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

தானோட்டிக் கார்கள் – சமூகத் தேவை மற்றும் மனித ஓட்டுதல் பிரச்னைகள் – பகுதி 4

எந்த ஒரு புதிய தொழில்நுட்பத்திற்கும் ஒரு தேவை இருந்தாலே அது வெற்றி பெறுகிறது. தொலைதூரப் பயணம் என்பது மனிதர்களுக்குக் கால்நடையாகச் செல்வது அதிக நேரம் மற்றும் உடல் சோர்வு உண்டாக்குவதால், விலங்குகளில் ஆரம்பித்து (குதிரை, யானை), சைக்கிள் என்று முன்னேறி, கார் வரை தேவையானது. கடல் தாண்டிச் செல்ல கப்பல் மற்றும் விமானம் தேவையானது. தானோட்டிக் கார்களுக்கு என்ன தேவை?

மிக முக்கியமான காரணம் மனித ஓட்டுனர்கள்.

  • இன்று உலகெங்கும், பல பெரிய நகரங்களில், பெரிய சாலைகள் இருந்தும், போக்குவரத்து நெரிசலால், முன்பு போலச் சரியான நேரத்திற்கு நாம் செல்லுமிடம் அடைய முடிவதில்லை.
  • மனிதர்களும் அதிகரித்து விட்டதால், அனைவரின் போக்குவரத்துத் தேவைகளும் கார்கள் மூலம், இருக்கும் அதே சாலை அமைப்பில் நிறைவேற்றப்பட வேண்டும்.
  • மலிவாகக் கார்களைத் தயாரித்தால், பிரச்னை சரியாகிவிடும் என்று நினைத்து, பல கோடி கார்களை வாகனத் தயாரிப்பாளர்கள் வருடா வருடம் தயாரிக்கத் தொடங்கினார்கள்.
  • உலகின் பல அரசாங்கங்களும் இந்தத் தீர்விற்குத் துணை போயின. விற்பனை வரி, உரிம, நிறுத்துமிட, மற்றும் சாலை பயன்பாட்டு வருமானம் என்று அரசாங்கங்களும் பயனடைந்தன. ஒவ்வொரு நாட்டிலும் வரிப்பணத்தின் ஒரு பகுதி சாலைப் பராமரிப்பிற்குச் செலவிடப்பட்டது

 

  • போக்குவரத்துக் கட்டுப்பாடு, ஓர் அளவிற்கு மேல், மனிதர்களால் இயலாது என்று வளர்ந்த நாடுகளில் சிக்னல்/கணினி மூலம் போக்குவரத்தைக் கட்டுப்படுத்த முயற்சி, கடந்த 50 ஆண்டுகளாக நடந்து வரும் விஷயம். உதாரணத்திற்கு, கனடாவில், ஒரு பெரிய நகரம், அங்குள்ள சிக்னல்கள் அனைத்தையும் LED தொழில்நுட்பத்திற்கு மாற்றினால், மின்சாரச் செலவு மட்டும் வருடத்திற்கு 5 லட்சம் டாலர்கள் வரை மிஞ்சும் என்று கணக்கிட்டது என்றால் பாருங்களேன்
  • கார்கள் பெருகியதால்,வட அமெரிக்காவில், மனிதர்கள் நகரின் மையப்பகுதியைத் துறந்து, புறநகர் பகுதியில் பெரிய வீடுகளில் வசிக்கத் தொடங்கினர். நகரங்கள் பெரிதாகிக் கொண்டே போயின. மெல்லிசை மன்னர் விஸ்வநாதன், வட அமெரிக்கப் பயணம் ஒன்றின் பொழுது, ‘என்ன, விடுதியும், இசை அரங்கமும் இரு நகரங்களிலா இருக்கிறது? காரை ஓட்டிக் கொண்டே இருக்கிறார்களே’ என்று அலுத்துக் கொண்டதாக எஸ்.பி.பி. ஒரு போட்டியில் சொன்னது, இந்த நகரப் பரவல் (urban sprawl) காரணமாகத்தான்.
  • பெட்ரோல் மூலம் இந்தக் கார்கள் இயங்குவதால், புகை ஒரு பெரிய பிரச்னையாகிவிட்டது. பெய்ஜிங், டில்லி போன்ற நகரங்களில், காற்று மாசடைந்து அதனால் வரும் நோய்கள் அதிகமாகி, இதுவே ஒரு பெரிய சமூகப் பிரச்னையாகிவிட்டது
  • இவற்றை எல்லாம்விடப் பெரிய பிரச்னை, விபத்துக்கள். வாகன விபத்துக்கள் என்பது இன்று சர்வ சாதாரணமாகி விட்டது. விபத்துக்களால், உயிர்கள் பரி போவது மட்டுமல்லாது, மருத்துவச் செலவுகள் நம்முடைய சமூகத்தில் அதிகரித்தும் வருகிறது. இதனால், நெருக்கடிச் சேவைகளுக்கு (emergency services), வாகனங்கள் மிகப் பெரிய பாரமாகி வருகிறது
  • விபத்துக்களில், மிக முக்கியப் பிரச்னை, மது அருந்திய வாகன ஓட்டுனர்களால், ஏற்படும் விபத்துக்கள். அரசாங்கங்கள் எத்தனைதான் முயன்றாலும் உலகெங்கும் இவ்வகை விபத்துக்கள் அதிகரித்தே வருகின்றன
  • நிறுத்துமிடம் என்பது இன்று வசிக்க ஒரு வீடு போன்ற ஒரு பூதாகாரமான பிரச்னையாகி விட்டது. சில நகரங்களில், வீடு கிடைத்தால்கூட, வாகன நிறுத்துமிடம் கிடைப்பதில்லை. குறிப்பாக, பழைய, பெரிய நகர மையங்களில் இது உல்கெங்கும் ஒரு பிரச்னை

இந்தப் பிரச்னைகள் நம்முடைய பொறுப்பின்மையால் வந்ததா? எளிதாக ஆம் என்று சொல்லி விடலாம். ஆனால், வேறு வழியில்லை என்று வரும் பொழுது, நாம் பிரச்னைகளுடன் வாழப் பழகி விடுகிறோம். ஆனால், நாம் எடுக்கும் ஒவ்வொரு முடிவிற்கும் ஒரு விலையுள்ளது. சமூகம் அந்த விலையை வரிகள் மூலம் கொடுத்து வந்துள்ளது. இங்குப் பட்டியலிட்டுள்ள எல்லாப் பிரச்னைகளையும் தானோட்டிக் கார்கள் தீர்த்துவிடும் என்று அர்த்தமில்லை. ஆனால், மிகப் பெரிய பிரச்னையான விபத்துக்கள் மற்றும் குடிபோதையில் வாகன ஓட்டுதல் என்ற இரு பிரச்னைகளைத் தானோட்டிக் கார்கள் நிச்சயமாகத் தீர்க்கும் என்று எதிர்பார்க்கப்படுகிறது. விரிவாக இந்தப் பிரச்னைகளைப் பார்ப்போம்.

 

பொதுவாக, நாம் பெட்ரோல் விலை அதிகமானால் சீறுகிறோம். அரபு சர்வாதிகாரிகளைத் திட்டுகிறோம். கார் செலுத்துவதன் பிரச்னைகளில், பெட்ரோல் ஒரு சின்னப் பங்கே வகிக்கிறது. மேலே உள்ள படம், ஒரு மைல் பயணத்திற்குச் சமூகம் தரும் விலையைப் பட்டியலிடுகிறது. நம்முடைய பாக்கெட்டிலிருந்து பெட்ரோல், கார் பராமரிப்பு மற்றும் காப்பீடு – இந்த மூன்றே செலவுகள் தான் என்று நினைக்கிறோம். சமூகத்திற்கு, இன்னும் பல செலவுகள் உள்ளன. போக்குவரத்து நெரிசல், விபத்துக்கள் மற்றும் காற்று மாசு/புவி சூடேற்றம் பெட்ரோல் விலையை விடப் பல மடங்கு அதிகம்.

உதாரணத்திற்கு, AAA  என்ற அமெரிக்க அமைப்பு, வருடத்திற்கு 10,000 மைல்கள் ஓட்டப்படும் ஒரு சாதாரணக் காருக்கு ஆகும் செலவுகளை இப்படிப் பட்டியலிட்டுள்ளது;

 

செலவு விவரம் செலவு விளக்கம்
பெட்ரோல் செலவு $1,500.00 மைலுக்கு 15 சென்ட்கள் 10,000 மைல்களுக்கு $1,500
பராமரிப்புச் செலவு $500.00 மைலுக்கு 5 சென்ட்கள் 10,000 மைல்களுக்கு $500
டயர்கள் செலவு $100.00 மைலுக்கு 1 சென்ட். 10,000 மைல்களுக்கு $100
தேய்மானச் செலவு (depreciation) $3,244.00 பல கார்களின் சராசரி தேய்மானச் செலவு
கடன் வசதிக் கட்டணம் (finance charges) $831.00
குத்தகை மற்றும் பதிவுச் செலவு (leasing and registration charges) $600.00
மொத்த செலவு $6,775.00

 

நாம் முன்னே பார்த்த படத்தில், மைலுக்கு ஆகும் செலவில், அதாவது 15 சென்ட்களில், மற்ற சமூகச் செலவு பளூ எவ்வளவு என்று பார்தோம். 15 சென்ட்களில், 13.1 சென்ட்கள் இவ்வகைச் செலவிற்கே சரியாகி விடுகிறது. ஒரு கார் சராசரி 10,000 மைல்கள் ஒரு ஆண்டுப் பயணிக்கிறது என்று வைத்துக் கொண்டால், சமூகச் செலவு 13.1*10,000 = $1,310. அமெரிக்காவில், ஏறக்குறைய 2014 –ல் 243 மில்லியன் வாகனங்கள் இருந்ததாக ஒரு புள்ளி விவரம் சொல்லுகிறது. அதாவது, சமூகச் செலவு, இந்த வாகனங்களால்,

243,000,000 * $1,310 = $318,330,000,000

இந்திய ரூபாய்க் கணக்குப் படி (டாலருக்கு 66 ரூபாய்) 21 லட்சம் கோடி ரூபாய்கள். இந்தக் கணக்கில், கட்டுமானச்  செலவுகள் எதுவும் அடங்காது. சாலைப் பராமரிப்பு, புதிய சாலைகள் மற்றும் பாலம் கட்டும் செலவு, புதிய சிக்னல்கள், புதிய சாலைக் குறிகள் எதுவும் இதில் அடங்காது.

கார்களில் சேர்க்கப்படும் பாதுகாப்பு அம்சங்கள் ஒவ்வொன்றும் பல கோடி கார்கள் ஓடுவதால், அதன் தாக்கம் பெரிதாக இருக்கும் என்பது பல வல்லுனர்களின் கருத்து. ஆனால், பாதுகாப்பு அம்சங்கள், பெரும்பாலும், விபத்தை எப்படித் தவிர்ப்பது என்ற நோக்கத்தையே முன் வைக்கின்றன. உயிர் சேதத்தை எப்படிக் குறைப்பது என்பதே இவற்றின் நோக்கம். உதாரணத்திற்கு, இருக்கை வார் (seat belts) மற்றும் காற்றுப் பைகள் (air bags) விபத்து விஷயத்தில் மிகப் பெரிய தாக்கத்தை ஏற்படுத்திய முன்னேற்றங்கள். ஆயினும், உயிர்சேதத்தைக் குறைத்த இவ்வகை அம்சங்கள், விபத்தைத் தவிர்ப்பதில் வெற்றி பெறவில்லை. ஒரு 5 ஆண்டுகளுக்கு முன்பு, கார் விபத்துக்களால் இருந்த உயிரிழப்பு அளவு, இன்று இல்லை என்பது நிச்சயம். ஆனாலும், விபத்துக்கள் நேர்ந்த வண்ணம் இருக்கின்றன. நாம் பார்த்த 2.4 சென்ட்கள் (ஒவ்வொரு 15 சென்ட்களுக்கும்) இன்னும் குறைந்தபாடில்லை.

அத்துடன், இந்தப் படத்தில் காட்டாத இன்னொரு விஷயம் வாகனங்களை நிறுத்துமிடம் பற்றியது. ஒரு புள்ளிவிவரத்தின் படி, லாஸ் ஏஞ்சலஸ் நகரத்தின் மையப் பகுதியில் உள்ள நிலப்பரப்பில் 81% கார்கள் நிறுத்துமிடத்திற்கே சரியாக உள்ளது. இதன் அர்த்தம், வெறும் 19% –ல் கட்டிடம், மனிதர்கள் எல்லோரும் இருக்கிறார்கள் என்பதல்ல. பல மாடி கார் நிறுத்துமிடங்களின் நிலப்பரப்பையும் சேர்த்துக் கொண்டால், கணக்கு இப்படி பூதாகரமாகத் தெரிகிறது. உலகின் எல்லாப் பெரிய நகரங்களிலும் இதுவே பிரச்னை.

இன்னொரு புள்ளி விவரப்படி, ஒரு சராசரிக் கார், தன்னுடைய பயனுள்ள ஆயுளில், வெறும் 5% நேரமே செலுத்தப்படுகிறது. 95% நேரம் நிறுத்தப்படுகிறது. இதைப் போன்ற நில விரயம் வாய்ந்த ஒரு தொழில்நுட்பம் ஏதுமில்லை. கார்கள் வருவதற்கு முன்னர், லண்டன் மாநகரத்தின் பெரும் பிரச்னை, குதிரை நிறுத்துமிடம் மற்றும் அதன் சாணம் என்றிருந்தது. இன்று, நம்முடைய பல நகரங்களின் நிலப்பரப்பை ஆக்கிரமிக்கும் ராட்சசனாகக் கார் மாறிவிட்டது!

பிரச்னைகளை அடுக்கியாகிவிட்டது. அடுத்தபடியாக, தானோட்டிக் கார்கள் எந்த வகைப் பிரச்னைகளைத் தீர்க்க உதவும் என்று பார்ப்போம்.

டெஸ்லா போன்ற கார்கள் மின்கார்களாகவும், தானோட்டித் தன்மை வாய்ந்த கார்களாகவும் இருப்பதை, இங்கு ஒரு விதிவிலக்கு என்றே அணுகுவோம். இன்னும் சில ஆண்டுகளில் வரும் கார்கள் பெட்ரோலிலேயே இயங்கும் என்று வைத்துக் கொள்வோம்.

  • நிறுத்துமிடம்: தானோட்டிக் கார்கள், ஒருவரை, அவர்களுக்கு வேண்டிய இடத்தில் இறக்கி விட்டு, அடுத்த பயணி இருக்கும் இடத்திற்குப் பயணிக்கலாம். எங்கே நிறுத்துவது என்று அல்லாட வேண்டாம். அப்படியே, அடுத்த பயணி கிடைக்கவில்லையென்றாலும், ஊரின் மையப் பகுதி அல்லாமல், ஒரு 30 அல்லது 50 கி.மீ. தள்ளி, நிறுத்திக் கொள்ளலாம். நகரின் மையப் பகுதியில், அடுக்கு மாடி நிறுத்துமிடங்கள் மற்றும், தெருவோர நிறுத்துமிடங்கள் என்று இடத்தை வீணாக்க வேண்டியதில்லை. தானோட்டிக் கார்களின் மிகப் பெரிய தாக்கம் நிறுத்துமிடமாக இருக்கும். உள்ளூர் அரசாங்கங்கள் ஊரின் வெளியே இவற்றை நிறுத்த இடம் தர வேண்டி வரும். இன்றுள்ளதைப் போல நிறுத்துமிட வாடகைப் பணம் கிட்டாது. ஒன்று மட்டும் நிச்சயம் – தானோட்டிக் கார்கள் 5% பயனுடன் மனிதக் கார்கள் போலத் தூங்காது
  • போக்குவரத்து நெரிசல்: நகரின் மையப் பகுதிகளில், நிறுத்துமிடம் தேடும் கார்கள் குறைந்தாலே, சற்றுப் போக்குவரத்து நெரிசல் குறையும். மேலும், பெரும்பாலும், போக்குவரத்து நெரிசலுக்கான முக்கியக் காரணம், மனிதர்கள் கார்களை, சீரான வேகத்தில் செலுத்தாதது, மற்றும் வாகனங்களுக்கிடையில் சரியான இடைவெளி விடாதது. இவ்விரண்டு பிரச்னைகளையும் தானோட்டிக் கார்கள், சீராக ஓட்டுவதால், நேர விடாது. இதனால் போக்குவரத்து நெரிசல் குறையும் என்பது வாதம். இன்னும் நடைமுறைக்குத் தானோட்டிக் கார்கள் வராததால், பொருத்திருந்துப் பார்க்க வேண்டும்
  • காற்று மாசு/புவி சூடேற்றம்: நகர மையப் பகுதிகளில் நின்று நகரும் போக்குவரத்து பெட்ரோல் விரயத்திற்குப் பெரும் காரணம். மேலும், ஊரும் வாகனங்கள் காற்றை மாசுபடுத்துகின்றன. ஒரு பேச்சிற்கு, ஒரு நகரில் அனைத்து வாகனங்களும் தானோட்டி வாகனங்கள் என்று வைத்துக் கொள்வோம். சீராக ஒரே வேகத்தில் நகரும் வாகனங்கள் ரயிலைப் போன்று இயங்கும். இதனால், நின்று நகரும் போக்குவரத்து வெகுவாகக் குறையு வாய்ப்பு உள்ளது
  • விபத்து: பெரும்பாலான விபத்துக்கள் இரு காரணங்களால் நிகழ்கின்றன. 1) அளவிற்கு அதிகமான வேகம் 2) மனித ஓட்டுனர் தவறுகள். இவை இரண்டும் தானோட்டிக் கார்கள் பெரிதும் குறைத்துவிடும் என்ற நம்பிக்கை வல்லுனர்களுக்கு இன்றுள்ளது. முதலில், ஒரு சாலையில், குறிப்பிட்டுள்ள வேகத்திற்கு மேல் தானோட்டிக் கார்கள் செல்லாது. மேலும், மனிதர்களைப் போல, தானோட்டிக் கார்கள், சரியாகக் கவனிக்காமல், வரைபாதைகளை மாற்றாது
  • குடிபோதை விபத்துக்கள்: நிச்சயமாக இது நேராது என்று தைரியமாகச் சொல்லலாம். தானோட்டிக் கார்கள் மது அருந்தப் போவதில்லை. அதனால், காருடையை கணிப்புத் தவறாவதற்கு வாய்ப்பே இல்லை

நாம் பார்த்தப் படத்தில் உள்ள 13.1 சென்ட்களில், குறைந்தபட்சம், பாதியாவது மிஞ்சும் என்பது சில ஆராய்ச்சியாளர்களின் கணிப்பு. மின் கார்கள் ஒலியளவையும் சற்றுக் குறைக்கும் என்று எதிர்பார்க்கப்படுகிறது.

பின் ஒரு பகுதியில், இந்த வகைக் கார்கள் எப்படிப் படிப்படியாக அறிமுகப்படுத்தப்படும் என்று விரிவாகப் பார்ப்போம். ஈலான் மஸ்க் சொன்னச் சட்ட புறம்பான மனித கார் ஓட்டுனர்கள் என்ற நிலை வர இன்னும் 50 ஆண்டுகளாவது ஆகும் என்று சொல்லலாம். ஒன்று மட்டும் நிச்சயம் – மோசமான மனித கார் ஓட்டுனர்களால், சமூகத்திற்கு ஏராளமான பொருளாதார/சுகாதார பளு கடந்த 60 ஆண்டுகளாக  நேர்ந்துள்ளது மறுக்க முடியாத நிகழ்வு.

பாதுகாப்பு அம்சங்களைப் படிப்படியாக வாகனத் தயாரிப்பாளர்கள் அறிமுகப் படுத்தி வந்துள்ளார்கள் என்று பார்த்தோம். பல அரசாங்க போக்குவரத்து மற்றும் பொறியாளர்களும், உண்மையில், தானோட்டிக் கார் என்றால் என்னவென்று அழகாகப் பட்டியலிட்டுள்ளார்கள்.

நன்றி: Scientific American, June 2016

Society of Automobile Engineers (SAE) என்ற அமைப்பு, சில ஆண்டுகளுக்கு முன், இதை முன் வைத்தது. வழக்கம் போல, அமெரிக்க அமைப்பான National Highway Traffic Safety Administration (NHTSA) சற்று, இதை மாற்றி, SAE –யின் 6 அடுக்குகளுக்குப் பதில் 5 அடுக்குகளை முன் வைத்துள்ளது. உலகின் பல நாடுகளும் SAE முறையை அங்கீகரித்துள்ளதால், அதோடு, இரண்டிற்கும் அதிக வித்தியாசம் இல்லாததால், அரசாங்க சச்சரவிற்குள் சிக்காமல், நாம் SAE முறையை இங்கு விளக்குவோம்.

  • முதல் மூன்று அடுக்குகளிலும், மனித ஓட்டுனர் முழுப் பொறுப்பில் இருக்கிறார். அவ்வப்பொழுது சில சமயங்களில் (Cruise control, lane assist) தானியக்கம் நிகழும். சுற்று வட்டாரத்தில் நிகழும் அனைத்து விஷயங்களையும் மனித ஓட்டுனர் கவனிக்க வேண்டும். இதைப் பற்றி, காருக்குத் தெரியாது. இன்றைய பெரும்பாலான கார்கள், இந்த வகையில் அடங்கும்.
  • நான்காம் அடுக்கில், ஒரு முக்கியமான பொறுப்பு மனிதனிடமிருந்து எந்திரத்திற்கு மாறுகிறது. சுற்று வட்டாரத்தைக் கண்காணிப்பது (அதாவது, எந்தப் பக்கத்தில் இன்னொரு கார் வருகிறது, அருகே உள்ள சிக்னலில் சிவப்பா, பச்சையா, திரும்புவதற்கு முன், பாதசாரி உள்ளாரா போன்ற விஷயங்கள்) என்பதை எந்திரம் செய்கிறது. சில சமயம், எந்திரம் தடுமாறும் பொழுது, மனிதரால் கட்டுப்பாட்டை எடுத்துக் கொள்ள முடியும். இன்றைய டெஸ்லாக்கள் இதைச் செய்கின்றன. இவற்றிற்குச் சுற்று வட்டாரத்தைக் கண்காணிக்கப் பல உணர்விகள் மற்றும் கணினி உள்ளது.
  • ஐந்தாம் அடுக்கில், பெரும்பாலும் எந்திரம் கார் ஓட்டுகிறது. ஆனாலும், சில குறிப்பிட்ட தருணங்களில் மட்டும் எந்திரமே மனித உதவியை நாடும்
  • ஆறாம் அடுக்கில், மனித ஓட்டுனரே தேவையில்லை. ஏன், மனிதர்களுக்கு பரிச்சயமான accelerator, brake, steering எதுவுமே இவ்வகைக் கார்களில் கிடையாது. மனிதர்கள் வெறும் பயணிகள். கூகிளின் கார்கள் இந்த வகையைச் சேர்ந்தவை. சட்டம் இன்னும் இவ்வகைக் கார்களை அனுமதிக்காததால், கூகிள் தொழிலாளி ஒருவர் எப்பொழுதும் இவ்வகைக் கார்களில் ஓட்டுனராகப் பயணிக்கிறார்

 

மிகவும் மதிநுட்பமான தொழில்நுட்பம் இவ்வகைக் கார்களின் பின்னால் இயங்குகின்றது. வளர்ந்து வரும் இந்தத் தொழில்நுட்பத்தை, அடுத்த சில பகுதிகளில் விரிவாகப் பார்ப்போம்

சொல்வனம் – மார்ச் 2017

தானோட்டிக் கார்கள் – தானியக்க வரலாறு – பகுதி 3

திடீரென்று தானோட்டிக் கார்கள் ஒன்றும் முளைத்து விடவில்லை. பல திரைப்படங்கள் மற்றும் விஞ்ஞானக் கதைகள் இவற்றைப் பற்றிக் கடந்த 60 ஆண்டுகளாகக் கற்பனை செய்து வந்துள்ளன. ஹாலிவுட் திரைப்படமான ஸ்பீல்பர்கின் Back to the Future, Minority Report (2002) திரைப்படங்களில், கார் தானே செலுத்திக் கொள்ளும். அதே போல, Total Recall (1990), Demolition Man, I Robot (2004), The Car (1967)  போன்ற ஹாலிவுட் திரைப்படங்களும் தானோட்டிக் கார்களை நல்லனவாகவும், கொடுமை எந்திரங்களாகவும் கற்பனை செய்து பொது மக்களின் சிந்தனையைச் செதுக்கியுள்ளன.  இந்தக் கட்டுரை சினிமாவைப் பற்றியது அல்ல – எப்படி, படிப்படியாக கார்களில் தானியக்கம் தோன்றியது என்பதைப் புரிந்து கொள்வதைப் பற்றியது.

நிஜ வாழ்க்கையில், சினிமா போல எல்லாம் உடனே நடக்கும் விஷயமல்ல. படிப்படியாக கார் தயாரிப்பாளர்கள் சின்ன சின்ன முன்னேற்றங்களை, கடந்த 60 ஆண்டுகளாகச் செய்து வந்துள்ளார்கள். முக்கியமாக, இதில் கவனிக்க வேண்டிய விஷயம் என்னவென்றால், கார் தயாரிப்பாளர்கள், புதிய அம்சங்களை எல்லா கார்களிலும் புகுத்துவதில்லை. அதிக விலை விற்கும் மாடல்களில் முதலில் புகுத்தி விட்டு, சில வருடங்களுக்குப் பிறகு, சாதாரணக் கார்களில் இந்த அம்சங்களைக் கொண்டு வருவார்கள். கார் தொழிலைப் பின்னோக்கிப் பார்க்கையில் ஒரு முக்கிய வரலாற்றுப் புள்ளி விவரம்;

எந்த ஒரு பாதுகாப்பு முன்னேற்றமும் ஒரு கார் நிறுவனத்தின் உயர் மதிப்புள்ள மாடலிலிருந்து சாதாரண மாடலைச் சென்றடைய 30 ஆண்டுகள் பிடித்துள்ளது.

முதலில், கடந்த 100 ஆண்டுகளில், பொதுவாகத் தானியக்கம் எப்படி அறிமுகப்படுத்தப்பட்டது என்று பார்ப்போம்:

 

1960 –க்குப் பிறகே கார் சம்பந்தப்பட்ட தானியக்கம் தொடங்கியது. 1980 –களில் நுண்கணினிப் புரட்சி (microcomputer/chip revolution) கார்களை உடனே பாதிக்கவில்லை என்றுதான் சொல்ல வேண்டும்.

பொதுவாக, கார்களில், தானியக்கம் என்பது முதலில் ஓட்டுனருக்கு உதவி புரியும் ஒரு பாதுகாப்பு அம்சமாகவே அறிமுகப்படுத்தப்பட்டன.

கீழே உள்ள பட்டியல், இவ்வகை முக்கிய அறிமுகங்கள்;

அறிமுக ஆண்டு புதிய பாதுகாப்பு அம்சம்
1903 கண்ணாடி நீர் துடைப்பான் (windshield wiper) அறிமுகம். இதற்கு முன், மழை வந்தால் கார் ஓட்ட மாட்டார்கள்!
1911 முதல் மின் கார் துவக்கம் – ignition. அதுவரை, ஒரு சுழற்றி மூலமே (crank) காரை உயிரூட்ட முடியும்
1914 திருப்பு குறிகாட்டி (turn indicators) அறிமுகம். அதுவரை, சைக்கிள் ஓட்டுபவரைப் போல, கை காட்டியே திரும்பினார்கள்
1926 பாதுகாப்பு கண்ணாடி (shatter proof glass) கார்களில் பொருத்தப்பட்டது. இதற்கு முன் கார்களில் கண்ணாடி விபத்தில் சுக்கு நூறாகிப் பயணிகள் மற்றும் ஓட்டுனரைக் காயப்படுத்தி வந்தது
1928 நாம் இன்று எல்லா கார்களில் எதிர்பார்க்கும் கியர் பாக்ஸ் அறிமுகம் (synchromesh transmission by Cadillac)
1930 கார்களில் ரேடியோ அறிமுகப் படுத்தப்பட்டது. இவை வால்வ் ரேடியோக்கள். இன்றும் வட அமெரிக்காவில், காரின் ஸ்டீரியோவை, ரேடியோ என்று அழைப்பவர்கள் இருக்கத்தான் செய்கிறார்கள்
1934 பயணம் கரடு முரடாக இல்லாமலிருப்பதற்கு, உலோக சுருள் (coil spring suspension) அறிமுகப்படுத்தப்பட்டது
1946 முதல் கார் தொலைப்பேசி அறிமுகப்படுத்தப்பட்டது. இவர் ராட்சசத் தனமாக இருந்ததை யாரும் பொருட்படுத்தவில்லை
1947 டியூப் இல்லாத டயர்கள் அறிமுகப் படுத்தப்பட்டது. இன்று radial tires  என்பதை எல்லோரும் எதிர்பார்க்கிறோம்
1948 கியர் அற்ற கார்கள் அறிமுகம் செய்யப்பட்டது (automatic transmission by Buick). இன்று பெரும்பாலும், வட அமெரிக்காவில் கியர் அற்ற கார்களே விற்கின்றன
1956 ஸ்டியரிங் ஒடிப்பது என்பது இந்திய லாரி டிரைவர்கள் சொல்லும் கைமுறை. மோட்டார் உதவியுடன் ஸ்டியரிங் எளிதாக்கப்பட்ட (power steering) ஆண்டு
1958 வேக சுயக்கட்டுப்பாடு அல்லது Cruise control கண்டுபிடிக்கப்பட்டது. ஓட்டுனர் ஒரு வேகத்தை செட் செய்தால், கார் அதே சீரான வேகத்தில் செல்லும் ஒரு வசதி. மிகப் பெரிய தானியக்க முன்னேற்றம் இது. இந்த வசதியால், வெறும் ஸ்டியரிங்/பிரேக் மட்டுமே ஓட்டுனர் கவனமாக இருக்க வேண்டும்.
1959 இருக்கை வார் வோல்வோ நிறுவனத்தால் கண்டுபிடிக்கப்பட்டது
1971 ஓடும் காரை எளிதாக நிறுத்த, antilock braking அம்சம் அறிமுகப்படுத்தப்பட்டது
1973 காற்றுப்பை (air bag) அறிமுகப்படுத்தப்பட்டது
1982 மின்னணு எரிபொருள் உட்செலுத்தல் (electronic fuel injection) அறிமுகம்
1983 மின்னணு உறுதிநிலைக் கட்டுப்பாடு (electronic stability control)  அறிமுகம். இந்த அம்சத்தினால், ஒடும் கார் வழுக்கினால், கார் ப்ரேக்கை தானாகவே செலுத்தி காரை நிறுத்த உதவி செய்யும்
1996 கார்களின் பிரச்னைகளைக் கணினி மூலம் குறிகளாய் (diagnostic codes) வெளிப்படுத்தும் முறை அறிமுகம்
2001 கார்களில் புளூடூத் மூலம் செல்பேசித் தொடர்பு அறிமுகம்
2003 மோதல் தவிர்ப்பு முறைகள் (collision avoidance systems)  அறிமுகம்
2008 கார்களில் WiFi அறிமுகம்
2014 டெஸ்லாவின் மாடல்-S மின் கார் 426 கி.மீ. ஒரே மின்னேற்றத்தில் பயணம்
2016 தானோட்டிக் கார்கள் பற்றிய பூச்சாண்டி காட்டல் ☺

இப்படி, பல முன்னேற்றங்கள், கடந்த 100 ஆண்டுகளாக அறிமுகமாகிக் கொண்டுதான் இருந்துள்ளது. ஆனால், சில புதிய பாதுகாப்பு அம்சங்கள், எப்படியோ தானியக்கம் என்று தவறாக நம்முன் தம்பட்டம் அடிக்கப்பட்டன.

  1. காரை நிறுத்தும் உதவி அம்சம் (park assist): நம்மில் பலருக்கு காரை நிறுத்துவது அலுப்பு அல்லது சரியாக வருவதில்லை. காரை நிறுத்த முற்பட்டு இந்த அம்சத்தை முடுக்கிவிட்டால், காமிரா உதவி கொண்டு கார் தானாகப் பின்நோக்கிச் சென்று அழகாக நிற்கும். இதற்கு இரு தேவைகள் – ஒன்று, நிற்குமிடம், சரியாகக் கோடிடப்பட வேண்டும்; இரண்டு, சரியாக அளப்பதற்காக பக்கத்தில் இன்னொரு கார் இருக்க வேண்டும்
  2. வரைபாதையிலிருந்து சறுக்கு எச்சரிக்கை அம்சம் (lane departure warning). நாளெல்லாம்  வேலை செய்த அல்லது கார் ஓட்டிய களைப்பில், கவனக் குறைவினால், கார் அடுத்த வரைபாதைக்குச் சறுக்கும் பொழுது காமிரா கொண்டு, இந்த அம்சம் எச்சரிக்கிறது. அத்தோடு, சில மாடல்களில், தானாகவே, காமிரா உதவியுடன் உங்களது வரைபாதைக்கு காரை கொண்டு வருகிறது.
  3. சாலையில் சூழலுக்கேற்ப வாகனத்தில் வேகத்தைக் கட்டுப்படுத்தும் அம்சம் (adaptive cruise control). மற்ற வாகனங்கள் 60 கி.மீ.வேகத்தில் பயணம் செய்தால், உங்களது வாகனமும் அதே வேகத்தில் பயணிக்க வேண்டும். அத்துடன், உங்களது வாகனத்திற்கும் அதற்கு முன்னிருக்கும் வாகனத்திற்கும் பாதுகாப்பான இடைவெளி இருந்தால்தான் விபத்து நேராமல் இருக்கும். இதைப், பயிற்சியில் அனைவரும் பயில்கிறோம். ஆனால், நடைமுறையில் முன்னிருக்கும் வாகனத்திற்கும் நாம் ஓட்டும் வாகனத்திற்கும் 1 அடி கூட இருப்பதில்லை. இந்த அம்சம் இவ்வாறு நேர விடாமல் பார்த்துக் கொள்ளும்
  4. வெற்றுப் புள்ளி தவிற்பு அம்சம் (active blind spot assist) : வரைபாதை மாற்றும் பொழுது, திருப்புக் குறிகாட்டியைப் பயன்படுத்தினாலும், மிக அருகாமையில் வரும் பக்கத்து வரைபாதை வண்டி ஓட்டுனருக்குத் தெரியாது. இதைப் பார்வையில் வெற்றுப் புள்ளி போன்றது. இன்றைய கார்கள், ராடார் கொண்டு, அருகில் வாகனங்கள் இருந்து, வரைபாதை மாற்றப் பார்த்தால், எச்சரிப்பதோடு நிற்காமல், தேவைப்பட்டால், சரியான நேரத்தில் ப்ரேக்கைப் பயன்படுத்தி விபத்தையும் தவிர்க்கும் சக்தி வாய்ந்தவை

இதுபோன்ற அம்சங்களை வைத்து, ஊடகங்களும், மக்களும் பல வகைக் கற்பனைகளை வளர்த்து வந்துள்ளார்கள். குறிப்பாக;

  • இப்படியே போனால், இன்னும் 2 வருடத்தில் தானோட்டிக் கார்கள் வந்துவிடும்
  • இப்பொழுதே பல தானோட்டி விஷயங்களை கார்கள் செய்கின்றதே – அடுத்த கட்டம், அதாவது முழுத் தானோட்டிக் கார், வெகு நெருக்கம்தான்
  • இது போன்ற அம்சங்கள் வெறும் முன்னோடிதான். கார் கம்பெனிகள் சும்மா ஆழம் பார்க்கின்றன. இவர்கள் ஏற்கனவே தானோட்டிக் கார்களைத் தயாரித்து வைத்துள்ளார்கள்

முதலில், இவை அத்தனையும் வெறும் கட்டுக்கதை. அவ்வளவு அருகாமையில் தானோட்டிக் கார்களின் சாத்தியம் இல்லை. இந்தக் குழப்பத்திற்குக், சரியாக, இதன் பின்னணியையும் தொழில்நுட்பத்தையும் புரிந்து கொள்ளாததே முக்கியக் காரணம் (இதில் ஊடகங்களும் அடங்கும்). இதைச் சரியாகப் புரிந்து கொள்வதற்கு, தானோட்டிக் கார்களின் சமீப வரலாறு முக்கியம்.

சமீப தானோட்டிக் கார் சரித்திரம்

டார்பா (DARPA – Defense Advanced Research Project Agency)  என்ற அமைப்பு, பல தொழில்நுட்ப முன்னேற்றங்களுக்கு வழி வகுத்துள்ள ஒரு அமெரிக்க ராணுவ அமைப்பு. குறிப்பாக, நுண்செயலிகள், இதர்னெட், இணையம் செயல்படும் IP போன்ற இன்றைய முக்கியத் தொழில்நுட்பங்கள், இந்த அமைப்பு உருவாக்கியது. சிறு முன்னேற்றங்கள் என்று காலத்தைத் தள்ளி வந்த வாகன தொழிலைப் புரட்டிப் போடும் வகையில், இந்த அமைப்பு, 2004 –ஆம் ஆண்டு ஒரு சவாலை முன்வைத்தது. 150 மைல் (அல்லது 240 கி.மீ.) தொலைவை, ஓட்டுனர் இல்லாத கார்கள் தானாகவே கடக்க வேண்டும். அதிக நடமாட்டமில்லாத அமெரிக்க நிவேடா மாநிலத்தில் உள்ள மோஹாவி பாலைவனத்தில் நடைபெற்றது. எந்தப் போட்டியாளரும் 150 மைல்களைத் தாண்டவில்லை. 7 முதல் 8 மைல்களுக்கப்பால், பல வண்டிகள் ஏதோ ஒரு பிரச்னையில் சிக்கி செயலிழந்தன. இதில் போட்டியிட்ட குழுக்கள் பெரும்பாலும் பல்கலைக்கழகக் குழுக்கள்.

2005 –ஆம் ஆண்டு, மீண்டும் இதே போட்டி நடத்தப்பட்டது. இம்முறை போட்டியிட்ட 23 குழுக்கள், 2004 –ன் 7.32 மைல்களைக் கடந்து சென்றன. 5 குழுக்கள், 150 மைலையும் வெற்றிகரமாகத் தானியக்கத்தில் ஓட்டி முடிந்ததன. இதில் 3 குழுக்கள், கார்னகி மெலன் மற்றும் ஸ்டான்ஃபோர்டு பல்கலைக்கழகக் குழுக்கள். மனித சரித்திரத்தில், 150 மைல்கள் எந்த ஓட்டுனரும் இன்றி கடந்த முதல் 5 கார்கள் இவை. இத்தனைக்கும், இந்தப் பாதையில், அதிக இடது மற்றும் வலது திருப்பங்கள் மற்றும் மலைப் பிரதேச திருப்பங்களும் அடங்கும். இந்தக் குழுக்கள் பெரும்பாலும், சந்தையில் கிடைக்கும் கார்களுக்கு, பல உணர்விகள், காமிராக்கள் இணைத்து ஓட்டிக் காட்டின. இந்த முறை இன்று வரை தொடர்கிறது. கூகிள் ஒரு கார் தயாரிப்பாளர் அல்ல. கிடைக்கும் கார்களில், உணர்விகள் மற்றும் காமிராக்களைப் பொருத்தியே கூகிள் இன்றுவரை சோதனை செய்து வருகிறது.

 

அடுத்தக் கட்டமாக, டார்பா 2007 –ல் நகர்புற சூழ்நிலையில் அதே போட்டியை நிகழ்த்தியது. இம்முறை, வட அமெரிக்க நகரங்களில் இருப்பதைப் போல, வரை பாதைகள், சிக்னல்கள், பாதசாரி கடக்குமிடங்கள் (zebra crossings) , மற்றும் 3-வழி, 4-வழி நிறுத்தங்கள் என்று ஒரு பழைய விமானப் படை தளத்தை மாற்றி, பயணிக்கும் படி சவால் விட்டது. ஆறு மணி நேரத்தில், 60 மைல்களைக் கடக்க (96 கி.மீ.) வேண்டும் என்பதும் சவாலில் அடக்கம். வெற்றி பெற்ற குழுவிற்கு 2 மில்லியன் டாலர்கள் பரிசு.

இம்முறையும் பல பல்கலைக்கழகப் போட்டியாளர்கள், வாகனத் தயாரிப்பாளர்களுடன் கைகோர்த்துப் போட்டியிட்டார்கள். முதல் 3 குழுக்கள், 5 மணி நேரத்திற்குள் வெற்றிகரமாக இந்தப் போட்டியின் 60 மைல்களைத் தடைகள் எதுவுமின்றி முடித்தார்கள். கார்னகி மெலன், ஸ்டார்ஃபோர்டு மற்றும் வர்ஜினியா டெக் பல்கலைக்கழகங்கள் முதல் மூன்று இடத்தில் இடம்பெற்றன. MIT, UPenn, Cornell  அடுத்த மூன்று பல்கலைக்கழகங்கள். சில முக்கிய விஷயங்கள், இந்தப் போட்டியின் தன்மையைப் புரிந்து கொள்வதில் உள்ளது.

  1. அறுபது மைகளில் இந்த வாகனங்கள், சந்தித்த மற்ற வாகனங்கள், பெரும்பாலும், இவற்றைப் போன்ற போட்டி வாகனங்கள். மனித ஓட்டுனர்கள் உள்ள வாகனங்கள் அல்ல
  2. நெடுந்தூரம் செல்வது இந்தப் போட்டியின் அடிப்படை அல்ல. அது ஒரு நெடுஞ்சாலைப் போட்டியாகிவிடும். இதில் மிக முக்கியச் சவால், எந்த ஒரு போட்டி வாகனத்தின் மீதும் மோதக் கூடாது
  3. சரியாக 3-வழி, 4-வழி நிறுத்தங்களில் வரை கோட்டிற்கு முன்னால் நிற்பதுடன், முதலில் சந்திப்பிற்கு வந்த வாகனத்திற்கு வழி விட வேண்டும். சந்திப்பில் எந்த வாகனமும் இல்லாத தருணத்தில் கிளம்ப வேண்டும்
  4. சிக்னல்களில் ஆரஞ்சு வந்தவுடன் நகரக் கூடாது. சிகப்பு வந்தால் நிற்க வேண்டும். பச்சை நிற சிக்னலில் நேராகப் போவது பெரிய விஷயமல்ல. தானோட்டிக் கார்கள், சில சமயம் வலதுத் திசையில் திரும்பவும் வேண்டும்

இவ்வாறு, இத்தனை முடிவுகளை உடனுக்குடன் செய்யக் கணினி மென்பொருள் மிகவும் முன்னேற்றம் அடைய வேண்டும். உணர்விகள், காமிராக்கள் மற்றும் ரேடார்கள் பொருத்துவது என்பது அவ்வளவு சவாலல்ல. நொடிப் பொழுதில் முடிவெடுக்கும் மென்பொருள் மிகப் பெரிய சவால்.

முதலில் யூபர், கார்னகி மெலன் பல்கலைக்கழக ஆராய்ச்சியாளர்களைத் தன்னுடைய ஆராய்ச்சிக்காக அணுகியதைப் பற்றிச் சொல்லியிருந்தோம். கூகிளிற்கும் ஸ்டான்ஃபோர்டு பல்கலைக்கழகத்திற்கும் ஏராளமான சம்பந்தமுண்டு. 2007 –ன் வெற்றி பெற்ற ஆராய்ச்சியாளர்கள், இன்று தானோட்டிக் கார்கள் முன்னேற மிகவும் உழைப்பவர்கள், கூகிள், இந்த ஆராய்ச்சியாளர்களுடன் தொடங்கிய கூகிள் கார் ப்ராஜக்ட் இன்று 1 மில்லியன் மைல்களைக் கடந்து சோதித்து வருகிறது.

இந்த ஆராய்ச்சிப் பின்னணி இந்தத் துறையைப் புரிந்து கொள்ள மிகவும் முக்கியம். ஆரம்பத்திலிருந்தே, அரசாங்கம், வாகன நிறுவனங்கள், பல்கலைக்கழக ஆராய்ச்சியாளர்கள் இதில் பங்கேற்றதால், மாநில அரசுகள் இன்று பொதுச் சாலைகளில் தானோட்டிக் கார்களின் சோதனை ஓட்டத்தை அனுமதிக்கின்றன.

2014 –ல், கூகிள், ஸ்டீயரிங் இல்லாத ஒரு தானோட்டிக் காரை அறிமுகப்படுத்தியது. வழக்கமாகச் சந்தையிலிருந்து வாங்கிய கார் அல்ல இது. முழுவதும் ஓட்டுனரே இல்லாத காரை வடிவமைத்து அறிமுகப்படுத்தினார்கள். 1 மில்லியன் மைல்கள் இத்தகைய கூகிள் கார்கள் பல அமெரிக்க மாநிலங்களில் பயணம் செய்து, பயண அனுபவத்தைக் கொண்டு, மென்பொருளை கூகிள் மெருகூட்டி வருகிறது.

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
Microcomputer/chip revolution நுண்கணினிப் புரட்சி
Windshield wiper கண்ணாடி நீர் துடைப்பான்
Electric ignition மின் கார் துவக்கம்
Turn indicator திருப்பு குறிகாட்டி
Cruise control வேக சுயக்கட்டுப்பாடு
Electronic fuel injection மின்னணு எரிபொருள் உட்செலுத்தல்
Car diagnostic codes கார் ப்ரச்னை குறிகைகள்
Collision avoidance systems மோதல் தவிர்ப்பு முறைகள்

சொல்வனம் – ஃபெப்ரவரி 2017

மனிதர் ஓட்டாத கார்களில் பயணிக்க நாம் தயாரா? – பகுதி 2

முரளி, காரில் தன் மனைவி செல்வியுடன் பயணிக்கும் பொழுது நடக்கும் உரையாடல்:

செ: பின்னாடி காரை எடுக்கும் பொழுது ஜாக்கிரதையாக எடுங்க.

மு: பின்ன எப்படி எடுக்கறேனாம்? முப்பது வருஷம் கார் ஓட்டினாலும் இதே பல்லவிதான்.

செ: பார்த்துங்க…ப்ளாட்ஃபார்ம் மேலயே ஏத்திடுவீங்களோன்னு பயந்திட்டேன்.

மு: ஓட்டற எனக்குத் தெரியாதா?

***

செ:என்னங்க, வேக எல்லையைத் தாண்டி ஓட்டறீங்க. ஸ்பீடோமீட்டரைப் பார்க்கறதே இல்லையா? 50 கி.மீ. லிமிட்ல 60 –ல போறீங்க. யார் அபராதம் அழுவது?

மு: லிமிட்டுக்கு மேல ஒரு 10 கி.மீ. ஓட்டினால் ஒன்னும் அபராதம் போட மாட்டாங்க

செ: லேன் மாத்தறபோது இன்டிகேட்டர் போடறதில்ல? அப்புறம் மோதிப் பிரச்னையாகிவிடும்.

மு:எல்லாம் போட்டேன். சத்தம் கேட்கல போல. எனக்கு வாழ்நாள் பூராவும் டிரைவிங் இன்ஸ்பெக்டரோட பயணம் செய்ய வேண்டிய தலைவிதி.

செ: எல்லாம் உங்க நல்லதுக்குத்தான சொல்றேன்…

~oOo~

 

2025 –ல் அதே முரளி, செல்விக்காக ஒரு ரோபோ டாக்ஸியை (தானோட்டிக் கார்) அழைக்கிறான். அழைக்கும் பொழுது எல்லாவற்றையும் சொல் – Verbose  என்ற சேவையையும் சேர்த்துக் கொண்டான். இதனால், கார் தன்னுடைய ஒவ்வொரு முக்கிய முடிவையையும் அறிவிக்கும்.

கார்: ப்ளாட்ஃபார்மிலிருந்து 137 செ.மீ. தொலைவில் நிறுத்தப்பட்டது. நிறுத்தும் கோட்டிற்கு இன்னும் 32 செ.மீ. உள்ளது. நிறுத்தும் குறியில் (stop sign) 47 வினாடிகள் நிறுத்தப்பட்டது.

செ:அய்யோ கொல்றியே. ப்ளாட்ஃபார்ம் பக்கத்துல போயி புள்ளி விவரம் வேற.

கார்: நான்கு வழி நிறுத்தத்தில், (four way stop) சந்திப்பில் எந்த வாகனமும் இல்லாத 15 நொடிகளுக்குப் பிறகு கிளம்பி, திடீரென்று கிழக்கிலிருந்து வந்த வாகனத்தைத் தவிர்க்க, 30 அடி வாகன இடை தூரத்தில் வாகனத்தை நிறுத்தி, குறுக்கே வந்த கார் சென்றதும், 15 நொடிகளில் கடக்கப்பட்டது.

செ: அய்ய, இதுக்கு என் புருசனே மேல். பாதி தூரம் போய் நிறுத்தி, எல்லாரும் ஹாரன் அடிச்சு களேபரம் தான். புள்ளி விவரத்தைக் குப்பையில் போட.

கார்: இடது வரைபாதையில் உள்ள  மணிக்கு 67 கி,மீ. வேகத்தில் பயணிக்கும் நீல வாகனத்தை மணிக்கு 75 கி,மீ. வேகத்தில், 150 மீட்டர் இடைவெளியில், முந்தப்பட்டது.

செ: என்னமோ உலகத்துல யாருமே முந்திகிட்டு போனதே இல்லையாக்கும். பெரிய சாதனை போ

கார்: பள்ளிப் பகுதியாதலால், இன்னும் 1 கி.மீ. 30 கி.மீ. வேகத்தில் பயணிப்போம்

செ: கிழிஞ்சுது போ. நான் போய் சேர்ந்தா மாதிரிதான்

கார்: இதுவரை 12.6 கி.மீ., 23 நிமிடத்தில் பயணித்திருக்கிறீர்கள்

செ: இது ஒண்ணுதான் குறைச்சல். யாருக்கு வேணும் இந்த விவரம். இன்னும் போய்ச் சேர எத்தனை நேரமாகும்?

கார்: எனது கணிப்பில், போக்குரத்து நெரிசலைப் பொறுத்து, இன்னும் 13 முதல் 16 நிமிடத்தில் போய்ச் சேர்ந்து விடலாம்.

வீட்டிற்கு வந்த செல்வியிடம் முரளி, ரோபோ டாக்ஸி அனுபவம் பற்றி கேட்டான்.

“ஒரே புள்ளிவிவர போர். உங்களப் போல ஒழுங்காக எதுவும் செய்யறதில்லை”

வாழ்க ரோபோ டாக்ஸி.

~oOo~

பயணித்தல் பற்றிய நம்முடைய புரிதல், அணுகுமுறை மற்றும் அனுபவம் எல்லாம் ஒருவரிமிருந்து இன்னொருவருக்குப் பெரிதாக மாறுபடும். உதாரணத்திற்கு, மிக அதிக வேகம் என்று ஒருவருக்குத் தோன்றுவது இன்னொருவருக்கு ஆமை வேகமாகத் தோன்றலாம். கார் ஓட்டுதலும் அப்படியே. அத்துடன் கார் ஓட்டுவது என்பது நம்மில் பலருக்கு ஒரு திறனாக ஆரம்பித்து, பழக்கமாக மாறும் பொழுதுதான் பிரச்னை. பல நல்ல/கெட்ட வாகன ஓட்டுதல் விஷயங்களை நம்மை அறியாமலே செய்கிறோம். உலகில் எந்த ஒர் அனுபவமுள்ள மனித கார் ஓட்டுனருக்கும் தன்னுடைய பழக்கத்தை முழுவது விவரிப்பது என்பது இயலாத காரியம். இந்த லட்சணத்தில், நாம் எந்திரங்களுக்கு ஓட்டுதல் பற்றி எப்படிச் சொல்லிக் கொடுப்பது? நல்ல வேளையாக, வளரும் தொழில்நுட்பம், மற்றும் வாகன ஓட்டுதல் பற்றிய தெளிவான செய்முறை விளக்கங்கள் யாவும் இருப்பதால், பொறியாளர்கள் இந்த முயற்சியில் பெரும் வெற்றிகளைப் பார்த்து வருகிறார்கள். எல்லாம் உடனே ரெடி என்ற அர்த்தமில்லை. இத்துறை வேகமாக முன்னேறி வருகிறது.

பல பில்லியன் டாலர்கள் இந்தத் துறையில் இன்று முதலீடு செய்யப்படுகிறது. ’கருவிகளின் இணையம்’ என்ற தொடரில் சொல்லியிருந்த முதலீட்டை விட பன் மடங்கு பெரிது இந்த முதலீடு. கார் தயாரிப்பு, கார் உதிரி பாக, தொழில்நுட்ப, இணைய வாடகைக் கார், பெரிய வாகனத் தொகுதி நிறுவனங்கள் என்று பல தரத்தினரும் இந்தத் துறையில், பெரிய புரட்சியில் லாபம் பார்க்க பெரிய முதலீடுகள் மற்றும் சின்ன பிரத்யேக தொழில்நுட்ப நிறுவனங்களை வாங்குவது என்று ஒரு முதலீட்டுத் திருவிழாவே நடந்து வருகிறது.

 

  1. கூகிள் நிறுவனம், தன்னுடைய தானோட்டிக் கார்கள் இதுவரை 1 மில்லியன் மைல்கள் பொதுச் சாலைகளில் பயணம் செய்துள்ளதாக அறிவித்துள்ளது. இந்தக் கார்கள், இதுவரை 17 சின்ன விபத்துக்களில் கடந்த 7 ஆண்டுகளில் சிக்கியுள்ளன. பெரும்பாலும் இவற்றுடன் இந்த விபத்தில் தவறுகள் மனிதர்கள் ஓட்டும் மற்ற கார்களால்தான் என்பது முக்கியமான விஷயம்
  2. 2015 –ல், ஊபர் (Uber) கம்பெனி, பிட்ஸ்பர்க்கில் உள்ள, கார்னகி மெல்லன் பல்கலைக் கழகத்தில் ஆராய்ச்சி செய்து வரும் உலகப் புகழ் பெற்ற ரோபாடிக்ஸ் விஞ்ஞானிகளைத் தன்னுடைய நிறுவனத்தில் வேலை செய்ய மிக அதிகச் சம்பளத்திற்கு அமர்த்தியது
  3. ஊபரின் போட்டி நிறுவனமான லிஃப்ட் (Lyft) என்ற நிறுவனத்தை 500 மில்லியன் டாலருக்கு ஜி.எம். வாங்கியது
  4. தானோட்டிக் கார்களின் தொழில்நுட்பத் துறையில் சிறந்து விளங்கும் Cruise Automation  என்ற நிறுவனத்தை, ஜி.எம். 1 பில்லியன் டாலர்களை செலவழித்து வாங்கியது
  5. ஃபோர்டு நிறுவனம் கூகிளுடன் கைகோர்த்து தன்னுடைய தானோட்டிக் கார்கள் வெளிவரும் என்று அறிவித்தது
  6. கூகிளின் ஆண்ட்ராய்டு திறன்பேசிகளைத் தயாரிக்கும் சாம்சங்கைப் போல, மூன்றாவது பெரிய அமெரிக்க கார் நிறுவனமான க்ரைஸ்லரும் கூகிளின் கார்களைத் தயாரிக்கும் என்று நம்பப்படுகிறது
  7. தனித்து இயங்கும் அமெரிக்க மின்கார் நிறுவனமான டெஸ்லா, மற்ற கார் நிறுவனங்கள் போல் அல்லாமல், தானே கார் தயாரிப்பு, கணினி மென்பொருள், மற்றும் தானோட்டி காருக்கான உணர்விகள் ஒருங்கிணைத்தல் எல்லாவற்றையும் மின் காரில் செய்து பெட்ரோல் கார் நிறுவனங்களுக்கு முன் வெளியிடும் என்று சொல்லி வருகிறது
  8. யூரோப்பில், குறிப்பாக ஜெர்மெனியில், ஃபோக்ஸ்வாகன் (VW), பென்ஸ், பி.எம்.டபிள்யு. நிறுவனங்கள் கோதாவில் இறங்கியுள்ளன
  9. ஜப்பானின் நிஸ்ஸான், டொயோடா மற்றும் ஹோண்டா நிறுவனங்கள் சற்று மதில் மேல் பூனை போலப் பார்த்துக் கொண்டிருக்கின்றன
  10. இஸ்ரேலைச் சேர்ந்த Mobileye மற்றும் Autotalks போன்ற நிறுவனங்கள் பல தானோட்டி கார் நிறுவனங்களுக்குத்  தொழில்நுட்பம் வழங்கி வருகின்றன
  11. கார் தயாரிப்பாளர்களுக்கு உதிரி பாகங்கள் செய்யும் நிறுவனங்களான Delphi மற்றும் Continental  போன்ற நிறுவனங்கள், எப்படி உணர்விகளைக் கார்களுக்கான கரடு முரடுப் பயன்பாட்டிற்காகத் தயாரிப்பது என்பதில் பல மில்லியன் டாலர்களை செலவு செய்கின்றன
  12. இறுதியாக, கணினி தொழிலில் பிரபலமான Cisco (இணைய ரெளடர்கள் மற்றும் வலையமைப்பு வன்பொருள்) மற்றும் NVidia (கணினி விளையாட்டுச் செயலிகள்) தானோட்டிக் கார்களுக்கான மைய செயலிகளை தயாரிப்பதற்காக பல மில்லியன் டாலர்களை முதலீடு செய்துள்ளார்கள்

காப்பீடு நிறுவனங்கள், தானோட்டிக் கார் வந்தால் தங்களுடைய தொழில் என்னவாகும் என்று கவலையில், பல புதிய அணுகுமுறைகளையும் முன் வைத்து வருகிறார்கள்.

அரசாங்கங்கள் பொதுவாக, வரும்போது பார்த்துக் கொள்ளலாம் என்று செயல்படும் அமைப்புகள். ஆனால், பல அமெரிக்க மாநிலங்கள், இவ்வகைக் கார் தயாரிப்பு தன்னுடைய மாநிலத்தில் நிகழ வேண்டும் என்பதால், அவசரமாக, தானோட்டிக் கார்களைப் பொது சாலைகளில் சோதிக்க முந்துகின்றன.

இந்தப் புரட்சியில் பெரும் தாக்கத்தைச் சந்திக்கப் போகும் மூன்று வகை அரசாங்க அமைப்புகள் 2016 –ல் வெறும் பேச்சளவில் மட்டுமே ஈடுபட்டுள்ளனர். இவர்களைக் குறை சொல்லிப் பயனில்லை. ஏனென்னில், இன்று இவ்வகைக் கார்கள் சாலையில் இல்லை – வெறும் சோதனையுடன் சரி.

  1. உள்ளூர் கார்பரேஷன் மற்றும் நகர அரசாங்கங்கள் – தானோட்டிக் கார்கள் பெருகினால், இந்த அரசாங்கங்களின் பெரும் வருமானமான நிறுத்துமிட வாடகை அடிபடும்
  2. வாகன உரிம அமைப்புகள் – தனியார் வாகனங்களைத் துறந்து ரோபோ டாக்ஸிக்கு மாறினால், உரிம வருமானம் அரசாங்கங்களுக்கு அடிபடும். வருடா வருடம், உரிமத் தட்டிற்கு (license plate) தனியார் தரும் வாடகைப் பணம் குறையத் தொடங்கும்
  3. போக்குவரத்து நெரிசலை சமாளிக்க சில வரைசாலைகளை கட்டணத்திற்கு விடும் அரசாங்க அமைப்புகள் வருமானம் இழக்கும், அல்லது குறையும். தானோட்டிக் கார்கள், போக்குவரத்து நெரிசலை வெகுவாகக் குறைக்கும் திறன் கொண்டவை
  4. நகர மையத்தில், தவறாக நிறுத்தி வைக்கப்பட்டுள்ள வாகனங்களுக்கு அபராதம் என்பது உள்ளூர் அரசாங்கங்களுக்கு லட்டு மாதிரி வருமானம் தரும் விஷயம். நகர மையத்தில் தானோட்டிக் கார்களே நிறுத்தாத பட்சத்தில், இந்த வருமானம் அடிபடும்

அரசாங்கங்கள் போல அதிகம் இதைப் பற்றி கவலைப்படாத இன்னும் சில அமைப்புகள் இருக்கத்தான் செய்கின்றன.

  1. வட அமெரிக்காவில், லட்சக்கணக்கான ராட்சச லாரிகள், சரக்குகளை பல்லாயிரம் கி.மீ. கடந்து, கப்பலிலிருந்து சூப்பர் மார்கெட் வரை கொண்டு சேர்க்கின்றன. கலிஃபோர்னியாவில் விளையும் காய்கள், பழங்கள், அமெரிக்கா, கனடா முழுவதும் இவ்வகை லாரிகள் பல நகரங்களுக்கு எடுத்துச் செல்கின்றன. இதனால், பல லட்சம் ஓட்டுனர்கள் வேலையில் இருக்கிறார்கள். ரோபோ லாரிகள் முழுவதும் வந்தால், இந்த வேலை வாய்ப்பு குறையும் அல்லது மறையும்
  2. வட அமெரிக்காவில் 1 மணி நேரம் முதல் 2 மணி நேரம் வரை விமானப் பயணம் என்பது சர்வ சாதாரணம். சில உதாரணங்கள்;
    • நியூயார்க் – வாஷிங்டன்
    • நியூயார்க் – பாஸ்டன்
    • நியூயார்க் – டொரோண்டோ
    • டொரோண்டோ – மாண்ட்ரீயல்
    • லாஸ் ஏஞ்சலஸ் – சான் ஃப்ரான்ஸிஸ்கோ
    • டல்லஸ் – ஹூஸ்டன்

இது ஒரு சின்ன சாம்பிள். பல நூறு இவ்வகை அடர்த்தியான விமான வழிகள் உள்ளன. இவை இல்லையேல், இன்று, பல விமான நிறுவனங்கள் படுத்திருக்கும். ரோபோ டாக்ஸி வந்தால், 1.5 மணி நேர விமானப் பயணத்திற்கு பதில், 6 மணி நேர ரோபோ டாக்ஸி எவ்வளவோ மேல். விமானப் பாதுகாப்புத் தொந்திரவுகள், விமான நிலயத்தில் நேர விரயம் எல்லாவற்றையும் பார்த்தால், 2 மணிக்கு குறைவான விமானப் பயணங்கள் பெரிதாக அடிபடும்.

ஒரு சந்தேகம் இக்கட்டுரையைப் படிப்போருக்கு எழலாம் – அட, இந்தத் தொழில்நுட்பம் இதோ இருக்கிறது, யாரும் அதிகம் கவலைப் படாதது போல இருக்கிறதே. வழக்கம் போலப் புதிய தொழில்நுட்பமாகிய தானோட்டிக் கார்களிலும் சிக்கல்கள் இருக்கத்தான் செய்கின்றன.

  1. கூகிள் 1 மில்லியன் கி.மீ. தானோட்டிக் கார்களைச் சோத்தித்தாலும், இன்னும் பல சிக்கல்கள் எஞ்சியுள்ளன. இதைப் பற்றி தொழில்நுட்பத்தை விரிவாக அலசும் பொழுது அலசுவோம். பயங்கர மழை மற்றும் அடர்த்தியான பனிப் பொழிவு வந்தால், தானோட்டிக் கார்கள் தடுமாறுகின்றன (மனிதர்கள் மட்டும் என்ன தடுமாறாமலா இருக்கிறார்கள்?)
  2. கணினியால் கட்டுப்படுத்தபடும் எந்திரம் என்றவுடன் பாதுகாப்புச் சிக்கல்கள் உடனே பூதாகாரமாகி விடுகின்றன. இணைய விஷமிகள் ஓடும் கார்களை (கருவிகளின் இணையம் தொடரில் க்ரைஸ்லர் ஜீப்பை எப்படி இணையம் மூலம் கடத்துகிறார்கள் என்று பார்த்தோம்). இந்த மிகப் பெரிய சவாலை தானோட்டிக் கார்கள் கடந்தால்தான் இவற்றிற்கு ஆதரவு கிடைக்கும்
  3. இன்னொரு மனிதர் காரோட்டுகிறார் என்பது ஒரு விஷயம். கண்ணுக்குத் தெரியாத கணினி ஒன்று காரோட்டுகிறது என்பது இன்னொரு விஷயம். இது அவ்வளவு எளிதாக நம்மால் ஏற்றுக் கொள்ள முடியுமா என்பது ஒரு கேள்விக்குறி
  4. நம்மில் பலருக்குக் காரோட்டம் பிடிக்கும். வட அமெரிக்காவில் பரந்த சாலைகளில் காரோட்டுவது ஓர் அருமையான அனுபவம். என்னதான் காப்பீடு, விபத்து அபாயம், கார் சார்ந்த செலவுகள் இருந்தாலும், கடந்த 100 ஆண்டுகளாக கார் மோகம் நம்மை விட்டு சற்றும் நீங்கவில்லை
  5. சமூகத்தில் கார் ஓர் அந்தஸ்தைக் குறிக்கிறது. ஒரு பென்ஸ், லெக்ஸஸ், ரோல்ஸ் அல்லது டெஸ்லா என்றவுடன் ஒருவருடைய அந்தஸ்தைக் காட்டுகிறது. கணினி செலுத்தும் காரில் அந்த அந்தஸ்து கிடைக்குமா என்பது ஒரு கேள்விக்குறி
  6. வட அமெரிக்கப் புறநகர் பகுதிகளில் உள்ள பெரும்பாலான வீடுகள் இரு/மூன்று கார்களை நிறுத்தும் கராஜுடன் கட்டப்படுபவை. தானோட்டிக் கார்கள் முழுவதும் வந்துவிட்டால், கராஜ்களை என்ன செய்வது?

அடுத்த பகுதியில், கார்களில் தானியக்கம் என்பது எவ்வாறு தோன்றி வளர்ந்து வந்துள்ளது என்று விரிவாகப் பார்க்கலாம்.

டெஸ்லாவின் தானோட்டி கார் செயல்முறை விளக்கம் – காரை வீட்டிலிருந்து எடுத்து அலுவலகத்தில் பயணியை இறக்கி விட்டு, நிறுத்துமிடம் தேடி தானே நிறுத்திக் கொள்கிறது;

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
Stop sign நிறுத்தும் குறி
Four way stop நான்கு வழி நிறுத்தம்

சொல்வனம் – ஜனவரி 2017

தகவல் விஞ்ஞானம் – கற்றுக் கொள்ள மற்றும் பயிற்சி வாய்ப்புகள் : பகுதி 3

கல்லூரியில் படித்து முடித்தவுடன் டேடா விஞ்ஞானி என்பது நடக்காத விஷயம் என்பது முதல் இரண்டு கட்டுரைகளில் புரிந்திருக்கும். சரி, எப்படி டேடா விஞ்ஞானியாவது? இத்துறை இன்னும் சில ஆண்டுகளில் வசீகரம் இழந்து விடுமா? கணினிகளின் முன்னேற்றம், இந்தத் துறையை தேவையற்ற ஒன்றாக்கி விடுமா? இது போன்ற கேள்விகளுக்கு இந்தப் பகுதியில் பதில் தர முயல்கிறேன்.

முதலாவது, என்.ஐ.ஐ.டி., ஆப்டெக் போன்ற நிரலர்களை உருவாக்கும் அமைப்புகளிலிருந்து தரவு விஞ்ஞானம் கற்க சாத்தியமில்லை. இதற்கென்று சில பிரத்தியேகக் கல்வி அமைப்புகள் இந்தியாவில் உள்ளன: http://analyticsindiamag.com/top-analytics-training-institutes-india-ranking-2014/

என்னுடைய பார்வையில், அடிப்படையில் தரவு விஞ்ஞானம் பயில விழைபவர்கள் சில முக்கியமான விஷயங்களை தங்களுடைய இளங்கலை மற்றும் முதுகலைப் பயிற்சியில் அவசியம் படிக்க வேண்டும்;

1. கணினி விஞ்ஞானம் மற்றும் மென்பொருள் பொறியியல்

2. புள்ளியியல்

3. தரவுதளங்கள் மற்றும் சீக்வல் (SQL) அல்லது தரவு மேலாண்மை

4. முடிந்தால், ஹதூப், மேகக் கணிமை, பற்றிய புரிதல்

5. முக்கியமாக, வியாபார ஆய்வுப் பயிற்சி

இரண்டாவது, மேலே சொன்ன அனைத்தையும் கரைத்துக் குடித்தாலும் உடனே டேடா விஞ்ஞானியாகி விட முடியாது. இது ஒரு கடுமையான பயணம் – முதலில் பிற விஞ்ஞானிகளின் கீழ் வேலை செய்து, பல ஆண்டுகள் இந்தத் துறையைப் புரிந்து கொள்ளுதல் அவசியம்.

மூன்றாவதாக, மாறிக் கொண்டே வரும் இத்துறையில் தன்னை புதுப்பிக்கும் திறன் படைத்தவர்களே வெற்றி பெறுவார்கள். ஏராளமாகப் படித்து முனைவர் பட்டம் பெற்று விட்டேன் என்ற கதை அதிக நாட்களுக்கு உதவாது. நேற்று பல்கலைக்கழகத்தில் படித்தவர்கள், உங்களை விட அதிகம் தெரிந்திருக்கும் வாய்ப்பு இந்தத் துறையில் என்றும் உள்ள அபாயம்.

 

data-sciences-3-pic-1

இந்தத் துறையில் ஆரம்பிப்பவர்களுக்கு இரண்டு வகை சவால்கள் இருக்கும். இதில் முதல் வகை, புள்ளியியல் துறையில் முனைவர் பட்டம் பெற்று இத்துறையைத் தேர்ந்தெடுப்பவர்கள். இவர்கள், ஆரம்ப கட்டங்களில், ஒரு டேடா விஞ்ஞானியின் கீழ் வேலை செய்யும் பொழுது இவர்களுக்கு நேரும் நெருக்கடிகள் சில:

* ஏராளமாகப் புள்ளியியல் படித்துவிட்டு, வியாபாரங்களில், அடிப்படை தரவுப் போராட்டங்கள் எளிதில் போரடிக்கத் தொடங்கிவிடும்

* கணினி மென்பொருள் துறைக்கே உரியப் பல குழப்பமான சொற்றொடர்கள் இவர்களுடைய தன்னம்பிக்கையையே உலுக்கும் தன்மை படைத்தவை

* பெரும்பாலும் புள்ளியியலில் முனைவர் பட்டம் பெற்றவர்கள் அதிகம் வியாபாரம் பற்றிய புரிதல் இன்றி தானுண்டு, தன் தரவு உண்டு என்றிருப்பார்கள். இவர்கள் வியாபாரச் செயல் முறைகள், வழக்கங்கள், மற்றும் நிதி பற்றிய புரிதலுக்குத் தடுமாறுவது இயற்கையான ஒன்று. ஆனால், தரவில் வீரச் செயல்கள் ஓரளவிற்கு மேல் பயன்பட வேண்டுமானால், வியாபாரம் பற்றிய புரிதல் அவசியம்

இரண்டாம் வகை, முதுகலையில் கணினி விஞ்ஞானம் மற்றும் வியாபார ஆய்வு படித்தவர்களின் ஆரம்ப நெருக்கடிகள்:

* வியாபார ஆய்வு மற்றும் கணினி விஞ்ஞானம் கற்கையில், தரவு என்பது பற்றிய மேலோட்டமான புரிதல் மட்டுமே இருக்கும். அதன் முக்கியத்துவம் ஒரு தரவை தேக்கும் அமைப்பில் சேர்ந்த பிறகே

புரியும். இந்தப் புதுப் புரிதல், சில மாதங்களில் அலுப்பு தட்டும் வாய்ப்பு, நிறைய உள்ளது. முதல் வகையினரைப் போல தரவுப் போராட்டங்கள் அலுக்கத் தொடங்கி விடும்

* ஆரம்ப நாட்களில், பல நுகர்வோருடன் சேர்ந்து ஒரு புதிய ஸிஸ்டமை உருவாக்கத் துடிக்கும் இவர்களுக்கு ஏமாற்றமே மிஞ்சும். ஏனென்றால், படிப்பிருந்தாலும், பல வருட வியாபார அனுபவம் இல்லாததால், மற்ற வியாபார ஆய்வாளர்கள் கீழே பணி புரிந்து, சில சமயம் ஒரு குமாஸ்தா போல வேலை செய்யவும் தேவைப்படும். அட, என்றைக்கு ஒரு முழு ஸிஸ்டமிற்கு நாம் பொறுப்பேற்பது என்ற ஆதங்கம் இவ்வகையினருக்கு ஆரம்பத்தில், ஒரு ஐந்து ஆண்டுகள் இருப்பது மறுக்க முடியாத உண்மை

* இவ்வகையினரின் ஆரம்ப பத்தாண்டுகளில், தனக்கு அதிகம் புள்ளியியல் தெரியாததும், ஒரு குறையாகப் படலாம்.

 

data-sciences-3-pic-2இரண்டு சாராரும் வித்தியாசமின்றித் தவிப்பது, ஆய்வின் முடிவுகளைத் தெளிவாக மேலாண்மைக்கு அழகாகப் புரியும்படி விளக்கும் பணி. எல்லா பின்னணி விஷயங்களும் எளிதில் படித்து அல்லது பயிற்சியில் பெற்று விடலாம். ஆனால், காட்சியளிப்புத் திறன் என்பது சிலருக்கு எளிதில் அமையும். மற்றவர்களுக்குக் கடைசி வரை போராட்டம்தான்.

இவ்விரண்டு சாராரும் செய்யும் சில ஆரம்ப அசட்டுத்தனங்கள் என் பார்வையில் இவை;

* தரவு சொல்லும் கதையை சரியாக முழுவதும் புரிந்து கொள்ளாமல் மிகவும் டெக்னிகலாக விளக்கத் தொடங்கினால், அனுபவமின்மையை வெளிச்சம் போட்டுக் காட்டிவிடும்

* சிலர் தரவுடன் மிகவும் தன்னை ஒருங்கிணைத்துக் கொண்டு, வியாபாரம் என்னவோ தானே தொடங்கியது போல, தீர்வுகளை முன் வைக்கத் தொடங்கி விடுவார்கள். புத்திசாலி சினிமா டைரக்டர் எப்படி சில கதைப் பகுதிகளை இளையராஜாவின் பின்னணி இசைக்கு விட்டு வைப்பாரோ, அதே போல, டேடா விஞ்ஞானிகளும் தீர்வுகளை மேல்மட்ட மேலாண்மையினரிடம் விட்டு விட வேண்டும்

* தரவு சொல்லும் கதையை மேலாண்மையினருக்கு விளக்குவது ஒரு தனிக்கலை. தரவின் கதைக்கும் டேடா விஞ்ஞானியின் கதைக்கும் மிகப் பெரிய வித்தியாசம் உள்ளது. உதாரணத்திற்கு, தரவின் கதைப்படி, ஒரு 200 கோடி ரூபாய் முதலீடு செய்து சில வியாபார மாற்றங்கள் நிகழ்த்த வேண்டும் என்று வைத்துக் கொள்வோம். இந்த 200 கோடி முதலீடு பயனளிக்குமா என்று நிச்சயம் சொல்ல முடியாது; அப்படியே பயனளித்தாலும், எதிர்பார்த்த லாபத்தையோ, செயல்திறனையோ அளிக்கும் என்பதும் சொல்வதற்கில்லை. டேடா விஞ்ஞானியின் கதையாக இருந்தால், அது, அவரது தோல்வியாக பாவிக்கப்படும். சரியான முறையில் தரவின் கதையை சரியாகச் சொன்னால், மேலாண்மை, இம்முயற்சியில் லாபம் வரும் பொறுப்பை தானே ஏற்றுக் கொள்ளும்.

 

data-sciences-3-pic-3ஆக, நாம் முக்கியமாக இத்துறையைப் பற்றித் தெரிந்து கொள்ள வேண்டிய விஷயங்கள்:

* தரவைப் பற்றிய முழுப் புரிதலுடன் யாரும் பல்கலைக்கழகங்களிலிருந்து வருவதில்லை

* தரவுடன் தரப் போராட்டம் என்பது இந்தத் துறையில் ஒரு அம்சம் – அவ்வளவுதான். அதில் விடாமல் போராடி வெற்று பெறுபவர்களே இத்துறையில் வெற்றி பெற முடியும்

* டேடா விஞ்ஞானியின் வசீகர வாழ்க்கை வெறும் 5% தான். மற்ற 95% தரவு ஆய்வு சார்ந்த வசீகரமற்ற ஒன்று

* தரவு விஞ்ஞானம் பற்றிய பல பயிற்சி அமைப்புகள் இருந்தாலும், உங்களுடைய நிறுவனத்திற்குத் தேவையான பயிற்சியை எந்த ஒரு அமைப்பும் வழங்கப் போவதில்லை

* மாறிக் கொண்டே வரும் மென்பொருள் கருவிகளை, எந்தப் பின்னணியிலிருந்து நீங்கள் வந்தாலும், அறிந்து கொண்டு, உங்களைப் புதுப்பித்துக் கொண்டே இருப்பது அவசியம்

* கடைசியாக, இது ஒரு பல துறைகளின் சங்கமத் துறை. இதனால், இளங்கலை தரவு விஞ்ஞானப் பட்டப் படிப்பு என்றால் ஓட்டம் பிடியுங்கள்

அடுத்து, இத்துறையின் வசீகரம் எதிர்காலத்தில் குறைந்து விடுமா என்ற கேள்விக்கு வருவோம். முதலில், கடந்த இரண்டு ஆண்டு காலமாக அதிகம் ஊதி வாசிக்கப்பட்ட விஷயம் டேடா விஞ்ஞானி என்ற ஒரு பதவி. இந்தப் பதவி, ஒவ்வொரு பெரிய நிறுவனத்திலும், எனக்குத் தெரிந்தவரை 25 ஆண்டுகளாக இருக்கும் ஒரு பதவி – வித்தியாசம் என்னவென்றால், இவர்களை டேடா விஞ்ஞானிகள் என்று முன்பு அழைக்கவில்லை. தரவு ஆய்வாளர் என்று வங்கிகள், அரசாங்கங்கள், காப்பீடு, தொலைத் தொடர்பு நிறுவனங்கள் அழைத்து வந்தன. கடந்த 20 ஆண்டுகளாக, ஏராளமான தரவை நிறுவனங்கள் தேக்கும் வசதி வந்ததால், தரவு ஆய்வாளர்களின் தேவை அதிகரித்து விட்டது. எந்திரக் கற்றலியல் வளர்ந்து வருகையில், டேடா விஞ்ஞானிகள் மிகவும் அவசியமாகி விட்டனர்.

குப்பையில் வைரமும் இருக்கிறது என்பதை, பல நிறுவனங்கள் உணரத் தொடங்கிவிட்டன. உதாரணத்திற்கு, புதிய ஒரு வாடிக்கையாளரை உருவாக்குவது ஒரு நிறுவனத்திற்கு, ஒரு பெரிய செலவு. வியாபாரம் என்றிருந்தால், விற்பனை செலவு என்பது இருக்கத்தானே செய்யும் என்று வாதம் செய்த காலம் மலையேறிவிட்டது. இன்று,, புதிய வாடிக்கையாளர்களைத் தேடிப் பிடிப்பதோடு, மிக முக்கியமான விஷயம், இருக்கும் வாடிக்கையாளரைத் தக்க வைத்துக் கொள்வது. எந்த வாடிக்கையாளர், இதோ, இன்னும் 6 மாதங்களில் வெளியேற இருக்கிறார் என்பது மிக முக்கிய விஷயம். இவர்களைத் தக்க வைத்துக் கொள்ள ஆகும் செலவு, புதிய வாடிக்கையாளரைப் பிடிக்கும் செலவை விடக் குறைவு. எப்படி 6 மாதங்களில் விலகப் போகும் வாடிக்கையாளரைக் கண்டு பிடிப்பது? இங்குதான் டேடா விஞ்ஞானிகள், இருக்கும் தரவைக் கொண்டு, உதவ முடியும்.

கணினி கற்றலியல் வளர்ந்து இன்னும் சில ஆண்டுகளில், டேடா விஞ்ஞானியே தேவையில்லை என்றாகி விடுமா? இரண்டாம் பகுதியில் சொன்னது போல, ஆரம்ப கட்ட தரவுப் போராட்டங்களுக்கே இவ்வகை எந்திரக் கற்றலியல் பயன் தருகிறது. மற்றபடி, ஏராளமான தரவிலிருந்து பயனுள்ள விஷயங்களை வெளிக் கொண்டு வருவது இன்னும் மனிதத் திறமை சார்ந்த விஷயமாகவே உள்ளது. எதிர்காலத்தில், எந்திரக் கற்றலியலின் பங்கு அதிகரித்தாலும், நமது தரவு ஆய்வுத் தேவைகளும் அதிகரித்துக் கொண்டே இருக்கும். ஓரளவிற்கு மனிதர்களால் உருவாக்கப்படாத தரவை ஆய்வு செய்வது எந்திரங்களுக்கு எளிது. எதிர்காலத்தில், நமது தரவின் கணிசமான பகுதி உணர்விகளால் உருவாகும் வாய்ப்பு உள்ளது. உணர்விகள், சரியாக வடிவமைக்கப்பட்டால், தவறின்றி, சீராக தரவை உருவாக்கும் – மனிதர்களைப் போல அவ்வப்பொழுது தவறுகள் செய்யாது. ஆனாலும், மனிதர்கள், இந்த உணர்விகளால் உருவாக்கப்படும் தரவை விதவிதமாக ஆய்வு செய்து முடிவெடுக்க மனிதர்களையே நாடுவார்கள்.

இதனால், இத்துறைக்குப் பல்லாண்டுகள் எதிர்காலம் இருப்பது உண்மை. ஆரம்ப கட்டத்தில் இருக்கும் இத்துறையில் சாதிக்க பல வாய்ப்புகள் இன்றைய இளைஞர்களுக்கு இந்தத் துறை வழங்கும் என்பதில் சந்தேகமில்லை.

சொல்வனம் – அக்டோபர் 2016

தகவல் விஞ்ஞானம் – ஒரு அறிமுகம்

டேடா விஞ்ஞானிகள் இல்லையேல் மனித முன்னேற்றமே நின்றுவிடும்!”

“எங்கு தேடினாலும், எத்தனைச் சம்பளம் கொடுத்தாலும் கிடைக்காத டேடா விஞ்ஞானிகள்”

  • இப்படி, இரண்டு ஆண்டுகளுக்கு முன்பு, ஏகத்துக்கு ஊதி வாசிக்கப்பட்ட டேடா விஞ்ஞானிகள் எங்கே?
  • இன்று, இந்தத் தேவை என்னவாயிற்று?
  • டேடா விஞ்ஞானம் என்றால் என்ன?
  • கணினி விஞ்ஞானம் படிப்போர் இத்துறையில் இறங்கலாமா?
  • அப்படி இறங்க முடிவு செய்தால், எப்படித் தேறுவது?

ஊதி வாசிப்புத் தொழில்நுட்பங்கள்

 

data_science_1முதலிலேயே சொல்லி விடுகிறேன். ஊதி வாசிப்பு எதுவும் இக்கட்டுரைகளில் இடம் பெறாது.  இதுபோன்ற கேள்விகளுக்கு பதில் சொல்வதற்கு முன், தரவு விஞ்ஞானத்தின் பின்னணியைச் சற்று சுருக்கமாகப் பார்ப்போம்.

கடந்த ஐந்து ஆண்டுகளாக, கணினி மென்பொருள் துறையில், பயங்கர பில்டப் கொடுக்கப்பட்ட ஒரு விஷயம், ஏராளமான தரவை (தரவுகள்) கையாளும் முறைகள். திடீரென்று தரவுகள்/தகவல்கள் எப்படி ஏராளமானது? மனித நடவடிக்கைகள் தொடங்கிய நாள் முதல் தரவு, மற்றும் அதைக் கையாளும் முறைகள் இருந்து வந்துள்ளது.  ஒரு கல்யாணத்தில் ஒரு நோட்டுப் புத்தகத்தில் மொய்ப் பணக் கணக்கு எழுதும் பொழுது தரவுவைப் பதிவு செய்கிறோம்.

  • மொய் எழுதியவரின் பெயர்
  • மொய்ப் பணம் எத்தனை
  • சில சமயங்களில் மொய்ப் பணத்தில் வகைப்பாடு (denomination) – அதாவது, ஐநூறு, நூறு, ஐம்பது, பத்து ரூபாய் நோட்டுக்கள் எத்தனை
  • அன்பளிப்பு அட்டைகள் – இவற்றை நாம் பணத்தோடு கலக்காமல், தனியாக எழுதி விடுவோம்

இவை எல்லாம் தரவுகள். மொய் தேதியை மாறினால் மட்டுமே எழுதுவோம். கல்யாண வீட்டில் தெரிய வேண்டிய தகவல், இன்ன நாளில் இத்தனை பணமும், இத்தனை பணத்திற்கு அன்பளிப்பு அட்டைகளும் மணமக்களுக்கு வந்தன என்ற இறுதிக் கணக்கு.

அதே கல்யாண வீட்டில், அன்பளிப்புப் பொருட்களின் கணக்கு சற்று மாறுபடும்.

  • அன்பளிப்பு கொடுத்தவரின் பெயர்
  • பொருளின் பெயர்

இந்தத் தரவிலிருந்து தெரிய வேண்டிய முக்கிய தகவல், பொருள் வாரியாக எத்தனை மணமக்களுக்கு அன்பளிப்பாக வந்து சேர்ந்தது என்பது. உதாரணத்திற்கு, 7 குக்கர், 17 தட்டுக்கள் போன்ற விவரங்கள்.

வீட்டிற்கு மளிகைப் பொருட்களின் பட்டியலும் தரவைக் கொண்டே உருவாகிறது.  மளிகைப் பொருட்களின் பட்டியல் ஒரு வினோதமான பட்டியல் – இதில் மனிதர்களுக்கே உரிய, பல உள்ளர்த்தங்கள் உண்டு.

  • கத்திரிக்காய் ¾
  • தீக்குச்சி 3
  • நல்லெண்ணை 250
  • அரிசி 10

இது தரவு என்றாலும், துல்லியமற்ற தரவு. வாராவாரம் மளிகை வாங்கி வரும் கணவருக்கு இந்தப் பட்டியல் போதும் – ஆனால் ஒரு எந்திரத்திற்குப் போதாது. கத்திரிக்காய் மற்றும் அரிசி கிலோ கணக்கு (இந்தியாவில்), தீக்குச்சி பெட்டிக் கணக்கில், நல்லெண்ணை மில்லி கணக்கில். பட்டியல் எழுதுவது அலுப்பான விஷயம். இதனால், பல உள்ளர்த்தங்களோடு சுருக்கி விடுவது மனித இயல்பு. இதை இங்கே சொல்லக் காரணம் உள்ளது. தரவுகளில், எந்திரத் தரம் இல்லாததற்கு, அதன் அலுப்பூட்டும் தன்மையே முக்கிய காரணம். நாம் அலசப் போகும் தரவு விஞ்ஞானத்திம் மிக முக்கிய சவால் இதுவே.

காகிதத்தில் இருந்த தரவு கடந்த 65 ஆண்டுகளாக டிஜிட்டல் உருவத்தில் கணினிகளுக்கு மாறியது. முக்கியமாக, பல நூறு ஆண்டு காகிதப் பழக்கங்களும் அத்துடன் கூடவே வந்தன.

ஆரம்பத்தில் கணினிகளுக்குள் தரவைக் கொண்டு செல்வது ஒரு ஆமை வேக விஷயமாக இருந்தது – பெரும்பாலும் விசைப்பலகை (keyboard) மூலம் தரவு கைப்பட உருவாக்கப்பட்டது. இதனால், காகிதத் தரவை விட அதிகத் தரவு உருவாக்கப்பட்டாலும், கணினிகளால் சமாளிக்கக் கூடிய அளவிலேயே இருந்தது. இன்றைய மடிக்கணினியின் வன்தட்டு (hard disk), 1990 –ல் ஒரு பெரிய நிறுவனத்தின் தரவு அளவிற்கு கையாளும் திறமை படைத்தது என்றால் பாருங்களேன். உதாரணத்திற்கு, ஒரு பெரிய நிறுவனத்தின் தரவு மையத்தில் 1990 –களில் எத்தனைத் தரவுகள் இருக்க முடியும்?

 

தரவு வகை ஒரு பதிவுக்கான தேவை (record size) வருடாந்திரப் பதிவுகள் (#records) வருடாந்திரத் தேவை (storage needs)
விற்பனை (sales) 2,000 பைட்டுகள் 400,000 800 மெகாபைட்டுகள்
வாங்கல் (purchasing) 1,000 பைட்டுகள் 100,000 100 மெகாபைட்டுகள்
தயாரிப்பு (manufacturing) 2,000 பைட்டுகள் 300,000 600 மெகாபைட்டுகள்
மனித வளம் (human resources) 2,000 பைட்டுகள் 25,000 50 மெகாபைட்டுகள்
துணைப் பதிவுகள் (masters, indices) 4,000 பைட்டுகள் 50,000 200 மெகாபைட்டுகள்
மொத்தத் தேவை 1,750 மெகாபைட்டுகள் அல்லது 1.7 கிகாபைட்டுகள்

 

இன்றைய திறன்பேசியில் 2 ஜிபி மெமரி என்பது சர்வ சாதாரணம்.  எப்படி 1990 –களில் ஒரு பெரிய நிறுவனத்தை நடத்தவே 2 ஜிபி –க்குள் முடிந்தது?

  1. முதலில், வியாபாரக் கணினியில், திரவை விசைப்பலகை மூலமாக மட்டுமே உருவாக்கினார்கள்
  2. விசைப்பலகை மூலம் தேவையான தரவை மட்டுமே உருவாக்கினார்கள். இன்றைய வாட்ஸ் ஆப் போல ஒரு செய்தி பல கோடி முறை முன்னனுப்பப்படவில்லை
  3. தொட்டதற்கெல்லாம், வருடல் அல்லது ஸ்கேன் முறைகள் கிடையாது
  4. பட்டைக் குறியீடு (bar codes) முறைகள் 1990 –களில் பிரபலம் அடையவில்லை
  5. பொருட்கள், அவற்றின் குறியீடு மூலம் மட்டுமே அடையாளம் காணப்பட்டன. இன்று, குறியீடு மற்றும் வண்ணப் படங்கள் மூலம் அடையாளம் காட்டுகிறோம்

விசைப்பலகை மூலம் உருவாக்கப்படும் தரவிற்கு ’ஏழைத் தரவு’ ( textual data என்ற ஆங்கிலச் சொற்களுக்கான அடியேனின் தமிழ் முன்வைப்பு! ஏழைத் தரவிற்கு பயனும் அதிகம், தேக்கத் தேவைகளும் (storage requirements) குறைவு) என்றும் மற்ற வகைத் தரவிற்கு ’பணக்காரத் தரவு’ (படங்கள், பாட்டுக்கள், விடியோக்கள், வரைபடங்கள் – இவை பணக்காரத் தரவுகள் – rich data, பயனிருந்தாலும், ஏராளமான தேக்கத் தேவை இவற்றிற்கு உண்டு) என்றும் அழைப்பது கணினித் தொழிலில் வழக்கம் ☺

கணினிகளால் சமாளிக்கப்படும் தரவு, 15 ஆண்டுகளுக்கு முன், ஒரு விஞ்ஞான, அரசாங்க அல்லது வியாபார அமைப்புகளில் பணிபுரிவோர் மட்டுமே உருவாக்கும் விஷயமாக இருந்தது. கடந்த 15 ஆண்டு காலமாக இந்த நிலைமை வெகு வேகமாக மாறத் தொடங்கியது. நுகர்வோர் இணைய வசதிகளால், இருக்கும் தரவைப்  பயன்படுத்துவதோடு, புதிய தரவையும் உருவாக்கத் தொடங்கினார்கள்.

  1. முதலில், Mouse  மூலம், தரவுத் தேர்வுகள், பல வியாரப் பயன்பாடுகளிலும் வரத் தொடங்கியன. ஆரம்பத்தில், தவறான தரவுகளை நுகர்வோர் அபத்தமாகக் கணினிக்கு அனுப்புவதைத் தடுக்கவே இம்முறை அறிமுகப்படுத்தப்பட்டது. உதாரணத்திற்கு, ஊர் என்ற இடத்தில் ‘கூடுவாஞ்சேரி’ என்று சொல்லி, மாநிலம் என்ற இடத்தில் ‘பஞ்சாப்’ என்று கணிக்குள் உள் அனுப்புவது விசைப்பலகையில் எளிது. Mouse மூலம், ‘கூடுவாஞ்சேரி’ என்று சொன்னவுடன், அடுத்த மாநிலம் என்னுமிடத்தில், ‘கூடுவாஞ்சேரி’ என்ற ஊர் பெயருள்ள மாநிலங்கள் மட்டுமே நுகர்வோருக்கு முன் வைக்கப்படும். நாளடைவில், எல்லா படிவங்களிலும் இப்படிப்பட்ட வசதிகள் தேவையாக மாறி, பல புதிய தரவுகள் தேக்கப்பட்டன
  2. விசைப்பலகை மற்றும் Mouse ஐத் தாண்டித், திரைத்தடவல் முறைகள் வந்த பிறகு, இந்தத் தரவுத் தேக்க வேகம் அதிகரிக்கத் தொடங்கியது
  3. வருடிகளின் விலை குறைந்தவுடன், பல வியாபாரங்கள் முக்கிய ஆவணங்களை, தங்களுடைய பதிவுகளுடன் தேக்கத் தொடங்கின. இவற்றின் தேக்கத் தேவை கைப்பட உருவாக்கிய தரவைக் கட்டிலும் பல மடங்கு அதிகம்
  4. மின்னஞ்சல் என்பது ஒரு வியாபார ஆயுதமாக மாறத் தொடங்கியது. பதிவுகள் மின்னஞ்சலுடன் ஒரு சுட்டியாக அனுப்பும் திறன் உருவாக்கப்பட்டது. மின்னஞ்சல் வழங்கிகளின் தேக்கத் தேவைகளும் அதிகரிக்கத் தொடங்கின. இவற்றால் உருவாக்கப்பட்ட தரவுகளும் ஏராளமாயின

சமூக வலையமைப்பு மென்பொருள் தளங்கள் பொதுவாக மிகவும் பிரபலமடைந்ததன் விளைவு, இந்த தரவு அதிகரிப்பு என்பது ஒரு வாதம். சமூக வலையமைப்புத் தளங்களை வியாபாரத்தில் இல்லாதவர்களும் பயன்படுத்துகிறார்கள். இவற்றில், பல கருவிகளிலிருந்து ( கணினி, வில்லைக் கணினி, திறன்பேசிகள், இணையக் கருவிகள்) என்று பல முறைகளிலும், சாதாரண சொற்கள், சத்தங்கள், பாடல்கள், படங்கள், விடியோக்கள் என்று பல பணக்காரத் தரவுகளை மட்டும் உருவாக்குவதில்லை. அவற்றை முன்நோக்கியும் அனுப்புகிறோம்.

பொதுவாக, எல்லாத் துறைகளும் கணினிகளைப் பயன்படுத்தத் தொடங்கிவிட்டதால், இவ்வகைத் தரவு அதிகரிப்பு என்பது இன்னொரு வாதம். உதாரணத்திற்கு, நொடிக்கு 40,000 தேடல் ஆணைகளை இன்று கூகிள் கையாளுகிறது. பொதுமக்கள் அதிகம் கவலைப்படாத விஞ்ஞான ஆராய்ச்சி உலகம், இன்று ஏராளமான தரவுவைக் கையாள்வதை முக்கியமான ஒரு தேவையாக மையப்படுத்தி முன்னேறி வருகிறது. என்றும் இல்லாத அளவிற்கு, திறன்பேசிகள், விஞ்ஞானக் கருவிகள், வருடிகள், வியாபாரங்கள், உடல்நல அமைப்புகள், ஊடகங்கள் என்று பலவகை அருவிகள் தரவைக் குவித்த வண்ணம் உள்ளன. மனித சமூகம் தோன்றியது முதல் 1990 –வரை உருவாக்கிய தரவைக் காட்டிலும், இரு மடங்கு 1990-களில் மட்டுமே மனித நடவடிக்கைகள் உருவாக்கியன. அதாவது பத்தாண்டுகளில், இரு மடங்கான தரவு, இன்று 5 ஆண்டுகளில் இரு மடங்கு என்று மாறி, கூடிய விரைவில் இரண்டு ஆண்டுகளில் இரு மடங்காகும் வாய்ப்புள்ளது.

வழக்கமான, கணினித் துறைப் பாட்டுத்தானே இது, இதிலென்ன புதுசு என்று தோன்றலாம். திடீரென்று உருவாகிய தரவு சுனாமியை எப்படிச் சமாளிப்பது என்பதுதான் கேள்வி. இந்தப் பிரச்னையைக் கையாள்வதில் நிபுணர்கள் ’டேடா விஞ்ஞானிகள்’. உடனே பத்து நாள் தாடியுடன், சோதனைக் குழாயில் நீல நிற திரவத்துடன் இவர்கள் நடமாடுபவர்கள் என்று மட்டும் நினைக்க வேண்டாம். நம்மைப் போல, வழக்கமாக தினமும் சவரம் செய்து கொண்டு, ஜீன்ஸ் அணிந்த ஆசாமிகள் இவர்கள். சுருக்கமாகச் சொல்லப் போனால், இவர்களின் பங்களிப்பு , ’மலையைக் (மலைத்தொடரை என்பதே சரி) கெல்லி எலியைப் பிடிப்பது’. அதாவது, ஏராளமான தரவிலிருந்து, ஒரு வியாபாரத்திற்கோ, அல்லது விஞ்ஞான ஆராய்ச்சிக்கோ பயனுள்ள விஷயத்தைக் கண்டெடுப்பது.

அவ்வளவு எளிதான விஷயமல்ல இது. பல கோடானு கோடி தரவிலிருந்து பயனுள்ள முடிவுகளை எடுக்க உதவுவது ஒரு மாபெரும் முயற்சி. ஓரளவு குறைந்த தரவுடன் பல்லாண்டுகளாக இத்தகைய முயற்சிகளை, கணினி மென்பொருள் பொறியாளர்கள் செய்து வந்திருந்தாலும், மிக அதிகமான தரவு என்றவுடன் பழைய முறைகள் பயனற்றுப் போய் விடுகின்றன. கேட்ட கேள்விக்கு பதில் வருவதற்குள் நமக்கெல்லாம் வயசாகிவிடும்!  அத்துடன், இவ்வகை முயற்சிகள் தனி மனித முயற்சிகள் அல்ல. டேடா விஞ்ஞானிகள் ஒரு மிகப் பெரிய அமைப்பின் ஒரு முக்கிய பங்காளிகள். இவர்கள் பயனுள்ள ஆய்வுகளைச் செய்ய பலருடைய ஒத்துழைப்பு தேவை.

தரவு விஞ்ஞானத் துறை தரவை உணவு போல பார்க்கிறது. உதாரணத்திற்கு, நமக்கு பெரும்பாலும் சூடான உணவே பிடிக்கிறது. சில சமயம் சூடற்ற சாண்ட்விச் நமக்கு ஓகே. அவ்வப்பொழுது ஐஸ்க்ரீம் ஓகே. இன்றைய தரவு உலகம்  இப்படித்தான் தரவு ஆய்வுத் தேவைகளை அணுகுகிறது. உணவு மற்றும் தரவுத் தேவைகளுக்கும் உள்ள வித்தியாசம் என்னவென்றால், சூடான உணவை நாம் அதிகம் நாடுகிறோம். சூடான தரவை தரவு உலகம் இதுவரை ஒதுக்கி வந்துள்ளது!

உருவாகியவுடன் அந்த தரவில் என்ன பயனுள்ளது? அதிலிருந்து ஒரு நிறுவனமோ, ஆராய்ச்சியோ, அரசாங்கமோ என்ன பயன் பெறலாம் என்ற நோக்கத்துடன் செய்யப்படும் தரவு ஆய்விற்கு, சூடான தரவு சயின்ஸ் என்கிறார்கள். தரவு உருவாகி ஒரு வாரத்தில்/மாதத்தில் அந்த தரவுவில் என்ன பயனுள்ளது? அதிலிருந்து ஒரு நிறுவனமோ, ஆராய்ச்சியோ, அரசாங்கமோ என்ன பயன் பெறலாம் என்ற நோக்கத்துடன் செய்யப்படும் தரவு ஆய்விற்கு, இதமான தரவு சயின்ஸ் என்கிறார்கள். உருவாகி ஒரு/பல வருடம் கழித்து அந்த தரவில் என்ன பயனுள்ளது? அதிலிருந்து ஒரு நிறுவனமோ, ஆராய்ச்சியோ, அரசாங்கமோ என்ன பயன் பெறலாம் என்ற நோக்கத்துடன் செய்யப்படும் தரவு ஆய்விற்கு, குளிரான தரவு சயின்ஸ் என்கிறார்கள்.

 

data_science_3சற்று கூர்ந்து கவனித்தால், உலகெங்கும் ஏராளமான தரவு உருவாகினாலும், சூடான தரவு என்பது ஒரு தரவு மூலத்திலிருந்து அளவான தரவாக இருக்கும். ஒரு ரசீது தருவதற்கும், ஆர்டரை பூர்த்தி செய்வதற்கும், ஒரு ஆய்வில் சில நோக்கப்பதிவுடன் இந்த தரவு ஒதுக்கப் படுகிறது. இதில் விதிவிலக்கு, ராட்சச விஞ்ஞான சோதனைகள் – இவ்வகை சோதனைகள் (LHC போன்ற சோதனைகள் நொடிக்கு பல கோடி தரவுகளை உருவாக்குகின்றன), நொடியில் தரவு சுனாமி என்பது சர்வ சாதாரணம்.

சேமிக்கப்பட்ட தரவு வார/மாதம் ஒரு முறை அலசப்படுவது சென்ற 50 ஆண்டுகளாக கணினிகளால் நிகழும் ஒரு விஷயம். சில நிறுவனங்களில், ஒரு மாத தரவு என்பது தலை சுற்றும் அளவிற்கு வளர்ந்து விடுகிறது. பெரும்பாலும், விற்பனை, மனித வளம் போன்ற துறைகளில் இவ்வகை தரவிற்கு மதிப்பு அதிகம். இவ்வகை இதமான தரவுவைக் கொண்டு பல்வேறு இயக்க மேலாண்மை முடிவுகள் மேற்கொள்ளப்- படுகின்றன. இவ்வகைத் தரவு வரவு முன்பைவிட அதிகமாகி விட்டாலும்,இன்றைய கணினிகளால் தாக்கு பிடிக்கும் அளவிலேயே இருக்கின்றது. உதாரணத்திற்கு, எந்த ஊர்களில், எந்தப் பகுதிகளில் சென்ற மாதம் ஒரு வகை டீத்தூள் அதிகமாக அல்லது மோசமாக விற்பனையாகிற்று, போன்ற கேள்விகளுக்கு, இதமான தரவு கொண்டு பதில் சொல்லலாம்.

ஒரு/சில வருடத் தரவில் மிக அதிகமான புரிதல்கள் மறைந்து கிடக்கின்றன என்பது தரவு விஞ்ஞானிகளின் நெடுநாளைய நம்பிக்கை. பெரும்பாலும் நிறுவனங்கள், வருடாந்திர விற்பனை, வரவு செலவை கணக்கிட்ட பிறகு, அந்தத் தரவை அதிகம் திரும்பிப் பார்ப்பதில்லை. அடுத்த வருட, குறிக்கோளை எட்டுவதற்கே நேரம் இருப்பதில்லை. ஆனால், இந்தக் குளிர் தரவிலிருந்து ஒரு நிறுவனம், எப்படிச் செயல்பட்டால், முன்னேறலாம் என்பது பற்றிய முக்கிய படிப்பினைகள் மறைந்து கிடக்கின்றன என்கிறார்கள் தரவு விஞ்ஞானிகள். இன்று நாம், டிவியில் அன்றைய நாளின் அதிக வெப்பம் மற்றும் குளிர்நிலை என்னவென்று பார்க்கிறோம். அத்துடன் சராசரி வெப்பம் என்னவென்றும் பார்க்கிறோம். இந்தச் சராசரி வெப்பம் என்பது ஒரு 50 ஆண்டு காலமாக, அந்த மாதத்தில், அந்த நாளில் எத்தனை வெப்பம்  இருந்தது என்பதே. இந்தச் சராசரி என்பது நமக்கு ஒரு அளவுகோலாக அமைகிறது.  அன்றைய வெப்பம் சராசரி வெப்பத்தை விட அதிகமா அல்லது குறைவா என்பது உண்மையான நிலையை எடுத்துரைக்கிறது. இதுபோலவே, வியாபாரம், அரசாங்கம், புள்ளியியல் போன்ற துறைகளில் இப்படிப்பட்ட பழைய குளிர் தரவு விஞ்ஞானம், பல விஷயங்களை எடுத்துரைப்பதோடு, முக்கியப் பாதையயும் எடுத்துக் காட்ட வல்லது. பல நிறுவனங்கள் மொத்த விற்பனை அளவு சரியில்லை என்று பல பொருட்களை சொற்ப நேரத்தில் துறக்கத் தயங்குவதில்லை. உதாரணத்திற்கு, இவ்வகைக் குளிர் தரவு விஞ்ஞானம், சில அதிகம் விற்காத பொருட்கள், சில ஊர்களில் அதிகமாக சில மாதங்களில் வருடா வருடம் விற்பதை எடுத்துக் காட்டி, அந்த பொருட்களைத் தயாரிப்பதை நிறுத்தாமல், சில மாதங்களில் மட்டுமே தயாரிக்கும் ஒரு உத்தியை இந்த நிறுவனத்திற்கு முன் வைக்கலாம். இது போன்ற பல பருவப் பொருட்கள் தயாரிக்கும் நிறுவனங்கள் காப்பாற்றப்படக் கூட வாய்ப்பு உண்டு என்கிறார்கள் டேடா விஞ்ஞானிகள்.

 

data_science_2ஆனால், குளிர் தரவு விஞ்ஞானத்தில் உள்ள ஒரு பெரிய சவால், பல்லாண்டுகளுக்கான தரவு மலை போல இருப்பதுதான். குவிந்து கிடக்கும் இந்த ’மலைத் தொடர்ச்சியை’, பயனுள்ள ஒரு கருவியாக மாற்றுவது ஒரு விண்வெளி ராக்கெட்டை மேலே வெற்றிகரமாக அனுப்புவதற்குச் சமமானது.   இந்த ’மலைத் தொடர்ச்சி’ சொல் பிரயோகத்திற்கு ஒரு காரணம் உண்டு – சில ஆண்டுகளின் தரவு பெரிய மலை, சில ஆண்டுகளின் தரவு சின்ன மலை, சில ஆண்டுகளின் தரவு மரமற்ற மலை, இன்னும் சில ஆண்டுகளின் தரவு வெறும் பாறையான மலை என்று இருப்பதோடு அல்லாமல், நடுவிலே மலையே இல்லாமல் இருப்பதும் தரவு விஞ்ஞானத்தில் சாதாரணம். பழைய  தரவுவிற்கு இதுவரை அத்தனை மதிப்பும் மரியாதையும் இல்லை.  இந்த மலைத் தொடர்ச்சி சமாச்சாரம், இன்றைய தரவு விஞ்ஞானத்தைப் பற்றிய மிகப் பெரிய ஊதிவாசித்தலுக்கு வழிவகுத்துள்ளது. சற்று விவரமாக, எப்படி இந்த மலைத் தொடர்ச்சியை மனிதர்கள் உருவாக்குகிறார்கள் என்று பார்ப்போம். ஒரு சராசரி சில்லரை வியாபாரச் சங்கிலியை உதாரணமாகக் கொள்வோம்.

நேரம் வியாபார மையம் வியாபாரத் தரவு
2010 மே மாதம் மையம் 8 த.நா. 4:15 தமிழ்நாட்டிற்கு சுருக்கம். மாலை 4:15
2010 மே மாதம் மையம் 15 தநா, 17:30 தமிழ்நாட்டிற்கு சுருக்கம். மாலை 5:30
2011 ஜூன் மையம் 8 TN, 4:15 தமிழ்நாட்டிற்கு ஆங்கிலச் சுருக்கம். மாலை 4:15
2011 ஜூன் மையம் 15 TN, 17:30 தமிழ்நாட்டிற்கு ஆங்கிலச் சுருக்கம். மாலை 5:30,
2013 ஜூன் மையம் 8 TN, 16:15 தமிழ்நாட்டிற்கு ஆங்கிலச் சுருக்கம். மாலை 4:15. 24 மணி நேர அளவீடு
2013 ஜூன் மையம் 15 TN, 17:30 தமிழ்நாட்டிற்கு ஆங்கிலச் சுருக்கம். மாலை 5:30. 24 மணி நேர அளவீடு

 

வெறும் இரண்டு தரவுகளில் இரு மையங்களிலிருந்து 3 வருடங்களில் உள்ள தரவு மாற்றங்களை இந்தப் பட்டியலில் நீங்கள் பார்க்கலாம். இது போல, பல லட்சம் தரவுகளில், மனிதர்கள் உருவாக்கும் தரவுகளை ஒன்றாக சேர்த்துப் பார்த்தால், பெரிய மலையளவோடு இந்த பிரச்னை முடியாது, ஒரு மலைத் தொடர்ச்சிபோலவே  தோற்றமளிக்கும். தரவுகள் பயன்பட வேண்டுமென்றால், தரவில் தரம் இருக்க வேண்டும், அத்துடன் ஒரு நியமத்திற்கு உட்பட்டும் இருக்க வேண்டும்.

டேடா விஞ்ஞானிகளை எவ்வகை நிறுவனங்கள் நாடுகின்றன? இவை பெரும்பாலும் ஏராளமான தரவுடன் உழலும், ஆனால், அதிக பயன் பெறாத அமைப்புகள்.

  1. அரசாங்க அமைப்புகள் – டிஜிட்டல் முறையில் ஏராளமான படிவங்களைப் பயனற்று சேர்க்கும் அரசாங்கங்கள் உலகம் முழுவதும் உள்ளன. வீட்டுப் பத்திரம் முதல், ரேஷன் கார்டு வரை, அரசாங்கங்கள் தரவு உளையில் உழலும் வினோதப் பிராணிகள்
  2. வங்கிகள் – ஒவ்வொரு நிதி நடவடிக்கையும் இன்று டிஜிட்டல் முறைகளில் கையாளப்படுகின்றன. ’சொல்வனத்தில்’ எதிர்காலமற்ற பணமா அல்லது பணமற்ற எதிர்காலமா என்று கட்டுரை ஒன்றை 2011 –ல் எழுதினேன். இன்று, பணம் அல்லது செல்வம் என்பது வங்கிகளில் உள்ள பாதுகாப்பான தரவு – அவ்வளவுதான். அதைத் தாண்டி இந்த டிஜிட்டல் சுரங்கத்தை அதிகம் பயன்படுத்தாத வங்கிகள் ஏராளம்
  3. நுகர்வோர் பொருள் நிறுவனங்கள் – கோடிக் கணக்கில் தினமும் வியாபாரம் செய்யும் சோப்பு, ஷாம்பூ, உணவுப் பொருட்கள், மது, காலணிகள், போன்ற விஷயங்களை வியாபாரம் செய்யும் நிறுவனங்கள். இவர்கள் ஏராளமான தரவுடன் பல்லாண்டுகளாகப் போராடும் அமைப்புகள். அடிப்படைச் செயல்பாட்டிற்கே ஏராளமான தரவுகளை நம்பியிருக்கும் நிறுவனங்கள் இவை
  4. திறன்பேசி நிறுவனங்கள் – மாதம் ஒன்றுக்கு 50 லட்சம் புதுத் தொடர்புகளை இந்தியாவில் மட்டுமே உருவாக்கும் திறன்பேசி நிறுவனங்களிடம் , ஏராளமான தொடர்புத் தரவுகள் பயனற்றுக் கிடக்கின்றன
  5. மருந்து நிறுவனங்கள் – மனித ஜீனோம் ப்ராஜெக்ட் 1999 –ல் முடிந்ததிலிருந்து, மருந்துக் நிறுவனங்கள்  மருந்து ஆராய்ச்சியில் மரபணு ஆராய்ச்சியின் ஏராளமான தரவுகளைக் கையாள்வது நிபுணத்துவம் தேவையுள்ள ஒரு துறையாக மாறி விட்டது
  6. காப்பீடு நிறுவனங்கள் – உலக மக்களின் பொருளாதார நிலை உயர உயர, அவர்களது போக்குவரத்து, மருத்துவ, மற்றும் சொத்து காப்பீட்டுத் தேவைகள் ஏராளமாக அதிகரித்து வந்துள்ளன. காப்பீடு நிறுவனங்கள், உலகெங்கும் அதிகம் முன்னேறாமல், அடிப்படைப் படிவங்களை கொண்டு காலம் தள்ளுகின்றன
  7. சில்லறை வியாபாரங்கள் – உலகின் மிகப் பெரிய நிறுவனம் சில்லறை வியாபாரத்தில் ஈடுபட்டுள்ள வால்மார்ட். உலகம் முழுவதும், சில்லறை வியாபாரச் சங்கிலி நிறுவனங்கள் ஒவ்வொரு நாளும் நடக்கும் பல கோடி வியாபார நடவடிக்கைகளைப் பதிவு செய்வதோடு நின்றுவிடுகின்றன
  8. விஞ்ஞான அமைப்புகள் – பல விஞ்ஞான ஆராய்ச்சிகள் ஏராளமான தரவுகளைக் கையாள்வதை முக்கியத் தேவையாக பார்க்கத் தொடங்கிவிட்டன. LHC பற்றி ‘விஞ்ஞான கணினி’ என்ற கட்டுரையில் எழுதியிருந்தேன். புதிய அணு நுண் துகளைக் கண்டு பிடிப்பது ஏராளமான தரவிற்குள் தேடும் முயற்சி என்று மேம்போக்காகச் சொல்லலாம் (இந்த விஞ்ஞான முறைகள் சோப்பு, ஷாம்பூ தரவில் தேடுவதைப் போன்றன அல்ல). வானவியல் ஆராய்ச்சி இன்று ஏராளமான தரவை கையாள்வதை மையப்படுத்தி வருகிறது.

மேலே சொன்ன அமைப்புகள் ஒரு பெரும் பட்டியலின் சின்ன பகுதி. இது போல, பல கோடி அமைப்புகள் உலகெங்கும் தரவை சேகரிக்கும் முயற்சியில் ஈடுபட்டுள்ளன. ஆனால், ஒரு ரசீது வழங்குவதோ, அல்லது ஒரு பில் வழங்குவதோடு நின்று விடுகின்றன. வாடிக்கையாளர்கள், நுகர்வோர், மக்கள் பற்றிய பல முக்கிய தகவல்கள் இந்த தரவுகளில் எங்கோ புதைந்து கிடக்கின்றன. இந்தப் புதையலில், ஒரு வியாபாரத்தின் முன்னேற்றம், அல்லது திட்டத்தின்/ ஆராய்ச்சியின் அடுத்த கட்டத்திற்கு வழி வகுக்கும் சக்தி உள்ளது. புதையலை வெளிக் கொண்டுவர டேடா விஞ்ஞானிகளின் பங்கு முக்கியமானது.

அடுத்த பகுதியில், இவர்களின் வேலையின் முக்கிய அங்கங்களை அலசுவோம். இடையில் இந்தக் காணொளியைச் சிறிது பாருங்கள்.

சொல்வனம் – அக்டோபர் 2016

தகவல் விஞ்ஞானம் – ஒரு அறிமுகம் – தொழில் தேவைகள் – பகுதி 2

data-scientist

இப்பகுதியில், ஒரு தகவல் விஞ்ஞானியின் தொழில் சார்ந்த தேவைகளைப் புரிந்து கொள்வோம். என்னதான் ஊதி வாசிக்கப்பட்டாலும் தகவல் விஞ்ஞானி என்ற ஒரு வசீகரத் தொழில் பெயர், தரவு என்பதன் முக்கியத்துவத்தை உயர்மட்ட மேலாண்மை வர்க்கத்திற்குத் தெரியப் படுத்திய ஒரு நல்ல செயல் என்றுதான் சொல்ல வேண்டும்.

தகவல் விஞ்ஞானிகள் மலை போல குவிந்திருக்கும் தரவை வைத்துக் கொண்டு என்ன செய்ய முடியும்? இதில் பல விஷயங்கள்/புரிதல்கள் மறைந்திருப்பது ஒரு புறம் இருந்தாலும், தகவல் விஞ்ஞானிகள் என்னமோ மாயாஜாலம் செய்ய வல்லவர்கள் என்று மட்டும் நினைக்க வேண்டாம். இந்தத் துறையிலும் பல நிரூபிக்கப்பட்ட அணுகுமுறைகள் உள்ளன.

சொல்வனத்தில் ’விஞ்ஞான வளர்ச்சியின் வளர்ச்சி’ என்ற கட்டுரைத் தொடரில், விஞ்ஞான முறைகள் பற்றி சில ஆண்டுகள் முன்பு எழுதியிருந்தேன். சில தரவு விஞ்ஞான அணுகுமுறைகள், விஞ்ஞான ஆராய்ச்சி முறைகளை மூலமாகக் கொண்டது.

இம்முறைகளை சில படிகளாகப் பட்டியலிடலாம்;

  • ஒரு புனைக்கொள்கையை (hypothesis) முன் வைக்கலாம். உதாரணத்திற்கு, ஒரு விஞ்ஞான சோதனை, ஏராளமான தரவை உருவாக்கினால், அந்த தரவில் இரண்டு அல்லது மூன்று மாறிகளுக்கு (variables) இடையில் ஒரு உறவு (relationship) உள்ளது என்ற சந்தேகத்தின் பேரில் ஆராய்ச்சியை ஆரம்பிக்கலாம். இது வெறும் ஊகம் தான். தரவு மூலம் சந்தேகத்திற்கு இடமின்றி நிரூபிக்கப்பட வேண்டும். வியாபார உதாரணமாக, சில்லரை வியாபாரத்தில், சில பொருட்களின் விற்பனை, சில பகுதிகளில், சில மாதங்களில் ஏராளமாக விற்கும் என்ற கொள்கையை முன் வைக்கலாம். விஞ்ஞான ஆராய்ச்சியில் விஞ்ஞான அறிவு எவ்வளவு முக்கியமோ, வியாபாரத்தில், வியாபார அறிவு அவ்வளவு முக்கியம் (Information hypothesis)
  • ஒரு வருட தரவை வைத்து, ஏதாவது இவ்வகை உறவுகள் உள்ளனவா என்று முதலில் ஊர்ஜிதப்படுத்திக் கொள்ள வேண்டும். இந்த உறவு நிச்சயமில்லை என்றாலும், ஓரளவு உறவிற்கு சாத்தியம் உண்டு என்று நிச்சயப்படுத்தும் வழி இது. விஞ்ஞான முறைகளில், அருமையான கோட்பாடுகள் இருப்பதால், இந்தப் படி அவ்வளவு கடினமில்லை. வியாபார உலகில், எதுவும் நிச்சயமில்லை. அசட்டுத்தனமான புனைக்கொள்கையை ஆரம்பத்திலேயே தவிர்ப்பதற்கான முக்கிய படி இது (Data filtering and testing)
  • படி 2 –ல் பல சமயம், எதிர்பார்த்த மாறிகளுக்குள்ளான உறவுகள் இல்லையேல், புனைக்கொள்கையை சற்று மாற்றிக் கொள்ள நேரிடும். நம்முடைய சில்லரை வியாபார உதாரணத்தில், LED சர விளக்குகளை எடுத்துக் கொள்வோம். இவை பொதுவாக பண்டிகை நாட்களில் அதிகம் விற்கும் பொருட்கள். ஒரு மாவட்டத்தின் தரவை எடுத்துக் கொண்டு, ஆகஸ்ட் மாத விற்பனையை ஆராய்ந்தால், இதில் அதிகம் LED சர விளக்குகள் விற்காதது தெரிய வருகிறது என்று வைத்துக் கொள்வோம். ஆகஸ்ட் மாதத்தில் அதிக பண்டிகை நாட்கள் இல்லாததால், நம் புனைக் கொள்கைக்கு ஒத்து வராத விஷயம் இது. செப்டம்பர் முதல் டிசம்பர் வரை ஆராய்ந்தால், LED சர விளக்குகள் நாம் எடுத்துக் கொண்ட மாவட்டத்தில் ஓரளவு விற்பனை ஆகிறது என்று தெரிய வருகின்றது என்று வைத்துக் கொள்வோம். புனைக் கொள்கை ஓரளவிற்கு சரிப்பட்டு வருகிறது. ஆனால், நாம் தேர்ந்தெடுத்த மாவட்டத்தில் LED சர விளக்குகளை வாங்கும் வசதி படைத்தவர்கள் அதிகம் இல்லையேல், நாம் வேறு மாவட்டத் தரவை ஆராய வேண்டும். அப்படி ஒரு மாவட்டம் சிக்கினால், அது போன்ற வருவாயுள்ள மற்ற மாவட்டங்களிலும் அப்படியே விற்பனை செப்டம்பர் முதல் டிசம்பர் வரை அதிகமாக இருக்கிறதா என்று ஊர்ஜிதம் செய்து கொள்ள வேண்டும். தேவைப்பட்டால், மீண்டும் படி 2 –ஐ பின்பற்றி, எந்த அளவிற்கு புனைக்கொள்கையை மாற்றினால் விடை கிடைக்கும் என்று சரி பார்க்க வேண்டும். சில சமயம் ஆட்டத்தை படி 1-லிருந்து ஆரம்பிக்கவும் நேரிடும். தகவல் விஞ்ஞானிகள் பல புனைக்கொள்கைகளைத் தேடிய வண்ணம் இருக்க வேண்டும். சில சமயம் புனைக்கொள்கையை மாற்றுவதால், படி 2-ன் தரவையும் மாற்ற நேரிடலாம் (Hypothesis adjustment)
  • ஓரளவு நம்பிக்கையான புனைக்கொள்கையை நிரூபிக்க பல வருட தரவைக் கொண்டு சோதிப்பது வியாபார உலகில் அவசியம். விஞ்ஞான முயற்சிகளில், பல லட்சம் கணினிகளுடன், இந்தப் படி, பல தனிக் குழுக்களால் அலசப்படுகிறது. விஞ்ஞானத்தில், குறைந்த பட்சம் இரண்டு அல்லது மூன்று குழுக்களின் முடிவுகள் ஒத்துப் போக வேண்டும். அத்துடன், துல்லியத் தேவைகள் விஞ்ஞான தரவில் மிகவும் முக்கியம். வியாபார உலகம் சற்று மாறுபட்டது. இங்கு தரவு விஞ்ஞானிகள் வியாபார ரகசியம் கருதி ஒரு நிறுவனத்திற்கு வெளியே போவதில்லை. அத்துடன், விஞ்ஞான உலகம் போல அவ்வளவு துல்லியம் தேவையில்லை. இந்தப் படி, இரு உலகத்திலும் மிகவும் நேரம் மற்றும் மனித சக்தி எடுக்கும் படி (Full Data analysis)
  • நான்காம் படியின் முடிவுகளை சரியாக பொருளாய்தல் (interpretation) தகவல் விஞ்ஞானியின் மிக முக்கியப் பணி. விஞ்ஞான உலகில், சக விஞ்ஞானிகள் எளிதில் பொருளாய்தலைப் புரிந்து கொள்ளும் திறனுடையவர்கள். வியாபார உலகில், மிக ஜாக்கிரதையாக, உயர் மேலாண்மை வர்கத்தினருக்குப் புரியும்படி செய்தல் ஒரு தகவல் விஞ்ஞானியின் கடமை. விஞ்ஞானத்தின் குறிக்கோள், பொருளாய்தலுடன் முடிந்துவிடும். ஆனால், வியாபார உலகில், மிக முக்கியமான ஒரு படி உள்ளது. எளிமையாக்குகிறேன் என்று பல தகவல் விஞ்ஞானிகள், சில முக்கிய தரவு பொருளாய்தலை பித்தலாட்டமாக்கும் அபாயத்தை நடைமுறையில் பார்த்துள்ளேன் (Data interpretation)
  • வியாபார உலகில், பொருளாய்தல் மூலம் வியாபாரப் பரிந்துரை (business recommendation) ஏதாவது செய்ய வேண்டும். இல்லையேல், தகவல் விஞ்ஞானி வீட்டிற்கு அனுப்பப்படுவார். இது மிகவும் நிறுவன அரசியல் சார்ந்த விஷயம். இங்குதான், ஒரு வியாபார அமைப்பில்வேலை செய்யும் தகவல் விஞ்ஞானி சாதுர்யமாக செயல்பட வேண்டும்

 

data-science-process

தரவு விஞ்ஞானப் படிகளைப் பார்த்தோம். ஆனால், இது ஒன்றும் கைப்பட செய்யும் சமாச்சாரம் இல்லை. இத்துறைக்கு பல தொழில்நுட்ப தேவைகள் மற்றும் வல்லுனர்கள் தேவை. முக்கியமாக, இவ்வகைக் கருவிகள் மிகவும் தேவை;

 

கருவி வகை

தரவு விஞ்ஞான படி

விளக்கம்

தரவு திரட்டல் (data extract)

2, 4

தரவு அலசலுக்கு தேவையான வடிவத்தில் தரவு, அதன் மூலத்தில் இருப்பதில்லை.

தரவு அலசல்(data analysis)

2, 3, 4, 5

தரவை பல பட்டியல்கள் மற்றும் அடிப்படை ஆய்வுகள் செய்தே புனைக்கொள்கைக்கு ஒத்துவருமா என்று முடிவு செய்ய முடியும்

தரவு தரமேம்பாடு (data quality)

2, 3, 4, 5

தரவு ,மனிதர்களால் உருவாக்கப்பட்டாலே பிரச்னைதான். மனிதர்கள் பலவிதம், அது போல அவர்கள் உருவாக்கும் தரவிலும் பலவகை பிரச்னைகளும் உருவாகும். ஒருவர் தமிழ்நாட்டிற்கு, தநா என்றும், இன்னொருவர் த.நா. என்றும், வேறொருவர் தநா. என்றும் தரவை உருவாக்குவார்கள். மேலும், சிலர் தேவையில்லையென்றால், தரவே கொடுக்க மாட்டார்கள். இதை எல்லாம் சரிகட்ட தரவுத் தர மேம்பாடு அவசியம்

புள்ளியியல் (statistics)

2,3,4,5

புள்ளியல் மென்பொருட்கள் தரவை சரியாக அடிப்படையில் புரிந்து கொள்ள பல கருவிகளை தருகிறது. உதாரணத்திற்கு, ஒரு விற்பனை தரவில் அதிக மாறுதலில்லாத அளவு (a measure without much variation) சில அலசல்களுக்கு, புனைக்கொள்கைகளுக்கு பயன்படாது. இதை புள்ளியியல் மூலம் எளிதில் சொல்லிவிடலாம்.

எந்திரக்கற்றலியல் (machine learning)

2,4

சில சலிப்பூட்டும் படிகளுக்கு எந்திரக் கற்றலியல் கருவிகள் மிக உதவும்

தரவுஉருவகாக்கம்(data interpretation/ presentation)

5,6

விஞ்ஞான மற்றும் வியாபார உலகில் வடிவியல் மிகவும் அவசியம். இதற்கான கருவிகள் ஏராளம்

விரிவாக இந்தக் கருவிகளைப் பற்றி அலசுவோம்.

தரவுத் திரட்டல் கருவிகள் (data extraction tools)

தரவு விஞ்ஞானத்தில் அடித்தளம் ஆராய்ச்சிக்கேற்ற தரவு. அதென்ன ஆராய்ச்சிக்கேற்ற தரவு? அதாவது முன் வைக்கும் புனைக் கொள்கையை நிரூபிப்பதற்கு சம்பந்தப்பட்ட தரவு தேவை. நம்முடைய LED சர விளக்குகள் உதாரணத்தில், பல மாத/வருட, பல மையங்களின் வியாபார தரவு தேவைஆனால், LED சர விளக்குகள் சார்ந்த தரவாக மட்டுமே இருக்க வேண்டும். தீப்பெட்டி வியாபாரத் தரவில் நமக்கு பயனேதும் இல்லை. தரவுதளங்களில் எல்லா பொருட்களின் விற்பனை தரவும் இருக்கும். அதிலிருந்து நமக்கு வேண்டிய LED சர விளக்குகள் தரவை மட்டும் திரட்ட வேண்டும். அத்துடன், LED சர விளக்குகள் மற்றிய விளக்கமான (descriptive attributes) மாறிகளும் தேவை. இவ்வகைத் திரட்டல் கருவிகள் பல்லாண்டுகளாக மென்பொருள் துறை உருவாக்கி வந்துள்ளது. Microsoft, Oracle, SAS, SAP, Informatica, IBM போன்ற நிறுவனங்கள் தரவு திரட்டல் கருவிகளை பல்லாண்டுகளாய் மெருகேற்றி வந்துள்ளார்கள். SQL போன்ற கணினி மொழியில் வல்லமை தகவல் விஞ்ஞானிக்கு அவசியம். SQL –ஐத் தாண்டி, ஏராளமான தரவுகளைத் திரட்ட, இந்த நிறுவனங்களின் பிரத்யேகக் கருவிகள் தெரிய வேண்டும்.

அடிப்படைக் தரவு அலசல் கருவிகள் (basic data analysis tools)

image03முதல் தேவை, அடிப்படை தரவு கருவிகளில் சரளமாக விளையாடும் திறன். அதாவது Python, R, SAS போன்ற கருவிகளில் கையில் உள்ள தரவை ஆராயும் திறன். இத்துடன், இன்றைய தரவுதளங்களுடன் எளிதாகச் சஞ்சரிக்கத் தேவையான மொழி SQL. இவ்வகைக் கருவிகள், ஒரு தகவல் விஞ்ஞானியின் ஆரம்ப கட்ட ஆராய்ச்சிக்கு அவசியம். தேவையான தரவை தேவையான அம்சங்களோடு ராட்சச தரவுதளங்களிலிருந்து வடிகட்டி, எடுத்து ஆராய்வது தகவல் விஞ்ஞானிகளின் அடிப்படை வேலை. உதாரணத்திற்கு, தேசிய அளவு சில்லறை வியாபாரம் ஒன்றில், கடந்த ஐந்து ஆண்டுகளில், தென் மாநிலங்களில், அதிகமாக நுகர்வோர் வாங்கும் பகுதி எது என்ற கேள்வியை எப்படி அணுகுவது? முதலில், ராட்சச தரவுதளத்திலிருந்து, தென் மாநில சில்லறை மையங்களின் கடைசி ஐந்தாண்டு வியாபாரத் தரவு தேவை. இந்த தரவு கிடைத்த பின்புதான் மற்ற ஆராய்ச்சி செய்து கேள்விக்குப் பதில் அளிக்க முடியும். இதற்கு மேலே சொல்லப்பட்ட கருவிகளில் ஆளுமை தேவை.

அடிப்படை தரவு தரக் கருவிகள் (Basic data quality tools)

image00

ஒரு ரகசியத்தைப் போட்டு உடைப்பதில் எந்தத் தயக்கமும் எனக்கில்லை – தகவல் விஞ்ஞானிகள், வசீகரமான பதில்களைத் தரும் நேரம் வெறும் 5% தான். மற்ற 95% நேரம், அடிப்படை தரவு மற்றும் தரக் கருவிகளுடன் போராடியே வாழ்பவர்கள். மலையைக் கெல்லுவது என்பதைவிட இவர்களைக் குப்பையைக் கிளறி வைரம் தேடுபவர்கள் எனலாம். முன்னே சொன்ன சில்லறை வியாபார தரவை எடுத்துக் கொள்வோம். நுகர்வோர் பல நேரங்களில், பொருட்களை வாங்கிச் சென்றதன் பதிவுதான் தரவு. இதைத் தவிர வாங்கிய நேரம் மற்றும் தேதி போன்ற விஷயங்கள் எளிதாகக் கிடைத்துவிடும். எந்தப் பொருட்கள், எந்தப் பகுதியில் அடுக்கப்பட்டிருக்கும் என்பது மிகவும் சிக்கலான பிரச்னை. முதிர்ந்த சில்லறை வியாபாரங்கள், இன்ன பொருட்கள், இன்னப் பகுதியில் நாட்டின் எந்தப் பகுதியிலும் ஒரே சீராக அடுக்குவார்கள். இவர்களின் அமைப்புகளிலும், சில சின்ன வியாபாரத் தளங்களில், சில பகுதிகள் இருக்காது. சீரற்ற அடுக்கு முறைகள் உள்ள சில்லறை வியாபாரங்களில் இந்தக் கேள்விக்கு பதிலளிப்பது, இயலாத செயல். விற்பனை நடந்த நேரத்தைச் சரியாக பதிவு செய்வதிலும் வேறுபாடுகள் இருக்கும்ஒரு தளம், மாலை ஐந்து மணியை 17:00 என்றும் இன்னொன்று 5:00 என்றும் பதிவு செய்தால், எல்லாவற்றையும் சீராக்க, தரவு தர மென்பொருள் கருவிகள் கொண்டு சரி செய்வது தகவல் விஞ்ஞானியின் வேலை.

இதைப் போல, சில தரவுகளில், எதுவுமே இல்லாமலும் இருக்கும். இதனால்தான் முதல் பகுதியில் மலைத்தொடர் என்ற சொல்லை பயன்படுத்தினேன். இந்த தரவு மலைத் தொடரில், சில குன்றுகள் காணாமலே போகும்; சில இடங்களில், உயரம் குறைவாகவும், சில இடங்களில் அதிகமாகவும் இருக்கும் மலைத் தொடர் போன்ற விஷயம் ஒரு பெரிய தரவு தளத்திலிருந்து தரவை எடுத்து ஆராய்வது. Informatica, Trillium, SAS போன்ற நிறுவனங்களின் கருவிகள் இந்த தரவு சுத்திகரிப்புச் செயலை எளிதாக்குகின்றன; இவற்றில் தகவல் விஞ்ஞானிகளுக்குத் தேர்ச்சி அவசியம்.

அடிப்படை புள்ளியியல் (basic statistics)

image01

தகவல்  விஞ்ஞானியாக வெற்றி பெறப் புள்ளியியல் அறிவு மிகவும் அவசியம். பெரும்பாலும், வெற்றிப் பெற்ற தகவல் விஞ்ஞானிகள் புள்ளியியலில் முனைவர் பட்டம் பெற்றிருப்பவர்களாக இருப்பது, ஒரு தற்செயல் என்றுதான் சொல்ல வேண்டும். புள்ளியியலில் ஓரளவு தேர்ச்சி (முதுகலை அளவு) பெறுதல் அவசியம். ஏனென்றால், தரவுவிலிருந்து கிடைக்கும் பதில்களில் நிச்சயம் (deterministic) என்று எதுவும் கிடையாது, பெரும்பாலும் சாத்தியக்கூறுகள், கொத்தாக்கம் (clustering) மற்றும், ஒட்டுறவுகள் (correlation) அதிகம். சிறிய பயிற்சி தரவைக் கொண்டு, ராட்சச தரவுதளங்களில், தங்களுடைய கோட்பாடுகள் வேலை செய்கிறதா என்று ஆராய்வது தகவல் விஞ்ஞானியின் முக்கிய வேலை. R, SAS, IBM  போன்ற நிறுவனங்களின் மென்பொருள் கருவிகள், புள்ளியியல் நிபுணர்களின் நண்பன்.

எந்திரக் கற்றலியல்

நாம் இதுவரைச் சொன்ன முறைகள் அடித்துப் பிடித்து, ஒரு டெராபைட்டுகள் அளவில் உள்ள தரவுதளங்கள் வரை விஞ்ஞானியே சமாளித்து விடலாம். ஆனால், இன்றைய பெரும் வியாபாரங்கள், ஆராய்ச்சிகள், ராட்சச அளவில் தரவை தேக்கி வைத்துள்ளன. ஆரம்ப ஆராய்ச்சியை ஒரு எந்திரத்திடம் (அதாவது கணினி மென்பொருள்) விடுவதைத் தவிர வேறு வழியில்லை. அத்துடன், இன்றைய மென்பொருள் கருவிகள், பல நூறு கோடி தரவை ஆராய்ந்து சர்வ சாதாரணமாக, அருகாமை தரவு (near neighbors), கொத்து தரவு என்று பிரித்து காட்டும் வல்லமை கொண்டவை. மனித முயற்சியால், பல மாதங்கள் பிடிக்கும் இவ்வகை வேலைகளை, சில மணி நேரங்களில் எந்திரங்கள் செய்து விடுகின்றன. Apache Mahout, GraphLab, Python machine learning libraries, மற்றும் மேகக் கணிமை அமைப்புகள் வழங்கும் கருவிகளும் (Azure, Amazon, Google)  உள்ளன.  தகவல் விஞ்ஞானிக்கு இந்தக் கருவிகளில் ஒன்றிரண்டு தெரிதல் அவசியம்.

தரவு உருவாக்கம்

அழகாக வர்ணிப்பவரை, ‘அட, ஃபிலிம் காட்டுகிறார்’, என்று நாம் சொல்வதுண்டு. தகவல் விஞ்ஞானியும் தன்னுடைய ஆராய்ச்சி முடிவுகளை அழகாக வர்ணித்தல் அவசியம். இன்றைய கணினி மென்பொருள் உலகில் காட்சியளிப்புக்கு எந்தக் குறைவும் இல்லை. ஆனால், காட்சியளிப்பு மிகவும் கவனமாக உருவாக்க வேண்டும். மிக சீரியஸான முடிவுகளை எடுக்க உதவும் இவ்வகைக் காட்சியளிப்புகளில் துல்லியம் அவசியம். அத்துடன், தரவு எதை முன்வைக்கிறது, இதனால், வியாபாரம்/ஆராய்ச்சிக்கு இடர்வுகள் என்ன என்று எல்லாவற்றையும் முன் வைப்பது தகவல் விஞ்ஞானியின் கடமை. முக்கியமாக, வியாபாரம்/ஆராய்ச்சிக்கு முன் உள்ள முடிவுத் தேர்வுகள் என்னென்ன, அவற்றின் நன்மை/தீமைகள் என்னென்ன, லாப/நஷ்டங்கள் என்னென்ன என்று புரியும்படி விளக்குவதும் தகவல் விஞ்ஞானியின் திறன்.

விற்பனை/ஆராய்ச்சி பற்றிய புரிதல்

தரவு உருவாக்கம் என்பது வியாபாரம் அல்லது ஆராய்ச்சி பற்றிய ஆழமான புரிதலைச் சார்ந்தது. ஒரு வியாபாரத்தைப் புரிந்து கொள்ளுவது ஒரு வகைத் திறமை. ஆனால், ஒரு வியாபாரத்தின் தரவைப் புரிந்து கொள்ளுதல் என்பதுமுற்றிலும் வேறுபட்டது. இதற்கு, வியாபாரத்தின் ஏராளமான அன்றாட கணினிப் பயன்பாடு மற்றும் செயல்முறை பற்றிய ஆழமான அறிவு அவசியம். இந்த இரண்டும் ஒரு தகவல் விஞ்ஞானியின் ஆணிவேர். வியாபாரத்தை மட்டும் புரிந்து கொண்டவர் ஒரு வியாபார ஆய்வாளர் (business analyst) ஆகிவிடுவார். தரவை மட்டுமே புரிந்து கொள்பவர் ஒரு தரவு ஆய்வாளர் (data analyst) ஆகிவிடுவார். தகவல் விஞ்ஞானியோ, வியாபாரம், தரவு, செயல் முறைகள் மற்றும் வியாபாரத்தின் தொலைநோக்குத் தேவைகள் அனைத்தையும் புரிந்த ஒருவராக இருக்க வேண்டும். தரவு சொல்லும் கதையைப் புரிந்து கொண்டால் மட்டும் போதாது. அதை, மேலாண்மையினர் புரிந்து கொள்ளும் வகையில் அழகாக விவரிக்கவும் தெரிய வேண்டும்; அதை தரவு கூறும் சாட்சியங்களுடன் முடிவுக்காக, காட்சியளிப்பாக, முன் வைக்கவும் வேண்டும். முக்கியமாக, மேலாண்மையினர், இந்தப் புரிதலினால், லாபமடைந்தால், மேலும் அவர்களது எதிர்பார்ப்புகள் கூடிவிடும். தரவு சொல்லும் கதையை வெளியே மற்றஆலோசகர்களிடமிருந்து பெறமுடியாது; காசு கொடுத்து வாங்கவும் முடியாது.

நம்முடைய சில்லறை வியாபாரப் பிரச்னையில், அதிகமாக வாங்கப்படும் தென்னிந்தியப் பொருட்கள் எது என்பதை மட்டும் தெரிவதில் அதிகப் பயனில்லை. எந்தெந்த மையங்களில், இந்தப் பொருட்கள் அடுக்கப்படும் பகுதிகள் சேர்க்கப்பட வேண்டும், எந்த உற்பத்தியாளரிடமிருந்து இன்னும் நல்ல (அல்லது குறைந்த) விலைக்குப் பொருட்களை வாங்குவது, எப்படி லாபத்தைக் கூட்டுவது என்று கதை முழுமையடைய வேண்டும். இப்படிச் சொல்லப்படும் டேட்டாக் கதைகள் மேலும் தரவு விஞ்ஞானத்தின் தாக்கத்தைக் கூட்டும்.

அடுத்த பகுதியில், இந்தத் துறையில் முன்னேறுவதைப் பற்றி ஆராய்வோம்.

சொல்வனம் – அக்டோபர் 2016