接棒“中國機長”，AI的航空英雄夢還需要什麼？_風聞

“四川8633，成都叫你”

“四川8633，成都在叫你”

……

想必不少同學都在假期看過了這部《中國機長》，併為這些呼喚之後長久的沉默而心驚肉跳。至少我本人看完後，當天登機的腳步都慫了起來，並默默買了一份意外險。

安全，是民用航空領域的第一準則，也是選擇飛機與航司的首要標準。一個事故率高的航司，無論其食物多麼美味、空乘多麼美貌，恐怕我們都會在心裏默默打上一個叉。

而關於AI航空航天的應用，我們已經有過很多討論。AI上可帶宇航員遨遊太空，下可為無人機飛行運輸保駕護航。與之相比，不怎麼黑科技、又不夠曠遠神秘的民用航空，到底是如何利用AI讓全球數百萬人每天往返於天際之間的呢？

當AI遇上飛行：商用飛機的安全“副機長”

今天，當我們走進機場，已經能看到百花齊放的智能化應用了，比如導航機器人、人臉識別安檢、智能語音播報、自助行李託運等等。甚至乘客能提前在各種航空App上了解某趟航班的延誤幾率，都是依靠人工智能整合數據資源來實現預測的。

除此之外，一些大型航司如美聯航，也早就從2014年開始，就利用機器學習決策引擎向用户開放優先值機、座位升級等個性化服務。

被眾多產業奉若救命稻草的AI，在航空業中早已是潛移默化、潤物無聲的存在。就拿商用航空最為關注的安全問題來説，關於AI技術的 應用研究就一直沒有停止過。

在商業航空服務AI化的過程中，核心角色並不是與客户交互最多的航空公司。而是機場、飛機制造商這樣的硬核角色。不同於航司那些接地氣的創意創新，AI在航空安全上發揮的價值距離大眾感知就有點遠了。

比如飛機巡航的自動化系統。早在AI社會化普及以前，自動化系統就是商用航空多年的鑽研對象，利用各種機動增強系統、傳感器系統來自動調整飛機的控制面和輔助飛行，已經十分成熟。正如空客副總裁 AI Adam Bonnifield所説，“由於我們的行業背景，以及過去在解決自主化系統問題上積累的經驗，我們對這些技術（AI）並不陌生。”

波音、空客等飛機制造商就利用人工智能進一步提升無人駕駛的能力，減少需要人類飛行員操作的時間。空客空客推出的雙發寬體飛機A350XWB擁有約5萬個傳感器，每天收集的飛行和性能數據總計超過2.5TB，藉助相關模型進行信息分析，就可以使機組人員投入更多時間來處理整體戰略，根據飛行條件在必要時對飛機操縱特性進行控制，減少飛行員的認知疲勞從而提升安全性。

舉個例子，飛機的跑道超限保護ROPS會自動計算飛機進近速度和重量，將算法模型與公佈的跑道長度和當地天氣進行比較，計算最佳的下滑道或軌跡，如果出現不安全的情況，系統會自動廣播，讓飛行員可以更快地做出決策。

當然，安全問題最好的解決方式就是君子以思患而豫防之，思則有備，有備則無患。要知道，在諸多造成飛機失事的原因中，機械故障的佔比超過了20%，其中還不包括地面維修人員的失誤。而這一切在引入AI系統後，能夠在很大程度上得到改善。

比如傳統訓練飛行員體系只能仿真幾十種典型故障，而通過AI對飛機上所有系統軟硬件實現智能化，讓包括制動器、發電機、閥門、發動機以及航空電子設備在內的設備實現自動檢測和主動報警，讓航空公司及時掌握並制定飛機維護策略，對飛行安全、飛機性能和壽命等進行更好的追蹤預防，實現高效維修。

位於硅谷的 NASA 艾姆斯研究中心就開發除了相應的算法，用於檢測飛機的異常情況和事故前兆的識別，藉此發現飛行數據中的異常模式。

AI成為一名隱形的“安全副機長”，或許將在不久後成為現實。

除了對飛機本身的強化改造之外，機場的升級也跟AI脱不了關係。

根據《國際航空電訊協會》研究內容，有45%的機場計劃在未來五年內投入AI研發。我們看到的Chatbot應用、人臉自助查驗，自動行李搬運車和行李機器人，也已經在海牙鹿特丹機場試驗中。

而在諸多與安全息息相關的機場服務當中，最不能忽視的是智能調度。

2016年上海虹橋機場的塔台管制失誤，就險些導致飛機相撞的慘劇。塔台管制員的工作強度與信息負荷過大，飛機起飛降落過程的複雜程度也很高，加上不穩定的機場氣象環境影響，航道流量發生擁堵，一旦突然插入無預先計劃的飛機，造成混亂、撞機等都是極大的安全風險。這就需要將人工智能系統嵌入機場空管總調度體系，通過深度學習技術進行識別、預測，精確計算流量，幫助管制人員實現高效調度。

如今國內大中城市的許多機場都引入了航空大腦、智慧民航等智能化建設，通過AI方法來運籌優化停機位，保障龐大客流的安全中轉。

無法被AI的空中之旅

如果説機場和飛機，是在乘客難以感知的地方在“被AI”着，那麼飛行過程中人類機組人員的不可替代性，則是讓人感覺到航空業AI進展緩慢的另一個原因。

不難發現，無論是Chatbot機器人，還是各種智能算法應用，都只能在地面上發生，即使是高度自動化的飛機巡航系統，也必須有一位甚至多位機長坐鎮。原因或許是，空中的容錯率實在太低了。

一方面，空中服務和決策要求高度即時性和靈活性，AI空乘還難以應對這樣的高難度任務。

2015年，“微軟小冰”這個語音助手曾經登上了東方航空公司的飛機，通過社交平台在高空中與他人對話，“代替”空姐回答乘客問題。然而，儘管“微軟小冰”學習了中國近7億網民多年來積累的、精煉為2000萬條真實而有趣的語料庫，但想要在空中處理特殊情況，且不説在故障情況下安撫百位乘客的恐慌情緒，恐怕機器人連哄一個哭鬧中的小嬰兒，表現都未必能有人類空乘強。

另外，航空事故很少是因單一錯誤而引發的，誘因通常比較複雜，將控制權交給自主系統的風險是很大的。因此，機器學習只能承擔部分飛行員的角色。

此前瑞典就曾發生過一架飛機在空中保持自動駕駛狀態不停盤旋，所有乘客和副駕駛都昏迷後只能等待燃油耗盡墜機的“幽靈航班”。第一次波音 737-MAX8 客機墜毀，也是因為飛機自動駕駛系統不斷將機頭降低，而飛行員則人工操作不斷嘗試將機頭抬起，最終沒能成功糾偏，導致飛機失事……

總而言之，空域情況的複雜判斷與調度，人工智能算法還遠達不到人類級別的精準操作。

那麼，只讓AI做點輔助工作行不行呢？

我們知道，空中交通管制（Air Traffic Control，ATC）通信對所有航班來説，都很關鍵。但是許多對話都帶有濃重口音，飛行員之間和管制員很難相互理解，能否利用已經相對成熟的NLP語音翻譯技術實現辨識呢？

至少目前來説，讓AI讀懂空中交通對話，依然是一件難度很高的任務。因為駕駛艙內的空中廣播甚至手機對話環境十分嘈雜，會話還很快，又充滿了特定領域詞彙，一些語料不足的方言或口音，機器也並不能夠清晰地識別出來。我們很難想象，萬一8633在空中聽不懂那一聲聲“成都叫你”的呼喚，將會發生什麼……

目前，為了解決這一問題，空客已經在AI Gym 競賽中不斷尋求解決方案，但就當前進度來看，語音輔助還處於不成熟的探索階段，看來還是人類機長的耳朵更好使一點。

當然，還有一種情況，是明明能AI，但偏偏不AI。

隨着商用航空大量引入人工智能，大量用户的數據也會面臨機密性的風險。此前阿聯酋航空就曾向第三方服務商泄露了姓名，電子郵件，行程，電話號碼甚至護照號碼等客户詳細信息，拿到這些隱私數據的企業包括Boxever， Facebook和Google等。

而大多數航司和機場都推出了基於計算機視覺的重重服務，人臉識別等設備的部署，隱私安全法規政策的含糊不清，或許推遲非關鍵領域的AI落地並不是一件壞事。

在電影的最後，管理中心的負責人仰望藍天，他説，此時此刻，在藍天上有50萬人在飛翔。而我們所能看見的，飛行，依舊是一個專業人員與自然風險的勇敢博弈遊戲。當然，AI的無聲浸潤，正在讓一切充滿新的變數。