人工智能全面渗透航空业:从全自动开飞机到晚点预测,都要靠AI

简介:
本文来自AI新媒体量子位(QbitAI)


在喧嚣的科技行业中,人工智能的触角已然十分广阔:从数字家庭助手到无人驾驶汽车,从战场策略到投资指导,几乎无处不在。

现在,人工智能要飞向天空。

计算机算法正在学习如何预测航班晚点,从而帮助机场和航空公司更好地避免这种事情的发生。捷蓝和阿联酋航空等企业正在使用这项技术让购票流程更加顺畅,同时对乘坐体验进行个性化改造。

但人工智能在航空业的最大前景其实来自驾驶舱,在那里,人工智能自动驾驶仪可以帮助飞行员完成复杂的操作,甚至应对各种紧急事件。

这一领域的研究刚刚启动不久,但却进展迅速。2015年,波音和卡内基-梅隆大学共同成立了航空数据分析实验室,希望利用机器学习技术把海量信息转化成具体的行动。

“现在的每一架飞机都有几千个传感器,每个传感器大约每秒都会产生数据。”该项目负责人、卡内基梅隆大学计算机科学家Jaime Carbonell说,“这便生成了海量数据,我们目前的分析策略根本无力应对。所以,我们才决定开发可以扩展的云端数据处理算法。这样一来,无论是飞机安全和维护预测,还是飞行性能和飞机寿命,都能展开更好的追踪和理解。”

人工智能现在之所以能派上用场,而不再单纯依赖数据挖掘技术,原因在于如今的数据来源多种多样,有的源自格式正规的传感器,还有的则出自维护人员的潦草笔记。

“飞机有着详细的历史记录,但波音的飞机在世界各地飞行,所以存在很多人类书写的笔记,里面可能有一些只有某家航空公司才会使用的独特缩写。另外,英语可能也不只主要语言,而数十年以来,数据的归档标准可能也发生了变化。”Carbonell说,“我们正在开发算法来处理和理解这些内容,然后创造一种统一的信息分析方式。”

航空数据分析实验室希望借助这样一款“统一的”产品帮助波音及其客户制定监控、维护和运营战略,从而减少停机时间,为航空公司节约成本。但即便可以通过算法来过滤和理解所有数据,或许仍然存在很多缺口,导致这些程序难以判断引擎的真正寿命,也难以确定效率最高的巡航状态。

所以Carbonell希望更进一步,让人工智能算法具备足够的智力来寻找这些“缺口”,并向拥有相应资源的组织或设备索取数据来填补缺口。“如果你有两架配置相同的飞机执行相同的航线,但它们的燃油数据却有所差异,我们的系统便可交叉对比所有的参数,然后找出缺失的有效数据——例如训练程序或某些天气数据——然后便可索取这些信息,从而找到问题的关键。”Carbonell说。

除此之外,研究人员还希望让人工智能帮助飞行员应对各种风险。在伦敦大学学院,由Haitham Baomar和Peter Bentley领导的一个团队正在开发一套新的自动巡航系统,它可以通过观察训练有素的飞行员来学习如何应对紧急状况,然后在遇到类似情况时采取相同的措施。

“我们希望解决因为压力、信息过载和缺乏充足的培训而引发的人为错误,从而提升安全性。”Baomar说,“不幸的是,现代化的自动驾驶仪无法应对恶劣天气或系统故障等挑战。”

自动驾驶仪擅长在非紧急状况下处理巡航任务,但在其他情况下却表现不佳。例如,强气流就会导致自动驾驶仪失效,甚至会通过纠正措施导致情况更加恶化。飞行员需要时刻监督自动驾驶仪,并在紧急状况下手动介入,但他们本身也可能犯错。

Baomar希望开发一套基于人工智能的自动驾驶仪,可以准确而可靠地预测各种情况,同时确保飞行员了解事情进展。他的团队开发的技术名为“智能自动驾驶系统”(Intelligent Autopilot System),它会接受与人类驾驶员相同的培训。

借助专业版高保真桌面模拟器X-Plane,研究人员便可向他们的自动驾驶仪传授驾驶波音777的技术,还能让其体会恶劣天气、引擎故障和机舱起火等问题,并学会紧急降落或转向等技术。

这一过程需要依赖监督式机器学习技术,把自动驾驶仪当做人类学员对待。“由人类飞行教官通过亲自演示来传授技能。”Barmar说,“之后,再借助人工神经网络利用观察到的内容生成学习模型。最后为系统赋予全部的控制权,观察它模仿人类教官成功执行任务的过程。”

目前为止,这套系统表现良好,即便是驾驶不熟悉的飞机或经历之前没有遇到的天气状况时,也能表现不俗。接下来,研究人员将与航空业展开接触,将该系统应用到工业级飞行模拟器中,甚至安装到遥控无人机中。

Baomar表示,想要将其真正应用到商用飞机中,关键问题不在于技术,而在于监管流程。“审批流程很费时、费钱、费力,但鉴于安全要求,所有想要应用到航空领域的新技术都必须遵守。”他说。

假设这些系统有朝一日能够通过监管审查,正式应用到商用飞机上,便会成为一大里程碑,正式跨过人类飞行员的时代,迈入新纪元。随着自动化飞行技术的快速发展,由人类来聚精会神操作各种仪器的时代很快就会过去。这样一来,几乎就能彻底杜绝人为失误造成的威胁,这种吸引力或许将令我们难以抗拒。

但即使实现了这一目标,也只是完成了一半的使命,而在半自动化的过渡时期,我们还需要通过敏捷的控制来确保飞行员仍然能够很好地掌控飞机。人工智能蕴含着无比的价值,必将完成这一过渡。

本文作者:李杉
原文发布时间:2017-03-29
相关文章
|
3天前
|
人工智能 自动驾驶 机器人
AI元年:2024年人工智能发展大事纪
3分钟了解2024年人工智能AI领域都发生了哪些改变我们生活和生产方式的大事儿。
46 2
AI元年:2024年人工智能发展大事纪
|
3天前
|
人工智能 自然语言处理 算法
打破AI信息差:2024年20款好用的人工智能工具大盘点
本文带你了解20款值得一试的AI工具,帮助你在内容创作、图像设计、音频视频编辑等领域提高效率、激发创意。
36 1
打破AI信息差:2024年20款好用的人工智能工具大盘点
|
7天前
|
人工智能 安全 搜索推荐
新手指南:人工智能poe ai 怎么用?国内使用poe记住这个方法就够了!
由于国内网络限制,许多用户在尝试访问Poe AI时面临障碍。幸运的是,现在国内用户也能轻松畅玩Poe AI,告别繁琐的设置,直接开启AI创作之旅!🎉
54 13
|
25天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
2月前
|
机器学习/深度学习 人工智能 监控
探索人工智能的伦理困境:我们如何确保AI的道德发展?
在人工智能(AI)技术飞速发展的今天,其伦理问题也日益凸显。本文将探讨AI伦理的重要性,分析当前面临的主要挑战,并提出相应的解决策略。我们将通过具体案例和代码示例,深入理解如何在设计和开发过程中嵌入伦理原则,以确保AI技术的健康发展。
50 11
|
2月前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
111 30
|
10天前
|
存储 机器学习/深度学习 人工智能
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
1分钟认识:人工智能claude AI _详解CLAUDE在国内怎么使用
Claude AI 是 Anthropic 开发的先进对话式 AI 模型,以信息论之父克劳德·香农命名,体现了其在信息处理和生成方面的卓越能力
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来医疗:AI技术在疾病诊断中的应用前景####
本文探讨了人工智能(AI)在现代医疗领域,尤其是疾病诊断方面的应用潜力和前景。随着技术的不断进步,AI正逐渐改变传统医疗模式,提高诊断的准确性和效率。通过分析当前的技术趋势、具体案例以及面临的挑战,本文旨在为读者提供一个全面的视角,理解AI如何塑造未来医疗的面貌。 ####
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
258 6