AI 共同駕駛增強人類精確度，提升航空安全
撰文：Rachel Gordon, 麻省理工學院
隨著科技的進步，人工智慧（AI）在航空業的應用越來越廣泛。麻省理工學院（MIT）電腦科學與人工智慧實驗室（CSAIL）的研究人員開發了 Air-Guardian 系統，它透過人機合作來增強飛行員的精確度，提高航空安全水平。
在現代飛行員面臨多個監控器的訊息洪流時，特別是在關鍵時刻，Air-Guardian 系統充當一個主動的共同駕駛，實現人與機器之間的夥伴關係，著重於理解注意力。該系統透過眼動追蹤技術追蹤人類飛行員的注視位置，從而更好地理解飛行員的注意力焦點，使計算機系統能夠更好地做出與飛行員行為相符的決策。
人機合作駕駛：共同注重注意力
Air-Guardian 系統透過使用眼動追蹤來識別人類注意力的位置，並使用"顯著性地圖"來確保神經系統的注意焦點。顯著性地圖以視覺指引的形式突出顯示影象中的關鍵區域，有助於理解複雜算法的行為。透過這些注意力標記，Air-Guardian 系統能夠及早識別潛在風險，而不僅僅在安全事故發生時進行幹預，這與傳統的自動駕駛系統不同。
這一系統的廣泛應用超越了航空業，將來可能會在汽車、無人機和更廣泛的機器人領域中使用類似的人機合作控制機制。MIT CSAIL 的博士後研究員 Lianhao Yin 表示："我們方法中一個令人興奮的特點是它的可微性。我們的合作層和整個端到端的過程都可以被訓練。我們特意選擇了因果連續深度神經網路模型，因為它在對映注意力方面具有動態特徵。另一個獨特之處在於適應性。Air-Guardian 系統不是僵硬的，它可以根據情況的需求進行調整，保證人和機器之間的平衡夥伴關係。"
透過實地測試取證安全效能
Air-Guardian 系統在現場測試中使飛行員和系統根據相同的原始影象做出決策，導航到目標航路點。根據飛行期間獲得的累計獎勵和到達航路點的路徑縮短程度來評估 Air-Guardian 的成功程度。系統的引入降低了飛行的風險水平，同時提高了導航到目標點的成功率。
Air-Guardian 系統的成功在於其基礎技術。它使用了一種基於最佳化的合作層，利用人機共同的視覺注意力和液體閉式連續時間神經網路（CfC），該神經網路以其解析因果關系的能力而聞名。此外該系統還使用了 VisualBackProp 算法，用於確保系統在影象內部的焦點，以確保對注意力地圖的清晰理解。然而要實現未來的大規模應用，還需要改進人機介面，以便更直觀地顯示系統接管控制的情況。
人工智慧在增強安全合作中的潛力
Air-Guardian 系統的開發代表了以人為中心、由人工智慧驅動的航空業創新方法。麻省理工學院的電氣工程與電腦科學安德魯和厄爾娜·維特比教授、CSAIL 主任 Daniela Rus 表示："人工智慧在與人的合作中發揮的一個最有趣的結果是，這項工作中使用的視覺注意度量衡方法具有早期介入和更大的可解釋性的潛力。"
哈佛大學的電腦科學助理教授 Stephanie Gil 表示："這是人工智慧在與人合作中的一個很好的例子，它透過使用人類和 AI 系統之間的自然交流機制，降低了人對 AI 的信任障礙。"
總之 AI 共同駕駛技術的應用為航空業帶來了更高的安全水平。透過人機合作，系統能夠根據飛行員的注意力狀態進行調整，提供及時的幹預，減少潛在風險。然而科學家們仍需繼續改進人機介面，提升系統在實際操作中的可操作性和易用性。未來，這一技術還可能應用在汽車、無人機等領域，為更廣泛的機器人技術帶來突破。
延伸閱讀
- 醫療保健公司 WebTPA 披露侵害 250 萬人的資料洩露事件
- Google I/O 盛會 AI 領域的重大訊息
- Google I/O 2024：AI 與 Android 大揭祕
- Google 在 I/O 主題演講中提到「AI」超過 120 次
- OpenAI 考慮允許 AI 色情內容？
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 今年的 Met Gala 主題是 AI 極深假裝
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
