Explainable and trustworthy AI-driven fuzzy consensus for secure data sharing in intelligent transportation systems

एक आधुनिक शहर की हलचल भरी धमनियों में, कारें अब केवल मशीनें नहीं रह गई हैं; वे चलते-फिरते कंप्यूटर हैं जो दुर्घटनाओं से बचने और यातायात को सुगम बनाने के लिए लगातार डेटा का आदान-प्रदान करते हैं। वाहनों का यह नेटवर्क, जिसे अक्सर 'इंटरनेट ऑफ व्हीकल्स' कहा जाता है, एक सरल लेकिन नाजुक धारणा पर निर्भर करता है: कि कार द्वारा साझा की गई जानकारी सत्य है और साझा करने वाली कार भरोसेमंद है। जब कोई वाहन अचानक ब्रेक लगाता है या किसी खतरे की सूचना देता है, तो उसके पीछे चल रही कारों को तुरंत यह निर्णय लेना होता है कि क्या उन्हें उस संकेत पर विश्वास करना चाहिए। यदि वे किसी झूठे (liar) पर विश्वास कर लेते हैं, तो इसका परिणाम भ्रम या दुर्घटना की एक श्रृंखला हो सकता है। इंजीनियरों के लिए चुनौती एक ऐसा सिस्टम बनाने की है जो इस जानकारी को उपयोगी होने के लिए पर्याप्त तेज़ी से सत्यापित कर सके, बिना प्रत्येक ड्राइवर के मार्ग या पहचान के निजी विवरणों को उजागर किए। इसे हल करने के लिए, शोधकर्ता आर्टिफिशियल इंटेलिजेंस और गणितीय तर्क (mathematical logic) के एक ऐसे मिश्रण की ओर मुड़ रहे हैं जो इस बात की नकल करता है कि मनुष्य अनिश्चितता को कैसे संभालते हैं, जिससे वे कठोर, 'ब्लैक-बॉक्स' गणनाओं से हटकर एक ऐसे सिस्टम की ओर बढ़ रहे हैं जो अपने स्वयं के तर्क को समझा सके।

झेजियांग यूनिवर्सिटी ऑफ टेक्नोलॉजी और चाइना ओवरसीज प्रॉपर्टी मैनेजमेंट के शोधकर्ताओं की एक टीम ने इस विश्वास की समस्या को संभालने का एक नया तरीका प्रस्तावित किया है। उनका तर्क है कि वाहनों की विश्वसनीयता की जांच करने के पारंपरिक तरीके अक्सर शहरी यातायात की अराजक वास्तविकता के लिए बहुत कठोर या बहुत धीमे होते हैं। एक साधारण स्कोर पर निर्भर रहने के बजाय जो यह कहता है कि एक कार "अच्छी" है या "बुरी", उनका दृष्टिकोण 'इंट्यूशनिस्टिक फजी लॉजिक' (intuitionistic fuzzy logic) नामक एक अवधारणा का उपयोग करता है। यह विधि इस बात को स्वीकार करने की अनुमति देती है कि विश्वास एक निश्चित संख्या नहीं है, बल्कि एक बदलती हुई अवस्था है जिसमें संदेह और हिचकिचाहट शामिल होती है। जटिल ड्राइविंग इतिहास और वास्तविक समय के स्थानों को "उच्च विश्वास" या "निम्न विश्वास" जैसी मानव-समझने योग्य भाषा में बदलकर, यह प्रणाली निर्णय लेने में तेज़ और पारदर्शी हो सकती है। शोधकर्ताओं ने एक ऐसा ढांचा बनाया है जहाँ वाहन और सड़क किनारे स्थित इकाइयाँ (roadside units) संदेशों को सत्यापित करने के लिए मिलकर काम करती हैं, और संवेदनशील डेटा को छिपाते हुए इस कार्य के लिए सबसे विश्वसनीय प्रतिभागियों को चुनने के लिए इस फजी लॉजिक का उपयोग करती हैं।

उनके कार्य का मूल एक तीन-चरणीय प्रक्रिया है जो तब शुरू होती है जब एक वाहन नेटवर्क में प्रवेश करता है। सबसे पहले, सिस्टम कार के पिछले व्यवहार को देखता है, कच्चे नंबरों को प्रोसेस करने के बजाय, इसके सफल डेटा साझाकरण या नियम तोड़ने के इतिहास को एक 'फजी ट्रस्ट प्रोफाइल' में बदलकर। यदि किसी कार का दुर्घटनाओं की सही रिपोर्ट करने का इतिहास रहा है, तो वह "विश्वसनीय" श्रेणी में उच्च सदस्यता (membership) प्राप्त करती है। यदि उसे गलत डेटा भेजने के लिए पकड़ा गया है, तो उसका विश्वास स्तर गिर जाता है। महत्वपूर्ण रूप से, इस प्रक्रिया के लिए यह आवश्यक नहीं है कि कार अपना पूरा इतिहास इस तरह प्रकट करे जिसे चुराया जा सके; डेटा को सुरक्षित रूप से साझा करने योग्य 'सिमेंटिक श्रेणियों' में संक्षिप्त (abstracted) किया जाता है। इसके बाद, सिस्टम तत्काल संदर्भ (context) पर विचार करता है। यह पूछता है कि कार घटना के कितने करीब है और क्या उसका पथ यातायात के प्रवाह के साथ मेल खाता है। एक कार जो ट्रैफिक जाम के पास है और प्रवाह की दिशा में चल रही है, उसे उस कार की तुलना में अधिक महत्व दिया जाता है जो दूर है या विपरीत दिशा में चल रही है। इस स्थानिक समानता (spatial similarity) को भी "निकट" या "दूर" जैसे फजी शब्दों में अनुवादित किया जाता है, जिससे यह सुनिश्चित होता है कि सिस्टम प्रत्येक ड्राइवर के सटीक जीपीएस निर्देशांक (GPS coordinates) को जाने बिना स्थिति को समझ सके।

अंत में, इन दो सूचनाओं को—कार का इतिहास और उसकी वर्तमान स्थिति—निर्णय लेने के लिए जोड़ा जाता है। सिस्टम संदेश के सत्य होने पर मतदान करने के लिए वाहनों के एक छोटे समूह का चयन करता है। पुराने सिस्टमों के विपरीत, जहाँ प्रत्येक वोट का महत्व समान हो सकता था, या जहाँ कुछ शक्तिशाली नोड्स सब कुछ तय करते थे, यह नई विधि वोटों को फजी विश्वास स्कोर के आधार पर भारित (weight) करती है। उच्च विश्वास स्कोर और प्रासंगिक स्थान वाली कार का अंतिम निर्णय पर अधिक प्रभाव होता है। यदि समूह सहमत होता है कि संदेश वैध है, तो इसे एक सुरक्षित, अपरिवर्तनीय डिजिटल लेजर (digital ledger) पर दर्ज किया जाता है, जिससे घटना का एक स्थायी रिकॉर्ड बनता है। यदि संदेश को संदिग्ध के रूप में चिह्नित किया जाता है, तो इसे फैलने से रोकने के लिए अलग (isolate) कर दिया जाता है। शोधकर्ताओं ने एक सिम्युलेटेड वातावरण में इस प्रणाली का परीक्षण किया जिसमें एक सौ वाहन और दस रोडसाइड इकाइयाँ थीं, जो एक वास्तविक शहर के घनत्व और गति की नकल करती हैं। उन्होंने पाया कि उनकी विधि सत्यापन के सौ दौर को केवल बारह सेकंड में पूरा कर सकती है, जो अन्य अग्रणी विधियों की तुलना में काफी तेज़ है, जिन्हें समान कार्य के लिए लगभग उनतीस से अड़तालीस सेकंड लगे।

गति के अलावा, अध्ययन ने यह भी प्रदर्शित किया कि यह दृष्टिकोण बुरे तत्वों (bad actors) को पकड़ने में बहुत बेहतर है। उन सिमुलेशन में जहाँ तीस प्रतिशत वाहनों को गलत डेटा भेजकर दुर्भावनापूर्ण कार्य करने के लिए प्रोग्राम किया गया था, नए सिस्टम ने केवल पिछले व्यवहार या सरल सांख्यिकीय मॉडलों पर निर्भर रहने वाले सिस्टम की तुलना में गलत सूचना को पहचानने और फिल्टर करने में अधिक सफलता प्राप्त की। फजी लॉजिक ने सिस्टम को क्षण की अराजकता के अनुकूल होने की अनुमति दी, यह पहचानते हुए कि एक अच्छी हिस्ट्री वाली कार भी अविश्वसनीय हो सकती है यदि वह घटना से दूर है, या एक संदिग्ध अतीत वाली कार भी सच बोल सकती है यदि वह ठीक घटनास्थल पर मौजूद है। इसके अलावा, इस सिस्टम ने गोपनीयता के लिए एक मजबूत ढाल प्रदान की। जब शोधकर्ताओं ने डेटा से वाहनों के सटीक पथों को पुनर्गठित करने के लिए भविष्यवाणी मॉडल का उपयोग करने की कोशिश की, तो उन्होंने पाया कि फजी प्रतिनिधित्व ने यह अनुमान लगाना बहुत कठिन बना दिया कि कार कहाँ रही थी। वाहन के स्थान की भविष्यवाणी करने में त्रुटि कच्चे डेटा की तुलना में काफी अधिक थी, जिसका अर्थ है कि ड्राइवर अपने सटीक आंदोलनों को प्रकट किए बिना आवश्यक यातायात जानकारी साझा कर सकते हैं।

शोधकर्ता इस बात पर जोर देते हैं कि यह कोई जादुई समाधान नहीं है जो सभी जोखिमों को समाप्त कर देता है, बल्कि एक मजबूत ढांचा है जिसे बुद्धिमान परिवहन प्रणालियों को अधिक जवाबदेह और सुरक्षित बनाने के लिए डिज़ाइन किया गया है। अपारदर्शी एल्गोरिदम के स्थान पर एक ऐसा सिस्टम लाकर जो अपने निर्णयों को सरल शब्दों में समझा सके, यह कार्य एक ऐसे भविष्य की ओर मार्ग प्रशस्त करता है जहाँ कारें अपने यात्रियों की गोपनीयता से समझौता किए बिना सुरक्षित रूप से समन्वय कर सकें। सिमुलेशन बताते हैं कि गति, सुरक्षा और पारदर्शिता का यह संतुलन प्राप्त करना संभव है, जो स्मार्ट शहरों की अगली पीढ़ी के लिए एक आधार प्रदान करता है जहाँ डेटा साझाकरण न केवल तेज़ है, बल्कि भरोसेमंद भी है।