AI segíthet elkerülni a légiforgalmi válságot — de bíznánk benne?
Andrew Charlton szerint a légiforgalmi irányítás 1960-as évekbeli analóg rendszerei nem tudnak lépést tartani a modern repülőgépek technológiájával. Az AI képes lenne feldolgozni a hatalmas adatmennyiségeket és potenciális ütközéseket előre jelezni, csökkentve a légiforgalmi irányítók stresszét és munkaerőigényt.

A légiforgalmi irányításban az AI potenciálisan segíthet elkerülni egy közelgő válságot, miközben a jelenlegi rendszerek nagyrészt analógok és a 1960-as évekből származnak. Andrew Charlton, az Aviation Advocacy tanácsadó cég ügyvezető igazgatója szerint a repülőgépek okostelefon-szintű technológiával repülnek, miközben a földi irányítás még mindig analóg rendszerrel működik. Az AI forradalmasíthatná a légiforgalmi irányítók életét, csökkentve a stresszt és a túlterheltséget azzal, hogy képes feldolgozni hatalmas adatmennyiségeket és potenciális ütközéseket észlelni jóval azok bekövetkezése előtt. Ez csökkentené a munkaerőigényt, és lehetővé tenné, hogy minden irányító több repülőgépet felügyeljen, ami drámaian csökkentené a gyorsan bővülő iparágban szükséges irányítók számát — írja a Financial Times.
Luke Gotszling, a NoamAI vezérigazgatója szerint a légiforgalmi irányítás rendkívül összetett és nagy tétű környezet, amelyre milliók támaszkodnak naponta. A NoamAI egy AI-alapú légiforgalmi támogató rendszert fejlesztett ki, amely célja, hogy tehermentesítse a légiforgalmi irányítókat. A légi közlekedés a pandémia után újra növekszik, és a szakértők szerint évekbe telhet, mire lassulni kezd. Az irányítók képzése évekig tart és több százezer fontba kerül, és néhányan megbuknak a végső teszteken, mások korán nyugdíjba vonulnak a bőséges jövedelem után.
Kapcsolódó: légiforgalmi AI modernizáció
Az AI-támogatás ígérete
Charlton szerint „sokkal-sokkal több repülőgép lesz”. „Ha nem teszünk semmit, válsággal néznénk szembe.” Kínai akadémikusok tavaly vizsgálták az AI potenciálját a légiforgalmi irányításban. „Manapság a mesterséges intelligencia képes feladatok széles skálájának ellátására, beleértve a prediktív analitikát, a repülési útvonalak optimalizálását, az üzemanyag-fogyasztás csökkentését és a késések minimalizálását” — írták a Journal of the Air Transport Research Society-ben. A technológia „támogathatja és ezáltal enyhítheti a munkaterhelésüket a konfliktusészlelés és -feloldás, az érkezési sorrend és ütemezés, valamint a repülőtéri megfigyelés és irányítás terén, felelősségüket az intervenciókról a felügyeletre helyezve”.
Kapcsolódó: AI pénzügyi alkalmazási korlátok
A bizalmatlanság falai
Mindazonáltal a légiforgalmi irányítók bizalmatlanok voltak, és „nem voltak magabiztosak az előre jelzett stratégia elfogadásában” — állapították meg a kutatók. Az AI által tett javaslatok ellenőrzésére való átállás nem vezetne érdemi megtakarításhoz — vélik az akadémikusok. A brit légiforgalmi irányító szolgáltató, a National Air Traffic Services (NATS) elindította a Project Bluebird programot, hogy feltárja, hogyan segíthetné az AI az iparágat. A projekt „digitális iker- és gépi tanulási technikákat használ a légiforgalmi forgatókönyvek feltérképezésére, árnyékolására és létrehozására a történelmi adatok alapján”, és „potenciálisan tanácsot adhat . . . az irányítóknak valós helyzetekben, adatokat és információkat adva nekik a legjobb döntések meghozatalához”.
Kapcsolódó: AI leállítási ellenállás
A rendszer képes repülési pályákat is előre jelezni, és kiszámítani, hol fordulhatnak elő „konfliktusok” — az iparági kifejezés a potenciális ütközésekre. De ez még messze van attól, hogy egy számítógépes rendszer irányítson egy repülőgépet a földre. „Nem gondoljuk, hogy az AI fel fogja váltani az irányítókat” — mondja Paul Hosmer, a NATS kutatási és fejlesztési vezetője. „Mindig szükség lesz emberekre. Nem hiszem, hogy életünkben megbízhatnánk egy gépben, hogy ezt megtegye.”
Kapcsolódó: AI-biztonsági kutatás
Új technológiák már most is csökkentik a frontvonaltól távoli feladatokat. A valós idejű szimulációk lehetővé teszik a légiforgalmi irányítás számára a potenciális toborzottak tesztelését anélkül, hogy drága berendezéseket foglalnának le, mondja Hosmer. A repülőgépek repülés közben hatalmas mennyiségű adatot bocsátanak ki, míg minden utazás több száz millió adatpontot generál, amit az AI elemzésre és hasznosításra alkalmas módon feldolgozhat.
Kapcsolódó: Google AI Control ütemterv