هوش مصنوعی در هوانوردی ؛ شریک مطمئن ، نه جایگزین انسان

به گزارش پرتال حمل و نقل ،‌ عامل‌های هوش مصنوعی امروز به بخش جدایی‌ناپذیر عملیات هوانوردی تبدیل شده‌اند ، اما محدودیت‌های ذاتی آن‌ها ایجاب می‌کند که چارچوب‌هایی روشن برای استفاده‌ی ایمن ، مسئولانه و کارآمد طراحی شوند و در قلب این چارچوب ، نقش انسان همچنان حیاتی و اساسی باقی بماند .

در واقع ، صنعت هوانوردی نمی‌تواند صرفاً به خروجی های یک عامل هوش مصنوعی اعتماد کند ؛ بلکه حضور مداوم انسان در حلقه‌ی تصمیم‌گیری (Human-in-the-loop) ضروری است تا هر توصیه یا پیش‌بینی الگوریتمی پیش از اجرا اعتبارسنجی شود . این ضرورت به‌ویژه دلیل عدم‌قطعیت‌های ذاتی این صنعت به‌ویژه در شرایط بحرانی همچون اختلال‌ها یا وقفه‌های عملیاتی ، تغییرات ناگهانی آب‌وهوایی ، تهدیدهای امنیتی یا بحران‌های عملیاتی است و هر سامانه ای می بایست تضمین کند که تصمیم‌گیری و مسئولیت نهایی همچنان بر عهده‌ی انسان باقی می ماند .

کیفیت داده‌ها دومین رکن مدیریت محدودیت‌هاست . عامل‌های هوش مصنوعی بدون داده‌های دقیق و استاندارد به‌سرعت دچار خطا می‌شوند و حتی پیشرفته‌ترین مدل‌ها نیز در صورت ورودی‌های اشتباه، ناقص یا ناسازگار ، خروجی‌های نادرست تولید خواهند کرد . از این رو ، حاکمیت داده (Data Governance) در سطح ایرلاین‌ها ، فرودگاه‌ها ، مراکز ارائه دهنده خدمات ناوبری هوایی و همچنین سازمان‌های رگولاتوری ملی باید تقویت شود تا داده‌های غربال‌شده با فرمت یکپارچه و استاندارد در اختیار عامل‌های هوش مصنوعی قرار گیرند . تجربه‌های اخیر در پروژه‌های تحول دیجیتال نظیر IATA Aviation Data Management (ADM)، ICAO Aviation Data and Analysis Framework و ابتکار Aviation Data-Driven Decision-Making (AD3M) نشان می‌دهد که بدون زیرساخت داده‌ای منسجم ، بهره‌گیری از هوش مصنوعی به‌سرعت با محدودیت مواجه می‌شود . این نکته در کشور ما اهمیت بیشتری دارد ؛ چرا که به جای شیفتگی صرف نسبت به فناوری هوش مصنوعی، ابتدا باید انسجام داده‌ای ایجاد کنیم و روند توسعه را بر اساس مسیر منطقی بلوغ دیجیتال و جایگاه واقعی صنعت دنبال نماییم .

در این زمینه IATA بر مشکلات ناشی از ناسازگاری پروتکل‌های داده‌ای تأکید ویژه دارد ؛ موضوعی که در تفاوت پروتکل‌های داده‌ای بین سیستم‌های رزرواسیون داخلی (CRS) ایرلاین‌های ایرانی و سیستم‌های پذیرش (DCS) در فرودگاه‌های کشور ما نیز ملموس بوده است . به همین دلیل ، یاتا استاندارد تبادل داده و اطلاعات Aviation Information Data Exchange (AIDX) را تدوین کرده است که بر مبنای پروتکل XML و یکسان سازی فرمت داده ها ، تبادل بهتر داده‌های حیاتی پروازی میان ایرلاین‌ها، فرودگاه‌ها و سیستم‌های زمینی را فراهم می‌سازد . این یکپارچگی و وحدت رویه بستری AI-ready برای اتوماسیون هوشمند ایجاد می‌کند . در همین راستا ، برنامه‌های New Distribution Capability (NDC) و ONE Order علاوه بر تحول در سیستم‌های توزیع و فروش صندلی به بازار سفرهای هوایی ، قیمت‌گذاری پویا و ساده‌سازی زنجیره تراکنش‌ها ، داده‌های ساختاریافته و قابل‌اعتمادی تولید می‌کنند که برای عامل‌های هوش مصنوعی ارزشمند هستند ؛ داده‌هایی که امکان شخصی‌سازی، بهبود پیش‌بینی‌ها ، افزایش ضریب امنیتی و بهینه‌سازی تخصیص منابع را فراهم می‌آورند .

در سطح ICAO ، رویکرد متفاوت اما مکمل دیده می‌شود . ایکائو با ابتکاراتی همچون AD3M و ارائه‌ی دوره‌های آموزشی تصمیم‌گیری داده‌محور ، چارچوب‌های جهانی برای یکپارچگی داده‌ها و مدیریت هوشمند ایمنی ، ظرفیت و توسعه پایدار هوانوردی را دنبال می‌کند . این مهم نیز در کشور ما از این جهت بسیار اهمیت دارد که بر اساس میراث تاریخی ، ذهن ما ایرانیان درگیر انتزاعیات است و با اعداد و فکت بیگانه است و ما هر یک بر اساس تصورات و نگرش های ذهنی سوگیری و بایاس شده نمی توانیم بر زبان وقایع زمینی اعداد به درک و اجماعی مشترک برسیم چرا که همواره سرمان در آسمان خیال ها سیر می کند و هنوز نتوانسته ایم بین آرمان ها و واقعیت هایمان پلی بزنیم و مسائل خود را به جای تعریف یا این یا آن، هم این و هم آن درک و فهمی مشترک نماییم و به همین دلیل نمی توانیم به تفاهم برسیم . هر چند بخش های پزشکی یا حتی هوانوردی ما در پروازهای IFR این را پذیرفته اند که تمام توجه خود را به داده ها و فکت ها نمایند نه خواسته ها و نظرات و تصورات و شهود و شم خود. خود ایکائو هرچند تاکنون سند اختصاصی جامع برای هوش مصنوعی منتشر نکرده است ، اما علائم روشن از حرکت به سمت تنظیم رویه‌ها و استانداردهای جهانی در نشست‌های اخیر و کارگاه‌های تخصصی مشاهده می‌شود ؛ موضوعی که در آینده می‌تواند به اسناد جداگانه‌ای در کنار مقررات مربوط به پهپادها (UAV) منجر شود .

اتفاقا ، بعد دیگر این مدیریت ، همین استانداردسازی و تنظیم مقررات است که به آن اشاره شد . البته نهادهای بین‌المللی هر یک مأموریت خاص و اهداف خود را برای استانداردسازی و تنظیم مقررات دارند . IATA بیشتر بر استانداردهای تبادل داده و فرآیندهای تجاری و عملیاتی تمرکز دارد . ICAO مأموریت سیاست‌گذاری و هماهنگی جهانی برای ایمنی و چارچوب‌های مقرراتی را بر عهده دارد . نهادهای منطقه‌ای فراتر از استانداردهای پایه ایکائو مانند EASA نهاد متولی ایمنی در اروپا در نقشه‌راه AI Roadmap 2.0 بر شفافیت الگوریتم‌ها ، قابلیت توضیح‌پذیری (Explainability) و نقش «انسان در فرماندهی» تأکید دارد . FAA نیز در ایالات متحده در Aviation Safety AI Roadmap بر تست ایمنی و ارزیابی ریسک الگوریتم‌های خودکار ، به‌ویژه در حوزه‌های ATC و UAS، تمرکز می‌کند .

این چارچوب‌ها باید نه‌تنها جنبه‌های فنی ، بلکه ابعاد حقوقی ، اخلاقی و امنیت سایبری را نیز پوشش دهند تا ریسک‌های ناشی از اتکا به سیستم‌های هوشمند مدیریت شوند .

در نهایت ، مفهوم تاب‌آوری (Resilience) باید در طراحی سیستم‌های هوش مصنوعی هوانوردی نهادینه شود . عامل‌های هوش مصنوعی باید توانایی مواجهه با شرایط عدم قطعیت و سناریوهای غیرمنتظره مانند اختلال‌های شدید آب‌وهوایی ، اعتصاب‌های کنترلرهای ترافیک هوایی ، تهدیدهای سایبری ، جنگ‌ها و بحران‌های همه‌گیر را داشته باشند . این امر مستلزم طراحی سیستم‌هایی است که در تعامل با انسان بتوانند راه‌حل‌های جایگزین پیشنهاد دهند و از فروپاشی زنجیره‌ی تصمیم‌گیری جلوگیری کنند . نمونه‌هایی مانند استفاده از عامل‌های پیش‌بینی در Network Manager یوروکنترل (EUROCONTROL NM) یا شبیه‌سازهای تاب‌آوری نشان داده است که ترکیب انسان و عامل‌های هوش مصنوعی می‌تواند ریسک اختلال‌ها و وقفه‌های غیرمنتظره را به حداقل برساند .

تحقق این اهداف تنها با آموزش هم‌زمان نیروی انسانی امکان‌پذیر است . خلبانان ، کنترلرهای ترافیک هوایی ، مدیران و کارکنان مراکز OCC و حتی کارکنان فرودگاهی باید مهارت تعامل و همکاری با عامل‌های هوش مصنوعی را بیاموزند ؛ موضوعی که در چارچوب‌های آموزش مبتنی بر شایستگی (CBT) و برنامه‌های ICAO Next Generation Aviation Professionals (NGAP) مورد توجه ویژه قرار گرفته است .

تنها در چنین شرایطی می‌توان به آینده‌ای مطمئن دست یافت ؛ آینده‌ای که در آن عامل‌های هوش مصنوعی نه تهدیدی برای انسان ، بلکه شریک قابل‌اعتماد او در حفظ ایمنی ، ارتقای بهره‌وری و خلق نوآوری در صنعت هوانوردی خواهند بود .

بر اساس مطالعات آینده‌پژوهی یاتا و ایکائو ، تا سال ۲۰۳۵ بیش از ۷۰ درصد تصمیمات عملیاتی ایرلاین‌ها و مراکز کنترل ترافیک هوایی به‌صورت ترکیبی توسط انسان و AI Agent ها اتخاذ خواهد شد و تا سال ۲۰۴۰ پیش‌بینی می‌شود که مدل‌های تصمیم‌یار (Decision Support System – DSS) مبتنی بر هوش مصنوعی نقش محوری در مدیریت ناوگان ، برنامه‌ریزی ظرفیت فرودگاهی و مدیریت بحران‌های جهانی ایفا کنند . این چشم‌انداز تنها در صورتی محقق خواهد شد که صنعت، گام‌های موازی در سه بعد فناوری ، مقررات و آموزش نیروی انسانی را به‌طور هم‌زمان بردارد .

منتظر حضور شما در پیج اینستاگرام iranway هستیم