『看航空』EASA人工智能路线图分析与启示建议( 二 )


网络安全:有了人工智能 , 系统提高了效率 , 但也可能包含新的网络攻击漏洞 。 需要更好地理解这些新型漏洞 , 定义特定的安全控制 。 利用人工智能进行网络攻击 , 绕过传统的基于规则的检测系统 , 最终使网络攻击具有自适应性和自主性 , 提高威胁的效率 。 从防御角度 , 应考虑在反制措施和安全控制中引入人工智能的必要 , 以提高其有效性 。 自动检测和修补系统的漏洞 , 也可以根据行为识别威胁 , 而不是基于规则进行检测 。
环境:轨迹优化是人工智能减少碳排放的一个案例 。 此外 , 人工智能可以用于评估航空对环境的影响 。 基于全球天气数据、飞行数据记录器信息、全球雷达飞行轨迹数据等 , 可以开发机器学习算法来评估几乎任何飞行的燃料消耗 。 能够以更有效和不断改进的方式进行其影响评估 。
欧盟法规:在飞机设计领域 , 目前的规则第21部和认证规范已经为引入AI/ML解决方案创建了开放的框架 。 在运行、维护、空管、机场领域 , 现行法规为人工智能/多用途飞机的使用提供了一个开放的框架 , 需要适应人工智能/多用途飞机的具体应用 。 应注意的是 , 最新修订的《EASA基本规则》(欧盟2018/1139)应促进法规的调整 , 使EASA能够更好地支持创新的发展 。 考虑到AI/ML解决方案在上述所有领域中的潜在应用 , EASA将定义一个可适用于任何领域相关法规的通用策略 , 而不是发布特定领域的指南 。
3.人工智能的可信度
为了评估人工智能/人工智能应用程序是否符合欧盟道德原则 , 需要制定人工智能可信度综合分析的具体指南 。 指南应包括欧盟道德准则的问责制、技术稳健性和安全性、监督、隐私和数据管理、不歧视和公平、透明度、社会和环境福祉七个方面 , 并针对每一个方面 , 提供申请人在其产品或设计中使用AI/ML应用程序时考虑的基本方面的调查 。
“监督”准则设想了三种主要场景:人在回路中(HITL)、人在回路上(HOTL)和人在控制(HIC) 。 在航空领域提出一个三层的AI/ML应用分类:第一级机器辅助人 , 分为常规辅助和加强辅助;第二级人机协作 , 包括人执行功能机器监督或机器执行功能人监督;第三级机器自主 , 运营阶段无人参与 , 人只参与设计和监督阶段 。 以自主飞行为例:1级人工智能/ML将集中于协助和增加机组人员等应用 , 以完成从飞行准备到飞行执行等任务 。 2级AI/ML将包括加强人/机协作 , 机组人员全权负责飞行/监控 , 机器在人类的监督下自动执行一些步骤与功能 。 3级人不在操作循环中 , 但仍然在设计和监督循环中 。 更进一步 , 主要由机器进行设计和监督 , 人负责监督 。 通过这样的分类 , 推进人工智能/ML应用方法研究 , 加强引导 。
4.EASA人工智能的路线图(见图1、图2)
对我国人工智能航空应用
发展的启示与建议
1.路线图反映欧洲航空安全局对民用航空领域人工智能技术发展应用的判断
『看航空』EASA人工智能路线图分析与启示建议
文章图片
图1整体路线图
人工智能必将在广阔范围内 , 深入地影响航空业的发展 , 并且像信息技术一样 , 会发生多层次序列性变革 , 发展趋势具有很强的确定性 。 阿尔法狗是人工智能技术的发展标识 , 到如今EASA人工智能路线图在“收到第一份申请”后的发布 , 表明航空人工智能应用已经处于技术快速发展期 , 应用项目蓄势待发 , 即将全面进入旨在形成人工智能航空产品的研发阶段 。
在技术上 , 从封闭式的自动化的按程序执行发展到灵活的人机交互再发展到将数据、情境、推理纳入其中的机器学习 , 在技术逐步升级 , 自适应的智能一步步进化的经验基础上 , EASA的路线图给出了非常明确的机器学习方向的发展建议 。
航空作为高技术产业 , 处于人工智能应用的前沿符合人们的预期 , 但在航空领域的严苛的安全性要求使人工智能可信度成为不可忽视的应用障碍 , 航空必将成为解决这个障碍的先驱和主力 , 正面面对和重视并采取切实措施是唯一对策 。