Learning from waste: Machine Learning for health risk prediction and computer vision-based sorting in Ghana
यह अध्ययन प्रदर्शित करता है कि मशीन लर्निंग घाना में अपशिष्ट निपटान प्रथाओं और स्वास्थ्य जोखिमों के बीच के संबंध को मात्रात्मक रूप से मान्य कर सकती है और साथ ही संसाधन-सीमित परिवेशों में स्वचालित अपशिष्ट छंटाई के लिए एक किफायती, कैमरा-आधारित समाधान भी प्रदान कर सकती है, हालांकि यह इस बात पर जोर देता है कि सार्वजनिक स्वास्थ्य सुधार प्राप्त करने के लिए तकनीकी सफलता को संस्थागत समर्थन के साथ जोड़ा जाना चाहिए।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दुनिया भर के कई बढ़ते शहरों में, लोगों के कचरा फेंकने का तरीका उस हवा को बदल रहा है जिसे वे सांस में लेते हैं और उस पानी को जिसे वे पीते हैं, जिसके अक्सर स्वास्थ्य के लिए गंभीर परिणाम होते हैं। जब कचरे को खुले स्थानों में सड़ने, सड़कों पर जलाने या नदियों में डालने के लिए छोड़ दिया जाता है, तो यह बीमारियों और प्रदूषण के लिए प्रजनन स्थल बना देता है। वैज्ञानिक लंबे समय से जानते हैं कि ये बुरी आदतें बीमारी से जुड़ी हुई हैं, लेकिन आमतौर पर, वे इस संबंध को केवल सामान्य शब्दों में ही वर्णित कर पाते हैं, जैसे कि यह नोट करना कि किसी जलधारा में अधिक कचरा होने का अर्थ अक्सर पड़ोस में पेट की बीमारी के अधिक मामले होते हैं। जो चीज़ गायब थी, वह यह थी कि यह मापा जा सके कि ठीक कैसे एक विशिष्ट तरीके से चीजें फेंकना, एक विशिष्ट व्यक्ति के लिए एक विशिष्ट प्रकार की बीमारी की भविष्यवाणी करता है, और कचरे के डंप तक पहुँचने से पहले छंटाई की समस्या को हल करने का एक व्यावहारिक, किफायती तरीका क्या है। यहीं पर घाना के शोधकर्ताओं का काम काम आता है, जो बिखरे हुए, वास्तविक दुनिया के अवलोकनों को स्पष्ट, कार्रवाई योग्य डेटा में बदलने के लिए आधुनिक कंप्यूटर उपकरणों का उपयोग कर रहे हैं।
कुमासी शहर के पास स्थित अटोन्सु समुदाय में, शोधकर्ताओं की एक टीम ने वहां रहने वाले लोगों की बात सुनकर शुरुआत की। 2022 के एक क्षेत्रीय अध्ययन में, निवासियों ने समझाया कि उन्होंने एक स्पष्ट पैटर्न देखा: जब वे अपना कचरा जलाते थे, तो उन्हें सिरदर्द और हृदय संबंधी समस्याएं होती थीं; जब वे इसे झाड़ियों में फेंकते थे, तो उन्हें मलेरिया और सांप के काटने का सामना करना पड़ता था; और जब वे इसे धाराओं में फेंकते थे, तो वे हैजा और दस्त से पीड़ित होते थे। हालांकि ये कहानियाँ प्रभावशाली थीं, लेकिन वे केवल विवरण मात्र थीं। शोधकर्ता यह जानना चाहते थे कि क्या एक कंप्यूटर इन कहानियों से सीखकर कचरे के प्रबंधन के आधार पर बीमारी की भविष्यवाणी कर सकता है। उन्होंने सैकड़ों निवासियों से सर्वेक्षण डेटा एकत्र किया, जिसमें उनसे उनकी निपटान की आदतों और उनके स्वास्थ्य के बारे में पूछा गया। फिर उन्होंने एक कंप्यूटर प्रोग्राम को, जिसे 'रैंडम फॉरेस्ट क्लासिफायर' (random forest classifier) कहा जाता है, इस जानकारी में पैटर्न खोजने के लिए प्रशिक्षित किया। प्रोग्राम ने लोगों को उनके द्वारा बताई गई बीमारी के प्रकार और कचरा फेंकने के तरीके के आधार पर समूहों में वर्गीकृत करना सीखा। जब वास्तव में बीमार लोगों के एक समूह पर इसका परीक्षण किया गया, तो कंप्यूटर लगभग 63 प्रतिशत बार बीमारी के प्रकार का सही अनुमान लगाने में सक्षम रहा। यह शायद पूर्ण न लगे, लेकिन यह एक महत्वपूर्ण कदम है। यह साबित करता है कि कचरे और बीमारी के बीच का संबंध केवल एक भावना या संयोग नहीं है; यह एक मापने योग्य पैटर्न है जिसे एक मशीन सीख सकती है। कंप्यूटर ने पाया कि निपटान का तरीका सबसे महत्वपूर्ण सुराग था, जो रिपोर्ट करने वाले व्यक्ति की उम्र या काम की तुलना में कहीं अधिक महत्वपूर्ण था।
जबकि अध्ययन के पहले भाग ने स्वास्थ्य परिणामों पर ध्यान केंद्रित किया, दूसरे भाग ने समाधान पर काम किया: बिना महंगी मशीनरी पर बहुत अधिक खर्च किए कचरे को कुशलतापूर्वक कैसे छाँटा जाए। अटोन्सु की कचरा समस्या को हल करने का मूल विचार कई अलग-अलग सेंसरों, जैसे कि इन्फ्रारेड लाइट और मेटल डिटेक्टरों के साथ एक जटिल मशीन था, जो विभिन्न प्रकार के कचरे को अलग करती है। हालाँकि, ऐसे उपकरण महंगे होते हैं और सीमित संसाधनों वाले स्थानों में उनका रखरखाव कठिन होता है। शोधकर्ताओं ने पूछा कि क्या एक साधारण कैमरा वही काम कर सकता है। उन्होंने एक कैमरे और 'कन्वोल्यूशनल न्यूरल नेटवर्क' (convolutional neural network) नामक एक प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग करके एक प्रणाली बनाई, जो छवियों को पहचानने के लिए डिज़ाइन किया गया है। उन्होंने इस प्रणाली को विभिन्न प्रकार के कचरे, जैसे कार्डबोर्ड, कांच, धातु, कागज, प्लास्टिक और सामान्य कचरे की तस्वीरों के एक बड़े संग्रह का उपयोग करके प्रशिक्षित किया। परिणाम चौंकाने वाला था। कैमरे पर आधारित प्रणाली ने उन लगभग 88 प्रतिशत मामलों में कचरे के प्रकार की सही पहचान की, जिन पर इसका परीक्षण किया गया था। इसका मतलब है कि एक साधारण कैमरा, जिसे कन्वेयर बेल्ट या यहाँ तक कि स्मार्टफोन से भी जोड़ा जा सकता है, बहुत अधिक जटिल मल्टी-सेंसर मशीनों की तरह ही कचरे को छाँट सकता है, लेकिन बहुत कम लागत और जटिलता के साथ।
यह अध्ययन इन दो खोजों को एक साथ लाकर समस्या की एक स्पष्ट तस्वीर और आगे बढ़ने का एक संभावित रास्ता पेश करता है। बीमारी की भविष्यवाणी करने वाला कंप्यूटर मॉडल समुदाय के अवलोकनों की पुष्टि करता है: आप अपना कचरा किस तरह से फेंकते हैं, यह सीधे तौर पर इस बात को प्रभावित करता है कि आपको किस प्रकार की बीमारी हो सकती है। कैमरा मॉडल दिखाता है कि कचरे को छाँटने के लिए किसी हाई-टेक फैक्ट्री की आवश्यकता नहीं है; इसे सस्ती, सुलभ तकनीक के साथ किया जा सकता है। हालाँकि, शोधकर्ता सावधानी बरतते हुए नोट करते हैं कि एक कामकाजी मॉडल होने का मतलब समस्या का समाधान होना नहीं है। बीमारी की भविष्यवाणी करने या कचरा छाँटने की क्षमता अपने आप स्थिति को ठीक नहीं करती है। अध्ययन बताता है कि घाना में वास्तविक बाधाएँ तकनीकी नहीं बल्कि संस्थागत हैं, जिनमें धन की उपलब्धता, कानूनों का प्रवर्तन और स्थानीय अधिकारियों की कार्रवाई करने की इच्छा जैसे मुद्दे शामिल हैं। तकनीक मदद करने के लिए तैयार है, लेकिन इन भविष्यवाणियों और स्वचालित छंटाई को बेहतर स्वास्थ्य और स्वच्छ वातावरण में बदलने के लिए इसे लोगों और नीतियों के समर्थन की आवश्यकता है। यह कार्य प्रदर्शित करता है कि संसाधन-सीमित परिवेश में भी, आधुनिक डेटा उपकरण स्थानीय ज्ञान को प्रमाणित कर सकते हैं और व्यावहारिक, कम लागत वाले समाधान प्रदान कर सकते हैं, बशर्ते कि उन्हें अमल में लाने के लिए एक स्पष्ट योजना हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।