Unified Evaluation Methodology for AI-Native Integrated Sensing and Communication

हमारे चारों ओर की दुनिया की कल्पना एक विशाल, अदृश्य रेडियो तरंगों के महासागर के रूप में करें। दशकों से, हमने इन तरंगों का उपयोग एक वन-वे स्ट्रीट (एकतरफा सड़क) की तरह किया है: हम एक फोन से टावर तक एक संदेश (जैसे टेक्स्ट या वीडियो) भेजते हैं, और बस इतना ही। लेकिन वैज्ञानिक अब इस सड़क को एक टू-वे हाईवे (दोतरफा राजमार्ग) में बदलने की कोशिश कर रहे हैं जहाँ रेडियो तरंगें केवल बात ही नहीं करतीं, बल्कि वे "देखती" भी हैं। इसे इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशन (ISAC) कहा जाता है। इसे एक स्मार्ट टॉर्च की तरह समझें जो न केवल कमरे को रोशन करने के लिए एक बीम बिखेरती है (कम्युनिकेशन), बल्कि वस्तुओं से टकराकर आपको यह भी बताती है कि फर्नीचर कहाँ है और क्या कोई हिल रहा है (सेंसिंग)।

अब, कल्पना करें कि इस टॉर्च में एक दिमाग जोड़ दिया गया है। पहले से लिखे गए स्क्रिप्ट का पालन करने के बजाय, यह एक AI-नेटिव सिस्टम है जो मौके पर ही सीखता है। यह एक सेल्फ-ड्राइविंग कार की तरह है जो न केवल मानचित्र का पालन करती है, बल्कि लगातार सड़क को स्कैन करती है, पैदल यात्रियों के कदम रखने की भविष्यवाणी करती है, और तुरंत मुड़ने या गति बढ़ाने का निर्णय लेती है। बड़ा सवाल जो शोधकर्ता पूछ रहे हैं वह यह है: हम यह कैसे परीक्षण करें कि ये सुपर-स्मार्ट, खुद को एडजस्ट करने वाले रेडियो सिस्टम वास्तव में वास्तविक दुनिया में काम करते हैं या नहीं? यदि किसी गड़बड़ी या अजीब प्रतिध्वनि (echo) के कारण "दिमाग" गलत अनुमान लगा लेता है, तो क्या पूरा सिस्टम क्रैश हो जाएगा? या क्या यह रोशनी जलाए रखेगा और सुरक्षा जाल को बरकरार रखेगा? यह वह पहेली है जिसे यह शोध पत्र हल करता है।

---

शोध पत्र का बड़ा विचार: स्मार्ट रेडियो के लिए तीन-चरणीय रेसिपी

इस शोध पत्र के लेखक यूरोप के विश्वविद्यालयों और तकनीकी प्रयोगशालाओं के विशेषज्ञों की एक टीम है। उन्होंने महसूस किया कि जबकि हर कोई इन शानदार, AI-संचालित रेडियो सिस्टमों को बना रहा है, किसी के पास उन्हें टेस्ट करने के लिए कोई मानक रेसिपी नहीं है। यह वैसा ही है जैसे यदि हर शेफ नए सूप को चखने के लिए अपना खुद का तरीका आविष्कार करे, जिससे यह जानना असंभव हो जाए कि कौन सी रेसिपी वास्तव में बेहतर है। इसे ठीक करने के लिए, वे एक यूनिफाइड इवैल्यूएशन मेथोडोलॉजी (एकीकृत मूल्यांकन पद्धति) प्रस्तावित करते हैं—AI-संचालित ISAC सिस्टमों के परीक्षण के लिए एक एकल, सख्त नियम पुस्तिका।

उनका तर्क है कि आप इंटरनेट की गति या रडार की स्पष्टता को अलग से नहीं देख सकते। इन नए सिस्टमों में, सब कुछ आपस में जुड़ा हुआ है। यदि AI को "सोचने" में बहुत अधिक समय लगता है (इन्फरेंस लेटेंसी), तो रेडियो एक चलती हुई कार को मिस कर सकता है। यदि हार्डवेयर थोड़ा गड़बड़ है, तो AI भ्रमित हो सकता है। इसलिए, पेपर सुझाव देता है कि इन सिस्टमों का परीक्षण करने के लिए एक तीन-चरणीय पाइपलाइन का उपयोग किया जाए, जो सरल गणित से जटिल कंप्यूटर दुनिया और अंततः वास्तविक जीवन के हार्डवेयर तक जाती है।

चरण 1: "बैक-ऑफ-द-नैपकिन" चेक (सरल गणितीय जांच)

सबसे पहले, आप कुछ भी बनाते नहीं हैं। आप बस गणित करते हैं। लेखक इसे बाउंड्स एंड फजीबिलिटी एनालिसिस (सीमा और व्यवहार्यता विश्लेषण) कहते हैं। कल्पना कीजिए कि आप एक रोड ट्रिप की योजना बना रहे हैं। कार पैक करने से पहले, आप एक नक्शा देखते हैं और पूछते हैं: "क्या गंतव्य वास्तव में मेरे पास मौजूद ईंधन के साथ पहुंच योग्य है?" इस चरण में, शोधकर्ता गणितीय सूत्रों का उपयोग यह देखने के लिए करते हैं कि क्या स्थिति का भौतिक विज्ञान (physics) वास्तव में एक समाधान की अनुमति देता है। वे पूछते हैं: "हमारे एंटीना के आकार और हवा में शोर को देखते हुए, हम कितनी अधिकतम सटीकता की उम्मीद कर सकते हैं?" यदि गणित कहता है कि वर्तमान सेटअप के साथ लक्ष्य को ढूंढना असंभव है, तो किसी का समय या पैसा बर्बाद करने से पहले ही इसे छोड़ देना बेहतर है। यह चरण उन विचारों को फ़िल्टर करता है जो विफल होने के लिए ही बने हैं।

चरण 2: "डिजिटल ट्विन" सिमुलेशन

यदि गणित ठीक दिखता है, तो आप हाई-फिडेलिटी डिजिटल ट्विन सिमुलेशन की ओर बढ़ते हैं। इसे वास्तविक दुनिया के एक आदर्श, वर्चुअल वीडियो गेम संस्करण के निर्माण के रूप में सोचें। इस गेम में, आप एक शहर बना सकते हैं जिसमें सटीक मानचित्र हों, बारिश और ट्रैफिक का अनुकरण (simulate) किया जा सके, और यहाँ तक कि रेडियो तरंगें दीवारों से बिल्कुल वैसे ही टकराएं जैसा भौतिक विज्ञान भविष्यवाणी करता है। यहाँ, आप अपने AI "दिमाग" का हजारों अलग-अलग परिदृश्यों के खिलाफ परीक्षण सेकंडों में कर सकते हैं। आप पूछ सकते हैं, "क्या होगा यदि एक ट्रक सिग्नल को ब्लॉक कर दे?" या "क्या होगा यदि बैटरी कम हो जाए?" पेपर इस बात पर जोर देता है कि यह चरण ट्रेड-ऑफ (समझौतों) को देखने के लिए महत्वपूर्ण है। उदाहरण के लिए, आप पाएंगे कि सिस्टम को अधिक सटीक बनाने से वह धीमा हो जाता है, या अधिक ऊर्जा का उपयोग करने से सिग्नल सुधरता है लेकिन बैटरी तेजी से खत्म होती है। यह चीजों को तोड़ने से पहले उन्हें तोड़ने के लिए एक सुरक्षित खेल का मैदान है।

चरण 3: "वास्तविक दुनिया" का परीक्षण

अंत में, आपको इसे कंप्यूटर से बाहर निकालकर वास्तविक दुनिया में लाना होगा। यह एक्सपेरिमेंटल वैलिडेशन (प्रायोगिक सत्यापन) है। लेखक जोर देते हैं कि आप केवल सिमुलेशन पर भरोसा नहीं कर सकते क्योंकि वास्तविक जीवन अव्यवस्थित है। हार्डवेयर में छोटी त्रुटियां होती हैं, घड़ियाँ पूरी तरह से सिंक नहीं होती हैं, और हस्तक्षेप (interference) अप्रत्याशित जगहों से आता है। इस चरण में, आप एक प्रोटोटाइप बनाते हैं और उसका परीक्षण करते हैं। पेपर दो विशिष्ट उदाहरणों के माध्यम से दिखाता है कि यह कैसे काम करता है:

1. ड्रोन (UAV): कल्पना कीजिए कि एक ड्रोन उन क्षेत्रों में लोगों की मदद करने के लिए शहर में उड़ रहा है जहाँ सेल टावर कमजोर हैं। ड्रोन बेहतर दृश्य प्राप्त करने के लिए घूमता है, जो एक मोबाइल कैमरे और रेडियो टावर की तरह कार्य करता है। परीक्षण यह जाँचता है कि क्या ड्रोन डेटा भेजते हुए और अपने परिवेश को सेंस करते हुए बिना टकराए सुरक्षित रूप से उड़ सकता है।
2. स्मार्ट मिरर (RIS): कल्पना कीजिए कि एक इमारत के अंदर एक विशेष "स्मार्ट मिरर" (जिसे रीकॉन्फ़िगरेबल इंटेलिजेंट सरफेस कहा जाता है) से ढकी हुई दीवार है। यह दर्पण रेडियो तरंगों को कोनों के चारों ओर मोड़ सकता है ताकि वे 'डेड ज़ोन' में मौजूद लोगों तक पहुँच सकें। परीक्षण यह जाँचता है कि क्या दर्पण वास्तव में सिग्नल में सुधार कर सकता है और भीड़भाड़ वाले कमरे में लोगों का पता लगाने में मदद कर सकता है।

उन्होंने क्या पाया (और क्या नहीं)

यह पेपर यह दावा नहीं करता कि उसने एक आदर्श सिस्टम बनाया है। इसके बजाय, यह सिद्ध करने के उपकरण प्रदान करता है कि कोई सिस्टम अच्छा है या नहीं। ड्रोन और स्मार्ट मिरर के उदाहरणों पर अपनी तीन-चरणीय पद्धति लागू करके, उन्होंने दिखाया कि:

• गणित मायने रखता है: आप शुरुआत में ही सीमाओं का अनुमान लगा सकते हैं। उदाहरण के लिए, उन्होंने गणना की कि कुछ 5G सेटिंग्स के साथ, "कोर्स" (मोटा) दूरी माप लगभग 2.4 मीटर है, जो अतिरिक्त युक्तियों के बिना कुछ कार्यों के लिए पर्याप्त सटीक नहीं है।
• सिमुलेशन मदद करते हैं, लेकिन सब कुछ नहीं हैं: अपने डिजिटल ट्विन परीक्षणों में, उन्होंने पाया कि विभिन्न प्रकार के डेटा (जैसे समय और कोण) को मिलाने से सिस्टम केवल एक के उपयोग की तुलना में बहुत अधिक सटीक हो गया। हालाँकि, जब वे वास्तविक ड्रोन परीक्षण (चरण 3) पर गए, तो उन्होंने "इंटरमिटेंट डिग्रेडेशन" (रुक-रुक कर होने वाली गिरावट) देखी—ऐसे क्षण जहाँ सिग्नल गड़बड़ा गया और सिस्टम संघर्ष करने लगा, कुछ ऐसा जिसे सटीक कंप्यूटर सिमुलेशन मिस कर गया था।
• "दिमाग" की एक लागत होती है: वे बताते हैं कि AI चलाने में ऊर्जा और समय लगता है। यदि AI बहुत धीमा है या बहुत अधिक बिजली का उपयोग करता है, तो स्मार्ट सिस्टम के लाभ समाप्त हो सकते हैं। वे सुझाव देते हैं कि भविष्य के परीक्षणों में "प्रति निर्णय ऊर्जा" (energy per decision) को गिनना चाहिए ताकि यह देखा जा सके कि क्या सिस्टम वास्तव में कुशल है।

निष्कर्ष

यह पेपर एक अराजक क्षेत्र में व्यवस्था लाने का आह्वान है। यह तर्क देता है कि इन नए AI-संचालित रेडियो सिस्टमों पर भरोसा करने के लिए, हमें अनुमान लगाना बंद करना चाहिए और एक सख्त, तीन-चरणीय रेसिपी का पालन करना शुरू करना चाहिए: गणित की जाँच करें, अराजकता का सिमुलेशन करें, और हार्डवेयर का परीक्षण करें। वे एक चेकलिस्ट प्रदान करते हैं कि वास्तव में क्या मापना है (जैसे स्थान की सटीकता, सिस्टम कितनी तेजी से प्रतिक्रिया करता है, और यह कितनी ऊर्जा का उपयोग करता है) ताकि दुनिया भर के वैज्ञानिक अपने परिणामों की निष्पक्ष रूप से तुलना कर सकें।

लेखक सावधान हैं कि वे यह नहीं कह रहे हैं कि उन्होंने सभी समस्याओं को हल कर लिया है। वे स्वीकार करते हैं कि बैटरी लाइफ, गोपनीयता और वातावरण में अचानक बदलाव जैसी चीजें अभी भी बड़ी चुनौतियाँ हैं। लेकिन एक सामान्य भाषा और एक सामान्य परीक्षण स्थल प्रदान करके, वे "शानदार सिद्धांत" और "विश्वसनीय तकनीक" के बीच के अंतर को पाटने की उम्मीद करते हैं जिसे हम वास्तव में अपने दैनिक जीवन में उपयोग कर सकते हैं। यह AI-संचालित रेडियो तरंगों के जादू को एक ऐसी वास्तविकता में बदलने का रोडमैप है जो सुरक्षित, तेज़ और भरोसेमंद है।