खाद्य उद्योग में श्रमिकों की कमी के बीच एआई रोबोट सीख रहे हैं जापान की मिठाई बनाने की कला

रोबोट ने सीखी बाउमकुचेन बनाने की कला

कोबे में थियो नाम के एक रोबोट को बाउमकुचेन बनाने का प्रशिक्षण दिया जा रहा है। यह छल्ले के आकार वाला जर्मन केक एक सदी से भी अधिक समय से जापान की मिठाई संस्कृति का हिस्सा है। इस मशीन को कुशल हलवाई के हावभाव और फैसलों की नकल करने के लिए बनाया गया है। इसमें यह तय करना भी शामिल है कि घोल की हर पतली परत को अगली परत डालने से पहले कितनी देर पकाना चाहिए।

यह परियोजना दिखाती है कि कृत्रिम बुद्धिमत्ता (एआई) अब कार्यालयी सॉफ्टवेयर और कारखानों की असेंबली लाइनों से आगे बढ़ रही है। जापान में कौशल को सहेजने के लिए एआई को कैमरों, इमेज सेंसरों, खाना पकाने के उपकरणों और खाद्य उत्पादन के रिकॉर्ड से जोड़ा जा रहा है। पहले ये कौशल उस्ताद से शागिर्द तक पहुंचने में कई साल लगते थे।

थियो के पीछे की मिठाई बनाने वाली कोबे की कंपनी जुचहाइम ने 25 मार्च को अपने मुख्यालय में रोबोट के लिए प्रशिक्षण केंद्र और शोरूम खोला। कंपनी ने 2025 ओसाका-कंसाई एक्सपो में यह प्रणाली प्रदर्शित की थी और अब इसे जापान भर के करीब 20 कारोबारों को इस्तेमाल के लिए दे रही है। जुचहाइम का लक्ष्य वित्त वर्ष के अंत तक यह संख्या 100 तक पहुंचाना है।

बाउमकुचेन को 1919 में जर्मन हलवाई कार्ल जुचहाइम जापान लाए थे। उन्होंने ही कंपनी की स्थापना की थी। इसे बनाना खासा चुनौतीपूर्ण है। घोल को घूमती हुई सीख पर फैलाकर ओवन में पकाया जाता है। फिर इस प्रक्रिया को बार-बार दोहराया जाता है, जब तक केक पर पेड़ के छल्लों जैसा विशिष्ट पैटर्न न बन जाए। तापमान, नमी और पकाने के समय में थोड़ा-सा बदलाव भी नतीजे को प्रभावित कर सकता है। इसीलिए इस प्रक्रिया में दक्ष होने के लिए हलवाइयों को कई साल अभ्यास करना पड़ सकता है।

थियो हलवाई के फैसले की नकल कैसे करता है?

थियो कैमरों और इमेज सेंसरों की मदद से जुचहाइम के अनुभवी कर्मचारियों का काम देखता है। यह हर परत के रंग, मोटाई और बनावट जैसी दिखाई देने वाली विशेषताओं को दर्ज करता है, फिर इन अवलोकनों को ओवन के भीतर की स्थितियों और घूमती हुई सीख की गति से जोड़ता है।

इस जानकारी से रोबोट अनुमान लगा सकता है कि परत कब तैयार है और बदलती परिस्थितियों के मुताबिक प्रक्रिया में बदलाव कर सकता है। कोई हलवाई घोल को छूकर, सतह देखकर या रसोई के माहौल को भांपकर फैसला कर सकता है। थियो इन फैसलों को ऐसे डेटा में बदलने की कोशिश करता है जिसका मशीन विश्लेषण कर सके।

यह तकनीक डीप लर्निंग पर आधारित है। यह एआई को प्रशिक्षित करने का ऐसा तरीका है, जिसका ढीला-ढाला आधार मानव मस्तिष्क के तंत्रिका नेटवर्क हैं। हर संभावित स्थिति के लिए निर्देशों की पूरी सूची देने के बजाय, एआई प्रणाली उदाहरणों के बड़े संग्रह का अध्ययन करके उनमें पैटर्न पहचानती है। प्रशिक्षण के बाद वह नई छवियों या सेंसर से मिली रीडिंग की उन पैटर्न से तुलना कर उपयुक्त प्रतिक्रिया चुन सकती है।

जुचहाइम का कहना है कि थियो कुछ ही दिनों में कोई नई तकनीक सीख सकता है। किसी व्यक्ति को वैसा ही अनुभव हासिल करने में आम तौर पर इससे कहीं अधिक समय लगता है। मशीन केवल एक तयशुदा गतिविधि को दोहराती नहीं है। तापमान, नमी या सामग्री में बदलाव होने पर प्रक्रिया को उसके अनुसार ढालना ही इसकी खासियत है।

जापान खाना पकाने वाले रोबोट क्यों अपना रहा है?

खाद्य उद्योग में श्रमिकों की कमी अर्थव्यवस्था के कई अन्य क्षेत्रों से अधिक गंभीर है। जापान के स्वास्थ्य, श्रम और कल्याण मंत्रालय के आंकड़ों के मुताबिक, फरवरी में खाद्य सेवा क्षेत्र में हर नौकरी तलाशने वाले के मुकाबले 2.31 रिक्त पद थे। सभी उद्योगों का औसत अनुपात 1.13 था।

ऊंचे अनुपात का मतलब है कि सीमित संख्या में उपलब्ध कर्मचारियों के लिए नियोक्ताओं के बीच प्रतिस्पर्धा है। रेस्तरां, बेकरी और खाद्य निर्माता बूढ़े होते कार्यबल और कुशल पेशों में कम युवाओं के आने की समस्या से भी जूझ रहे हैं। कुछ कारोबारों के लिए समस्या सिर्फ आज की शिफ्टों के लिए कर्मचारी ढूंढना नहीं है। उन्हें ऐसे लोग भी चाहिए जो अनुभवी कर्मचारियों के सेवानिवृत्त होने पर उनकी जगह ले सकें।

जुचहाइम के अध्यक्ष हिदेओ कावामोतो ने कहा कि यह रोबोट उत्तराधिकारी ढूंढने में संघर्ष कर रहे उद्योग की मदद कर सकता है। उनका बयान उस मुख्य वजह को दर्शाता है जिसके चलते कंपनियां रसोई में एआई की संभावनाएं परख रही हैं: प्रशिक्षित कर्मचारियों की कमी होने पर स्वचालन से उत्पादन जारी रखने में मदद मिल सकती है।

जापान की व्यापक जनसंख्या में गिरावट इन प्रयोगों को राष्ट्रीय महत्व देती है। सरकार ने 2040 तक 18 क्षेत्रों में एआई से लैस करीब एक करोड़ रोबोट तैनात करने पर चर्चा की है। भौतिक एआई की योजनाओं का जोर ऐसी मशीनों पर है जो अपने आसपास के माहौल को समझकर वास्तविक दुनिया में काम कर सकें, न कि सिर्फ पाठ या तस्वीरें बना सकें।

अंतर्निहित ज्ञान क्या है, और क्या इसे डिजिटल रूप दिया जा सकता है?

खाना पकाने के कई कौशल अंतर्निहित ज्ञान के रूप में जाने जाते हैं। इसका मतलब है कि लोग किसी काम को ठीक से कर सकते हैं, भले ही वे हर फैसले को औपचारिक निर्देश पुस्तिका में समझा न पाएं। कोई अनुभवी रसोइया जान सकता है कि सामग्री से ज्यादा नमी निकलने पर पैन को तेजी से घुमाना होगा, या रंग में आए हल्के बदलाव से केक की परत तैयार होने का पता लगा सकता है।

परंपरागत प्रशिक्षुता में बार-बार देखकर और अभ्यास करके यह ज्ञान आगे बढ़ाया जाता है। जापान की पाक संस्कृति में किसी विशेषज्ञ को देखकर कौशल सीखने की परंपरा मजबूत बनी हुई है। इससे बेहतरीन नतीजे मिल सकते हैं, लेकिन जब प्रशिक्षु कम हों और सिखाने के लिए वरिष्ठ कर्मचारी भी घट रहे हों, तो यह तरीका नाजुक पड़ जाता है।

एआई विकास में विशेषज्ञता रखने वाले क्योतो ताचिबाना विश्वविद्यालय के प्रोफेसर हितोशी मात्सुबारा ने कहा कि एआई की शुरुआती प्रणालियां इस तरह के ज्ञान के लिए बहुत उपयुक्त नहीं थीं। उनके मुताबिक, तकनीक में प्रगति से अब उन गतिविधियों को दर्ज करना और दोहराना संभव हो गया है जिन्हें पहले समझाना मुश्किल था।

डीप लर्निंग से पहले के दौर में एआई अंतर्निहित ज्ञान नहीं सिखा सकती थी, लेकिन तकनीक की प्रगति के साथ अब कुशल कर्मचारियों की गतिविधियों को डिजिटल रूप देना संभव हो गया है, जिनमें यह अंतर्निहित ज्ञान शामिल है।

इसका मतलब यह नहीं कि कारीगरी का हर पहलू दर्ज हो चुका है। एआई अपने प्रशिक्षण डेटा की गुणवत्ता, देखी गई परिस्थितियों की विविधता और सेंसरों की सटीकता पर निर्भर करती है। एक रसोई में प्रशिक्षित रोबोट को दूसरी जगह भरोसेमंद ढंग से काम करने से पहले और प्रशिक्षण की जरूरत पड़ सकती है, जहां ओवन, सामग्री या उत्पादन के लक्ष्य अलग हों।

बाउमकुचेन से फ्राइड राइस और याकिसोबा तक

जुचहाइम खाद्य तैयारी में एआई लागू करने की व्यापक कोशिश का हिस्सा है। टोक्यो की टेकमैजिक फ्राइड राइस और याकिसोबा जैसे भुने हुए व्यंजन बनाने वाले रोबोट विकसित करती है। 2025 में कंपनी ने एक ऐप पेश किया, जो उपयोगकर्ता की चुनी रेसिपी के आधार पर पैन घुमाने की गति और दूसरी सेटिंग तय करता है।

यह प्रणाली रोबोटों को अलग-अलग सामग्री के लिए पकाने का समय और आंच का स्तर सीखने में मदद करती है। टेकमैजिक का कहना है कि इससे उसकी मशीनों के नतीजों में एकरूपता आई है। इस काम का मकसद किसी पूरे शेफ की जगह लेना नहीं, बल्कि शारीरिक गतिविधियों की एक शृंखला को नियंत्रित करना है, जिन्हें हर शिफ्ट में समान सटीकता से करना मुश्किल होता है।

जापान की अन्य कंपनियां रसोई के बाहर भी कौशल सहेजने के लिए एआई का इस्तेमाल कर रही हैं। 2019 में डेंट्सू ने टूना स्कोप विकसित किया था। यह स्मार्टफोन से खींची गई टूना की पूंछ के टुकड़ों की तस्वीरों का विश्लेषण कर उनकी गुणवत्ता का आकलन करता है। इस प्रणाली का मकसद टूना की गुणवत्ता परखने वाली विशेषज्ञ नजर, यानी मेकिकी, की नकल करना है। मानव विशेषज्ञ यह क्षमता विकसित करने में एक दशक लगा सकते हैं।

बाद में कुरा सुशी ने अपने कन्वेयर बेल्ट सुशी रेस्तरां में इस प्रणाली से परखी गई टूना को एआई टूना के रूप में परोसा। हिरोशिमा में ओताफुकु सॉस ने 2023 में अपने सॉस के फॉर्मूलों के संग्रह के लिए एआई सर्च टूल बनाया। इस प्रणाली को 15,000 से अधिक उत्पादों और प्रोटोटाइप के डेटा पर प्रशिक्षित किया गया था। जिस फॉर्मूले को खोजने में पहले दो घंटे तक लग सकते थे, उसे अब करीब पांच मिनट में खोजा जा सकता है।

भौतिक एआई रोबोटों को वास्तविक दुनिया से जोड़ती है

थियो का काम मशीनों को अपने आसपास के माहौल की बेहतर समझ देने की एक बड़ी कोशिश का हिस्सा है। पारंपरिक औद्योगिक रोबोट आम तौर पर नियंत्रित परिस्थितियों में स्पष्ट रूप से तय गतिविधियां करते हैं। भौतिक एआई में कैमरे, सेंसर और एआई मॉडल जोड़े जाते हैं, ताकि रोबोट वस्तुओं, गर्मी, समय और जगह में होने वाले बदलावों के मुताबिक प्रतिक्रिया दे सके।

जापान की रोबोटिक्स कंपनियां इस क्षेत्र में एनवीडिया, फुजित्सु, फैनुक, यास्कावा इलेक्ट्रिक और कावासाकी हेवी इंडस्ट्रीज के साथ काम कर रही हैं। इन साझेदारियों में सटीक मशीनरी के क्षेत्र में जापान के अनुभव को उन्नत कंप्यूटिंग और एआई मॉडल के साथ जोड़ा जा रहा है। एनवीडिया ने ऐसे उपकरण पेश किए हैं जिनका मकसद रोबोटों को भौतिक वातावरण समझने और बदलते कामों के मुताबिक ढलने में मदद करना है।

स्थानीय कंप्यूटिंग क्षमता से कंपनियां संवेदनशील उत्पादन डेटा का इस्तेमाल करके एआई प्रणालियों को प्रशिक्षित कर सकती हैं, और उन्हें सारी जानकारी विदेश भेजने की जरूरत नहीं होगी। यह उन खाद्य निर्माताओं के लिए अहम है जो अपनी रेसिपी, प्रक्रिया के रिकॉर्ड और ग्राहक जानकारी सुरक्षित रखना चाहते हैं। इन प्रणालियों को आम बनाने के लिए सुरक्षित नेटवर्क, भरोसेमंद सेंसर और प्रशिक्षित तकनीशियनों की जरूरत बनी रहेगी।

जापान का खाद्य मशीनरी उद्योग इस सहायता ढांचे को कई वर्षों से तैयार कर रहा है। निक्को जैसी कंपनियां समुद्री खाद्य, मांस और कृषि उत्पादों के प्रसंस्करण के लिए स्वचालन प्रणालियां मुहैया कराती हैं। निक्को होक्काइडो रोबोट प्रयोगशाला भी चलाती है, जहां छात्रों और कर्मचारियों को रोबोट का प्रशिक्षण दिया जा सकता है और कंपनियां यह जांच सकती हैं कि किसी खास उत्पादन स्थल के लिए स्वचालन उपयुक्त है या नहीं।

ये प्रशिक्षण केंद्र उस समस्या का समाधान खोजते हैं जो स्वचालन की राह में रुकावट बन सकती है: कारोबारों के पास मशीनें तो हो सकती हैं, लेकिन उन्हें स्थापित करने, निगरानी रखने, मरम्मत करने और अपडेट करने वाले लोग नहीं होते। रोबोटिक्स किसी काम के लिए जरूरी कर्मचारियों की संख्या घटा सकती है, लेकिन इससे इंजीनियरों, ऑपरेटरों और रखरखाव विशेषज्ञों की मांग भी बढ़ती है।

खाद्य स्वचालन, कारखानों के स्वचालन से अधिक कठिन क्यों है?

रेस्तरां और मिठाई बनाने वाली रसोइयों की परिस्थितियां कई औद्योगिक संयंत्रों से कम पूर्वानुमानित होती हैं। एक खेप से दूसरी खेप में सामग्री बदल सकती है, मेनू अलग-अलग होते हैं, जगह अक्सर भीड़भाड़ वाली होती है और ग्राहक चाहते हैं कि खाना सावधानी से तैयार दिखे। तापमान और नमी का असर आटे, सॉस और पकाने के समय पर भी पड़ सकता है।

लागत भी एक बाधा है। कंपनी को रोबोट, सेंसर, सॉफ्टवेयर, इंस्टॉलेशन, रखरखाव और कर्मचारियों के प्रशिक्षण का खर्च उठाना पड़ता है। छोटे रेस्तरां के पास बड़े उपकरणों के लिए पर्याप्त जगह या खर्च को उचित ठहराने लायक रोजाना का उत्पादन नहीं हो सकता। पुराने उपकरणों को आधुनिक एआई प्रणालियों से जोड़ना भी मुश्किल हो सकता है।

जापान में सेवा-संस्कृति इस काम को और चुनौतीपूर्ण बनाती है। आतिथ्य में अक्सर व्यक्तिगत ध्यान, प्रस्तुति और असामान्य अनुरोधों पर तुरंत प्रतिक्रिया जरूरी होती है। रोबोट बार-बार किए जाने वाले खाना पकाने या डिलीवरी के काम कर सकते हैं, लेकिन वे अब तक मानव सेवा कर्मचारियों से अपेक्षित पूरे मानक तक नहीं पहुंचे हैं। कोई रोबोट सीमित काम में बहुत कुशल हो सकता है, लेकिन एक साथ कई मांगों वाली व्यस्त रसोई के लिए शायद उपयुक्त न हो।

अन्य सेवा क्षेत्रों के उदाहरण बताते हैं कि यह तकनीक धीरे-धीरे फैल रही है। नारिता हवाई अड्डे पर कर्मचारियों के बिना चलने वाली एक स्मृति-चिह्न की दुकान में बिल्ली जैसा रोबोट इस्तेमाल किया गया है। इसका मकसद कर्मचारियों की जरूरत घटाने की संभावना दिखाना है। रेस्तरां और कैफे भी खाना पहुंचाने, पैनकेक बनाने, सुशी रोल करने और ओकोनोमियाकी पकाने के लिए रोबोट आजमा चुके हैं।

क्या रोबोट कुशल हलवाइयों की जगह ले लेंगे?

थियो जैसी प्रणालियों की शुरुआती भूमिका पूरी तरह जगह लेने की बजाय मददगार बनने की अधिक संभावना है। रोबोट किसी प्रक्रिया को दोहरा सकता है, स्थितियों पर नजर रख सकता है और रेसिपी सहेज सकता है। वहीं, मानव कर्मचारी सामग्री तैयार करना, नतीजों की जांच करना, असामान्य परिस्थितियों से निपटना और नए उत्पाद विकसित करना जारी रखेंगे।

काम का यह बंटवारा कंपनियों को पारंपरिक खाद्य तकनीकों को बचाने में मदद कर सकता है और कुशल उत्पादन को कुछ लोगों पर निर्भर रहने से मुक्त कर सकता है। इससे अनुभवी हलवाइयों को हर दोहराए जाने वाले चरण को खुद करने के बजाय सिखाने, रेसिपी आजमाने और कई मशीनों की निगरानी के लिए अधिक समय भी मिल सकता है।

इस बात को लेकर चिंताएं हैं कि किसी हुनर का डिजिटल रिकॉर्ड किसके नियंत्रण में होगा। एक बार किसी कर्मचारी की गतिविधियों और फैसलों को प्रशिक्षण डेटा में बदल दिया जाए, तो कंपनी के पास व्यक्तिगत अनुभव से बनी एक मूल्यवान उत्पादन प्रणाली हो सकती है। इस डेटा के इस्तेमाल को लेकर कर्मचारियों और नियोक्ताओं के बीच सहमति, श्रेय, वेतन और उपयोग के नियम स्पष्ट होने की जरूरत पड़ सकती है।

ग्राहक मशीन से बने खाने को अलग नजरिये से भी परख सकते हैं। एकरूपता फायदेमंद हो सकती है, खासकर ऐसे उत्पाद के लिए जिसे अलग-अलग जगहों पर एक जैसा दिखना और स्वाद देना हो। लेकिन कुछ ग्राहक पारंपरिक मिठाई के पीछे की मानवीय कहानी को अहमियत दे सकते हैं। कंपनियों को बताना होगा कि एआई का इस्तेमाल कैसे हो रहा है और प्रक्रिया में मानवीय फैसले कहां अब भी शामिल हैं।

जापान के प्रयोग का व्यापक महत्व

जनसांख्यिकीय दबाव से निपटने के व्यावहारिक उपाय के रूप में जापान खाद्य स्वचालन अपना रहा है। लॉजिस्टिक्स, कृषि, खुदरा कारोबार, स्वास्थ्य सेवा और विनिर्माण में भी यही तरीका देखने को मिलता है। उद्देश्य यह है कि घटते कार्यबल के बावजूद जरूरी सेवाएं चलती रहें, न कि जनसंख्या के रुझान बदलने का इंतजार किया जाए।

रोबोटिक्स में जापान की ताकत इस प्रयास के लिए उसे मजबूत आधार देती है। जापान लंबे समय से उच्च सटीकता वाली औद्योगिक मशीनें बनाता आया है और उसके निर्माताओं के पास संचालन से जुड़ा काफी ज्ञान है। भौतिक एआई का लक्ष्य हार्डवेयर और अनुभव को ऐसे सिस्टम से जोड़ना है जो दृश्य और सेंसर डेटा से सीख सकें।

सफलता इस बात पर निर्भर करेगी कि कारोबार नतीजों को माप सकें। रोबोटों को श्रमिकों पर दबाव घटाना होगा, खाने की गुणवत्ता बनाए रखनी होगी, लोगों के साथ सुरक्षित तरीके से काम करना होगा और अपनी लागत को उचित ठहराना होगा। इसके लिए शिक्षा, भरोसेमंद डेटा ढांचे और तकनीक को संभालने वाले कर्मचारियों का सहयोग भी चाहिए।

थियो के इस्तेमाल का दायरा करीब 20 उपयोगकर्ताओं से बढ़ाकर 100 तक करने की योजना यह जांचने का व्यावहारिक मौका देगी कि एआई से सीखे गए हलवाई के कौशल कंपनी के शोरूम से बाहर भी काम आते हैं या नहीं। अगर यह प्रणाली अलग-अलग रसोइयों में अच्छा प्रदर्शन करती है, तो यह पाक कला के उन दूसरे ज्ञान को बचाने का मॉडल बन सकती है जिनके लुप्त होने का खतरा है।

मुख्य बातें

• जुचहाइम का थियो रोबोट कैमरों और सेंसरों की मदद से सीखता है कि कुशल कर्मचारी बाउमकुचेन कैसे बनाते हैं।
• बाउमकुचेन बनाने में बार-बार परतें चढ़ानी पड़ती हैं और आंच, समय, तापमान तथा नमी पर सावधानी से नियंत्रण रखना होता है।
• फरवरी में जापान के खाद्य सेवा क्षेत्र में हर नौकरी तलाशने वाले के मुकाबले रिक्त पदों का अनुपात 2.31 था, जबकि सभी उद्योगों में यह 1.13 था।
• टेकमैजिक, डेंट्सू और ओताफुकु सॉस खाना पकाने, समुद्री खाद्य की गुणवत्ता जांचने और रेसिपी खोजने में एआई का इस्तेमाल कर रही हैं।
• जापान भौतिक एआई का विस्तार करने की योजना बना रहा है और 2040 तक 18 क्षेत्रों में एआई से लैस करीब एक करोड़ रोबोट तैनात करने का लक्ष्य रखता है।
• रोबोट कुशल तकनीकों को सहेजने में मदद कर सकते हैं, जबकि निगरानी, रचनात्मकता, रखरखाव और ग्राहक सेवा के लिए मानव कर्मचारियों की जरूरत बनी रहेगी।