Γεώργιος Λούκας
Μηχανικός ΣΜΑ, MSc ΕΜΠ & ΕΑΠ
Την τελευταία δεκαετία, η τεχνολογία βαθιάς μάθησης (deep learning) έχει αποκτήσει σημαντική δημοτικότητα και η εφαρμογή της σε διάφορους κλάδους, συμπεριλαμβανομένης της αεροπορίας, είναι πολλά υποσχόμενη. Ο κλάδος των αερομεταφορών έχει αγκαλιάσει την εφαρμογή της τεχνητής νοημοσύνης (Artificial Intelligence, AI) για τη βελτίωση της τεχνολογίας πιλοτηρίου, την αύξηση της αποτελεσματικότητας στις λειτουργίες των αεροπορικών εταιρειών και την ανάπτυξη αυτόνομων ή ημι-αυτόνομων αεροπορικών συστημάτων. Ωστόσο, υπάρχουν ακόμη προκλήσεις που πρέπει να ξεπεραστούν για να μπορέσει η βιομηχανία να αποκομίσει τα πλήρη οφέλη της τεχνητής νοημοσύνης.
Τα δομικά στοιχεία (βασική αρχιτεκτονική) της τεχνολογίας τεχνητής νοημοσύντης (ΑΙ) παρουσιάζονται συνοπτικά στην Εικόνα 1.
Συστήματα αυτόματου πιλότου και η κίνηση προς την αυτόνομη αεροπορία
Ένας σημαντικός τομέας όπου η τεχνητή νοημοσύνη μπορεί να φέρει επανάσταση στην αεροπορική βιομηχανία είναι τα συστήματα αυτόματου πιλότου. Κατασκευαστές όπως η Boeing και η Airbus εργάζονται για την ανάπτυξη αυτόνομων ή ημι-αυτόνομων αεροπορικών συστημάτων βασισμένων στην τεχνητή νοημοσύνη και τη μηχανική μάθηση. Αυτά τα συστήματα στοχεύουν στη μείωση ή την εξάλειψη της ανάγκης για πιλότους, βελτιώνοντας έτσι την ασφάλεια και την αποτελεσματικότητα των αεροπορικών ταξιδιών.
Η έκθεση FLY AI και το σχέδιο δράσης για την εφαρμογή της τεχνητής νοημοσύνης στην αεροπορία
Η έκθεση FLY AI περιγράφει τις πρωταρχικές ευκαιρίες για την εφαρμογή της τεχνητής νοημοσύνης στον κλάδο των αερομεταφορών. Αυτά περιλαμβάνουν τη χωρητικότητα του εναέριου χώρου, την κλιματική αλλαγή, τον ψηφιακό μετασχηματισμό και την ενσωμάτωση drone. Η έκθεση παρήγαγε επίσης ένα «Σχέδιο Δράσης FLY AI», το οποίο περιλαμβάνει έξι «επιταχυντές» για την αύξηση της υιοθέτησης της τεχνητής νοημοσύνης στην αεροπορία.
Ο χάρτης για την υιοθέτηση της τεχνητής νοημοσύνης της Ευρωπαϊκής Ένωσης για την Ασφάλεια της Αεροπορίας
Ο Ευρωπαϊκός Οργανισμός Ασφάλειας της Αεροπορίας (European Aviation Safety Agency, EASA) δημοσίευσε τον πρώτο του «χάρτη τεχνητής νοημοσύνης» για την αντιμετώπιση των προκλήσεων και των επιπτώσεων της τεχνητής νοημοσύνης στον τομέα των αερομεταφορών. Ο οδικός χάρτης εντοπίζει τέσσερα σημαντικά ζητήματα που σχετίζονται με την ευρεία υιοθέτηση της τεχνητής νοημοσύνης στην αεροπορία: οικοδόμηση της εμπιστοσύνης του κοινού στα συστήματα που βασίζονται σε τεχνητή νοημοσύνη, ενσωμάτωση της ηθικής διάστασης της τεχνητής νοημοσύνης στις διαδικασίες πιστοποίησης ασφάλειας, προετοιμασία της πιστοποίησης συστημάτων πληροφορικής και ανάπτυξη προτύπων, πρωτοκόλλων και μεθόδων που διασφαλίζουν ότι η τεχνολογία πληροφορικής βελτιώνει το τρέχον επίπεδο ασφάλειας της αεροπορίας.
Πειράματα αεροπορικών εταιρειών με τεχνητή νοημοσύνη σε διάφορους τεχνικούς τομείς
Αρκετές αεροπορικές εταιρείες έχουν αρχίσει επίσης να πειραματίζονται με την τεχνητή νοημοσύνη για να βελτιώσουν την αποτελεσματικότητα, τη διαχείριση του φόρτου εργασίας και την ασφάλεια. Η Airbus χρησιμοποιεί τεχνητή νοημοσύνη σε έξι τεχνικούς τομείς, συμπεριλαμβανομένης της αυτόνομης πτήσης και λήψης αποφάσεων, ενώ η Delta Air Lines έχει αναπτύξει ένα σύστημα βασισμένο σε τεχνητή νοημοσύνη για να προτείνει τρόπους με τους οποίους οι πιλότοι μπορούν να χειριστούν τα αεροσκάφη κατά τη διάρκεια κακοκαιρίας. Η Boeing χρησιμοποιεί τεχνητή νοημοσύνη για να βελτιώσει την απόδοση της γραμμής συναρμολόγησης, ενώ η Air France χρησιμοποιεί τεχνητή νοημοσύνη για την προώθηση της βιωσιμότητας και τη μείωση των εκπομπών διοξειδίου του άνθρακα.
Ο ρόλος της τεχνητής νοημοσύνης στην ανάκαμψη της αεροπορίας από την πανδημία COVID-19
Η χρήση της τεχνητής νοημοσύνης και των αναδυόμενων τεχνολογιών όπως η μηχανική μάθηση αναμένεται να διαδραματίσει κρίσιμο ρόλο στην ανάκαμψη της αεροπορικής βιομηχανίας από την πανδημία COVID-19. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει τις αεροπορικές εταιρείες να αυτοματοποιήσουν και να βελτιστοποιήσουν τις δραστηριότητές τους, οδηγώντας σε βελτιωμένη απόδοση και εξοικονόμηση κόστους. Μπορεί επίσης να βελτιώσει την εμπειρία των επιβατών παρέχοντας εξατομικευμένες συστάσεις και βελτιστοποιώντας τη διαδικασία check-in και επιβίβασης.
Το Τεράστιο Δυναμικό της Τεχνητής Νοημοσύνης στον Μετασχηματισμό της Αεροπορικής Βιομηχανίας, με Βασικές Προκλήσεις προς Υπέρβαση
Συμπερασματικά, η τεχνητή νοημοσύνη και η μηχανική μάθηση έχουν τεράστιες δυνατότητες να μεταμορφώσουν τον κλάδο των αερομεταφορών, από τη βελτίωση των συστημάτων διαχείρισης ασφάλειας έως τη βελτίωση του σχεδιασμού και της συντήρησης των αεροσκαφών. Χρησιμοποιώντας αλγόριθμους μηχανικής μάθησης, οι αεροπορικές εταιρείες μπορούν να αναλύσουν τεράστιες ποσότητες δεδομένων για να αποκτήσουν πληροφορίες για τα πάντα, από τις προτιμήσεις των επιβατών έως την κατανάλωση καυσίμου, επιτρέποντάς τους να βελτιστοποιήσουν τις δραστηριότητές τους και να μειώσουν το κόστος.
Ωστόσο, η ευρεία υιοθέτηση της τεχνητής νοημοσύνης στην αεροπορία απαιτεί την οικοδόμηση της εμπιστοσύνης του κοινού στα συστήματα που βασίζονται στην τεχνητή νοημοσύνη, την ενσωμάτωση της ηθικής διάστασης της τεχνητής νοημοσύνης στις διαδικασίες πιστοποίησης ασφάλειας, την προετοιμασία της πιστοποίησης των συστημάτων πληροφορικής και την ανάπτυξη προτύπων, πρωτοκόλλων και μεθόδων για τη διασφάλιση της βελτίωσης της τεχνολογίας το σημερινό επίπεδο ασφάλειας της αεροπορίας.
Πηγές:
https://www.altexsoft.com/blog/engineering/ai-airlines/
https://www.airport-technology.com/features/artificial-intelligence-aviation/
https://flightsafety.org/asw-article/safely-implementing-ai/
https://www.meer.com/en/70952-role-of-ai-in-the-aviation-industry
