Generar confianza en la inteligencia artificial en gestión del tráfico aéreo
Cada vez más, la inteligencia artificial (IA) simplifica las tareas complejas y automatiza por completo las rutinarias. En la gestión del tráfico aéreo (GTA), una falta de transparencia en torno a técnicas de IA como las redes neuronales y el aprendizaje profundo tiene graves consecuencias para la confianza y la implementación. El proyecto ARTIMATION (Transparent Artificial Intelligence and Automation to Air Traffic Management Systems), financiado en el marco de la Empresa Común SESAR para modernizar el sistema de GTA europeo, ha creado algoritmos de «IA explicable» (IAE) que revelan el funcionamiento del creciente abanico de soluciones de IA de la GTA. «Además de garantizar la fiabilidad y funcionalidad de la IA para las tareas de GTA, nuestro enfoque consiste en hacerla más aceptable aumentando su explicabilidad», explica Shahina Begum, segunda responsable del grupo de IA y Sistemas Inteligentes de la Universidad de Mälardalen (Suecia). El equipo de ARTIMATION ha desarrollado algoritmos que utilizan técnicas de IAE para respaldar dos tareas operativas habituales: la resolución de conflictos de tráfico aéreo (como el desvío de aeronaves para evitar colisiones) y la propagación de los retrasos (comprender las razones por las que se retrasan los vuelos). «Hemos logrado crear modelos de IA transparentes de prueba de concepto: lo suficientemente genéricos como para adoptarlos para distintas tareas y adaptables con el tiempo, ofreciendo así un apoyo a las decisiones seguro y fiable», señala el coordinador del proyecto Mobyen Uddin Ahmed, también de la Universidad de Mälardalen, entidad anfitriona del proyecto.
Desde prueba de concepto hasta prueba «in situ»
Tras una revisión bibliográfica de las opciones de IA en GTA, el equipo de ARTIMATION seleccionó algoritmos de acceso libre disponibles, como Random Forest, como sus soluciones preferidas. Trabajando con expertos en GTA en tres talleres en línea, el equipo las personalizó. A continuación, representantes de la Universidad de Mälardalen y de la Escuela Nacional de Aviación Civil francesa (ENAC) probaron en el laboratorio los algoritmos modificados. El resultado fue un prototipo de IAE que aumentaba la comprensión por parte del usuario de las fases que conducen a una decisión crítica, junto con la lógica subyacente que impulsa dicho proceso. Los usuarios siguen las explicaciones de IA utilizando cascos con herramientas de visualización en 3D integradas, como narración de historias y análisis inmersivos basados en datos. Las explicaciones abarcan los tres niveles de automatización desarrollados por el equipo. En el primer nivel, los usuarios tienen el mayor control; en el nivel tres, es la IA quien lo tiene. En las instalaciones de la ENAC en Francia se están llevando a cabo actualmente pruebas con usuarios, en las que se analizan escenarios simulados de propagación de retrasos y resolución de conflictos en tráfico aéreo, junto con los socios Deep Blue y Universidad de la Sapienza, ambos en Italia. «Nuestro prototipo fue capaz de predecir con precisión los retrasos el 90 % de las veces», añade Ahmed.
Posibilidades futuras a la vista
Está previsto llevar a cabo pruebas con el prototipo en los simuladores de GTA de la ENAC en Francia. Esta evaluación cualitativa analizará con más detenimiento cuestiones relacionadas con la aceptabilidad, la seguridad, las funciones y la asignación de tareas. «Profundizaremos en la manera en la que distintos niveles de técnicas de transparencia y visualización influyen en la confianza, así como en el rendimiento tanto de las personas como del sistema», explica Ahmed. «Investigaremos la respuesta fisiológica y psicológica de los usuarios a la IA utilizando distintas mediciones neurofisiológicas». Estas mediciones evaluarán sobre todo el volumen de trabajo, el estrés y la aceptación del operador de distintos niveles de IAE. Begum incluso prevé la existencia de sistemas de IA en el futuro que interactúen con el cerebro humano —que lean con eficacia la intención de los usuarios para acelerar el control del operador— alojados en entornos inmersivos, como la realidad virtual. Dado que la solución de ARTIMATION sigue principios de diseño de adaptabilidad, podría extenderse también a otras tareas de GTA, como la detección de objetos. Según Begum: «Incluso algún día la supervisión, el control y el apoyo a las decisiones automatizados podrían llevar hasta una “torre por control remoto o virtual”, lo que eliminaría la necesidad de todos los activos físicos que vemos hoy en día». En la actualidad el equipo también está trabajando en directrices de IA para la propagación de retrasos y la resolución de conflictos, diseñadas para los controladores aéreos y las comunidades de IA.
Palabras clave
ARTIMATION, IA explicable, IAE, gestión del tráfico aéreo, GTA, control del tráfico aéreo, seguridad, aprendizaje automático, redes neuronales, colisión, retrasos, algoritmos, visualización, realidad virtual
