近來頻發的航空事故和緊急事件凸顯了采取更先進安全措施的必要性，人工智能能否成為降低人因風險和提高空中安全的關鍵？當前，人工智能在提高飛行技術、機務維護、導航設備監控等方面投入應用，在風險監測、效率優化、輔助決策和人機交互等領域提供有力支撐。然而，“人工智能能否取代民航飛行員”始終是需要回答的核心關切，人工智能引入駕駛艙后能否保證運行的安全性和穩定性？客機的算力能否支撐人工智能在駕駛艙的大范圍應用？遭遇“黑天鵝”事件時人工智能能否勝任應急處置？在找到答案之前，人機競合或能幫助民航業實現更高安全、更優效率發展。 人工智能路線圖 民航領域，一些民航國際組織提出了人工智能路線圖，其中比較典型路線有三種：
歐洲航空局提出《人工智能路線圖2.0》，有三項比較大的分類：1.L1，人類輔助增強，路線圖約定在2025年就完成相應的實驗以及試點工作；2.L2級，人機協同合作，預計在2030年可以完成相應的試點和實驗工作；3.L3，高級自主飛行功能，預計在2035~2050年完成相應實驗和試點工作。其中L3尤其是L3B，真正意義上的無人飛行，但是有比較明顯的一點是，歐洲提出的路線圖計劃明顯滯后于它的計劃本身，現在來看，它只能達到L1甚至L0.5的水平。 美國FAA在2024年也提出了人工智能路線圖計劃，但是它的路線圖相對更為保守，完全沒有提及人工智能在飛行中尤其是替代飛行員的應用。
中國民航局于2022年1月發布了《智慧民航建設路線圖》，其中提出以“智慧出行、智慧空管、智慧機場、智慧監管”為核心抓手的重點工作。但是歐洲路線圖相對來說最為激進，更多把重心放在工作計劃預想上，而我國正在布局的低空經濟和無人機經濟，明顯可以看出我國走的是一條無人機、低空經濟、空航向貨運、運輸航空路線比較明確的發展方向。 從以上三條路線來講，我國智慧民航的路線可能是最為穩定和穩健的。
2024年4月7日，中國民用航空局中南地區管理局向廣州億航無人機制造企業頒發了全球首張載人無人機生產許可證，這也是電動垂直起降飛行器首次在行業內獲得的生產許可證，也象征著路線圖中第一步，即由無人機作為引導和開端向有人機包括貨運乃至客運過渡的第一個里程碑。 人工智能在民航多領域的應用現狀 人工智在民航多領域都進行了廣泛的應用：
在飛行技術方面，QAR（快速記錄器）提取的飛行數據，通過對超限事件，包括各類不安全事件，對飛行員人群進行畫像分類，制定相應的訓練措施，幫助飛行員提高飛行技能。 在機務維修方面，借助各類飛行和機載數據庫、機載獲取的數據，對飛機的相關性、故障率、可靠性進行定量和定性分析，挖掘可能潛在的故障。 對導航設施和完好性的監控。通過反向挖掘飛機的運行參數、航班運行情況，可以得知導航臺包括導航數據庫、GPS的穩定性情況。
我國在安全管理和風險監測方面廣泛使用了各類大數據以及人工智能的各類算法、應用和模型，通過挖掘SMS信息報送問題中的自然語言的關鍵詞、關鍵字以及關鍵字段，局方監管的FSOP、ESMS以及危險品運輸等各個方面的安全信息數據平臺，獲得了大量的安全數據。數據、算法和算力是人工智能不可或缺的三大要素，通過數據的獲取，至少走完了人工智能在民航推廣的第一步。 運行效率優化，對航空器數據分析可以有效提高我國在空域劃分、航線規劃以及進離港和機坪優化，包括后續推進設計和改進的有力支持。 為航空公司包括各個監管局以及控制大廳做輔助決策，可以提供精確的數據指導。 便捷地提供了飛行員的人機交互，最早有紙質手冊、紙質航圖和紙質資料查閱，每次航班運行可能都要攜帶上百頁資料，在這些資料中可能隱藏相對有用或無用的信息，原來都由機組對這些信息進行人工識讀和篩選，現在人工智能相關應用和模型，直接把這些信息推送到飛機的機載設備包括飛行員使用的平板電腦中，有效提升他們的飛行勝任力水平。
航科院現有的基站建設系統在全行業內包括全球范圍內，是首個實現了國家級收集全部運行航班飛行數據機構，也是首個完成了數據庫的建設。每天在全國上空差不多有13000架~18000架飛機在飛行，可以收集到150G~300G左右的數據量，每個航班能收集40萬條~50萬條左右數據，每秒可以收集到25M~40M數據，這個數據都是由航科院進行保管、分類和譯碼，通過大數據分析平臺可以有效提取CSV文件，類似于Excel表格形式，其中包含以毫秒為精度的數據總體規劃。數據可以通過各類分析工具提取出其中的不安全事件，向局方做智慧監管的有力支撐。此外，通過這些數據可以完成上一個頁面中八個大方向的應用，中國民航在這一點上可以說走在了世界前列。 應用方向
近兩年（注：演講時間為2024年9月21日）都發生過飛機在飛行過程中，空中遭遇顛簸導致旅客受傷乃至死亡的事件。上圖中綠點是飛機在飛行過程中獲取的飛行數據，反向推出當時的運行情況。綠點說明當時飛機比較平穩，如果出現輕度或中度顛簸的話，會以黃色、橙色乃至紅色做標注。飛機通過以后，可以向后續飛機包括空管、航空公司以及其他機組進行及時播報，讓他們有效進行規避，比如改變高度層、改變航行或封閉該空域、暫緩航班等措施，避免人員和旅客受傷的情況。
如上圖所示，飛機在運行過程中需要機組不斷進行操作、修正以及監控，在這個過程中，要嚴格按照標準操作程序來執行飛行任務，這個系統可以有效判別出飛機中每個使用設備情況，包括標準喊話、指令附送、程序執行情況，通過自然語言模型以及飛機上的各類傳感器進行統計分析，可以打出最后航班運行的標準情況和偏差率，一方面起到監管作用，另一方面對飛行程序進行改進和提升的過程。
如上圖所示，艙音駕駛艙數據以及飛行參數相結合的系統，可以直接通過視頻反饋飛機中每秒飛行情況、設備工作情況以及駕駛艙內語言情況，通過各類降噪算法，有效在嘈雜的駕駛艙環境中提取出所需信息，有效還原各類不安全事件中在駕駛艙中發生了什么。例如，坐飛機時感到落地非常重，有時可能是體感原因，另一方面確實有操作技術因素，我們可以進行有效修正和改進訓練，讓航班坐起來更為舒適和安全。 人工智能能否取代飛行員 人工智能在飛行過程中的挑戰，其中一個話題就是人工智能是否能替代民航飛行員？美國在相對復雜的空戰狀態下已經實現了人工智能駕駛戰斗機與人類飛行員進行對抗，甚至是大比例領先的情況。在相對四平八穩的民航飛行機上，是否能用人工智能代替民航飛行員呢？
民航跟人工智能相交最大的地方就是飛行自動化進程。如上圖所示，有四個階段： 第一階段是在“二戰”之前，飛機完全由人工進行駕駛，所有儀表都是由機械式或氣壓式等純機械結構； 第二階段是在“二戰”以后，進入噴氣時代以后，飛機上加裝了一些電子化包括電子管、晶體管在內的傳感器類最初階的自動化設備，自動駕駛在飛機上的應用已經有將近一百年的歷史了，在20世紀20年代，在飛機上就已經有了自動駕駛的雛形，通過齒輪結構、鋼索結構對飛機進行短時間的飛行狀態保持； 第三階段是在80年代左右，即空客320和波音737正式進入運營以來的第三階段，這里提出了玻璃駕駛艙，包括在駕駛桿后方有一個綜合的顯示儀表，通過機載的計算機，包括空客的電子式計算機和波音早期的半機械半電子式飛行計算機來將所有參數整合在同一個儀表上，供飛行員參考； 第四階段是在2000年以后，飛機上加裝了更多傳感器以及自動駕駛和高級自動化功能，有效監控飛機的各類狀態、各類參數不正常狀態，例如空客的電子顯示單系統，當飛機出現不正常情況下，像波音的飛行員，尤其是飛737比較傳統飛機的飛行員，第一時間想到的可能是自己去翻手冊、翻應急程序，而對空客的飛行員來講，只需要根據飛機上已有的參數，會得出電子處置建議，會放在飛機的顯示器上，按照它的步驟一步一步完成就可以了，相對來說自動駕駛對于民航來講并不是一個特別陌生的概念。所以也有一種觀點：在民航飛行里，只有起飛和落地是飛行員進行操縱的，更多巡航的時候，飛行員起到的是監控或調整作用。
人和人工智能包括自動駕駛之間的關系更多是一種競爭和合作的關系。現在來看，我們所做的在人工智能上的各種研究和努力并不是要把飛行員直接拉出駕駛艙、不再用人來飛飛行員，而是將人工智能、飛行員和人類的飛行員共同坐進駕駛艙，讓它們共同推進航班的運行，保證安全，提高效率，包括提高整體航班運行的速度。 人工智能在飛行中應用的難點
難點一，人工智能在駕駛艙尤其是在替代飛行員或輔助飛行員進行決策運行方面的第一大問題就是安全。眾所周知，民航尤其是客運航空最看重的就是運行安全。由人工智能所引發新一代的飛行包括客機的革命，一方面由于設備的進步，安全保障措施或改進措施會更多；另一方面人工智能引入民航以來，也會帶來各種各樣的困擾。例如2023年和2024年都發生過在歐洲和北美空管系統中，爆發,大面積由于計算機系統故障導致的航班無法放行、無法進行管制的情況，一旦將人工智能包括更高的自動化程度引入駕駛艙之后，能否保證它在運行過程中的穩定性，這是一個很大的研究課題。 難點二，人工智能在飛行應用中還存在比較致命的問題，就是硬件。人工智能的第二大問題就是算力問題，在飛機上，尤其是在民航客機中，算力最集中的地方其實是客艙，客艙的娛樂系統比駕駛艙里面的自動化設備算力會更高。有飛機設計師曾提到過，駕駛艙算力最高的東西就是機長或副駕駛兜里的手機，智能化程度最高的就是安裝的語音助手或siri，其他的像飛機上的CDU、SMC等機載設備和機載控制系統更多是嵌入式或單片機結構，為了穩定性，算力都非常低下，甚至有的時候在737和320早期的型號里，使用CDU進行航路更改時會出現卡頓，甚至有時候需要人工進行插拔電源進行重啟，從硬件角度來說，現在的民航客機尤其是經典和大量裝備的737、320包括新一代的787和350，在算力上還無法支持人工智能在駕駛艙大面積的應用。 難點三，成本考量。民航包括飛行其實是一個非常燒錢的行業，現在主流的窄體機即737、320客機主流報價大約在7000萬~8000萬美元之間，而更高端的787、350、717客機的售價可能在3億~5億美元之間，像這樣的成本已經是很多航空公司的重大開支來源，如果人工智能真的引入了駕駛艙、引入了飛行過程中，無疑會需要大量的技術上改進、設備上的更新，包括但不限于重新設計駕駛艙結構、重新設計飛機的飛控邏輯，乃至完全設計全新的飛機，這樣的成本可能是無法接受的。 難點四，主要是配套問題。一是各種政策法規和研究路線圖上的配套，二是智慧民航中的監管、空管、空域、機務維護以及決策和數據傳輸上的配套。飛機和民航發展到今天，并不是一個孤立的單元，更多時候需要一整套系統、一整套體系來進行支撐，才能順利飛行。但是除了民航在駕駛艙和監管/空管過程中有人工智能推進的過程，但是很多行業包括機務、地面維護、地面引導和機場管制方面還有較長的路需要走。類似于使用生成式AI，需要更多次修改，原因是外部支持數據還不夠，對于民航來說也是這個情況，飛行如果沒有更多的數據支持，包括駕駛艙從外部獲取的數據支持，很難將人工智能更大規模或更深層的結合飛行來進行開展。 人工智能在駕駛艙中應用的難點
難點一，可靠性難題。人工智能包括大數據這些系統在可靠性上還存在著一些問題亟待解決，很多時候問生成式文字類AI，得到的結果是答非所問的，這一點也是現在困擾人工智能在駕駛艙和飛行中進一步應用的難點。 難點二，應急處置難題。手冊制造商和設計師不可能窮舉每一種情況，例如在手冊里，波音和空客第一條是免責條款，該手冊中不能包含全部遭遇的事情，盡量把這種情況都列舉出來，通過訓練不斷提升機組勝任力和能力，讓他們有一定能力在面對非計劃經受驚嚇或所謂“黑天鵝”事件中，能有效保障飛行的安全。 難點三，適應性難題。現在機場里很多中小機場尤其偏遠機場，設備并不完善，如果想要支撐人工智能在航班中的大規模應用，無疑要對這些機場進行大面積改造，否則只能飛北京、上海、廣州或成都這種新一線、二線機場，小機場未來基于人工智能全自動飛行的飛行器可能無法在這個地方運行。 難點四，信任性難題。很多時候開車或飛行，前面有一位駕駛員或有一套機組坐著，會讓人更安心一些。例如武漢正在落地的蘿卜開跑，一上車前面沒有駕駛員，感覺心里有點發慌，一旦失控了怎么辦，沒有人在里面，會不會存在責任的逃避等問題，這也是現在旅客對無人駕駛的客機最大的信任難題。
如上圖所示，之前8633航班（英雄機長）飛往拉薩過程中，駕駛艙右側玻璃脫落以后，導致駕駛艙受損。這就是應急性問題，不管是空客還是波音，在駕駛艙設計時都沒有考慮過如此嚴重的受損情況。可以看到，操控面板下面的顯示面板以及右側大部分設備都已經損壞了。當時劉傳健機長飛行過程中只有一個備用儀表有一點點亮光能夠作為參考，更多的時候他只能進行目視飛行，所以這也是他傳奇的原因之一，他是失去了所有導航和狀態信息之后，仍然堅持把飛機飛回來了。未來如果人工智能駕駛的飛行器或，遭遇這種情況，一位飛行員可能遭受重創乃至受傷和死亡的情況，飛行器的完好性又受到了損傷，無法通過傳感器和運算單位進行合理性的規劃，這時候飛行器就有可能失去控制乃至墜毀，這也是民航和運輸航空無法接受的一點。
人工智能的應用更多是為人類包括飛行員提供更有力的支持，而非取而代之。在未來很長一段時間里，都需要與人工智能進行共存，這一切都需要建立在信任、可靠性、透明的基礎上。 人工智能在駕駛艙包括飛行中應用的構想
1.人工智能在飛行中可以提供有效的決策運行支持，提高安全運行裕度。很多資料可以交給人工智能進行閱讀、分析，只需要它提取有效的內容或直接通過詢問獲取需要的信息。 2.人工智能包括自動飛行可以在飛行中提供更高的準確性。在可靠性方面，從安全學角度來說，人也是整個系統中非常不可靠的一環，可以通過人和機共同協作的關系，共同監督和提高整體的可靠性。 穩定性。例如人在困倦、高壓力、高應激性情況下，能力會大幅下降，這時候人工智能或高度自動化會有效輔助飛行員，讓他把心情調整到平復或狀態調整到正常水平，以提高飛機的運行安全程度。 適應性。很多時候機器學習包括人工智能相對人來說會有一定更高的適應性，在面臨一些問題時，它會提出一些獨到的觀點，就像下象棋，現在的AlphaGo、AlphaZero提出一些聞所未聞、前所未見的下棋思路，相信如果人工智能未來與飛行員或者駕駛艙相應設備的結合，也會得到相應的新思路。 3.下一代EFB電子飛行包的構想。通過人工智能與實時數據鏈提升整體飛行預測準確度，改善機組對于機械故障包括不可預期的設備故障進行診斷，提高有力的支持，比如本來是在機務相關范疇內，對于飛行員來講處于不可知狀態，一旦與外部失去聯絡或其他緊急情況下，可以更多地為機組提供知識上或能力上的支持。 4.下一代人機交互平臺，利用自然語言處理模型，有效提高人機交互效率。因為現在很多時候所說的交互更多是通過鍵盤輸入或類似翻閱的情況進行交互，在高負荷情況下，這種交互的模式可能會效率非常低，乃至影響飛行員的判斷。 理想的人工智能助手
游戲、影視作品和動畫片里很早就有人工智能的雛形，有比較理想的應用狀態。 上圖一，來自游戲《傳送門》中的GLaDOS，它的特點是系統性為了達到目的不擇手段，其實它也代表了人工智能的發展方向，就是只要給出一個目的，它會通過窮盡各種各樣的手段，就像下圍棋或棋類游戲中，我說我要贏，人工智能作為助手就幫助我想辦法，給出上萬種或數十萬種甚至上百萬種解題思路供飛行員進行選擇。 上圖二，來自動畫片《高智能方程式》中的阿斯拉達，可以精準調控機身和各類飛行參數設備的使用情況，只要駕駛員或飛行員下令要減速到多少，中間所有過程和步驟都由它完成就可以了，或者要落地到哪個機場，只需要它把中間的關鍵性步驟由人和機械共同決策，其他一些細節的工作可以交給它完成。 上圖三，《星際穿越》里的TARS機器人，它的特點兼具了前面兩種人工智能全部的特點，此外還具有一定的幽默感，相信在未來不管是客機運行、航班運行，乃至更遠一些的太空飛船運行中，為機組可以提供調節和增進的交互感。
那么回到最初的問題：人工智能能取代民航飛行員嗎？很多人相信，未來總有一天人工智能將變得足夠強大，足以克服上述諸多困難并獨立控制飛機。但在此之前，人工智能與人類飛行員不是非此即彼的關系，而是人工智能與人類飛行員共同參與的格局。人工智能可以在特定場景下輔助或短時替補人類飛行員，提升飛行安全性和運行效率；而人類飛行員則通過與人工智能通力協作，應對各種復雜情況。可以預見的是，這種人機競合關系將推動民航運輸領域持續發展，為人類帶來更加安全、高效的飛行體驗，攜手共創飛行新紀元。 |
