|
AI并非新鲜事物，其作为一门学科确立的历史可以追溯至1956年的达特茅斯会议。而近年AI作为互联网后资本最青睐的高科技方向，多个赛道都被投下巨额资本。AI技术与大数据技术、3D打印技术等新兴技术的有机结合，更是对航空航天产业也带来了巨大的冲击。 2006年AI泰斗50年再聚首，居中的是著名的认知科学家Marvin Minsky，来自Forbes AI的优势与局限 AI可粗分为两大流派：逻辑型和神经网络型（也有人称其为分析型AI）。 逻辑型AI，属于人脑思考逻辑的程序化。可以追溯至17世纪伟大的莱布尼茨“人类所有逻辑思维可以归结为机械运算”的思想。在AI早期占据主流。代表性的研究是使用“语义学”识别分析自然语言。 莱布尼茨（Gottfried Leibnitz）的签名 神经网络型AI是基于统计预测关联性，即用统计学原理来分析处理大量数据，然后根据数据趋势来推断下一步。 计算机科学视角下的AI，图片来自《人工智能简史》 目前分析型AI占据主流的原因，在于传感器和计算机技术的突破发展，使人类从数据获取、存储到计算能力都在以指数级增长。然而，其优缺点同样突出。 优点：可在未掌握在规律和机理的前提下，对事物的发展做出预测，其准确度与输入的数据量呈正相关关系。例如航空领域里的故障预测。 缺点：最大的缺点是“黑箱”。一切需要精确判断的场合都无法使用，因为它的预测精度未知且没有逻辑，中间过程处于“黑箱”中不可控，因此目前的AI技术在航空里的应用，特别是在与人命安全相关领域有着显而易见的局限性，与可验证可追溯的理念不符。同时，也依赖大量数据的输入、算法的优化以及初始参数的设置。它难以应用在完全未知的领域（如无法定义评价函数等难题）。 数据是AI的燃料，目前产业中的数据化程度已越来越高，例如RFID（射频识别 ）标签已开始应用在航空维修领域，我们在飞机的设备或零件上安装RFID标签就可以完整记录下维护记录，从而人们能够快速读取关键部件的检查和维修记录，经常被提及的是氧气瓶的检修记录，时间从几个小时缩减到几分钟。 除了简化检查和维护操作外，标签还提供了终身维护记录和飞行历史，因而零件能够定期更换，此举提高了安全性，并消除了手动追踪程序中的时间和差错。 日本富士通（Fujitsu）的RFID技术已被空客采用 数据分为结构化和非结构化数据，结构化数据只占企业数据的20%，其他80%的企业数据都是非结构化数据。先进传感器技术等物联网装备的逐渐普及也使非结构化数据的不断结构化，推进了AI的进一步应用。 下面结合几个应用领域的案例，粗浅谈谈AI在产业中的应用。 1.航空维修智能化 飞机定检与维修通常是根据时间间隔执行的，而意外的故障可能导致不必要的停飞时间，带来众多AOG类需求。近半数业内人士认为解决意外故障维修问题是提高效率的关键途径，航空公司越来越多地寻求AI技术来进行预测性的维修。这恰恰是神经网络AI最擅长的领域。 AI技术根据广泛分布的传感器上传的数据进行分析，可以实时识别和报告潜在故障，并预测最合适的维修时间，从而创建更智能的维修计划。像空客公司已经开始采用这种方案来预测各流程中的变化趋势。 空客最近还与帕兰蒂尔技术公司(Palantir Technologies)合作推出了其Skywise平台，该平台通过分析数据来预测飞机技术问题。这项技术受到对成本敏感、而又相对缺乏维修资源的低成本航空公司（LCC）的青睐。例如，根据航空公司英国易捷航空（EasyJet）已经使用了该平台，并减少了意外维护导致的延误。据报道，Skywise已经帮助预测了其机队的31次技术故障，使原本会被中断的航班按计划运行。 春秋航空与空客签约Skywise，来自春秋航空官网 今年2月，春秋航空与空客签约，成为国内首家使用Skywise大数据平台的企业。 2.更高的燃油效率 提高燃油效率对航空公司极其重要，因为飞机燃油消耗是最主要的可变成本，微小改善会对利润和碳排放产生巨大的影响。在这方面，AI也可以帮助优化燃油消耗。例如，法国安全线公司(Safety Line)开发了一种工具，可以在每次飞行前优化飞行员的爬升曲线。由于飞机在爬升阶段耗油率最高，因此优化这一阶段可以节省大量的燃料。法国航空公司Austral已经实施了安全线的解决方案，预计在爬升阶段可以节省高达6%的燃油，每年可为每架飞机节省高达50,000欧元的燃油费。 3. AI+VR助力飞行员培训 人工智能可以用来改进飞行员的训练。AI模拟器与虚拟现实VR系统相结合，可以为飞行员提供更真实的模拟体验。AI模拟器还可以用来收集和分析训练数据，如飞行员的个人特征，以根据学员的表现及习惯创建个性化的训练模式。 图片出自洛克希德·马丁 上图为佛罗里达州埃格林空军基地的飞行员使用完整的任务模拟器（AI+VR）作为他们F-35训练的一部分。模拟器准确地复制所有传感器和武器，以提供逼真的任务排练和训练环境。 人工智能的下一个重要用途是在飞行中帮助飞行员。驾驶舱内的AI解决方案可以实时优化飞行路线，如有必要，可以评估和提示燃油、系统状态、天气状况和其他关键参数。未来，飞机可以配备由计算机视觉算法驱动的智能摄像机，扩大飞行员的视野，从而为他们的安全飞行保驾护航。 4.遗传算法与创新产品设计 遗传算法（GA）的应用，航空航天是领先的。例如，零部件减重一直是航空航天工业追求的目标。GE很早就将其用于部分自动化设计；洛斯阿拉莫斯国家实验室用GA分析卫星图像；GA算法很有效的解决了航空设计的需求和约束中，创建复杂的产品设计，可以让工程师在更短的时间内探索多种选择，以找到最佳设计。这种方法对于开发集成更多功能的新产品至关重要。 知名遗传算法专家Jason Lohn曾评价：“遗传算法是探索设计死角的伟大工具。”
国内案例，来自《兵器装备工程学报》官方网站 而与3D打印技术的结合，更是如虎添翼，可以高效实现过去无法想象的设计（GE航空称为“解锁”了很多设计）。 5.更优质的客户服务
AI有众多的途径来改善客户服务。智能聊天机器人就是一个很明显的例子，它是个基于AI的数字工具，可以实时、人性化地回答客户的询问。根据SITA进行的一项调查显示，14%的航空公司和9%的机场已经使用聊天机器人，68%的航空公司计划引入人工智能驱动的聊天机器人。
北京大兴机场的服务机器人 AI机器人可根据丰富的数据感知，为客户提供量身定制的旅行计划、航班信息、服务流程等。有远见的航空公司已经朝着这个未来迈进，阿联酋航空在2017年底进行了一项为期30天的测试，将在线广告植入AI机器人，跟踪调查后发现AI机器人广告与标准展示广告相比，与消费者的互动率提高了87％！ 航空产业领域已有许多人工智能的应用，但这项技术仍处于起步阶段。尤其在制造领域，相对设计、运营与服务应用相对较少。主要原因是“数据不够大”的尴尬（批量小，离散性强，自动化相对低）。与之相比，汽车产业的先进企业中，AI技术至少在10余年前就已经应用在了生产线布局（例如仿真和迭代等）和质量管理（例如SPC中的多向量分析等）的多个环节中。相信未来制造与供应链技术的AI应用将是一个热点。
由于航空产业对安全性的极高要求和特殊的政策法规，每项引入航空界的新技术必须经过谨慎且昂贵的验证/认证过程。由于人工智能系统自我迭代的特性，人们还需要开发新的、更有效的验证过程，以帮助实现人工智能更深入的开发航空航天业的全部潜力。如果以狭义AI的角度讲，笔者个人认为，神经网络的“黑箱”特性与航空安全不相容。将来进入航空飞行控制等核心领域的AI必将是逻辑型的，或者由逻辑型AI掌握最终开关的神经网络辅助系统。 |
|
|
