اشلوبوم از GBRX درباره مدل «پل‌ساز» (Pathfinder) توضیح می‌دهد که چگونه بهترین ایده‌های هوش مصنوعی در صنعت ریلی را از مرحله اثبات به عمل روزمره می‌رساند.
«اثبات می‌کنی که کار می‌کند، بعد به مناقصه گذاشته می‌شود و به پایین‌ترین قیمت‌دهنده فروخته می‌شود. در نتیجه زمان از دست می‌رود، پول از دست می‌رود، تداوم از دست می‌رود و دانش از دست می‌رود.»
دکتر اشلوبوم این‌گونه توصیف می‌کند که چگونه ایده‌های اثبات‌شده در فرایند مناقصه‌گذاری به باد می‌روند. راه‌آهن بریتانیا کم ندارد از ایده‌های خوب در زمینه هوش مصنوعی؛ آنچه کم داشته، راهی قابل‌اعتماد برای تبدیل این ایده‌ها به رویه روزمره بوده است.
«برنامه اقدام هوش مصنوعی در راه‌آهن» که در آوریل ۲۰۲۶ توسط GBRX ــ نهاد راهبردی نوآوری و فناوریِ راه‌آهن بریتانیای کبیر ــ منتشر شد، قصد دارد این وضعیت را تغییر دهد. ایده محوری آن «پل‌ساز» است: راهی برای پیش بردن یک ایده اثبات‌شده تا انتهای مسیر، عبور از موانع حاکمیتی و داده‌ای که معمولاً جلوی آن را می‌گیرند، به‌گونه‌ای که همه تیم‌های بعدی بتوانند از همان مسیر استفاده کنند. Global Railway Review با اشلوبوم، که به‌عنوان مدیر «شتاب‌دهنده انکوباتور هوش مصنوعی» (AIIA) مسئول اجرای این برنامه است، درباره نحوه کار پل‌سازها و جاهایی که هوش مصنوعی هم‌اکنون به ثمر نشسته، گفت‌وگو کرده است.
اشلوبوم از حوزه مالیِ تنظیم‌شده به راه‌آهن آمده است؛ با گذر از فیزیک ذرات بنیادی و مدرک حسابداری رسمی. یکی از نخستین کارهای او تفکیک آنچه درباره هر نوع به‌کارگیری هوش مصنوعی صادق است، از آنچه ویژه راه‌آهن است، بود. داده در هر دو دسته قرار می‌گیرد؛ مشکل همیشگی «ورودی آشغال، خروجی آشغال» است، اما در راه‌آهن داده‌ها به شکل غیرمعمولی پراکنده‌اند؛ میراثی از صنعت خصوصی‌شده‌ای که اجزای آن هرگز برای سهولت تبادل اطلاعات طراحی نشده بودند.
پل‌ساز چه چیزی را تغییر می‌دهد؟
اشلوبوم تأکید می‌کند که پل‌ساز صرفاً یک نمونه اولیه با نامی جدید نیست. راه‌آهن هرگز در تولید نمونه‌های اولیه مشکل نداشته؛ مشکل، عبور از مرحله اثبات مفهوم بوده است. هدف پل‌ساز، مقیاس‌پذیر کردن یک پروژه منفرد نیست، بلکه مقیاس‌پذیر کردن مسیر است: یک‌بار سخت‌ترین بخش عبور از موانع حاکمیتی و داده‌ای را پیمودن تا تیم بعدی بداند چگونه از همین سرزمین بگذرد. به گفته او: «می‌توانیم یک نیازمندی را یک‌بار حل کنیم و در همه پروژه‌ها از آن استفاده کنیم.»
بخشی از مشکل قدیمی، انگیزه‌ها بود: بودجه برای هکتاپرون‌ها، نمونه‌های اولیه و اثبات مفهوم وجود داشت، اما کمتر بودجه‌ای برای رساندن پروژه تا مرحله به‌کارگیری. اگر موفقیت را با تعداد نمونه‌های اولیه بسنجیم، بخش می‌تواند پرکار به نظر برسد در حالی که عملاً هیچ چیز تغییر نکرده است. اشلوبوم می‌گوید: «باید بر نتیجه تمرکز کنیم. آیا این کار راه‌آهن را واقعاً بهتر اداره می‌کند، یا فقط آمار تحویل شده است؟»
اصلاح این وضعیت، رسیدگی به شکاف تجاری را به اندازه شکاف فنی شامل می‌شود. GBRX در حال ساخت مسیر تجاری جدیدی است به نام «بازار پویا خدمات زیرساختی» (UDM) که با قانون تدارکات ۲۰۲۳ سازگار است تا تأمین‌کننده‌ای که موفق شده، راهی برای ادامه کار داشته باشد. GBRX در ۷ ژوئیه ۲۰۲۶ اطلاعیه اولیه تعامل با بازار برای UDM را منتشر کرد؛ بازاری که قصد تأسیس آن را دارد، نه بازاری که از قبل فعال باشد. طبق قانون، بازار پویا فهرستی همیشه‌باز از تأمین‌کنندگان واجد شرایط است که می‌توانند در تدارکات آتی در نظر گرفته شوند. اشلوبوم استدلال می‌کند که ترکیب این با مسیر حاکمیتی شفاف، در نهایت به کارهای خوب مقصدی واقعی می‌دهد؛ به‌جای اینکه موازی با سیستم رسمی اجرا شوند و هرگز رسماً به‌کار گرفته نشوند.
اجرا بر پایه مدل فدرالی انجام می‌شود: اپراتورها مالکیت را حفظ می‌کنند و GBRX هماهنگی را بر عهده دارد. اشلوبوم در جایگاه مناسبی برای این کار است؛ او هر روز با Network Rail، اپراتور وزارت حمل‌ونقل (DfT Operator)، گروه تحویل ریلی (RDG) و هیئت ایمنی و استانداردهای ریلی (RSSB) در ارتباط است. به گفته او، یک نقش نوآوریِ مستقل که کل صنعت را پوشش می‌دهد، می‌تواند ببیند کدام نیازمندیِ یک‌بارحل‌شده می‌تواند به همه پروژه‌ها خدمت کند؛ کاری که یک اپراتور منفرد که با اهداف خودش سنجیده می‌شود، به‌ندرت در موقعیت انجام آن است. این برنامه عامدانه به حاکمیت‌های موجود متصل می‌شود و لایه جدیدی نمی‌سازد.
جایی که هوش مصنوعی به ثمر می‌نشیند
وقتی از او پرسیده‌ایم هوش مصنوعی اول کجا جواب می‌دهد، به جزیره‌های تعالی اشاره می‌کند که هم‌اکنون در مسیرها و مناطق خاصی در حال تحویل نتیجه‌اند، و به پل‌سازهای اولویت‌داری که با کارشناسان خود صنعت تدوین شده‌اند. پیشرفته‌ترین آن‌ها در حوزه نرخ کرایه، بلیت‌فروشی و خرده‌فروشی است که رویکرد داده‌محور به اصلاح تعرفه‌ها اعمال می‌شود. این صنعت بیش از ۴۰۰ نوع بلیت را به ارث برده که به حدود ۵۵ میلیون ترکیب تعرفه‌ای منجر می‌شود؛ عددی که فراتر از ظرفیت ذهن هر انسانی است. به همین دلیل GBRX از یک تکنیک کلاسیک یادگیری ماشین برای دسته‌بندی آن‌ها در چند سبد تعریف‌شده صنعتی استفاده می‌کند. این تکنیک به این دلیل انتخاب شده که کار می‌کند، نه به این دلیل که جدیدترین است.
اشلوبوم توضیح می‌دهد: «این جدیدترین و سریع‌ترین تکنیک نیست، اما روشی اثبات‌شده است که واقعاً خوب کار می‌کند. فکر نمی‌کنم آچار در دویست سال گذشته تغییر چندانی کرده باشد، اما همچنان از آن استفاده می‌کنیم چون کار می‌کند.»
یک پل‌ساز دیگر، تبدیل متن آزاد به داده عملیاتی ساختاریافته است؛ به همین دلیل که غذا‌دهنده بخش‌های زیادی از سیستم است، دو بار در برنامه ظاهر می‌شود. برنده بزرگ‌تر، به باور اشلوبوم، زمانی حاصل می‌شود که این اطلاعات در سراسر راه‌آهن جریان یابد و نزد یک تیم متوقف نماند؛ به مسافر، خدمه، دیپو و ایستگاه برسد.
داده، ارزش و اعتماد به استقرار
رسیدن به آن به داده وابسته است و اشلوبوم در این‌باره نگاه واقع‌بینانه‌ای دارد. بخشی از داده در قراردادهای شرکت‌های مالک ناوگان (ROSCO) و سازندگان تجهیزات اصلی (OEM) قفل شده؛ قراردادهایی که پیش از آن نوشته شده بودند که بازاستفاده فرامرزی دغدغه باشد. اما به اعتراف او، فرصت بزرگ‌ترِ اولیه، داده‌هایی است که صنعت همین حالا دارد و به دلیل نبود تعاریف مشترک هنوز نمی‌تواند به‌طور کامل از آن استفاده کند. GBRX می‌خواهد «زبان قراردادی مشترک» ارائه کند تا در آینده صنعت برای بازخرید داده‌های خودش هزینه نپردازد. به گفته او: «اگر قطارها بهتر کار کنند، برای همه بهتر است.»
به‌عنوان یک حسابدار رسمی، او نگاهی گسترده به ارزش دارد. محاسبه دقیق بازگشت سرمایه برای هوش مصنوعی چندان قابل‌اعتماد نیست و بخش زیادی از منافع کیفی است، یا صرفاً بهای ماندن در بازی است. دستاوردها از تمرکز عمیق در یک حوزه حاصل می‌شوند که داده‌ها در آن انباشته می‌شوند، نه از پخش‌کردن موارد استفاده‌ای که با حدس و گمان انتخاب شده‌اند. در برابر هشدار آشنای «بیشتر پروژه‌های هوش مصنوعی شکست می‌خورند»، او صریح درباره سود بالقوه سخن می‌گوید: «آن‌هایی که موفق می‌شوند، بسیار بهتر از انتظار شما موفق می‌شوند.»
برای راه‌آهنی که ایمنی در آن حیاتی است، اعتماد مهم‌تر از همه است. اشلوبوم یادآور می‌شود که کشمکش میان سیستم‌های قطعی و احتمالاتی مختص هوش مصنوعی نیست و راه‌آهن تنها بخش ایمنی‌محوری نیست که با آن کنار آمده است؛ تولید، هوانوردی و خدمات مالی هم همین مسیر را طی کرده‌اند. آزمون منصفانه، به گفته او، کمال نیست، بلکه این است که هوش مصنوعی به سطح خطای انسان‌هایی که امروز این کار را انجام می‌دهند برسد. تضمین نیز جایی است که اداره راه و جاده (ORR) و RSSB وارد عمل می‌شوند. اشلوبوم که پیش‌تر توانسته ناظران مالی را متقاعد کند، معتقد است می‌تواند ORR را هم قانع کند.
یک سال دیگر، مطمئن‌ترین نشانه پیشرفت فرهنگی خواهد بود: تیم‌هایی که داده را با شهود ترکیب می‌کنند نه اینکه تنها به شهود تکیه کنند، و تمایل فزاینده‌ای برای حل یک مسئله، یک‌بار، برای کل صنعت. اشلوبوم تأمل می‌کند که قوی‌ترین نشانه تاکنون این است که صرف نام‌بردن از این چالش، واکنش‌ها را برانگیخته است: «حتی همین به من می‌گوید که این برنامه در حال جواب دادن است.»
(منبع: Global Railway Review، ۲۴ سپتامبر ۲۰۲۶)
