人员人工-通过AI对飞机上所有系统软硬件实现智能化-化工资讯

  • 时间:

垃圾分类

無法被AI的空中之旅如果說機場和飛機,是在乘客難以感知的地方在「被AI」着,那麼飛行過程中人類機組人員的不可替代性,則是讓人感覺到航空業AI進展緩慢的另一個原因。

今天,當我們走進機場,已經能看到百花齊放的智能化應用了,比如導航機械人、人臉識別安檢、智能語音播報、自助行李託運等等。甚至乘客能提前在各種航空App上了解某趟航班的延誤幾率,都是依靠人工智能整合數據資源來實現預測的。

那麼,只讓AI做點輔助工作行不行呢?

位於硅谷的 NASA 艾姆斯研究中心就開發除了相應的算法,用於檢測飛機的異常情況和事故前兆的識別,藉此發現飛行數據中的異常模式。

除此之外,一些大型航司如美聯航,也早就從2014年開始,就利用機器學習決策引擎向用戶開放優先值機、座位升級等個性化服務。

而在諸多與安全息息相關的機場服務當中,最不能忽視的是智能調度。

而關於AI航空航天的應用,我們已經有過很多討論。AI上可帶宇航員遨遊太空,下可為無人機飛行運輸保駕護航。與之相比,不怎麼黑科技、又不夠曠遠神秘的民用航空,到底是如何利用AI讓全球數百萬人每天往返于天際之間的呢?

不難發現,無論是Chatbot機械人,還是各種智能算法應用,都只能在地面上發生,即使是高度自動化的飛機巡航系統,也必須有一位甚至多位機長坐鎮。原因或許是,空中的容錯率實在太低了。

如今國內大中城市的許多機場都引入了航空大腦、智慧民航等智能化建設,通過AI方法來運籌優化停機位,保障龐大客流的安全中轉。

被眾多產業奉若救命稻草的AI,在航空業中早已是潛移默化、潤物無聲的存在。就拿商用航空最為關注的安全問題來說,關於AI技術的 應用研究就一直沒有停止過。

2016年上海虹橋機場的塔台管制失誤,就險些導致飛機相撞的慘劇。塔台管制員的工作強度與信息負荷過大,飛機起飛降落過程的複雜程度也很高,加上不穩定的機場氣象環境影響,航道流量發生擁堵,一旦突然插入無預先計劃的飛機,造成混亂、撞機等都是極大的安全風險。這就需要將人工智能系統嵌入機場空管總調度體系,通過深度學習技術進行識別、預測,精確計算流量,幫助管制人員實現高效調度。

除了對飛機本身的強化改造之外,機場的升級也跟AI脫不了關係。

隨着商用航空大量引入人工智能,大量用戶的數據也會面臨機密性的風險。此前阿聯酋航空就曾向第三方服務商泄露了姓名,電子郵件,行程,電話號碼甚至護照號碼等客戶詳細信息,拿到這些隱私數據的企業包括Boxever, Facebook和Google等。

根據《國際航空電訊協會》研究內容,有45%的機場計劃在未來五年內投入AI研發。我們看到的Chatbot應用、人臉自助查驗,自動行李搬運車和行李機械人,也已經在海牙鹿特丹機場試驗中。

當然,還有一種情況,是明明能AI,但偏偏不AI。

另外,航空事故很少是因單一錯誤而引發的,誘因通常比較複雜,將控制權交給自主系統的風險是很大的。因此,機器學習只能承擔部分飛行員的角色。

在電影的最後,管理中心的負責人仰望藍天,他說,此時此刻,在藍天上有50萬人在飛翔。而我們所能看見的,飛行,依舊是一個專業人員與自然風險的勇敢博弈遊戲。當然,AI的無聲浸潤,正在讓一切充滿新的變數。

波音、空客等飛機製造商就利用人工智能進一步提升無人駕駛的能力,減少需要人類飛行員操作的時間。空客空客推出的雙發寬體飛機A350XWB擁有約5萬個傳感器,每天收集的飛行和性能數據總計超過2.5TB,藉助相關模型進行信息分析,就可以使機組人員投入更多時間來處理整體戰略,根據飛行條件在必要時對飛機操縱特性進行控制,減少飛行員的認知疲勞從而提升安全性。

總而言之,空域情況的複雜判斷與調度,人工智能算法還遠達不到人類級別的精準操作。

而大多數航司和機場都推出了基於計算機視覺的重重服務,人臉識別等設備的部署,隱私安全法規政策的含糊不清,或許推遲非關鍵領域的AI落地並不是一件壞事。

比如傳統訓練飛行員體系只能仿真幾十種典型故障,而通過AI對飛機上所有系統軟硬件實現智能化,讓包括制動器、發電機、閥門、發動機以及航空電子設備在內的設備實現自動檢測和主動報警,讓航空公司及時掌握並制定飛機維護策略,對飛行安全、飛機性能和壽命等進行更好的追蹤預防,實現高效維修。

舉個例子,飛機的跑道超限保護ROPS會自動計算飛機進近速度和重量,將算法模型與公布的跑道長度和當地天氣進行比較,計算最佳的下滑道或軌跡,如果出現不安全的情況,系統會自動廣播,讓飛行員可以更快地做出決策。

AI成為一名隱形的「安全副機長」,或許將在不久后成為現實。

當AI遇上飛行:商用飛機的安全「副機長」

至少目前來說,讓AI讀懂空中交通對話,依然是一件難度很高的任務。因為駕駛艙內的空中廣播甚至手機對話環境十分嘈雜,會話還很快,又充滿了特定領域詞彙,一些語料不足的方言或口音,機器也並不能夠清晰地識別出來。我們很難想象,萬一8633在空中聽不懂那一聲聲「成都叫你」的呼喚,將會發生什麼……

2015年,「微軟小冰」這個語音助手曾經登上了東方航空(600115,股吧)公司的飛機,通過社交平台在高空中與他人對話,「代替」空姐回答乘客問題。然而,儘管「微軟小冰」學習了中國近7億網民多年來積累的、精鍊為2000萬條真實而有趣的語料庫,但想要在空中處理特殊情況,且不說在故障情況下安撫百位乘客的恐慌情緒,恐怕機械人連哄一個哭鬧中的小嬰兒,表現都未必能有人類空乘強。

在商業航空服務AI化的過程中,核心角色並不是與客戶交互最多的航空公司。而是機場、飛機製造商這樣的硬核角色。不同於航司那些接地氣的創意創新,AI在航空安全上發揮的價值距離大眾感知就有點遠了。

文 | 腦極體「四川8633,成都叫你」「四川8633,成都在叫你」……想必不少同學都在假期看過了這部《中國機長》,併為這些呼喚之後長久的沉默而心驚肉跳。至少我本人看完后,當天登機的腳步都慫了起來,並默默買了一份意外險。

當然,安全問題最好的解決方式就是君子以思患而豫防之,思則有備,有備則無患。要知道,在諸多造成飛機失事的原因中,機械故障的佔比超過了20%,其中還不包括地面維修人員的失誤。而這一切在引入AI系統后,能夠在很大程度上得到改善。

一方面,空中服務和決策要求高度即時性和靈活性,AI空乘還難以應對這樣的高難度任務。

安全,是民用航空領域的第一準則,也是選擇飛機與航司的首要標準。一個事故率高的航司,無論其食物多麼美味、空乘多麼美貌,恐怕我們都會在心裏默默打上一個叉。

我們知道,空中交通管制(Air Traffic Control,ATC)通信對所有航班來說,都很關鍵。但是許多對話都帶有濃重口音,飛行員之間和管制員很難相互理解,能否利用已經相對成熟的NLP語音翻譯技術實現辨識呢?

此前瑞典就曾發生過一架飛機在空中保持自動駕駛狀態不停盤旋,所有乘客和副駕駛都昏迷后只能等待燃油耗盡墜機的「幽靈航班」。第一次波音 737-MAX8 客機墜毀,也是因為飛機自動駕駛系統不斷將機頭降低,而飛行員則人工操作不斷嘗試將機頭抬起,最終沒能成功糾偏,導致飛機失事……

比如飛機巡航的自動化系統。早在AI社會化普及以前,自動化系統就是商用航空多年的鑽研對象,利用各種機動增強系統、傳感器系統來自動調整飛機的控制面和輔助飛行,已經十分成熟。正如空客副總裁 AI Adam Bonnifield所說,「由於我們的行業背景,以及過去在解決自主化系統問題上積累的經驗,我們對這些技術(AI)並不陌生。」

目前,為了解決這一問題,空客已經在AI Gym 競賽中不斷尋求解決方案,但就當前進度來看,語音輔助還處於不成熟的探索階段,看來還是人類機長的耳朵更好使一點。

今日关键词:首批非洲智能机