Как искусственный интеллект учится летать: настоящее и будущее нейросетей в авиации

Массовый интерес к искусственному интеллекту вызвали успехи нейросетей в создании социального контента. Однако на протяжении многих лет он успешно применялся для решения прикладных задач в аэрокосмической сфере. О настоящем и будущем искусственного интеллекта в авиации рассказал доктор технических наук, профессор кафедры 806 «Вычислительная математика и программирование» МАИ Владимир Судаков.

Искусственный интеллект давно и прочно вошёл в авиацию — настолько, что сейчас сложнее сказать, где он совсем не применяется. На сегодняшний день главное поле его практического применения — диагностика и аналитика. Искусственный интеллект проводит диагностику авиационных систем, предсказывает, в каких деталях и узлах следует ожидать поломки, когда и по какой причине. Дело в том, что самолёт содержит множество датчиков, которые поставляют огромное количество данных для анализа — только за час полёта их набирается на 2 терабайта. На основании анализа этих колоссальных объёмов данных специальные предиктивные модели позволяют предсказать поломки и подсказать режимы работы, которые повышают экономическую эффективность.

На Западе давно востребованы электронные ассистенты пилота, которые подсказывают пилоту, как правильно действовать при взлёте и посадке. Место толстых гроссбухов руководства по лётной эксплуатации и различных инструкций занимают удобные электронные планшеты, которые предупреждают возможные ошибки. Теперь такие системы начинают появляться и в России. Искусственный интеллект находит применение и в поиске проектировочных решений, и в задачах по поиску и идентификации объектов в воздухе.

Однако развитие искусственного интеллекта открывает перед авиаторами и новые заманчивые перспективы, которые связаны с развитием технологии машинного обучения с подкреплением. Суть этой технологии состоит в том, что нейросети нового поколения больше не пытаются копировать предыдущие действия людей-специалистов, а осваивают новые компетенции самообучением с нуля, методом проб и ошибок.

— Та же ситуация, что теперь в авиации, была в шахматах. Когда только начали создавать шахматные программы, то сначала разработчики тоже пытались имитировать функцию ценности шахматных фигур, гроссмейстера, и закладывали в компьютерную программу огромную базу данных прецедентов, дебютов, которые показывали компьютеру, как нужно играть в тех или иных ситуациях. Эта функция ценности ошибалась, её постоянно «подкручивали». Сейчас от этого ушли, и компьютер может обыграть любого шахматиста, несмотря на то, что его никто не учил дебютам, не подстраивал под профессиональных гроссмейстеров. Компьютер просто играл сам с собой, очень долго и много. Он учился, играл, совершенствовался и самосовершенствовался, и это самосовершенствование в итоге привело его к победе над человеком, — рассказал Владимир Судаков.

Интересно, что процесс машинного обучения нейросетей с подкреплением имеет прямую аналогию из жизни человека. Его можно сравнить с обучением ребёнка, который учится ходить. Делая первые шаги в жизни, ребёнок не имеет никакого ранее полученного опыта, он не имеет представления о физике процесса. Природа заставляет действовать его по принципу: «Не важно, что ты делаешь, пробуй как угодно, но достигни цели».

Такая парадигма машинного обучения имеет огромные перспективы прежде всего для беспилотной авиации. Пока используется один, два, три беспилотника, с их управлением легко может справиться человек-оператор. Но когда количество БПЛА, одновременно находящихся в воздухе, составляет сотни и даже тысячи единиц, как, например, бывает на современных театрах военных действий, координировать их полёт с земли становится сложно. И здесь модели машинного обучения с подкреплением способны обучить БПЛА работать сообща. В данный момент ведётся много разработок в области так называемого «роевого интеллекта» и компьютерного зрения, которые позволят БПЛА координировать свои действия.

Ещё одна потенциальная сфера применения ИИ — полностью автоматизированный беспилотный полёт летательного аппарата. Эксперименты с автомобильным транспортом уже дают свои результаты, однако вскрывают и ряд сложностей. Одна из них — невозможность понять результаты, к которым приходит нейросеть в результате своей интеллектуальной деятельности.

— В авиации, как известно, цена ошибки велика. Но у нас ошибаются все: и люди, и искусственный интеллект. Единственное, в чём здесь отличие искусственного интеллекта от человека, над чем сейчас приходиться работать, если человек сделал какое-то неправильное действие, мы можем его спросить: почему ты так сделал? И человек как-то попытается объяснить свои действия. Если мы говорим про искусственный интеллект, представленный нейросетью, то когда нейросеть выдаёт свой результат, она объяснить свой результат не может, и мы часто не можем. Сейчас ситуация меняется, появляются объяснимые нейросети, когда мы можем отмотать назад и найти причины такого результата. Поэтому БПЛА рано или поздно научаться летать, и научаться летать хорошо. Только не повторяя действия пилота, а действуя методом проб и ошибок: и как люди научились ходить, так интеллектуальные агенты научаться летать в ближайшее время, — отмечает эксперт.

Материал подготовлен при поддержке Минобрнауки России.