संघीय सरकार शायद ही कभी बिना परीक्षण वाली तकनीक को अपनाने में जल्दबाजी करती है। विशेष रूप से सार्वजनिक स्वास्थ्य विभाग, किसी उपकरण को रोगी रिकॉर्ड या प्रकोप (outbreak) डेटा से जोड़ने से पहले उसे मान्य करने में वर्षों बिता सकते हैं। इसलिए, जब अमेरिकी स्वास्थ्य एजेंसियों ने घोषणा की कि वे OpenAI और Anthropic द्वारा निर्मित जनरेटिव AI सिस्टम के साथ लाइव परीक्षण करेंगी, तो संकेत स्पष्ट था: लार्ज लैंग्वेज मॉडल उपभोक्ता प्रयोग से हटकर गंभीर संस्थागत उम्मीदवार बन गए हैं।
PULSE वास्तव में क्या करता है
इस नए प्रयास को Public Health Use Case and Learning Scaling Engine—संक्षेप में PULSE कहा जाता है। यह एक परीक्षण ढांचा (testing framework) है, न कि किसी उत्पाद की शुरुआत। स्वास्थ्य विभागों के ईमेल सिस्टम में चैटबॉट्स डालकर सबसे अच्छे की उम्मीद करने के बजाय, PULSE जनरेटिव AI के साथ वैसा ही व्यवहार करता है जैसा सार्वजनिक स्वास्थ्य विभाग एक नए टीके (vaccine) के साथ करता है। यह नियंत्रित स्थितियाँ बनाता है जहाँ राज्य, स्थानीय, जनजातीय और क्षेत्रीय एजेंसियां दुष्प्रभावों (side effects) पर कड़ी नज़र रखते हुए इन उपकरणों का परीक्षण कर सकती हैं।
यह कार्यक्रम चार अलग-अलग भागीदारों को एक साथ लाता है। Coalition for Health AI (CHAI) स्वास्थ्य सेवा-विशिष्ट शासन और सुरक्षा मानक प्रदान करता है। OpenAI और Anthropic अत्याधुनिक भाषा मॉडल (frontier language models) का योगदान देते हैं। Accenture उस एकीकरण विशेषज्ञता (integration expertise) को प्रदान करता है जिसकी इन प्रणालियों को मौजूदा सरकारी बुनियादी ढांचे से जोड़ने के लिए आवश्यकता होती है, जो अक्सर दशकों पुराने डेटाबेस और सख्त खरीद नियमों पर चलता है।
PULSE यह नहीं पूछ रहा है कि क्या AI ईमेल लिख सकता है या मीटिंग ट्रांसक्रिप्ट का सारांश बना सकता है। यह पूछ रहा है कि क्या ये मॉडल तीन मुख्य कार्यों में विश्वसनीय रूप से सहायता कर सकते हैं: महामारी विज्ञान निगरानी (epidemiological surveillance), संसाधन आवंटन (resource allocation), और सार्वजनिक स्वास्थ्य संचार (public health communication)। इनमें से प्रत्येक सुनने में अमूर्त लग सकता है, लेकिन साथ मिलकर वे एक स्वास्थ्य विभाग चलाने के दैनिक बोझ का वर्णन करते हैं। निगरानी का अर्थ है किसी प्रकोप के बढ़ने से पहले उसे पहचानने के लिए लैब रिपोर्ट, अस्पताल में भर्ती होने और स्कूल की अनुपस्थिति के डेटा की छानबीन करना। संसाधन आवंटन का अर्थ है फ्लू के गंभीर मौसम के दौरान सीमित वैक्सीन खुराक या एंटीवायरल उपचार कहाँ भेजने का निर्णय वास्तविक समय (real time) में लेना। सार्वजनिक स्वास्थ्य संचार का अर्थ है जटिल संघीय मार्गदर्शन को दर्जनों अलग-अलग समुदायों के लिए सरल भाषा में अनुवादित करना, जो अक्सर खाद्य जनित बीमारी की जांच के दौरान समय की कमी के बीच किया जाता है। यदि AI बिना अतिरिक्त काम पैदा किए या गलतियाँ किए इनमें से किसी में भी मदद कर सकता है, तो दक्षता में होने वाली वृद्धि काफी महत्वपूर्ण हो सकती है।
दस क्षेत्राधिकार (Jurisdictions) सब कुछ क्यों बदल देते हैं
यह कार्यक्रम राज्यों, स्थानीय निकायों, जनजातीय राष्ट्रों और अमेरिकी क्षेत्रों से चुने गए दस क्षेत्राधिकारों में परीक्षण चलाएगा। यह जानबूझकर किया गया विस्तार ही इसका मुख्य उद्देश्य है। एक घनी आबादी वाले क्षेत्र का राज्य स्वास्थ्य विभाग, जिसमें सैकड़ों महामारी विज्ञानी (epidemiologists) कार्यरत हों और जो फाइबर-ऑप्टिक नेटवर्क चलाता हो, उन बाधाओं से पूरी तरह अलग चुनौतियों का सामना करता है जो एक क्षेत्रीय एजेंसी को झेलनी पड़ती हैं, जो कम कर्मचारियों और रुक-रुक कर मिलने वाली कनेक्टिविटी के साथ डेंगू का पता लगा रही हो।
जनजातीय समावेश का विशेष महत्व है। जनजातीय स्वास्थ्य एजेंसियों को ऐतिहासिक रूप से पुराने वित्तपोषण (underfunding) और डेटा संप्रभुता (data sovereignty) की गंभीर चिंताओं का सामना करना पड़ा है। जनजातीय क्षेत्राधिकारों को शामिल करके, PULSE यह स्वीकार करता है कि राष्ट्रीय उपयोग का दावा करने वाले किसी भी AI उपकरण को विशिष्ट आबादी को संभालना चाहिए, अलग शासन संरचनाओं का सम्मान करना चाहिए, और अद्वितीय पर्यावरणीय और सामाजिक स्वास्थ्य बोझ वाली स्थितियों में कार्य करना चाहिए। यदि कोई मॉडल इन परिस्थितियों में प्रदर्शन नहीं कर सकता, तो वह संघीय समर्थन का पात्र नहीं है।
क्षेत्रीय एजेंसियां एक और आवश्यक स्ट्रेस टेस्ट जोड़ती हैं। अमेरिकी क्षेत्रों में सार्वजनिक स्वास्थ्य अधिकारी उन रोग पैटर्न और आपूर्ति श्रृंखलाओं का प्रबंधन करते हैं जो मुख्य भूमि से काफी भिन्न होते हैं। एक AI सहायक जो पूर्ण इंटरनेट कनेक्टिविटी मानकर चलता है, या जो बड़े शहरी अस्पतालों में प्रचलित ICD-10 कोडिंग आदतों पर निर्भर करता है, वह तब विफल हो जाएगा जब कोई तूफान बुनियादी ढांचे को नष्ट कर देगा। दस-क्षेत्राधिकार वाला डिज़ाइन कार्यक्रम को इस बात पर ठोस सबूत इकट्ठा करने के लिए मजबूर करता है कि क्या ये मॉडल अपूर्ण वातावरण के अनुकूल होते हैं या बिखर जाते हैं।
चैटबॉट्स से मिशन-क्रिटिकल इंफ्रास्ट्रक्चर तक
पिछले दो वर्षों से, लार्ज लैंग्वेज मॉडल के आसपास की सार्वजनिक चर्चा कोडिंग शॉर्टकट, मार्केटिंग कॉपी और इमेज जनरेशन पर केंद्रित रही है। PULSE जानबूझकर ध्यान को मिशन-क्रिटिकल इंफ्रास्ट्रक्चर (mission-critical infrastructure) की ओर स्थानांतरित करता है। जब एक स्वास्थ्य विभाग संक्रामक रोग रिपोर्टों का विश्लेषण करने के लिए AI मॉडल का उपयोग करता है, तो एक गलती केवल एक अजीबोगरीब 'hallucination' नहीं होती है। यह सार्वजनिक सुरक्षा की संभावित विफलता है।
यह वास्तविकता इस पायलट को तीन निरंतर तकनीकी समस्याओं के लिए एक मिसाल बनाने वाली बनाती है: सटीकता, मतिभ्रम में कमी (hallucination mitigation), और डेटा गोपनीयता। इस संदर्भ में, मतिभ्रम का अर्थ हो सकता है कि कोई मॉडल किसी दवा के परस्पर प्रभाव (drug interaction) के बारे में मनगढ़ंत जानकारी दे, किसी गैर-मौजूद प्रकोप क्लस्टर (outbreak cluster) का आविष्कार करे, या रिपोर्टिंग विनियमन को गलत तरीके से बताए। PULSE को यह मापने के लिए तैयार किया गया है कि ये त्रुटियाँ कितनी बार होती हैं और क्या तकनीकी सुरक्षा घेरे (guardrails) किसी निर्णय लेने वाले तक पहुँचने से पहले उन्हें पकड़ सकते हैं।
गोपनीयता का भी समान महत्व है। सार्वजनिक स्वास्थ्य एजेंसियां HIPAA और अतिरिक्त राज्य-स्तरीय कानूनों द्वारा शासित संरक्षित स्वास्थ्य जानकारी को संभालती हैं। इस डेटा को छूने वाले किसी भी AI सिस्टम को यह स्पष्ट रूप से प्रदर्शित करना होगा कि वह क्या स्टोर करता है, ट्रेनिंग डेटा कहाँ प्रवाहित होता है, और बाद में आउटपुट तक किसकी पहुँच हो सकती है। CHAI की भागीदारी यह संकेत देती है कि ये परीक्षण न केवल OpenAI और Anthropic मॉडलों की कच्ची बुद्धिमत्ता का परीक्षण करेंगे, बल्कि सख्त संस्थागत शासन ढांचे के भीतर काम करने और स्पष्ट ऑडिट ट्रेल छोड़ने की उनकी क्षमता का भी परीक्षण करेंगे।
डेवलपर्स और नियामकों के लिए एक ब्लूप्रिंट
हेल्थकेयर AI बनाने वाले डेवलपर्स और स्टार्टअप संस्थापकों के लिए, PULSE वह प्रदान करता है जिसकी बाजार को तत्काल आवश्यकता है: एक दृश्यमान, सरकार समर्थित मानक। युवा कंपनियों को अक्सर सार्वजनिक स्वास्थ्य प्रणालियों में बिक्री करने के लिए संघर्ष करना पड़ता है क्योंकि खरीद अधिकारियों के पास AI सुरक्षा का मूल्यांकन करने के लिए कोई सामान्य चेकलिस्ट नहीं होती है। यदि PULSE प्रशासनिक स्वास्थ्य परिवेश में पूर्वाग्रह, सटीकता और गोपनीयता को मापने के लिए पारदर्शी मानदंड तैयार करता है, तो वे मानदंड देश भर में विक्रेताओं के लिए डिफ़ॉल्ट बेंचमार्क बन सकते हैं।
यह कार्यक्रम इस ओर भी संकेत करता है