जल्द ही सेल्फ-ड्राइविंग कारों के लिए सादे दृश्य में छिपना आसान हो जाएगा। रूफटॉप लिडार सेंसर जो वर्तमान में उनमें से कई को चिह्नित करते हैं, उनके छोटे होने की संभावना है। नई, आंशिक रूप से स्वचालित ड्राइव पायलट प्रणाली के साथ मर्सिडीज वाहन, जो कार के फ्रंट ग्रिल के पीछे अपने लिडार सेंसरों को ले जाते हैं, पहले से ही सामान्य मानव-संचालित वाहनों से नग्न आंखों के लिए अप्रभेद्य हैं।
क्या यह अच्छी चीज है? हमारे के हिस्से के रूप में चालक रहित वायदा यूनिवर्सिटी कॉलेज लंदन में परियोजना, मेरे सहयोगियों और मैंने हाल ही में सबसे बड़ा और सबसे व्यापक निष्कर्ष निकाला है नागरिकों के दृष्टिकोण का सर्वेक्षण स्व-ड्राइविंग वाहनों और सड़क के नियमों के लिए। विशेषज्ञों के साथ 50 से अधिक गहन साक्षात्कार करने के बाद हमने जो प्रश्न पूछने का फैसला किया, उनमें से एक यह था कि क्या स्वायत्त कारों को लेबल किया जाना चाहिए। 4,800 ब्रिटेन के नागरिकों के हमारे नमूने से आम सहमति स्पष्ट है: 87% इस कथन से सहमत हैं “यह अन्य सड़क उपयोगकर्ताओं के लिए स्पष्ट होना चाहिए यदि कोई वाहन स्वयं चला रहा है” (सिर्फ 4% असहमत, बाकी अनिश्चित के साथ)।
हमने वही सर्वेक्षण विशेषज्ञों के एक छोटे समूह को भेजा। वे कम आश्वस्त थे: 44% सहमत थे और 28% असहमत थे कि वाहन की स्थिति का विज्ञापन किया जाना चाहिए। सवाल सीधा नहीं है। दोनों पक्षों में वैध तर्क हैं।
हम तर्क दे सकते हैं कि, सिद्धांत रूप में, मनुष्यों को पता होना चाहिए कि वे रोबोट के साथ कब बातचीत कर रहे हैं। यूके की एक रिपोर्ट में 2017 में यह तर्क दिया गया था इंजीनियरिंग और भौतिक विज्ञान अनुसंधान परिषद। “रोबोट निर्मित कलाकृतियाँ हैं,” यह कहा। “उन्हें कमजोर उपयोगकर्ताओं का शोषण करने के लिए भ्रामक तरीके से नहीं बनाया जाना चाहिए; इसके बजाय उनकी मशीनी प्रकृति पारदर्शी होनी चाहिए।” यदि सार्वजनिक सड़कों पर सेल्फ-ड्राइविंग कारों का वास्तव में परीक्षण किया जा रहा है, तो अन्य सड़क उपयोगकर्ताओं को उस प्रयोग में विषय माना जा सकता है और उन्हें सूचित सहमति जैसा कुछ देना चाहिए। लेबलिंग के पक्ष में एक और तर्क, यह एक व्यावहारिक, यह है कि – जैसा कि एक छात्र चालक द्वारा संचालित कार के साथ होता है – ऐसे वाहन को एक विस्तृत बर्थ देना सुरक्षित होता है जो एक अच्छी तरह से अभ्यास करने वाले मानव द्वारा संचालित की तरह व्यवहार नहीं कर सकता है।
लेबलिंग के खिलाफ भी तर्क हैं। एक लेबल को नवोन्मेषकों की जिम्मेदारियों के त्याग के रूप में देखा जा सकता है, जिसका अर्थ है कि दूसरों को स्व-ड्राइविंग वाहन को स्वीकार करना चाहिए और समायोजित करना चाहिए। और यह तर्क दिया जा सकता है कि एक नया लेबल, प्रौद्योगिकी की सीमाओं की स्पष्ट साझा समझ के बिना, केवल उन सड़कों पर भ्रम पैदा करेगा जो पहले से ही विकर्षणों से भरी हुई हैं।
वैज्ञानिक दृष्टिकोण से, लेबल डेटा संग्रह को भी प्रभावित करते हैं। अगर एक सेल्फ-ड्राइविंग कार ड्राइव करना सीख रही है और दूसरे इसे जानते हैं और अलग तरह से व्यवहार करते हैं, तो यह उसके द्वारा एकत्र किए गए डेटा को खराब कर सकता है। मन में कुछ ऐसा ही लग रहा था एक वोल्वो कार्यकारी जिसने 2016 में एक रिपोर्टर से कहा था कि “बस सुरक्षित पक्ष पर रहने के लिए,” कंपनी यूके की सड़कों पर अपने प्रस्तावित सेल्फ-ड्राइविंग परीक्षण के लिए अचिह्नित कारों का उपयोग करेगी। “मुझे पूरा यकीन है कि लोग उन्हें चुनौती देंगे यदि वे स्वयं ड्राइविंग कार के सामने वास्तव में कठोर ब्रेक लगाने या खुद को रास्ते में डालने से चिह्नित हैं,” उन्होंने कहा।
संतुलन पर, लेबलिंग के तर्क, कम से कम अल्पावधि में, अधिक प्रेरक हैं। यह बहस सिर्फ सेल्फ-ड्राइविंग कारों के बारे में नहीं है। यह इस सवाल के दिल में कटौती करता है कि उपन्यास प्रौद्योगिकियों को कैसे विनियमित किया जाना चाहिए। उभरती प्रौद्योगिकियों के विकासकर्ता, जो अक्सर उन्हें चित्रित करते हैं पहली बार में विघटनकारी और विश्व-परिवर्तनकारी के रूप में, नियामकों के दस्तक देने के बाद उन्हें केवल वृद्धिशील और गैर-समस्याग्रस्त के रूप में चित्रित करने के लिए उपयुक्त हैं। लेकिन नवीन प्रौद्योगिकियां दुनिया में ठीक उसी तरह फिट नहीं होती हैं जैसी वह है। वे दुनिया को नया आकार देते हैं। यदि हमें उनके लाभों का एहसास करना है और उनके जोखिमों के बारे में अच्छे निर्णय लेने हैं, तो हमें उनके बारे में ईमानदार होने की आवश्यकता है।
स्वायत्त कारों की तैनाती को बेहतर ढंग से समझने और प्रबंधित करने के लिए, हमें इस मिथक को दूर करने की जरूरत है कि कंप्यूटर इंसानों की तरह ही चलेंगे, लेकिन बेहतर। उदाहरण के लिए प्रबंधन प्रोफेसर अजय अग्रवाल, तर्क दिया है कि सेल्फ-ड्राइविंग कारें मूल रूप से वही करती हैं जो ड्राइवर करते हैं, लेकिन अधिक कुशलता से: “मनुष्य के पास सेंसर के माध्यम से डेटा आ रहा है – हमारे चेहरे पर कैमरे और हमारे सिर के किनारों पर माइक्रोफोन- और डेटा आता है, हम संसाधित करते हैं हमारे बंदर दिमाग के साथ डेटा और फिर हम कार्रवाई करते हैं और हमारे कार्य बहुत सीमित हैं: हम बाएं मुड़ सकते हैं, हम दाएं मुड़ सकते हैं, हम ब्रेक कर सकते हैं, हम तेज कर सकते हैं।
