कल्पना कीजिए कि आप अगले बड़े तूफान की भविष्यवाणी करने की कोशिश कर रहे हैं। आप केवल अनुमान नहीं लगा सकते; आपको यह देखना होगा कि अतीत में हवा, दबाव और तापमान ने अराजकता पैदा करने के लिए एक साथ कैसे नृत्य किया है। यही विमानन (aviation) में "सुरक्षा विश्लेषण" (safety analysis) का मूल है। यह इंजन के धुआं छोड़ने के बाद उसे ठीक करने के बारे में नहीं है; यह डेटा से बने एक क्रिस्टल बॉल का उपयोग करके यह पूछने के बारे में है, "क्या होगा यदि एक पायलट भ्रमित हो जाए, मौसम बर्फीला हो जाए, और एक कंप्यूटर में खराबी आ जाए और ये सब एक साथ हो जाए?" लक्ष्य इन खतरनाक संयोजनों को होने से पहले ही ढूंढ लेना है, ताकि इंजीनियर ऐसे विमान बना सकें जो उनका सामना कर सकें। दशकों से, मनुष्यों ने यह काम विचार-मंथन (brainstorming) और पुराने दुर्घटना रिपोर्टों की जांच करके किया है, लेकिन संभावित "क्या होगा यदि" (what-if) परिदृश्यों की संख्या इतनी विशाल है कि यह समुद्र तट पर एक विशिष्ट रेत के कण को खोजने जैसा है। अब, वैज्ञानिक पूछ रहे हैं: क्या हम एक सुपर-स्मार्ट कंप्यूटर को हमारे लिए यह विचार-मंथन करना सिखा सकते हैं?

यह शोध पत्र HaGen (हैजेन - Hazard Generator) नामक एक नए AI टूल का परिचय देता है जो सुरक्षा इंजीनियरों के लिए एक रचनात्मक लेखन साथी (creative writing partner) के रूप में कार्य करता है। केवल शुष्क तथ्य सूचीबद्ध करने के बजाय, HaGen हजारों वास्तविक, ऐतिहासिक दुर्घटना रिपोर्टों को पढ़ता है जो NASA के डेटाबेस से ली गई हैं और विमानन आपदाओं की "व्याकरण" (grammar) को सीखता है। जब एक इंजीनियर पूछता है, "मुझे एक ऐसा परिदृश्य दिखाएं जहां साफ आसमान में लैंडिंग के दौरान विमान को नुकसान पहुंचता है," तो HaGen केवल त्रुटियों की एक रैंडम सूची नहीं उगल देता। यह एक पूर्ण कहानी बुनता है: यह विशिष्ट, यथार्थवादी कारणों (जैसे कि एक विशिष्ट प्रकार का मौसम, उड़ान का एक विशेष चरण और एक मानवीय गलती) को चुनता है और फिर एक जीवंत, तकनीकी वृत्तांत (narrative) लिखता है जो विस्तार से बताता है कि वे कारक मिलकर समस्या कैसे पैदा करेंगे।

शोधकर्ताओं ने इस उपकरण का परीक्षण पुराने, अधिक कठोर गणितीय तरीकों के विरुद्ध किया। उन्होंने पाया कि जबकि AI कहानी लिखने में बहुत अच्छा है, लेकिन कभी-कभी यह तर्क (logic) में लड़खड़ा जाता है और घटनाओं के असंभव संयोजन बना देता है। हालांकि, उन्होंने एक चतुर समाधान खोजा: उन्होंने एक हाइब्रिड संस्करण बनाया जिसे HaGen+ कहा गया। इस संस्करण में, एक अलग, अत्यधिक तार्किक AI पहले दुर्घटना का "कंकाल" (skeleton - कारणों की सूची) बनाता है, और HaGen केवल उस पर "मांस" (कहानी) भरता है। यह संयोजन सबसे विश्वसनीय साबित हुआ, जो न केवल यथार्थवादी परिदृश्य बनाता है बल्कि सुसंगत भी है और तार्किक त्रुटियों से मुक्त है। यह शोध पत्र सुझाव देता है कि यह हाइब्रिड दृष्टिकोण सुरक्षा विशेषज्ञों के लिए एक शक्तिशाली सहायक बन सकता है, जिससे उन्हें उन खतरनाक स्थितियों को पहचानने में मदद मिल सकती है जिन्हें वे शायद चूक गए हों, बशर्ते कि एक मानव विशेषज्ञ हमेशा अंतिम कार्य की दोबारा जांच करे।

HaGen की कहानी: AI को आपदाओं के सपने देखना सिखाना (सुरक्षित रूप से)

विमानन सुरक्षा कुछ हद तक "क्या होगा यदि?" (What If?) का खेल खेलने जैसा है, लेकिन इसमें दांव आसमान जितना ऊँचा है। विमानों को सुरक्षित रखने के लिए, इंजीनियरों को हर उस तरीके की कल्पना करनी होती है जिससे उड़ान गलत हो सकती है। वे पुरानी दुर्घटना रिपोर्टों को देखते हैं—जैसे कि NASA के विशाल डेटाबेस ASRS में संग्रहीत रिपोर्ट—यह देखने के लिए कि पैटर्न क्या हैं। आमतौर पर, कोई दुर्घटना केवल एक चीज़ के कारण नहीं होती; यह एक श्रृंखला अभिक्रिया (chain reaction) होती है। हो सकता है कि मौसम खराब था, पायलट थका हुआ था, और एक सेंसर विफल हो गया, और ये सभी चीजें ठीक उसी समय हुई हों।

लंबे समय से, मनुष्यों को इन घटनाओं की श्रृंखलाओं के लिए मैन्युअल रूप से विचार-मंथन करना पड़ता रहा है। यह कठिन काम है, और चूंकि इसमें बहुत सारे चर (variables) होते हैं (मौसम, पायलट के कार्य, विमान के पुर्जे, एयर ट्रैफिक कंट्रोल के निर्देश), इसलिए एक अजीब लेकिन खतरनाक संयोजन को चूक जाना आसान है। यहीं पर इस शोध पत्र के लेखक एक नए विचार के साथ आते हैं: आइए हम Large Language Models (LLMs) का उपयोग करें—वही तरह के AI जो कविताएँ लिखते हैं और प्रश्नों के उत्तर देते हैं—हमारे लिए इन "क्या होगा यदि" परिदृश्यों को उत्पन्न करने के लिए।

जादुई उपकरण: HaGen

लेखकों ने HaGen नामक एक उपकरण बनाया है। HaGen को एक ऐसे रचनात्मक लेखक के रूप में सोचें जिसने इतिहास की हर एक विमानन दुर्घटना रिपोर्ट पढ़ी है। जब आप इसे एक विशिष्ट लक्ष्य देते हैं—जैसे, "एक ऐसी कहानी लिखें जिसमें साफ मौसम में अंतिम दृष्टिकोण (final approach) के दौरान विमान को नुकसान पहुँचता है"—तो HaGen दो काम करता है:

1. यह एक कंकाल बनाता है: यह विशिष्ट, श्रेणीबद्ध कारकों (जैसे "रात", "बर्फबारी/आइसिंग", "संचार विफलता") का एक सेट चुनता है जो विमानन के नियमों के अनुकूल हो।
2. यह कहानी लिखता है: यह एक विस्तृत वृत्तांत (narrative) तैयार करता है जो विस्तार से बताता है कि वे कारक वास्तविक जीवन में कैसे घटित होंगे, जिसमें उस तकनीकी भाषा का उपयोग किया जाता है जिसका उपयोग पायलट और नियंत्रक करते हैं।

शोध पत्र ने तीन अलग-अलग AI मॉडल (Llama, Ministral, और Phi) और पूछने के दो अलग-अलग तरीकों (Zero-Shot, जहाँ आप बस पूछते हैं, और Few-Shot, जहाँ आप पहले AI को कुछ उदाहरण देते हैं) का उपयोग करके HaGen का परीक्षण किया।

समस्या: AI Hallucinations (भ्रम)

यहाँ एक पेंच है। हालाँकि HaGen लिखने में बहुत अच्छा है, लेकिन कभी-कभी यह तथ्यों को गलत कर देता है। प्रयोगों में, AI ने कभी-कभी ऐसे परिदृश्य बनाए जो असंभव थे या नियमों से मेल नहीं खाते थे। उदाहरण के लिए, यह सुझाव दे सकता है कि एक विमान "साफ आसमान" में दुर्घटनाग्रस्त हो गया जबकि कहानी में बर्फबारी का वर्णन किया गया था, या यह विमान का ऐसा हिस्सा बना सकता है जो अस्तित्व में ही नहीं है।

शोधकर्ताओं ने पाया कि केवल AI को "रचनात्मक होने" के लिए कहना (Zero-Shot) बहुत सारी गलतियों का कारण बनता है। हालांकि, जब उन्होंने AI को पहले अच्छी कहानियों के कुछ उदाहरण दिए (Few-Shot prompting), तो त्रुटि दर काफी कम हो गई। वास्तव में, इस "Few-Shot" पद्धति में स्विच करने से बिना उदाहरण दिए पूछने की तुलना में संरचनाओं की सटीकता में लगभग 52% का सुधार हुआ।

दिलचस्प बात यह है कि उन्होंने AI को "Fine-tune" करने की कोशिश की (उसे विशेष रूप से अपने डेटासेट पर सिखाना) ताकि वह बेहतर हो सके, लेकिन इसने कुछ मॉडलों के लिए चीजों को वास्तव में बदतर बना दिया, जिससे वे अधिक बार विफल होने लगे। सबसे अच्छे परिणाम Llama मॉडल और Few-Shot दृष्टिकोण के उपयोग से मिले, जिसमें कोई Fine-tuning नहीं की गई थी।

समाधान: HaGen+ (दोनों दुनियाओं का सर्वश्रेष्ठ)

लेखकों ने महसूस किया कि जबकि AI कहानियाँ लिखने में अच्छा है, लेकिन यह दुर्घटना के "कंकाल" को बनाने के लिए आवश्यक सख्त तर्क (logic) में हमेशा कुशल नहीं होता है। इसलिए, उन्होंने HaGen+ बनाया।

कल्पना कीजिए कि HaGen+ दो लोगों की एक टीम है:

1. द आर्किटेक्ट (The Architect - EVA): यह एक विशिष्ट, पुराने एल्गोरिदम की तरह है जो बहुत सख्त और तार्किक है। यह दुर्घटना का एक आदर्श कंकाल बनाता है, यह सुनिश्चित करते हुए कि सभी कारक एक साथ सही अर्थ रखते हैं। यह "evolutionary abduction" नामक एक विधि का उपयोग करता है, जो एक डिजिटल विकास प्रक्रिया की तरह है जो सबसे संभावित संयोजनों को खोजने के लिए हजारों परीक्षण करती है।
2. द स्टोरीटेलर (The Storyteller - HaGen): एक बार जब आर्किटेक्ट कंकाल बना लेता है, तो HaGen कार्यभार संभाल लेता है और उसके इर्द-गिर्द वृत्तांत लिखता है।

इस हाइब्रिड दृष्टिकोण ने सबसे बड़ी समस्या को हल कर दिया। क्योंकि आर्किटेक्ट यह गारंटी देता है कि कंकाल वैध है, स्टोरीटेलर को असंभव तथ्य बनाने की चिंता करने की आवश्यकता नहीं होती है। परिणाम? "HaGen+" टूल ने ऐसे परिदृश्य उत्पन्न किए जो केवल 'स्ट्रक्चर्ड-ओनली' (संरचित-मात्र) विधियों के समान यथार्थवादी थे, लेकिन इसमें शून्य अमान्य संरचनाएँ थीं। इसने कहानियों को बहुत अधिक सुसंगत भी बनाया, जिससे उनके यथार्थवादी दिखने के तरीके में 83% तक की भिन्नता कम हो गई।

यह क्यों महत्वपूर्ण है

यह शोध पत्र यह दावा नहीं करता है कि AI मानव सुरक्षा इंजीनियरों की जगह ले सकता है। इसके बजाय, यह सुझाव देता है कि AI चक्र में एक शक्तिशाली "सहायक" (assistant) हो सकता है। यह सैकड़ों संभावित, विस्तृत परिदृश्य जल्दी से उत्पन्न कर सकता है जिन्हें एक मानव शायद कभी न सोच पाए, जिससे इंजीनियरों को छिपे हुए खतरों को पहचानने में मदद मिलती है।

शोधकर्ताओं ने अपने उपकरण का परीक्षण संरचित दुर्घटना डेटा उत्पन्न करने वाली अत्याधुनिक विधियों (विशेष रूप से विकासवादी खोज और कारण संरचना खोज पर आधारित) के विरुद्ध किया और पाया कि उनके AI-जनित संरचित परिदृश्य, उन समर्पित, गैर-AI विधियों द्वारा बनाए गए परिदृश्यों से सांख्यिकीय रूप से अविभेद्य (indistinguishable) थे। इसके अलावा, सिस्टम Traceability (पता लगाने की क्षमता) प्रदान करता है, जो प्रत्येक उत्पन्न परिदृश्य को सबसे समान ऐतिहासिक ASRS रिपोर्टों से जोड़ता है, जिससे यह प्रमाण मिलता है कि परिदृश्य केवल एक रैंडम आविष्कार नहीं बल्कि वास्तविक दुनिया के पैटर्न पर आधारित है।

हालाँकि, शोध पत्र सावधानीपूर्वक नोट करता है कि यह अन्वेषण (exploration) के लिए एक उपकरण है, न कि भविष्यवाणी के लिए एक क्रिस्टल बॉल। AI "उम्मीदवार" (candidate) परिदृश्य उत्पन्न करता है जिन्हें मानव विशेषज्ञों द्वारा समीक्षा किया जाना चाहिए। लेखक सुझाव देते हैं कि वास्तविक दुनिया के प्रमाणन (FAA या EASA जैसी एजेंसियों से आधिकारिक अनुमोदन प्राप्त करना) के लिए उपयोग किए जाने के लिए, AI को एक "Human-in-the-Loop" प्रणाली का हिस्सा होना चाहिए, जहाँ एक मानव का हमेशा अंतिम निर्णय हो।

संक्षेप में, यह शोध पत्र दिखाता है कि पुराने-स्कूल के एल्गोरिदम की तार्किक कठोरता को आधुनिक AI की रचनात्मक कहानी कहने की शक्ति के साथ जोड़कर, हम आकाश के लिए एक बेहतर सुरक्षा जाल बना सकते हैं। यह पायलट या इंजीनियर को बदलने के बारे में नहीं है; यह उन्हें एक सुपर-पावर्ड सहायक देने के बारे में है ताकि वे अदृश्य खतरों को उनके होने से पहले ही देख सकें।