原标题：接棒“中国机长”，AI的航空英雄梦还需要什么？
“四川8633，成都叫你”
“四川8633，成都在叫你”
……
想必不少同学都在假期看过了这部《中国机长》，并为这些呼唤之后长久的沉默而心惊肉跳。至少我本人看完后，当天登机的脚步都怂了起来，并默默买了一份意外险。
安全，是民用航空领域的第一准则，也是选择飞机与航司的首要标准。一个事故率高的航司，无论其食物多么美味、空乘多么美貌，恐怕我们都会在心里默默打上一个叉。
而关于AI航空航天的应用，我们已经有过很多讨论。AI上可带宇航员遨游太空，下可为无人机飞行运输保驾护航。与之相比，不怎么黑科技、又不够旷远神秘的民用航空，到底是如何利用AI让全球数百万人每天往返于天际之间的呢？
当AI遇上飞行：商用飞机的安全“副机长”
今天，当我们走进机场，已经能看到百花齐放的智能化应用了，比如导航机器人、人脸识别安检、智能语音播报、自助行李托运等等。甚至乘客能提前在各种航空App上了解某趟航班的延误几率，都是依靠人工智能整合数据资源来实现预测的。
除此之外，一些大型航司如美联航，也早就从2014年开始，就利用机器学习决策引擎向用户开放优先值机、座位升级等个性化服务。
被众多产业奉若救命稻草的AI，在航空业中早已是潜移默化、润物无声的存在。就拿商用航空最为关注的安全问题来说，关于AI技术的 应用研究就一直没有停止过。
在商业航空服务AI化的过程中，核心角色并不是与客户交互最多的航空公司。而是机场、飞机制造商这样的硬核角色。不同于航司那些接地气的创意创新，AI在航空安全上发挥的价值距离大众感知就有点远了。
比如飞机巡航的自动化系统。早在AI社会化普及以前，自动化系统就是商用航空多年的钻研对象，利用各种机动增强系统、传感器系统来自动调整飞机的控制面和辅助飞行，已经十分成熟。正如空客副总裁 AI Adam Bonnifield所说，“由于我们的行业背景，以及过去在解决自主化系统问题上积累的经验，我们对这些技术（AI）并不陌生。”
波音、空客等飞机制造商就利用人工智能进一步提升无人驾驶的能力，减少需要人类飞行员操作的时间。空客空客推出的双发宽体飞机A350XWB拥有约5万个传感器，每天收集的飞行和性能数据总计超过2.5TB，借助相关模型进行信息分析，就可以使机组人员投入更多时间来处理整体战略，根据飞行条件在必要时对飞机操纵特性进行控制，减少飞行员的认知疲劳从而提升安全性。
举个例子，飞机的跑道超限保护ROPS会自动计算飞机进近速度和重量，将算法模型与公布的跑道长度和当地天气进行比较，计算最佳的下滑道或轨迹，如果出现不安全的情况，系统会自动广播，让飞行员可以更快地做出决策。
当然，安全问题最好的解决方式就是君子以思患而豫防之，思则有备，有备则无患。要知道，在诸多造成飞机失事的原因中，机械故障的占比超过了20%，其中还不包括地面维修人员的失误。而这一切在引入AI系统后，能够在很大程度上得到改善。
比如传统训练飞行员体系只能仿真几十种典型故障，而通过AI对飞机上所有系统软硬件实现智能化，让包括制动器、发电机、阀门、发动机以及航空电子设备在内的设备实现自动检测和主动报警，让航空公司及时掌握并制定飞机维护策略，对飞行安全、飞机性能和寿命等进行更好的追踪预防，实现高效维修。
位于硅谷的 NASA 艾姆斯研究中心就开发除了相应的算法，用于检测飞机的异常情况和事故前兆的识别，借此发现飞行数据中的异常模式。
AI成为一名隐形的“安全副机长”，或许将在不久后成为现实。
除了对飞机本身的强化改造之外，机场的升级也跟AI脱不了关系。
根据《国际航空电讯协会》研究内容，有45%的机场计划在未来五年内投入AI研发。我们看到的Chatbot应用、人脸自助查验，自动行李搬运车和行李机器人，也已经在海牙鹿特丹机场试验中。
而在诸多与安全息息相关的机场服务当中，最不能忽视的是智能调度。
2016年上海虹桥机场的塔台管制失误，就险些导致飞机相撞的惨剧。塔台管制员的工作强度与信息负荷过大，飞机起飞降落过程的复杂程度也很高，加上不稳定的机场气象环境影响，航道流量发生拥堵，一旦突然插入无预先计划的飞机，造成混乱、撞机等都是极大的安全风险。这就需要将人工智能系统嵌入机场空管总调度体系，通过深度学习技术进行识别、预测，精确计算流量，帮助管制人员实现高效调度。
如今国内大中城市的许多机场都引入了航空大脑、智慧民航等智能化建设，通过AI方法来运筹优化停机位，保障庞大客流的安全中转。
无法被AI的空中之旅
如果说机场和飞机，是在乘客难以感知的地方在“被AI”着，那么飞行过程中人类机组人员的不可替代性，则是让人感觉到航空业AI进展缓慢的另一个原因。
不难发现，无论是Chatbot机器人，还是各种智能算法应用，都只能在地面上发生，即使是高度自动化的飞机巡航系统，也必须有一位甚至多位机长坐镇。原因或许是，空中的容错率实在太低了。
一方面，空中服务和决策要求高度即时性和灵活性，AI空乘还难以应对这样的高难度任务。
2015年，“微软小冰”这个语音助手曾经登上了东方航空公司的飞机，通过社交平台在高空中与他人对话，“代替”空姐回答乘客问题。然而，尽管“微软小冰”学习了中国近7亿网民多年来积累的、精炼为2000万条真实而有趣的语料库，但想要在空中处理特殊情况，且不说在故障情况下安抚百位乘客的恐慌情绪，恐怕机器人连哄一个哭闹中的小婴儿，表现都未必能有人类空乘强。
另外，航空事故很少是因单一错误而引发的，诱因通常比较复杂，将控制权交给自主系统的风险是很大的。因此，机器学习只能承担部分飞行员的角色。
此前瑞典就曾发生过一架飞机在空中保持自动驾驶状态不停盘旋，所有乘客和副驾驶都昏迷后只能等待燃油耗尽坠机的“幽灵航班”。第一次波音 737-MAX8 客机坠毁，也是因为飞机自动驾驶系统不断将机头降低，而飞行员则人工操作不断尝试将机头抬起，最终没能成功纠偏，导致飞机失事……
总而言之，空域情况的复杂判断与调度，人工智能算法还远达不到人类级别的精准操作。
那么，只让AI做点辅助工作行不行呢？
我们知道，空中交通管制（Air Traffic Control，ATC）通信对所有航班来说，都很关键。但是许多对话都带有浓重口音，飞行员之间和管制员很难相互理解，能否利用已经相对成熟的NLP语音翻译技术实现辨识呢？
至少目前来说，让AI读懂空中交通对话，依然是一件难度很高的任务。因为驾驶舱内的空中广播甚至手机对话环境十分嘈杂，会话还很快，又充满了特定领域词汇，一些语料不足的方言或口音，机器也并不能够清晰地识别出来。我们很难想象，万一8633在空中听不懂那一声声“成都叫你”的呼唤，将会发生什么……
目前，为了解决这一问题，空客已经在AI Gym 竞赛中不断寻求解决方案，但就当前进度来看，语音辅助还处于不成熟的探索阶段，看来还是人类机长的耳朵更好使一点。
当然，还有一种情况，是明明能AI，但偏偏不AI。
随着商用航空大量引入人工智能，大量用户的数据也会面临机密性的风险。此前阿联酋航空就曾向第三方服务商泄露了姓名，电子邮件，行程，电话号码甚至护照号码等客户详细信息，拿到这些隐私数据的企业包括Boxever， Facebook和Google等。
而大多数航司和机场都推出了基于计算机视觉的重重服务，人脸识别等设备的部署，隐私安全法规政策的含糊不清，或许推迟非关键领域的AI落地并不是一件坏事。
在电影的最后，管理中心的负责人仰望蓝天，他说，此时此刻，在蓝天上有50万人在飞翔。而我们所能看见的，飞行，依旧是一个专业人员与自然风险的勇敢博弈游戏。当然，AI的无声浸润，正在让一切充满新的变数。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
