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。