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(dòng)駕駛，從駕駛艙到后勤部門乃至客戶體驗(yàn)，對(duì)于AI應(yīng)用的探索幾乎遍及整個(gè)行業(yè)。

當(dāng)「人工智能」和航空業(yè)結(jié)合在一起時(shí)，大家的第一反應(yīng)可能是無(wú)人機(jī)。但這只是冰山一角。飛機(jī)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(chǎng)景，從駕駛艙到客戶體驗(yàn)，幾乎遍及整個(gè)行業(yè)。

多年來(lái)，自動(dòng)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(dòng)飛行系統(tǒng)，機(jī)器學(xué)習(xí)和人工智能技術(shù)也成了「機(jī)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(jiǎn)單地減少飛行員的工作量。

舉個(gè)例子，最初為無(wú)人機(jī)（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(dòng)相關(guān)監(jiān)視（ADS－B），已被遷移到駕駛艙中。為滿足彌補(bǔ)駕駛操控特性的需要，人們開發(fā)出類似機(jī)動(dòng)特性增強(qiáng)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(dòng)調(diào)整飛行操作面。

但是，機(jī)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(jī)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(xiǎn)。

最近發(fā)生的 Lion Air 610 墜機(jī)事件仍在調(diào)查過程中，不過，從目前披露的細(xì)節(jié)來(lái)看，飛機(jī)已經(jīng)過多將控制權(quán)交給自動(dòng)系統(tǒng)的舉措，存在很大風(fēng)險(xiǎn)。然而，災(zāi)難性的航空事故很少因單一錯(cuò)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(huì)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(duì)機(jī)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(jī)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(duì)這些技術(shù)進(jìn)行全面測(cè)試：至少達(dá)到相同水平，才算具備崗位能力。

超越自動(dòng)駕駛

2015 年迪拜航展期間展出的空客 A350 XWB 飛機(jī)有超過 50，000 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。

空客（Airbus）等主要飛機(jī)制造商已經(jīng)逐步進(jìn)入 AI 階段。據(jù)空客副總裁 AI Adam Bonnifield 稱，公司正長(zhǎng)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(yàn)，我們對(duì)這些技術(shù)并不陌生?！顾嬖V我們。

這架現(xiàn)代客機(jī)上有大量數(shù)據(jù)可供機(jī)器學(xué)習(xí)挖掘：空客（Airbus）于 2015 年推出的雙引擎寬體飛機(jī) A350 XWB 擁有約 5 萬(wàn)個(gè)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(jī)組人員可以投入更多時(shí)間來(lái)處理整體戰(zhàn)略和飛行任務(wù)，而不是花費(fèi)大量時(shí)間在所有小問題上。

Bonnifield 解釋說，雖然許多人認(rèn)為飛機(jī)中的自動(dòng)駕駛是「二值的」：自動(dòng)或不自動(dòng)，但他不這么認(rèn)為：「這更像一個(gè)光譜，」他說，「我們嘗試用人工智能來(lái)解決飛行過程中的一些小問題。」

例如，空客飛機(jī)上的一種跑道超限保護(hù)選項(xiàng)。ROPS 軟件負(fù)責(zé)計(jì)算飛機(jī)進(jìn)場(chǎng)速度和重量，它將計(jì)算出的物理模型與已知的跑道長(zhǎng)度和實(shí)時(shí)的天氣進(jìn)行比較，如果檢測(cè)到不安全的情況，它會(huì)廣播「跑道過短！」ROPS 還可以為著陸計(jì)算最佳滑行斜率或軌跡，并對(duì)滑行、起飛和飛行等其他操作有所幫助。

空客公司的另一個(gè)人工智能重點(diǎn)領(lǐng)域是，建造自動(dòng)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(jī)艙壓力下降而失去意識(shí)時(shí)，人工智能可能會(huì)接管飛行器。在高壓情況下，假定數(shù)據(jù)正確無(wú)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(yǔ)口音，是對(duì)語(yǔ)音識(shí)別系統(tǒng)的真正考驗(yàn)。

空中交通管制（Air Traffic Control，ATC）通信對(duì)所有航班來(lái)說，都很關(guān)鍵。

在歐洲領(lǐng)空，很多對(duì)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(wú)法看到駕駛艙外的情況時(shí)，需要在儀表飛行氣象條件（instrument meteorological conditions，IMC）下收聽機(jī)尾／航班號(hào)，獲取方向指示、交通警報(bào)等信息?？湛凸敬蛩氵\(yùn)用人工智能來(lái)解決語(yǔ)音識(shí)別問題，這也是其 AI Gym 競(jìng)賽內(nèi)容的一部分。在 AI Gym 這項(xiàng)計(jì)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(duì)話清晰化，對(duì)于機(jī)器學(xué)習(xí)來(lái)說，是一件難度很高的任務(wù)，因?yàn)?ATC 音頻噪音很大，而且會(huì)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(jī)通話信號(hào)，用于通話跟蹤和報(bào)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?！笲onnifield 說。部分原因在于這個(gè)技術(shù)比較新，正處在非常不成熟的階段，有很多的實(shí)驗(yàn)，還有一些很棒的開源技術(shù)。

借助這個(gè)項(xiàng)目，空客正與「普通嫌疑犯」（美國(guó)電影名，這里用來(lái)比喻合作的隱秘性，因?yàn)橛斜Ｃ軈f(xié)議）合作。這樣合作的方式有個(gè)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(shí)候最好的解決方案來(lái)自小微初創(chuàng)公司。

只有少數(shù)人的研究團(tuán)隊(duì)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(dú)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(tuán)隊(duì)走到一起，并為他們提供一種簡(jiǎn)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(jī)器學(xué)習(xí)和人工智能輔助內(nèi)部管理──實(shí)現(xiàn)地面作業(yè)流水化，通過盡可能實(shí)現(xiàn)「無(wú)縫旅程」創(chuàng)造最佳客戶體驗(yàn)。

美聯(lián)航正在投資所有可用的新技術(shù)，利用機(jī)器學(xué)習(xí)從客戶那里收集后端數(shù)據(jù)、維護(hù)日志、員工值勤日志和飛行中的漸進(jìn)數(shù)據(jù)，全面改善業(yè)務(wù)。國(guó)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(xiàng)長(zhǎng)期合作關(guān)系，將 Palantir Foundry 作為該航空公司的中心平臺(tái)，加速內(nèi)部關(guān)鍵業(yè)務(wù)部門之間的企業(yè)級(jí)數(shù)據(jù)計(jì)劃。

「真正的挑戰(zhàn)是將公司各部門不同平臺(tái)的海量數(shù)據(jù)集成到一個(gè)平臺(tái)上， 我們可以利用這個(gè)平臺(tái)建立機(jī)器學(xué)習(xí)和人工智能模型。」Sharma 表示，過去一年，為實(shí)現(xiàn)該目標(biāo)，兩家公司開展了一系列研究項(xiàng)目。

Palantir 與空客公司合作創(chuàng)建了 Skywise，這是一個(gè)航空數(shù)據(jù)分析平臺(tái)，空客公司為小型航空公司提供訂購(gòu)服務(wù)，其中包括幫助減少飛行意外的維護(hù)工具。通用電氣還嘗試將飛機(jī)傳感器數(shù)據(jù)轉(zhuǎn)換為基于機(jī)器學(xué)習(xí)的的服務(wù)，以推動(dòng)公司噴氣發(fā)動(dòng)機(jī)的預(yù)測(cè)性維護(hù)。

美聯(lián)航及其地區(qū)航空公司聯(lián)合快運(yùn)每天運(yùn)營(yíng)約 4，600 個(gè)航班，飛往五大洲的 357 個(gè)機(jī)場(chǎng)。去年，兩家公司運(yùn)營(yíng)了 160 多萬(wàn)個(gè)航班，載客超過 1．48 億。當(dāng)不可預(yù)見的維護(hù)問題或其他操作問題發(fā)生時(shí)，美聯(lián)航會(huì)使用機(jī)器學(xué)習(xí)來(lái)協(xié)同換掉飛機(jī)。這并不像人們想象的那么簡(jiǎn)單；系統(tǒng)必須考慮分配機(jī)組人員所需的所有變量（例如休息時(shí)間和機(jī)組人員飛機(jī)認(rèn)證書），飛機(jī)燃料和操作限制以及飛機(jī)座位容量。

「這些復(fù)雜的決策，往往必須要根據(jù)當(dāng)時(shí)可用的有限數(shù)據(jù)，在 25 分鐘的時(shí)間內(nèi)做出。」Sharma 解釋道。

不僅僅是維護(hù)

美聯(lián)航對(duì)機(jī)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(jī)時(shí)刻表的范疇。它還可以利用客戶數(shù)據(jù)?；诿棵丝偷慕换?shù)據(jù)，美聯(lián)航利用人工智能和機(jī)器學(xué)習(xí)優(yōu)化客戶體驗(yàn)──調(diào)整機(jī)票價(jià)格以匹配乘客資料。

美聯(lián)航的機(jī)器學(xué)習(xí)算法可以獲取 150 個(gè)不同的客戶和航班數(shù)據(jù)點(diǎn)，并實(shí)時(shí)決定購(gòu)買或登記點(diǎn)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(gòu)買、偏好、目的地和活動(dòng)等因素。

通過實(shí)時(shí)決策引擎展開的互動(dòng)，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(yàn)，比如航班選擇、座位升級(jí)、里程購(gòu)買或者優(yōu)先值機(jī)權(quán)。

Sharma 說，美聯(lián)航使用了基于貝葉斯推理的預(yù)測(cè)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(yǔ)?！?/p>

Sharma 說，機(jī)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(cè)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(yàn)。

其他航空公司也正在以其他方式運(yùn)用人工智能，進(jìn)而減輕行程的不適（并減少航空公司員工的工作量）。人臉識(shí)別技術(shù)現(xiàn)在正出現(xiàn)在航站樓中，幫助機(jī)場(chǎng)乘客加快辦理登機(jī)手續(xù)。大多數(shù)人臉識(shí)別算法都基于深度學(xué)習(xí)，這是機(jī)器學(xué)習(xí)的一部分。達(dá)美航空公司是第一個(gè)實(shí)施此流程的航空公司，據(jù)該公司估計(jì)，此舉將乘客登機(jī)時(shí)間縮短了近 10 分鐘。該系統(tǒng)目前用于國(guó)際航班的登機(jī)手續(xù)和行李托運(yùn)。，達(dá)美預(yù)計(jì)明年將其擴(kuò)展至國(guó)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(shí)別出安全風(fēng)險(xiǎn)。例如，Lion Air Flight 610 墜機(jī)事件，自動(dòng)控制系統(tǒng)發(fā)生故障，可能就預(yù)示著一個(gè)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(gè)項(xiàng)目重點(diǎn)就是識(shí)別商業(yè)航空事件數(shù)據(jù)中的「異常運(yùn)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(jì)算機(jī)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?yàn)樯虡I(yè)航空的安全記錄非常好──比駕駛要好很多，所以，識(shí)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(cè)和事故前兆的識(shí)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(jī)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(shí)施「航空安全信息分析和共享（ASIAS）計(jì)劃」，這是一個(gè)數(shù)據(jù)聯(lián)盟──NASA、聯(lián)邦航空管理局、國(guó)家運(yùn)輸安全委員會(huì)、飛機(jī)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(huì)對(duì)潛在問題進(jìn)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(shí)發(fā)現(xiàn)飛行數(shù)據(jù)中的異常模式（這可能表明飛機(jī)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(bǔ)的──一種可以拯救生命的伙伴關(guān)系。