पाठ-496: AI-1 — फ़ोटो से दोष-पहचान (कंप्यूटर-विज़न)

पाठ परिचय

पाठ-471-495 के साथ, स्वचालन-रोबोट की दुनिया पूरी हुई — आज हिस्सा-15 की शुरुआत, कृत्रिम-बुद्धिमत्ता (AI) की दुनिया में, AI-1 — फ़ोटो से दोष-पहचान (कंप्यूटर-विज़न)। पाठ-480 की मशीन-विज़न सीख, यहाँ, AI की गहरी, सीखने वाली क्षमता से, और आगे बढ़ती है।

सीखने का उद्देश्य

इस पाठ के बाद आप: (1) AI-आधारित दोष-पहचान का बुनियादी विचार समझ पाएँगे, (2) यह मशीन-विज़न से कैसे आगे जाता है, यह जान सकेंगे, (3) इसके फ़ायदे और सीमाएँ समझ पाएँगे, (4) इसे इंसानी जाँच का पूरक कैसे मानें, यह पहचान पाएँगे।

मुख्य बात — हज़ारों तस्वीरों से "सीखा" हुआ ज्ञान

(1) AI-दोष-पहचान क्या है — हज़ारों तस्वीरों से "सीखकर", नई तस्वीर में दोष पहचानना। पाठ-480 की मशीन-विज़न सीख से आगे — एक AI-सिस्टम को, पहले, हज़ारों-लाखों, पहले से चिह्नित ("यह दोष है", "यह सामान्य है") तस्वीरें दिखाई जाती हैं — इससे, वह, नई, अनदेखी तस्वीर में भी, दोष के पैटर्न पहचानना "सीख" लेता है।

(2) मशीन-विज़न से आगे — कठोर नियम नहीं, "सीखा हुआ" पैटर्न। पाठ-480 का सरल मशीन-विज़न, अक्सर, पहले से तय, कठोर नियमों पर काम करता है — AI, इसके उलट, बड़ी मात्रा के डेटा से, ख़ुद, जटिल, सूक्ष्म पैटर्न "सीखता" है, जो कभी-कभी, इंसान द्वारा, सीधे नियम के रूप में लिखना मुश्किल होता।

(3) कहाँ उपयोगी — पाठ-391-406 की दोष-दुनिया, तेज़, बड़ी-मात्रा में जाँच। पूरे पाठ-391-420 में सीखी दोष-पहचान (पोरसिटी, अंडरकट, दरार) — AI, इन्हीं दोषों को, तस्वीर से, बेहद तेज़ी से, बड़ी मात्रा में, बिना थके, पहचान सकता है।

(4) फ़ायदा — गति, स्थिरता, थकान-रहित। पाठ-460 की चौकसी-थकान सीख जैसी सोच — इंसानी जाँचकर्ता, लंबे समय बाद, थकान से, छोटी-मोटी चूक कर सकता है — AI-सिस्टम, बिना थके, हज़ारों तस्वीर, एक-समान, स्थिर सटीकता से जाँच सकता है।

(5) सीमा — यह, इंसानी VT का पूरा विकल्प नहीं। पाठ-407-410 की VT-सीख — AI, कुछ ख़ास, प्रशिक्षित पैटर्न ही पहचानता है — एक अनुभवी, कुशल VT-जाँचकर्ता की, समग्र, संदर्भ-आधारित समझ, अभी भी, कई मामलों में, बेजोड़ है; AI, एक शक्तिशाली "सहायक" है, पूरा विकल्प नहीं।

(6) यह पाठ सिर्फ़ परिचय है — असली इस्तेमाल, आगे, ज़्यादा विस्तार से। यह हिस्सा-15 का पहला पाठ है — आगे के पाठों (497-502) में, AI के कई और, व्यावहारिक इस्तेमाल, गहराई से समझेंगे।

फ़ोटो से दोष-पहचान वाला AI असल में वही काम करता है जो पाठ-391 की छह-ख़ाना तालिका करती है — दोष का "रूप" पहचानना — बस हज़ारों फ़ोटो देखकर, और उतनी ही ग़लतियाँ करते हुए जितनी उसे सिखाने वाली फ़ोटो ग़लत थीं। तरीक़ा: कंप्यूटर-विज़न मॉडल को हज़ारों वेल्ड-फ़ोटो दिखाई जाती हैं, हर फ़ोटो पर मानव-निरीक्षक का लेबल — "अंडरकट", "पोरसिटी", "स्पैटर", "ठीक" (पाठ-392-406 का कोश) — और मॉडल पैटर्न सीखता है; फिर नई फ़ोटो पर वह अनुमान देता है, एक "भरोसा-प्रतिशत" के साथ (जैसे "अंडरकट — 87 प्रतिशत")। वेल्डर के लिए इसका उपयोग — तीन स्तर: स्व-जाँच (अपनी वेल्ड की फ़ोटो फ़ोन-ऐप में — तुरंत "दूसरी राय", ख़ासकर सीखते समय, पाठ-390 की पोर्टफ़ोलियो-फ़ोटो पर); उत्पादन-लाइन पर कैमरा (रोबोट-सेल में हर जोड़ की तस्वीर, संदिग्ध जोड़ अलग — पाठ-480 की मशीन-विज़न का गुणवत्ता-रूप); और NDT-सहायता (RT-फ़िल्म/UT-चित्र में संदिग्ध जगह पर घेरा — पाठ-418 की पैटर्न-पहचान का सहायक)। AI की सीमाएँ, जो हर वेल्डर को पता होनी चाहिए (पाठ-502 की पूरी सीख यहाँ झलक में): यह सतह देखता है — भीतरी दोष (स्लैग-क़ैद पाठ-397, अधूरा-गलाव 393) फ़ोटो से नहीं दिखते; रोशनी, कोण, गंदगी, पेंट से धोखा खाता है (चमक को पोरसिटी, परछाईं को अंडरकट); जिस तरह के जोड़ की फ़ोटो पर सीखा, उसी पर अच्छा — स्टेनलेस-TIG पर सीखा मॉडल MS-SMAW की स्लैग-लकीर को दरार बता सकता है; और सबसे ज़रूरी — यह स्वीकार्यता (पाठ-406) नहीं जानता — "अंडरकट है" कहता है, "0.8 मिलीमीटर, कोड-सीमा के भीतर, स्वीकार्य" नहीं; वह फ़ैसला नाप (पाठ-408 के गेज) और मानव-निरीक्षक का है। इसलिए नियम: AI = पहली छलनी और सीखने का साथी; VT (पाठ-407-410) = फ़ैसला। फ़ोटो लेने का अनुशासन जो AI और आपकी अपनी आँख दोनों की मदद करता है: एक-सी रोशनी (तिरछी, ताकि सतह की बनावट उभरे), जोड़ के लंबवत और 45 डिग्री से, नाप के लिए स्केल फ़ोटो में, और साफ़ सतह (पाठ-503, 545)। जो वेल्डर AI-ऐप के "87 प्रतिशत अंडरकट" पर गेज उठाकर नापता है, वह AI का मालिक है; जो नापे बिना मान लेता है, वह AI का मज़दूर।

चित्र से समझिए

*(चित्र-विवरण: AI, हज़ारों, पहले से चिह्नित तस्वीरों से "सीखकर", नई तस्वीर में दोष पहचानता है — यह, इंसानी VT का सहायक है, पूरा विकल्प नहीं।)*

आसान भाषा में समझिए

एक बच्चा, हज़ारों तस्वीरें देखकर, बिल्ली और कुत्ते में फ़र्क़ करना सीखता है — AI भी वैसे ही, हज़ारों, पहले से चिह्नित वेल्ड-तस्वीरें देखकर, अच्छे और ख़राब जोड़ में फ़र्क़ करना "सीखता" है।

असली उदाहरण — AI ने पकड़ी छूटी हुई ख़ामी

एक फ़ैक्टरी में, एक बड़ी मात्रा में बने जोड़ों की जाँच में, AI-सिस्टम ने, एक जोड़ में, बेहद बारीक़, हल्की पोरसिटी पकड़ी, जो, थकान के कारण, इंसानी जाँच में छूट गई थी। पर्यवेक्षक ने कहा — "AI, इंसानी जाँच की जगह नहीं ले सकता, पर वह, एक भरोसेमंद, अतिरिक्त सुरक्षा-परत देता है।"

AI के साथ अभ्यास

ACS के AI साथी से कहिए: "AI-दोष-पहचान पर मेरी परीक्षा लो — (क) यह कैसे काम करता है, (ख) यह मशीन-विज़न से कैसे आगे है, (ग) इसकी सबसे बड़ी सीमा क्या है; फिर मुझसे पूछो कि इंसानी VT की जगह, यह क्यों नहीं ले सकता।" AI सलाह है, फ़ैसला नहीं।

आज ही करने का काम (Step-by-Step गतिविधि)

(1) डायरी में AI-दोष-पहचान का बुनियादी विचार अपने शब्दों में लिखिए। (2) पाठ-480 की मशीन-विज़न सीख से इसका फ़र्क़ समझाइए। (3) सोचिए कि यह इंसानी जाँच का, किस तरह "सहायक" बन सकता है, पूरा विकल्प नहीं। (4) यह जानकारी डायरी में दर्ज कीजिए।

आज "AI बनाम मेरी आँख" की अदालत — बीस फ़ोटो, दो जज; पैंतालीस मिनट। चरण-1 (15 मिनट): अपने पिछले अभ्यास-कूपनों की बीस फ़ोटो, पाठ-503 के अनुशासन से (तिरछी रोशनी, स्केल, साफ़); हर फ़ोटो पर पहले ख़ुद VT — दोष का नाम और नाप, पाठ-410 की भाषा में, डायरी में। चरण-2 (15 मिनट): ACS के AI-साथी (या कोई दोष-पहचान ऐप हो तो) को वही फ़ोटो दिखाकर पूछिए — "इस वेल्ड में क्या दोष दिखता है, और कितने भरोसे से?" — AI का जवाब बगल के स्तंभ में। चरण-3 (10 मिनट): तुलना — कितनी फ़ोटो पर सहमति, कहाँ AI ने वह पकड़ा जो आप चूके (सीखिए), कहाँ AI ने झूठा दोष बताया (कारण खोजिए — रोशनी? स्लैग-लकीर?), और सबसे ज़रूरी — कितनी फ़ोटो पर AI ने "स्वीकार्य या नहीं" बताया (उत्तर: शून्य — यह आपका काम है)। चरण-4 (5 मिनट): डायरी-गाँठ — "AI का 87 प्रतिशत मेरे गेज का 0.8 मिलीमीटर नहीं है — AI बताता है 'देखो', मैं तय करता हूँ 'पास या फ़ेल'; और यह क्रम कभी उलटा नहीं होगा।"

आम गलतियाँ

(1) यह सोचना कि AI, इंसानी VT-जाँच का पूरा विकल्प है। (2) AI और साधारण मशीन-विज़न को एक जैसा समझना। (3) यह सोचना कि AI, बिना किसी "सीखने" के, अपने-आप दोष पहचानता है। (4) AI की सीमाओं को नज़रअंदाज़ करना।

सावधानियाँ

यह पाठ पढ़ने-समझने का है, कोई विशेष वेल्डिंग-सावधानी नहीं।

तेज़ दोहराव

AI, हज़ारों, पहले से चिह्नित तस्वीरों से, दोष-पैटर्न "सीखता" है · यह, साधारण मशीन-विज़न से आगे, जटिल, सूक्ष्म पैटर्न पकड़ सकता है · यह, तेज़, बड़ी-मात्रा, थकान-रहित जाँच में उपयोगी है · यह, इंसानी VT-जाँचकर्ता का सहायक है, पूरा विकल्प नहीं · AI, सिर्फ़ प्रशिक्षित पैटर्न पहचानता है, समग्र समझ नहीं रखता।

छोटी परीक्षा (Quiz)

(1) AI-दोष-पहचान कैसे काम करती है? (2) यह मशीन-विज़न से कैसे आगे है? (3) यह कहाँ उपयोगी है? (4) इसकी सबसे बड़ी सीमा क्या है? (5) क्या यह इंसानी VT की जगह ले सकती है?

पाठ का सार (Chapter Summary)

AI-दोष-पहचान, हज़ारों, पहले से चिह्नित ("दोष"/"सामान्य") तस्वीरों से "सीखकर", नई, अनदेखी तस्वीर में, दोष के पैटर्न पहचानती है — यह, साधारण मशीन-विज़न (पाठ-480) से आगे, जटिल, सूक्ष्म पैटर्न भी पकड़ सकती है, और तेज़, बड़ी-मात्रा, थकान-रहित जाँच में उपयोगी है। पर यह, इंसानी, अनुभवी VT-जाँचकर्ता की, समग्र, संदर्भ-आधारित समझ का पूरा विकल्प नहीं है — यह एक शक्तिशाली सहायक है।

आगे क्या सीखें

AI-दुनिया का पहला पाठ सीखा। अगला पाठ (497) AI-2 — पैरामीटर-सुझाव और अनुकूलन — जहाँ आप AI का एक और, व्यावहारिक इस्तेमाल सीखेंगे।

---