هوش مصنوعی ۸۷۵ میلیون دلاری برای باز کردن گره آسمان آمریکا
مدیریت آسمان شلوغ آمریکا هنوز به سامانههایی تکیه دارد که بخشی از آنها دههها عمر کردهاند و همزمان با کمبود کنترلکننده ترافیک هوایی دستوپنجه نرم میکند. اداره هوانوردی فدرال آمریکا، FAA، برای حل بخشی از این گره سراغ قراردادی ۸۷۵ میلیون دلاری رفته است. برنامه تازه SMART نام دارد و قرار است با تحلیل برنامه پروازها، آبوهوا، ظرفیت فرودگاه، وضعیت فضای هوایی و محدودیتهای عملیاتی، ازدحام و تعارض احتمالی را پیش از آنکه به بحران بدل شود شناسایی کند.
SMART کوتاهشده عبارت «مدیریت راهبردی فضای هوایی، مسیرها و خط سیرها» است. شرکت Air Space Intelligence این بستر ابری را توسعه داده و قرارداد آن در یک دوره ۱۲ ساله اجرا میشود. نخستین استقرار در منطقه کلانشهری واشنگتن انجام خواهد شد و پس از ارزیابی، سامانه به بخشهای دیگر گسترش مییابد. این ترتیب مرحلهای مهم است، زیرا نرمافزاری که با جریان پروازهای واقعی سروکار دارد، نمیتواند مانند یک برنامه معمولی با بهروزرسانی ناگهانی و آزمون روی کاربران عرضه شود.
هوش مصنوعی قرار نیست پشت میکروفن بنشیند
عنوانهای کوتاه ممکن است این تصور را بسازند که الگوریتم جای کنترلکننده را میگیرد، اما نقش اعلامشده SMART کمک به تصمیمگیری و مدیریت جریان است. کنترلکننده انسانی همچنان مسئول جداسازی هواپیماها و صدور دستور خواهد بود. نرمافزار باید تصویر بزرگتری از شبکه ارائه دهد: اگر طوفان مسیر اصلی را ببندد، فرودگاهی از ظرفیت عقب بماند یا موجی از پروازها همزمان به یک نقطه برسند، گزینههای تغییر مسیر را زودتر نشان دهد. ارزش سامانه در خریدن زمان برای تصمیم انسانی است.
مدیریت ترافیک هوایی مسئلهای پیوسته و چندمتغیره است. تأخیر یک پرواز میتواند جای پارک هواپیما، نوبت خدمه، اتصال مسافر و برنامه فرودگاه بعدی را تغییر دهد. تصمیم محلی که در یک مرکز درست به نظر میرسد، ممکن است چند ساعت بعد گلوگاهی در ایالت دیگر بسازد. الگوریتم میتواند هزاران مسیر و محدودیت را همزمان بسنجد و پیامدهای زنجیرهای را تخمین بزند؛ کاری که انجام دستی آن در زمان محدود دشوار است.
اما «پیشبینی» با «حقیقت» فرق دارد. داده آبوهوا خطا دارد، برنامه شرکت هواپیمایی تغییر میکند و رخداد فنی ناگهانی قابل پیشبینی نیست. سامانه خوب باید میزان اطمینان خود را نشان دهد و چند سناریو پیشنهاد کند، نه اینکه یک پاسخ قطعی را به اپراتور تحمیل کند. اگر رابط کاربری فقط عدد یا مسیر نهایی را نمایش دهد، کنترلکننده ممکن است دلیل پیشنهاد را نبیند و در وضعیت استثنایی نتواند آن را بهدرستی رد کند.
کمبود نیروی انسانی با نرمافزار ناپدید نمیشود
FAA سالهاست با کمبود کنترلکننده در بخشهایی از کشور روبهرو است. آموزش این نیروها زمانبر است و شغل به تمرکز طولانی، کار شیفتی و تحمل فشار بالا نیاز دارد. دولت در سال جاری برنامه استخدامی تازهای را برای جبران عقبماندگی اعلام کرده، اما تربیت نیروی ماهر یکشبه انجام نمیشود. SMART میتواند بار تحلیل و هماهنگی را کاهش دهد، ولی نمیتواند جای صندلیهای خالی برج و مرکز کنترل را فوراً پر کند.
خطر مدیریتی زمانی شکل میگیرد که فناوری بهانهای برای عقب انداختن استخدام یا نوسازی تجهیزات پایه شود. اگر رادار، ارتباط صوتی یا شبکه انتقال داده قدیمی باشد، بهترین مدل پیشبینی نیز ورودی ناقص میگیرد. پروژه هوش مصنوعی باید یکی از اجزای برنامه بازسازی باشد، نه پوششی براق روی زیرساخت فرسوده. موفقیت آن با تعداد نمودارهای تولیدشده سنجیده نمیشود؛ معیار واقعی کاهش تأخیر، افزایش تابآوری و جلوگیری از نزدیکشدن خطرناک پروازهاست.
بستر ابری امکان جمعآوری داده از مراکز متعدد و بهروزرسانی سریعتر را میدهد، اما الزامات امنیت و دسترسپذیری را نیز سنگین میکند. سامانه کنترل هوایی باید در زمان قطع یک مرکز داده یا ارتباط شبکه، حالت جایگزین روشن داشته باشد. حمله سایبری، داده آلوده یا خطای نرمافزاری نباید بتواند تصویر مشترک کشور را مختل کند. جداسازی شبکهها، ثبت کامل تصمیمها و آزمایش بازیابی به همان اندازه دقت مدل اهمیت دارند.
قرارداد بزرگ، پرسشهای بزرگ
۸۷۵ میلیون دلار در ۱۲ سال فقط هزینه خرید یک مدل نیست. چنین قراردادهایی معمولاً توسعه، یکپارچهسازی با سامانههای موجود، پشتیبانی، آموزش، زیرساخت ابری و نگهداری بلندمدت را دربر میگیرند. با این حال، رقم بزرگ نیاز به شفافیت دارد: چه شاخصهایی برای هر مرحله تعیین شده، مالک داده و نرمافزار نهایی چه کسی است و اگر پیمانکار به هدف نرسد چه راه خروجی وجود دارد؟ وابستگی بلندمدت به یک فروشنده میتواند تغییر آینده را پرهزینه کند.
برای ارزیابی الگوریتم نیز تاریخچه پروازها کافی نیست. الگوهای گذشته شرایط آینده را کامل نمایندگی نمیکنند؛ تغییر اقلیم رخدادهای آبوهوایی را جابهجا میکند، ناوگان و مسیرها تغییر میکنند و رویدادهای بزرگ رفتار سفر را عوض میکنند. مدل باید در برابر داده تازه بازآموزی شود، اما هر نسخه تازه پیش از ورود به عملیات نیاز به آزمون دارد. در حوزه ایمنی، بهروزرسانی سریع بدون اعتبارسنجی میتواند از عقبماندگی مدل خطرناکتر باشد.
قابلیت توضیح برای اعتماد کارکنان ضروری است. کنترلکنندهای که سالها تجربه دارد، باید بداند چرا سیستم پیشنهاد داده دهها پرواز از مسیری طولانیتر عبور کنند. نمایش طوفان پیشبینیشده، محدودیت ظرفیت و تأثیر گزینههای مختلف، همکاری انسان و ماشین را ممکن میکند. اگر الگوریتم جعبه سیاه باشد، دو واکنش نامطلوب رخ میدهد: یا اپراتور بیچونوچرا آن را میپذیرد، یا پس از چند هشدار نادرست بهطور کامل نادیدهاش میگیرد.
استقرار اولیه در واشنگتن فرصتی برای سنجش در محیطی پیچیده است. این منطقه چند فرودگاه مهم، مسیرهای پرتردد و محدودیتهای ویژه فضای هوایی دارد. در عین حال، هر بهبود یا مشکل بهسرعت دیده میشود. FAA باید نتایج دوره آزمایشی را با داده قابل فهم منتشر کند: چند تعارض زودتر تشخیص داده شد، میزان تأخیر چگونه تغییر کرد و چند پیشنهاد سامانه توسط انسان رد شد. مقایسه باید روزهای عادی، طوفانی و دورههای اوج سفر را جدا کند؛ میانگین کلی ممکن است شکست سامانه در سختترین ساعات را پنهان سازد. بدون چنین گزارشهایی، تشخیص موفقیت از تبلیغ دشوار است.
هوش مصنوعی میتواند شبکه هوایی را پیشبینانهتر کند، اما ایمنی هوانوردی با یک خرید بزرگ تضمین نمیشود. این صنعت به دلیل لایههای کنترل، آموزش و بررسی خطا قابل اعتماد شده است. SMART زمانی مفید خواهد بود که به همین فرهنگ سختگیرانه وارد شود: توصیه بدهد، دلیل نشان دهد، شکستپذیر طراحی شود و انسان راه نهایی را در دست داشته باشد. قرارداد ۸۷۵ میلیون دلاری آغاز یک آزمون دوازدهساله است، نه اعلام حل شدن مشکل ترافیک آسمان.
منبع: TechCrunch
