人工智慧進入航空領域：從協助飛行員做起
自主飛行，是世界航空技術研發的前沿概念之一，先進的飛行控制技術和人工智慧技術，讓很多水陸空的平台實現了自主運行、自主探測和自主決策。而在直升機領域，多家公司已經進行了大量的實踐探索，對此本刊採訪了柯林斯宇航中國區副總裁何偉昌先生，探討了人工智慧和自主飛控系統在直升機領域的應用前景。
直升機自主飛行技術的意義
在直升機領域，自主飛行是一項新興技術，該技術可以有效降低飛行員的工作壓力、提升執行任務的專註程度，並減少對直升機的人力需求。
業內一般認為，人類飛行員的能力十分適合於複雜任務的決策，並且能夠在短時間內對快速變化的複雜情況做出反應。但這樣的複雜情況的決策過程對於飛行員的大腦是個很大的考驗，特別是還需要對直升機的飛行狀態進行保持的條件下，飛行員很難進行精力的分配。
而對於電腦來說，仍有很多常規性的任務更適合由它們來完成，例如檢查發動機狀態、高度計、燈光、開關，甚至保持直升機的飛行姿態等基本飛行操作。這些常規性的操作對於人類飛行員來說較為單調和枯燥，但又不得不去做，這就使飛行員必須將精力在執行任務和對直升機進行基本操作之間進行分配，而出於自身安全考慮，飛行員往往將精力更多的放在對直升機的操作上面，以保證不會墜毀，從而可能影響了真正要執行的任務。
在如此惡劣的天氣下執行任務，飛行員光是保證「直升機不會墜毀」就幾乎用去了全部精力，更不用說要在救援目標上空精確的懸停。
對此，柯林斯宇航中國區副總裁何偉昌先生表示，隨著人工智慧的發展，經過「培訓」的飛控程序，可以代替飛行員對直升機進行基本的檢查和操作，例如操作直升機進行爬升、懸停、避障、保持飛行姿態等，甚至還可以完成「在較為惡劣的氣象條件下進行懸停」這樣的操作。而未來隨著計算機「智能」的增加，飛控系統還可以具備更多功能，如激活緊急程序、自主規劃路線並導航飛行到預定地點，甚至可能自主使用某些感測器等。
柯林斯宇航中國區副總裁何偉昌先生。
這樣，直升機就可以認為是具備了一定的「自主飛行能力」，直升機可以「自主地」完成基本的飛行操作，同時向飛行員報告當前的狀態，使得飛行員能夠專心處理更多其他的問題，不在「操作直升機飛到某處或防止墜毀」上面投入過多的精力，大大減輕飛行員的負擔。
人工智慧的問題和挑戰
當然，這樣的人工智慧技術要實現是十分不容易的，何偉昌先生認為，人工智慧系統要絕對安全可靠地達到上面的要求還有很長的路要走，並且存在著諸多挑戰。
首先對於直升機飛行員來說，雖然應用人工智慧的「自主飛行」技術可以減輕負擔，但很難確定「到底可以減少多大比例」的負擔，很難對此進行量化。而難以量化的結果，就是難以確定計算機的自主飛行控制要對飛行員的操作介入到什麼程度，從而難以確定這種自主飛控程序的複雜程度，就很難決定要進行多少投資、可以得到什麼回報。
其次，採用自主飛行系統以後，雖然飛行員的負擔減輕，但也存在著飛行員技術水平降低的風險，因為很多操作由計算機替代飛行員做了。而在發生故障和某些極限飛行條件下，飛行員處理特情的要求並沒有降低，這就可能使新的飛行員無力應對這些特情，從而在另一個方面帶來了不安全的影響。
另外，由於系統更加複雜，對飛行員的培訓和技術能力水平要求也更高。最後，也是最重要的一點，是人工智慧現在還無法進行解釋，也無法得到可證明的確定性的結論，因此這對於航空領域中的「安全關鍵系統」而言是不可接受的，也就無法得到人類的信任。
人工智慧把照片識別成羊的置信度26%、識別成牛的置信度為17%，甚至在下面一組照片中還以39%的置信度識別成人。如果在飛行控制領域，是絕對不能出現「前方有個高樓，置信度77%「這樣的事情。
當前航空機載系統的設計和認證體系都非常強調產品的「可證明」和「確定性」，而人工智慧技術都是與大數據與深度學習為基礎，這本身就存在一定的不確定性，與航空系統的要求是矛盾的。
例如當直升機的飛行員在計算機上兩次輸入同樣的目的地、需要在同樣的要求下進行兩次飛行，兩次的氣象條件也相同，計算機得出的卻是不同的飛行建議，而其中一個建議在人類飛行員看來又是幾乎不可行；再加上計算機沒有告訴飛行員它是如何做出這些決策的，那人類飛行員如何能信任繼續信任這個「自主飛行」系統呢？就一些具體技術而言，直升機利用感測器對障礙物的探測和識別是實現自主飛行的基礎，只有對障礙物進行有效的識別和探測才能實現直升機「替代飛行員避開障礙物讓飛行員集中精力」的要求。
但這一目的實現起來並不容易，這樣對人類飛行員來說是基本的任務，人工智慧實現起來確非常困難。雖然現在自動駕駛汽車對障礙物的識別率已經很高，但對於航空系統的要求仍然是不夠的，自主飛控程序仍然可能對同一個障礙物進行了兩次不同的識別，這也是飛行員們不可接受的，因此仍然需要再付出努力去克服這一點。
可將有人駕駛直升機轉換為無人自主駕駛模式的改裝套件，套件中包括激光雷達等感測器系統。
人們已經進行大量工作
因此，目前應用人工智慧技術的「自主飛行」系統要想應用在直升機上面，當務之急是需要實現人工智慧系統的確定性。柯林斯宇航作為一家航電系統的製造商，也在這一領域進行積極的工作。例如柯林斯宇航與西科斯基公司共同開發了一種新的電傳飛控技術改造解決方案，該方案可用於直升機或固定翼飛機從而為自主飛行打下基礎。目前，該技術已應用於西科斯基一架UH-60A「黑鷹」直升機的改裝，作為西科斯基的直升機「可選駕駛模式」（OPV）系統項目的技術基礎。該項目是DARPA「機器人輔助自動駕駛」（ALIAS）系統的一部分，用於演示的UH-60A OPV驗證機已於2019年5月底進行首飛。
採用UH-60A改裝的OPV「黑鷹」。
新的電傳系統具有三餘度，並用由增強型飛控計算機控制的機電作動器代替了傳統的連桿和齒輪的機械傳動系統。柯林斯宇航與西科斯基合作設計了這種純電磁耦合的「無干涉」系統，從而無需齒輪、滾珠絲杠或離合器來實現機械操縱。
這也是這種傳動系統首次用於對安全性要求極高的航空系統應用中。這種電傳操縱的革命性設計使通常位於飛控計算機內的許多控制邏輯，現在可以在外部駐留在其自己的控制模塊或作動器本身當中，進一步簡化了系統架構並提高了可靠性。更重要的是，這種設計無需更改直升機原有的液壓系統即可安裝，從而無需對液壓系統進行重新認證，提供了更實惠的改進選擇。
柯林斯宇航表示，這種新型的電傳操縱系統改造方案和該公司即將推出的新型飛行管理計算機（VMC）將有助於實現飛行器的自主控制，為軍用和民用的自主飛行系統提供打下基礎。
當然，上述案例表明，在直升機自主飛控領域的現階段工作都是比較基礎的，解決一些基礎問題，並非直接奔向「以人工智慧取代飛行員」的主題。而未來的工作還是要將是要人工智慧系統的確定性提升，在這方面很多專家提出過各種想法，例如受控學習等，也可以採用人工建模和機器學習相結合的手段，將機器學習中不確定的結果過濾掉，從而提高了系統的確定性，也使系統中的人工智慧演算法變的可解釋。
在前面提到的DARPA的ALIAS項目的飛行試驗中，飛行員採用平板電腦來對自主控制系統下達指令，控制系統自主對飛行路線進行規劃。
但是，相對於飛控系統部件級別的改進，提升整個系統中人工智慧的確定性其目標還相對長遠，對此何偉昌表示雖然柯林斯宇航正在這一領域進行努力，但是目前還不能給出一個具體的時間表或路線圖之類的承諾，因為實現這一目的仍然需要大量的投資和研究。
