डेटा साक्षरता में एक महत्वपूर्ण योगदान: एआई-संचालित फोरेंसिक डेटा ऑडिट

भारत में कई इंजीनियरिंग छात्र डेटा कैप्चर करने के लिए लैब-परफेक्ट मॉडल बनाना सीखते हैं, लेकिन कुछ को यह सिखाया जाता है कि वास्तविक दुनिया के अनुप्रयोग और मापने योग्य सामाजिक-आर्थिक प्रभाव के लिए डेटा का ऑडिट कैसे किया जाए।

दिल्ली के 2023 वायु गुणवत्ता सूचकांक (एक्यूआई) डेटा में 30% त्रुटि मार्जिन की पहचान करने वाले एक केस अध्ययन से पता चलता है कि ‘फॉरेंसिक डेटा साक्षरता’ को देश में मुख्य इंजीनियरिंग पाठ्यक्रम का हिस्सा बनने की आवश्यकता क्यों है।

सटीक AQI रीडिंग का महत्व

प्रत्येक सर्दी में, अपनी बालकनियों पर चाय के साथ धुंध भरी सुबह का आनंद लेने में सक्षम होने के बजाय, भारत के राष्ट्रीय राजधानी क्षेत्र (दिल्ली-एनसीआर) के निवासियों को दुनिया के सबसे प्रदूषित शहरों में से एक में एक और दिन जीवित रहने (धीरे-धीरे मरने) के लिए मास्क, एयर प्यूरीफायर और एक्यूआई ऐप के साथ खुद को तैयार करने के लिए मजबूर होना पड़ता है। AQI रीडिंग इस समय अधिक महत्व रखती है, क्योंकि वे सरकार द्वारा सामान्य रूप से नागरिकों की दिन-प्रतिदिन की गतिविधियों और विशेष रूप से क्षेत्र की बड़ी आर्थिक गतिविधियों पर अलग-अलग तीव्रता के ग्रेडेड रिस्पांस एक्शन प्लान (GRAP) के तहत प्रतिबंध लगाने के लिए एक बेंचमार्क प्रदान करते हैं।

फिर भी, एक संरचनात्मक शून्य जिसके परिणामस्वरूप AQI निगरानी के स्तर पर “सच्चाई का अंतर” उत्पन्न होता है, समय से पहले या देरी से प्रतिबंध लगाने के परिणामस्वरूप इसे कम करने के बजाय संकट को बढ़ाता है।

इसलिए, सटीक AQI रीडिंग का महत्व – ऐसा कुछ जिसे पारंपरिक AQI निगरानी प्रणालियाँ, यकीनन, पूरा करने में विफल रही हैं।

सत्य अंतर

दशकों से, पारंपरिक AQI निगरानी प्रणालियाँ एक रैखिक सिद्धांत पर आधारित रही हैं – यांत्रिक रूप से विशिष्ट माइक्रोन (पीएम 2.5) के सूक्ष्म कणों को मापने और उसी की सटीक रीडिंग देने के लिए।

हालाँकि, AQI केवल एक संख्या नहीं है और वास्तविक दुनिया एक आदर्श प्रयोगशाला सेटिंग का गठन नहीं करती है। सापेक्ष आर्द्रता (आरएच), बैरोमीटर का दबाव और यहां तक ​​कि तापमान जैसे कई पैरामीटर लगातार और संख्यात्मक रूप से कणिकीय पदार्थ के साथ बातचीत करते हैं ताकि वास्तव में मौजूद प्रदूषकों के माप को बदल सकें।हवा में.

प्रदूषण ताला प्रभाव

पारंपरिक AQI निगरानी प्रणालियों ने इसका बिल्कुल भी ध्यान नहीं रखा – जिससे गलत AQI रीडिंग दिखाई दे रही थी। उदाहरण के लिए, निगरानी कारक पारंपरिक रूप से सापेक्ष आर्द्रता और वायुमंडलीय दबाव को जानकारी के अलग-अलग टुकड़ों के रूप में देखते हैं।

हालाँकि, “प्रदूषण लॉक” वह बिंदु है जिस पर हवा अब प्रदूषक को नहीं फैला रही है, और एआई देखता है कि सापेक्ष आर्द्रता और वायुमंडलीय दबाव जैसे चर के बीच बातचीत के कारण हवा प्रदूषक को फँसा रही है। इस प्रकार, यह जोखिम समोच्च मानचित्र गैर-रेखीय ‘रेड जोन’ की कल्पना करता है जहां वायुमंडलीय दबाव और सापेक्ष आर्द्रता की विशिष्ट सीमाएँ शहरी प्रदूषकों के लिए एक संरचनात्मक फँसाने वाला प्रभाव बनाने के लिए एकत्रित होती हैं।

विस्तार से, एक सहसंबंध मैट्रिक्स का उपयोग करके, मौसम चर के बीच गतिशील बंधन को निर्धारित किया जाता है – आर्द्रता, दबाव, तापमान, एरोसोल हाइग्रोस्कोपिसिटी (जो किसी पदार्थ की आसपास के वातावरण से सीधे पानी के अणुओं को आकर्षित करने, सोखने या अवशोषित करने की क्षमता है) और परिणामी AQI विचलन के बीच संबंधों की सटीक ताकत की पहचान की जाती है – जिसके परिणामस्वरूप एक सुधारात्मक ढांचा तैयार होता है जो एक निश्चित समय पर AQI का समग्र और सटीक दृश्य दे सकता है।

वास्तविक AQI रीडिंग के लिए दिल्ली की वायु गुणवत्ता का फोरेंसिक ऑडिट

एक केस स्टडी के रूप में, दिल्ली की AQI रीडिंग में इस ‘सच्चाई अंतर’ को पाटने के लिए, 2023-2024 की अवधि के दौरान दिल्ली में वायु गुणवत्ता डेटा पर बहुपद-संवर्धित रैंडम फ़ॉरेस्ट रिग्रेशन (PERFR) मॉडल का उपयोग किया गया था।

पूर्व दृष्टिकोण के विपरीत, जो वायु गुणवत्ता को प्रभावित करने वाले वास्तविक पर्यावरणीय कारकों को केवल द्वितीयक शोर के रूप में मानता था, इस मॉडल ने AQI सेंसर द्वारा मॉनिटर किए जा रहे एयरोसोल मिश्रण को प्रभावित करने वाले विभिन्न कारकों के बीच बातचीत को समझने की कोशिश की।

विभिन्न इंटरैक्शन शब्द, जैसे (आर्द्रता * दबाव) इंटरैक्शन, अलग-अलग मौसम चर की तुलना में अधिक सटीक रूप से पूर्वानुमानित होते हैं, निम्नलिखित फीचर-महत्व रैंकिंग तालिका – यह दर्शाती है कि कैसे माध्यमिक चर (जैसे तापमान और आर्द्रता) के बीच की बातचीत गणितीय रूप से भविष्यवाणी सटीकता निर्धारित करने में व्यक्तिगत मैट्रिक्स से अधिक महत्वपूर्ण होती है – पर पहुंचा गया।

मॉडल ने दिल्ली के लगभग 60% AQI डेटा में त्रुटि का कारण सापेक्ष आर्द्रता (आरएच) पाया। इसके बाद मॉडल दिल्ली क्षेत्र में पाए जाने वाले एयरोसोल मिश्रण के लिए हाइग्रोस्कोपिक विकास वक्र को प्लॉट करता है और बताता है कि पानी के अणु धूल के कणों को कैसे कवर करते हैं ताकि धूल के स्पष्ट आकार को बढ़ाया जा सके क्योंकि सेंसर का लेजर इसे मापता है – इस प्रकार सीधे AQI रीडिंग को विकृत करता है।

अंततः, यह पाया गया कि दिल्ली में सर्दियों के महीनों में सेंसर हमेशा ओवर-रिपोर्टिंग करते थे, 2023-2024 के ऑडिट में उच्च आर्द्रता के 5 में से 4 दिनों में सेंसर ओवर-रिपोर्टिंग करते पाए गए – जिसके परिणामस्वरूप “भूत स्पाइक” हुआ।

दूसरी ओर, AQI मॉनिटर अत्यधिक शुष्क परिस्थितियों (आरएच <25%) में कम रिपोर्टिंग कर रहे थे, ये स्थितियाँ चरम सर्दियों के धुंध के मौसम में शायद ही कभी होती थीं।

भूत-प्रेत का प्रभाव

इस मॉडल का अंतिम परीक्षण 3-5 नवंबर, 2023 को हुआ, जब दिल्ली की वायु गुणवत्ता 479-500 के खतरनाक संतृप्ति स्तर के आसपास थी, जिसके कारण स्टेज III/IV पर कठोर GRAP प्रतिबंध लगाए गए, जिससे गंभीर आर्थिक गड़बड़ी हुई। फोरेंसिक परिणामों से पता चला कि इन सुबहों में आर्द्रता चरम पर थी, सापेक्षिक आर्द्रता 85%-92% मापी गई। इसलिए, एआई सुधार ढांचे को लागू करते हुए, सेंसर मात्रा का अनुमान 30% से अधिक लगा रहे थे।

भूत डेटा: कठोर स्पाइक के लगभग 150 बिंदुओं को पानी के अणुओं के रूप में पहचाना गया जो सेंसर को मूर्ख बना रहे थे (हाइग्रोस्कोपिक विकास)। अंततः, ऐसा हुआ कि GRAP-III/IV प्रतिबंधों के तहत आपातकालीन आर्थिक कार्रवाई करने के निर्णय दिल्ली-एनसीआर के लाखों निवासियों की आजीविका को प्रभावित करने वाले वायुमंडलीय हस्तक्षेप पर आधारित थे।

वास्तविक दुनिया में तैनाती

एआई और पीईआरएफआर मॉडल का उपयोग करते हुए, एक औद्योगिक रूप से लागू आविष्कार किया गया था, जिसे अगर वास्तविक दुनिया की वायु गुणवत्ता निगरानी बुनियादी ढांचे के भीतर तैनात किया जाता है, तो यह शहर के निवासियों के दैनिक जीवन को प्रभावित करने वाले सामाजिक-आर्थिक निर्णयों को सीधे प्रभावित करेगा – स्मार्ट शहरों के लिए एक अनिवार्य आवश्यकता।

इस प्रणाली को सरकारी वायु गुणवत्ता निगरानी नेटवर्क, स्मार्ट सिटी बुनियादी ढांचे (जहां वास्तविक समय, विश्वसनीय प्रदूषण माप सार्वजनिक सुरक्षा और शहरी नियोजन के लिए महत्वपूर्ण हैं), उनकी प्रभावी सटीकता को उन्नत करने के लिए कम लागत वाले सेंसर नेटवर्क और उत्सर्जन निगरानी और प्रवर्तन के लिए नियामक एजेंसियों द्वारा उपयोग की जाने वाली पर्यावरणीय अनुपालन प्रणालियों में लागू किया जा सकता है।

इंजीनियरों को फोरेंसिक डेटा साक्षरता की आवश्यकता क्यों है?

यह एक उपलब्धि है जिसे अधिकांश इंजीनियर दोहरा सकते हैं, बशर्ते उन्हें फोरेंसिक डेटा साक्षरता और वास्तविक दुनिया के अनुप्रयोगों को विकसित करने के लिए एआई को एकीकृत करने में पर्याप्त रूप से प्रशिक्षित किया गया हो।

संग्रह के बिंदु पर पर्यावरणीय “शोर” को फ़िल्टर करने के लिए एआई आर्किटेक्चर को एकीकृत करके, “सत्य अंतर” को समाप्त किया जा सकता है, और यह केवल एक ऐसा उदाहरण था जो कई आविष्कारों के द्वार खोल सकता है।

भारत जैसी विकासशील अर्थव्यवस्थाओं में अपने महत्वाकांक्षी इंजीनियरों और शोधकर्ताओं को अकादमिक प्रकाशन से मापने योग्य सामाजिक प्रभाव प्राप्त करने के लिए प्रशिक्षित करने की आवश्यकता बढ़ रही है, क्योंकि इन देशों में आर्थिक सफलता और पर्यावरणीय खतरों के बीच की रस्सी विकसित देशों की तुलना में बहुत लंबी है।

प्रत्येक आविष्कार जो इस दूरी को कम कर सकता है, वह भारत की विकास यात्रा में प्रत्यक्ष योगदानकर्ता है और इसमें योगदान देने के लिए भारत के वर्तमान और भविष्य के इंजीनियरों से बेहतर कोई नहीं है।

(कुणाल गोयल एक इंजीनियर और शोधकर्ता हैं जो उन्नत सेंसर प्रौद्योगिकियों, ऊर्जा प्रणालियों और औद्योगिक सामग्री रणनीति में विशेषज्ञता रखते हैं।)