MITRE公司将人工智能和机器学习应用于航空安全领域，帮助发现和解决安全风险，支持更好的决策和持续的性能改进。
在过去的20年里，飞行员、管制员、制造商和维修人员之间的信息共享和协作使航空安全得到了重大改善。随着共享数据量的增加，需要将人工智能概念和机器学习技术引入复杂的由数据驱动的模型中，以预测行动、识别模式并挖掘深层的因果关系。
MITRE公司应用人工智能帮助分析师识别运行数据中的模式，从多个角度增强分析，并关联数据集。这些数据集为分析师提供了强大的支撑。MITRE正在开发机器学习框架并对这些框架进行评估和验证，以识别风险和探索新方法，帮助确定潜在的、新的或正在出现的安全问题。这些工作涉及场面、机场终端和航路运行，目的是让航空运行更加安全。由于存在大量不同的数据，与已知的安全指标相比，挑战在于评估和检测未知的漏洞和异常。
1 通过主动识别来监控航空安全趋势
分析和理解人为因素是改善航空系统和安全标准的关键。为了处理大量的安全报告，MITRE公司采用了一种半监督文本建模方法。这种方法支持分析师使用关键字来预先定义感兴趣的主题，并对建模结果的收敛产生影响。安全分析师可以使用机器学习来帮助筛选大量文本报告，帮助他们理解导致安全问题的因素。
由于MITRE每个月都会收到成千上万份新的安全报告，采用人工智能技术进行分析可以更好地监控这些与新的安全报告。利用历史报告作为基准来识别新的单词或短语，比较新旧报告中的术语和安全概念，可以主动识别潜在的安全危害。
2 近实时地开展深度学习
MITRE一直在开发自动语音识别技术，将空中交通管制（ATC）的语音转换为文本，然后对文本进行运行后分析、实时安全监控和空中交通管制培训。
在过去的几年里，MITRE探索了从ATC语音通信中提取信息的不同人工智能技术。随着数据集的增长，该公司使用了更复杂的技术，比如深度学习模型。MITRE已在成千上万的管制员-飞行员实时语音通信中对该模型进行了训练。数据和深度学习的结合大大减少了语音处理错误。这些深度学习模型可以近实时使用。例如，目前的场面安全系统仅依赖监视信息对飞机间冲突和碰撞进行预测和预警，这可能导致报警延迟或误报。将飞行员-管制员语音通信分析与现有的地面监视系统相结合，可以使操作员实时发现潜在的场面运行危险。
展望未来，随着更多的新成员进入国家空域系统，以及改进的地对空体系结构的形成，人工智能将在航空界发挥越来越重要的作用。
朱虹译自互联网，钱宁审定
2019年5月
声明：本文来自防务快讯，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
