प्रभावी प्रदूषण नियंत्रण शक्य

डॉ. आनंद ज. कुलकर्णी
सोमवार, 5 जुलै 2021

आर्टिफिशियल इंटेलिजन्स

प्रदूषणाची कारणे शोधणे, प्रदूषण पातळ्या रिअल टाइम बेसिसवर मोजून आगाऊ अंदाज बांधणे व त्यानुसार उपाययोजना सुचविणे आदी सर्व बाबींमध्ये अगदी नजीकच्या भविष्यात कृित्रम बुद्धिमत्तेचे योगदान अत्यंत मोलाचे ठरू शकते. 

प्रदूषणाची समस्या जगातील प्रमुख समस्यांपैकी एक आहे. जमीन आणि पाण्याबरोबरच हवेचे प्रदूषण ही एक गंभीर समस्या आहे. जागतिक आरोग्य संघटनेच्या सर्वेक्षणानुसार प्रत्येक दहापैकी नऊ लोक प्रत्यक्षपणे प्रदूषित हवेच्या सान्निध्यात राहतात. त्याचबरोबर दरवर्षी साधारणपणे ७० लाख लोकांचा वायू प्रदूषणाच्या संबंधित आजारांमुळे मृत्यू होत आहे. ग्रीनपीस या स्वयंसेवी संस्थेच्या नुकत्याच प्रकाशित झालेल्या अहवालानुसार जगातील पहिल्या ३० सर्वांत प्रदूषित शहरांमध्ये भारतातील २२ शहरे येतात. त्यावरून ही समस्या भारतासाठी किती भयावह आहे, याचा सहज अंदाज येऊ शकतो. वाहने, कारखान्यांतून होणारे प्रदूषण, घरगुती तसेच उद्योगांसाठी लागणारी ऊर्जा निर्माण करण्यासाठी चालणारे औष्णिक विद्युत प्रकल्प यातूनसुद्धा प्रचंड प्रदूषण होत असते. या पार्श्वभूमीवर जगातील जवळजवळ सर्वच देश व कारखाने, प्रदूषण कमी करण्यासाठी विचारमंथन करत आहेत, विविध उपाययोजना आखत आहेत, विविध तंत्रज्ञानाच्या साहाय्याने काही उपाय कार्यान्वितसुद्धा करत आहेत. हवेचे प्रदूषण मोजणे, प्रदूषणाचे स्रोत किंवा मूळ शोधणे, आगाऊ अंदाज बांधणे, उपाय शोधणे हे सारे आता तंत्रज्ञानाच्या साहाय्याने शक्य होत आहे. कृत्रिम बुद्धिमत्तेवर आधारित अल्गोरिदमचा वापर आता जवळजवळ सर्वच क्षेत्रांत होऊ लागला आहे. सर्वसाधारणपणे, विविध संसाधनांचा कमीतकमी वापर करून जास्तीतजास्त उत्पन्न मिळवणे त्यामुळे शक्य होत आहे. इतर अनेक क्षेत्रांप्रमाणेच प्रदूषण कमी करण्यासाठीही कृत्रिम बुद्धिमत्तेचा उपयोग आता अपरिहार्य होताना दिसत आहे. त्याचा उपयोग अजूनही प्राथमिक स्वरूपाचा आहे, परंतु प्रदूषणाचे निरीक्षण करणे, प्रदूषणाची कारणे शोधणे, प्रदूषण पातळ्या मोजणे, आगाऊ अंदाज बांधणे आदी सर्व बाबींमधे अगदी नजीकच्या भविष्यात कृत्रिम बुद्धिमत्तेचे योगदान अत्यंत मोलाचे ठरू शकते. 

व्यवस्थापन क्षेत्रातील जगप्रसिद्ध सल्लागार डॉ. पीटर ड्रकर यांच्या मते कोणतीही समस्या सोडावयाची असेल तर सर्वांत आधी ती मोजावी लागते. त्याच आधारावर गेल्या अनेक वर्षांपासून चीनमधील १६१ पैकी १४५ शहरांत विविध ठिकाणी सेन्सर्स बसवून प्रदूषणाचे आकडे मोजले जात आहेत. लंडनमधील सातोशी सिस्टिम्स, लोबोरो विद्यापीठ आणि चीन मधील शेंझेन इन्स्टिट्यूट आदींनी संयुक्तरीत्या केलेल्या संशोधनाने प्रदूषणाचा अंदाज बांधता येणे शक्य होऊ लागले आहे. मशिन लर्निंगच्या तंत्राचा वापर करून मागील काही वर्षांतील प्रदूषणाचे विविध आकडे, वेळ, लोकसंख्या, वेगवेगळे ऋतू आणि हवामानाची स्थिती, लोकांची वर्दळ आदी बाबी लक्षात घेऊन त्याआधारे प्रदूषणाच्या पातळीचा संबंध जोडणारे गणित मांडण्यात आले आहे. उपलब्ध माहितीवरून पुढील प्रत्येक दोन तासांपासून ते दोन दिवसांपर्यंचा शहरातील विविध भागातील प्रदूषणाच्या पातळीचा अंदाज बांधता येऊ लागला आहे. अंदाजांची अचूकता वाढत आहे. यावरून शहर प्रशासनाला प्रदूषणाच्या स्रोतांचा अंदाज येऊ लागला आहे. त्यानुसार विविध संशोधक व धोरणकर्ते योग्य उपाय योजना आखत आहेत. विशेष म्हणजे, लोकांच्या आरोग्यावर त्याचा सकारात्मक परिणाम होण्यास तर मदत होणार आहेच, पण त्याचा उपयोग कार्बन-ट्रेडिंगसाठीसुद्धा होत आहे.

यासंदर्भात इंग्लंडमधील ख्यातनाम साउथम्पटन विद्यापीठातील डॉ. अलेक्सान्ड्रोस झेनोनोस यांनी अत्यंत महत्त्वाचे संशोधन केलेले आहे. त्यांनी या संशोधनात सामान्य नागरिकांना सामावून घेतले आहे. संशोधनासाठी त्यांनी प्रदूषण मोजणारे आकाराने छोटे, बॅटरीवर चालणारे व वजनाने हलके सेन्सर बनवले आहेत. हे सेन्सर शहरातील ठराविक ठिकाणी बसवण्यापेक्षा काही सामान्य नागरिकांच्या ताब्यात दिलेले आहेत. असे स्वयंसेवक घराबाहेर पडल्यावर सेन्सर चालू करतात. सेन्सरने मोजलेले प्रदूषणाचे आकडे विद्यापीठातील सर्व्हरकडे पाठवले जातात. तेथे कृत्रिम बुद्धिमत्तेवर आधारित अल्गोरिदम या सेन्सरकडून मिळालेल्या माहितीचे विभागवार वर्गीकरण करतात व प्रदूषणाची पातळी निश्चित केली जाते. या प्रयोगात वास्तविक व प्रत्यक्ष प्रदूषणाचे मूल्यमापन व निरीक्षण शक्य होत आहे. मुख्य म्हणजे, जेवढे स्वयंसेवक वाढतील तेवढा प्रदूषणाच्या पातळीचा अंदाज अधिक अचूकतेने मोजण्यात मदत होणार आहे. त्याचबरोबर प्रदूषणाच्या पातळीत सातत्याने वाढ दाखवणाऱ्या छोट्यात छोट्या विभागातही उपाययोजना आखता येणेही शक्य होणार आहे.

हवेच्या प्रदूषणाची समस्या विकसनशील तसेच अविकसित देशांत अत्यंत गंभीर आहे. युगांडामधील मॅकेरेरे विद्यापीठात सहयोगी प्राध्यापक असणारे इंजिनिअर बाइनोमुगीषा नावाचे शास्त्रज्ञ देशाची ही समस्या सोडवण्यासाठी जागृत राहून काम करत आहेत. या अवलियाने २०१९मध्ये गूगलकडून अर्थसाहाय्य मिळवून अगदी तळहातावर मावणारा प्रदूषण मोजणारा सेन्सर बनवला आहे. युगांडामधील लोकप्रिय अशा मोटरसायकल टॅक्सीवर हा सेन्सर बसवला जातो. या मोटरसायकल शहरात सर्व ठिकाणी फिरताना प्रदूषणाची वास्तविक माहिती रिअल टाइम बेसिससवर विद्यापीठातील सर्व्हरकडे पाठवत असतात. तेथे त्या सर्व माहितीचे इंटेलिजन्ट अल्गोरिदम वापरून विश्लेषण केले जाते. त्यावरून सरकारला शहरातील विविध विभागांतील, रस्त्यांवरील प्रत्यक्ष प्रदूषणाच्या पातळीची माहिती उपलब्ध होते. इंजिनिअर बाइनोमुगीषा यांनी या प्रकल्पाला ‘एअर-को’ असे नाव दिलेले आहे. त्यांच्या म्हणण्यानुसार प्रदूषणाच्या लढ्यात प्रत्येक पाऊल महत्त्वाचे आहे. त्यामुळे, प्रदूषणाची विभागवार व अचूक मोजणी हे भविष्यातल्या सुधारणांच्या दिशेने पावले उचलण्यासाठी उपयोगी ठरणार आहे. 

विविध ठिकाणी सेन्सर बसवणे, उपग्रहांकडून मिळणाऱ्या छायाचित्रांवरून प्रदूषणाच्या पातळीचा अंदाज बांधणे आदींवर यांवर कित्येक कोटी रुपये खर्चूनही हे उपाय तोकडे पडताना दिसत आहेत. बेंगलोरमधील अक्षय जोशी व मधुसूदन आनंद यांची ‘अँबी’ नावाची कंपनी प्रदूषण मोजणारे विविध सेन्सर, अमेरिकन तसेच युरोपियन उपग्रहांकडून उपलब्ध होणारी प्रत्यक्ष माहिती, तसेच उपलब्ध असणारी आधीची माहिती, रस्त्यावरील वाहतूक, बांधकामे, हवामान अशा अनेक बाबींची सांगड घालून शहरातील तसेच विविध भागातील प्रदूषणाची पातळीचा अंदाज वर्तवते. विशेष म्हणजे, अँबी कंपनी स्वतःचे तसेच सर्वसाधारणपणे उपलब्ध असणारे मशिन लर्निंग अल्गोरिदम वापरते. स्थानानुसार तेथील प्रदूषणाची पातळी सांगणारे आणि पुढील अंदाज वर्तवणारे त्यांचे मोबाईल ॲप्लिकेशनही बाजारात उपलब्ध आहेत.

प्रदूषण नियंत्रणाचाच एक भाग म्हणून, जगातील कित्येक देशांत इंटेलिजन्ट वाहतूक नियंत्रण यंत्रणा बसवलेली आहे. सिंगापूर व जर्मनी या देशांनी यात पूर्वीच आघाडी घेतली आहे. तेथे प्रत्येक चौकातील प्रत्येक रस्त्याच्या पृष्ठभागाच्या खाली सेन्सर बसवलेले असतात. ते सेन्सर चौकातील प्रत्येक रस्त्यावरील वाहनांच्या रहदारीची तसेच आजूबाजूच्या चौकातील वाहतुकीची माहिती संगणकांना पुरवतात. त्यावरून आर्टिफिशिअल इंटेलिजन्स आधारित अल्गोरिदम प्रत्येक रस्त्याच्या ग्रीन व रेड सिग्नलच्या वेळांत योग्य बदल करतात. यामुळे वाहतूक कोंडी टाळण्यास मोठी मदत होते आहे. तसेच विविध ठिकाणी बसवलेल्या कॅमेऱ्यांमधून मिळणाऱ्या रहदारीच्या माहितीचे विश्लेषण करून सिग्नलच्या वेळा बदलत राहण्यासाठी सीमेन्स मोबिलिटी नावाची प्रणाली उपयोगी ठरते आहे. गूगल मॅप जसे गर्दी असलेली किंवा अपघात झालेली ठिकाणे टाळून गाडीसाठी मार्ग उपलब्ध करून देते तसे गर्दी होण्याची संभाव्य ठिकाणे शोधून आगाऊ मार्ग बदलणाऱ्या स्मार्ट प्रणालीसुद्धा आता बनवल्या जाऊ लागल्या आहेत. या सर्व प्रयत्नांमुळे जास्त रहदारी असणारे रस्ते लवकर मोकळे होण्यात अत्यंत मोलाची मदत होणार आहे. अशा उपायांमुळे इंधनाची प्रचंड बचत तर होईलच, पण प्रदूषण कमी होण्यातही मदत होत आहे. ओला-उबेर सारख्या टॅक्सी कंपन्या आर्टिफिशिअल इंटेलिजन्स आधारित अल्गोरिदमचा वापर करूनच प्रवाशांचे 'पुलिंग' करतात, त्यामुळे प्रत्यक्ष तसेच अप्रत्यक्षपणे इंधनाची बचत होऊन प्रदूषण कमी होण्यास मदत होत आहे.

भारत सरकारने सर्वप्रकारचे प्रदूषण नियंत्रित करण्यामधे मोठी जागतिक आघाडी उघडलेली आहे. त्याला जोड किंवा योगदान देण्यासाठी विद्यापीठे पुढे येऊ शकतात. गरज ही शोधाची जननी असते, असे म्हणतात. भारतासारख्या विकसनशील तसेच प्रत्येक क्षेत्रात जगाशी स्पर्धा करण्याची क्षमता ठेवणाऱ्या देशात हवेच्या प्रदूषणाचे नियंत्रण ही प्राथमिक गरज आहे. कृत्रिम बुद्धिमत्ता हे क्षेत्र माहिती तंत्रज्ञान कंपन्या तसेच विद्यापीठांसाठीही नवीन नाही. या संस्थांनी प्रदूषण नियंत्रणाचे उद्दिष्ट समोर ठेवून काम करणे ही काळाची गरज आहे.

संबंधित बातम्या