Отрицать искусственный интеллект (ИИ) прекратили даже современные луддиты из-за его широчайшей применяемости в различных сферах жизни и возможности быстро и эффективно решать интеллектуальные задачи. Невольно вспоминается строчка из советского детского фильма: «Позабыты хлопоты, остановлен бег, вкалывают роботы, а не человек…». Так, НТЦ «ВНИИРА» Обуховского завода успешно применяет в работе нейросети, развернутые на собственном оборудовании, и еще больше экспериментирует в этом плане в поисках наилучшего результата.
Реализован пилотный проект семантического поиска по нормативным документам, где идет поиск не по ключевым словам, а по смыслу. Отлично помогает в ситуациях, когда помнишь только основную мысль документа, но если искать «как помнишь», то привычный поиск по ключевым словам выдает малосвязный результат.
Еще одно применение – встраивание ИИ в станции наблюдения (РЛС). Оператор-человек визуально распознает движущийся объект и отмечает его, нейронная сеть сопоставляет графические и радиолокационные данные, постепенно обучается и через время определяет новые цели уже самостоятельно. Ровно так же правится поведение, приводящее к ложным срабатываниям и ошибкам распознавания. Этот накопленный опыт может быть автоматически распространен между другими объектами установки, что сильно повышает эффективность всей системы.
Сотрудники НТЦ «ВНИИРА» находятся в постоянном поиске использования ИИ для управления воздушным движением и планирования использования воздушного пространства. В этой сфере каждая ошибка диспетчера, задержка или просто неэффективность в планировании полетов почти автоматически приводит к сорванному расписанию рейсов, тоннам зря сожженного авиакеросина и даже к авиационным инцидентам.
Сегодня прорабатываются направления исследований в сфере ИИ, которые применяются в мире и имеют широкие перспективы внедрения в практике ВНИИРА:
- Координатор совместного принятия решений (CDM). Многоагентская система для мгновенной оценки компромиссных решений между авиакомпаниями, аэропортами и УВД (обмен слотами, перенос рейсов).
Эффективность этого подхода уже доказана на практике. В ходе эксперимента по внедрению ИИ в систему управления воздушным движением в Московском районе полетной информации показатель задержки вылетов снизился в 1,66 раза по сравнению с классическим алгоритмом слотирования. АО «Концерн ВКО «Алмаз-Антей» подтвердил перспективность применения нейронных сетей как инструмента поддержки принятия решений для задач организации потоков воздушного движения. - NLP-анализ авиационных бюллетеней NOTAM/SIGMET, когда модели обработки естественного языка автоматически извлекают критическую информацию из текстовых уведомлений (телеграммы по сети AFTN до сих пор являются основным каналом обмена информацией между участниками воздушного движения). Диспетчер, получающий сотни таких уведомлений в смену, физически не может обработать их все с одинаковым вниманием. Искусственный интеллект берет на себя фильтрацию и структурирование и выдает человеку только то, что действительно имеет значение. Сокращение времени ручного анализа напрямую конвертируется в сокращение задержек и экономию топлива для авиакомпаний.
- ИИ-ассистент автоматического составления и проверки планов полетов (FPL). Графовая нейросеть и комбинаторная оптимизация формируют оптимальный план полета (маршрут, эшелон, топливо, альтернативы) с учетом всех действующих ограничений (NOTAM, погода, зоны ограничений), автоматически проверяя его на соответствие правилам ICAO/EASA и корректируя ошибки.
В Европе уже разрабатываются полностью автономные ИИ-решения для оценки и утверждения планов полетов. Вместо того чтобы диспетчер вручную сверял план полета с десятками источников – погодные сводки, NOTAM, графики загрузки аэропортов, ограничения воздушного пространства, – ИИ делает это за секунды и выдает готовое, проверенное решение. Применение – вопрос ближайших лет.
Все это, конечно, не отменяет человека. Как справедливо отмечают разработчики систем «доверенного ИИ» в авиации, даже самый совершенный алгоритм бесполезен, если оператор ему не доверяет. Именно поэтому современные подходы делают ставку на прозрачные ИИ-системы, которые не просто выдают решение, но и объясняют, как к нему пришли.
То, что уже сделано – только начальные этапы. В планах использовать ИИ для производственного контроля, предиктивного обслуживания оборудования и оптимизации загрузки мощностей. Эти задачи решаемы, но требуют последовательной проработки и оценки экономической целесообразности.
Да, роботы действительно готовы вкалывать. Но чтобы они делали это с толком, предстоит их правильно настроить и обучить.