जपान एअरलाइन्स (JAL) च्या कार्यप्रणाली सुव्यवस्थित करण्यासाठी फुजित्सु (Fujitsu) आणि हेडवाटर्स (Headwaters) या कंपन्यांनी एकत्रितपणे केलेल्या कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) आधारित नवोपक्रमामुळे मोठे बदल घडून येत आहेत. फुजित्सु लिमिटेड आणि हेडवाटर्स कंपनी लिमिटेड या आघाडीच्या एआय सोल्यूशन्स प्रदात्याने जपान एअरलाइन्स कंपनी लिमिटेड (JAL) च्या केबिन क्रूसाठी (Cabin Crew) हँडओवर (Handover) अहवाल तयार करण्यासाठी जनरेटिव्ह एआय (Generative AI) चा वापर करून केलेल्या फील्ड चाचण्या यशस्वीरित्या पूर्ण केल्या आहेत. या चाचण्या 27 जानेवारी ते 26 मार्च 2025 या काळात घेण्यात आल्या, ज्यामध्ये वेळेची बचत आणि कार्यक्षमतेत वाढ करण्याची क्षमता स्पष्टपणे दिसून आली.
हँडओवर अहवालाची आवश्यकता
जपान एअरलाइन्सच्या केबिन क्रू सदस्यांना हँडओवर अहवाल तयार करण्यासाठी बराच वेळ आणि श्रम खर्च करावे लागतात. हे अहवाल एका क्रू सदस्यांकडून दुसऱ्या क्रू सदस्यांकडे माहिती हस्तांतरित (Information Transfer) करण्यासाठी महत्त्वाचे असतात. त्यामुळे कामकाज सुरळीत चालते. ही प्रक्रिया सुलभ करण्यासाठी फुजित्सु आणि हेडवाटर्सने एकत्रितपणे जनरेटिव्ह एआयचा उपयोग करण्याचा निर्णय घेतला.
नाविन्यपूर्ण उपाय: ऑफलाइन जनरेटिव्ह एआय
सातत्याने क्लाउड कनेक्टिव्हिटीवर (Cloud Connectivity) अवलंबून राहण्याच्या मर्यादांवर मात करण्यासाठी, फुजित्सु आणि हेडवाटर्सने मायक्रोसॉफ्टच्या (Microsoft) Phi-4 या तंत्रज्ञानाचा वापर केला, जे ऑफलाइन वातावरणासाठी तयार केलेले एक कॉम्पॅक्ट (Compact) भाषा मॉडेल (SLM) आहे. या धोरणात्मक निवडीमुळे, टॅब्लेट उपकरणांवर (Tablet devices) वापरण्यासाठी एक चॅट-आधारित प्रणाली (Chat-based system) विकसित करणे शक्य झाले, ज्यामुळे विमानातील (Flights) आणि विमान उतरल्यानंतर अहवाल तयार करणे अधिक सोपे झाले.
या चाचण्यांमधून असे दिसून आले आहे की, हे नाविन्यपूर्ण तंत्रज्ञान केबिन क्रू सदस्यांना उच्च-गुणवत्तेचे अहवाल तयार करण्यास मदत करते आणि अहवाल तयार करण्यासाठी लागणारा वेळ कमी करते. यामुळे जपान एअरलाइन्सच्या केबिन क्रूची कार्यक्षमता वाढते आणि प्रवाशांसाठी (Passengers) चांगली सेवा देणे शक्य होते.
भूमिका आणि जबाबदाऱ्या
या उपक्रमाच्या यशात प्रत्येक भागीदाराच्या विशिष्ट कौशल्ये आणि योगदानाचा समावेश आहे:
फुजित्सु: केबिन क्रूच्या कामांसाठी मायक्रोसॉफ्ट Phi-4 मध्ये बदल करण्याची महत्त्वाची भूमिका फुजित्सुने बजावली. फुजित्सु कोझुची एआय सेवेचा (Fujitsu Kozuchi AI service) वापर करून, फुजित्सुने जपान एअरलाइन्सच्या मागील अहवालांच्या आधारावर भाषेचे मॉडेल तयार केले, ज्यामुळे चांगले परिणाम मिळाले.
हेडवाटर्स: हेडवाटर्सने Phi-4 द्वारे समर्थित व्यवसाय-विशिष्ट जनरेटिव्ह एआय ॲप्लिकेशन (Generative AI application) विकसित केले. क्वाँटायझेशन (Quantization) तंत्रज्ञानाचा वापर करून, हेडवाटर्सने ऑफलाइन वातावरणातही टॅब्लेट उपकरणांवर अहवाल तयार करणे शक्य केले. याव्यतिरिक्त, त्यांच्या एआय सल्लागारांनी (AI consultants) संपूर्ण प्रकल्पात एआय अंमलबजावणीसाठी (AI implementation)workflow विश्लेषण, चाचणी अंमलबजावणी आणि मूल्यांकन, तसेच जलद विकास प्रगती व्यवस्थापनाद्वारे मोलाचे सहकार्य दिले. कंपनीच्या एआय अभियंत्यांनी फुजित्सु कोझुचीसाठी एक उत्कृष्ट वातावरण तयार केले आणि ग्राहकांच्या गरजेनुसार तांत्रिक सहाय्य (Technical Assistance) देखील पुरवले.
उद्योगातील अंतर्दृष्टी
फुजित्सु लिमिटेडच्या ग्लोबल सोल्यूशन्स बिझनेस ग्रुपचे (Global Solutions Business Group) क्रॉस-इंडस्ट्री सोल्यूशन्स बिझनेस युनिटचे प्रमुख शिनिची मियाटा (Shinichi Miyata) यांनी या उपक्रमाचे महत्त्व सांगितले, ‘जपान एअरलाइन्सच्या केबिन ऑपरेशन्समध्ये (Cabin operations) जनरेटिव्ह एआयच्या वापराचे हे उत्तम उदाहरण आहे. ऑफलाइन वातावरणात जनरेटिव्ह एआयला पुढे नेण्यात या संयुक्त चाचणीचा मोठा वाटा आहे. तसेच, ज्या उद्योगांमध्ये नेटवर्कची उपलब्धता कमी आहे, अशा विविध उद्योगांमध्ये सुधारणा करण्याची क्षमता या तंत्रज्ञानात आहे. हेडवाटर्सच्या उत्कृष्ट क्षमता आणि फुजित्सुच्या तांत्रिक कौशल्यामुळे हे यश मिळाले आहे. ग्राहकांच्या व्यवसायाच्या वाढीस आणि सामाजिक समस्यांचे निराकरण करण्यासाठी आम्ही आमची भागीदारी अधिक मजबूत करण्यासाठी वचनबद्ध आहोत.’
भविष्यातील वाटचाल
या चाचण्यांच्या सकारात्मक परिणामांवर आधारित, फुजित्सु आणि हेडवाटर्स जपान एअरलाइन्समध्ये (JAL) उत्पादन सुरू करण्यासाठी आणखी चाचण्या करण्यास तयार आहेत. त्यांचे अंतिम ध्येय हे सोल्यूशन जपान एअरलाइन्सच्या जनरेटिव्ह एआय प्लॅटफॉर्ममध्ये (Generative AI platform) एकत्रित करणे आहे.
याव्यतिरिक्त, फुजित्सु कोझुचीमध्ये (Fujitsu Kozuchi) विविध प्रकारच्या कामांसाठी तयार केलेले SLM समाविष्ट करण्याची योजना आखत आहे, ज्यामुळे एआय सेवेची क्षमता आणखी वाढेल.
एकत्रितपणे, फुजित्सु आणि हेडवाटर्स एआयच्या धोरणात्मक ॲप्लिकेशनद्वारे जपान एअरलाइन्सच्या (JAL) कार्यात्मक बदलांना प्रोत्साहन देतील, महत्त्वाच्या समस्यांचे निराकरण करतील, ग्राहक सेवा सुधारतील आणि उद्योगातील समस्यांवर मात करतील.
अधिक माहिती: एआय अंमलबजावणीचे बारकावे
फुजित्सु आणि हेडवाटर्सच्या सहकार्याने एआयच्या माध्यमातून जपान एअरलाइन्सच्या (JAL) कार्यक्षमतेत सुधारणा करणे हे एक उत्तम उदाहरण आहे. ज्यामुळे हे स्पष्ट होते की, आधुनिक तंत्रज्ञानाचा वापर करून वास्तविक जगातील समस्या कशा सोडवता येतात. या प्रकल्पाच्या यशासाठी उपयुक्त ठरलेल्या मुख्य घटकांचे विश्लेषण करूया.
1. स्मॉल लँग्वेज मॉडेलची (SLM) धोरणात्मक निवड
मोठ्या भाषेचे मॉडेल (LLM) वापरण्याऐवजी मायक्रोसॉफ्टचे Phi-4, हे स्मॉल लँग्वेज मॉडेल (SLM) वापरण्याचा निर्णय अत्यंत महत्त्वाचा होता. LLM मध्ये प्रभावी क्षमता असल्या तरी, त्यांना मोठ्या प्रमाणात संगणकीय संसाधने (Computational resources) आणि क्लाउड सर्व्हरशी (Cloud servers) सतत कनेक्टिव्हिटीची आवश्यकता असते. नेटवर्कची उपलब्धता कमी असल्यास किंवा अजिबात नसल्यास, ही एक मोठी समस्या आहे, जसे की विमानांमध्ये.
SLM कमी प्रोसेसिंग पॉवर (Processing power) आणि स्टोरेज क्षमतेच्या उपकरणांवर कार्य करण्यासाठी डिझाइन केलेले आहे. Phi-4 हे विशेषतः ऑफलाइन वातावरणासाठी तयार केले आहे, ज्यामुळे ते जपान एअरलाइन्स (JAL) प्रकल्पासाठी एक आदर्श पर्याय ठरले. या दृष्टिकोनमुळे, केबिन क्रू सदस्यांना नेटवर्क उपलब्ध असो वा नसो, एआय-आधारित (AI-based) अहवाल निर्मिती प्रणाली वापरता येते आणि महागड्या क्लाउड इन्फ्रास्ट्रक्चरवरील (Cloud infrastructure) अवलंबित्व कमी होते.
2. डोमेन स्पेसिफिसिटीसाठी (Domain Specificity) फाइन-ट्यूनिंग
SLM ऑफलाइन ऑपरेशनचा फायदा देत असले तरी, त्यांच्यात मोठ्या मॉडेल्सच्या तुलनेत माहिती आणि संदर्भाचा अभाव असतो. ही मर्यादा दूर करण्यासाठी, फुजित्सुने जपान एअरलाइन्सच्या (JAL) मागील अहवालांचा वापर करून Phi-4 ला फाइन-ट्यून (Fine-tune) करण्यासाठी कोझुची एआय सेवेचा (Kozuchi AI service) उपयोग केला.
फाइन-ट्यूनिंगमध्ये विशिष्ट कार्य करण्यासाठी किंवा विशिष्ट डोमेनमध्ये (Specific domain) त्याची कार्यक्षमता सुधारण्यासाठी डेटासेटवर (Dataset) प्री-ट्रेन (Pre-train) केलेल्या भाषेच्या मॉडेलला प्रशिक्षण देणे समाविष्ट आहे. या प्रकरणात, जपान एअरलाइन्सच्या (JAL) मागील अहवालांचा वापर करून, फुजित्सुने मॉडेलला केबिन क्रू रिपोर्टिंगचे (Cabin crew reporting) बारकावे शिकण्यास सक्षम केले, ज्यात विशिष्ट शब्दावली, फॉरमॅटिंग (Formatting) आणि विमानांमध्ये येणाऱ्या सामान्य समस्यांचा समावेश आहे.
या डोमेन-विशिष्ट फाइन-ट्यूनिंगमुळे एआय-व्युत्पन्न (AI-generated) अहवालांची अचूकता आणि उपयुक्तता वाढली, तसेच जपान एअरलाइन्सच्या (JAL) कार्यपद्धतींचे पालन सुनिश्चित केले.
3. वर्धित कार्यक्षमतेसाठी क्वाँटायझेशन तंत्रज्ञान
हेडवाटर्सने (Headwaters) चॅट-आधारित ॲप्लिकेशन (Chat-based application) विकसित करण्याव्यतिरिक्त, Phi-4 ची टॅब्लेट उपकरणांवरील (Tablet devices) कार्यक्षमता सुधारण्यासाठी क्वाँटायझेशन (Quantization) तंत्रज्ञानाचा वापर केला.
क्वाँटायझेशन हे एक तंत्र आहे, जे न्यूरल नेटवर्कच्या (Neural network) पॅरामीटर्सला (Parameters) कमी बिट्स वापरून दर्शवून त्याची मेमरी फूटप्रिंट (Memory footprint) आणि संगणकीय आवश्यकता कमी करते. उदाहरणार्थ, 32-बिट फ्लोटिंग-पॉइंट नंबर्स (Floating-point numbers) वापरण्याऐवजी, मॉडेलचे पॅरामीटर्स 8-बिट इंटिजर्स (Integers) वापरून दर्शविले जाऊ शकतात.
यामुळे अचूकता थोडी कमी होते, परंतु सुधारित गती आणि कमी मेमरी वापराच्या दृष्टीने याचा खूप फायदा होतो. Phi-4 चे क्वाँटायझेशन करून, हेडवाटर्सने हे सुनिश्चित केले की, एआय मॉडेल (AI model) टॅब्लेट उपकरणांच्या मर्यादित संसाधनांवर सहज आणि कार्यक्षमतेने चालू शकेल, केबिन क्रूसाठी एक चांगला अनुभव सुनिश्चित केला जाईल.
4. ॲजाइल डेव्हलपमेंट आणि सहयोगी कौशल्ये
जपान एअरलाइन्सच्या (JAL) प्रकल्पाचे यश हेडवाटर्सने (Headwaters) वापरलेल्या ॲजाइल डेव्हलपमेंट (Agile development) पद्धतीमुळे आणि फुजित्सु-हेडवाटर्सच्या भागीदारीमुळे शक्य झाले.
ॲजाइल डेव्हलपमेंटमध्ये वारंवार अभिप्राय (Feedback) आणि भागधारकांमधील (Stakeholders) सहकार्यावर जोर दिला जातो. या दृष्टिकोनमुळे, प्रकल्प टीमला बदलत्या आवश्यकतांशी जुळवून घेणे आणि अनपेक्षित समस्यांचे निराकरण करणे शक्य झाले.
फुजित्सु आणि हेडवाटर्सचे (Headwaters) पूरक कौशल्ये देखील या प्रकल्पाच्या यशासाठी महत्त्वपूर्ण ठरली. फुजित्सुने एआय तंत्रज्ञान (AI technology) आणि कोझुची एआय सेवे (Kozuchi AI service) संबंधी सखोल माहिती दिली, तर हेडवाटर्सने एआय ॲप्लिकेशन डेव्हलपमेंट (AI application development), workflow विश्लेषण आणि ॲजाइल प्रोजेक्ट मॅनेजमेंटमध्ये (Agile project management) कौशल्य प्रदान केले. या कौशल्यामुळे टीमला एक नाविन्यपूर्ण आणि प्रभावी सोल्यूशन (Solution) विकसित करणे शक्य झाले.
विमान वाहतूक उद्योगासाठी व्यापक परिणाम
जपान एअरलाइन्सचा (JAL) प्रकल्प विमान वाहतूक उद्योगात एआयच्या (AI) भविष्याची झलक देतो. अहवाल तयार करणे यासारखी नियमित कामे स्वयंचलित (Automated) करून, एआय केबिन क्रू सदस्यांना प्रवासी सुरक्षा आणि ग्राहक सेवा यांसारख्या अधिक महत्त्वाच्या जबाबदाऱ्यांवर लक्ष केंद्रित करण्यास मदत करते.
याव्यतिरिक्त, एआयचा उपयोग इतर विविध क्षेत्रांमध्ये कार्यक्षमतेत सुधारणा करण्यासाठी केला जाऊ शकतो:
- प्रिडिक्टिव्ह मेंटेनन्स (Predictive maintenance): विमानातील सेन्सर डेटाचे (Sensor data) विश्लेषण करून एआय देखभालीची आवश्यकता कधी आहे, हे सांगू शकते, ज्यामुळे डाउनटाइम (Downtime) कमी होतो आणि सुरक्षा सुधारते.
- मार्ग अनुकूलन (Route optimization): हवामानाचा अंदाज, रहदारीची स्थिती आणि इतर घटकांचे विश्लेषण करून एआय उड्डाण मार्ग अनुकूल करू शकते, ज्यामुळे इंधनाची बचत होते आणि प्रवासाचा वेळ कमी होतो.
- ग्राहक सेवा (Customer service): एआय-शक्तीशाली चॅटबॉट्स (Chatbots) प्रवाशांना त्वरित मदत करू शकतात, प्रश्नांची उत्तरे देऊ शकतात, समस्यांचे निराकरण करू शकतात आणि वैयक्तिक शिफारसी देऊ शकतात.
एआय तंत्रज्ञान जसजसे विकसित होत आहे, तसतसे विमान वाहतूक उद्योगात बदल घडवण्याची क्षमता वाढत आहे. जपान एअरलाइन्सचा (JAL) प्रकल्प हे एक उपयुक्त उदाहरण आहे की, एआयचा उपयोग कार्यक्षमता सुधारण्यासाठी, सुरक्षा वाढवण्यासाठी आणि प्रवाशांचा अनुभव वाढवण्यासाठी कसा केला जाऊ शकतो.
विमान वाहतुकीच्या पलीकडे: ऑफलाइन एआयची अष्टपैलुत्व
जपान एअरलाइन्ससाठी (JAL) फुजित्सु-हेडवाटर्सचा (Fujitsu-Headwaters) प्रकल्प विविध उद्योगांमध्ये ऑफलाइन एआय सोल्यूशन्सच्या (Offline AI solutions) विस्तृत उपयोजनावर प्रकाश टाकतो. मर्यादित किंवा नेटवर्क कनेक्टिव्हिटी (Network connectivity) नसलेल्या वातावरणात एआय मॉडेल (AI model) तैनात करण्याची क्षमता, दुर्गम किंवा आव्हानात्मक ठिकाणी एआयचा (AI) वापर करू पाहणाऱ्या संस्थांसाठी शक्यतांचे दरवाजे उघडते.
1. दुर्गम भागातील आरोग्य सेवा
ग्रामीण किंवा अविकसित समुदायांमध्ये, आरोग्य सेवा प्रदात्यांना विश्वसनीय इंटरनेट कनेक्टिव्हिटीच्या (Internet connectivity) कमतरतेमुळे अनेक समस्या येतात. ऑफलाइन एआय सोल्यूशन्स (Offline AI solutions) अशा प्रदात्यांना स्थिर इंटरनेट कनेक्शन (Internet connection) नसतानाही निदान साधने, उपचार शिफारसी आणि रुग्ण देखरेख क्षमता प्रदान करू शकतात.
उदाहरणार्थ, एआय-शक्तीशाली इमेज रेकग्निशन अल्गोरिदम (Image recognition algorithms) पोर्टेबल उपकरणांवर (Portable devices) तैनात केले जाऊ शकतात, जे आरोग्य कर्मचाऱ्या