در مسیر باد موافق

انجمن بین‌المللی حمل‌ونقل هوایی گزارش داده که در سال آینده میلادی، تعداد مسافران سفرهای هوایی در جهان به چهار میلیارد نفر برسد. مسافران هوایی پس از همه‌گیری کووید 19، به کمترین میزان خود رسیده بودند؛ اما آمار جابه‌جایی مسافران به وسیله ناوگان هوایی دوباره به تدریج اوج گرفت و در سال 2024 به بالاترین میزان خود در تاریخ خواهد رسید. این حجم استفاده از خطوط هوایی بین‌المللی برای جابه‌جایی مسافران، نیازمند نوآوری و تکیه بر فناوری‌هایی است که می‌تواند کارایی و اثربخشی شرکت‌های فعال در صنعت هوانوردی را افزایش دهد و رضایتمندی مسافران را فراهم آورد. ترکیب هوش مصنوعی با یادگیری ماشینی این توانمندی را ایجاد می‌کند که قابلیت‌های صنعت هوانوردی و به ویژه حمل‌ونقل هوایی را توسعه دهد، ایمنی را بهبود ببخشد، زمان‌بندی پروازها را بهتر مدیریت کند و البته، امکان تعمیر و نگهداری هواپیماها را با توجه به برنامه از پیش تعیین‌شده فراهم آورد. اکنون زمان اوج گرفتن هوش مصنوعی در صنعت هوانوردی است تا ارتفاعات جدیدی از این صنعت را فتح کند. خطوط هوایی تجاری و نظامی از این فناوری جدید برای ساده کردن مسیرها، کاهش انتشار گازهای گلخانه‌ای، بهبود تجربه مشتری و البته، بهینه‌سازی ماموریت‌ها در صنعت هوایی استفاده می‌کنند. اداره هوانوردی فدرال آمریکا (FAA) و آژانس ایمنی هوانوردی اتحادیه اروپا (EASA) هم علاقه خود را به استفاده از هوش مصنوعی در صنعت هوانوردی نشان داده‌اند. EASA در فوریه 2020 و اندک زمانی پیش از اینکه جهان درگیر همه‌گیری کرونا شود، گزارشی منتشر کرد که در آن به قابلیت‌های هوش مصنوعی و دلایل مثبت اعتماد صنعت هوانوردی به این فناوری اشاره داشت و نقش رویکردهای انسان‌محور هوش مصنوعی در این صنعت را مورد بررسی قرار داده بود. بوئینگ و ایرباس نیز به عنوان بزرگ‌ترین تولیدکنندگان و تامین‌کنندگان ناوگان هوایی جهان، به صورت جداگانه اما از طریق مشارکت‌های بین‌المللی مشترک تلاش می‌کنند هوش مصنوعی را بیشتر به کار بگیرند. سازمان ایمنی هوافضای جهان و انجمن مهندسان هوافضا، استانداردها و آموزش‌های هوانوردی را بر اساس هوش مصنوعی منتشر کرده‌اند و در مقابل، شرکت‌های حمل‌ونقل تجاری، به روش‌های جدیدی برای استفاده از قابلیت‌های این فناوری پیشرفته در توسعه فعالیت‌های خود دست یافته‌اند. اما این پایان ماجرا نیست؛ صنعت هوایی هر روز بیشتر اوج می‌گیرد و صعود خود را به بالاترین سطح استانداردها با استفاده از هوش مصنوعی سرعت بخشیده است. سرعتی که ممکن است به رخدادهای خوشایندی در توسعه صنعت هوانوردی منجر شود.

70 سال سابقه در هوانوردی

صنعت هوانوردی، نخستین صنعتی است که اجازه داد هوش مصنوعی مسوولیت برخی از فعالیت‌ها و فرآیندهای اجرایی را بر عهده گیرد. 70 سال پیش و در دهه 1950، به دلیل نیاز به سفرهای هوایی کارآمدتر و ایمن‌تر و همچنین تمایل به خودکارسازی برخی وظایفی که به‌طور سنتی به‌وسیله انسان انجام می‌گرفت، پای هوش مصنوعی به صنعت هوانوردی باز شد. یکی از نخستین نمونه‌های هوش مصنوعی در هوانوردی، توسعه سیستم‌های خلبان خودکار برای هواپیماها بود. در دهه 1950، پژوهشگران شروع به بررسی امکان استفاده از رایانه برای کنترل ناوبری و عملیات پروازی هواپیما کردند. نتیجه این بررسی‌ها، توسعه نخستین سیستم‌های خلبان خودکار را به دنبال داشت که می‌توانست به‌طور خودکار ارتفاع، جهت و سرعت هواپیما را کنترل کند. این سامانه‌های خلبان خودکار اولیه، پایه و اساس توسعه سیستم‌های کنترل پرواز پیشرفته‌تر را که هنوز هم در حال استفاده هستند، ایجاد کردند. علاوه بر سیستم‌های ناوبری خودکار، از هوش مصنوعی برای توسعه سیستم‌های ناوبری پیشرفته هواپیماها نیز استفاده شده است. در دهه 1960، پژوهشگران راه‌های استفاده از سیستم‌های ناوبری رایانه‌ای را کشف کردند که می‌توانست به خلبانان در جهت‌یابی دقیق‌تر و کارآمدتر کمک کند. چنین امکانی، توسعه نخستین سیستم‌های ناوبری اینرسی را به دنبال داشت که از حسگرها و رایانه‌ها برای ردیابی موقعیت و جهت هواپیما استفاده می‌کردند. این سیستم‌های ناوبری اولیه راه را برای توسعه سامانه‌های ناوبری پیشرفته‌تر مانند GPS هموار کردند که اکنون در اکثر هواپیماهای تجاری مورد استفاده قرار می‌گیرند. یکی دیگر از کاربردهای مهم هوش مصنوعی در هوانوردی، کنترل ترافیک هوایی است. در دهه 1970، پژوهشگران شروع به آزمایش سیستم‌هایی کردند تا به کنترل‌کننده‌های ترافیک هوایی کمک کنند بر ترافیک هوایی نظارت و مدیریت داشته باشند. نتیجه این اقدام نیز، توسعه سیستم‌های کنترل ترافیک هوایی پیشرفته بود که می‌توانست به‌طور خودکار هواپیماها را در زمان واقعی ردیابی و مدیریت کند. این سیستم‌ها با کمک به کنترل‌کنندگان ترافیک هوایی در تصمیم‌گیری آگاهانه‌تر و مدیریت موثرتر ترافیک هوایی، ایمنی و کارایی سفر هوایی را تا حد زیادی بهبود بخشیده‌اند. پیشرفت‌های صنعت هوانوردی در سایه استفاده از هوش مصنوعی باز هم ادامه داشت و در دهه 1980، یک اتفاق ویژه در این صنعت رخ داد. خطوط هوایی سیستم‌هایی را به کار گرفتند که به «سیستم‌های خبره» معروف شدند. این سیستم‌ها، نوعی هوش مصنوعی هستند که از پایگاه دانش و موتورهای تحلیلگر برای شبیه‌سازی فرآیندهای تصمیم‌گیری یک متخصص انسانی در حوزه‌ای مشخص استفاده می‌کنند. تصور اینکه صنعت هوانوردی جهان، 40 سال پیش از این سیستم برای بهینه‌سازی مسیرهای پرواز، مصرف سوخت و برنامه‌ریزی فعالیت خدمه استفاده می‌کرد و صرفه‌جویی قابل ملاحظه‌ای را در هزینه‌های خطوط هوایی به دنبال داشت، بسیار امیدوارکننده است. در دهه 1990، فناوری‌های هوش مصنوعی برای فعالیت‌هایی مانند تعمیر و نگهداری هواپیماها و تشخیص عیب به کار گرفته شدند. شبکه‌های عصبی به عنوان نوعی الگوی هوش مصنوعی الهام گرفته‌شده از مغز انسان، در ترکیب با الگوریتم‌های یادگیری ماشینی، رایانه‌ها را قادر کردند از داده‌ها یاد بگیرند و پس از پیش‌بینی شرایط، تصمیم‌گیری‌های لازم را انجام دهند. ترکیب این دو فناوری، به خطوط هوایی اجازه می‌دهد مسائل مربوط به تعمیر و نگهداری هواپیما را پیش‌بینی کرده و از آن جلوگیری کنند تا ایمنی در مسیرهای پروازی افزایش یابد. در سال‌های اخیر، استفاده از هوش مصنوعی در حمل‌ونقل هوایی گسترش یافته و خدمات و عملیات مسافری را نیز دربر می‌گیرد. خطوط هوایی از روبات‌های چت و دستیارهای مجازی مجهز به هوش مصنوعی برای ارائه پشتیبانی شخصی به مشتری و ساده‌سازی فرآیندهای رزرو استفاده می‌کنند. علاوه بر این، تجزیه و تحلیل‌های مبتنی بر هوش مصنوعی برای پیش‌بینی تقاضای مسافر و بهینه‌سازی استراتژی‌های قیمت‌گذاری استفاده می‌شود که بهبود مدیریت درآمد را به همراه دارد.

AI و کارآمدی صنعت هوانوردی

قلمرو هوش مصنوعی در صنعت هوانوردی هر روز بیشتر گسترش می‌یابد. از کاهش تاخیر پروازها گرفته تا افزایش بهره‌وری سوخت هواپیماها، با تکیه بر امکانات هوش مصنوعی، نتایج مطلوبی را به سرمایه‌گذاران صنایع هوایی و همچنین مسافران و ذی‌نفعان مصرف‌کننده ارائه داده‌اند. شرایط به گونه‌ای پیش رفته که اکنون، شرکت‌های هواپیمایی پیشرو در حال نمونه‌سازی و آزمایش برنامه‌های کاربردی هوش مصنوعی برای افزایش رضایت مشتری و بهبود عملکرد عملیاتی هستند. الگوریتم‌های هوش مصنوعی داده‌های پرواز مانند مسافت مسیر، ارتفاع، مسافت پیموده‌شده، مصرف سوخت، نوع هواپیما، شرایط آب‌و‌هوایی و بسیاری از اطلاعات دیگر را تجزیه و تحلیل می‌کنند. نرم‌افزارهای مبتنی بر هوش مصنوعی، مسیر بهینه پرواز را تعیین می‌کنند تا نه‌تنها زمان پرواز، بلکه میزان سوخت مصرفی در طول پرواز نیز کاهش یابد. خطوط هوایی به صورت سالانه و از جانب تاخیر و لغو پروازها، متحمل زیان‌های بسیاری می‌شوند. طبق آمار اداره حمل‌ونقل هوایی آمریکا، بروز مشکلات کنترل‌نشده از سوی شرکت‌های هواپیمایی، 35 درصد دلایل تاخیر پرواز را تشکیل می‌دهد. تعمیر و نگهداری برنامه‌ریزی‌نشده اصلی‌ترین دلیلی است که تاخیر در پرواز از سوی شرکت‌های هواپیمایی را به دنبال دارد. در چنین شرایطی، الگوریتم‌های یادگیری ماشینی و اینترنت اشیا می‌توانند به شرکت‌های مخابراتی کمک کنند با نظارت بر هواپیما و تشخیص ناهنجاری‌ها، هزینه‌های نگهداری برنامه‌ریزی‌نشده را کاهش دهند. الگوریتم یادگیری ماشینی وضعیت فنی هواپیما را در زمان واقعی ردیابی و تکنسین‌ها را از نقص‌های احتمالی با خبر می‌کند. به این ترتیب، تکنسین‌های هواپیما می‌توانند فعالانه فعالیت‌های لازم برای تعمیر و نگهداری هواپیما مانند تعویض قطعات را انجام دهند. این سیستم هوش مصنوعی همچنین به صورت خودکار، گزارش عملیات تعمیر و نگهداری را به تیم‌های ارشد ارسال می‌کند. با چنین اقدامی، هزینه‌ها و موجودی قطعات ردیابی می‌شود و بینش‌های لازم درباره عملیات‌های اجرایی تعمیر و نگهداری ناوگان هوایی به دست می‌آید. خطوط هوایی همچنین از طریق این سیستم گزارش‌دهی پیشرفته و تجزیه و تحلیل یکپارچه، هزینه‌های تحویل سریع قطعات و جبران اضافه‌کاری خدمه را کاهش می‌دهند. موضوع اینجاست که کاربردهای هوش مصنوعی در صنعت هوانوردی، هر روز کامل‌تر می‌شود و همه موارد را از سیستم‌های مدیریت پرواز و کنترل ترافیک هوایی گرفته تا برنامه‌ریزی خدمه و امنیت فرودگاه، با تغییر روبه‌رو می‌کند. هوش مصنوعی به تدریج شکل و فرم صنعت هوانوردی را تغییر می‌دهد تا همگان از ایمنی مسافران اطمینان یابند و با بهینه‌سازی گردش کار عملیاتی، تجربه مطلوبی از سفرهای هوایی برای مسافران و ذی‌نفعان بر جای گذارند.

کشورهای پیشرو

در حالی که ژاپن به عنوان یکی از پیشرفته‌ترین کشورهای جهان پس از صرف هزینه هشت میلیارددلاری ترجیح داد ساخت هواپیمای اختصاصی خود را کنار بگذارد و به یافته‌های شرکت‌های بین‌المللی مثل بوئینگ و ایرباس اکتفا و از دستاوردهای آنها استفاده کند، کشورهای مختلفی جایگاه خود را به عنوان پیشگامان استفاده از هوش مصنوعی در صنعت هوانوردی تثبیت کرده‌اند. آمریکا در خط مقدم این پیشرفت فناوری قرار گرفته و کشورهایی مانند بریتانیا، فرانسه، آلمان، کانادا و چین در تعقیب این کشور هستند. اداره هوانوردی فدرال آمریکا (FAA) از دهه‌های گذشته فعالانه به دنبال تحقیق و اجرای راه‌حل‌های مبتنی بر هوش مصنوعی برای مدیریت ترافیک هوایی، تجزیه و تحلیل ایمنی و به‌کارگیری فرآیندهای عملیاتی در فرودگاه‌ها بوده است. اکنون برنامه NextGen FAA این اداره با هدف مدرن‌سازی سیستم هوافضای ملی آمریکا با تکیه بر هوش مصنوعی و سایر فناوری‌های پیشرفته در مرحله اجرا قرار دارد و به پیشرفت‌های بسیاری نیز دست یافته است. بریتانیا نیز در استفاده از هوش مصنوعی تاثیرگذار بر صنعت هوانوردی و به ویژه در توسعه وسایل نقلیه هوایی بدون سرنشین (UAV) یا پهپادها پیشگام بوده است. دولت بریتانیا در تحقیق و توسعه سیستم‌های مبتنی بر هوش مصنوعی به منظور کنترل پرواز مستقل و اجتناب از برخورد با هدف ادغام پهپادها در سیستم هوایی سرمایه‌گذاری‌های ویژه‌ای انجام داده و تلاش می‌کند به دستاوردهای ویژه‌ای دست یابد. فرانسه هوش مصنوعی را برای توسعه راه‌حل‌های طراحی و ساخت هواپیما به کار گرفته است. شرکت‌های هوافضای فرانسوی مانند ایرباس از فناوری‌های هوش مصنوعی برای بهینه‌سازی عملکرد هواپیما، کاهش مصرف سوخت و بهبود راحتی مسافران استفاده می‌کنند. علاوه بر این سه کشور که به عنوان پیشران‌های توسعه صنعت هوانوردی جهان شناخته می‌شوند، کشورهای دیگری مانند آلمان، کانادا و چین به‌طور فعال استفاده از هوش مصنوعی در حوزه هوافضا را مورد بررسی قرار داده‌اند. مرکز هوافضای آلمان (DLR) پژوهش‌هایی را روی سیستم‌های مبتنی بر هوش مصنوعی برای مدیریت ترافیک هوایی و عملیات پرواز مستقل انجام داده و کانادا در تحقیقات هوش مصنوعی برای طراحی و نگهداری هواپیما سرمایه‌گذاری کرده است. چین اما، تلاش می‌کند به راه‌حل‌های مبتنی بر هوش مصنوعی در زمینه مدیریت فرآیندهای عملیات اجرایی فرودگاه‌ها و همچنین کنترل ترافیک هوایی دست یابد که موفق نیز بوده است. نکته مشترک همه این فعالیت‌ها، استفاده از هوش مصنوعی به منظور بهبود ایمنی، کارایی و ارتقای تجربه مشتری در استفاده از خطوط هوایی است.

آلاسکا ایرلاینز، یک نمونه موفق

انجمن بین‌المللی حمل‌ونقل هوایی پیش‌بینی کرده که سفرهای هوایی طی 20 سال آینده دو برابر شود و بر همین اساس شرکت‌های هواپیمایی باید راه‌های جدیدی برای همگام شدن با افزایش تعداد مسافران پیدا کنند. یکی از اصلی‌ترین اتفاقاتی که در این شرایط رخ می‌دهد، استفاده از هوش مصنوعی است تا شرایط مطلوب‌تری برای مسافران و شرکت‌ها ایجاد کند. الگوریتم‌های هوش مصنوعی می‌توانند تحولات ویژه‌ای در مدیریت ترافیک هوایی، مدیریت صف‌ها در ارائه خدمات و همچنین ارتقای تجربه مطلوب پرواز برای مسافران ایجاد کنند. یکی از ایرلاین‌هایی که کمی زودتر از دیگر شرکت‌های هواپیمایی به استفاده از هوش مصنوعی به منظور بهبود تجربه پرواز روی آورد، خطوط هوایی آلاسکا بود. این شرکت از تهدیدی که به واسطه همه‌گیری کرونا برای شرکت‌های هواپیمایی ایجاد شده بود، استفاده کرد و گام‌های بزرگی در راستای توسعه خطوط هوایی خود و همچنین ارتقای امکانات قابل ارائه به ذی‌نفعانش برداشت. خطوط هوایی آلاسکا در وقفه‌هایی که به دلیل شیوع پیک‌های متعدد کرونا در سراسر جهان ایجاد شد، بر اساس یک دوره آزمایشی شش‌ماهه، برنامه‌ای مبتنی بر هوش مصنوعی به نام Flyways را به اجرا درآورد تا انتخاب مسیرهای پرواز بهینه با در نظر گرفتن مسیر اصلی، بررسی و مدیریت پرواز در شرایط مختلف آب‌وهوایی، برنامه‌ریزی وزن هواپیما و تحلیل سایر عوامل به منظور تعیین کارآمدترین مسیر پروازی را با فرآیند بهتری انجام دهد. در تمامی پروازهایی که با استفاده از برنامه Flyways انجام شد، هوش مصنوعی همه مسیرهای ممکن را آزمایش کرد، داده‌های مسافت پیموده‌شده و مصرف سوخت را مورد تحلیل قرار داد و از داده‌های موجود برای تمرکز مجدد بر تلاش‌های بعدی خود استفاده کرد. همه این فعالیت‌ها با هدف انتخاب کارآمدترین مسیر پرواز انجام شد و نتایج مطلوبی بر جای گذاشت. پاشا صالح، خلبان و رئیس توسعه سازمانی خطوط هوایی آلاسکا در گفت‌وگویی که با ABC News انجام داد تاکید کرد که «استفاده از هوش مصنوعی سبب شد خطوط هوایی آلاسکا مجموعه بزرگی از داده‌ها را جمع‌آوری کند و آنها را کنار هم بگذارد و در نهایت، به مطلوب‌ترین نتیجه ممکن برسد». او گفت که Flyways هیجان‌انگیزترین موضوعی است که در فناوری خطوط هوایی با آن برخورد داشته است. این برنامه آزمایشی شش‌ماهه سبب شد حداقل پنج دقیقه در زمان هر پرواز صرفه‌جویی شود و با این صرفه‌جویی، کاهش سوخت پروازها به 480 هزار گالن سوخت جت برسد. این موفقیت برای خطوط هوایی آلاسکا موقعیتی بسیار مطلوب و یک پیروزی بزرگ محسوب می‌شد چرا که این شرکت تلاش می‌کند تا سال 2040 به مدار کربن صفر برسد و یک شرکت هواپیمایی بدون آلایندگی زیست‌محیطی باشد.

جذابیت پرواز با به‌کارگیری AI

هنگامی که خطوط هوایی بین‌المللی سوئیس، استفاده از هوش مصنوعی را به صورت جدی‌تری در دستور کاری خود قرار داد، موفق شد 50 درصد از پروازهای شبکه خود را بهینه‌سازی کند و نزدیک به شش میلیون دلار صرفه‌جویی برای خود را به ارمغان بیاورد. لوفت‌هانزا نیز تجربه مشابهی را بر جای گذاشت. این شرکت آلمانی از هوش مصنوعی استفاده کرد تا یک معضل بسیار بزرگ را از جلوی پای مسافرانش در سوئیس بردارد. موضوع این بود که از شمال شرقی به جنوب غربی سوئیس بادهایی می‌وزند که موجبات تاخیر و لغو پروازها را فراهم می‌آوردند و این موضوع هم شرکت هواپیمایی و هم مسافران را با مشکلات بسیاری روبه‌رو می‌کرد. این اتفاق، ظرفیت پروازهای فرودگاه زوریخ سوئیس را تا 30 درصد کاهش می‌داد و یک مشکل بزرگ در خطوط هوایی لوفت‌هانزا ایجاد می‌کرد. هوش مصنوعی به این شرکت هواپیمایی کمک کرد تا الگوهای باد را با دقت بیشتری پیش‌بینی کند که افزایش 40درصدی دقت در برنامه‌ریزی زمان‌های پرواز را به دنبال داشته است. در واقع می‌توان این‌گونه نتیجه گرفت که سوئیس و لوفت‌هانزا به هوش مصنوعی «تکیه» کرده‌اند. از سوی دیگر، مدل‌های پیش‌بینی توسعه‌یافته توسط Google Cloud به خطوط هوایی کمک کرده‌اند پس از الگو‌سازی سناریوهای مختلف، اختلالات نامشخص را که پروازها را به تعویق می‌اندازد یا لغو می‌کند، در نظر بگیرد و بهترین راه را برای مقابله با آنها پیشنهاد دهد. وارن بارکلی، مدیر ارشد مدیریت محصول گوگل، یک نکته جذاب در این ارتباط گوشزد می‌کند: «فناوری هوش مصنوعی که به‌وسیله خطوط هوایی مورد استفاده قرار می‌گیرد، بسیاری از فرآیندها را از نحوه برنامه‌ریزی عملکرد افراد به روشی کارآمدتر تا درک شرایط آب‌وهوایی و توانایی استفاده از آن برای پیش‌بینی زمان فرود هواپیماها و میزان سوخت مصرفی ناوگان هوایی بهبود می‌بخشد.» به باور او، فناوری هوش مصنوعی این توانایی را دارد که با تحلیل صدها میلیون داده، عواملی را که رویکردهای انسانی هیچ‌گاه به آن فکر نمی‌کرد یا هرگز نمی‌توانست آنها را مدنظر قرار دهد، به منظور پیش‌بینی آنچه قرار است رخ دهد در نظر بگیرد. بحرانی که سبب شد خطوط هوایی Southwest Airlines مشکلات بزرگی را پس از همه‌گیری کرونا تجربه کند نیز نشان می‌دهد شرکت‌های هواپیمایی می‌دانند چگونه باید روی فناوری سرمایه‌گذاری کنند تا از زیان‌های ناشی از لغو و اختلالات پروازها در امان بمانند. دلتا ایرلاین، جت‌بلو و امریکن ایرلاینز هم از دیگر شرکت‌هایی هستند که به صورت جدی روی هوش مصنوعی سرمایه‌گذاری کرده‌اند. JetBlue Ventures که یکی از شرکت‌های تابعه JetBlue محسوب می‌شود و سرمایه‌گذاری‌های لازم برای ارتقای استارت‌آپ‌های مسافرتی هوایی را انجام می‌دهد اعتقاد دارد هوش مصنوعی باید هماهنگی عمیقی میان خطوط هوایی، هتل‌ها و شرکت‌های فعال در حمل‌ونقل مسافر از طریق مسیرهای جاده‌ای و ریلی ایجاد کند تا رضایت و آرامش خاطر بیشتری برای مشتریان فراهم آید. JetBlue Ventures به دنبال آن است که زیرساخت‌های حمل‌ونقل و رفت‌وآمد مسافران را به یکدیگر متصل کند و در نهایت سفر بی‌نقص‌تری را برای مردم به ارمغان آورد. مدیرعامل JetBlue Ventures اعتقاد دارد «داده‌های بسیاری در صنعت حمل‌ونقل مسافران وجود دارد که ما اقدامات لازم را برای تحلیل این داده‌ها انجام نمی‌دهیم؛ از سوی دیگر، فناوری‌های این حوزه، قدیمی هستند و سیستم‌ها در اتصال به فناوری‌های جدید با چالش‌های جدی روبه‌رو شده‌اند». به اعتقاد ایمی بور، هوش مصنوعی می‌تواند از روش‌های مختلفی مانند بهبود عملیات پرواز، ساده‌سازی کابین خلبان و به‌کارگیری هنر تصمیم‌گیری با تحلیل شرایط مختلف، تاثیر قابل توجهی در توسعه صنعت هوانوردی بر جای بگذارد.

پیش به سوی قیمت‌های منطقی‌تر

مدیریت هزینه نیز موضوعی است که شرکت‌های فعال در صنعت هوانوردی را با چالش‌های متعددی روبه‌رو می‌کند. بسیاری از شرکت‌های هواپیمایی، مدیریت هزینه را بر مبنای صرفه‌جویی پایه‌گذاری کرده‌اند اما هیچ‌گاه موفق به تحقق صددرصدی اهداف نشده‌اند. هوش مصنوعی در این زمینه نیز تحولات ویژه‌ای ایجاد کرده است. صرفه‌جویی در هزینه سوخت از اصلی‌ترین موضوعاتی است که شرکت‌های هواپیمایی را با چالش روبه‌رو می‌کند. فعالان صنعت هوانوردی اعتقاد دارند یکی از اصلی‌ترین جنبه‌های استفاده از هوش مصنوعی، در مدیریت مصرف سوخت است که در نهایت، به صرفه‌جویی در هزینه‌ها منجر می‌شود. توانایی پیش‌بینی دقیق مسیر و تعیین نقاط سوخت‌گیری در مقاصد مختلف از جمله موضوعاتی است که با کمک هوش مصنوعی حل شده و شرکت‌ها را از یک بحران اساسی نجات داده است. در روی دیگر سکه، JetBlue Ventures که در هشت استارت‌آپ مرتبط با هوش مصنوعی در صنعت هوانوردی سرمایه‌گذاری کرده، شرایطی را فراهم آورده تا مدیریت هزینه در صدر اولویت ارزش‌هایش برای افزایش استفاده در مشتریان و شرکت‌های هواپیمایی قرار گیرد. این شرکت با راه‌اندازی استارت‌آپی به نام FLYR موفق شده نوعی الگوی مشخص برای پیش‌بینی هزینه‌ها طراحی کند که به شرکت‌های هواپیمایی کمک می‌کند با کاهش هزینه‌ها، سود کسب‌شده را به حداکثر ممکن برسانند. Fetcherr نیز استارت‌آپ دیگری است که رقیب FLYR به‌شمار می‌رود. این استارت‌آپ نیز در الگوهای خود، طیف گسترده‌ای از داده‌ها شامل داده‌های مربوط به بلیت هواپیما و رزرو آن، برنامه پروازی و قیمت‌گذاری رقبا و همچنین اطلاعاتی از بازار سرمایه، معاملات آتی سهام شرکت‌های هواپیمایی و سایر شاخص‌های اقتصادی را که بر بازار گسترده حمل‌ونقل هوایی تجاری اثر می‌گذارد جمع‌آوری می‌کند. این داده‌ها در نهایت مورد تحلیل قرار می‌گیرند و با استفاده از آن، قیمت تمام‌شده خدمات شرکت مورد مطالعه و رقبای آن مشخص می‌شود و شرایطی فراهم می‌آید که قیمت‌گذاری خدمات در سطح پایین‌تری انجام پذیرد. این استارت‌آپ مشخص می‌کند که مسافران تا چه اندازه و برای چه خدماتی تمایل به پرداخت هزینه دارند و خدمات شرکت‌های هواپیمایی تا چه اندازه دارای کشش تقاضا هستند. در واقع، با تحلیل داده‌ها به‌وسیله هوش مصنوعی مشخص می‌شود که هر صندلی در هر مسیر پروازی و براساس نوع هواپیما چه قیمتی دارد و چه تعداد مسافر می‌توانند با قیمت‌های مشخص اقدام به خرید بلیت کنند. این‌گونه است که هم مسافران به واسطه دریافت سطح مشخصی از خدمات، میزان معینی هزینه پرداخت می‌کنند و هم شرکت‌های هواپیمایی می‌دانند هر مسافر تا چه اندازه برای آنها سودآوری داشته است. این در شرایطی است که در بسیاری از شرکت‌های هواپیمایی جهان، قیمت‌ها به‌وسیله انسان تعیین می‌شود و ممکن است برخی داده‌ها را از دست بدهند و تصمیمات نادرستی بگیرند. به اعتقاد مدیران طرح و برنامه‌ای که با استفاده از هوش مصنوعی به تعیین ارزش خدمات شرکت‌های هواپیمایی می‌پردازد، هوش مصنوعی کمک می‌کند برنامه‌ریزان متوجه شوند برای به حداکثر رساندن درآمد شرکت چه اقداماتی باید انجام دهند.

چالش‌های تمام‌نشدنی

استفاده از هوش مصنوعی در صنعت هوانوردی پیشرفت‌های چشمگیری در طراحی هواپیما، سیستم‌های ناوبری و کنترل ترافیک هوایی به همراه داشته اما بدون چالش و خطرات بالقوه نیز نیست. یکی از چالش‌های اصلی استفاده از هوش مصنوعی در هوانوردی، نیاز به اطمینان از قابلیت ایمنی سیستم‌های هوش مصنوعی است. الگوریتم‌های هوش مصنوعی اغلب پیچیده هستند و درک و پیش‌بینی آن بسیار دشوار است و نیاز به متخصصان ویژه دارد. چنین موضوعی، یک چالش اساسی برای تنظیم‌کننده‌ها و اپراتورهای هوانوردی ایجاد می‌کند تا در نهایت اطمینان حاصل کنند سیستم‌های هوش مصنوعی برای استفاده در عملیات‌های مهم هوانوردی ایمن و قابل اعتماد هستند. احتمال بروز خطا یا نقص در سیستم‌های هوش مصنوعی، عواقب جدی برای ایمنی سفرهای هوایی به دنبال خواهد داشت، بنابراین آزمایش و اعتبارسنجی کامل سیستم‌های هوش مصنوعی پیش از استقرار و استفاده در صنعت هوانوردی ضروری است. چالش دیگر نیاز به پرداختن به پتانسیل تعامل و همکاری انسان و هوش مصنوعی است. در حالی که سیستم‌های هوش مصنوعی می‌توانند وظایف و فرآیندهای خاصی را به صورت خودکار انجام دهند، ممکن است در شرایط خاص به نظارت و مداخله انسانی نیز نیاز داشته باشند. این موضوع، دغدغه‌هایی را در مورد چگونگی تعامل خلبانان، کنترل‌کننده‌های ترافیک هوایی و سایر متخصصان هوانوردی با سیستم‌های هوش مصنوعی و نحوه آموزش آنها برای فعالیت موثر با فناوری هوش مصنوعی ایجاد می‌کند. شرکت‌های هواپیمایی باید یک موضوع مهم را مدنظر قرار دهند: اطمینان حاصل کنند انسان‌ها و سیستم‌های هوش مصنوعی می‌توانند به‌طور یکپارچه و ایمن با یکدیگر هم‌افزایی داشته باشند تا بالاترین استانداردهای ایمنی هوانوردی را حفظ کنند. در سمت دیگر ماجرا، استفاده از هوش مصنوعی در صنعت هوانوردی، نگرانی‌هایی را در مورد امنیت داده‌ها و حفظ حریم خصوصی ایجاد کرده است. سیستم‌های هوش مصنوعی برای یادگیری و تصمیم‌گیری، به حجم وسیعی از داده‌ها متکی هستند. این داده‌ها ممکن است شامل اطلاعات حساس در مورد مسافران، عملیات پرواز و سیستم‌های هواپیما باشد. اطمینان از امنیت و حریم خصوصی این داده‌ها برای جلوگیری از دسترسی غیرمجاز یا سوءاستفاده از اطلاعات حساس ضروری است. ذی‌نفعان صنعت هوانوردی باید اقدامات امنیتی قوی داده‌ها را برای محافظت در برابر تهدیدات و نقض‌های احتمالی سایبری اجرا کنند. علاوه بر این، ادغام هوش مصنوعی در زیرساخت‌ها و عملیات هوانوردی موجود، چالش مهمی به همراه خواهد داشت. هوانوردی یک صنعت بسیار حساس و تنظیم‌شده با سیستم‌ها و رویه‌های پیچیده است. ادغام فناوری هوش مصنوعی در این محیط نیازمند برنامه‌ریزی و هماهنگی دقیق است تا اطمینان حاصل شود سیستم‌های هوش مصنوعی با مقررات و استانداردهای موجود مطابقت دارند. به‌روزرسانی مقررات، توسعه برنامه‌های آموزشی مدرن و ایجاد پروتکل‌های جدید برای استفاده از هوش مصنوعی در صنعت هوانوردی، جزو این دسته از برنامه‌ریزی‌ها قرار می‌گیرند. اما با وجود همه چالش‌های موجود، ضروری است به این نکته نیز توجه شود که استفاده از هوش مصنوعی در صنعت هوانوردی در ذات خود «خطرناک» نیست. در واقع، هوش مصنوعی این پتانسیل را دارد که در صورت اجرای مسوولانه، ایمنی و کارایی سفر هوایی را به میزان قابل توجهی بهبود ببخشد. سیستم‌های هوش مصنوعی می‌توانند داده‌های زیادی را برای شناسایی خطرات ایمنی بالقوه، پیش‌بینی نیازهای تعمیر و نگهداری، و بهینه‌سازی مسیرهای پرواز تجزیه و تحلیل کنند. این سیستم‌ها همچنین می‌توانند به کنترل‌کننده‌های ترافیک هوایی در مدیریت حریم هوایی پیچیده و الگوهای ترافیکی یاری رسانند. بنابراین، در صورت استفاده مناسب، فناوری هوش مصنوعی پتانسیل افزایش ایمنی هوانوردی و کارایی عملیاتی را دارد. اما موضوع مهم این است که با احتیاط و دقت به استفاده از هوش مصنوعی در صنعت هوانوردی نزدیک شویم. ذی‌نفعان این صنعت باید خطرات و چالش‌های بالقوه مرتبط با فناوری هوش مصنوعی را به دقت ارزیابی کنند و اقدامات پیشگیرانه‌ای را برای کاهش این خطرات انجام دهند. چنین فعالیت‌هایی، انجام آزمایش و اعتبارسنجی کامل سیستم‌های هوش مصنوعی، توسعه برنامه‌های آموزشی جامع برای متخصصان هوانوردی و اجرای اقدامات امنیتی قوی داده‌ها را دربر می‌گیرند.

آنها که بیکار می‌شوند؛ آنها که می‌مانند

استفاده از هوش مصنوعی در صنعت هوانوردی نگرانی‌هایی را نیز در مورد تاثیر بالقوه بر اشتغال ایجاد کرده است. پیاده‌سازی فناوری هوش مصنوعی این پتانسیل را دارد که وظایف و فرآیندهای خاصی را که پیش از این به‌وسیله انسان انجام می‌شد، به حالت خودکار درآورد و دخالت انسانی را از آن حذف کند. بنابراین، به نظر می‌رسد در آینده نزدیک با افراد بسیاری روبه‌رو خواهیم بود که در صنعت هوانوردی فعالیت داشته‌اند اما به دلیل استقرار هوش مصنوعی، مشاغل خود را از دست می‌دهند. یکی از زمینه‌هایی که استفاده از هوش مصنوعی در هوانوردی ممکن است به جابه‌جایی شغل منجر شود، در زمینه تعمیر و نگهداری هواپیماست. سیستم‌های هوش مصنوعی این قابلیت را دارند که حجم وسیعی از داده‌های حسگرها و سیستم‌های هواپیما را برای پیش‌بینی نیازهای تعمیر و نگهداری و شناسایی مشکلات احتمالی قبل از وقوع آنها تجزیه و تحلیل کنند. این قابلیت نگهداری پیش‌بینی‌کننده، نیاز به تکنسین‌های تعمیر و نگهداری انسانی برای انجام بازرسی‌های معمول و وظایف تشخیصی را کاهش خواهد داد. درست است که استفاده از هوش مصنوعی عملیات تعمیر و نگهداری ناوگان هوایی را کارآمدتر می‌کند اما نگرانی‌هایی را در مورد از دست دادن شغل بالقوه تکنسین‌های تعمیر و نگهداری نیز به وجود می‌آورد. حوزه دیگری که ممکن است پس از استقرار هوش مصنوعی با چالش جدی روبه‌رو شود، کنترل ترافیک هوایی است. سیستم‌های هوش مصنوعی می‌توانند به عنوان یک دستیار، کنترل‌کننده‌های ترافیک هوایی را در مدیریت حریم هوایی و الگوهای ترافیکی پیچیده یاری کنند و در نتیجه، نیاز به تعداد زیادی از کنترل‌کننده‌های انسانی را کاهش دهند. برای مثال، سیستم‌های هوش مصنوعی می‌توانند داده‌های رادار و منابع دیگر را برای پیش‌بینی برخوردهای احتمالی و ارائه توصیه‌هایی به کنترل‌کننده‌ها تجزیه و تحلیل کنند و جنبه‌های خاصی از مدیریت ترافیک هوایی را به صورت خودکار مدنظر قرار دهند. در حالی که نظارت و مداخله انسانی همچنان ضروری خواهد بود، استفاده از فناوری هوش مصنوعی در کنترل ترافیک هوایی پتانسیل کاهش تقاضا برای کنترل‌کننده‌های انسانی را دارد که به نگرانی‌هایی در مورد جابه‌جایی شغل در این زمینه منجر می‌شود. هوش مصنوعی حتی ممکن است امنیت شغلی خلبانان را نیز تحت تاثیر قرار دهد. با استقرار این فناوری، جنبه‌های خاصی از عملیات پرواز خودکار می‌شود. سیستم‌های خلبان خودکار می‌توانند وظایف معمولی مانند حفظ ارتفاع و حرکت را انجام دهند و خلبانان مسوولیت عملیات کلی پرواز و تصمیم‌گیری را بر عهده خواهند داشت. بر همین اساس، استفاده از فناوری هوش مصنوعی در اتوماسیون هواپیما، نگرانی‌هایی را در مورد پتانسیل کاهش تقاضا برای خلبانان در انواع خاصی از عملیات پروازی ایجاد کرده است. با پیشرفت فناوری هوش مصنوعی، ممکن است تغییر به سمت هواپیماهای خودمختار یا خلبان از راه دور رخ دهد که به‌طور بالقوه بر فعالیت خلبانان سنتی تاثیر می‌گذارد. علاوه بر این مثال‌های خاص، ادغام گسترده‌تر هوش مصنوعی در عملیات هوانوردی بر طیف گسترده‌ای از نقش‌ها در صنعت هوانوردی تاثیر خواهد گذاشت. هوش مصنوعی برخی وظایف اداری، تجزیه و تحلیل داده‌ها و عملکردهای پشتیبانی تصمیم را که پیش از این به‌وسیله انسان انجام می‌شد، خودکار می‌کند. این فناوری شغل افرادی را که در زمینه تحلیلگری داده‌ها، برنامه‌ریزی عملیات و پشتیبانی اداری فعالیت می‌کنند، به صورت جدی دستخوش تغییر قرار خواهد داد. از همه این موارد که بگذریم، در حالی که از بین رفتن فرصت‌های شغلی در صنعت هوانوردی یک چالش اساسی محسوب می‌شود، مهم است که در نظر بگیریم استفاده از هوش مصنوعی به ایجاد نقش‌ها و فرصت‌های جدید در این صنعت منجر می‌شود. برای مثال، با استقرار گسترده‌تر سیستم‌های هوش مصنوعی در صنعت هوانوردی، ممکن است تقاضا برای افراد دارای تخصص در توسعه هوش مصنوعی، تجزیه و تحلیل داده‌ها و یکپارچه‌سازی سیستم افزایش یابد. علاوه بر این، استفاده از فناوری هوش مصنوعی ممکن است منابع انسانی را برای تمرکز بر وظایف پیچیده‌تر یا استراتژیک‌تر که نیاز به قضاوت و تصمیم‌گیری انسانی دارند، به سمت شغل‌های جدیدتر هدایت کند.