想必不少同學(xué)都在假期看過了這部《中國(guó)機(jī)長(zhǎng)》，并為這些呼喚之后長(zhǎng)久的沉默而心驚肉跳。至少我本人看完后，當(dāng)天登機(jī)的腳步都慫了起來，并默默買了一份意外險(xiǎn)。

安全，是民用航空領(lǐng)域的第一準(zhǔn)則，也是選擇飛機(jī)與航司的首要標(biāo)準(zhǔn)。一個(gè)事故率高的航司，無論其食物多么美味、空乘多么美貌，恐怕我們都會(huì)在心里默默打上一個(gè)叉。

而關(guān)于AI航空航天的應(yīng)用，我們已經(jīng)有過很多討論。AI上可帶宇航員遨游太空，下可為無人機(jī)飛行運(yùn)輸保駕護(hù)航。與之相比，不怎么黑科技、又不夠曠遠(yuǎn)神秘的民用航空，到底是如何利用AI讓全球數(shù)百萬人每天往返于天際之間的呢？

當(dāng)AI遇上飛行：商用飛機(jī)的安全“副機(jī)長(zhǎng)”

今天，當(dāng)我們走進(jìn)機(jī)場(chǎng)，已經(jīng)能看到百花齊放的智能化應(yīng)用了，比如導(dǎo)航機(jī)器人、人臉識(shí)別安檢、智能語音播報(bào)、自助行李托運(yùn)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(shù)據(jù)資源來實(shí)現(xiàn)預(yù)測(cè)的。

除此之外，一些大型航司如美聯(lián)航，也早就從2014年開始，就利用機(jī)器學(xué)習(xí)決策引擎向用戶開放優(yōu)先值機(jī)、座位升級(jí)等個(gè)性化服務(wù)。

被眾多產(chǎn)業(yè)奉若救命稻草的AI，在航空業(yè)中早已是潛移默化、潤(rùn)物無聲的存在。就拿商用航空最為關(guān)注的安全問題來說，關(guān)于AI技術(shù)的 應(yīng)用研究就一直沒有停止過。

在商業(yè)航空服務(wù)AI化的過程中，核心角色并不是與客戶交互最多的航空公司。而是機(jī)場(chǎng)、飛機(jī)制造商這樣的硬核角色。不同于航司那些接地氣的創(chuàng)意創(chuàng)新，AI在航空安全上發(fā)揮的價(jià)值距離大眾感知就有點(diǎn)遠(yuǎn)了。

比如飛機(jī)巡航的自動(dòng)化系統(tǒng)。早在AI社會(huì)化普及以前，自動(dòng)化系統(tǒng)就是商用航空多年的鉆研對(duì)象，利用各種機(jī)動(dòng)增強(qiáng)系統(tǒng)、傳感器系統(tǒng)來自動(dòng)調(diào)整飛機(jī)的控制面和輔助飛行，已經(jīng)十分成熟。正如空客副總裁 AI Adam Bonnifield所說，“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(yàn)，我們對(duì)這些技術(shù)（AI）并不陌生。”

波音、空客等飛機(jī)制造商就利用人工智能進(jìn)一步提升無人駕駛的能力，減少需要人類飛行員操作的時(shí)間?？湛涂湛屯瞥龅碾p發(fā)寬體飛機(jī)A350XWB擁有約5萬個(gè)傳感器，每天收集的飛行和性能數(shù)據(jù)總計(jì)超過2.5TB，借助相關(guān)模型進(jìn)行信息分析，就可以使機(jī)組人員投入更多時(shí)間來處理整體戰(zhàn)略，根據(jù)飛行條件在必要時(shí)對(duì)飛機(jī)操縱特性進(jìn)行控制，減少飛行員的認(rèn)知疲勞從而提升安全性。

舉個(gè)例子，飛機(jī)的跑道超限保護(hù)ROPS會(huì)自動(dòng)計(jì)算飛機(jī)進(jìn)近速度和重量，將算法模型與公布的跑道長(zhǎng)度和當(dāng)?shù)靥鞖膺M(jìn)行比較，計(jì)算最佳的下滑道或軌跡，如果出現(xiàn)不安全的情況，系統(tǒng)會(huì)自動(dòng)廣播，讓飛行員可以更快地做出決策。

當(dāng)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(jī)失事的原因中，機(jī)械故障的占比超過了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(tǒng)后，能夠在很大程度上得到改善。

比如傳統(tǒng)訓(xùn)練飛行員體系只能仿真幾十種典型故障，而通過AI對(duì)飛機(jī)上所有系統(tǒng)軟硬件實(shí)現(xiàn)智能化，讓包括制動(dòng)器、發(fā)電機(jī)、閥門、發(fā)動(dòng)機(jī)以及航空電子設(shè)備在內(nèi)的設(shè)備實(shí)現(xiàn)自動(dòng)檢測(cè)和主動(dòng)報(bào)警，讓航空公司及時(shí)掌握并制定飛機(jī)維護(hù)策略，對(duì)飛行安全、飛機(jī)性能和壽命等進(jìn)行更好的追蹤預(yù)防，實(shí)現(xiàn)高效維修。

位于硅谷的 NASA 艾姆斯研究中心就開發(fā)除了相應(yīng)的算法，用于檢測(cè)飛機(jī)的異常情況和事故前兆的識(shí)別，借此發(fā)現(xiàn)飛行數(shù)據(jù)中的異常模式。

AI成為一名隱形的“安全副機(jī)長(zhǎng)”，或許將在不久后成為現(xiàn)實(shí)。

除了對(duì)飛機(jī)本身的強(qiáng)化改造之外，機(jī)場(chǎng)的升級(jí)也跟AI脫不了關(guān)系。

根據(jù)《國(guó)際航空電訊協(xié)會(huì)》研究?jī)?nèi)容，有45%的機(jī)場(chǎng)計(jì)劃在未來五年內(nèi)投入AI研發(fā)。我們看到的Chatbot應(yīng)用、人臉自助查驗(yàn)，自動(dòng)行李搬運(yùn)車和行李機(jī)器人，也已經(jīng)在海牙鹿特丹機(jī)場(chǎng)試驗(yàn)中。

而在諸多與安全息息相關(guān)的機(jī)場(chǎng)服務(wù)當(dāng)中，最不能忽視的是智能調(diào)度。

2016年上海虹橋機(jī)場(chǎng)的塔臺(tái)管制失誤，就險(xiǎn)些導(dǎo)致飛機(jī)相撞的慘劇。塔臺(tái)管制員的工作強(qiáng)度與信息負(fù)荷過大，飛機(jī)起飛降落過程的復(fù)雜程度也很高，加上不穩(wěn)定的機(jī)場(chǎng)氣象環(huán)境影響，航道流量發(fā)生擁堵，一旦突然插入無預(yù)先計(jì)劃的飛機(jī)，造成混亂、撞機(jī)等都是極大的安全風(fēng)險(xiǎn)。這就需要將人工智能系統(tǒng)嵌入機(jī)場(chǎng)空管總調(diào)度體系，通過深度學(xué)習(xí)技術(shù)進(jìn)行識(shí)別、預(yù)測(cè)，精確計(jì)算流量，幫助管制人員實(shí)現(xiàn)高效調(diào)度。

如今國(guó)內(nèi)大中城市的許多機(jī)場(chǎng)都引入了航空大腦、智慧民航等智能化建設(shè)，通過AI方法來運(yùn)籌優(yōu)化停機(jī)位，保障龐大客流的安全中轉(zhuǎn)。

無法被AI的空中之旅

如果說機(jī)場(chǎng)和飛機(jī)，是在乘客難以感知的地方在“被AI”著，那么飛行過程中人類機(jī)組人員的不可替代性，則是讓人感覺到航空業(yè)AI進(jìn)展緩慢的另一個(gè)原因。

不難發(fā)現(xiàn)，無論是Chatbot機(jī)器人，還是各種智能算法應(yīng)用，都只能在地面上發(fā)生，即使是高度自動(dòng)化的飛機(jī)巡航系統(tǒng)，也必須有一位甚至多位機(jī)長(zhǎng)坐鎮(zhèn)。原因或許是，空中的容錯(cuò)率實(shí)在太低了。

一方面，空中服務(wù)和決策要求高度即時(shí)性和靈活性，AI空乘還難以應(yīng)對(duì)這樣的高難度任務(wù)。

2015年，“微軟小冰”這個(gè)語音助手曾經(jīng)登上了東方航空公司的飛機(jī)，通過社交平臺(tái)在高空中與他人對(duì)話，“代替”空姐回答乘客問題。然而，盡管“微軟小冰”學(xué)習(xí)了中國(guó)近7億網(wǎng)民多年來積累的、精煉為2000萬條真實(shí)而有趣的語料庫(kù)，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(jī)器人連哄一個(gè)哭鬧中的小嬰兒，表現(xiàn)都未必能有人類空乘強(qiáng)。

另外，航空事故很少是因單一錯(cuò)誤而引發(fā)的，誘因通常比較復(fù)雜，將控制權(quán)交給自主系統(tǒng)的風(fēng)險(xiǎn)是很大的。因此，機(jī)器學(xué)習(xí)只能承擔(dān)部分飛行員的角色。

此前瑞典就曾發(fā)生過一架飛機(jī)在空中保持自動(dòng)駕駛狀態(tài)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(jī)的“幽靈航班”。第一次波音 737-MAX8 客機(jī)墜毀，也是因?yàn)轱w機(jī)自動(dòng)駕駛系統(tǒng)不斷將機(jī)頭降低，而飛行員則人工操作不斷嘗試將機(jī)頭抬起，最終沒能成功糾偏，導(dǎo)致飛機(jī)失事……

總而言之，空域情況的復(fù)雜判斷與調(diào)度，人工智能算法還遠(yuǎn)達(dá)不到人類級(jí)別的精準(zhǔn)操作。

那么，只讓AI做點(diǎn)輔助工作行不行呢？

我們知道，空中交通管制（Air Traffic Control，ATC）通信對(duì)所有航班來說，都很關(guān)鍵。但是許多對(duì)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(jīng)相對(duì)成熟的NLP語音翻譯技術(shù)實(shí)現(xiàn)辨識(shí)呢？

至少目前來說，讓AI讀懂空中交通對(duì)話，依然是一件難度很高的任務(wù)。因?yàn)轳{駛艙內(nèi)的空中廣播甚至手機(jī)對(duì)話環(huán)境十分嘈雜，會(huì)話還很快，又充滿了特定領(lǐng)域詞匯，一些語料不足的方言或口音，機(jī)器也并不能夠清晰地識(shí)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(huì)發(fā)生什么……

目前，為了解決這一問題，空客已經(jīng)在AI Gym 競(jìng)賽中不斷尋求解決方案，但就當(dāng)前進(jìn)度來看，語音輔助還處于不成熟的探索階段，看來還是人類機(jī)長(zhǎng)的耳朵更好使一點(diǎn)。

當(dāng)然，還有一種情況，是明明能AI，但偏偏不AI。

隨著商用航空大量引入人工智能，大量用戶的數(shù)據(jù)也會(huì)面臨機(jī)密性的風(fēng)險(xiǎn)。此前阿聯(lián)酋航空就曾向第三方服務(wù)商泄露了姓名，電子郵件，行程，電話號(hào)碼甚至護(hù)照號(hào)碼等客戶詳細(xì)信息，拿到這些隱私數(shù)據(jù)的企業(yè)包括Boxever， Facebook和Google等。

而大多數(shù)航司和機(jī)場(chǎng)都推出了基于計(jì)算機(jī)視覺的重重服務(wù)，人臉識(shí)別等設(shè)備的部署，隱私安全法規(guī)政策的含糊不清，或許推遲非關(guān)鍵領(lǐng)域的AI落地并不是一件壞事。

在電影的最后，管理中心的負(fù)責(zé)人仰望藍(lán)天，他說，此時(shí)此刻，在藍(lán)天上有50萬人在飛翔。而我們所能看見的，飛行，依舊是一個(gè)專業(yè)人員與自然風(fēng)險(xiǎn)的勇敢博弈游戲。當(dāng)然，AI的無聲浸潤(rùn)，正在讓一切充滿新的變數(shù)。

來源：腦極體