वॉशिंग्टनः स्वयंचलित (self- driving) मोटारी आता कोणताही थेट डिजिटल कनेक्शन न करता एकमेकींशी रोडवरील माहिती सहज शेअर करू शकणार आहेत, असा क्रांतिकारी शोध शास्त्रज्ञांनी लावला आहे. या नव्या तंत्रज्ञानाला “Cached Decentralized Federated Learning'' (Cached- DFL) असे नाव देण्यात आले आहे. ही प्रणाली कृत्रिम बुद्धिमत्तेच्या (एआय) मदतीने तयार करण्यात आली आहे आणि ती मोटारींना एकमेकींकडून मार्गदर्शन, रहदारी पॅटर्न्स, रस्त्यांची स्थिती आणि वाहतूक चिन्हांबाबतची ताजी माहिती मिळवू देते, तेही कोणतीही वैयक्तिक माहिती शेअर न करता.
पारंपरिकपणे, दोन मोटारींनी माहिती शेअर करण्यासाठी एकमेकींच्या अगदी जवळ असावं लागतं आणि त्यासाठी परवानगी द्यावी लागते. परंतु Cached- DFL मध्ये, प्रत्येक कारकडे एक “प्रोफाइल पेज” असतं, जिथे तिच्या ड्रायव्हिंग अनुभवांचा सारांश सेव्ह असतो. दुसर्या कार्स या प्रोफाइलवरून आवश्यक ती माहिती पाहू शकतात, अगदी एखाद्या सोशल नेटवर्कसारखं. उदाहरणार्थ, एका कारने ब्रूकलीनमध्ये विशिष्ट प्रकारचे खड्डे ओळखले आणि हाताळले असतील, तर ती कार त्या अनुभवाविषयीची माहिती इतर कार्सना शेअर करू शकते, जरी इतर मोटारी कधीच ब्रूकलीनमध्ये गेल्या नसल्या तरीही!
आजच्या स्वयंचलित मोटारी एक केंद्रीकृत डेटाबेस वापरतात, जिथे सगळी माहिती संग्रहित होते. त्यामुळे डेटा चोरीचा धोका जास्त असतो. पण Cached- DFL मध्ये, डेटा कार्समध्येच AI मॉडेल्सच्या स्वरूपात कॅश स्वरूपात साठवला जातो आणि योग्य वेळी शेअर केला जातो. या प्रणालीच्या चाचणीत 100 आभासी कार्सना मॅनहॅटनच्या सिम्युलेशनमध्ये मुक्तपणे फिरवण्यात आले. प्रत्येक कारकडे 10 AI मॉडेल्स होते, जे प्रत्येक 120 सेकंदांनी अपडेट होत होते. म्हणजेच, कार्सना सतत अपडेट मिळत होते आणि त्या वास्तविक परिस्थितींना जास्त अचूक प्रतिसाद देऊ शकत होत्या. या प्रयोगात, शास्त्रज्ञांनी हे सिद्ध केलं की 100 मीटरच्या आत असलेल्या कोणत्याही दोन कार्स एकमेकींची माहिती पाहू आणि शेअर करू शकतात, त्यासाठी कोणताही पूर्वपरिचय किंवा थेट नेटवर्किंग आवश्यक नव्हते.