Trovare il posto dell’automazione all’interno dei sistemi di controllo del traffico aereo
I sistemi automatici svolgono già un ruolo di primo piano nell’industria dell’aviazione. Le compagnie aeree si servono regolarmente dell’intelligenza artificiale (IA) per qualsiasi cosa, dalla pianificazione di nuovi itinerari alle comunicazioni con i clienti, all’ottimizzazione dell’efficienza del carburante e addirittura all’esecuzione di una manutenzione predittiva dei velivoli. Eppure la tecnologia riveste un ruolo per lo più limitato a quelle che il settore definisce come applicazioni non critiche per la sicurezza e non ha ancora fatto il suo ingresso nei sistemi di controllo del traffico aereo. «L’aviazione è estremamente attenta alla sicurezza, e per un buon motivo», afferma Stefano Bonelli, coordinatore del progetto MAHALO (Modern ATM via Human/Automation Learning Optimisation). «Attualmente, i modelli di IA non dispongono semplicemente dell’accuratezza necessaria a soddisfare le rigide norme in materia di sicurezza dell’aviazione.»
Addestrare e certificare l’IA per il controllo del traffico aereo
Bonelli, responsabile dei fattori umani innovativi presso Deep Blue, che ospita il progetto, spiega che anche qualora i modelli superassero i test di sicurezza, ciò non si tradurrebbe ancora in un loro uso immediato. «Prima dell’attuazione, un sistema di IA dovrebbe passare attraverso un complicato processo di certificazione», aggiunge. «Poiché le reti neurali sono composte da migliaia di parametri addestrabili, sarebbe quasi impossibile ispezionarle e certificarle tutte.» Esiste inoltre il problema dell’addestramento del modello. «Il controllo del traffico aereo è così complesso nel considerare ogni possibile variabile e scenario immaginabile che l’addestramento di un sistema di IA richiederebbe la raccolta di ingenti quantità di dati», spiega Bonelli. Questo significa che non c’è posto per l’IA all’interno della torre di controllo del traffico aereo? Secondo Bonelli, non necessariamente. «L’utilizzo dell’IA consentirebbe di utilizzare meglio lo spazio aereo, contribuirebbe alla riduzione degli ingorghi e dei ritardi, migliorerebbe l’efficienza del carburante e, soprattutto, aumenterebbe la sicurezza», afferma. «La sfida consiste nel trovare il giusto equilibrio tra automazione e controllo umano.» Finanziato nell’ambito dell’impresa comune SESAR, il progetto MAHALO si è proposto di comprendere meglio il tipo di automazione più adeguato ai sistemi di controllo del traffico aereo. «Invece di partire dal presupposto che l’IA sostituisca l’intero sistema, abbiamo considerato fattori come quanto dovrebbe essere utilizzata l’IA, dove sarebbe più vantaggiosa e se dovrebbe eseguire compiti in autonomia o fungere da strumento di sostegno al processo decisionale dei controllori umani», spiega Bonelli. Con l’obiettivo di fornire una risposta a tali domande, il progetto ha sviluppato e testato un sistema di apprendimento automatico ibrido. Questo sistema è stato addestrato per risolvere compiti critici di controllo del traffico aereo quali l’individuazione e la risoluzione di conflitti del traffico in rotta.
Mettere la fiducia al centro dei sistemi di IA
Il progetto MAHALO si è tuttavia concentrato principalmente sul modo in cui i controllori del traffico aereo interagiscono con tali sistemi. «Per consentire all’IA di funzionare, il singolo controllore non solo deve capire il modo in cui utilizzarla ma anche accettare cosa è in grado di fare e, soprattutto, avere fiducia nel fatto che possa farlo», osserva Bonelli. «Se i controllori non hanno fiducia nel sistema, semplicemente non lo utilizzeranno.» I ricercatori hanno scoperto che i controllori erano più aperti all’utilizzo di sistemi in linea con le loro soluzioni preferite e che non aumentassero il carico di lavoro individuale. Un’altra scoperta è che, sebbene i controllori fossero aperti all’utilizzo di sistemi di apprendimento automatico, erano restii ad accettare ogni soluzione proposta e a basare le decisioni sui risultati del sistema senza prima averli ispezionati. Secondo Bonelli, questo ultimo punto dimostra la ragione per cui il coinvolgimento degli utenti finali è assolutamente cruciale nello sviluppo di nuove soluzioni di controllo del traffico aereo. «Una delle questioni più importanti sollevate dai controllori del traffico aereo riguardava l’importanza di tenere conto delle loro esigenze e opinioni», conclude. «Per me, questo è uno dei più grandi successi del progetto: abbiamo messo gli esseri umani al centro dell’IA.»
Parole chiave
MAHALO, controllo del traffico aereo, intelligenza artificiale, apprendimento automatico, aviazione, reti neurali, spazio aereo, impresa comune SESAR
