माइक्रोसॉफ्ट और एनविडिया नाभिकीय ऊर्जा के लिए प्रयासरत, लेकिन समस्या तकनीकी नहीं है
माइक्रोसॉफ्ट और एनविडिया ने नाभिकीय उद्योग में कृत्रिम बुद्धिमत्ता और डिजिटल ट्विन्स के उपयोग के लिए एक गठबंधन बनाया है। उनका घोषित लक्ष्य: उन बाधाओं को कम करना जो ऊर्जा उत्पादन की परियोजनाओं को रोक रही हैं, जबकि बिजली की मांग — जो मुख्य रूप से कृत्रिम बुद्धिमत्ता को चलाने वाले डेटा सेंटरों द्वारा उत्पन्न होती है — ऐतिहासिक स्तरों पर पहुँच रही है। यह सर्कुलर लॉजिक ध्यान में रखने वाली बात है: IA इतनी ऊर्जा खर्च करती है कि उसे जीवित रहने के लिए अपनी ऊर्जा अवसंरचना बनाने की आवश्यकता है।
इस कदम में मेरी रुचि तकनीक में नहीं है, बल्कि इसमें निहित निहित ज्ञान पर है: एक ऐसा क्षेत्र जो कि अत्यधिक विनियमित, धीमा और बदलाव के प्रति प्रतिरोधी है, उसे बाहरी तकनीकी कंपनियों से मदद की आवश्यकता है ताकि कई दशकों से ठंडे पड़े एक प्रक्रिया को आगे बढ़ाया जा सके। यह नवाचार की कहानी नहीं है; यह संस्थागत अवरोधों की एक एक्स-रे तस्वीर है।
क्यों नाभिकीय उद्योग तीन दशकों से विकसित नहीं हो पा रहा
नाभिकीय ऊर्जा पर प्रमुख कथा अक्सर जनता के भय पर केंद्रित होती है: चेरनोबिल, फुकुशिमा, और डिस्टोपियन फिक्शन के द्वारा प्रदूषित सामूहिक कल्पना। लेकिन यह विश्लेषण, हालांकि सतही स्तर पर सही है, असली पैरलिसिस के तंत्र को छिपा देता है। मुद्दा यह नहीं है कि औसत नागरिक को रिएक्टरों से डर है। मुद्दा यह है कि जिन संस्थागत अदाकारों को इन रिएक्टरों को अनुमोदित, वित्तपोषित और संचालित करना है, वे भी डरते हैं, और उनके पास न हिलने के बहुत ठोस प्रोत्साहन हैं।
संविधानात्मक व्यवहार के दृष्टिकोण से, नाभिकीय उद्योग उस व्यवहार का एक आदर्श उदाहरण है जब संस्थागत आदत किसी भी तकनीकी या आर्थिक तर्क से अधिक प्रभावी हो जाती है। अनुमति प्रक्रियाएँ दशकों तक फैली होती हैं। नियामक ऑडिट विवरणों की परतें बनाते हैं जिनका कोई भी समय पर प्रोसेस करने की क्षमता नहीं रखता। परियोजनाएं अधिक लागत उत्पन्न करती हैं न कि इंजीनियरों की अयोग्यता के कारण, बल्कि इसलिए क्योंकि हर नियम परिवर्तन के साथ अनुमोदन का समय फिर से शून्य पर लौट आता है। नतीजतन, एक ऐसा क्षेत्र है जिसने मास्टर प्लान बनाने की कला को बेहतर बना लिया है जो कभी भी किलोवाट में नहीं बदलता।
जब इस गठबंधन के प्रवक्ता उद्योग को "प्रदर्शन में एक गुथ्थी हुई स्थिति में" बताते हैं, तो वे कूटनीतिक होते हैं। वे एक ऐसे सिस्टम का वर्णन कर रहे हैं जहाँ गलती के डर की लागत निष्क्रियता की लागत से लगातार अधिक होती है। और यह, व्यवहार की अर्थशास्त्र से, सबसे कठिन मौके पर हस्तक्षेप का परिदृश्य है, क्योंकि इनरशिया सभी शामिल खिलाड़ियों द्वारा पूरी तरह से तार्किक है।
इस संदर्भ में IA क्या हल कर सकती है और क्या नहीं
डिजिटल ट्विन्स और अनुमति प्रक्रियाओं और ऑपरेशनल दक्षता में लागू कृत्रिम बुद्धिमत्ता के मॉडल में सच्चा संभाव्यता है। यदि एक प्रणाली विभिन्न परिस्थितियों के तहत एक रिएक्टर के व्यवहार का सटीक अनुकरण कर सकती है, तो यह उस अनिश्चितता को कम करती है जो नियामक पैरलिसिस को बढ़ावा देती है। यदि यह कुछ दिनों में वह प्रोसेस कर सकती है जो एक इंजीनियरों के समूह को महीनों में लगती है, तो अनुमोदन के चक्र सिम्प्लिफाई होते हैं। यह तकनीकी तर्क है और यह मजबूत है।
लेकिन एक व्यवहार की ट्रैप है जिसे यह गठबंधन अनदेखा करने का खतरा उठाता है: प्रोसेस के ब्रेकिंग को कम करना मनोवैज्ञानिक ब्रेकिंग को कम करने जैसा नहीं है। जो नियामक दशकों से निश्चित प्रोटोकॉल के तहत कार्य कर रहे हैं, वे IA मॉडल की सिफारिशें नहीं अपनाएंगे क्योंकि मॉडल सांख्यिकीय रूप से अधिक सटीक है। उन्हें यह सुनिश्चित करना होगा कि वह मॉडल विभिन्न न्यायालयों में मान्य किया गया हो, स्वतंत्र विशेषज्ञों द्वारा ऑडिट किया गया हो, उनके स्वयं के कानूनी ढांचे द्वारा अनुमोदित किया गया हो और, सबसे महत्वपूर्ण बात, किसी ने उनके कर्मचारियों में पहले कदम उठाने का शौक किया हो बिना अपने पद का खोने के।
प्रौद्योगिकी विश्लेषण की लागत को कम कर सकती है। यह पहले व्यक्ति बनने की राजनीतिक लागत को कम नहीं कर सकती। और एक ऐसे क्षेत्र में जहाँ गलती की लागत पीढ़ियों में मापी जाती है, आदत और डर का वजन केवल इस बात से नहीं मिटता कि उपकरण अधिक प्रभावी है। नई चीज़ों पर चिंता, जब संस्थागत होती है, खुद को विवेक की भाषा में संरक्षण देती है।
समस्या का निदान करने से पहले समाधान लाने का असली खतरा
व्यापक तकनीकी परिवर्तन पहलों में एक पैटर्न होता है: जो कंपनी समाधान लाती है, वह मानती है कि समस्या तकनीकी है क्योंकि उसका समाधान तकनीकी है। माइक्रोसॉफ्ट और एनविडिया औजार बनाने में असाधारण रूप से अच्छी हैं। सबसे असहज सवाल यह नहीं है कि क्या उनके उपकरण काम करते हैं, बल्कि यह है कि क्या नाभिकीय उद्योग को इस तरह से संगठित किया गया है कि वे उन्हें अपनाने की अनुमति दे सकें ताकि इसकी प्रक्रिया अपनाने न जाए।
डिजिटल ट्विन्स को उच्च गुणवत्ता वाले डेटा की आवश्यकता होती है। नाभिकीय उद्योग ने दशकों से ऐसे रेजिस्ट्रेशन सिस्टम के साथ कार्य किया है जो प्लेटफार्मों के साथ एकीकृत करने के लिए डिज़ाइन नहीं किए गए हैं। अनुमति प्रक्रियाएं जिन्हें ऑप्टिमाइज़ करने का प्रयास किया जा रहा है, उन एजेंसियों द्वारा प्रबंधित की जाती हैं जिनके अपने बजटीय चक्र, अपने हेरिटेज टूल्स और अपने राजनीतिक प्रोत्साहन हैं। हर एक परत की अवरोध जो IA हटाने का प्रयास करती है, उन लोगों द्वारा संचालित की जा रही है जिन्हें तेजी से आगे बढ़ने से कोई सीधा व्यक्तिगत लाभ नहीं मिलता।
यह दांव को अमान्य नहीं करता। यह अमान्य करता है यदि इसे सॉफ़्टवेयर कार्यान्वयन परियोजना के रूप में किया जाता है बजाय कि एक संस्थागत परिवर्तन परियोजना के रूप में। दोनों रणनीतियों के बीच का अंतर तकनीकी नहीं है: यह समझने में है कि इन उपकरणों का अंतिम उपयोगकर्ता रिएक्टर नहीं है, बल्कि वह अधिकारी, नियामक, या कंट्रोलर है जिसे एक सिफारिश पर विश्वास करना होगा जिसे वह पूरी तरह से समझता नहीं है और जो जानता है कि यदि कुछ गलत होता है, तो दोष उसकी होगी और न की एल्गोरिदम की।
कोई मॉडल जो सिमुलेट नहीं कर सकता अवरोध
यह साझेदारी द्वारा धकेली जा रही ऊर्जा की मांग, विडंबना यह है कि यह वही है जो तकनीकी समस्याओं को हल करने से पहले अपनाने की समस्याओं को हल करने की आवश्यकता को अधिक तत्काल बनाती है। दुनिया के सबसे उन्नत भाषा मॉडल को पोषित करने वाले डेटा सेंटर इतनी तेजी से बिजली का उपभोग कर रहे हैं कि ऊर्जा बाजार ने इसकी प्रत्याशा नहीं की। नाभिकीय ऊर्जा इस संदर्भ में एक ऐसी गिनती है जो पर्याप्त ऊर्जा घनत्व प्रदान कर सकती है बिना मौसम की स्थिति पर निर्भर किए।
लेकिन यदि ऐतिहासिक पैटर्न जारी रहता है, तो इस नई नाभिकीय लहर की सबसे आशाजनक परियोजनाएँ तकनीकी सिमुलेशन की कमी के कारण नहीं रुकेगी। वे इसलिए रुके रहेंगी क्योंकि किसी ने, निर्णय श्रृंखला के किसी बिंदु पर, कदम उठाने की आवश्यकता होगी जो उनकी संगठन में पहले कभी नहीं उठाया गया है और उस क्षण में, नई समाधान का मैग्नेटिज्म संगठकीय आदत और अनपेक्षित गलती के डर के संयुक्त वजन से टकराएगा।
सोर्सों पर अपना रिस्क रखते हुए, इन नेताओं के सामने एक स्ट्रेटेजिक निर्णय है जो शायद ही कभी स्पष्ट रूप से प्रस्तुत होता है: वे या तो अपने तकनीक को और अधिक चमकदार, अधिक सटीक, अधिक तेज और सस्ता बनाने में निवेश करते रह सकते हैं या उस पूंजी के एक हिस्से में निवेश कर सकते हैं जिससे उन विशेष भय को समझा और निष्क्रिय किया जा सके जो किसी को इसका उपयोग करने से रोकेंगे। आदर्श तकनीक जो कोई अपनाना नहीं चाहता, बिजली की समस्या को हल नहीं करती। यह एक अन्य एक गुथ्थी स्थित बनाता है, जो अधिक चुप और निदान करने में अधिक महंगा होता है।
