Kodiak AI ने 1 अक्टूबर 2026 को बताया कि वह अपनी स्वायत्त ड्राइविंग प्रणाली के AI मॉडल विकसित करने और सुरक्षा सिमुलेशन चलाने के लिए Amazon Web Services को मुख्य क्लाउड प्रदाता के रूप में इस्तेमाल कर रही है। घोषणा टेक्सस की सार्वजनिक सड़कों पर चालक रहित ट्रक सेवा की तैयारी के बीच आई है, जिसे 2026 में आगे शुरू करने की योजना है। सेवा की तैयारी का अर्थ यह घोषणा नहीं है कि वह इस रूप में चलने लगी है।
AWS के प्रेस केंद्र में प्रकाशित जानकारी के अनुसार, यह अवसंरचना मॉडल ट्रेनिंग, डेटा संग्रह, परिचालन केंद्र के सॉफ्टवेयर और भारी गणना वाली जांच में मदद करती है। प्रमुख टूल में Kodiak की आंतरिक प्रणाली BreakPoint शामिल है, जो सिमुलेशन में ऐसी दुर्लभ स्थितियां खोजती है जिनसे दुर्घटना हो सकती है। घोषणा विकास और जांच की अवसंरचना के बारे में है; यह वाहन की सुरक्षा का स्वतंत्र प्रमाणन नहीं है।
खोज उस यात्रा की है जिसका अंत अच्छा नहीं होता
जून में प्रकाशित तकनीकी लेख में Kodiak ने बताया था कि BreakPoint ड्राइविंग प्रणाली के संकेतों में वास्तविक जैसी और बदलती हुई त्रुटियां डालकर जानबूझकर ऐसी परिस्थितियां खोजता है जिनमें प्रणाली विफल होती है। केवल परिचित परिदृश्य दोहराने के बजाय इसका उद्देश्य ऐसे संयोजन सामने लाना है जिनका सामना टीम ने सड़क पर अब तक नहीं किया।
उस समय Kodiak ने अपने औद्योगिक वातावरण का एक परिदृश्य बताया था जिसमें पहचान प्रणाली रास्ते में फंसे वाहनों की गति का गलत अनुमान लगा सकती थी। कंपनी के अनुसार, सिमुलेशन में इसका पता लगने से असली दुनिया में उस समस्या का सामना करने से पहले उसे सुधारना संभव हुआ। यह कंपनी के विकास क्रम से बताया गया मामला है, हमारी की गई जांच का परिणाम नहीं।
लेख BreakPoint को संभाव्य जोखिम आकलन, PRA, से जोड़ता है। इसमें देखा जाता है कि कोई परिदृश्य कितना सामान्य है, उसमें दुर्घटना की संभावना कितनी है और वह कितनी गंभीर होगी। मॉडल को प्रमाण मिलने के साथ अद्यतन होना है और अनिश्चितता भी दिखानी है। ये टूल नई क्लाउड घोषणा से पहले के हैं, इसलिए इन्हें अक्टूबर की शुरुआत के रूप में पेश नहीं करना चाहिए।
यहीं दूरी बढ़ाते जाने और खास तौर पर विफलता खोजने का अंतर है। बहुत सी यात्राएं उपयोगी जानकारी दे सकती हैं, लेकिन हर खतरनाक संयोजन सामने आने की गारंटी नहीं देतीं। सिमुलेशन में स्थितियां चुनकर सॉफ्टवेयर बदलाव के बाद उन्हें दोहराया जा सकता है। अगला सवाल यह है कि नकली परिस्थितियां वाहन को वास्तव में मिलने वाली स्थितियों का कितना सही प्रतिनिधित्व करती हैं।
किसी परिदृश्य का पता लगाकर उसे सुधार देने पर भी जांच खत्म नहीं होती। एक सुधार दूसरी स्थिति की प्रतिक्रिया बदल सकता है। इसलिए गंभीर मूल्यांकन को मूल विफलता के साथ वे व्यवहार भी परखने होंगे जिन पर प्रणाली पहले से निर्भर थी। अधिक कंप्यूटिंग शक्ति प्रयोगों की संख्या बढ़ा सकती है, लेकिन अकेले यह तय नहीं करती कि सही प्रयोग चुने गए थे।
क्लाउड प्रदाता चुनने से पहले टेक्सस का लक्ष्य तय था
25 सितंबर की घोषणा में Kodiak ने Dallas-Houston मार्ग को अपनी लंबी दूरी की चालक रहित ट्रक सेवा का पहला रास्ता बताया था। कंपनी ने Interstate 45 पर रोज तैयारी वाली यात्राओं और बंद परीक्षण मार्गों पर चालक रहित जांच का उल्लेख किया। उसने कहा कि शुरुआती मार्ग की यात्राएं लगातार बिना हस्तक्षेप पूरी होती हैं, साथ ही बताया कि उन यात्राओं में सुरक्षा पर्यवेक्षक मौजूद रहता है।
आखिरी विवरण कथन का अर्थ बदल देता है। ऐसी यात्रा जिसमें व्यक्ति ने स्टीयरिंग नहीं छुआ, उस यात्रा के समान नहीं है जिसमें केबिन में कोई व्यक्ति था ही नहीं। पहली स्थिति दूसरी तक पहुंचने के प्रमाण का हिस्सा हो सकती है, लेकिन प्रगति बताते समय बीच का चरण हटाना नहीं चाहिए।
Kodiak ने बताया कि अगस्त के अंत में उसका ARM माप 93% था। कंपनी की परिभाषा के अनुसार, यह सुरक्षा संबंधी दावों और प्रमाणों के उस हिस्से को दर्शाता है जिसका काम सार्थक रूप से पूरा हो चुका है। यह 93% सुरक्षा अंक नहीं है, न सफल यात्राओं का अनुपात है और न दुर्घटना की 7% संभावना।
आंतरिक प्रगति माप बता सकता है कि सत्यापन प्रक्रिया का कितना काम पूरा हुआ, लेकिन वह प्रमाणों की गुणवत्ता देखने का विकल्प नहीं है। यह अंतर स्वायत्त ड्राइविंग के बाहर भी उपयोगी है: जांच सूची के बिंदु पूरे करना और वास्तविक दुनिया में प्रदर्शन सिद्ध करना आपस में जुड़े हैं, लेकिन समान सवाल नहीं हैं।
भविष्य के सुरक्षा आंकड़ों की तुलना में यह जानना भी जरूरी होगा कि अनुपात के आधार में क्या शामिल है। यात्राओं की संख्या, कुल दूरी और जटिल परिस्थितियों की संख्या अलग माप हैं। तय मार्ग पर हस्तक्षेप कम होना प्रगति हो सकती है, लेकिन ड्राइविंग की स्थितियों के विवरण बिना उससे दूसरे मार्ग का अनुमान लगाना कठिन है। यह तुलना की सीमा है, यह दावा नहीं कि बताया गया सुधार मौजूद नहीं है।
औद्योगिक वातावरण से सार्वजनिक सड़क पर आने में भी यही सिद्धांत लागू होता है: जिस वातावरण में काम करना है उसकी परिस्थितियों को खुद परखना होगा। पिछला अनुभव प्रासंगिक पृष्ठभूमि है, लेकिन उससे नए परिचालन वातावरण के प्रमाण देने की जरूरत खत्म नहीं होती।
सड़क पर चलने वाली प्रणाली का केवल एक हिस्सा है मॉडल
Kodiak का तकनीकी पेज AI सॉफ्टवेयर और मॉड्यूलर हार्डवेयर के संयोजन का वर्णन करता है। SensorPods इकाइयों में LiDAR, रडार और कैमरे हैं, जबकि प्रणाली में बिजली, स्टीयरिंग और ब्रेकिंग के अतिरिक्त बैकअप घटक हैं। कंपनी इसे ऐसा डिजाइन बताती है जिसका उद्देश्य किसी घटक के खराब होने पर भी नियंत्रण बनाए रखना है, बशर्ते प्लेटफॉर्म की आवश्यकताओं के साथ संगतता हो।
यह विवरण समझाता है कि क्लाउड सेवा की घोषणा पूरी ड्राइविंग प्रक्रिया क्यों नहीं बताती। सेंसर को जानकारी देनी है, सॉफ्टवेयर को उसे समझना है और वाहन को कार्रवाई करनी है। जांच में घटकों की खराबियां और उनके आपसी संबंध, दोनों परखने होंगे, क्योंकि एक चरण में सही जवाब पूरी प्रणाली की सही प्रतिक्रिया की गारंटी नहीं देता।
इसलिए AWS के उपयोग से यह निष्कर्ष नहीं निकालना चाहिए कि ट्रक हर बार ब्रेक लगाते समय दूर के सर्वर के फैसले का इंतजार करता है। घोषणा क्लाउड में विकास, सिमुलेशन और संचालन के काम बताती है; वह हर तत्काल ड्राइविंग निर्णय को क्लाउड में भेजने का विवरण नहीं देती। अंतर उस जगह में है जहां प्रणाली सुधारी और परखी जाती है तथा उस तरीके में जिससे वह चलाते समय काम करती है।
समझौता क्या साबित करता है और आगे क्या साबित करना होगा
घोषणा कंप्यूटिंग अवसंरचना के चयन की पुष्टि करती है और कंपनियों की ओर से उसके लिए तय भूमिका बताती है। इसमें अनुबंध की राशि, वाहनों की नई संख्या या अपेक्षित दुर्घटना दर का स्वतंत्र निष्कर्ष नहीं दिया गया। टेक्सस की सार्वजनिक सड़कों पर संचालन और आगे अमेरिका में विस्तार अब भी ऐसी योजनाएं हैं जिन्हें कंपनी पूरा करना चाहती है।
प्रगति समझने के लिए अगली घोषणाओं में बंद मार्ग की जांच, पर्यवेक्षक के साथ ड्राइविंग और केबिन में किसी व्यक्ति के बिना व्यावसायिक सेवा के बीच स्पष्ट अंतर देखना उपयोगी होगा। परिचालन शर्तों का विवरण भी जरूरी है: मार्ग, उसमें आने वाली परिस्थितियों के प्रकार और वे सीमाएं जिनमें प्रणाली को चलने की अनुमति है।
इजराइल के पाठकों के लिए यह स्थानीय सेवा या देश की सड़कों पर Kodiak ट्रक आने की समय-सारणी की घोषणा नहीं है। प्रासंगिकता उस तरीके में है जिससे AI किसी भौतिक प्रणाली को परखने में काम आता है: केवल कार्रवाई कराने के लिए नहीं, बल्कि पहले से वे स्थितियां खोजने के लिए जिनमें कार्रवाई गलत हो सकती है।
क्लाउड से जुड़ाव इस काम का पैमाना बढ़ा सकता है। Kodiak की कसौटी यह होगी कि वह अतिरिक्त गणना को बेहतर प्रमाण में बदल सके, मिली विफलताओं को सुधार सके और विस्तार से पहले सेवा की सीमाएं सटीक रूप से तय कर सके। अवसंरचना साझेदारी की घोषणा और सार्वजनिक सड़क पर बिना चालक चलते ट्रक के बीच यही व्यावहारिक माप है।