Un asistente de inteligencia artificial ayuda a los controladores aéreos a mantener la conciencia situacional
La capacidad en materia de aviación —tanto en tierra como en el aire— se ve limitada por la capacidad de volumen de trabajo de los controladores aéreos. En los periodos de mucha actividad, es habitual que los vuelos se retrasen o se alejen de un espacio aéreo potencialmente congestionado, malgastando así tiempo y combustible. A raíz de esto, el sector de la gestión del tráfico aéreo (GTA) ha estudiado formas de aplicar la automatización para ayudar a hacer frente al volumen de trabajo y para liberar la capacidad mental de los controladores a fin de que puedan ocuparse de más aeronaves y centrarse en tareas de seguridad crítica. «Gran parte de este trabajo se ha centrado en la automatización de tareas concretas, como la detección de conflictos», explica el coordinador del proyecto AISA (AI Situational Awareness Foundation for Advancing Automation) Tomislav Radisic, de la Facultad de Ciencias del Transporte y el Tráfico de la Universidad de Zagreb (Croacia). «Un conflicto es una situación en la que dos aeronaves van camino de acercarse demasiado en algún momento, lo que suele significar una separación inferior a cinco millas náuticas».
Conciencia situacional automatizada
El reto al que se enfrentan los controladores aéreos es que tienen que llevar a cabo cientos de tareas independientes a diario. Por ello, en lugar de centrarse en automatizar las distintas tareas, el equipo de AISA buscaba dar un paso atrás y desarrollar un sistema más fundamental. El proyecto se financió en el marco de la Empresa Común SESAR, una colaboración público-privada creada para modernizar el sistema de GTA en Europa. «Queríamos crear algo que en primer lugar supervisara de forma efectiva todas las herramientas existentes, para darle al sistema un tipo de conciencia situacional artificial», añade Radisic. «Al realizar un seguimiento de muchas cosas a la vez, pensamos que también podríamos automatizar distintas tareas de supervisión existentes». El equipo del proyecto se dedicó a crear un sistema prototipo basado en lo que se conoce como «gráficos de conocimiento», generados de forma automática a partir de datos aeronáuticos disponibles. «Estos gráficos de conocimiento ayudan a explicar las relaciones entre distintos objetos y conceptos», comenta Radisic. «Así que, por ejemplo, si queremos adquirir nuevos conocimientos sobre la situación, podemos hacerlo razonando sobre los hechos que sabemos que son ciertos». Este tipo de «mapeo» ayudó al equipo del proyecto a crear un sistema con mucha más conciencia situacional, capaz de determinar si el resultado de una herramienta automatizada concreta reflejaba la realidad. «Si, por ejemplo, una herramienta automatizada sugiere que hay dos aeronaves en conflicto, en el gráfico de conocimiento podemos ver que quizá no sea así», explica Radisic.
Satisfacer las necesidades del sector
A continuación, se llevaron a cabo distintos experimentos simulados con controladores aéreos. El equipo del proyecto quería ver hasta qué punto era eficaz el sistema a la hora de supervisar el rendimiento de las herramientas automatizadas —si detectaba algo que los controladores humanos no detectaban— y hasta qué punto resultaba útil la automatización de determinadas tareas de supervisión. «Lo primero que hay que decir es que el sistema funcionó según lo esperado», observa Radisic. «No hubo lapsos en la conciencia situacional, y de hecho el sistema fue capaz de reaccionar a resultados que no reflejaban la realidad, a diferencia, en ocasiones, de los controladores humanos». La supervisión automatizada diseñada para ayudar a los controladores recibió opiniones más matizadas. «Las aportaciones se hicieron llegar a los controladores a través de mensajes pregrabados, en momentos específicos que creímos que serían apropiados», dice. «Sin embargo, por lo general a los controladores no les gustó esta forma de recibir la información, puesto que esperan que solo les hablen los pilotos. Otra cuestión fue la incertidumbre sobre cuándo presentar esta información; algunos controladores opinaron que la información se había proporcionado demasiado pronto». Este tipo de comentarios son sumamente importantes. La pronta implicación de usuarios finales cruciales en este desarrollo tecnológico ayudará a garantizar que el sistema final se adapte especialmente a sus necesidades. «Este proyecto empezó estudiando cómo podría encajar esto en los sistemas actuales, pero también nos interesa moldear conceptos de GTA futuros más allá de 2035», añade Radisic. En consecuencia, los próximos pasos incluirán un análisis más detallado de la mejor forma de presentar estas alertas de supervisión automatizadas a los controladores y de cuándo debería presentarse dicha información. Radisic prevé el desarrollo de una interfaz persona-máquina visual. «Se trata de comprender las necesidades del controlador aéreo», señala Radisic. El proyecto también pone de relieve el compromiso general del sector con respecto a la seguridad. Mientras que las herramientas de aprendizaje automático sin duda pueden lograr la eficiencia y fomentar la seguridad en la aviación, es fundamental que los controladores puedan estar seguros de que está funcionando adecuadamente. Para ello, el equipo del proyecto AISA ha realizado una importante contribución en este diálogo en curso.
Palabras clave
AISA, aviación, tráfico, aéreo, aprendizaje automático, espacio aéreo, combustible, aeronave
