动态

AI在航空领域的应用于比你目前熟知的还要非常丰富。除了自动驾驶，从驾驶舱到后勤部门乃至客户体验，对于AI应用于的探寻完全遍布整个行业。当「人工智能」和航空业融合在一起时，大家的第一反应有可能是无人机。

但这只是冰山一角。飞机制造商和航空公司在人工智能技术上投放了大量资源，积极探索应用于场景，从驾驶舱到客户体验，完全遍布整个行业。多年来，自动化系统仍然是商业航空的一部分。

由于使用了「遥控驾驶员」和自动飞行中系统，机器学习和人工智能技术也出了「机组成员」。这些系统渐渐需要扮演着副飞行员的角色，而不是非常简单地增加飞行员的工作量。荐个例子，最初为无人机（UAV）安全性研发的系统，比如用作交通环境感官的广播式自动涉及监控（ADS－B），已被迁入到驾驶舱中。

为符合填补驾驶员操纵特性的必须，人们研发出有类似于机动特性强化系统（MCAS）的新系统，以提升安全性。这些系统可以根据飞行中条件，利用传感器数据自动调整飞行中操作者面。但是，机器学习系统的优劣各不相同它们获得的数据。

很少有人需要解读让机器学习或人工智能接管高危环境中的人类工作所说明了的风险。最近再次发生的LionAir610坠机事件仍在调查过程中，不过，从目前透露的细节来看，飞机早已过多将控制权转交自动系统的措施，不存在相当大风险。然而，灾难性的航空事故很少因单一错误而再次发生（这次也不值得注意），MCAS传感器失灵、修理没能几乎解决问题、飞行员没受到充份培训且并未几乎理解MCAS的功能和用于方法，都会引起事故。189条生命所取得的惨痛教训是，航空业必需将数据质量，对机器学习与人工智能系统的注目与发展必须悉数带入安全性文化中。

既然机器学习和人工智能转变了飞行员的角色，也应当参考同类角色，对这些技术展开全面测试：最少超过完全相同水平，才算不具备岗位能力。打破自动驾驶2015年迪拜航展期间展览的空客A350XWB飞机有多达50，000个传感器，每天搜集的飞行中和性能数据总计多达2．5TB。空客（Airbus）等主要飞机制造商早已逐步转入AI阶段。

据空客副总裁AIAdamBonnifield称之为，公司于是以长年致力于发展这些技术。「由于我们的行业背景，以及过去在解决问题自主化系统问题上累积的经验，我们对这些技术并不陌生。」他告诉他我们。

这架现代客机上有大量数据可可供机器学习挖出：空客（Airbus）于2015年发售的双引擎公务机飞机A350XWB享有大约5万个传感器，每天可搜集2．5TB数据。人工智能可以通过多种方式利用这些数据。空客正在研究如何增加飞行员理解负荷（以及由此产生的理解疲惫）、减少驾驶舱飞行员数量，这样，机组人员可以投放更加多时间来处置整体战略和飞行中任务，而不是花费大量时间在所有小问题上。

Bonnifield说明说道，虽然许多人指出飞机中的自动驾驶是「二值的」：自动或不自动，但他不这么指出：「这更加像一个光谱，」他说道，「我们尝试用人工智能来解决问题飞行中过程中的一些小问题。」例如，空客飞机上的一种滑行道若然维护选项。ROPS软件负责管理计算出来飞机进场速度和重量，它将计算出来出有的物理模型与未知的滑行道长度和动态的天气展开较为，如果检测到不安全性的情况，它不会广播「滑行道过短！」ROPS还可以为降落计算出来最佳减速斜率或轨迹，并对减速、降落和飞行中等其他操作者有所协助。空客公司的另一个人工智能重点领域是，修建自动驾驶汽车和空中出租车，为城市居民获取交通服务。

当飞行员因机舱压力上升而丧失意识时，人工智能可能会接管飞行器。在高压情况下，假设数据准确正确性，人工智能可以更慢地综合各类因素，制订更加合理的决策，减少安全性。让交流更容易伦敦地区控制中心LACC的空中交通管制员。

喧闹通信频道中浓厚的英语口音，是对语音识别系统的确实考验。空中交通管制（AirTrafficControl，ATC）通信对所有航班来说，都很关键。在欧洲领空，很多对话都是用具有浓厚口音，飞行员和管制员很难相互理解。

飞行员无法看见驾驶舱外的情况时，必须在仪表飞行中气象条件（instrumentmeteorologicalconditions，IMC）下收看机尾／航班号，提供方向命令、交通警报等信息。空客公司想运用人工智能来解决问题语音辨识问题，这也是其AIGym竞赛内容的一部分。在AIGym这项计划中，空客通过谋求外部合作，帮助研发突破性人工智能系统。

空中交通对话清晰化，对于机器学习来说，是一件可玩性很高的任务，因为ATC音频噪音相当大，而且不会话迅速，充满著了「特定领域词汇」。AIGym期望可以获取ATC音频的原始mRNA，能够从音频中萃取飞机通话信号，用作通话追踪和报警。2018年10月，比赛完结，空客早已开始将研究成果转化成为产品。

AIGym容许空客公司利用外部专业技术，挖出人工智能的许多其他潜在用途。「我们有许多必须探寻并加以解决的问题和有意思的案例。

」Bonnifield说道。部分原因在于这个技术较为新的，于是以处在十分不成熟期的阶段，有很多的实验，还有一些有趣的开源技术。利用这个项目，空客于是以与「普通嫌疑犯」（美国电影名，这里用来比喻合作的隐秘性，因为有保密协议）合作。

这样合作的方式有个益处：即使告终，也不至于摸到世人皆知。虽然我们也希望这些谜样的合作伙伴能获取最低性能的解决方案，但Bonnifield找到，大多数时候最差的解决方案来自小微初创公司。

只有少数人的研究团队经常需要获取最佳解决方案。Bonnifield说道，他坚信这有可能是AI领域的独有之处。空客公司面对的仅次于挑战是，如何让这些正处于创意前沿的小型团队回头到一起，并为他们获取一种非常简单的协作方式。

这拒绝空客转变与外界合作的方式，「一些初创公司之前甚至从做到过征询意见书（RFP），」Bonnifield说明道。落地到业务在飞行中安全性问题上，航空公司十分倚赖设备制造商（如空客和波音公司）。但是，航空公司也必须机器学习和人工智能辅助内部管理──构建地面作业流水化，通过尽量构建「无缝旅程」建构最佳客户体验。美联航正在投资所有能用的新技术，利用机器学习从客户那里搜集后末端数据、确保日志、员工执勤日志和飞行中的趋向数据，全面提高业务。

国联合航空公司数字产品和分析副总裁PraveenSharma说道。9月，美联航和Palantir宣告了一项长年合作关系，将PalantirFoundry作为该航空公司的中心平台，加快内部关键业务部门之间的企业级数据计划。「确实的挑战是将公司各部门有所不同平台的海量数据构建到一个平台上,我们可以利用这个平台创建机器学习和人工智能模型。

」Sharma回应，过去一年，为构建该目标，两家公司积极开展了一系列研究项目。Palantir与空客公司合作创立了Skywise，这是一个航空数据分析平台，空客公司为小型航空公司获取采购服务，其中还包括协助增加飞行中车祸的确保工具。

通用电气还尝试将飞机传感器数据切换为基于机器学习的的服务，以推展公司喷气发动机的预测性确保。美联航及其地区航空公司牵头快运每天运营大约4，600个航班，飞抵五大洲的357个机场。去年，两家公司运营了160多万个航班，载客多达1．48亿。

当不能意识到的确保问题或其他操作者问题再次发生时，美联航不会用于机器学习来协同换成飞机。这并不像人们想象的那么非常简单；系统必需考虑到分配机组人员所需的所有变量（例如休息时间和机组人员飞机认证书），飞机燃料和操作者容许以及飞机座位容量。

「这些简单的决策，往往必需要根据当时能用的受限数据，在25分钟的时间内作出。」Sharma说明道。

本文来源：太阳成集团tyc33455cc-www.lingxi696.com