என்பது ஒரு நிதி அமைப்பு. மேற்குலகில், சராசரி ஓட்டுனர் காப்புப்பிணை ஒரு மில்லியன் முதல் 5 மில்லியன் டாலர்கள் வரை சகஜம்.

முன் பகுதியில், இந்தியாவில் வாகனங்களின் புதிய மாடலில் உள்ள குறைகளுக்காக, இலவசமாகத் தயாரிப்பாளர்கள் கார்களைத் திரும்ப அழைக்கும் (Automotive recalls) ஒழுங்குமுறை இருப்பதாகத் தெரியவில்லை என்று சொல்லியிருந்தேன். இதற்குக் காரணம், இந்திய சட்ட அமைப்பில், பொருள் காப்புப்பிணைச் (product liability) சட்டங்கள் இல்லை. மேற்குலகில், இவ்வகைச் சட்டங்கள் நுகர்வோரை, தயாரிப்பாளர்களின் தவறுகளிலிருந்து காப்பாற்றுகிறது.

பொருள் காப்பிணைப்பு என்பதில் பலவித விஷயங்கள் அடக்கம். உதாரணத்திற்கு, ஒரு காரில் சரியான கச்சாப் பொருட்களைப் பயன்படுத்தாமல், விபத்து நேர்ந்தால், விபத்துச் செலவுகளைத் தயாரிப்பாளர் ஏற்க வேண்டும். உதாரணத்திற்குக், காரின் எஞ்சின் மூடி எஃகினால் செய்யப்பட்டிருப்பாதாகத் தயாரிப்பாளர் சொல்லியுள்ளார் என்று வைத்துக் கொள்வோம். ஒரு விபத்தில் எஞ்சின் நொறுங்கி, சோதனையில், எஞ்சின் மூடி, அலுமினியத்தால் செய்யப்பட்டது என்று தெரிய வந்தால், வாகனத் தயாரிப்பாளர் நஷ்டஈடு கட்ட வேண்டும். இது போன்ற விஷயங்களில், அந்தக் குறிப்பிட்ட மாடல் வாங்கிய எல்லா நுகர்வோருக்கும் நஷ்டஈடு அழ வேண்டும். சமீபத்திய, வோக்ஸ்வேகன் உமிழ்வு சோதனை ஊழலுக்காகப் பல கோடி டாலர் நஷ்டஈடு நுகர்வோருக்கு வோக்ஸ்வேகன் நிறுவனம், கட்ட வேண்டும்.

1980 –களில், பல ஜப்பானிய கார் நிறுவனங்கள் பெட்ரோல் மிச்சப்படுத்த காரின் முன்னே உள்ள பம்பர்களில் styrofoam நிரப்பி வந்தது ஒரு பெரிய நீதிமன்ற போராட்டமே  நடந்தது. பல அமெரிக்கக் கார்கள், இன்றும் பல பாகங்களை  எஃகினால் உருவாக்குவதால், பாதுகாப்பான வாகனங்கள். நுகர்வோருக்கு பாதுகாப்பா அல்லது பெட்ரோல் செலவா என்று கேள்வி எழுந்தால், எது வெற்றி பெரும் என்று அனைவருக்கும் தெரியும்.

பொருள் காப்புப்பிணையின் (product liability) இன்னொரு அம்சம் தயாரிப்புக் காப்புப்பிணை. காற்றுப் பை (air bags) என்பது ஒரு விபத்து நேரும் பொழுது, பயணிகளைப் பாதுகாக்க உதவும் ஒரு அமைப்பு. வேகமாக (குறிப்பாக, ஒரு வேக எல்லைக்கு மேல்) விபத்து நேர்ந்த  மோதிக் கொண்ட காரின் காற்றுப் பை வெளிவராமல் இருந்தால், இதை ஒரு தயாரிப்புக் காப்புப்பிணை என்றும் கொள்ளலாம்.

மேற்குலகில், பொருள் காப்புப்ப்பிணை மிகவும் சீரியஸான விஷயம். கார்த் தயாரிப்பாளர்கள், இதில் மிகவும் கவனமாக இருப்பார்கள். ஒரு காரின் மாடல் புதிதாக அறிமுகப்படுத்தப்பட்டால், அதற்கான திட்டத்தில், பல விஷயங்கள் அடங்கும்;

  • காரின் உதிரி பாகச் செலவு
  • காரின் தயாரிப்புச் செலவு
  • காரின் உத்தரவாதப் பழுதுச் செலவு (warranty claims expense)
  • காரின் பொருள் காப்புப்ப்பிணை செலவு
  • காரின் விற்பனைச் செலவு

இதுபோன்ற பல விஷயங்கள் காரின் சில்லரை விலையைத் தீர்மானிக்கின்றன. தானோட்டிக் காருக்கு இப்படிச் செலவினைப் பட்டியலிடுவதில் ஒரு மிகப் பெரிய சிக்கல் உள்ளது.

காப்பீடின் முதல் கோட்பாடு – ஓட்டுனரின் கவனமின்மை.

இதையே பல நீதிமன்றங்கள் ஒரு அடிப்படையாகக் கொண்டுள்ளது. இதை driver negligence என்று சட்டத்துறையில் சொல்லுவார்கள். அதாவது, ஒரு விபத்தில் காரின் ப்ரேக் சரியாக வேலை செய்யவில்லை என்று நுகர்வோர் தயாரிப்பாளர் மீது ஒரு வழக்குத் தொடர்ந்தால், தயாரிப்பாளர் என்ன செய்வார்? ஓட்டுனரே, ப்ரேக்கை சரியாகப் பராமரித்தீர்களா? கடைசியாக ப்ரேக்கைப் பராமரித்ததற்குச் சான்று உண்டா? என்று இதை ஒரு driver negligence ஆக மாற்றி விடுவார்கள். அதாவது, காரை ஓட்டுபவரிடம் நிறையப் பொறுப்பு உள்ளது. பெரும்பாலும் விபத்து நேர்ந்தால், ஓட்டுனரே பொறுப்பு.

தானோட்டிக் காரில் மனித ஓட்டுனர் இல்லாத பட்சத்தில், விபத்து நேர்ந்தால் யார் பொறுப்பு?

ஓட்டுதல் என்பது மனிதரிடமிருந்து ஒரு காருக்கு (அல்லது ஒரு எந்திரத்திற்கு) மாறுகிறது. நம்முடைய சட்டங்கள் எதுவும் இதற்கு இடமளிப்பதில்லை.

விபத்து நேர்ந்தால், அது ஒரு தயாரிப்புக் காப்புப்ப்பிணையாகுமா? மனித ஓட்டுனர் உடைய ஒரு கார் தானோட்டிக் கார் மீது மோதினால், யார் பொறுப்பு?  இரு தானோட்டிக் கார்கள் விபத்திற்குள்ளானால், விபத்து நஷ்டத்தை எந்தத் தயாரிப்பாளர் ஏற்பது? ஏற்க வேண்டுமா?

பல கோடித் தானோட்டிக் கார்களை விற்கத் துடிக்கும் எந்த ஒரு தயாரிப்பாளருக்கும் கதி கலங்க வைக்கும் விஷயமிது. பல கோடிக் கார்கள் விற்பது ஒரு விஷயம். பல கோடிக் கார்களின் காப்புப்ப்பிணையைச் சுமப்பது இன்னொன்று.

தானோட்டிக் கார்கள் இன்று முழுத் தானோட்டித் தன்மையோடு (அதாவது SAE மாடலில் ஐந்தாவது தட்டு) வெளி வரத் தயங்குவதற்கு இது ஒரு முக்கிய காரணம்.

என்னதான் தொழில்நுட்பம் வளர்ந்தாலும், இவ்வகைச் சட்டச் சிக்கல்கள் இந்தத் தொழில்நுட்பத்தைச் சமூகப் பயனுக்கு வராமல் செய்துவிடுமோ என்று சில நிபுணர்கள் அஞ்சுகிறார்கள்.

பல நாடுகள், பல மாநிலங்கள் என்று மெதுவாக நகரும் சட்ட அமைப்பில், இந்தச் சிக்கலானப் பிரச்னைக்கு முடிவு என்பது குறைந்த பட்சம் இன்னொரு பத்தாண்டுகளுக்கு இயலாத விஷயம். ஒரு ஓட்டுனர் இல்லாமல் பயணிக்க டெஸ்லா போன்ற தயாரிப்பாளர்கள் அனுமதிப்பதில்லை. ஆட்டோ பைலட் வசதியை சோதனை செய்ய ஓட்டுனர்களுக்கு அனுமதி அளித்தாலும், முழுப் பொறுப்பு ஓட்டுனரிடமே. இன்று , இதற்கு விதி விலக்கு என்று எதுவும் இல்லை.

சிலர் இந்தப் பிரச்னைக்குத் தீர்வுகள் சிலவற்றை முன் வைத்துள்ளார்கள். ஆனால், சட்டம் எதுவும் முடிவாகாத நிலையில், தானோட்டிக் கார்களுக்கு ஒன்றுதான் வழி;

  • தகுந்த சட்டம் வரும்வரை, தானோட்டிக் கார்கள் வந்தாலும், அதனை நீங்கள் வாங்கினாலும், முழுப் பொறுப்பு ஓட்டுனர்களிடமே
  • காரில் ஒரு சில நிமிடங்களுக்கு மேல், ஸ்டீயரிங்கை விட்டு காரைச் செலுத்துதல் சட்டத்திற்குப் புறம்பானது
  • அடுத்த 10 வருடங்களில், தானோட்டிக் கார்களினால், உண்மையாகவே போக்குவரத்து நெரிசல் குறைகிறதா என்று கண்காணிக்கப் பட வேண்டும்
  • அதே போல, அடுத்தப் பத்தாண்டுகளில், கார் விபத்துக்கள் தானோட்டிக் கார்களினால், குறைகிறதா என்றும் கண்காணிக்கப்பட வேண்டும்

இந்த தரவுகளை வைத்தே காப்பீடு மற்றும் காப்புப்ப்பிணை முடிவுகளை எடுக்க முடியும்.

பல தொழில்நுட்ப ஆர்வலர்களுக்கு இது போன்ற விஷயங்கள் ஏமாற்றத்தை அளிக்கலாம். ஆனாலும், அவசரப்பட்டு, தொழிலிநுட்ப அடிப்படையில் சட்டங்களை மாற்றுவது ஒரு பொறுப்புள்ள சமூகத்திற்கு அழகில்லை என்பதே உண்மை.

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Regulation ஒழுங்குமுறைகள்
Vehicle insurance வாகனக் காப்பீடு
Compensation ஈடு கட்டுவது
Repair costs பழுது பார்க்கும் செலவு
Driver liability ஓட்டுனர் காப்புபிணையை
Insurance premium காப்பீடு தவணைத் தொகை
Automotive recalls தயாரிப்பாளர்கள் கார்களைத் திரும்ப அழைக்கும் ஒழுங்குமுறை
Product liability பொருள் காப்புப்பிணைச்
Air bags காற்றுப் பை
Warranty claims expense உத்தரவாதப் பழுதுச் செலவு
Driver negligence ஓட்டுனரின் கவனமின்மை

சொல்வனம் – அக்டோபர் 2017

தானோட்டிக் கார்கள் – சட்டங்களும் ஒழுங்குமுறைகளும் -பகுதி 12

வாகன உலகில் வாகனம் உருவாக்குவதில் எத்தனை சிக்கல்கள் உள்ளதோ, அதைவிட வாகன இயக்க உலகம் சிக்கலானது. அதிகக் கட்டுப்பாடுகள், சட்டங்கள் மற்றும் ஒழுங்குமுறைகள் நிறைந்த உலகம், வாகன உலகம். உதாரணத்திற்கு, ஸ்டியரிங் இடது பக்கத்தில் உள்ள காரை இந்தியாவில் இயக்க முடியாது. அதே போல, வலப்பக்கம் உள்ள காரை பெரும்பாலான மேற்குலக (யு.கே தவிர) சாலைகளில் இயக்க முடியாது.

சமீபத்தில் இந்திய நண்பர்களுடன் பேசியதில், இந்தியா போன்ற நாடுகளில் அடிப்படை ஒழுங்குமுறைகளைத் (regulation) தவிரப்,  பெரும்பாலும் நடைமுறையில் மற்ற ஒழுங்குமுறைகள் பின்பற்றப்படுவதில்லை என்பதை அறிந்தேன். உதாரணத்திற்கு, இந்தியாவில் கார்களின் புதிய மாடலில் உள்ள குறைகளுக்காக, இலவசமாகத் தயாரிப்பாளர்கள் கார்களைத் திரும்ப அழைக்கும் (Automotive recalls) ஒழுங்குமுறை இருப்பதாகத் தெரியவில்லை. வட அமெரிக்கா, யூரோப் மற்றும், ஜப்பானில் இது ஒரு நடைமுறை ஒழுங்குமுறை.

வாகன உலகின் மிக மெதுவாக மாறும் ஒரு அங்கம் ஒழுங்குமுறை மற்றும் சட்டங்கள் (laws and regulations). இவை வாகன உற்பத்தி மற்றும் இயக்கம் இரண்டையும் பாதிக்கும் விஷயங்கள். இவற்றைப் பற்றி விவரமாக அலசுவதற்கு முன், இரண்டிற்கும் உள்ள வித்தியாசம் என்ன என்று புரிந்து கொள்வது அவசியம்.

முதலில், சட்டம் (law) என்பது நாம் எல்லோருக்கும் புரிந்த ஒன்று. நமது சமூக அமைப்புகளில், உருவாக்கப்படும் சட்டங்கள் எல்லாக் குடிமக்களுக்கும் பொருந்தும். வாகனங்கள் சம்பந்தமான சட்டங்கள் எல்லா ஓட்டுனர்களாலும் பின்பற்றப்பட வேண்டும். உதாரணத்திற்கு, எந்த ஒரு நாட்டிலும், ஒரு நெடுஞ்சாலையில், வேக எல்லைக்கு மேல் பயணிப்பது சட்ட விரோதச் செயல். சட்டத்தைப் பின்பற்றாவிட்டால், சட்டப் பாதுகாவலர்களால், அபராதம் கட்ட வைக்கவும் முடியும்.

ஒழுங்குமுறைகள் (regulation) சற்று மாறுபட்டது. நீதிமன்றம் ஒழுங்குமுறைகளைப் பெரும்பாலும் உருவாக்குவதில்லை. Disc Brakes என்னும் தொழில்நுட்பம் கார்களில் பயன்படுத்துவதுப் பாதுகாப்பிற்கு நல்லது என்பதை ஒரு வாகனப் பொறியாளர்கள் அமைப்பு முன் வைக்கிறது என்று வைத்துக் கொள்வோம். இது ஒரு ஒழுங்குமுறை. இவ்வகை ஒழுங்குமுறைகள், ஆரம்பத்தில், தயாரிப்பாளர்கள் தன்னிச்சையாகப் பின்பற்றுகிறார்கள்.  அதே போல, காரின் ப்ரேக் அழுத்தி விட்டவுடன் மீண்டும் அழுத்துவதற்கு முன் இருந்த நிலைக்கு வர வேண்டும். இதுவும் ஒரு ஒழுங்குமுறை. மேற்குலகில்,, கார் தயாரிப்பாளர்கள், இந்த ஒழுங்குமுறைக்குக் கட்டுப்படுகிறார்கள். உதாரணத்திற்கு, 2008 –ஆம் ஆண்டு, டொயோடாவின் பல புதிய கார்களில், இந்த ப்ரேக் பிரச்னை வந்தது. டொயோடா, தன்னுடைய செலவில், பல கோடி கார்களை, திரும்ப அழைத்து ப்ரேக் வேலையைச் செய்தது. ஏன் டொயோடா இப்படிச் செய்தது? ப்ரேக் சரியாக வேலை செய்யாததுக் கண்டுபிடிக்கப்பட்டால், நுகர்வோர் மானநஷ்ட வழக்குத் தொடர்ந்தால், பல்லாயிரம் கோடி டாலர்கள் டொயோடாவிற்கு நஷ்டம் ஏற்படும். அத்துடன், டொயோட்டா கார்கள் பாதுகாப்பற்றவை என்று நுகர்வோர் நம்ப, இவ்வகை நிகழ்வுகள் இடம் தருகின்றன. தகுந்த நேரத்தில், டொயோடா தலையிட்டு பிரச்னையைச் சரி செய்யாவிட்டால், டொயோடாவின் விற்பனை பாதிக்கப்படும். இதனைத் தவிற்க, டொயோடா போன்ற கார் தயாரிப்பாளர்கள், தங்களுடைய கார் மாடல்களில் குறைகள் கண்டுபிடிக்கப்பட்டால், தன்னுடைய செலவில் சரி செய்கிறார்கள்.

சமீபத்தில், 2016 –ல், உமிழ்வு சோதனைகளில் (emission tests)  தில்லால்ங்கடி செய்தது என்று வோக்ஸ்வேகன் நிறுவனம் மீது மானநஷ்ட வழக்கு, அந்த நிறுவனத்தையே மூழ்கச் செய்யும் நிலைக்கு வந்துள்ளது.

சில நேரங்களில், ஒழுங்குமுறைகள் சட்டங்களாக மாறுகின்றன. உதாரணம், இருக்கை வார் (seat belt) என்பது ஒரு ஒழுங்குமுறையாகத் தான் இருந்தது. பிறகு இதுவே சட்டமாக மாறியது. இதைப் பற்றிச் சற்று விவரமாகப் பிறகு பார்ப்போம்.

கார் தயாரிப்பாளர்களின் சங்கங்கள், மற்றும் பொறியாளர்களின் அமைப்புகள் ஒழுங்குமுறைகளை முன்வைக்கின்றன. இவை எல்லாத் தயாரிப்பாளர்களாலும் ஏற்றுக் கொள்ளப்பட்டுச் செயல்முறைக்குக் கொண்டு வருவது எளிதான செயல் அல்ல. இதில் பல தொழில் அரசியல் மற்றும், வியாபார உள்நோக்கங்கள் இந்தப் பிரச்னையை மிகவும் சிக்கலாக்கி விடுகின்றன. ஒழுங்குமுறையைச் சிறு தயாரிப்பாளர்கள் சில சமயங்களில்

செயல்படுத்தப் போதிய நிதி இல்லாததால், அரசியல் செய்து, இவ்வகை ஒழுங்குமுறைகள் தோல்வியடைய முயற்சிப்பார்கள். ஒழுங்குமுறை, லாபத்தைக் குறைக்கும் பட்சத்தில், அதை நடக்க விடாமல் செய்யும் தயாரிப்பாளர்களும் உள்ளார்கள். ஒழுங்குமுறைச் சட்டமாக மாறும் பொழுது, இவ்வகைப் பனிப்போர்கள் இன்னும் சிக்கலாகி விடும்.

இருக்கை வார் (seat belt) என்பது பாதுகாப்பிற்கு (ஓட்டுனர் மற்றும் பயணிகளுக்கு) நல்லது என்பது 1970 –களில் கண்டுபிடிக்கப்பட்டது. கார் தொழில் வழக்கப்படி, சில விலை உயர்ந்த மாடல்களில் இந்தப் பாதுகாப்பு அம்சத்தைத் தயாரிப்பாளர்கள் அறிமுகப்படுத்தத் தொடங்கினார்கள். ஆனால், பெரும்பாலான வாகனங்களில் இந்தப் பாதுகாப்பு அம்சம் ஒரு இருபதாண்டுகள் கழித்தே ஒரு அம்சமானது. இதற்கிடையில், காற்றுப் பைகள் (air bags) விபத்தில் உயிர்களின் பாதுகாப்பிற்கு மிகவும் முக்கியம் என்று தெரிய வந்தது. இந்தப் பாதுகாப்பு அம்சமும் சில விலை உயர்ந்த மாடல்களில் தயாரிப்பாளர்கள் அறிமுகப்படுத்தத் தொடங்கினார்கள். ஆனால், பெரும்பாலான கார்களில் இரண்டு அம்சங்களும் இன்றியே வெளி வந்தன. ஏனென்றால், இது ஒரு ஒழுங்குமுறையாக இருந்தது. சட்டமாக அல்ல.

விபத்தில் உயிர்சேதத்தைக் குறைப்பது இருக்கை வாரா அல்லது காற்றுப் பைகளா என்று ’நீயா நானா’ ஒரு 20 ஆண்டுகள் தயாரிப்பாளர்களுக்கும், ஒழுங்கு அமைப்புகளுக்கும் நீதி மன்றத்தில் நிகழ்ந்தது. ஏன் இப்படி இழுத்தடித்தார்கள்? ஒழுங்கு அமைப்பால் (regulatory body), திட்டவட்டமாகப் புள்ளி விவரம் கொண்டு, விபத்தில் உயிர் பாதுகாப்பிற்கு எது சிறந்தது என்று சொல்ல முடியவில்லை. கார் தயாரிப்பாளர்கள், செலவினமாக ஒரு அம்சத்தை ஏன் காரில் சேர்க்க வேண்டும் என்று தவிர்க்க நினைத்தார்கள். அத்துடன், சில புதிய சிக்கல்கள்,  இதை மேலும் இழுத்தடிக்க உதவின. உதாரணத்திற்கு, காற்றுப் பை, குழந்தைகள் மற்றும் சன்னமான உடலமைப்பு கொண்ட பெண்களுக்கும் விபத்தில் உதவவில்லை என்று தெரிய வந்தது. பெண்களோ குழந்தைகளோ, விபத்தில் காற்றுப்பை ஊதியதால், இறந்த செய்திகளை, ஊடகங்கள் ஊதி வாசித்தன.

கடைசியில், எப்படிக் காற்றுப் பைகள் நிறுவப்பட வேண்டும் என்ற விஞ்ஞான பூர்வமான தெளிவு வந்தவுடன், இவ்வகைக் காற்றுப் பைகள் பெண்கள் மற்றும் குழந்தைகளுக்கு அபாயம் இல்லை என்று நீதிமன்றத்தில் நிரூபிக்கப்பட்டது. இதன் பிறகு 1993 –ஆம் ஆண்டு, இருக்கை வார் கார்களில் தேவை என்பது ஒரு ஒழுங்குமுறையிலிருந்து சட்டமாக மாறியது. 2003 -ல் காற்றுப் பைகள் (குறைந்த பட்சம் இரண்டு) கார்களில் இருக்க வேண்டும் என்பதும் ஒழுங்குமுறையிலிருந்து சட்டமாக மாறியது. இன்று வட அமெரிக்காவில், எந்த ஒரு காரில் காற்றுப் பை ஊதப்பட்டுப் பயன்படுத்தப்பட்டால், அவ்வகைக் கார்கள் மீண்டும் பயன்படுத்தக் கூடாது என்ற சட்டம் உள்ளது.

இவ்வளவு விரிவாக இருக்கை வார் கொள்கையைப் பற்றி எழுதக் காரணம், ஒழுங்குமுறையிலிருந்து எதுவும் ஒரு சட்டமாக மாறுவது என்பது மிகவும் சிக்கலான ஒரு வாகன நிகழ்வு. உயிர் சம்பந்தப்பட்டிருப்பதால், தீர முழுவதும் விசாரித்து முடிவுக்கு வரும் வரை, பல மாநில, தேசிய சட்ட அமைப்புகளில் ஆமை வேகத்தில் நகர்ந்து சட்டமாக மலர்வதற்குள் பல்லாண்டுகள் ஆகி விடுகின்றன.

இதே அமைப்புகள் மிக வேகமாக வளர்ந்து வரும் தானோட்டிக் கார்களை எப்படிச் சீரமைக்கப் போகின்றன?

ஒரளவு புரிந்த பாதுகாப்பு விஷயங்களுக்கே பல்லாண்டுகள் ஆகியுள்ளது சரித்திரம். இன்னும் சரியாகப் புரியாமலிருக்கும் தானோட்டிக் கார்கள் பற்றிய ஒழுங்குமுறைகள் என்பது மிகவும் மெதுவாகவே நிகழும். மேலும், படிப்படியாகப் பல்வேறு அமைப்புகளால், பல ஆண்டுகள் குழப்பப்பட்டுத் தெளிவு ஏற்படும் என்பது நிச்சயம். இத்தனைக்கும், தானோட்டி கார் தயாரிப்பாளர்களுக்குள் அதிக ஒற்றுமை இருப்பதாகத் தெரியவில்லை. இவர்களே எந்த ஒரு ஒழுங்குமுறையையும் இதுவரை முன்வைக்கவில்லை.

சரி, தானோட்டிக் கார்களுக்குச் சாலையில் எந்தக் கட்டுப்பாடும் இல்லையா? பொதுவாக எல்லா வாகனக் கட்டுபாடு அமைப்புகளும் ஏற்றுக் கொள்ளப்பட்ட  ஒரு பரிந்துறை, நான்காம் பகுதியில் நாம் பார்த்த SAE –ன் ஐந்து படிகள் கொண்ட தானோட்டிக் கார்களில் உள்ள தானோட்டித் தன்மை. இதில் முதல் மூன்று படிகள் முழுவதும் புரிந்து கொள்ளப்பட்ட ஒன்று. இன்றைய சட்ட அமைப்புகள் இதை முழுவதும் ஏற்றுக் கொண்டு சட்டங்கள் உருவாக்கியுள்ளன. நான்காவது படிக்குச் சில குழப்பமான சட்டங்கள் உள்ளன. ஐந்தாவது படிக்கு இன்று சரிவரச் சட்டங்கள் இல்லை. ஏனெனில், இன்று அதிகப் பயன்பாட்டில், இவ்வகைக் கார்கள் இன்று இல்லை.

எப்படி கூகிள், டெஸ்லா மற்றும் பல தயாரிப்பாளர்கள் தங்களுடைய கார்களைப் பொதுச் சாலைகளில் சோதனை செய்கிறார்கள்? இதற்கு ஒன்றும் சரியான சட்டங்கள் மற்றும் ஒழுங்குமுறைகள் இல்லையா?

சட்டங்கள் மாநில வாரியாக, தேசம் வாரியாக மாறுபடுகின்றன. ஒரு அமெரிக்க மாநிலத்தின் சட்டம் இன்னொரு மாநிலத்தில் வேறுபடும். அதே போல, யூரோப்பிய நாடுகளிலும் இதே நிலைதான். ஒன்று மட்டும் இந்தக் கட்டுரையை எழுதும் பொழுது (டிசம்பர் 2016) சீராக உள்ளது. அமெரிக்க, கனேடிய மாநிலங்கள் ஆகட்டும், யூரோப்பிய நாடுகளாகட்டும், இரண்டுமே, சோதனை ஓட்டங்களை மட்டுமே அனுமதிக்கின்றன.

என்னதான் தானோட்டிக் காராக இருந்தாலும், பொதுச் சாலைகளில் ஒரு மனித ஓட்டுனர் இல்லாமல் பயணிக்க எவருக்கும் அனுமதியில்லை.  அதோடு நிற்காமல், வட அமெரிக்க மாநிலங்களில் (இதில் சில மாநிலங்கள் மட்டுமே அடங்கும்) இன்னும் சில சட்டங்கள் உள்ளன.

  1. இரண்டு முதல் ஐந்து மில்லியன் டாலர்கள் மதிப்புள்ள காப்பீடு (insurance) கார் தயாரிப்பாளருக்கு இருக்க வேண்டும்
  2. ஒரு சுதந்திர அமைப்பின் சான்றிதழ் (independent certification body) பெற்ற நபர் ஒருவர் இந்தச் சோதனை ஓட்டங்களில் காருடன் பயணிக்க வேண்டும்
  3. மனித ஓட்டுனரால், காரின் கட்டுப்பாட்டைச் சில நேரங்களில் எடுத்துக் கொள்ளும் வசதி இருக்க வேண்டும்
  4. சில மாநிலங்களில், இவ்வகை தானோட்டிக் கார்களில், விபத்து நடந்தால், கருப்புப் பெட்டிகள் (black box) (விமானத்தைப் போல) விபத்து நடந்த 30 நொடிகளின் கணினித் தரவுகளைப் பதிவு செய்ய வேண்டும். அத்துடன், வாகனக் கட்டுப்பாடு அமைப்புகளுக்கு ஏழு ஆண்டுகள் வரை இந்தத் தரவுகள் கொடுக்கப்பட வேண்டும்

டெஸ்லாவின் சமீபத்திய ஆட்டோ பைலட் வசதி கலிஃபோர்னியா மாநிலத்தின் சட்டங்களைக் கருத்தில் கொண்டு, 8 நிமிடத்திற்கு மேலாக எந்த ஓட்டுனரையும் ஸ்டீயரிங் சக்கரத்திலிருந்து கைகளை அகற்ற விடுவதில்லை.

இருக்கும் சட்டங்களை வைத்துக் கொண்டுதான் இந்தத் துறை முன்னேற வேண்டும். மேலும், சரியான ஒழுங்குமுறைகள் அடுத்த சில ஆண்டுகளில் வருவது இந்தத் துறைக்கு மிகவும் அவசியம். சட்ட அமைப்புகளுக்குத் தொழில்நுட்பம் புரிவதற்கு நாளாகும். ஆனால், சட்டத்தின் மேற்பார்வை நுகர்வோருக்கு மிகவும் அவசியம்.

அடுத்த பகுதியில், தானோட்டிக் கார்களின் காப்பீடு பற்றி அலசுவோம்.

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Regulation ஒழுங்குமுறைகள்
Automotive recalls கார்களைத் திரும்ப அழைக்கும் ஒழுங்குமுறை
Law சட்டம்
Emission tests உமிழ்வு சோதனைகள்
Seat belt இருக்கை வார்
Regulatory body ஒழுங்கு அமைப்பு
Air bags காற்றுப் பைகள்
Insurance காப்பீடு
Black box கருப்புப் பெட்டிகள்

சொல்வனம் – செப்டம்பர் 2017

தானோட்டிக் கார்கள் – தொழில்நுட்ப அறிமுகம் – விஞ்ஞான வளர்ச்சியினால் உங்கள் வேலை போகுமா? -பகுதி 11

2030 –ல் தனிநபர் (நப) ஒருவருக்கும், தானோட்டிக் கார் தயாரிப்பாளருக்கும் (தயா) நடக்கும் கற்பனை உரையாடல்.

நப: ஒரு வாரம் முன்னதான் உங்க கம்பெனியின் தானோட்டிக் காரை வங்கினேன்

தயா: ரொம்ப சந்தோஷம்

நப: உங்கள பாராட்ட நான் அழைக்கவில்லை. இன்று என்னுடைய கார் நான் சொல்லும் இடத்திற்குப் போக மறுக்கிறது.

தயா: புரியும்படி சொல்லுங்க. இதுக்கு முன்னாடி உங்க கட்டளையைப் பின்பற்றியதா?

நப: போன வாரம் முழுவதும் எல்லாம் பின்பற்றியது. இன்னிக்கு அதுக்கு என்னவோ மூடு சரியில்லைன்னு நெனைக்கிறேன்.

தயா: அது எந்திரம் சார். மூடு எல்லாம் அதுக்குக் கிடையாது

நப: எனக்குத் தெரியாது சார். நீங்க தான் உங்க விளம்பரத்துல அதுக்கு மூளையெல்லாம் இருக்குன்னு சொல்றீங்க. அத எப்படி குஷி படுத்தறதுன்னு உங்க கார் கையேடுல ஒன்னுமே சொல்லலை

தயா: மூட விடுங்க. ஆரம்பத்திலேயிருந்து என்ன நடந்துதுன்னு விவரமா சொல்லுங்க

நப: வழக்கமா நான் மீன் பிடிக்கறதுக்கு வாரக் கடைசில பக்கத்துல 120 கி,மீ. தொலைவுல இருக்குற ஏரிக்கு போகிற வழக்கம். இன்னிக்கு புதுசு தானோட்டிக் காரோட போகலாம்னு கிளம்பலாம்னா கார் இப்படி அடம் பிடிக்கிறது.

தயா: சரி, காருல ஜி.பி.எஸ். –ல ஏரிக்கான ஆயங்களை (coordinates) கொடுத்தீர்களா?

நப: ஊம்

தயா: சீட் பெல்ட் போட்டீங்களா?

நப: செஞ்சேன் சார். என்னுடைய மீன் பிடிக்கும் படகை கூடக் கட்டினேன் சார்

தயா: எங்க கட்டினீங்க?

நப: வழக்கம் போல, காருக்கு மேலதான்.

தயா: சார், நீங்க ஓட்டின பழைய காருல அதெல்லாம். சரி. நாங்க அங்க ஒரு ரேடார் வச்சிருக்கோம். அதை மூடிட்டீங்கன்னா எப்படி சார் கார் நகரும்? கண்ணைக் கட்டிட்டா, தானோட்டிக் கார் எப்படி சார் ஓட்டும்? அதை முதலில் கழட்டுங்க சார். எல்லாம் சரியாயிரும்…

~oOo~

ஓட்டுனர்கள்

என்னதான் கார்களும் அதன் பின் விளைவுகளையும் நாம் சாடினாலும், உலகெங்கிலும் பல கோடி மனிதர்கள்,  தங்கள் வாழ்வாதாரத்திற்காக வாகனம் ஓட்டுகிறார்கள். உதாரணத்திற்கு, வட அமெரிக்காவின் ஜனத்தொகை 350 மில்லியன் (கனடா, அமெரிக்கா). இதில் 3.4 மில்லியன் லாரி ஓட்டுனர்கள் உள்ளனர். சரியான புள்ளிவிவரம் இல்லாவிட்டாலும், ஏறக்குறைய, 750,000 டாக்ஸி ஓட்டுனர்கள் உள்ளனர். இதைத் தவிர, உள்ளூருக்குள் சின்ன வண்டிகளில் டெலிவரி செய்பவர்கள், பஸ் ஓட்டுனர்கள், ஊபர் காரோட்டிகள் என்று மொத்தம் குறைந்தது 6 மில்லியன் மனிதர்கள் வட அமெரிக்காவில் வாகனம் ஓட்டுவதைத் தொழிலாகக் கொண்டவர்கள்.

கடைசியாக எனக்குத் தெரிந்து, டைப் செய்யும் எந்திரங்களை நம்பிப் பல கோடி மனிதர்கள் ஒரு 60 ஆண்டு காலம் முன்னர்வரை இருந்தனர். இன்று, நீதிமன்றம்/அரசாங்கம் போன்ற துறைகளில் பணிபுரியும் சில லட்சம் மனிதர்களைத் தவிர, மற்றவர்கள் இந்தத் துறையில் இல்லை. கணினிகள் மற்றும் அச்சு எந்திரங்கள், டைப் செய்யும் எந்திரத்தைப் பயனற்றவையாக்கி விட்டன. படிப்படியாக நிகழ்ந்த இந்தச் சமுதாய/தொழில்நுட்ப மாற்றம், இன்று ஏறக்குறைய முழுமை அடைந்துவிட்டது.

வட அமெரிக்கச் சாலைகள் மிகவும் நீண்டவை. ஒரு கோடியிலிருந்து மறு கோடி செல்ல பல நாட்கள் ஆகும். 5 முதல் 8 நாட்கள் ஒரு பயணத்திற்கு என்பது மிகவும் சாதாரண விஷயம். இதில் பெரும்பாலும் சரக்குகளை லாரிகள், கப்பல் துறைமுகத்திற்கும், பெரிய கடைகளுக்கும், தொழிற்சாலைகளுக்கும் எடுத்துச் செல்லும். 24 மணி நேரத்தில், பல லாரி ஓட்டுனர்கள், 16 மணி நேரம் வரை லாரி ஓட்டுகிறார்கள்.

அதைப் போலவே, பல நகரங்களிலும், விதவிதமான  டாக்ஸி அமைப்புகள் உள்ளன. விமான நிலையம் செல்லும் பிரத்யேக டாக்ஸிகள், நகர மையத்தில் மட்டுமே பயணிக்கும் டாக்ஸிகள் மற்றும் ஊபர், ஓலா போன்ற புதிய இணைய டாக்ஸிச் சேவைகள் இவற்றில் அடங்கும். இவைப் பெரும்பாலும் கார்களை ஓட்டுவதை வாழ்வாதாரமாகக் கொண்ட அமைப்புகள்.

என் பார்வையில், முதலில் நடக்கக்கூடிய சமுதாய மாற்றம், தானோட்டிக் கார்களால், வாகனம் ஓட்டுபவர்களின் வாழ்வாதாரம். ஆண்டு முழுவதும் எளிதாகப் பயணிக்கவல்ல பகுதிகளில் (உதாரணம் கலிஃபோர்னியா, நிவேடா, அரிஸோனா, டெக்ஸஸ் போன்ற மாநிலங்கள்) இவ்வகைச் சரக்குப் போக்குவரத்து தானோட்டி லாரிகளுக்கு மாறும் வாய்ப்புள்ளது, இதே பகுதிகளில், ஊபர் மற்றும் சில டாக்ஸிச் சேவைகளும் தானோட்டிக் கார்களுக்கு மாறலாம். அரசாங்கங்கள், தொழிற்சங்க அமைப்புகள் என்று மிகவும் சிக்கலானப் பிரச்னையாக, இது மாறலாம். லாரி நிறுவனங்கள் மற்றும் ஊபர் போன்ற அமைப்புகளுக்கு, வாகனங்களை அதிக நேரம் பயன்படுத்துவது மிகவும் முக்கியம். சரியான மேலாண்மையுடன், ஒவ்வொரு மணி நேரமும் காசு பண்ணலாம். தொழிலாளர்க் கொந்தளிப்பு இதனால், பல வருடங்கள் நீடிக்கும் வாய்ப்பும் உள்ளது. தானோட்டி வாகனங்களால், நிறைய லாபம் இருப்பதால், இவ்வகை நிறுவனங்கள் ரிஸ்க் எடுக்க அவசியம் முற்படும்.

இவ்வகைத் தானோட்டி லாரிகள், நெடுஞ்சாலையில் பயணித்தால், தானியங்கிப் பெட்ரோல் பம்புகளும் தேவை. இவ்வகைத் தானியங்கி பம்புகள் உருவாக்கப்பட வேண்டும். இல்லையேல், இவ்வகை லாரிகள், 5 முதல் 8 மணி நேரம் வரைதான் பயணம் செய்ய முடியும். இன்று சோதிக்கப்படும் தானோட்டி லாரிகள் லாஸ் ஏஞ்சலஸ் மற்றும் சான் ஃப்ரான்ஸிஸ்கோ நகரங்களுக்கு இடையில், அதாவது 5 மணி நேரப் பயண இடைவேளையில் சோதிக்கப்படுகின்றன.

நிறுத்துமிடம்

தானோட்டிக் கார்களுக்கு, அதாவது டாக்ஸிகளுக்கு நிறுத்துவதற்காக,  நகருக்கு வெளியே பெரிய இடங்கள் தேவைப்படும். இவ்வகை நிலங்களை ஒதுக்குவதில் உள்ள ரியல் எஸ்டேட் பிரச்னைகளை, நகர அரசாங்கங்கள் சந்திக்க வேண்டி வரும். இதனால், பல அரசியல் நெருக்கடிகளும் உருவாகலாம்.

தானோட்டிக் கார்களுக்கான வாடகையும் மிகவும் சர்ச்சைக்குள்ளாகும். இவற்றின் கட்டணம் மனித டாக்ஸியைவிடக் குறைவாக இருக்குமா? ஊபரைப் போல, நெருக்கடிக் காலங்களில் கட்டணத்தைக் கூட்டிக் கடுப்படிப்பார்களா? இவை எல்லாம் பொருத்திருந்து பார்க்க வேண்டும்.

காவல்துறை சிந்தனை

சமீபத்தில், தொழில்நுட்பத்தில் ஆர்வம் கொண்ட ஒரு போலீஸ் வல்லுனரிடம் தானோட்டிக் கார் ஆர்வலர்கள் கனடாவில் ஒரு பேட்டி எடுத்தார்கள், பல புதிய காவல்துறை சார்ந்த சமூக விஷயங்களை இந்த வல்லுனர் முன்வைத்தார். சாலைகளில், இவ்வகை வாகனங்கள் வந்த பிறகே இதன் முழுச் சமுதாயத் தாக்கத்தை நாம் அறிய முடியும். இவை வெறும் இன்றைய நம் ஊகம் என்றுதான் சொல்ல வேண்டும்.

  1. முதல் விஷயமாக, காவல் துறைக்கு, மிக முக்கியமான விஷயம், ஒரு காரின் சொந்தக்காரர் யாரென்று தெரிய வேண்டும். எந்த ஒரு கார் சம்பந்தப்பட்ட குற்றம் நடந்தாலும், சம்பவத்தில் இடம்பெற்ற காரின் சொந்தக்காரரைப் பொறுத்தே தண்டனை வழங்கப்படுகிறது. இதனால், தானோட்டிக் கார்கள் ஒரு நகருக்குள் வந்தால், அதன் உண்மையான சொந்தக்காரரின் பெயர்களை ஒரு பட்டியலிட வேண்டும். ஏதாவது ஒரு விபத்தில் தானோட்டிக் கார் ஈடுபட்டிருந்தால், அந்தக் கார் எவரது பெயரில் பதிவு செய்யப்பட்டுள்ளது என்பது காவல் துறை மற்றும் நீதித் துறைக்கு மிகவும் முக்கியம். இன்று நகரில் உள்ள டாக்ஸிகள் ஒவ்வொன்றும் ஒரு தனிநபர் பெயரில் பதிவு செய்யப்பட்டிருக்கும். ஊபர் கார்களும் அதன் சொந்தக்காரரின் பெயரில் பதிவு செய்யப்பட்டிருக்கும். தானோட்டிக் கார்களும் இப்படியே பதிவு செய்யப்பட வேண்டும் என்பது காவலர்களின் எண்ணம்.
  2. இரண்டாவது விஷயம், தானோட்டிக் கார்கள் சட்டப்புறம்பான பொருட்களைக் கடத்தப் பயன்படுத்தப்படலாம். ஒரு தானோட்டிக் கார்களில் ஏராளமான துப்பாக்கிகளைக் கடத்தி, மாட்டிக் கொண்டால், யார் இதைக் கடத்துகிறார்கள் என்று எப்படிச் சொல்வது? இதனாலேயே காவல் துறையினர், அனைத்து வாகனங்களும் ஒரு தனி நபர் பெயரில் பதிவு செய்வது அவசியமென்று சொல்லி வருகிறார்கள்.
  3. மூன்றாவது விஷயம், தானோட்டிக் கார்களுக்குத் தனியான வரைபாதை சில நகரங்களில் தேவைப்படலாம். இதற்குக் காரணம், பெரும்பாலும் மனிதர்கள் ஓட்டும் கார்களே. மனிதர்கள் கார்களைச் சீராக ஓட்டுவதில்லை. ஆரம்பத்தில் பெரும்பாலும் மனிதர்கள் ஓட்டும் வாகனங்களுடன், இவை பயணம் மேற்கொள்ள வேண்டும். இன்றைய சோதனைக் கார்கள் இந்த விஷயத்தில் நன்றாகவே இயங்கியுள்ளன. ஆனாலும், இவை கோடியில் ஒரு வாகனம் என்று இருக்கும் பொழுது ஏற்படும் வெற்றி, கோடியில் பல லட்சம் வாகனங்களாக மாறும் பொழுது உருவாகும் பிரச்னைகள் வேறுபட்டவை. பெரும்பாலும், இவ்வகைத் தானோட்டி வாகனங்கள், வேக எல்லைக்குள் பயணிக்கும். மனிதக் காரோட்டிகளுக்கு இது எரிச்சலூட்டலாம்! குறுக்கே வெட்டிப் பயணம் செய்யும் மனித கார்களுடன் இவை சமாளிக்கத் திண்டாடலாம். இதனால், தானோட்டி வாகனங்களுக்குத் தனியான வரைபாதைகள் அமைக்க வேண்டி வரலாம். இப்படித் தனி வரைபாதை அமைத்தால், அதற்கான செலவு மற்றும் பராமரிப்புச் செலவை யார் ஏற்றுக் கொள்வார்கள்?  ஊபர் போன்ற பயனடையும் நிறுவனங்கள் இதை ஏற்றுக் கொள்ள வேண்டும் என்பது ஒரு வாதம். நகரப் போக்குவரத்து நெருக்கடி குறைவதால், பொது மக்கள் இந்தச் செலவை ஏற்றுக் கொள்ள வேண்டும் என்பது இன்னொரு வாதம். போக்குவரத்து செரிசல் உண்மையிலேயே குறையுமா என்பது திட்டவட்டமாகச் சொல்ல இயலாத நிலையில், இது ஒரு சர்ச்சையான விஷயம் என்பதில் ஐயமில்லை.
  4. நான்காவது, சாலையில் பழுதடைந்து தானோட்டிக் கார் நின்றுவிட்டால், அதனை அப்புறப்படுத்துவது ஒரு பிரச்னை. இது நகரத்தின் பொறுப்பு என்றாலும், பழுதடைந்த கார் எப்படி அப்புறப்படுத்தும் நிறுவனத்திற்குத் தெரியப்படுத்தும்? இதற்காகச் சரியான ஒரு கட்டுப்பாடு அமைப்பு ஊபர் போன்ற நிறுவனங்களிடம் இருக்க வேண்டும். அப்புறப்படுத்துவதற்கும் தகுந்த கட்டணத்தை நிறுவனம் கட்ட வேண்டும்.
  5. ஐந்தாவது, ஒரு வேடிக்கையான போலீஸ் சிந்தனை – ஆனால், சாத்தியமான ஒன்று. ஒரு ஊபர் தானோட்டிக் கார் ஒரு சாலையில் பயணம் செய்கிறது என்று வைத்துக் கொள்வோம். நகரில் உள்ள இளைஞர்கள் இக்காரின் முன் வேகமாகச் சென்று திடீரென்று ப்ரேக்கைப் போடுவது, அல்லது அதன் வெகு அருகாமையில் காரைச் செலுத்துவது என்றுக் காரை குழப்ப முயற்சிக்கலாம். இதனால், இவ்வகை stunting செயல்களால் பல பிரச்னைகளை உருவாக்கலாம். இவ்வகை சூழலில் தவறு யாருடையது என்று துல்லியமாக சொல்வது கடினம். விமானங்கள் போல, கருப்புப் பெட்டிகளைத் (black box) தானோட்டிக் கார்களில் இருக்க வேண்டும் என்று காவல் துறையினர் சொல்லி வருகின்றனர். பல வகை சூழல்களில் ஏற்படும் விபத்துக்களுக்கு இது ஒன்றே வழி.
  6. ஆறாவது, விபத்துக்களில் சேதம் நேரிட்டால், யார் கட்டணம் கட்ட வேண்டும் என்பது. இதைப் பற்றி விவரமாகக் காப்பீடுப் பகுதியில் பார்ப்போம்.

அருகாமை விமானப் பயணங்கள்

இவ்வகைத் தானோட்டிக் கார்களின் வெற்றியைப் பொறுத்து, அரை/முக்கால் மணி நேர விமானப் பயணம் பெரிதும் பாதிக்கப்படும். அரை/முக்கால் மணி நேரத்தில், சிறு விமானங்கள், 300 முதல் 600 கி.மீ. வரையே பயணம் செய்கின்றன. விமானப் பாதுகாப்பு நேர விரயம், விமான நிலையப் பயண நேரம் என்று விமானப் பயணம் இன்று 4 முதல் 5 மணி நேரம் வரை ஆகிறது. அத்துடன், விமானம் சில குறிப்பிட்ட நேரத்தில் மட்டுமே நமக்கு வேண்டிய ஊருக்குப் பறக்கிறது. தானோட்டிக் கார்கள், இதே தூரத்தை, 3 முதல் 6 மணி நேரத்திற்குள் எந்த நேரத்திற்கு வேண்டுமானாலும் பயணம் செய்ய வசதியாக இருக்கும். இதனால், சின்ன விமான நிறுவனங்கள் நஷ்டப் படலாம். பலருக்கு வேலையும் போகலாம். விமானத் தயாரிப்பாளர்களும் பாதிக்கப்படலாம்.

தனியார் தானோட்டிக் கார்களினால், ஏற்படும் சமூக மாற்றங்கள் நாம் நினைத்து கூடப் பார்க்க முடியாதவை. என் பார்வையில், இது குறைந்தபட்சம், ஒரு 25 ஆண்டுகளுக்கு அப்பால் உள்ள விஷயம் என்பதால், இதைப் பற்றி எழுதவில்லை.

இங்கு சொல்லப்பட்ட மாற்றங்கள் இன்றைய ஊகங்கள். நாம் நினைத்துப் பார்க்காத பல மாற்றங்களும் நமது அரசியல், சமூக, சட்டங்களில் ஏற்படும் என்பது நிச்சயமாகச் சொல்லலாம்.

சொல்வனம் – ஜூலை 2017

தானோட்டிக் கார்கள் – தொழில்நுட்ப அறிமுகம் – லாப்டாப் கொண்டு உங்கள் கார்களைத் தானோட்டிக் கார்களாக்கலாமா? -பகுதி 10

ஊடகங்கள், கார்த் தொழில் விற்பனையாளர்கள் மற்றும் பல முறைகளில் நுகர்வோர் இந்தப் புதிய தொழில்நுட்ப புரிதலில் குழப்பமடைந்திருப்பது இயற்கையே. இந்தப் பகுதியில், சில குழப்பங்களைத் தெளிவாக்க முயற்சிப்போம்.

தானோட்டிக் கார்கள் அனைத்தும் மின்சாரத்தில் வேலை செய்யும் கார்கள்

தானோட்டிக் கார்கள் மின்சாரக் கார்களாக இருக்க வேண்டியதில்லை. பெட்ரோல் மற்றும் டீசல் கார்களும் தானோட்டிக் கார்களாக உருவாக்கலாம். அடிப்படை இயக்கம் மின்சார மோட்டார், அல்லது தொல் எச்ச எரிபொருள் எஞ்சின் (fossil fuel engine) எதுவாக இருந்தாலும் சரி. மெர்சிடிஸ், பி.எம்.ட்பிள்யூ. ஜி.எம்., ஃபோர்டு அனைவரும் தங்களுடைய தானோட்டிக் கார் தொல் எச்ச எரிபொருள் எஞ்சின் கொண்டு இயங்கும் என்றே சொல்லியுள்ளார்கள். கூகிளின் தானோட்டிக் கார்கள் இதுவரை பெட்ரோல் அல்லது ஹைப்ரிட் கார்கள். இந்தத் துறையில், மின்சாரக் கார் தயாரிப்பாளர் டெஸ்லா மட்டுமே. டெஸ்லா, மின்சாரக் கார் தயாரிக்கும் நிறுவனம். அடுத்தக் கட்டமாக தானோட்டிக் கார்களைத் தயாரிக்க முயன்று வருகிறார்கள். இதைத் தவிர, இவர் இரண்டு விஷயம் சம்பந்தமற்றவை.

 

தானோட்டிக் கார்களை வாங்கி எளிதில் இந்தியா போன்ற நாடுகளில் பயன்படுத்தலாம்

கேட்க நன்றாக உள்ளது. ஆனால், நடைமுறையில் பல சிக்கல்கள் உள்ளன. தானோட்டிக் கார்களுக்கு மிக முக்கியமான விஷயங்கள்;

  • வரை பாதைகள் சரியாக நிறுவப்பட வேண்டும்
  • போக்குவரத்து,  வரை பாதைகள் மூலமாக நடக்க வேண்டும்
  • போக்குவரத்துக் குறிகைகள் ஒவ்வொரு சாலையிலும் சரியாக நிறுவப்பட வேண்டும்
  • போக்குவரத்துச் சாலைகளில் வேக எல்லைகள் நிர்ணயிக்கப்பட வேண்டும்

படிக்கும் பலருக்குச் சற்றுக் கசப்பாக இருக்கக்கூடும். அதிகக் கம்பித் தொலைப்பேசிகள் சார்ந்த கட்டமைப்பு பெரிதாக இல்லாமல், செல்பேசி தொடர்பியலில் மேற்கத்திய நாடுகளை விட முன்னேறிய இந்தியா ஏன் இந்தத் தொழில்நுட்பத்திலும் முன்னேற முடியாது? விஷயம் தொழில்நுட்பம் சார்ந்தது அல்ல; போக்குவரத்து ஒழுங்கு சார்ந்தது. அத்துடன், பல தரப்பட்ட போக்குவரத்து அமைப்புகள் (ஆட்டோ, பைக், ஸ்கூட்டர், மாட்டுவண்டி, ரிக்‌ஷா) ஒரே சாலையைப் பயன்படுத்தும் இந்தியாவில், கணினிகள் குழப்பமடைய நிறைய வாய்ப்புகள் உள்ளன.

பல ஆண்டுகள் மேற்குலகில் சோதனைக்குப் பின்னரே இந்தியா போன்ற வளரும் நாடுகளில் சோதிக்க முடியும். அப்படியே இந்தத் தொழில்நுட்பம் வந்தாலும், இந்தியாவில், இந்த ஒழுங்கு ஓரளவு உள்ள நெடுஞ்சாலைகளில் மட்டுமே பயன்படும். ஒரு இந்திய முயற்சியின் விடியோ இங்கே;

 

தானோட்டிக் கார்கள் விடியோ காமிரா மூலம் நாம் பார்ப்பது போலப் பார்த்துச் செயல்படுகின்றன

நாம் பார்ப்பது முப்பரிமாணத்தில், வண்ணக் காட்சிகள். ஆனால், வாகனத்தைச் செலுத்த இத்தனை சிக்கலானக் காட்சித் தேவையில்லை. ஒரு காரைச் செலுத்தும் கணினிக்கு முக்கியமான தேவை, சுற்றிலும் உள்ள வாகனங்களின் அளவுகள், அவற்றின் வேகம், பயணிக்கும் திசை, மற்றும், வரைபாதை. மற்ற விஷயங்கள் தேவையில்லாத மனித கவனச்சிதைவுகள்.

சில விஷயங்களைக் காமிராவை மட்டுமே நம்பியிருக்க முடியாது. தொலை தூரத்தில் உள்ள வாகனங்கள் பற்றிய கணிப்புக்கு லேசரும் (laser rangefinder), மிக அருகில் இருக்கும் வாகனங்கள் பற்றிய கணிப்புக்குக் கேளா ஒலியும் (ultrasonic) , நடுவாந்திர தூரத்திற்கு, காமிராவும் தானோட்டிக் கார்கள் பயன்படுத்துகின்றன.

தானோட்டிக் கார்களை எளிதில் இணைய விஷமிகள் கடத்திப் பயணிகளுக்கு ஆபத்து விளைவிக்கலாம்

’கருவிகளின் இணையம்’, கட்டுரைத் தொடரில், பாதுகாப்பு அபாயங்கள் பற்றி விரிவாகப் பார்த்தோம். தானோட்டிக் கார்களில் இணைய விஷமிகள் கையில் சிக்கிப் பயணிகளுக்கு ஆபத்து விளைவிக்கலாம் என்பது ஒரு நியாயமான பயம். ஆனால், இன்றைய கார் தயாரிப்பாளர்கள், ஆரம்பச் சறுக்கல்களிலிருந்து விடுபடத் தொடங்கி விட்டார்கள். இவர்களுக்கும் இந்தச் சவால் புரிகிறது. நிறையத் தானியக்கம் உள்ள கார்களில் அதிக கவனமின்றி அவசரமாகச் சந்தைக்குக் கொண்டு வந்ததன் விளைவு இவ்வகை இணையத் தாக்கல்கள்.

உஷாராகிவிட்ட தயாரிப்பாளர்கள் இணையத் தொடர்புகளில் தகுந்த பாதுகாப்பு அம்சங்களைச் சேர்ப்பார்கள் என்று நம்ப நிறைய வாய்ப்பு உள்ளது. பொது மக்களின், தானோட்டிக் கார்களைப் பற்றிய பயங்களில் இதுவும் முக்கியமான ஒன்று.

டெக்னிகலாகச் சொல்ல வேண்டுமானால், குறிமறையாக்கத்திற்கு வேண்டிய செயலி சக்தி இவ்வகை கார்களில் ஏராளம். சொல்லப் போனால், நம்முடைய அன்றாட கணினிகளை விட மிகவும் சக்தி வாய்ந்த கணினிகள் இவ்வகைக் கார்களை இயக்குகின்றன. செயலியை சாக்காகச் சொல்லி எந்தத் தயாரிப்பாளரும் பாதுகாப்பு விஷயத்தில் பின்வாங்க முடியாது.

 

நமது அன்றாட லாப்டாப் கணினியில் மென்பொருளைக் கொண்டு கார்களைத் தானோட்டிக் கார்கள் ஆக்கிவிடலாம்.

தொழில்நுட்பப் பகுதியில் முக்கியமான ஒரு விஷயம் இந்தத் தொழில்நுட்பத்தில், மிகவும் அவசியமானது சக்தி வாய்ந்த ஒப்பிணைவுக் கணிமை தேவை (parallel computing requirement) என்பது. நம்முடைய சாதாரணக் கணினிகள் வேலைக்கு ஆகாது. மேலும், நாம் திறன்பேசியில் தரவிறக்கம் செய்யும் சாதாரண நிரல் அல்ல இது. பல்லாயிரம் மணி நேரப் பயிற்சி பெற்றச் செயற்கை நரம்பணு வலையமைப்புகள் பாதுகாப்பான பயணத்திற்கு அவசியம்.

இப்படி யாராவது சொன்னால், அங்கிருந்து தயவு செய்து விலகுங்கள்.

 

கருவிக் கூட்டு (sensor kit) ஒன்று கிடைக்கிறது. இதை எளிதில் காருடன் இணைத்தால், சாதாரணக் கார், தானோட்டிக் காராக மாறிவிடும்.

இது எதிர்காலத்தில் சாத்தியமாக இருக்கலாம். ஆனால், இவ்வகைக் கருவிக்கூட்டுக்கள் தானோட்டிக் கார்களின் ஒரு சின்னப் பகுதி மட்டுமே. இவ்வகை கருவிக் கூட்டுக்கள் ஓரளவு தானியக்கத்திற்குப் பயன்படலாம். இன்றைய தொழில்நுட்ப அளவை வைத்துப் பார்த்தால், இது ஒரு மிகவும் அபாயமான முயற்சி. தயவு செய்து தவிர்க்கப் பாருங்கள்.

 

எந்தக் காரை வேண்டுமானாலும் தானோட்டிக் காராக்கி விடலாம். எல்லாம் மென்பொருள் விஷயம்தான்.

நிச்சயமாக முடியாது. ஒவ்வொரு தானோட்டிக் காரின் வடிவமைப்பிலும், அடிப்படையில் ஒரு வாகன ப்ளாட்ஃபார்ம் உள்ளது. அடிப்படை வாகனம் கணினியின் ஆணைப்படி சில அடிப்படை விஷயங்களைத் தானாகவே செய்ய வேண்டும். உதாரணத்திற்கு, வேகத்தைக் கூட்டுவது, குறைப்பது, நிற்பது, போன்ற அடிப்படை விஷயங்கள் அவசியம் தேவை. இவ்வகை வசதிகள் இல்லாத கார்களில், எந்த மென்பொருளைக் கொண்டும் ஒரு வாதத்திற்குக் கூடத் தானோட்டிக் காராக மாற்ற முடியாது.

 

என்னுடைய காரில் பல தானோட்டி விஷயங்கள் உள்ளன. தானே நிறுத்தும், முன்னே செல்லும் கார் பக்கத்தில் வந்தால் தானே பிரேக் செய்யும், வரை பாதையிலிருந்து சறுக்கினால், தானே வரைபாதைக்குள் கொண்டு வரும். இதுவும் தானோட்டிக் கார்தான்,

இதைப் பற்றி முன்னமே சொல்லிவிட்டாலும், சற்று இங்கு விளக்க முயற்சிப்போம்.

இங்கு சொல்லப்படும் அம்சங்கள் தானியக்க விஷயங்கள். இவ்வகை அம்சங்களுக்கு, அவசியம் ஒரு ஓட்டுனர் காரில் தேவை. அத்துடன், மிக குறைந்த நேரத்திற்கே இவ்வகைத் தானியக்கம் உதவுகிறது. தானோட்டிக் கார் என்பது, ஓட்டுனர் எப்பொழுதும் தேவையற்ற வாகனங்கள்.

இக்கட்டுரை எழுதும் நேரத்தில் (நவம்பர் 2016), சாலைகளில் உள்ள ஒரே தானோட்டிக் கார் டெஸ்லா. மற்ற கார்கள் சோதனையில் உள்ளன. இன்றைய டெஸ்லாவும் அதன் ஆட்டோபைலட் வசதி வெறும் 8 நிமிடங்களுக்கு மட்டும்தான். இதற்கு இன்றைய சாலைச் சட்டங்கள் அனுமதிப்பதில்லை. இன்னும் 3 முதல் 5 வருடங்களில் சட்டங்கள் மாறினால், தொழில்நுட்பம் வளர்ந்தால், உண்மையான தானோட்டிக் கார்கள் சில பகுதிகளில் இயங்கலாம்.

இன்று (2016/2017) உணமையான தானோட்டிக் கார் என்பது பொதுச் சாலைகளில் சோதனைக் கார்கள் மட்டுமே.

 

தானோட்டிக் கார்களின் முதல் மாடல்கள் நுகர்வோருக்காகத் தயாரிக்கப்படும்.

தானோட்டிக் கார்களைப் பற்றிய மிகப் பெரிய தவறான கருத்து இதுவாகத்தான் இருக்கும். சாதாரணர்களுக்கு இந்தத் தொழில்நுட்பத்தில் முழுவதும் நம்பிக்கை வர பல்லாண்டுகள் ஆகும். அப்படியே சற்று நம்பிக்கை வந்தாலும், ‘நான் ஒன்றும் இவர்களது சோதனை எலியல்ல. எனக்கு என்ன அவசரம். எந்தச் சந்தேகமும் இல்லாமல் நிரூபிக்கப்படும் வரை காத்திருக்கத் தயார். அத்துடன், ஒரு எந்திரம் என்னுடைய காரை இயக்குவது என்பது சீரணிக்க முடியாத விஷயம்’ – இதுவே பலரின் வாதம்.

ஆரம்பப் பயன்பாட்டாளர்கள் பெரும்பாலும், இரு தரப்பினர் என்று நம்பப்படுகிறது. முதல் வகை இணையம் மூலம் வாகனங்களை வாடகைக்கு விடும் யூபர் போன்ற நிறுவனங்கள். இவர்கள் இந்தத் தொழில்நுட்பத்தை அடுத்தக் கட்டத்திற்கு எடுத்துச் செல்ல உத்வுவார்கள் என்று நம்பப்படுகிறது. யூபரின் மிகப் பெரிய செலவு அம்சம் கார்களை இயக்கும் ஓட்டுனர்கள்.

இன்னொரு ஆரம்ப பயன்பாட்டாளர், வட அமெரிக்கா மற்றும் யூரோப்பில் லாரிகளை இயக்கும் நிறுவனங்கள். பெரும்பாலும், நெடுஞ்சாலைகளில் சரக்குகளை ஏற்றிச் செல்லும் லாரிகள் இன்று சரியாகச் சரக்கைச் சேர்ப்பிக்க ஓட்டுனர்களை நம்பியுள்ளது. வட அமெரிக்கா போன்ற ராட்சச நிலப்பரப்பில், லாரிகள் பல நாட்கள் பயணிக்கின்றன. ஃப்ளாரிடாவில் விளையும் ஆரஞ்சு பழம் தாங்கிய லாரி டென்வர் போன்ற இடங்களை அடைய 3 நாட்கள் ஆகும். அதைவிட மோசம், கனடாவின் பிரிடிஷ் கொலம்பியாவில் விளையும் பழங்கள் ஹாலிஃபாக்ஸ் சென்றடைய 10 நாட்கள் ஆகும். இதில் சில நாட்கள் ஒட்டுனர்களின் ஓய்வுக்காக செல்கிறது. இங்குதான் தானோட்டி வாகனங்கள் மிகவும் பயனுக்கு வரும், ஓய்வு இல்லாமல் இயக்கவல்ல எந்திரங்களாக லாரிகள் மாறி விடும். இவ்வகை லாரி நிறுவனங்கள் செயல்திறனின் பெரிய முன்னேற்றத்தை எதிர்பார்க்கின்றன.

உடனே, உலகம் முழுவதும் அடுத்த வருடம் இது நடைபெறும் என்று சொல்வதற்கில்லை. அதிகப் பனியில்லாத, ஏராளமான மழையற்ற பகுதிகளில் முதலில் இவை சோதிக்கப்படும். நாளடைவில் மற்ற இடங்களுக்கும் பறவலாம்.

நுகர்வோர் முதலில் இவ்வகைக் கார்களை அதிகமாக வாங்குவார்கள் என்று சொல்வதற்கில்லை.

 

தானோட்டிக் கார்கள் நமது வியாபாரக் கணினிகள் போல முடிவெடுக்கும் கணினிகள். எந்த வாகனம் எப்படி வருகிறது என்று இப்படி முடிவெடுக்கிறது.

தொழில்நுட்பப் பகுதிகளில், செயற்கை நரம்பணு வலையமைப்புகள் பற்றி விளக்கியிருந்தேன்.  மிக முக்கியமான விஷயம் இவை லாஜிக் மூலம் இயங்குவதில்லை. வியாபாரக் கணினிகளின் மென்பொருள் லாஜிக்கை மையமாகக் கொண்டவை.

இவை பெரும்பாலும், ‘இது நடந்தால், இது செய்யவும்’ என்ற சட்டங்களுக்கு உட்பட்டு இயங்குபவை. வாடிக்கையாளர் 1000 ரூபாய்க்கு மேல் வாங்கினால், 2% தள்ளுபடியைக் கணக்கிடவும் என்று நிரலப்படுவது வியாபார உலகில் சகஜம். ஒரு பிரச்னையை மட்டுமே ஒரு நேரத்தில் தீர்க்கும் சக்தி கொண்டவை இவ்வகை நிரல்கள். இன்றைய கணினிகள், பல்வேறு நிரல்களை ஒரே நேரத்தில் இயக்குவது போன்ற மாயையை ஏற்படுத்தினாலும், (இவை உள்ளுக்குள், ஒன்றன் பின் ஒன்றைத்தான் செய்கின்றன – இவற்றின் வேகம் பல நிரல்களை ஒரே நேரத்தில் இயக்குவதைப் போன்று தோற்றுவிக்கிறது), ஒரே நேரத்தில் ஒரு பிரச்னைதான்.

ஒரு வியாபாரக் கணினி நிரல் முன் 40 வாடிக்கையாளர்கள் பல்வேறு ரூபாய்களுக்கு பொருட்களை வாங்கி வந்தால், என்ன செய்யும் லாஜிக்? இவ்வகைப் புதிய பிரச்னைகளுக்குப் புதிய அணுகுமுறைகள் தேவை. வியாபாரத்தில் உள்ளது போல, பல கெளண்டர்களைத் திறந்து சமாளிக்க முடியாது. கெளண்டர்கள் பல இருந்தாலும், ஒவ்வொரு கெளண்டரும் ஒரு நேரத்தில் ஒரு பிரச்னையை மட்டுமே தீர்க்கும்.

 

ஒரு கார்த் தயாரிப்பாளர் தானோட்டிக் காரை டெமோ செய்தால், அடுத்த வருஷம் தானோட்டிக் காரை அறிமுகப் படுத்தும் என்று அர்த்தம்.

காரின் சில வெளிபுற விஷயங்கள், மற்றும் சின்ன சின்ன மின்னணு ஜிகினா விஷயங்களை நமக்குக் காட்டியே கார்த் தயாரிப்பாளர்கள் உண்மையான முன்னேற்றம் எதுவென்று மறக்கடிப்பதில் வெற்றி கண்டுள்ளார்கள். டெமோ தானோட்டிக் கார் அடுத்த வருடம் ஷோரூமிற்கு வர இது ஒன்றும் சின்ன முன்னேற்றம் அல்ல.

முக்கியமாக, இவ்வகை தானோட்டி கார்கள் நிறைய நகர, புற நகர, நெடுஞ்சாலை, மலைப்பகுதி மற்றும் வித விதமான சாலை குறிகைகள் எல்லாவற்றிலும் தேர்ச்சி கொடுக்கப்பட வேண்டும். கூகிள் 7 ஆண்டு காலமாகத் தன்னுடைய தானோட்டிக் கார்களைப் பயிற்சி தருவதற்கு உண்மையான காரணம் பயிற்சி. எங்கு சிக்கலான சிக்னல் வரும், எங்கு சைக்கிள் வரும், எங்கு பாதசாரி வருவார் என்று திட்டவட்டமாகச் சொல்ல முடியாது. சாலைகளில் உள்ள தடங்கல்களைச் சமாளிப்பதற்கும் பயிற்சித் தேவை.

நேற்று ஓட்டுனர் பயிற்சிக்குச் சென்ற மகனிடம் புதிய காரை யாராவது ஒப்படைப்பாளர்களா?

 

தானோட்டிக் கார்களுக்குத் தனியாக பிரத்யேக சாலைகள் உருவாக்க வேண்டும்

சில நகர அரசாங்கங்கள் இவ்வறு சிந்திப்பது உண்மை. பெரும்பாலும்,ஊபர் போன்ற நிறுவனங்கள் இதன் முதல் பயன்பாட்டாளர்கள் என்று நம்பப்படுவதால், இது போன்ற நிறுவனங்கள் சாலைப் பராமரிப்பிற்கு, சவாரி ஒன்றுக்கு இத்தனை கட்டணம் என்று அளிப்பார்கள் என்ற நம்பிக்கையின் வெளிப்பாடே இது. ஆனால், இதில் எந்த ஒரு முடிவும் எடுக்கப்படவில்லை.

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Fossil fuel engine தொல் எச்ச எரிபொருள் எஞ்சின்
Ultrasonic கேளா ஒலியும்
Parallel computing requirement ஒப்பிணைவுக் கணிமை தேவை
Sensor kit கருவிக் கூட்டு

சொல்வனம் – ஜூலை 2017

தானோட்டிக் கார்கள் – தொழில்நுட்ப அறிமுகம் – ஒரு படத்தைப் பார்த்து அது என்னவென்று எப்படி கணினி கண்டுபிடிக்கிறது? -பகுதி 9

2015 –ஆம் ஆண்டு, அமெரிக்காவில் உள்ள மிஷிகன் மாநிலத்திற்குச் சென்றிருந்தேன். இந்திய உணவு விடுதியில் சாப்பிட்டுவிட்டு, எனக்குப் பக்கத்தில் உள்ள Best Buy  என்ற மின்னணுச் சில்லரை வியாபாரக் கடைக்குச் செல்ல வேண்டியிருந்தது.

அங்கு விடுதியில் வேலை செய்யும் தொழிலாளி ஒருவரிடம் வழி கேட்டேன். அங்கு, மேஜையிலிருந்த ஆண்ட்ராய்டு திறன்பேசியிடம், ’பக்கத்தில் Best Buy எங்கிருக்கிறது?’ என்று ஆங்கிலத்தில் கேட்டார். அவர் கையுறை அணிந்திருந்ததால், இப்படி கூகிள் வரைபடத்துடன் பேசினார்.

சிவராமனோ, மாணிக்கமோ அவர் பெயர் நினைவில்லை. எப்படி கூகிள் வரைபடம், அவருடைய இந்திய ஆங்கிலத்தைப் புரிந்து கொண்டது? சரியாக அந்த விடுதியிலிருந்து கடைக்கு வழியைக் காட்டியது. திறன்பேசியைச் சற்று திருப்பி என்னைப் படிக்கச் சொன்னார் அவர்.

எந்திரக் கற்றலியல் ஒன்றும் எதிர்காலச் சமாச்சாரம் இல்லை. இன்று கூகிளின் பல முயற்சிகளில் எந்திரக் கற்றலியல் மறைந்துள்ளது. சமீபத்திய கூகிள் பிக்ஸல் திறன்பேசி ஒரு செயற்கை நுண்ணறிவை அடிப்படையாகக் கொண்ட முதல் திறன்பேசி என்று ஒரு தொழில்நுட்பக் கட்டுரையில் சமீபத்தில் படிதேன்.

~oOo~

ஆராய்ச்சிக் கட்டுரைகளிலும், சின்னச் சின்ன சோதனைகளில் ஓரளவு வெற்றி பெற்ற இவ்வகைச் செயற்கை நரம்பணு வலையமைப்புகளுக்கு ஒரு திருப்புமுனையாக இருந்த வருடம் – 2012. உலகம், இது வெறும் பலகலைக்கழக விளையாட்டு அல்ல என்று சீரியஸாக எடுத்துக் கொண்டது இவ்வாண்டில். இதற்குக் காரணம் கனடாவின் டொரோண்டோ பல்கலைக்கழக ஆராய்ச்சியாளர்கள் குழு ஒன்று உருவாக்கிய நிரல், பல கோடிப் படங்களை மிகக் குறைந்த தவறுகளுடன் சரியாக அடையாளம் காட்டியது. ஜெஃப் ஹிண்டன் தலைமையிலான இக்குழு, எந்திரக் கற்றலியல் உலகில் புரட்சி செய்தது என்று தாராளமாகச் சொல்லலாம். இத்தனைக்கும் அவர்களுடைய செயற்கை நரம்பணு வலையமைப்புக்கு வெறும் இரண்டு வாரப் பயிற்சி மட்டுமே அளிக்கப்பட்டது.  எப்படி இது திடீரென்று சாத்தியமானது?

திடீரென்று எதுவும் நடக்க வில்லை. ஸ்டாண்ஃபோர்டு மற்றும் பிரின்ஸ்டன் பல்கலைக்கழகங்கள், இணையத்தில் உள்ள பல கோடிப் படங்களை, பல்லாயிரம் தன்னாவலார்கள் மூலம் பட்டியலிட்டது. இதில், அன்றாடப் பொருள்கள், மிருகங்கள், பறவைகள் எல்லாவற்றையும் பட்டியலிட்டார்கள். கூகிள் இதற்குப் பல விதத்திலும் உதவியது. பல கோடி படங்களை கூகிள் இன்றும் தன்னுடைய தேடல் எஞ்சின் மூலம் தேக்குகிறது. இது மிகவும் பெரிய ஒரு பணி. நாய் என்றால், பல லட்சம் நாய்களின் படங்கள், நாறகாலி என்றால், இன்னும் சில லட்சம் என்று இந்த Imagenet உருவாகியது.

உதாரணத்திற்குக், கீழே உள்ளப் பட்டியல், சில வகைப்பாடுகளின் பட்டியல் அளவைக் காட்டுகிறது. 339 ஆயிரம் மலர்களின் படங்களைப் பட்டியலிட்டுள்ளார்கள்,  அதே போல, 374 ஆயிரம் வாகனங்களின் படங்களையும் பட்டியலிட்டுள்ளார்கள். ஒவ்வொரு வகையிலும் பல நூறு வேறுபாடுகள் அடங்கும், உதாரணத்திற்கு, ஒரு ஃபோர்டு ஃபோகஸ் காரின் நூற்றுக்கணக்கான படங்கள் பட்டியலிடப்பட்டிருக்கும். இதில் இந்தக் காரின் பல்வேறு கோணங்களில் எடுத்தப் புகைப்படங்கள் அடங்கும்.

High level category # synset (subcategories) Avg # images per synset Total # images
animal 3822 732 2799K
appliance 51 1164 59K
bird 856 949 812K
fish 566 494 280K
flower 462 735 339K
food 1495 670 1001K
fruit 309 607 188K
furniture 187 1043 195K
musical instrument 157 891 140K
plant 1666 600 999K
reptile 268 707 190K
sport 166 1207 200K
tree 993 568 564K
vegetable 176 764 135K
vehicle 481 778 374K
person 2035 468 952K

 

இது எந்திரக் கற்றலியல் துறைக்கு, ஒரு மிகப் பெரிய வரப்பிரசாதம். எந்திரங்களுக்குப் பல படங்களைக் கற்றுக் கொடுப்பதற்கு மிகவும் முக்கியமான ஒரு முன்னேற்றம் இது. தன்னுடைய பல்லாண்டு உழைப்பை மிக அழகாக இங்கு இதன் ஆராய்ச்சியாளர் விளக்குகிறார்;

முக்கியமாகச், செயற்கை நரம்பணு வலையமைப்பிற்குத் தேவையான விஷயம் பயிற்சிப் படங்கள், இவ்வகை வலையமைப்புகளில், பல அடுக்குகள் இருக்கும் என்று சொல்லியிருந்தேன். இந்த அடுக்குகளில் முதல் அடுக்கு  உள்வாங்கும் அடுக்கு (input layer) என்று சொல்லப்படுகிறது. கடைசி அடுக்கு வெளிப்பாடு அடுக்கு (output layer) என்று சொல்லப்படுகிறது. வலையமைப்பின் தேவைக்கேற்ப, விஞ்ஞானிகள் பல இடை அடுக்குகளை நம் மூளையில் உள்ளது போல உருவாக்குகிறார்கள். இவற்றை மறை அடுக்குகள் (hidden layers) என்று சொல்லப்படுகிறது. இந்த அடுக்குகள் என்ன செய்கின்றன?

மேல்வாரியாகச் சொன்னால், கீழே விளக்கியுள்ளது போலப் புரிந்து கொள்ளலாம். அடைப்புக்குறிக்குள் கொஞ்சம் டெக்னிகலான விளக்கம். உதாரணத்திற்கு, ஒரு காரின் படத்தை இந்த வலையமைப்பின் முன் வைக்கிறோம் என்று வைத்துக் கொள்வோம்

  1. முதல் அடுக்கில் ஓரளவு குறைந்த பிரிதிறன் (low resolution) படத்தின் படமூலம் (pixels) உள்வாங்கப் படுகிறது (இது filtering என்று அழைக்கப்படுகிறது)
  2. அடுத்த அடுக்கில், முதல் அடுக்குடன் இணைக்கப்பட்டுள்ள இணைப்புகள் அந்தப் படத்தின் முக்கிய வடிவமைப்பு அம்சங்களைப் பிரித்தெடுக்கும் – காரின் டிக்கி, சக்கரம், எஞ்சின் பகுதி, பின் கண்ணாடிகள் போன்ற விஷயங்களை மட்டும் பிரித்தெடுக்கும் (இது, ஏராளமான உயர்க் கணிதமான Convolutions மூலம் நிகழ்கிறது. எந்த அம்சம் ஒரு கணினிக்கு முக்கியம் என்பது கணிதம் மூலமே நிச்சயிக்கப்படுகிறது. டிக்கி, எஞ்சின் போன்றவை ஒரு விளக்கத்திற்காக மட்டுமே பயன்படுத்தியுள்ளேன்)
  3. அடுத்த அடுக்கில், இன்னும் சில சின்ன வளைவுகள், நீட்டங்கள்  –  காரின் முன்பக்கம் தெரிவதென்றால், ரேடியேட்டர், தலை விளக்குப் பின் பக்கம் தெரிவதானால், டிக்கி விளக்குகள், காரின் பின் மற்றும் முன் கண்ணாடியின் வளைவுகள் போன்ற விஷயங்கள் அடுத்தக் கட்டமாக இருக்கலாம். (இவை ஓரளவு யூகம்தான் – ஒவ்வொரு படியிலும் நடப்பவைச் சிக்கலான படமூல அணி மாற்றங்கள் (matrix manipulation of the pixels) – இவற்றிற்கு ஒரு சரியான காட்சி சார்ந்த விளக்கம் என்பது இயலாத காரியம்)
  4. இப்படிப் படிப்படியாக நிகழும் இந்தப் படமூலச் சிதறல், இன்னும் சில படிகளைத் தாண்டி உள்வாங்கிய படம் காரா என்பதோடு நிற்காமல், இந்த வலையமைப்புப் பயிற்சிக்குப் பிறகு, ஃபோர்டு ஃபோகஸா என்று சரியான சாத்தியக்கூறுகள் வெளி வருவதால், வெளிப்பாடு அடுக்கில் தகுந்த முடிவை எடுக்க முடிகிறது

பயிற்சி மூலம், ஒரு செயற்கை நரம்பணு வலையமைப்பிற்குத் தகுந்த சார்புகளை (bias and weights) உள்வாங்கியிருக்கும். இதனால், தான் பார்க்காத கோணத்தில் ஃபோர்டு ஃபோகஸ் கார் இருந்தாலும், இந்த வலையமைப்பு அதைச் சரியாக அடையாளம் காட்டி விடும். மற்றபடி உள்ளே நடப்பவை கணித ஜாலங்கள் என்றும் கொள்ளலாம்.

இது போலத்தான், சற்று மங்கிய வெளிச்சத்தில், அரைகுறையாகத் தெரியும் லாரிகள், பாதசாரிகள், சைக்கிள்கள், சாலைக் குறிகைகள் எல்லாவற்றையும் தானோட்டிக் கார்கள் அடையாளம் காட்டி முடிவெடுக்கிறது.

இதில் முக்கியமான விஷயம் ஃபோர்டு காரின் கலர் முக்கியமில்லை. அதன் அளவுகள், அந்தக் காருக்கும் தானோட்டிக் காருக்கும் உள்ள தூரம், ஃபோர்டு கார் செல்லும் கோணம், இவை எல்லாம் தான் முக்கியம்.

இந்தத் தொழில்நுட்பம், இன்று திறன்பேசியில் சில்லரை வியாபாரக் கடை பேரைச் சொன்னால், ஒலியிலிருந்து, அதை ஒரு தேடல்ச் சொற்றொடராக மாற்றுகிறது. கூகிள் வரைபடம் மற்ற வேலைகளைச் செய்கிறது. இங்குச் செயற்கை நரம்பணு வலையமைப்பின் வேலை, குரலை வைத்துச் சரியான சொல்லைக் கண்டுபிடிப்பது. பல குரல்களிலும் பயிற்சி செய்யப்பட்ட இந்த வலையமைப்பு, நமது மாணிக்கத்தின் ஆணையைப் பல அடுக்குகளில் கணித ஜாலத்தால், சரியாக Best Buy என்று கண்டுபிடித்து விடுகிறது. ஒன்றை கவனித்தீர்களா? நான் மாணிக்கத்தை வழி கேட்ட விடுதியில் திறன்பேசியைச் சுற்றிச் சத்தம் இருந்தது. மற்றவர்கள் சத்தப்படுத்தி/பேசி உண்டு கொண்டிருந்தார்கள். இவ்வகைச் சத்தங்களையும் தாண்டி, இந்தச் செயற்கைத் திறன் மென்பொருள் எப்படிச் சரியாகச் சொற்களைக் கண்டு பிடிக்கிறது? எல்லாம் filtering  மூலம் நடப்பவை. இந்த நிரலுக்கு எஸ்பிபியா அல்லது யேசுதாஸா என்று கண்டுபிடிக்கத் தேவையில்லை. என்ன சொல்கிறார் நமது மாணிக்கம் என்பதே முக்கியம்.

செயற்கை நரம்பணு வலையமைப்பிற்குப் பயிற்சி என்பது ஒரு மிகச் சிக்கலான பிரச்னை. நாம் பார்த்த இரு உதாரணங்களிலும், இதை எளிதில் புரிந்து கொள்ளலாம், Imagenet -ல் 374,000 படங்கள், வாகனப் படங்கள். ஒரு படத்தின் பிரிதிறன்,(resolution)  32 x 32 என்று கொண்டால் கூட, ஒரு படத்திற்கு 1024 படமூலங்கள் உள்ளன. இதற்குக் குறைந்தபட்சம் 1024 செயற்கை நரம்பணுக்கள் முதல் அடுக்கில் தேவை. 374,000 * 1024 = கிட்டத்தட்ட 383 பில்லியன் பயிற்சிப் படமூலங்கள் இதில் அடங்கும் என்றால் தலை சுற்றும் விஷயம். நாம் தலை நரைத்து, இந்தத் தொழில்நுட்பத்தின் பயனையே பார்க்க முடியாது. அதே போல, உலகில் உள்ள பல மனிதக் குரல்களைக் கொண்டு Best Buy  என்று சொல்ல வைத்துச் செயற்கை நரம்பணு வலையமைப்பைப் பயிற்சிக்க முடியாது. இதற்கு என்ன வழி?

இது சற்று நம்புவதற்குக் கடினமான விஷயம். ஆனால், சில வாகனங்களை மட்டுமே ஒரு பயிற்சிக்காகப் பயன்படுத்திக் கொண்டு புதிய வாகனப் படங்களை உட்கொண்டவுடன் செயற்கை நரம்பணு வலையமைப்பு வாகனம் என்று அடையாளம் காட்டக் கற்றால், மிகவும் எளிதாகிவிடும் அல்லவா? இதைத்தான் சில உயர்கணிமை மூலம் ஜெஃப் ஹிண்டன் மற்றும் யான் லகூன் என்ற இரு விஞ்ஞானிகளும் முன் வைத்தனர். புதிய வாகனங்களைக் கண்டவுடன், தன்னுடைய வலையமைப்பு சார்புத் தன்மையை (bias) மாற்றிக் கொண்டே இருக்கும். இதனால், புதிய விஷயங்களையும் இவ்வகை வலையமைப்புகள் வடிவமைக்கப்பட்ட ஒரு குறுகிய உலகில் கற்கின்றன. இதனாலேயே இந்தத் துறை எந்திரக் கற்றலியல் என்று அழைக்கப்படுகிறது.

இந்தத் தொழில்நுட்பம் பற்றி வாசகர்கள் தீவிரம் காட்டினால், விவரமாகத் தமிழில் எழுத முடியும். இந்தத் தொடருக்கு இந்த அளவு போதும் என்பது என்னுடைய கணிப்பு.

காமிரா மூலம் வந்த படத்திலிருந்து பல பொருட்களையும் இப்படித்தான் தானோட்டிக் கார் அடையாளம் கண்டுபிடிக்கிறது. அட புதிய 2017 மெர்ஸிடஸ் மாடல் என்று வியக்கத் தேவையில்லை. 16 அடி நீளம், 6 அடி அகலம் உள்ள கார் ஒன்று 300 மீட்டர் காருக்கு முன்னால், 117 கி,மீ. வேகத்தில் பயணிக்கிறது. அதாவது, பயணம் செய்யும் தானோட்டிக் கார் 120 கி,மீ. வேகத்தில் பயணம் செய்கிறது என்றால், 9 நொடி இடைவெளி என்று அர்த்தம். இந்த இடைவெளிக்கு, பாதுகாப்பான வேகம் 90 கி,மீ என்றால், 12 நொடி இடைவெளி என்று கணக்கிடுவது கணினிக்கு பெரிய விஷயமல்ல. உடனே காரின் வேகத்தை 120 -லிருந்து  மணிக்கு 90 கி,மீ வேகத்திற்குக் குறைக்க வேண்டும்.

  1. முன்னே இருப்பது ஒரு நகரும் கார் என்பதையும் அதன் வேகம் மற்றும் இடைவெளி போன்ற விஷயங்களை, விடியோவின் தொடர் ஃப்ரேம்களைக் கொண்டு கணிக்கப்படுகிறது
  2. காரின் வேகத்தைக் குறைக்கக் காரின் அடிப்படைக் கட்டுப்பாட்டிற்கு (automobile platform)  இந்த மென்பொருள் ஆணைகளை அனுப்புகிறது
  3. காரின் அடிப்படைக் கட்டுப்பாடுகள் வேகத்தைக் குறைப்பதோடு, மற்ற விஷயங்களையும் கட்டுப்படுத்துகிறது – இந்த வேகக்குறைப்பு நேருகையில் சாலை வளைந்து போகலாம் – வரை பாதையைப் பார்த்துக் காரைச் சற்றுத் திருப்புவதும் நேர வேண்டும். வரைபாதையைச் சரியாக அளப்பது போன்ற விஷயங்களை அடிப்படைக் காரின் கட்டுப்பாடு, இன்று நன்றாகவே செய்கிறது
  4. மிக முக்கியமான தொழில்நுட்பம் என்பது தானோட்டிக் காரின் கண்ணான செயற்கை நரம்பணு வலையமைப்பு மென்பொருள். ஆனால், இது ஒன்று மட்டுமே எல்லாச் செயல்களையும் ஆற்றுவதில்லை. சுற்றியுள்ள மற்ற விஷயங்களை முடிவெடுக்க மென்பொருள் தேவைப்படுகிறது
  5. இன்னொரு குறிப்பிடத் தகுந்த விஷயம், இந்த முடிவுகள் நொடியின் நூற்றில் ஒரு பங்கு நேரத்தில் நிகழ வேண்டும். இந்த விஷயத்தில் மனிதர்களைத் தானோட்டிக் கார்கள் தூக்கிச் சாப்பிட்டு விடும். இன்றைய வடிவியல் செயலிகள் இந்தக் காரியத்தை நன்றாகவே செய்கின்றன – இவற்றை இயக்குவதென்னவோ செயற்கை நரம்பணு வலையமைப்பு மென்பொருள்
  6. எல்லாம் சரி, திடீரென்று குறுக்கே ஒரு மான் ஓடினால், பல அடுக்குச் செயற்கை நரம்பணு வலையமைப்பு மென்பொருள் வேலை செய்யக் காத்திருக்க முடியாது. இதனால், அருகே என்ன தடைகள் உள்ளன என்று கணிக்கும்  உணர்விகளுக்கும் காரின் அடிப்படைக் கட்டுப்பாட்டிற்கு நேரடித் தொடர்பும் இருக்கும்.

டார்பா சவாலிலிருந்து (DARPA challenge) இன்றைய தானோட்டிக் கார்கள், பல மடங்கு முன்னேறி விட்டன. இன்னும் சில தொழில்நுட்பப் பிரச்னைகள் இருக்கத்தான் செய்கிறது. இவற்றைப் பற்றிப் பின்னொரு பகுதியில் பார்ப்போம்.

மிகவும் சிக்கலான தொழில்நுட்பம் தானோட்டிக் காரின் தொழில்நுட்பம். பிரத்யேக உணர்விகள், மற்றும் அவற்றின் சங்கமம் மிகவும் முக்கியமான ஒரு சவாலான தொழில்நுட்பம். கார்களின் அடிப்படை கட்டுப்பாடுகள் எவ்வளவுதான் வளர்ந்திருந்தாலும், இவை சிக்கலானவை என்பதில் சந்தேகம் இல்லை. மேலும், இந்த அடிப்படைக் கட்டுப்பாடுகளை இயக்கும் மென்பொருட்களும் சிக்கலானவை. இயக்க அளவுகளை அளக்கும் மென்பொருள் மற்றும் சுற்றுப்புறத்தை அளக்கும் உணர்விகள், மற்றும் ஜிபிஎஸ் கொண்டு முன்னால், பின்னால், வலது மற்றும் இடது பக்கத்தில் இருக்கும் வாகனங்களை அடையாளம் காணும் செயற்கை நரம்பணு வலையமைப்பு மென்பொருள் புதிய தொழில்நுட்பம். இவற்றுடன் காரின் கணினியில் சேமிக்கப்பட்டுள்ள வரைபட மென்பொருளுடனும் சேர்ந்து இவை இயங்க வேண்டும்.

தலை சுற்றுவதைப் போன்று தோன்றினாலும், தானோட்டிக் கார்களைத் தயாரிக்கும் நிறுவனங்கள் ஏராளமான சோதனைகளைச் செய்து வருகிறார்கள். என்னதான் எந்திரக் கற்றலியல் முன்னேறினாலும், சாலைகளில் திடீர் அனுபவம் நாம் எல்லோரும் அறிந்த ஒன்று. கார்களுக்கு இது போன்ற அனுபவம் ஏற்படும் பொழுது எப்படிச் சமாளிப்பது என்பது சவால் தான்.

~oOo~

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Input layer உள்வாங்கும் அடுக்கு
Hidden layers மறை அடுக்குகள்
Low resolution குறைந்த பிரிதிறன்
Pixels படமூலம்
Matrix manipulation of the pixels படமூல அணி மாற்றங்கள்
Bias சார்பு
Automobile platform காரின் அடிப்படைக் கட்டுப்பாடு
Artificial intelligence செயற்கை நுண்ணறிவு
Algorithm மென்பொருள் நெறிமுறை

சொல்வனம் – ஜூன் 2017

தானோட்டிக் கார்கள் – தொழில்நுட்ப அறிமுகம் – குழந்தைக்கு சொல்லிக் கொடுப்பது போல் கம்ப்யூட்டருக்கு சொல்லித் தருவது எப்படி? -பகுதி 8

சமீபத்தில், மும்பையைச் சேர்ந்த நண்பர் ஒருவர் வந்திருந்தார். ஒரு 60 ஆண்டுகளாக மும்பையில் வசிக்கும் தமிழர் அவர்.

காரில் பயணம் செய்யும் பொழுது, இளையராஜாவின் பாடல்களில் அவருக்கு ஒரே குழப்பம். எந்தப் பாடலை எஸ்.பி.பி. பாடுகிறார், எந்தப் பாடலை யேசுதாஸ் பாடுகிறார் என்று எவ்வளவு முறை தெளிவுபடுத்தினாலும், அவருக்குச் சரிவரப் பிடிபடவேயில்லை. பத்து நாட்களுக்குப் பின் இந்தியா சென்று விட்டார்.

அவருக்குப் பழைய இந்திப் பாடல்கள் மிகவும் பிடிக்கும், மன்னாடே, ஹேமந்த் குமார் பாடல்களை யூடியூபில் கேட்ட வண்ணம் இருப்பார். எனக்கு, எந்தப் பாடல் மன்னாடே பாடியது, எது ஹேமந்த் பாடியது என்று அந்தப் பத்து நாட்களும் குழப்பம்.

இருவருக்கும் இசை மீது ஈர்ப்பு இருந்தும், ஒருவருக்குச் சட்டென்றுத் தெரிந்த குரல்கள், இன்னொருவருக்குப் பிடிபடவில்லை. ஏன்?

இருவருக்கும் இசையார்வம் இருந்தும், ஏன் பாடல் குரல்களைக் கண்டுபிடிப்பதில் இத்தனைத் தடுமாற்றம்?  இத்தனைக்கும், இருவரும் ஒன்றும் நேற்று பிறந்த குழந்தைகள் அல்ல.

எனக்கு, கேட்கும் மொழி இந்தி என்றும், அவருக்கு நான் இசைக்கும் பாடல்கள் தமிழ்ப் பாடல்கள் என்றும் தெரியும். ஆனாலும், இருவருக்கும் மொழி, இந்தச் செயலுக்கு உதவவில்லை.

ஒன்று மட்டும் நிச்சயம், அவரது மூளையும், என்னுடைய மூளையும் வெவ்வேறு முறையில் செயல்படுகிறது. இதை வேறு விதமாகவும் சொல்லலாம். அவருடைய மூளையும், என்னுடைய மூளையும், வெவ்வேறு முறைகளில், பயிற்சி அளிக்கப்பட்டுள்ளன.

~oOo~

செயற்கை நுண்ணறிவு (artificial intelligence) என்பது, கணினிகள் கண்டுபிடிக்கப்பட்டதிலிருந்து ஒரு மதம் போன்ற விஷயமாக இருந்தது. வேகமாகச் செயல்படும் கணினி, மனித மூளையை ஒரு நாள் தூக்கிச் சாப்பிட்டுவிடும் என்று 1950 மற்றும் 60 –களில் நிறைய எழுத்தாளர்கள் பூச்சாண்டி காட்டி வந்தார்கள். மனித மூளையைத் தோற்கடிப்பது ஒன்றே கணினிகளின் லட்சியம் என்று ஒரு கணினி மதவாத கோஷ்டி இயங்கி வந்தது.

இந்தக் காலக் கட்டத்தில், சதுரங்க விளையாட்டில், மனிதர்களை விடக் கணினிகள் எப்படி சிறப்பாக ஆடுகின்றன என்று காட்டுவதே செயற்கை நுண்ணறிவுத் துறையின் குறிக்கோளாக இருந்தது. அதாவது, லாஜிக் விஷயத்தில், கணினிகள் மனிதர்களை, வெகு எளிதில் வெற்றி பெற்று விடும் எந்திரங்கள். அந்தக் காலத்தில், இது வெறும் பலகலைக்கழகப் பொழுது போக்கு விஷயம்; மற்றபடி வேலைக்கு ஆகாது என்று முடிவெடுத்துச் சமுதாயத்தால் ஒதுக்கப்பட்டது.

1957 –ல் கார்னெல் பல்கலைக்கழகத்தில், Perceptron என்ற ஓர் மென்பொருள்

நெறிமுறை (algorithm) ஒரு ஐபிஎம் கணினியில், ஃப்ரான்க் ரோஸன்ப்ளாட் (Frank Rosenblatt) என்பவரால் உருவாக்கப்பட்டது. படங்களில் உள்ள பொருட்களை அடையாளம் காட்டும் என்று சொல்லப்பட்டாலும், இந்த நெறிமுறை அதிக வெற்றி பெறவில்லை. இதன் பிறகு வந்த பல முயற்சிகள் எப்படியாவது லாஜிக் மூலம் செயற்கை நுண்ணறிவுத் துறையை முன்னேற்றிவிடலாம் என்று பல விஞ்ஞானிகள் முயன்றும் அதிக வெற்றி கிடைக்கவில்லை.

1980 –களில், சற்று மாறுபட்ட சிந்தனையால்,  செயற்கை நுண்ணறிவுத் துறையைமீண்டும் ஒரு புத்துயிரூட்டத் தொடங்கியது. இந்தக் காலக் கட்டத்தில், மனித மூளையின் நரம்பணுவைப் போல, விஞ்ஞானிகள் ஒரு செயற்கை நரம்பணு வலையமைப்பை (artificial neural network) மென்பொருள் மூலம் உருவாக்கத் தொடங்கினர். ரோஸன்ப்ளாட் உருவாக்கிய பெர்செப்ட்ரான் 1980 –களில், ஆராய்ச்சியாளர்களுக்கு, ஒரு தூண்டுதலாக அமைந்தது. இவ்வகைச் செயற்கை நரம்பணு வலையமைப்புகள் ஆரம்பத்தில் நிறைய நம்பிக்கை அளித்தது. சிக்கலான முடிவெடுக்கும் விஷயங்களில் பயன்படத் தொடங்கியது. இங்கு ஒன்றைக் குறிப்பிட வேண்டும் – செயற்கை நரம்பணு வலையமைப்புகள் 1943 –ல் முதலில் முன்வைக்கப்பட்டது.

சில விஞ்ஞானிகள் நுண்ணறிவின் எல்லா ரகசியங்களையும் இவ்வகை வலையமைப்புகள் உடைத்து விடும் என்று நம்பிக்கைத் தெரிவித்தார்கள். ஓரளவிற்கு மேல், இந்தப் பயணம் முன்னே செல்லவில்லை. பல பிரச்னைகளில், அதுவும் படங்களை அடையாளும் காட்டும் பிரச்னைகளில் இதன் வெற்றிப் பெரிதாக இல்லை.

இன்னொரு முறை, சற்று நம்பிக்கை அளித்துவிட்டு, செயற்கை நுண்ணறிவுத் துறை முடங்கிவிட்டது. சில விஞ்ஞானிகள் மட்டும் இந்த முயற்சியில் புதிய அணுகுமுறைகள் பயனளிக்கலாம் என்று தொடர்ந்து உழைத்து வந்தனர். சொல்வனத்தில், ‘தகவல் விஞ்ஞானம்’ என்ற கட்டுரைத் தொடரில், எந்திரக் கற்றலியல் (machine learning) எவ்வாறு தகவல் விஞ்ஞானத்திற்கு உதவும் என்று மேல்வாரியாக எழுதியிருந்தேன். எந்திரக் கற்றலியல், செயற்கை நுண்ணறிவுத் துறையின் ஒரு பகுதி.

ஆரம்பத்தில் எந்திரக் கற்றலியல் என்பது ரோபோக்களை நுண்ணறிவுடன் செயல்பட வைக்கும் துறையாக இருந்தது. ரோபோக்களின் தேவை, பார்ப்பதை எல்லாம் அடையாளம் காண வேண்டும் என்பதல்ல. தூரம், அகலம், மற்றும் ஆழம் சார்ந்த விஷயங்களைத் துல்லியமாக ஒரு குறுகியச் சூழலில் கணக்கிட முடிந்தால் போதும். பெரும்பாலும் தயாரிப்பு ரோபோக்கள் (manufacturing robots) , தொழிற்சாலையில், ஒரு வேலையை மட்டுமே செய்கிறது. ஒரு மனிதனைப் போல, பல்வேறு வேலைகளைச் செய்வதில்லை.

செயற்கை நரம்பணு வலையமைப்புக்கள் வளர்ந்து வந்தாலும், இவற்றின் திறன்கள் அதிகம் வளராதது, விஞ்ஞானிகளுக்குச் சற்று வியப்பளித்தது. இதற்குப் பல காரணங்கள் உண்டு.

முதலில், நாம் எப்படிக் கற்கிறோம்?

பெரும்பாலும் நாம் கற்பது, கண்களை வைத்துத் தான். சின்னக் குழந்தைகள் இந்த உலகை அறிவது/கற்பது ஓர் இயற்கை அதிசயம். பள்ளியில் சிவப்பு ஆப்பிள் என்று ஒரு படத்தைக் காட்டி விளக்குகிறோம். மரம் என்று இன்னொறுப் படத்தைக் காட்டுகிறோம். சில முயற்சிகளில் தடுமாறினாலும், முதலில் இந்தக் குழந்தை, தக்காளிக்கும் ஆப்பிளுக்கும் உள்ள வித்தியாசத்தைக் கற்கிறது. இந்தக் குழந்தையைப் பச்சை ஆப்பிள் வளரும் ஒரு மரத்தைக் காட்டினால், அது ஆப்பிள் மரம் என்று எப்படிக் கூறுகிறது? குழந்தைக்கு நாம் கற்பித்ததோ சிவப்பு ஆப்பிள். மரம் கூட ஏதோ ஒரு ஆல மரப் படமாயிருக்கலாம்.

நாம் காட்டிய ஆப்பிள் நிறம் மட்டுமல்லாமல், அந்தக் குழந்தையின் மூளையில் உள்ள இயற்கை நரம்பணு வலையமைப்பில் ஆப்பிளின் வளைவுகள், அதன் உருவம் பற்றிய விவரம் பதிவாகி விடுகிறது. நம் மூளையில் பல நூறு கோடி நரம்பணுக்கள் பல வலையமைப்புகளில் இருக்கின்றன. கண்ணுக்குள் பாயும் ஒளியை, இந்த வலையமைப்புகளில் பதிவு செய்யப்படுகிறது. இந்தக் குழந்தை, ஆப்பிளைத் தவிர எந்தப் பழத்தையும் காண்பிக்கப்படவில்லை என்று வைத்துக் கொள்வோம். வாழைப் பழத்தைக் காட்டினால், அது என்னவென்று அதற்குத் தெரியாது. ஆனால், சற்று வேறுபட்ட உருவம் மற்றும் நிறம் முக்கியமல்ல. தான் பார்த்த ஆப்பிள் படத்திற்குச் சற்று முன்னும் பின்னும் இருந்தாலும், குழந்தையால் அடையாளம் காட்ட முடிகிறது.  எப்படி நிகழ்கிறது இந்த விஷயம்?

  • பச்சை ஆப்பிளைப் பார்த்தவுடன், குழந்தையின் கண்கள் மூலமாக, இந்தக் காட்சி, மூளையின் இயற்கை நரம்பணு வலையமைப்பை அடைகிறது.
  • இந்தப் பல அடுக்கு (அடுக்குகள் மிகவும் முக்கியம்) வலையமைப்பில் ஏதோ சில நரம்பணுக்கள் இயங்கத் தொடங்குகின்றன. நரம்பணுக்கள், பல பக்கத்தில் உள்ள நரம்பணுக்களுடன் இணைக்கப்பட்டிருக்கும். அருகே உள்ள நரம்பணுவின் இயக்கம் மற்ற தொடர்புடைய நரம்பணுக்களை இயக்கலாம்; இயக்காமலும் போகலாம்.
  • இந்த விஷயத்தில் தான் நம்முடைய நினைவு, கற்றல், கேள்வி எல்லாமே இயங்குகிறது. இதை ஒரு நரம்பணுவின் synaptic strength  என்று சொல்லப்படுகிறது. இந்த முறையில்தான் நாம் அனைவரும் உலகில் பல விஷயங்களைக் கற்கிறோம்.

இயற்கை நரம்பணு வலையமைப்புகளை மையாகக் கொண்டு உருவான செயற்கை நரம்பணு வலையமைப்புகள், ஏன் வெற்றி பெறாமல் தடுமாறுகின்றன?

இயற்கை நரம்பணுவின் வலையமைப்பில் மூன்று அம்சங்கள் நம்மை அறியாமல் நடக்கிறது;

  1. ஒரு சிவப்பு ஆப்பிள் பழத்தைப் பார்பதாக வைத்துக் கொள்வோம். அத்துடன் நாம் நிற்பதில்லை. அதைப் போன்ற பல பொருட்களை முதலில் ஆப்பிள் என்று நினைக்கிறோம். கூட இருப்பவர்களோ அல்லது நாம் பார்த்த முதல் ஆப்பிளைக் கொண்டோ, புதிதாக நாம் பார்க்கும் பொருளுக்கும், திட்டவட்டமான ஆப்பிளுக்கும் என்ன வித்தியாசம் என்று கணக்கிடுகிறோம். (கணக்கு என்றவுடன் கூட்டல் கழித்தல் என்று நினைக்க வேண்டாம். மனிதன் கணிதத்தைக் கண்டுபிடிக்கும் முன்னமே இயற்கை இதைப் பல மில்லியன் வருடங்களாகச் செய்து வருகிறது) இன்னொரு முறை சிவப்பு மாதுலம்பழத்தைப் பார்க்கும் பொழுது, அது ஆப்பிள் என்று முதலில் சொன்னாலும், நம்முடைய சிவப்பு ஆப்பிள் படத்தைப் பார்த்து, ‘அட, காம்புகள் வேறு விதமாக இருக்கிறதே. வடிவத்தில் ஆப்பிளைப் போல வளைவுகள் இல்லையே’ என்று அதை ஆப்பிளல்ல என்று முடிவு செய்கிறோம். இதனால், முதலில் ஆப்பிள் பற்றிய நமது பதிவுகள் நம் நரம்பணு வலையமைப்புகளில் உள்ள இணைப்பு சக்திகள் சற்று மாறுபடுகின்றன. இதை feedback  அல்லது பின்னூட்டம் என்று சொல்கிறோம்
  2. இவ்வகை நரம்பணு வலையமைப்புப் பின்னூட்டம் (feedback) மனிதர்கள் இதுவரை உருவாக்கிய எந்த ஓர் எந்திரத்திலும் இல்லை. நாம் இதுவரை உருவாக்கியப் பின்னூட்ட அமைப்புகள், இயக்கத்தை முன்னும், பின்னும், மேலும், கீழும். இடது அல்லது வலது புறம், அல்லது மூடி/திறந்து இயக்கும் முறைகள். இந்தப் பின்னூட்டம், மிகவும் சன்னமான ஒரு வலையமைப்பிற்கு அனுப்பப்படும் குறிகை. உதாரணத்திற்கு, முன் பகுதியில் பார்த்த குமார் என்ற சிறுவன், எத்தனையோ கார்களை அன்றாடம் பார்த்தவன். அவனை அறியாமல், அவனுடைய நரம்பணு வலையமைப்பு, சின்னச் சின்ன வடிவம் சார்ந்த விஷயங்களை வலையமைப்பில்,  மிகச் சிறிய இணைப்பு சக்திகளாக வேறுபடுத்தும். இந்த இணைப்பு முதல் அடுக்கில் இல்லாமல், மூன்றாவது, நான்காவது அடுக்கில் உள்ள சன்னமான மாற்றமாக இருக்கலாம். இப்படித்தான், அவனால், தான் பார்த்திராத பி.எம்.டபிள்யூ காரை அடையாளம் காட்ட முடிகிறது. இரவில் அதிக வெளிச்சமற்ற வேளையில், அவன் வீதியில் செல்லும் மாருதியையும், இப்படியே அடையாளம் காட்ட முடிகிறது
  3. அன்றாட வாழ்க்கையில் நாம் ஒவ்வொரு பொருளாக அடையாளம் காட்டுவதில்லை. மிகவும் நெரிசலான ஒரு சாலைக்குச் சென்றால், நம்மால், அங்குள்ள பல பொருட்களை உடனே அடையாளம் காட்ட முடிகிறது. அதாவது, நம் மூளையில் உள்ள நரம்பணுக்கள் காட்சியின் பல்வேறு வடிவங்களை, ஒரே நேரத்தில் செயலாற்றி, தன்னுடைய பல வலையமைப்புகள் மூலம் உடனே பல்வேறு பொருட்களாகப் பிரித்து அடையாளங்களைப் பதிவு செய்கிறது. இதற்குச் நேர் எதிராக, சிலருக்கு ‘ஆறு வித்தியாசம்’ போன்ற விளையாட்டுக்கள் கடினமாகவும்/ எளிதாகவும் இருக்கும். இரண்டு படங்கள், பல அம்சங்களிலும் ஒரே மாதிரி இருந்தாலும், சில வேறுபாடுகளைக் கண்டுபிடிக்கும் விளையாட்டு இது. ஒவ்வொருவரின் மூளையின் கற்றல் தன்மையைப் பொறுத்து, இது எளிதாகவோ, கடினமாகவோ அமைகிறது. என் மும்பய் நண்பர் மற்றும் என்னுடைய தடுமாறலும் இந்தக் கற்றல் தன்மையினால் வரும் வித்தியாசம். என்னுடைய மூளை யேசுதாசின். எஸ்பிபி யின் குரல்களைப் பல பாடல்களில் கேட்டு, அதன் நரம்பணு வலையமைப்பை அங்கங்கு அட்ஜஸ்டு செய்து வைத்துள்ளது. என் நண்பரின் மூளை மன்னாடே மற்றும் ஹேமந்த்தின் குரல்களைப் பல பாடல்களில் கேட்டு, அதன் நரம்பணு வலையமைப்பை அங்கங்கு அட்ஜஸ்டு செய்து வைத்துள்ளது

 

அது சரி, இதை எப்படிக் கணினி மென்பொருளுக்குள் கொண்டு வருவது? லாஜிக் முறைகள், ஒவ்வொரு முறையும் அதே சட்டங்களைப் பின்பற்றும் – இது புதிய கற்றலுக்கு உதவாது. ஒவ்வொரு முறையும் சிறிய மாற்றங்களை எப்படியோ இந்தச் செயற்கை நரம்பணு வலையமைப்பில் கொண்டு வருவது ஒரு கணினி விஞ்ஞானச் சவால்.

மூளையின் ஆழத்தில் நடப்பதைக் கணினி விஞ்ஞானம் மூலம் ஆராயும் இந்ததுறை ஆழக் கற்றலியல் (Deep Learning)  என்று அழைக்கப்படுகிறது.  கனேடிய விஞ்ஞானி ஜெஃப் ஹிண்டன் (Google) , மற்றும் யாஷுவா பெஞ்சியோ, ப்ரெஞ்சு விஞ்ஞானி யான் லகூன் (Facebook), அமெரிக்க விஞ்ஞானி ஆண்ட்ரூ இங் (Baidoo),  இந்தத் துறையின் முன்னேற்றத்திற்காக நிறையப் பங்களித்த விஞ்ஞானிகள். இன்றைய தானோட்டிக் கார்களின் முன்னேற்றத்திற்கு, இவர்களது ஆராய்ச்சியே காரணம்.

பல அடுக்குகள் கொண்ட செயற்கை நரம்பணு வலையமைப்பு என்பது 1980 –களில் வந்து விட்டது. இவ்வகைச் செயற்கை நரம்பணு வலையமைப்புகளில், சரியான விடையா அல்லது சரியில்லையா என்பதைப் பின்னூட்டம் செய்வதற்கும் வழி இருந்தது. இதை back propagation algorithm என்று  சொல்லப் படுகிறது. ஆயினும், சரியான கையெழுத்து, மற்றும் குரல் அல்லது படங்களை அடையாளம் காட்டுவது அவ்வப்பொழுது சரியாக இருந்தாலும், முழுவதுமாக வெற்றி பெறவில்லை.

சாதாரணப் பின்னூட்ட வழிகள் அதிகம் பலன் தராது போகவே, இதற்கான புதிய அணுகுமுறைகள் தேவை என்று தெளிவாகியது.  கனேடிய விஞ்ஞானி ஜெஃப் ஹிண்டன், இந்தப் பிரச்னைக்கு இரண்டு அணுகுமுறைகளை முன் வைத்தார்.

  1. பின்னூட்டம் என்பது சாதாரண முறைப்படி அல்லாமல், அதை ஒரு நுண்கணக்கியல் (calculus) மற்றும் அணிகணக்கியல் (matrix manipulation) முறைப்படிச் செயற்கை நரம்பணு வலையமைப்பில் உள்ள கணுக்களில் (nodes) சார்பை (bias) மற்றினால் பயன் தரலாம்
  2. பின்னூட்டம் என்பது இரு அடுக்களின் சமாச்சாரம். மற்ற அடுக்குகளைப் பற்றிக் (RBM) கவலைப் பட வேண்டாம். இது dot product  என்று சொல்லப்படுகிறது. ஒரு சாதாரண உதாரணம், வங்கிகளில் கணக்கிடப்படும் நாள் வட்டியைப் போன்றது. ஒவ்வொரு நாளும், ஒரு கணக்கில் பாக்கி இருக்கும் கடன் பணத்திற்கு, வட்டி அன்றைக்கு எத்தனை என்று கணக்கிடுவதை interest product  என்று வங்கிகள் சொல்கின்றன. இத்தகைய அடுக்குக் கணக்கிடல்கள், ஒவ்வொரு தருணத்திலும் இரு அடுத்தடுத்து இருக்கும் அடுக்குகளில் நிகழ வேண்டும். முதல் மற்றும் இரண்டாம் அடுக்கில் இந்தக் கணக்கிடல் முடிந்தவுடன், இரண்டு மற்றும் மூன்றாவது அடுக்குகளுக்குள் நிகழ வேண்டும். இவ்வகைக் கணக்கீடல்கள் ஒரு படத்தையோ, ஒலியையோ அல்லது எழுத்தையோ சார்ந்தது

சரி, எல்லாம் சரியாகிவிடுமா என்றால், அவ்வளவு எளிமையான பிரச்னை அல்ல இது. 2006 –ல் வெளியான இவ்வகை ஆராய்ச்சி முடிவுகளில், பயன்பாட்டிற்கு வருவதற்கு இன்னும் பல முயற்சிகள் தேவைப்பட்டது. இவ்வகைப் பல்லடுக்குச் செயற்கை நரம்பணு வலையமைப்புகளுக்கு Convolutional Neural Networks  அல்லது Conv Net என்று அழைக்கப்பட்டது. இன்று உலகில் சோதிக்கப்படும் தானோட்டிக் கார்கள் அனைத்தும் Conv Net கொண்டே இயங்குகின்றன.

எந்திரக் கற்றலியல் என்பது மிகவும் வேகமாக வளர்ந்து வரும் ஒரு கணினி மென்பொருள் தொழில்நுட்பம். இதில் வாசகர்களுக்கு ஆர்வமிருந்தால், விரிவாகத் தமிழில் கட்டுரைகள் எழுத முடியும்.

முதலில், பல அடுக்குச் செயற்கை நரம்பணு வலையமைப்புகளில் இவ்வகைக் கணக்கிடல்கள் என்பது மிக வேகமாக நிகழ வேண்டிய அவசியம் இருந்தது. ’சொல்வனம்’ பத்திரிகையில், ’விடியோ விளையாட்டுக்களும் கணினி இணையாளலும்’ என்ற தலைப்பில் வடிவியல் செயலிகளைப் பற்றிக் கட்டுரைகள் எழுதியிருந்தேன். வடிவியல் செயலிகள், இவ்வகைக் கணிதக் கணக்கீடல்களை வெகு எளிதில் ஒப்பிணைவு (parallel computing) முறைகளில் நிகழ்த்தக் கூடியவை. 1980 –ன் பல முயற்சிகள் இவ்வகை வசதிகள் இல்லாமல், முடங்கிப் போயின.

இரண்டாவது, மனிதர்கள், பல விதக் காட்சிகளைக் கொண்டு தங்களுடைய மூளையைப் பயிற்சிக்கிறார்கள். செயற்கை நரம்பணு வலையமைப்புகளுக்கும் இவ்வகை விவரமானப் பயிற்சி தேவை. அப்பொழுதுதான் பயனளிக்கும் என்று தெளிவாகியது.

பிரச்னை, உலகில் உள்ள பல கோடிக் காட்சிகளை எப்படிக் கணினிகளுக்குப் பயிற்சி அளிப்பது?

அடுத்தப் பகுதியில், இந்தத் தொழில்நுட்பம் எப்படி வளர்ந்து இன்று தானோட்டிக் கார்களில் பயனளிக்கத் தொடங்கியுள்ளன என்று பார்ப்போம்.

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Artificial intelligence செயற்கை நுண்ணறிவு
Algorithm மென்பொருள் நெறிமுறை
Artificial neural network செயற்கை நரம்பணு வலையமைப்பு
Machine learning எந்திரக் கற்றலியல்
Manufacturing robots தயாரிப்பு ரோபோக்கள்
Feedback பின்னூட்டம்
Deep Learning ஆழக் கற்றலியல்
Calculus நுண்கணக்கியல்
Matrix algebra அணிகணக்கியல்
Nodes கணுக்கள்
Bias சார்பு
Parallel computing ஒப்பிணைவு கணிமை

சொல்வனம் – மே 2017

தானோட்டிக் கார்கள் – தொழில்நுட்ப அறிமுகம் – தானோட்டிக் கார் ஐபேடுக்குச் சக்கரம் வைத்தது போன்றது -பகுதி 7

”தானோட்டிக் கார் ஐபேடுக்குச் சக்கரம் வைத்தது போன்றது’

இதைப் போன்ற அபத்தங்களைத் தொழில்நுட்ப வல்லுனர்களே எழுதி வருகின்றனர். இதில் கவனிக்க வேண்டிய பல குறைகள் உள்ளன;

  1. ஒரு கார் சாலையில் பயணிக்கப் பெளதிக விதிகள் மற்றும் எந்திரப் பொறியியல் விஷயங்களை, ஒரு 150 வருடங்களாகப் பொறியாளர்கள் மெருகேற்றி வந்துள்ளார்கள். இப்படி எழுதுவது, எந்திரப் பொறியியலையே துச்சமாக மதிப்பதற்குச் சமம்
  2. சில புதிய கார்களில் ஐபேடைப் போன்ற திரைகளைப் பார்த்த இந்த எழுத்தாளர்கள், அட, கணினி, இங்கேயும் வந்துவிட்டதே என்ற பாமர அதிர்ச்சியின் வெளிப்பாடே இவ்வகைக் கருத்துக்கள்
  3. கடந்த 25 ஆண்டுகளாக, கார்களில் பெட்ரோலையும் காற்றையும் எந்த விகிதத்தில் கலப்பது, எந்த வெப்பத்தில் பெட்ரோலை உட்பாய்ச்சுவது போன்ற மிக முக்கிய விஷயங்களைக் கணினிகளே செய்து வந்துள்ளன. பாமரர்ப் புரிந்து கொள்ளும் வசீகரத் திரை மற்றும் வண்ணம் இந்தக் கணினிகளுக்குக் கிடையாது. இவற்றை ECU அல்லது Electronic Control Unit  என்று கார்த் தொழிலில் சொல்வதுண்டு
  4. சமீபத்தில் என்னிடம் ஒரு மெக்கானிக் அலுத்துக் கொண்டார் – வர வர, ஒவ்வொரு கார் மாடலுக்கும் ஒரு பிழை ஆய்வுக் கணினி (diagnostic computer) வாங்க வேண்டியுள்ளது. கடந்த 25 ஆண்டுகளாக, கார்களில் என்ன கோளாறு என்பதைக் கணினிக் குறிகைகள் வைத்துதான் முடிவு செய்கிறார்கள்

’எத்தனையோ வருடங்களாக விமானங்களில் ஆட்டோ பைலட் வசதி உள்ளது. காரில் இதைக் கொண்டு வர ஏகத்தும் பில்டப் கொடுத்து மிகைப்படுத்துகிறார்கள்’

இதுவும் தொழில்நுட்ப எழுத்தாளர்கள் அதிகச் சிந்தனையின்றி எழுதிய ஒன்று என்பது என் கருத்து. இதற்குப், பல காரணங்கள் உள்ளன.

  1. விமானங்களில் ஆட்டோ பைலட் வசதி பல ஆண்டுகளாக இருப்பது உண்மை. ஆரம்பத்தில் சம அளவில் பறப்பதற்கே (level flight) பயன்படுத்தப்பட்ட இந்த வசதி, இன்று மேல் செல்வது, கீழ் இறங்குவது (takeoff and landing) என்று எல்லா நிலைகளிலும் பயன்படும் அளவிற்கு வளர்ந்து வந்துள்ளது
  2. ஆனால், விமானத்தைச் செலுத்துவதற்கும் தானாகக் காரைச் செலுத்துவதற்கும் நிறைய வித்தியாசம் உள்ளது. விமானத்திற்கு மேலே சென்றவுடன் பாதை இருந்தாலும், வரைபாதை (traffic lanes) போன்ற ஒரு விஷயமே கிடையாது
  3. சிக்னல் கிடையாது, குறுக்கே கடக்கும் பாதசாரி கிடையாது, திரும்பும் திசைகாட்டி கிடையாது, மிக முக்கியமாக வேக எல்லைகள் கிடையாது
  4. மிகவும் முக்கியமானக் கார் சவால், எத்தனை மணித்துளிக்குள் ரியாக்ட் செய்ய வேண்டும் என்பது. எப்பொழுதாவது இன்னொரு விமானம் அருகில் பறந்தாலும், பெரும்பாலும், ஒரு 5 முதல் 6 நிமிட முன்னறிவிப்புக் கிடைக்கும் – தானோட்டிக் கார் மென்பொருளுக்கு 1 வினாடி என்பது பெரிய விஷயம். சாலை விபத்துக்களைத் தவிர்ப்பது 10 வினாடிக்குட்பட்ட முடிவுகளில்! மனித ரியாக்‌ஷன் பெரும்பாலும் ஒரு நொடியில் 3 மூன்று பங்கு நேரத்திற்குள் அடங்கும். எந்திரங்கள் இதைவிடச் சிறப்பாகச் செயல்பட வேண்டும்

சொன்னால் நம்புவதற்குக் கடினமாக இருக்கும் – தானோட்டிக் கார்களின் மென்பொருள், விமான ஆட்டோ பைலட்டை விட பல நூறு மடங்கு சிக்கலானது.

அப்படி என்ன தொழில்நுட்பம் இதில் அடங்கியுள்ளது?

கவனி – சீரமை – முடிவெடு – செயலாற்று Observe, Orient , Decide and Act (OODA)  என்பதே காரோட்டுவதன் அடிப்படை. இதுவே, தானோட்டிக் கார்களின் வடிவமைப்பு ரகசியமும். இந்த நான்கு படிகளைச் சற்று விரிவாக ஓர் உதாரணம் மூலமாகப் பார்ப்போம்.

மேற்குலகில், சாலையில் ஒரு விபத்து நடந்தால், சம்பந்தப்பட்ட இரு வாகனங்களும் (இரு வாகன விபத்து என்று கொள்வோம்) அங்கேயே நிறுத்திவிட்டு, போலீசாரை வரவழைக்க வேண்டும். விசாரணை நடத்திய போலீஸ் அலுவலர், தன்னுடைய அறிக்கையின் நகலை இரு வாகன உரிமையாளருக்கும் கொடுத்து விடுவார். யார் மீது தவறு என்பதை நீதிமன்றம் முடிவு செய்யும், வாகனச் சேதத்தை, தவறுக்கேற்றாற் போல, சம்பந்தப்பட்ட ஒரு வாகன உரிமையாளரின் காப்பீடு நிறுவனம் ஏற்றுக் கொள்ளும். இதற்கு முக்கியமான ஆதாரம், போலீசாரின் அறிக்கை. இந்த அறிக்கையைக் கூர்ந்து கவனித்தால், கவனி – சீரமை – முடிவெடு – செயலாற்று என்னவென்று எளிதில் புரிந்துவிடும்.

விபத்து நடந்த இடம் ; 4 -வது அவென்யூ, 14 -ஆம் தெருச் சந்திப்பில்

விபத்து தேதி ; 12-ஜனவரி 2017

விபத்து நேரம்; காலை 11 மணி 20 நிமிடம்

விபத்து விவரம்

வாகனம் 1 – 4 –வது அவென்யூ வில் கிழக்கிலிருந்து மேற்கு நோக்கி சுமார் 75 கி.மீ. வேகத்தில் பயணித்துக் கொண்டிருந்தது. சிக்னல் ஆரஞ்சிற்கு மாறிய பொழுது வாகனம் 1, சிக்னலைக் கடந்தது.

வாகனம் 2 – 14 –ஆம் தெரு சிக்னலில் காத்திருந்தது. ஆரஞ்சிற்கு மாறிய சிக்னலில் 4-வது அவென்யூவின் கிழக்குப் பக்கமாகத் திரும்பக் காத்திருந்து, வாகனம் 1 –ஐ கவனிக்காமல், சிக்னலில் அந்தக் காரின் வலப்பக்கத்தில் மோதியது. வாகனத்தின் வேகம் 25 கி,மீ. இருக்கலாம்.

வாகனம் 1 –ன் வலப்பக்கத்திலும், வாகனம் 2-ன் முன்பக்கத்திலும் சேதம் ஏற்பட்டுள்ளது. வாகனம் 1 –ன் ஓட்டுனர் மற்றும் முன் சீட்டுப் பயணி இருவரும் பெரிய அடி ஏதும் இல்லாமல் தப்பித்தனர். வாகனம் 2 -ன் ஓட்டுனரும் பெரிய அடி ஏதும் இல்லை. இருவரும் மருத்துவ மணையில் உள் காயம் மற்றும் சுளுக்கு ஏற்பட்டுள்ளதா என்று பார்த்துக் கொள்ள வேண்டும்.

இதில் சில வார்த்தைகளைச் சாய்வெழுத்தாகச் சொல்லியுள்ளேன்.

முதலில் கவனி – வாகனம் 1 மற்றும் வாகனம் 2-ன் ஓட்டுனர்கள், சிக்னலில் ஆரஞ்சு விழுந்ததைக் கவனித்துள்ளார்கள். ஆனால், வாகனம் 1, சிக்னலில் இன்னொரு கார் திரும்புவதற்காகக் காத்திருக்கிறது என்பதைப் பற்றிக் கவலைப்படவில்லை. அதே போல, வாகனம் 2, ஆரஞ்சு விழுந்தும், 4-ஆவது அவென்யூவில் வேகமாக வரும் காரின் வேகத்தைச் சரியாகக் கவனிக்காமல், சிக்னலை நோக்கிப் (சீரமை) பயணித்தது. 4-ஆவது அவென்யூவில் வேகமாக வரும் வாகனம் 1, சிக்னலில் நின்றுவிடும் என்று முடிவு செய்து, சிக்னலை கடக்க முடிவு செய்தது. (முடிவெடு, செயலாற்று).

அதே போல, வாகனம் 1 –ன் ஓட்டுனர், சிக்னலில் ஆரஞ்சு விழுந்ததைக் கவனித்துள்ளார். வாகனம் 2, சிக்னலில் காத்திருந்ததையும் பார்த்திருப்பார். ஆக, பிரச்னை, கவனிப்பதில் இல்லை. ஆரஞ்சு சிக்னலில், கடப்பது தன்னுடைய உரிமை (சீரமை) என்று முடிவு செய்துள்ளார். தன்னுடைய காரை இதனால், சிக்னலை 75 –கி.மீ. வேகத்தில் கடக்க முடிவும் செய்துள்ளார். (முடிவெடு, செயலாற்று).

இந்த மனிதக் காரோட்டும் பிரச்னயான விபத்தில், கவனிப்பது ஒரு பிரச்னையாக இல்லை. எப்படிக் காரைச் சீரமைத்தார்கள், முடிவெடுத்தார்கள் மற்றும் செயலாற்றினார்கள் என்பதே பிரச்னை. இந்தச் சூழலில் முடிவு என்பது சில வினாடிக்குள் எடுக்க வேண்டிய ஒன்று. ஒரு 75 கி.மீ. வேகத்தில் பயணிக்கும் கார், நொடிக்கு ஏறக்குறைய 21 மீட்டர்கள் பயணிக்கிறது. ஒரு வட அமெரிக்க சிக்னல் ஊரின் உள்பகுதிகளில், (இரு வரைபாதைகள் கொண்ட சாலைகள்) 100 மீட்டருக்குள் கடக்கும் ஒரு தூரம். அதாவது, 5 நொடிக்குள் பயணிக்கும் விஷயம். இந்த விபத்து, 5 நொடிக்குள் நிகழ்ந்த ஒரு விஷயம். எந்த ஒரு தானோட்டிக் காருக்கும் முடிவெடுக்க 5 நொடிகள் கூடக் கிடைக்காது. இதில் உள்ள ஒரு முக்கியப் பிரச்னை, 75 கி.மீ. வேகத்தில் பயணிக்கும் ஒரு காரை நிறுத்த எத்தனை இடைவெளித் தேவைப்படும்? 5 நொடிக்குள் நிறுத்தும் வேகமல்ல இது.

கூகிளின் தானோட்டிக் கார் நிகழ்வின் தலைவர், ‘நாங்கள் தானோட்டிக் காரை உருவாக்கவில்லை. தானோட்டிக் காரின் ஓட்டுனரை உருவாக்க உழைத்து வருகிறோம்’

ஆக, தானோட்டிக் கார்களை வடிவமைப்பவர்களுக்கும் இதே பிரச்னைதான். இயக்குவது மற்றும் கவனிப்பது இரண்டும் பிரச்னை இல்லை என்று சொன்னோம்.

இதற்கு முந்தைய பகுதியில், எவ்வளவு விதவிதமான உணர்விகள், அருகே, மற்றும் தூரத்தில், முன்னும், பின்னும் நிகழ்வுகளைக் காரின் கணினிக்கு உடனுக்குடன் அனுப்பி விடுகின்றன என்று பார்த்தோம். இதனால், கவனிப்பது என்பது தானோட்டிக் கார்களின் பிரச்னை இல்லை.

கடந்த 10 ஆண்டுகளாக, கார்களில் பல முக்கியத் தானியக்க முயற்சிகள் உருவாக்கப்பட்டுள்ளன. குறிப்பாக;

  • காரை நிறுத்தும் உதவி அம்சம் (park assist)
  • வரைபாதையிலிருந்து சறுக்கு எச்சரிக்கை அம்சம் (lane departure warning)
  • சாலையில் சூழலுக்கேற்ப வாகனத்தில் வேகத்தைக் கட்டுப்படுத்தும் அம்சம் (adaptive cruise control).

இவற்றால், கார்கள்,  ஒரு ஓட்டுனரின் மேல்பார்வையுடன் தானே நிறுத்திக் கொள்ள இயலும், வரைபாதையில் தவறாமல் பயணிக்கவும் முடியும், வேகத்தைக் கட்டுப்படுத்தவும் குறைக்கவும் முடியும். காரின் இயக்கம் வேகத்தைக் கூட்டுவது அல்லது குறைப்பது, சீராக பயணிப்பது என்று சுறுக்கமாகச் சொல்லலாம்.

இன்றைய தானோட்டிக் கார்களின் வடிவமைப்பாளர்கள், இத்தகைய விஷயங்களை vehicle platform  என்று எளிதில் தனிப்படுத்தி விடுகிறார்கள். அதாவது, முன்னே, பின்னே, இடது, வலது பக்கம் செல்வது, வேகத்தை அதிகரிப்பது, குறைப்பது என்பதெல்லாம் மிகவும் எளிமையான செயலாற்றல் விஷயம்இவற்றைச் செய்ய காரின் கணினிகள், பல ஆண்டுகளாகச் சோதனை செய்யப்பட்டு நன்றாகவே இயங்கி வந்துள்ளன. இவற்றைத், தானோட்டிக் கார்களுக்காக மாற்ற வேண்டிய அவசியம் இல்லை.

சீரமைப்பு மற்றும் முடிவெடுத்தல் என்பது மனிதர்களுக்கே மிகவும் சிக்கலான விஷயம். அதுவும், நொடிகளுக்குள் முடிவெடுப்பது என்பது மிகவும் கடினமான விஷயம். தானோட்டிக் கார் என்பதன் மிக முக்கிய வடிவமைப்புச் சவால் இதுவே.

உணர்விகள் உள் அனுப்பும் குறிகைகள் முதலில், ஒருங்கிணைக்கப்பட வேண்டும். இதை Sensor fusion  என்று வடிவமைப்பாளர்கள் சொல்கிறார்கள். பல காமிராக்கள், லேசர்கள், கேளா ஒலி (ultrasonic), ஜி,பி.எஸ்., மற்றும், ஜைரோ (gyros) போன்ற உணர்விகள் ஒவ்வொரு நொடிக்கும் அனுப்பும் குறிகைகளை, ஒருங்கிணைக்க வேண்டும். இது மிகவும் முக்கிய ஒரு தேவை. இவற்றைச் செய்ய இன்று பல வசதிகள் உள்ளன. இதற்கான கணினி மென்பொருள் நெறிமுறை (algorithm) இன்று பல கார் சம்பந்தப்பட்ட உணர்விகளுக்கு விஞ்ஞானிகள் உருவாக்கியுள்ளார்கள்

கார் எங்கு உள்ளது என்பதைத் தானோட்டிக் கார்களில், முதலில் காரே முடிவெடுக்க வேண்டும். நிகழ்வுகள் அனைத்தும் காரின் இருப்பிடத்தைச் சார்ந்தது (location). இதை localization  என்று அழைக்கிறார்கள். உதாரணத்திற்கு, மனித ஓட்டுனர்களுக்கு 4-வது அவென்யூவில் பயணிக்கிறோம் என்று வழக்கமாகப் பயணிப்பதால் தெரியும். தானோட்டிக் காருக்கு ஜி.பி.எஸ். மூலம் கிடைக்கும் இருப்பிட குறிகை, மற்றும் காரின் கணினியில் உள்ள தரவு கொண்டு இந்த முடிவை ஒவ்வொரு நொடியும் முடிவெடுக்க வேண்டும்.

இயங்கும் காரைச் சுற்றி என்ன உள்ளது என்பதையும் தானோட்டிக் கார் அறிந்து கொண்டே இருக்க வேண்டும். தனக்கு முன்னால், பின்னால், இடப்புறத்தில், வலப்புறத்தில் என்ன இருக்கிறது, சாலையில் என்ன சைகைகள் (traffic signs) உள்ளன, சிக்னல் மற்றும் மின், சிக்னல், சைகைகள் கம்பங்கள் எங்கு உள்ளன என்பதும் காருக்கு தெரிய வேண்டும். இதை World Model என்று பொறியாளர்கள் அழைக்கிறார்கள்.

தானோட்டிக் காரின் மிக முக்கிய முதல்படி இந்தச் சுற்றுப்புறமறிதல். நமக்கு வெகு எளிதான இந்த விஷயம், தானோட்டிக் கார்களுக்கு மிகப் பெரிய சவால். இதை

Sensing is easy, perception is difficult

என்று சொல்வதுண்டு. முடிவெடுத்தலுக்கு மிக முக்கிய முன் படிச் சுற்றுப்புறமறிதல். பார்வை மூலம் நாம் இந்த முடிவைக் கண்ணாடிகள் உதவியினாலும் செய்கிறோம். கார்கள், பல உணர்விகளின் குறிகை ஒருங்கிணைப்பு, மற்றும், ஜி.பி.எஸ். குறிகைகள், ஜைரோக்கள் உதவியினாலும் (ஜைரோக்கள் ஒரு வாகனம் எவ்வளவு சாய்ந்துள்ளது, மற்றும் சாலை சம நிலையிலிருந்து எவ்வளவு எந்தப் பக்கத்தில் சாய்ந்துள்ளது போன்ற விஷயங்களை டிஜிட்டல் குறிகைகளாய்த் தரும் உணர்வி) காரின் கணினி மூலம் உணர்கிறது.

ஒன்றை இங்குக் குறிப்பிட வேண்டும் – நாம் சுற்றுப்புறத்தை அறிதலுக்கும் ஒரு எந்திரம் அறிதலுக்கும் நிறைய வித்தியாசம் உள்ளது. அடுத்த காரில் உள்ள நபர் அணிந்திருக்கும் தொப்பி, கணினிக்கு முக்கியமல்ல. சாலையில் முன்னே செல்ல எது தேவையோ அது மட்டுமே முக்கியம். அத்துடன் எப்படி முன் செல்வது – பாதை, கோணம், எத்தனை வேகம், எந்த வரைபாதையைத் தாண்டிச் செல்ல வேண்டும், எந்த சைகைகளை இந்த முடிவில் கொள்ள வேண்டும் என்பவை காரின் கணினிக்கு முக்கியம். இதை trajectory generation என்று சொல்லப்படுகிறது. சுற்றுபுறமறிதலினால், தானோட்டிக் கார்கள் பல கோடி கணக்கிடல்கள் மூலம் உணருகிறது.

கூகிளின் தானோட்டி கார் ப்ராஜக்டின் தலைவர் இந்தக் கார்களின் பார்வையில் உலகம் எப்படி இருக்கும் என்பதை இங்கு அழகாக விளக்குகிறார். நாம் பார்ப்பதைப் போல இந்தக் கார்கள் தான் இயங்கும் பாதையைப் பார்ப்பதில்லை.

கடைசியாக, மிக முக்கியமான முடிவெடுத்தல் தானோட்டிக் கார்களில் எப்படி நிகழ்கிறது என்று அடுத்த பகுதியில் பார்ப்போம். இதன் பின்னணி, செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தின் (artificial intelligence technology ) சமீபத்திய அபார வளர்ச்சி. இந்த செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தின் வளர்ச்சி பற்றிய சுறுக்கமான வரலாற்றிற்குப் பிறகு, இன்றைய தொழில்நுட்பம் எப்படி தானோட்டிக் கார்களின் மிடிவெடுத்தல் பிரச்னைகளை தீர்க்கிறது என்று பார்ப்போம்.

தமிழ்ப் பரிந்துரை

தமிழ்ச் சொற்கள் எல்லோருக்கும் புரிய வேண்டும் என்று சில ஆங்கிலச் சொற்களை கட்டுரையில் பயன்படுத்தியுள்ளேன். கார் சம்பந்தமான பல தொழில்நுட்பச் சொற்கள் தமிழில் அதிகம் புழக்கத்தில் இல்லை. உதாரணம், ஆக்ஸிலரேட்டர் மற்றும் ப்ரேக். இதை தமிழில் மொழிபெயர்த்தால், நம்மில் பலருக்கும் புரியாது. இதனால், இது போன்ற வழக்குச் சொற்களை அப்படியே பயன்படுத்தியுள்ளேன். சில புதிய சொற்களுக்கு நிகரான சில தமிழ்ச் சொற்களை இங்கு பரிசீலனைக்கென முன்வைக்கிறேன்

ஆங்கிலச் சொல் தமிழ்ப் பரிந்துரை
Diagnostic computer பிழை ஆய்வுக் கணினி
Level flight சம அளவில் பறப்பது
Traffic lanes வரைபாதை
Park assist feature காரை நிறுத்தும் உதவி அம்சம்
Lane departure warning feature வரைபாதையிலிருந்து சறுக்கு எச்சரிக்கை அம்சம்
Adaptive cruise control feature சூழலுக்கேற்ப வாகனத்தில் வேகத்தைக் கட்டுப்படுத்தும் அம்சம்
Ultrasonic கேளா ஒலி
Algorithm கணினி மென்பொருள் நெறிமுறை
Location இருப்பிடம்
Traffic signs சாலைச் சைகைகள்
Artificial intelligence (AI) technology செயற்கை நுண்ணறிவுத் தொழில்நுட்பம்

சொல்வனம் – மே 2017