AI在航空領(lǐng)域的應(yīng)用比你目前所知的還要豐富。除了自動駕駛,從駕駛艙到后勤部門乃至客戶體驗,對于AI應(yīng)用的探索幾乎遍及整個行業(yè)。
當(dāng)「人工智能」和航空業(yè)結(jié)合在一起時,大家的第一反應(yīng)可能是無人機。但這只是冰山一角。飛機制造商和航空公司在人工智能技術(shù)上投入了大量資源,積極探索應(yīng)用場景,從駕駛艙到客戶體驗,幾乎遍及整個行業(yè)。
多年來,自動化系統(tǒng)一直是商業(yè)航空的一部分。由于采用了「遙控駕駛」和自動飛行系統(tǒng),機器學(xué)習(xí)和人工智能技術(shù)也成了「機組成員」。這些系統(tǒng)逐漸能夠扮演副飛行員的角色,而不是簡單地減少飛行員的工作量。
舉個例子,最初為無人機(UAV)安全開發(fā)的系統(tǒng),比如用于交通環(huán)境感知的廣播式自動相關(guān)監(jiān)視(ADS-B),已被遷移到駕駛艙中。為滿足彌補駕駛操控特性的需要,人們開發(fā)出類似機動特性增強系統(tǒng)(MCAS)的新系統(tǒng),以提高安全性。這些系統(tǒng)可以根據(jù)飛行條件,利用傳感器數(shù)據(jù)自動調(diào)整飛行操作面。
但是,機器學(xué)習(xí)系統(tǒng)的好壞取決于它們得到的數(shù)據(jù)。很少有人能夠理解讓機器學(xué)習(xí)或人工智能接管高危環(huán)境中的人類工作所隱含的風(fēng)險。
最近發(fā)生的 Lion Air 610 墜機事件仍在調(diào)查過程中,不過,從目前披露的細(xì)節(jié)來看,飛機已經(jīng)過多將控制權(quán)交給自動系統(tǒng)的舉措,存在很大風(fēng)險。然而,災(zāi)難性的航空事故很少因單一錯誤而發(fā)生(這次也不例外),MCAS 傳感器失靈、維修未能完全解決問題、飛行員沒有受到充分培訓(xùn)且未完全了解 MCAS 的功能和使用方法,都會引發(fā)事故。
189 條生命所獲得的慘痛教訓(xùn)是,航空業(yè)必須將數(shù)據(jù)質(zhì)量,對機器學(xué)習(xí)與人工智能系統(tǒng)的關(guān)注與發(fā)展需要一并融入安全文化中。既然機器學(xué)習(xí)和人工智能改變了飛行員的角色,也應(yīng)該參照同類角色,對這些技術(shù)進行全面測試:至少達到相同水平,才算具備崗位能力。
超越自動駕駛
2015 年迪拜航展期間展出的空客 A350 XWB 飛機有超過 50,000 個傳感器,每天收集的飛行和性能數(shù)據(jù)總計超過 2.5TB。
空客(Airbus)等主要飛機制造商已經(jīng)逐步進入 AI 階段。據(jù)空客副總裁 AI Adam Bonnifield 稱,公司正長期致力于發(fā)展這些技術(shù)。
「由于我們的行業(yè)背景,以及過去在解決自主化系統(tǒng)問題上積累的經(jīng)驗,我們對這些技術(shù)并不陌生。」他告訴我們。
這架現(xiàn)代客機上有大量數(shù)據(jù)可供機器學(xué)習(xí)挖掘:空客(Airbus)于 2015 年推出的雙引擎寬體飛機 A350 XWB 擁有約 5 萬個傳感器,每天可收集 2.5TB 數(shù)據(jù)。人工智能可以通過多種方式利用這些數(shù)據(jù)。
空客正在研究如何減少飛行員認(rèn)知負(fù)荷(以及由此產(chǎn)生的認(rèn)知疲勞)、降低駕駛艙飛行員數(shù)量,這樣,機組人員可以投入更多時間來處理整體戰(zhàn)略和飛行任務(wù),而不是花費大量時間在所有小問題上。
Bonnifield 解釋說,雖然許多人認(rèn)為飛機中的自動駕駛是「二值的」:自動或不自動,但他不這么認(rèn)為:「這更像一個光譜,」他說,「我們嘗試用人工智能來解決飛行過程中的一些小問題。」
例如,空客飛機上的一種跑道超限保護選項。ROPS 軟件負(fù)責(zé)計算飛機進場速度和重量,它將計算出的物理模型與已知的跑道長度和實時的天氣進行比較,如果檢測到不安全的情況,它會廣播「跑道過短!」ROPS 還可以為著陸計算最佳滑行斜率或軌跡,并對滑行、起飛和飛行等其他操作有所幫助。
空客公司的另一個人工智能重點領(lǐng)域是,建造自動駕駛汽車和空中出租車,為城市居民提供交通服務(wù)。當(dāng)飛行員因機艙壓力下降而失去意識時,人工智能可能會接管飛行器。在高壓情況下,假定數(shù)據(jù)正確無誤,人工智能可以更快地綜合各類因素,制定更合理的決策,增加安全性。
讓溝通更容易
倫敦地區(qū)控制中心 LACC 的空中交通管制員。嘈雜通信頻道中濃重的英語口音,是對語音識別系統(tǒng)的真正考驗。
空中交通管制(Air Traffic Control,ATC)通信對所有航班來說,都很關(guān)鍵。
在歐洲領(lǐng)空,很多對話都是用帶有濃重口音,飛行員和管制員很難相互理解。飛行員無法看到駕駛艙外的情況時,需要在儀表飛行氣象條件(instrument meteorological conditions,IMC)下收聽機尾/航班號,獲取方向指示、交通警報等信息。空客公司打算運用人工智能來解決語音識別問題,這也是其 AI Gym 競賽內(nèi)容的一部分。在 AI Gym 這項計劃中,空客通過尋求外部合作,協(xié)助開發(fā)突破性人工智能系統(tǒng)。
空中交通對話清晰化,對于機器學(xué)習(xí)來說,是一件難度很高的任務(wù),因為 ATC 音頻噪音很大,而且會話很快,充滿了「特定領(lǐng)域詞匯」。AI Gym 希望可以提供 ATC 音頻的完整轉(zhuǎn)錄,并能從音頻中提取飛機通話信號,用于通話跟蹤和報警。
2018 年 10 月,比賽結(jié)束,空客已經(jīng)開始將研究成果轉(zhuǎn)化為產(chǎn)品。AI Gym 允許空客公司借助外部專業(yè)技術(shù),挖掘人工智能的許多其他潛在用途。
「我們有許多需要探索并加以解決的問題和有趣的案例。」Bonnifield 說。部分原因在于這個技術(shù)比較新,正處在非常不成熟的階段,有很多的實驗,還有一些很棒的開源技術(shù)。
借助這個項目,空客正與「普通嫌疑犯」(美國電影名,這里用來比喻合作的隱秘性,因為有保密協(xié)議)合作。這樣合作的方式有個好處:即使失敗,也不至于弄到世人皆知。雖然我們也期望這些神秘的合作伙伴能提供最高性能的解決方案,但 Bonnifield 發(fā)現(xiàn),大多數(shù)時候最好的解決方案來自小微初創(chuàng)公司。
只有少數(shù)人的研究團隊常常能夠提供最佳解決方案。Bonnifield 說,他相信這可能是 AI 領(lǐng)域的獨特之處。空客公司面臨的最大挑戰(zhàn)是,如何讓這些處于創(chuàng)新前沿的小型團隊走到一起,并為他們提供一種簡單的協(xié)作方式。
這要求空客改變與外界合作的方式,「一些初創(chuàng)公司之前甚至從做過征求意見書(RFP),」Bonnifield 解釋道。
落地到業(yè)務(wù)
在飛行安全問題上,航空公司非常依賴設(shè)備制造商(如空客和波音公司)。但是,航空公司也需要機器學(xué)習(xí)和人工智能輔助內(nèi)部管理──實現(xiàn)地面作業(yè)流水化,通過盡可能實現(xiàn)「無縫旅程」創(chuàng)造最佳客戶體驗。
美聯(lián)航正在投資所有可用的新技術(shù),利用機器學(xué)習(xí)從客戶那里收集后端數(shù)據(jù)、維護日志、員工值勤日志和飛行中的漸進數(shù)據(jù),全面改善業(yè)務(wù)。國聯(lián)合航空公司數(shù)字產(chǎn)品和分析副總裁 Praveen Sharma 說。
9 月,美聯(lián)航和 Palantir 宣布了一項長期合作關(guān)系,將 Palantir Foundry 作為該航空公司的中心平臺,加速內(nèi)部關(guān)鍵業(yè)務(wù)部門之間的企業(yè)級數(shù)據(jù)計劃。
「真正的挑戰(zhàn)是將公司各部門不同平臺的海量數(shù)據(jù)集成到一個平臺上, 我們可以利用這個平臺建立機器學(xué)習(xí)和人工智能模型。」Sharma 表示,過去一年,為實現(xiàn)該目標(biāo),兩家公司開展了一系列研究項目。
Palantir 與空客公司合作創(chuàng)建了 Skywise,這是一個航空數(shù)據(jù)分析平臺,空客公司為小型航空公司提供訂購服務(wù),其中包括幫助減少飛行意外的維護工具。通用電氣還嘗試將飛機傳感器數(shù)據(jù)轉(zhuǎn)換為基于機器學(xué)習(xí)的的服務(wù),以推動公司噴氣發(fā)動機的預(yù)測性維護。
美聯(lián)航及其地區(qū)航空公司聯(lián)合快運每天運營約 4,600 個航班,飛往五大洲的 357 個機場。去年,兩家公司運營了 160 多萬個航班,載客超過 1.48 億。當(dāng)不可預(yù)見的維護問題或其他操作問題發(fā)生時,美聯(lián)航會使用機器學(xué)習(xí)來協(xié)同換掉飛機。這并不像人們想象的那么簡單;系統(tǒng)必須考慮分配機組人員所需的所有變量(例如休息時間和機組人員飛機認(rèn)證書),飛機燃料和操作限制以及飛機座位容量。
「這些復(fù)雜的決策,往往必須要根據(jù)當(dāng)時可用的有限數(shù)據(jù),在 25 分鐘的時間內(nèi)做出。」Sharma 解釋道。
不僅僅是維護
美聯(lián)航對機器學(xué)習(xí)和人工智能的使用,遠(yuǎn)遠(yuǎn)超出了管理維修和飛機時刻表的范疇。它還可以利用客戶數(shù)據(jù)。基于每名乘客的交互數(shù)據(jù),美聯(lián)航利用人工智能和機器學(xué)習(xí)優(yōu)化客戶體驗──調(diào)整機票價格以匹配乘客資料。
美聯(lián)航的機器學(xué)習(xí)算法可以獲取 150 個不同的客戶和航班數(shù)據(jù)點,并實時決定購買或登記點應(yīng)該將哪種產(chǎn)品展示給客戶。該引擎考慮了乘客的曾購買、偏好、目的地和活動等因素。
通過實時決策引擎展開的互動,始于 2014 年,該引擎為客戶提供各種產(chǎn)品選擇,改善旅行體驗,比如航班選擇、座位升級、里程購買或者優(yōu)先值機權(quán)。
Sharma 說,美聯(lián)航使用了基于貝葉斯推理的預(yù)測模型。「它不僅僅決定了提供的內(nèi)容,」Sharma 解釋說,「還決定了在客戶面前展示的形象以及標(biāo)語。」
Sharma 說,機器學(xué)習(xí)的應(yīng)用正在取得效果。根據(jù)美聯(lián)航收集的測量結(jié)果,客戶不必再去尋找他們想買的東西或想要的體驗。
其他航空公司也正在以其他方式運用人工智能,進而減輕行程的不適(并減少航空公司員工的工作量)。人臉識別技術(shù)現(xiàn)在正出現(xiàn)在航站樓中,幫助機場乘客加快辦理登機手續(xù)。大多數(shù)人臉識別算法都基于深度學(xué)習(xí),這是機器學(xué)習(xí)的一部分。達美航空公司是第一個實施此流程的航空公司,據(jù)該公司估計,此舉將乘客登機時間縮短了近 10 分鐘。該系統(tǒng)目前用于國際航班的登機手續(xù)和行李托運。,達美預(yù)計明年將其擴展至國內(nèi)航班。
預(yù)防災(zāi)難
人工智能最重要的用途之一,可能是在災(zāi)難發(fā)生之前識別出安全風(fēng)險。例如,Lion Air Flight 610 墜機事件,自動控制系統(tǒng)發(fā)生故障,可能就預(yù)示著一個重大安全問題。
位于硅谷的 NASA 艾姆斯研究中心正積從事與航空相關(guān)的人工智能研究,一個項目重點就是識別商業(yè)航空事件數(shù)據(jù)中的「異常運行」,而這些數(shù)據(jù)可能預(yù)示著潛在的更大問題。這正是 Nikunj Oza 的主要研究領(lǐng)域,Nikunj Oza 是一名計算機科學(xué)家,負(fù)責(zé) NASA 艾姆斯研究中心的智能系統(tǒng)部門(即 Code TI)。因為商業(yè)航空的安全記錄非常好──比駕駛要好很多,所以,識別那些可能存在安全問題的異常情況,要困難得多。
NASA 已經(jīng)初步開發(fā)了一些算法,主要用于異常情況監(jiān)測和事故前兆的識別,并已經(jīng)開始接收專家們的相關(guān)反饋。目前,NASA 正在開發(fā)一套用于飛機數(shù)據(jù)安全性分析的系統(tǒng)──特別為聯(lián)邦航空管理局?jǐn)?shù)據(jù)分析合作伙伴 Mitre 服務(wù)。
Mitre 是聯(lián)邦資助的研發(fā)中心,正在實施「航空安全信息分析和共享(ASIAS)計劃」,這是一個數(shù)據(jù)聯(lián)盟──NASA、聯(lián)邦航空管理局、國家運輸安全委員會、飛機制造商和 50 多家航空公司之間共享安全數(shù)據(jù)。航空公司將部分航班記錄數(shù)據(jù)子集上傳到 Mitre,Mitre 會對潛在問題進行分析并提供反饋。(數(shù)據(jù)由航空公司秘密共享。)
艾姆斯研究中心正在開發(fā)的數(shù)據(jù)分析方法,希望借助人工智能及時發(fā)現(xiàn)飛行數(shù)據(jù)中的異常模式(這可能表明飛機存在系統(tǒng)性問題)。
「你希望盡快發(fā)現(xiàn)問題并找到解決措施,以防止再次發(fā)生這種情況,」Oza 解釋說,到目前為止,在航空領(lǐng)域人工智能并沒有完全取代人類,人工智能和人類專家的關(guān)系被證明是互補的──一種可以拯救生命的伙伴關(guān)系。
評論
查看更多