Encontrar el lugar de la automatización dentro de los sistemas de control del tráfico aéreo
Los sistemas automatizados ya desempeñan un papel importante dentro de la industria de la aviación. Las compañías aéreas utilizan regularmente la IA para todo, desde planificar nuevas rutas hasta comunicarse con los clientes, optimizar la eficiencia del combustible e incluso realizar el mantenimiento predictivo de las aeronaves. Sin embargo, el papel de la tecnología se ha limitado en gran medida a lo que la industria denomina aplicaciones no críticas para la seguridad. Todavía no ha llegado a los sistemas de control del tráfico aéreo (CTA). «En la aviación preocupa mucho la seguridad, y con razón», afirma Stefano Bonelli, coordinador del proyecto MAHALO (Modern ATM via Human/Automation Learning Optimisation). «Los modelos de IA actuales simplemente carecen de la precisión necesaria para cumplir con las estrictas normas referentes a la seguridad de la aviación».
Formación y certificación en IA para el CTA
Bonelli, director de Factores Humanos Innovadores en la empresa Deep Blue, anfitriona del proyecto, explica que, incluso si los modelos pudieran pasar el control de seguridad, eso no se trasladaría a un uso inmediato. «Antes de su aplicación, un sistema de IA tendría que pasar por un proceso de certificación complejo», agrega. «Dado que las redes neuronales se componen de miles de parámetros que pueden recibir formación, sería casi imposible inspeccionar y certificar todos y cada uno de ellos». Asimismo, está la cuestión relacionada con la capacitación del modelo. «El CTA es tan complejo, al tener en cuenta todas las variables y escenarios posibles imaginables, que entrenar un sistema de IA requeriría recopilar grandes cantidades de datos», explica Bonelli. ¿Significa que no hay lugar para la IA dentro de la torre de CTA? Según Bonelli, esto no tiene por qué ser así. «La utilización de IA permitiría un mejor uso del espacio aéreo, ayudaría a reducir los embotellamientos y los retrasos, mejoraría la eficiencia del combustible y, lo que es más importante, aumentaría la seguridad», expresa. «El desafío es encontrar el equilibrio adecuado entre la automatización y el control humano». MAHALO, financiado en el marco de la Empresa Común SESAR, tenía como objetivo comprender mejor el tipo de automatización más adecuado para los sistemas de CTA. «En lugar de suponer que la IA reemplazaría todo el sistema, analizamos factores como la cantidad de IA que se debería usar, dónde sería más beneficiosa y si debería realizar tareas de forma autónoma o servir como una herramienta para respaldar la toma de decisiones del controlador humano», explica Bonelli. Para responder a estas preguntas, el equipo del proyecto desarrolló y probó un sistema híbrido de aprendizaje automático. Se entrenó para resolver tareas críticas de CTA, como detectar y resolver conflictos de tráfico en ruta.
Colocar la confianza en el centro de los sistemas de IA
Sin embargo, el enfoque principal del proyecto MAHALO fue conocer cómo interactúan los controladores de tráfico aéreo con dichos sistemas. Bonelli apunta: «Para que la IA tenga éxito, el controlador no solo debe entender cómo usarla, sino que también debe aceptar lo que puede hacer y, lo que es más importante, confiar en que puede hacerlo. «Si no confían en el sistema, simplemente no lo usarán». Los investigadores descubrieron que los controladores estaban más abiertos a usar los sistemas que se alineaban con sus soluciones preferidas y que no aumentaban el volumen de trabajo concreto. También descubrieron que, si bien los controladores estaban abiertos a usar el sistema de aprendizaje automático, estaban menos entusiasmados con aceptar todas las soluciones propuestas y basar las decisiones en los resultados del sistema sin inspeccionarlos primero. Según Bonelli, este último punto muestra por qué involucrar a los usuarios finales es absolutamente fundamental al desarrollar nuevas soluciones de CTA. «Uno de los temas más importantes planteados por los controladores aéreos fue la importancia de tener en cuenta sus necesidades y opiniones», concluye. «Para mí, este es uno de los mayores éxitos del proyecto: colocamos al ser humano en el centro de la IA».
Palabras clave
MAHALO, control del tráfico aéreo, inteligencia artificial, aprendizaje automático, aviación, redes neuronales, espacio aéreo, Empresa Común SESAR
