Construction and Application of an AI-Agent-Based Workflow for the Rapid Survey of Building Damage and Functionality

जब ज़मीन हिलती है, तो किसी शहर के लिए तत्काल प्रश्न केवल यह नहीं होता कि क्या कोई इमारत खड़ी है, बल्कि यह होता है कि क्या उसका अभी भी उपयोग किया जा सकता है। एक अस्पताल संरचनात्मक रूप से सुरक्षित रह सकता है, उसकी दीवारें और बीम बरकरार हो सकते हैं, फिर भी वह पूरी तरह से बेकार हो सकता है यदि उसके चिकित्सा उपकरण टूट गए हों या उसकी प्लंबिंग प्रणाली कट गई हो। दशकों से, इंजीनियर इमारतों का आकलन व्यक्तिगत हिस्सों को देखकर करते आए हैं: एक टूटी हुई दीवार, एक टूटी हुई खिड़की, या एक मुड़ा हुआ बीम। वे प्रत्येक क्षति के हिस्से को एक ग्रेड देते हैं, लेकिन यह दृष्टिकोण अक्सर जीवित बचे लोगों के लिए सबसे महत्वपूर्ण प्रश्न का उत्तर देने में विफल रहता है: क्या अंदर का कमरा सुरक्षित और कार्यात्मक है? यह जानना कि एक दीवार टूटी हुई है और यह जानना कि एक अस्पताल का ऑपरेशन थिएटर अनुपयोगी है, के बीच का अंतर लंबे समय से एक कठिन समस्या रही है, जो काफी हद से मानव निरीक्षकों के व्यक्तिपरक निर्णय पर निर्भर करती है जिन्हें बिखरे हुए सुरागों से एक जटिल तस्वीर बनानी होती है।

शोधकर्ता जू झेंग (Xu Zheng) और जिन लियू (Jin Liu) ने इस अंतर को पाटने का एक नया तरीका प्रस्तावित किया है, जिससे एक डिजिटल वर्कफ़्लो तैयार किया गया है जो भूकंप के बाद इमारत का मूल्यांकन करने के लिए विशेषज्ञ सहायकों की एक टीम की तरह कार्य करता है। एक एकल कंप्यूटर प्रोग्राम के सब कुछ एक साथ करने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जहाँ विभिन्न आर्टिफिशियल इंटेलिजेंस (AI) एजेंट मिलकर काम करते हैं, जिनमें से प्रत्येक का एक विशिष्ट कार्य है। एक एजेंट ज़मीन पर ली गई तस्वीरों को देखता है ताकि क्षति का पता लगाया जा सके। दूसरा एजेंट यह समझने के लिए बिल्डिंग कोड की एक डिजिटल लाइब्रेरी से परामर्श करता है कि उस क्षति का क्या अर्थ है। तीसरा एजेंट एक संभाव्यता मॉडल (probabilistic model) का उपयोग करता है ताकि यह पता लगाया जा सके कि एक एकल दीवार की क्षति किसी पूरे कमरे की कार्यक्षमता को कैसे प्रभावित कर सकती है। अंत में, चौथा एजेंट इस सभी जानकारी को एक स्पष्ट, मानकीकृत रिपोर्ट में संकलित करता है। यह प्रणाली केवल क्षति गिनने से आगे बढ़कर, भौतिक दरारों और टूटी हुई पाइपों को इस सटीक मूल्यांकन में बदलने के लिए डिज़ाइन की गई है कि क्या कोई इमारत अभी भी अपना काम कर सकती है।

इस नई पद्धति का मूल आधार दृष्टिकोण में बदलाव है। पारंपरिक तरीके अक्सर एक इमारत को हिस्सों के संग्रह के रूप में देखते हैं, जहाँ सबसे खराब क्षति ही अंतिम निर्णय निर्धारित करती है। यदि एक महत्वपूर्ण घटक टूट जाता है, तो पूरे सिस्टम को विफल घोषित कर दिया जाता है, भले ही अन्य हिस्से काम कर रहे हों। शोधकर्ताओं का तर्क है कि यह बहुत ही सतही उपकरण है। उनके सिस्टम में, AI एजेंट भौतिक क्षति और कार्यात्मक हानि के बीच अंतर करने के लिए काम करते हैं। वे एक ऐसे नेटवर्क का उपयोग करते हैं जो यह मानचित्रित करता है कि एक इमारत के विभिन्न हिस्से एक-दूसरे पर कैसे निर्भर हैं। उदाहरण के लिए, एक अस्पताल के ऑपरेशन थिएटर में, वायु निस्पंदन प्रणाली (air filtration system), गैस पाइपलाइन और चिकित्सा मशीनें सभी महत्वपूर्ण हैं। यदि दीवारें थोड़ी सी फटी हुई हैं लेकिन गैस लाइनें सुरक्षित हैं, तो कम सीमाओं के साथ कमरा अभी भी उपयोग योग्य हो सकता है। हालांकि, यदि गैस लाइनें कट जाती हैं, तो दीवारें एकदम सही होने के बावजूद कमरा बेकार हो जाता है। यह सिस्टम इन संबंधों की गणना करके एक साधारण पास या फेल के बजाय एक सूक्ष्म उत्तर प्रदान करता है।

इस विचार का परीक्षण करने के लिए, टीम ने एक अस्पताल के ऑपरेशन थिएटर से जुड़े एक वास्तविक परिदृश्य में अपने वर्कफ़्लो को लागू किया। उन्होंने सिस्टम को विभिन्न प्रकार की क्षति, जैसे दीवारों में दरारें या छत का विस्थापन, का वर्णन करने वाली तस्वीरें और डेटा दिया। सिस्टम ने फिर इन अवलोकनों को अपने एजेंटों के नेटवर्क के माध्यम से ट्रैक किया। धारणा एजेंट (perception agent) ने क्षति की पहचान की, ज्ञान एजेंट (knowledge agent) ने इसे विशिष्ट बिल्डिंग कोड नियमों के साथ सुमेलित किया, और निष्कर्ष एजेंट (inference agent) ने कमरे की समग्र कार्यक्षमता पर इसके प्रभाव की गणना की। एक विशिष्ट मामले में, सिस्टम ने पाया कि जबकि कमरे के गैर-संरचनात्मक हिस्से, जैसे दीवारें और छत, मध्यम रूप से क्षतिग्रस्त थे, लेकिन महत्वपूर्ण चिकित्सा उपकरण और गैस प्रणालियाँ सुरक्षित थीं। वर्कफ़्लो ने निष्कर्ष निकाला कि कमरा क्षीण (degraded) था लेकिन अभी भी चालू स्थिति में था। यह एक महत्वपूर्ण अंतर है। एक सरल विधि, जो केवल सबसे खराब क्षति को देखती, संभवतः कमरे को पूरी तरह से अनुपयोगी घोषित कर देती, जिससे अनावश्यक निकासी या ऐसी सुविधा को छोड़ने की स्थिति पैदा हो सकती थी जो जीवन बचा सकती थी।

शोधकर्ताओं ने यह भी पता लगाया कि जब क्षति अधिक गंभीर होती है तो क्या होता है। उन्होंने कई परिदृश्य चलाए जहाँ उन्होंने क्षति के प्रकार और स्थान को बदला ताकि यह देखा जा सके कि सिस्टम कैसे प्रतिक्रिया देता है। उन्होंने पाया कि सिस्टम ने सही ढंग से पहचाना कि गैर-संरचनात्मक तत्वों, जैसे कि गिरती हुई छत की गंभीर क्षति, कमरे को किसी के भी प्रवेश के लिए असुरक्षित बना सकती है, भले ही चिकित्सा उपकरण ठीक हों। इसके विपरीत, उन्होंने पाया कि एक एकल कार्यात्मक प्रणाली, जैसे कि मेडिकल गैस आपूर्ति, की गंभीर क्षति कमरे को उसके इच्छित उद्देश्य के लिए अनुपयुक्त बना देगी, भले ही इमारत की संरचना एकदम सही हो। सिस्टम ने इन दो प्रकार की विफलताओं को सफलतापूर्वक अलग किया, यह दिखाते हुए कि एक इमारत की कार्य करने की क्षमता क्षतिग्रस्त हिस्सों की कुल मात्रा पर नहीं, बल्कि उनके विशिष्ट संयोजन पर निर्भर करती है। एक इमारत जो शारीरिक रूप से असुरक्षित है और एक जो कार्यात्मक रूप से टूटी हुई है, के बीच अंतर करने की यह क्षमता ही उनके काम की प्राथमिक प्रगति है।

इस वर्कफ़्लो की एक प्रमुख विशेषता इसकी यह जानने की क्षमता है कि वह कब अनिश्चित है। सिस्टम को उन मामलों को चिह्नित करने के लिए डिज़ाइन किया गया है जहाँ साक्ष्य अस्पष्ट हैं या क्षति जटिल है। जब AI एजेंट ऐसी स्थिति का सामना करते हैं जहाँ उनका आत्मविश्वास कम होता है, या जहाँ सिस्टम के विभिन्न भाग परस्पर विरोधी परिणाम देते हैं, तो वे स्वचालित रूप से रुक जाते हैं और मदद के लिए एक मानव विशेषज्ञ से पूछते हैं। यह मशीन और मानव के बीच एक साझेदारी बनाता है। मशीन हजारों तस्वीरों को स्कैन करने और उन्हें कोड के विरुद्ध जाँचने का नियमित काम संभालती है, जबकि मानव केवल उन कठिन मामलों के लिए हस्तक्षेप करता है जिनमें निर्णय लेने की आवश्यकता होती है। उनके परीक्षणों में, इस दृष्टिकोण ने अधिकांश परिदृश्यों को स्वचालित रूप से संसाधित करने में मदद की, जबकि यह सुनिश्चित किया कि सबसे महत्वपूर्ण निर्णयों की समीक्षा एक व्यक्ति द्वारा की जाए। यह संतुलन त्रुटि दर को कम रखने में मदद करता है बिना संपूर्ण मूल्यांकन प्रक्रिया को धीमा किए।

टीम ने अपने नए तरीके की तुलना पुराने, अधिक पारंपरिक तरीकों से भी की। उन्होंने पाया कि पुराने तरीके, जो कमरे के किसी भी भाग में पाई गई सबसे खराब क्षति को जोड़ देते थे, नुकसान का अतिरंजित अनुमान लगाते थे। वे अक्सर एक कमरे को पूरी तरह से खोया हुआ घोषित कर देते थे जबकि वह वास्तव में केवल आंशिक रूप से क्षतिग्रस्त होता था। इसके विपरीत, नया वर्कफ़्लो, इमारत की वास्तविक क्षमताओं की अधिक सटीक तस्वीर प्रदान करता है। इसने दिखाया कि एक दीवार में दरार वाले कमरे और गैस लाइनों के टूटे होने वाले कमरे के बीच का अंतर अलग है। विवरण का यह स्तर मानक चेकलिस्ट अक्सर मिस कर देती हैं। शोधकर्ताओं ने प्रदर्शित किया कि उनका सिस्टम एक विस्तृत, ऑडिट योग्य रिपोर्ट तैयार कर सकता है जो स्पष्ट रूप से समझा सकती है कि वह एक निश्चित निष्कर्ष पर क्यों पहुँचा, और उन विशिष्ट बिल्डिंग कोडों और साक्ष्यों का हवाला दे सकती है जो निर्णय के पीछे के कारण थे।

इन उत्साहजनक परिणामों के बावजूद, शोधकर्ता वर्तमान कार्य की सीमाओं को नोट करने में सावधानी बरतते हैं। सिस्टम का परीक्षण वास्तविक फोटो और विशेषज्ञ-प्रदान किए गए डेटा के मिश्रण का उपयोग करके किया गया था, लेकिन इसे अभी तक वास्तविक आपदा क्षेत्र में तैनात नहीं किया गया है जहाँ स्थितियाँ अराजक और अप्रत्याशित होती हैं। तस्वीरों से क्षति की पहचान करने वाला सिस्टम का हिस्सा, प्रभावी होने के बावजूद, गलतियाँ करता है, विशेष रूप से दरारों के आकार का अनुमान लगाने में या जब तस्वीरें कठिन कोणों से ली जाती हैं। शोधकर्ता स्वीकार करते हैं कि सिस्टम वर्तमान में तीव्र स्क्रीनिंग और ट्राइएज (triage) के लिए एक उपकरण है, जिसका उद्देश्य इंजीनियरों को यह तय करने में मदद करना है कि किन इमारतों को तत्काल ध्यान देने की आवश्यकता है, न कि पूर्ण, औपचारिक इंजीनियरिंग निरीक्षण का विकल्प बनना। वे इस बात पर जोर देते हैं कि सुरक्षा संबंधी निर्णनों के लिए अंतिम जिम्मेदारी हमेशा लाइसेंस प्राप्त मानव पेशेवरों के पास ही रहनी चाहिए।

इस तकनीक के भविष्य का मार्ग AI की क्षति को अधिक सटीक रूप से देखने और मापने की क्षमता को परिष्कृत करने और दुनिया भर के विभिन्न प्रकार के भवनों और बिल्डिंग कोडों को संभालने के लिए सिस्टम का विस्तार करने में निहित है। शोधकर्ता विविध छवियों के अधिक सेट के साथ सिस्टम का परीक्षण करने और अनिश्चितता को संभालने के तरीके में सुधार करने की योजना बना रहे हैं। वे इस प्रणाली को बिल्डिंग कोड को अपडेट करने और नए इंजीनियरों को प्रशिक्षित करने की प्रक्रिया के साथ अधिक गहराई से एकीकृत करने का भी लक्ष्य रखते हैं। अंतिम लक्ष्य एक ऐसा उपकरण बनाना है जिसका उपयोग भूकंप के बाद के अराजक घंटों में प्रथम प्रतिक्रियाकर्ताओं और इंजीनियरों द्वारा यह जल्दी निर्धारित करने के लिए किया जा सके कि कौन सी इमारतें सुरक्षित रूप से प्रवेश करने योग्य हैं और कौन सी नहीं। टूटे हुए हिस्सों को गिनने से हटकर, एक इमारत क्या कर सकती है, इसे समझने की ओर ध्यान केंद्रित करके, यह शोध लचीलेपन (resilience) के बारे में सोचने का एक नया तरीका प्रदान करता है।