उत्तरी अटलांटिक में 38,000 फीट की ऊँचाई पर, दो पायलट चुपचाप बैठे होते हैं और केवल इंजन की गुनगुनाहट ही सुनाई देती है। आकाश साफ़ है, और सूरज जैसे ही क्षितिज पर उभरता है तो उसके नारंगी और गुलाबी रंग आकाश को सजाते हैं। कॉकपिट के अंदर, डिस्प्ले की चमक चिकने उपकरण पैनलों और थकी आँखों पर परिलक्षित होती है। यह एक सामान्य क्रूज़ है … सतह पर कम-से-कम इतना ही दिखाई देता है।

फिर एक चाइम सन्नाटे को काट देती है, साथ ही Flight Management Computer पर एक संदेश दिखाई देता है। एक संकेतक जगमगा उठता है। यह नाटकीय नहीं है; न तो कोई अलार्म, न ही टिमटिमाती रोशनी। बस इतना ही कि पायलटों का मूड शांत से फ़ोकस्ड में बदल जाए।

यही आधुनिक एयरलाइन उड़ान है। और यहीं—हॉलीवुड-शैली की आपात स्थितियों की जगह पर—दो-पायलट की आवश्यकता सबसे स्पष्ट रूप से दिखाई देती है।

कृत्रिम बुद्धिमत्ता लगभग 70 वर्षों से मौजूद है। Alan Turing के मशीन इंटेलिजेंस के शुरुआती प्रस्तावों से लेकर आज तक, इसका प्रभाव शायद हर उद्योग में किसी न किसी रूप में पहुंचा है।

लेकिन क्या होगा अगर यह दुनिया के सबसे प्रशिक्षित पेशों में से एक की भूमिका अपना ले?

क्रू कैसे उड़ाते हैं

इस स्थिति का पूरा महत्व समझने के लिए पहले यह जानना ज़रूरी है कि एयरलाइन क्रू कैसे काम करते हैं।

दैनिक बोलचाल में, "कैप्टन" और "फ़र्स्ट ऑफिसर," जैसे "पायलट" और "को-पायलट," शब्द अक्सर "कौन विमान उड़ा रहा है" के विचार के साथ परस्पर उपयोग किए जाते हैं। वास्तविकता में, आधुनिक क्रू इस तरह काम नहीं करते; बल्कि वे किसी खंड में एक pilot flying (PF) और एक pilot monitoring (PM) निर्दिष्ट करते हैं। किसी भी चरण में PF या PM दोनों में से कोई भी—कैप्टन या फ़र्स्ट ऑफिसर—हो सकता है, और इन कर्तव्यों को पद के बजाय प्रक्रियाओं के द्वारा परिभाषित किया जाता है।

अकसर यही देखा जाता है और कारण भी है कि PM का कार्यभार PF से भी अधिक होता है। जबकि PF लगभग केवल विमान को नियंत्रित करने पर ध्यान देता है—यानी उड़ान नियंत्रणों को संभालना और विमान के फ़्लाइट पाथ व पावर सेटिंग्स की निगरानी करना—PM की ज़िम्मेदारी उड़ान के अन्य कई पहलुओं की निगरानी करने की होती है। इसमें विमान प्रणालियों की निगरानी, परिस्थितिगत जागरूकता बनाए रखना, एयर ट्रैफ़िक कंट्रोल के साथ संवाद करना और फ्लाइट मैनेजमेंट सिस्टम (FMS) का प्रोग्रामिंग और प्रबंधन शामिल है, जो क्रू को नेविगेशन और प्रदर्शन पर निगरानी करने में सक्षम बनाती है।

PF और PM के बीच जिम्मेदारियों का विभाजन

जब कोई खराबी होती है, तो PF का प्राथमिक कार्य विमान को स्थिर और अनुमाननीय बनाए रखना होता है। तब PM सिस्टम मैनेजर और समन्वयक बन जाता है, समस्या का निदान करता है, बाहरी एजेंसियों के साथ संचार करता है, और क्रू को प्रक्रियाओं के माध्यम से मार्गदर्शन करता है। यह संरचित तरीका संज्ञानात्मक ओवरलोड को रोकता है और PF को सुरक्षित रूप से स्थिति सुलझाने पर केंद्रित रहने की अनुमति देता है।

यह उड़ान करने का तरीका इसे परिवहन के सबसे सुरक्षित तरीकों में से एक बनाता है। लेकिन हाल ही में, दुनिया भर के विशेषज्ञों और नियामक निकायों के बीच एक नया बहस शुरू हुई है: क्या PM की जिम्मेदारियों को कृत्रिम बुद्धिमत्ता से स्वचालित किया जा सकता है?

एक AI सह-पायलट?

कागज़ पर, यह विचार काफी सीधा लग सकता है, क्योंकि PM के कई काम डेटा स्ट्रीम की निगरानी, जानकारी को प्रोसेस करना और संचार संभालना शामिल करते हैं। ये वे कार्य हैं जिनमें AI सामान्यतः उत्कृष्ट होता है। कंप्यूटर मनुष्यों की तुलना में डेटा को बहुत तेज़ी से स्कैन और प्रोसेस कर सकते हैं, जिससे निर्णय और भी तेजी से लिए जा सकते हैं। और कुछ परिस्थितियों में, सिर्फ़ कुछ सेकंड ही जीवन और मृत्यु के बीच अंतर कर सकते हैं।

हालाँकि, इस तर्क में सूक्ष्मताएँ भी हैं: PM की भूमिका केवल तकनीकी नहीं है। कई मामलों में, PM को ऑपरेशन की सुरक्षा के आधार पर सक्रिय निर्णय लेने होते हैं, और कैप्टन की प्राथमिकताओं को भी ध्यान में रखना होता है। हर पायलट की उड़ान का अपना तरीका होता है। जबकि मानक संचालन प्रक्रियाओं का हमेशा पालन किया जाना चाहिए, विमान उड़ाने के वास्तविक तरीकों में कुछ लचीलापन भी होता है।

यहाँ PM का एक महत्वपूर्ण रोल कैप्टन का समर्थन करना है। PM का अच्छा समर्थन—जैसे फ्लाइट मैनेजमेंट कंप्यूटर में नेविगेशन समायोजित करना, स्वीकार्य उड़ान पैरामीटरों जैसे वायु गति और अवतरण दर के बारे में नियमित अपडेट और कॉलआउट देना, और जब उड़ान की सुरक्षा खतरे में हो तो स्पष्ट रूप से स्वीकार करना और कार्रवाई के लिए संकेत देना—ऑपरेशन पर सीधे सकारात्मक प्रभाव डालता है। यह क्रू रिसोर्स मैनेजमेंट (CRM) के स्तंभों में से एक है। एक PM जो मजबूत परिस्थितिजन्य जागरूकता का अभ्यास करता है, हमेशा एक या दो कदम आगे सोचता है—ऐसी बात जो किसी कंप्यूटर से हमेशा अपेक्षित नहीं की जा सकती।

प्रत्येक प्रमाणित पायलट CRM के बारे में अच्छी तरह परिचित होता है। मानव कारकों में, यह किसी घटना या दुर्घटना के बाद परखे जाने वाले प्रमुख उड़ान पहलुओं में से एक है। वाणिज्यिक विमानन दुर्घटनाओं के अधिकांश मामलों में, CRM में टूटन एक योगदान कारक दिखाई देती है। कई ऐसी दुर्घटनाएँ हैं जिन्हें बेहतर CRM अपनाने से रोका जा सकता था या जिनके परिणामों को कम किया जा सकता था।

इसका एक सबसे मजबूत और आधुनिक उदाहरण Air France Flight 447 का मामला है, जो 2009 में अनन्य एयरस्पीड संकेतों के कारण क्रू में भ्रम पैदा होने के बाद अटलांटिक महासागर में क्रैश हो गया। यद्यपि घटना के अधिकांश समय के लिए विमान संरचनात्मक रूप से अखंड रहा, संचार की टूटन ने पायलटों के बीच प्रभावी क्रॉस-चेकिंग को प्रभावित किया, जिससे परिस्थितिजन्य जागरूकता में कमी हुई और दुर्भाग्यवश एक दीर्घकालिक एयरोडायनामिक स्टॉल हुआ जिससे विमान कभी उबर नहीं पाया।

प्रारम्भिक घटना के दौरान कप्तान विश्राम कर रहे थे, और दोनों फर्स्ट ऑफिसर समस्या का निदान करने में संघर्ष कर रहे थे। वे समस्या का समाधान करते समय अपनी इनपुट्स और इरादों को मौखिक रूप से व्यक्त करने में विफल रहे, जिससे समन्वय में कमी हुई। जांचकर्ताओं ने बाद में निष्कर्ष निकाला कि मजबूत CRM—जैसे स्पष्ट संवाद और अपनाए जाने वाले कदमों के बारे में सहमति—से क्रू समस्या को सही ढंग से पहचानकर विमान को बचा सकता था।

तो, AI कोपायलट के साथ कॉकपिट कैसा दिखेगा? इसे लगभग single-pilot resource management के समान माना जा सकता है, जो जनरल एविएशन की दुनिया में भारी रूप से इस्तेमाल होता है। लेकिन चूँकि AI लगभग एक वर्चुअल असिस्टेंट की तरह काम करेगा, PF से अपेक्षा की जाएगी कि वह AI के साथ अभी भी इंटरैक्ट करे। कैसे? शायद आवाज़ के माध्यम से। शायद पूर्व-निर्धारित कंप्यूटर टेक्स्ट प्रॉम्प्ट्स के द्वारा। या फिर कुछ और तरीक़ा हो सकता है।

यह सुनिश्चित करना कि पायलट और AI किसी न किसी रूप में अभी भी इंटरैक्ट कर सकें—खासकर असामान्य और आपातकालीन परिदृश्यों के दौरान—ऐसा कुछ है जिसे निर्माता और डेवलपर्स परीक्षण के दौरान बिल्कुल सटीक रूप से तय करेंगे। कौन जानता है कि पायलटों के अपने Jarvis से बात करने में कितना समय लगेगा?

फिर से कहूँ तो, यह निश्चित रूप से किसी नकारवादी पायलट का विचार नहीं है जो AI द्वारा बदला जाना नहीं चाहता। यह उस पायलट की दृष्टि है जो जानता है कि फ्लाइट डेक पर किसी अन्य इंसान से संवाद करने और विचार साझा करने की कितनी अहमियत होती है। यह कहने के बावजूद, आज के पायलट ऑपरेशन्स 100 साल के मानवीय उड़ान अनुभव पर बने हैं।

लेकिन कोई कारण नहीं है कि हम AI का उपयोग अपनी उड़ानों को बेहतर बनाने और 'उत्कृष्ट' और 'परफेक्ट' के बीच के अंतर को कम करने के लिए न करें। यद्यपि वास्तविक दुनिया के संचालन में पूर्णता स्वाभाविक रूप से प्राप्त न हो, इसके लिए प्रयास करना ही एकमात्र तरीका है जिससे हम इसके निकट पहुँच सकते हैं। और CRM के संदर्भ में, यही सही है कि हम जो प्रचार करते हैं उसका अभ्यास करें और "उपलब्ध सभी संसाधनों का उपयोग" करें।

इंडस्ट्री ने पहले भी समान परिवर्तन देखे हैं। कॉकपिट से फ्लाइट इंजीनियर को हटाने को अक्सर एक मिसाल के रूप में बताया जाता है। हालांकि, यह तुलना पूरी तरह उपयुक्त नहीं है। फ्लाइट इंजीनियर मुख्यतः विमान प्रणालियों के प्रबंधन के लिए जिम्मेदार थे, और स्वचालन ने धीरे-धीरे उस भूमिका को ग्रहण कर लिया। आज के मामले में, PM की जिम्मेदारियाँ सिस्टम से कहीं आगे हैं: इनमें संचार, निर्णय समर्थन और अनुभव पर आधारित निर्णय शामिल हैं।

हम सार्वजनिक समर्थन कैसे हासिल करें?

जन-संवेदना अंततः परिवर्तन की गति तय करेगी। न केवल निर्माताओं को आम जनता में लगभग-निश्चयित असुविधा से पार पाना होगा, बल्कि उन्हें ऑपरेटरों का भी समर्थन जीतना होगा। नियामकों को कठोर परीक्षण, सिमुलेशन और वास्तविक विश्व मान्यता के माध्यम से आश्वस्त करना होगा। और पायलटों को खुद इस बात का भरोसा होना चाहिए कि यह तकनीक सुरक्षा को कम करने के बजाय बढ़ाती है।

यह संभवतः एक परीक्षण विमान से शुरू हो सकता है जो आवश्यक होने पर AI को अक्षम करने की अनुमति देगा। आपातकालीन परिदृश्यों के लिए परीक्षण अत्यंत महत्वपूर्ण होगा। न केवल एल्गोरिद्म को यह साबित करना होगा कि यह लगातार सही निर्णय ले सकता है, बल्कि परीक्षण में कई चर वाले परिदृश्यों को शामिल करना होगा ताकि सीखने की क्षमता बनी रहे। उदाहरण के लिए, इंजन फेल्योर के सिमुलेशन में अलग-अलग मौसम की स्थितियाँ, उपलब्ध ईंधन, उपलब्ध लैंडिंग रनवे और अन्य एक साथ होने वाली सिस्टम फेल्यर जैसी विभिन्न पुनरावृत्तियाँ शामिल करनी होंगी। इससे एल्गोरिद्म को संभवतः जितने भी निर्णय हो सकते हैं, वे सीखने में मदद मिलेगी, भले ही वे कितने ही अनलिकली क्यों न हों। यह "एज-केस प्रशिक्षण" इसलिए वास्तविक दुनिया में पायलटों के प्रशिक्षण की तरह ही है।

अन्य क्षेत्रों ने दैनिक संचालन में पहले ही AI को अपनाया है। एयर ट्रैफिक कंट्रोल में, National Air Traffic Services (NATS) अब लंदन हीथ्रो पर ट्रैफ़िक के बीच रिक्ति (spacing) को बेहतर बनाने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर रहा है, खासकर अप्रोच पर। वे सामान्य विजाग और spacing को_WAKE_TURBULENCE कैटेगोरी पर आधारित करने के बजाय सटीक वजन, वायु गति और अन्य विमान पैरामीटर्स को ध्यान में रखते हुए कंट्रोलरों को कहीं अधिक सटीक रिक्ति सिफारिश प्रदान करते हैं। इससे एयर ट्रैफिक फ्लो में सुधार साबित हुआ है, जिससे एयरक्राफ्ट थ्रूपुट बढ़ता है। परिणामस्वरूप, कम विमान होल्डिंग पैटर्न में प्रवेश करते हैं, जिससे ईंधन और उत्सर्जन में महत्वपूर्ण बचत होती है। साथ ही देरी कम होती है और संचालन में अधिक लचीलापन आता है। यह दुनिया के सबसे व्यस्त हवाई अड्डों में से एक के संचालन का समर्थन करने के लिए एक शानदार तकनीकी विकास है।

आगामी आसमान

तो, फिलहाल आपकी उड़ानों पर कोई वर्चुअल कंप्यूटरीकृत आवाज़ से स्वागत नहीं होगा, पर विमानन उद्योग की अन्य AI-सक्षम सुविधाएँ निश्चित रूप से क्षितिज पर हैं। कुछ उपभोक्ताओं के पैकेज पहले ही ड्रोन द्वारा डिलीवर किए जा रहे हैं, और शहरी हवाई गतिशीलता (Urban Air Mobility) में AI के उपयोग के लिए बहुत अनुसंधान और विकास हो रहा है। एयर टैक्सी की वास्तविकता हमारे सोच से कहीं अधिक नज़दीक है।

क्या पूरी तरह स्वायत्त ऑपरेशन मेरे करियर के दौरान, या मेरी ज़िंदगी में कहीं दिखाई देगा? संभवता है, पर यह कहना अभी थोड़ा जल्दबाज़ी होगा। हाल के वर्षों में तकनीक की क्षमता एक्सपोनेंशियली बढ़ी है। कौन कह सकता है कि हम इस सदी के अंत तक Wisk और Archer जैसी UAM कंपनियों को स्वायत्त वाणिज्यिक उड़ान को साकार करते हुए नहीं देखेंगे?

हमने पहले भी कुछ को एयरवेसन में AI के उपयोग का समर्थन करते देखा है। यहां तक कि उन पायलटों के लिए भी जो स्वचालन द्वारा बदलने से हिचकते हैं, हमारे पास उड़ने वाले सार्वजनिक के प्रति एक कर्तव्य है कि हम सुरक्षा और दक्षता बनाए रखने और सुधारने के लिए जो कुछ भी कर सकते हैं वह करें। आखिरकार, यदि कृत्रिम बुद्धिमत्ता यहाँ रहने के लिए है, तो इसका उपयोग हमारे लाभ के लिए क्यों न किया जाए?