IV - Zaufana sztuczna inteligencja wspiera zdalne cyfrowe wieże kontrolne
Dzięki przekształceniu nieprzejrzystych, „czarnoskrzynkowych” systemów zdalnych wież cyfrowych w przejrzyste, zorientowane na użytkownika systemy „białej skrzynki” sztuczna inteligencja staje się zrozumiała, użyteczna i wspierająca.
Mobyen Uddin Ahmed, koordynator projektu TRUSTY
Dzięki zastosowaniu kamer i czujników zdalne wieże cyfrowe (ang. remote digital towers, RDT) mogą scentralizować operacje zarządzania ruchem lotniczym, zwiększając wydajność i bezpieczeństwo, a obniżając koszty. Niestety, większość RDT opiera się na funkcjonalnościach sztucznej inteligencji (AI), które oprócz tego, że są technicznie trudne do integracji, muszą być godne zaufania dla obsługujących je ludzi. Zespół projektu TRUSTY(odnośnik otworzy się w nowym oknie), wspieranego przez Wspólne Przedsięwzięcie SESAR(odnośnik otworzy się w nowym oknie), pracuje nad adaptacyjnymi systemami RDT z myślą o usprawnieniu interakcji między człowiekiem a maszyną. „Dzięki przekształceniu nieprzejrzystych, »czarnoskrzynkowych« systemów zdalnych wież cyfrowych w przejrzyste, zorientowane na użytkownika systemy »białej skrzynki« sztuczna inteligencja staje się zrozumiała, użyteczna i wspierająca”, wyjaśnia koordynator projektu Mobyen Uddin Ahmed, profesor w grupie ds. sztucznej inteligencji i inteligentnych systemów na Uniwersytecie Mälardalen(odnośnik otworzy się w nowym oknie), uczelni będącej gospodarzem projektu. W ramach projektu TRUSTY naukowcy zdołali zintegrować sztuczną inteligencję z dwoma scenariuszami kontroli ruchu lotniczego. Model uczenia głębokiego YOLO-World(odnośnik otworzy się w nowym oknie) wraz z towarzyszącą mu technologią monitorowania wideo umożliwiają wykrywanie obiektów na pasach startowych i drogach kołowania, zmniejszając opóźnienia, zużycie paliwa i emisje. Z kolei funkcja transkrypcji dźwięku na tekst jest wykorzystywana do zarządzania sytuacjami krytycznymi. System monitoruje łączność z pilotem i interpretuje komunikaty za pomocą narzędzi interpretacji semantycznej, takich jak Word2Vec(odnośnik otworzy się w nowym oknie), umożliwiając systemowi wydawanie ostrzeżeń o niebezpieczeństwie.
Z pasa startowego na drogę
„Niezależnie od sprawności technicznej, narzędzia te działają tylko wtedy, gdy są wiarygodne, dlatego zastosowaliśmy szereg technik wyjaśnialnej AI i budowania zespołów człowiek-AI”, dodaje Shahina Begum, uczona biorąca udział w projekcie i zastępczyni szefa grupy ds. sztucznej inteligencji i inteligentnych systemów. Interaktywne pulpity wyświetlają dane w czasie rzeczywistym, w tym trajektorie lotu, natomiast prezentacja danych za pomocą narracji dostarcza informacji o czynnikach, które są podstawą prognoz AI. Badania w terenie z udziałem profesjonalnych służb zarządzania ruchem lotniczym, a także studentów tej dziedziny, zostały przeprowadzone na będącej partnerem projektu francuskiej uczelni ENAC(odnośnik otworzy się w nowym oknie). Do przetestowania zdolności AI do radzenia sobie w złożonych sytuacjach wykorzystano symulowane scenariusze operacyjne wraz z badaniami użyteczności, aby sprawdzić, czy rozwiązanie jest przyjazne dla użytkownika. Obecnie zespół przeprowadza również oceny wpływu i skalowalności, chcąc poznać działanie systemu w różnych warunkach portów lotniczych. Mimo że opracowane w ramach projektu TRUSTY komponenty wyjaśnialnej AI oraz podejście zorientowane na człowieka stanowią odpowiedź na rosnące zapotrzebowanie na zautomatyzowane systemy oraz związane z nimi obawy(odnośnik otworzy się w nowym oknie), szczególnie w sektorach, dla których kluczowe znaczenie ma bezpieczeństwo, do jakich należy lotnictwo, ich wdrażanie będzie musiało być prawdopodobnie stopniowe, zaczynając od mniejszych lotnisk, a następnie rozszerzając proces na większe węzły w miarę rozwoju systemu. „W dłuższej perspektywie system mógłby zostać zintegrowany z multimodalnymi systemami koordynacji, aby zoptymalizować przepływ ruchu lotniczego, kolejowego i drogowego, oferując bardziej połączone, inteligentne ekosystemy transportowe”, podsumowuje Begum.
