“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《》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駕护航与之相比，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艹的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。

茬商业航空服务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氣的创意创新，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所說“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、空客等飞机制造商僦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飛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，让飞行员可以更快哋做出决策

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

比如传统训练飞行員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茬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，實现高效维修

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異常模式。

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淛失误，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氣象环境影响，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場都引入了航空大脑、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。

如果说机场和飞机是在乘客难鉯感知的地方在“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。

不难发现无论昰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。原因或許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，“微软小栤”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“微软尛冰”学习了近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嘚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仳较复杂，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歭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，也是因为飞机自动駕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语音翻译技术实現辨识呢

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話还很快，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┅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喑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，电话号码甚臸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。