क्या AI वास्तव में कार की समस्याएं डायग्नोज़ कर सकता है? एक ईमानदार जवाब

मेकैनिकों के एक कमरे में पूछें कि क्या AI गाड़ियों का डायग्नोसिस कर सकता है, तो साफ न मिलता है; वहीं डायग्नोस्टिक AI बनाने वाले लोगों से पूछें तो जवाब उत्साह से भरा हां मिलता है। दोनों जवाब आंशिक रूप से सही हैं, और ईमानदार जवाब मायने रखता है, क्योंकि गाड़ी पर AI का गलत जवाब असली पैसे की कीमत चुकाता है, उन पार्ट्स में जिनकी ज़रूरत ही नहीं थी। यहां बताया गया है कि यह तकनीक वास्तव में कहां खड़ी है, उन लोगों की तरफ से जो इसे बनाते हैं और अब भी आधे आलोचकों की बात से सहमत हैं।

AI आज वास्तव में क्या कर सकता है

आज का AI डायग्नोसिस के एक हिस्से में वाकई अच्छा है: आपके पास मौजूद सबूत — कोड, लक्षण, और वे कब होते हैं इसका पैटर्न — लेकर संभावित कारणों को उन टेस्ट के साथ प्राथमिकता क्रम में रखना जो उनमें फ़र्क़ करते हैं। यह एक रीज़निंग और रीकॉल लेयर है, मेकैनिक नहीं। यह दर्ज की गई खराबियों के एक बड़े भंडार पर निर्भर करता है, और "P0301, ठंड में ज़्यादा, 2013 Fusion" जैसी जानकारी को सेकंडों में जाने-पहचाने कारणों से जोड़ देता है। जो यह नहीं कर सकता वह है सबूत जुटाना: यह आवाज़ नहीं सुन सकता, बेयरिंग पर लोड नहीं डाल सकता, कनेक्टर को हिला नहीं सकता, या फ्यूल रेल पर गेज नहीं लगा सकता। डायग्नोसिस सबूत और रीज़निंग दोनों का जोड़ है, और AI इनमें से सिर्फ एक ही लाता है।

AI वाकई कहां मदद करता है

इसकी कामयाबियों का एक ही ढांचा है: व्यवस्थित इनपुट अंदर जाता है, प्राथमिकता क्रम में संभावनाएं बाहर आती हैं, और फिज़िकल चेक इंसान करता है।

• कोड को टेस्ट प्लान में बदलना। ट्रबल कोड एक फेल हुए टेस्ट का नाम बताता है, किसी पार्ट का नहीं। AI किसी कोड के पीछे के असली कारणों को संभावना क्रम में सूचीबद्ध करने में मज़बूत है, हर एक के साथ वह चेक जो उसे कन्फर्म या खारिज करता है — यही वह चरण है जहां अंदाज़े से पार्ट्स बदल दिए जाते हैं।
• प्लेटफॉर्म के आधार पर पैटर्न मैचिंग। कुछ खराबियां खास इंजन और मॉडल पर मशहूर होती हैं। AI यह जानकारी सामने लाता है कि "यह ठीक यही कॉम्बिनेशन इस प्लेटफॉर्म पर जाना-पहचाना मसला है" — जिसे ढूंढने में एक सामान्य व्यक्ति को घंटों फोरम खंगालने पड़ते।
• डायग्नोस्टिक क्रम को ईमानदार रखना। रिपेयर में सबसे महंगी गलतियां क्रम की गलतियां होती हैं: सेंसर जांचने से पहले कैटेलिटिक कन्वर्टर को दोषी मान लेना, या फ्लुइड टेस्ट से पहले ट्रांसमिशन को। कन्फर्मेशन स्टेप्स के साथ प्राथमिकता क्रम में कारणों की लिस्ट सस्ती जांच को पहले रखती है।
• काम को समझाना। गाड़ी मालिक के लिए, AI "लीन कंडीशन, बैंक 1" जैसी बात को आसान भाषा में समझाने में बेहतरीन है, और यह बताने में भी कि कोई कोटेशन सबूत से मेल कब नहीं खाता।

AI कहां चूक जाता है, ईमानदारी से

आलोचकों की दलीलें ज़्यादातर सही हैं, और जो कोई AI डायग्नोसिस बेच रहा है उसे यह मान लेने में सक्षम होना चाहिए।

• कचरा डालो, कचरा निकालो। "मेरी गाड़ी अजीब आवाज़ करती है" जैसा इनपुट भरोसेमंद अंदाज़ में अंदाज़ेबाज़ी ही देता है। जवाब की क्वालिटी उतनी ही अच्छी हो सकती है जितनी अच्छी वह जानकारी है जो आप इसे देते हैं।
• न हाथ, न कान, न टूल्स। AI कंप्रेशन टेस्ट नहीं कर सकता या जोड़ में हिलावट महसूस नहीं कर सकता। कोई भी डायग्नोसिस जो फिज़िकल कन्फर्मेशन स्टेप के बिना खत्म हो, वह एक अनुमान है, डायग्नोसिस नहीं।
• बनावटी आंकड़े। सामान्य चैटबॉट पूरे भरोसे के साथ टॉर्क स्पेक, फ्लुइड कैपेसिटी और पार्ट नंबर बना लेते हैं। किसी सामान्य चैटबॉट से मिला कोई भी सख्त नंबर सर्विस डेटा से जांचे बिना कभी रिंच तक न ले जाएं।
• फोरम से सीखा हुआ शोर। खुले इंटरनेट पर ट्रेन किए गए मॉडल उसकी गलत जानकारी भी विरासत में पाते हैं, उन गलतियों को भी जो पूरे भरोसे के साथ कही गई हों। जवाबों को असली सर्विस डेटा पर आधारित रखना मदद करता है, पर इस खतरे को पूरी तरह खत्म कुछ भी नहीं करता।
• इसे यह नहीं पता कि इसे क्या नहीं पता। एक इंसान एक्सपर्ट कहता है "मुझे इसे देखना होगा।" AI फिर भी जवाब देने की तरफ ही झुकता है। शक का बोझ आप पर ही रहता है।

डायग्नोस्टिक चरण (क्रम में)

सही क्रम में इस्तेमाल किया जाए, तो AI इंसानी डायग्नोसिस को बदलता नहीं, बल्कि तेज़ बनाता है।

1. इसे सबूत दें, अंदाज़ा नहीं। फ्रीज़-फ्रेम डेटा वाले कोड, लक्षण कब होता है, हाल में क्या बदला, सटीक मॉडल और इंजन। हर खास जानकारी जवाब को बेहतर बनाती है।
2. हर कारण के लिए टेस्ट के साथ प्राथमिकता क्रम में सूची मांगें, "एक जवाब" नहीं। इसकी वैल्यू क्रमबद्ध चेकलिस्ट में है, सबसे सस्ता और सबसे संभावित पहले।
3. फिज़िकल चेक खुद करें, या किसी शॉप से करवाएं। AI का काम वहां खत्म होता है जहां रिंच का काम शुरू होता है।
4. कोई भी सख्त नंबर इस्तेमाल करने से पहले सर्विस डेटा से वेरिफाई करें।
5. "कोई कोड नहीं, अस्पष्ट लक्षण" वाले जवाबों को सिर्फ ब्रेनस्टॉर्मिंग मानें। यही वह जगह है जहां AI सबसे कमज़ोर है।

यह कहां पैसे बचाता है, और कहां भारी पड़ता है

सेकंड ओपिनियन और क्रम तय करने के टूल के तौर पर इस्तेमाल किया जाए, तो AI वह पैसा बचाता है जो अंदाज़े पर आधारित रिपेयर बहा देते हैं: सेंसर चेक से पहले खरीदा गया कन्वर्टर, या कभी न की गई क्लिक आवाज़ के लिए बदला गया एक्सल। इसे एक ओरेकल (सब कुछ जानने वाला) मानकर इस्तेमाल किया जाए, तो यह उतना ही नुकसान करता है: बिना कन्फर्मेशन के अमल में लाया गया एक भरोसेमंद-लगता गलत जवाब, गलत पार्ट खरीदने का सिर्फ एक तेज़ तरीका है। असल में, जिन लोगों को AI से फायदा मिलता है, वे इसका इस्तेमाल यह तय करने के लिए करते हैं कि आगे क्या जांचना है, यह तय करने के लिए नहीं कि क्या खरीदना है।

निष्कर्ष

AI एक मज़बूत डायग्नोस्टिक रीज़निंग लेयर है और एक कमज़ोर मेकैनिक: इसे कारणों को प्राथमिकता क्रम में रखने और टेस्ट का क्रम तय करने दें, पार्ट्स बदलने से पहले फिज़िकल कन्फर्मेशन पर ज़ोर दें, और किसी भी ऐसे सख्त स्पेक पर भरोसा न करें जिसका सोर्स इसने न बताया हो।