"\u003Cdiv\u003E\u003Cp\u003E人工智能（AI）正在深入到我們生活的方方面面，然而歐洲久負盛名的兩大航空航天工業巨頭——泰雷斯公司與法國國家宇航研究中心（ONERA）卻表示，AI不適合用在駕駛艙中進行工作！\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F76abef4d84074bd18750d49124455dac\" img_width=\"500\" img_height=\"279\" alt=\"人工智能所向披靡？兩大法國航空巨頭拒絕了它\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E2017年的一次模擬飛行試驗，試驗中飛行機器人替代人類飛行員，在波音737飛行模擬器上成功成功完成了一次從起飛到着陸的飛行任務。\u003C\u002Fp\u003E\u003Cp\u003E很顯然，這個觀點是完全有悖於近來多數人羣的認知的。\u003C\u002Fp\u003E\u003Cp\u003E現代飛機上的電子設備越來越複雜，飛行員們的工作負擔也越來越重，迫切需要一種輔助的手段協助飛行員進行飛行管理。電傳操縱系統在一定程度上解決了飛機性能提高和安全性下降之間的矛盾，並通過設置邊界保護、多重冗餘等手段，達成了一定的智能化自動操作水平，顯著降低了駕駛員操縱飛機的負擔。但是，除了操縱飛機之外，現代飛機的飛行員需要掌控的其他事項仍然較多。而受人類的生理限制，在多任務監控和執行、對飛行參數變化的敏感度以及進行操縱的及時性等諸多方面，仍然難以滿足現代飛機的要求，出現駕駛員工作負荷增加、航空安全壓力增大、無法適應現代的空中作戰態勢環境或者飛行環境等問題。據統計，目前的航空飛行事故中，大約80 %是由於各種人爲因素造成的。爲此，需要更進一步提高AI的能力來輔助駕駛員進行飛機操縱。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F36abdac0bbbe4d639fc4b659330f16d3\" img_width=\"500\" img_height=\"332\" alt=\"人工智能所向披靡？兩大法國航空巨頭拒絕了它\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E洛克希德公司在上世紀80年代曾對一個可以協助客機駕駛員進行實時航線管理和規劃的AI系統進行了研究。從工作原理上來講，這一類AI主要是採用知識庫和專家系統，與實時性足夠高的並行處理系統、語音系統等結合，形成一個人工智能輔助決策系統，爲飛行員提供決策依據。在此基礎上，增加此類系統的權限，使其在一定範圍內可以接管駕駛員的操縱權限，便可實現駕駛員的“無憂慮操作”，並可以在應急時實現自動化調整和控制，保證飛機的安全飛行。例如，美國空軍在上世紀90年代對具有故障重構能力的智能型飛控系統進行了驗證，實現了在出現一定氣動損傷的情況下，仍能維持戰機飛行的能力。到了今天，這一類AI的發展已經非常成熟，目前幾乎所有的先進飛機上，都已經廣泛採用了類似的AI作爲駕駛員輔助系統。這類輔助系統屬於初級AI，目前也幾乎成爲了現代飛機的標準配置。這些初級AI已經成爲了現代飛機系統的一個有機組成部分，自然不是ONERA和泰雷斯公司發反對的對象。\u003C\u002Fp\u003E\u003Cp\u003E目前普遍探索、並不斷深入發展的高級AI，基本上都沿襲了Deep Mind公司在“Alpha Go”上開創的道路（“Alpha Go”在2016年擊敗韓國圍棋九段李世石而一舉成名），關鍵技術爲深度學習與神經網絡。深度學習，是高級AI進行自主學習的主要方式，通過人工輸入（或AI按規則自行生成、獲取）大量的數據，AI會自行建立識別模型。而由分層算法組成的神經網絡，則是模擬了生物神經網絡的工作原理，非常適合大數據量並行操作，可以有效減少計算時間，提高反應速度。\u003C\u002Fp\u003E\u003Cp\u003E但是，目前人們對於高級AI的最大憂慮，也來自於深度學習與神經網絡。由於深度學習只是由人類進行目標指示，學習過程完全是由AI自主完成，而神經網絡算法多重並行計算的特徵則導致了難以進行數據回溯。因此，完全可以將這個過程看作是AI本身的“黑箱操作”，同時，高級AI的這種算法只能保證結果符合要求，並不能保證整個過程都可以受控。因此目前已經在許多領域取得重大進展的高級AI技術，並不滿足現行航空運輸安全標準的要求，也不適合用於裝備飛機駕駛艙。ONERA信息處理和系統主管維金尼·威爾斯對此評價說：“如果我們不能解析該系統的功能，我們將很難使其通過認證。”\u003C\u002Fp\u003E\u003Cp\u003E另外，目前的高級AI還有一個重大缺陷，即只能在限定的規則中學習，以“經驗主義”的方法來完成工作，無法應對額外的錯誤或者擾動。這對於保證飛行安全的最高要求來講，很可能是致命的威脅。去年，位於舊金山的一家人工智能公司Vicorance的專家進行了一個有趣的試驗。他們訓練了一個高級AI學習彈珠消除遊戲，AI只進行了約600次學習，便達到了專業的人類玩家的水平。然而，當專家們在遊戲中做出改變，增加了一個不可擊破的區域之後，AI便完全抓瞎了。Vicarious的專家迪利普·喬治對此評論說“我們人類不僅僅是模型識別器，我們也不斷爲看到的新東西建立新模型。” 很顯然，人類玩家可以迅速適應這些變化，而高級AI則困在了原有的規則中，無法突破。人類的邏輯推理能力，使得人腦可以應對許多突發的變化事件，這也是高級AI目前無法達到的能力。\u003C\u002Fp\u003E\u003Cp\u003E泰雷茲公司首席技術官馬爾科·艾爾曼也對高級AI出錯的可能性進行了描述：“系統會提取圖案，但我們不知道它在做什麼——當識別照片上的乒乓球時，它可能會被欺騙，在一張展示另一項運動的照片上，在運動員的頭髮上增加一些顏色的像素。”\u003C\u002Fp\u003E\u003Cp\u003E然而，不可否認的是，更強大、更完善、更能滿足人類規則需求的新型AI，將會規避目前高級AI的缺陷，也是AI技術未來進一步發展的方向。事實上，泰雷斯公司和ONERA目前仍在在進行新一代AI的研發工作，他們對媒體所說的駕駛艙不需要AI，僅僅是特指目前仍未成熟、無法達到航空工業標準的AI而已。艾爾曼爲此說：“我們給自己兩到三年的時間來完成第一個‘可解析’人工智能系統。”換句話說，泰雷斯公司希望到2021年在新一代AI項目上取得重大進展。但威爾斯認爲，對這些新AI系統的研究和測試需要更長的時間，在未來10年裏，不會實際應用到駕駛艙裏。\u003C\u002Fp\u003E\u003Cp\u003E問題的關鍵在於“可解析”，艾爾曼解釋說：“正在接受人工智能協助的人類（駕駛員）必須能夠理解人工智能選擇的原因。目前的用戶還沒有解決這些問題，因爲他們不需要解決這些問題。”關於新AI系統如何獲得認證的問題，艾爾曼指出，“至於認證，我們已經與歐洲航空安全局(EASA)談過，他們很清楚，認證標準必須與技術解決方案同步進行發展。”威爾斯對此補充說，“目前我們還不能進行認證，因爲我們不知道該系統在每個案例中都做了什麼。”\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fcdfd65c8a3274f5397d888b95d9f01bc\" img_width=\"500\" img_height=\"336\" alt=\"人工智能所向披靡？兩大法國航空巨頭拒絕了它\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E2018年10月29日，印尼獅航波音737客機空難，使得目前已有的人工智能與人類飛行員的矛盾暴露得更加明顯。根據事故初步調查的結果，由於仰角傳感器故障，導致防失速系統自動壓低機頭，而飛行員發現飛機狀態錯誤後及時拉起，隨後因爲防失速系統具有超越權限，再次壓低機頭，二者反覆多次較勁，直至飛機墜毀，造成了189人喪生的慘劇。很顯然，未來的新型AI必須能夠擺脫這種單調功能規則的侷限，並與駕駛員達成良好的溝通和互動，才能真正成爲駕駛艙中的好助手。\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E"'.slice(6, -6), groupId: '6719328101274223115