صنعت هوانوردی در آینده به کجا خواهد رسید؟

به گزارش مجله خبری نگار/تین نیوز،خلیل الله معمارزاده: همان طور که حدس زده می‌شد، چند روز پیش ChatGPT نسخه عامل محور خود را معرفی کرد که نخستین گام عمومی به سوی دنیای عامل‌های هوش مصنوعی یا AI Agents محسوب می‌شود. این سیستم دیگر منتظر سوال‌های شما نمی‌ماند، بلکه خودش کنشگر است و بر اساس یادگیری هایش از شما سوال می‌پرسد و بدین ترتیب، گام‌های عملی اولیه برای جایگزینی نیرو‌های کار به عنوان کارمندان عمومی دیجیتال برداشته شده است. اگر هنوز مدیر یا متخصصی هستید که به آن تنها در سطح ابتدایی نگاه می‌کنید، باید خودتان را برای خروج از چرخه انسان‌های موثر آماده کنید.

وقتی به آینده جهان و هر یک از کشور‌های جهان به صورت کلی و کشور عزیزمان ایران به صورت ویژه نگاه می‌کنیم، دیگر نمی‌توان به این موضوع‌ها و روند‌ها بی توجه بود و فقط نظاره گر بود. ابرقدرت‌های آینده جهان در پنج سال آینده بر سر مرز‌های هوش مصنوعی درهم تنیده با اقتصاد بی سر و صدا می‌جنگند، نه فقط بر سر مرز‌های زمینی و هوایی. برای مثال، به سهم نسبی تحقیق و توسعه رژیم اسرائیل نسبت به GDP آن نگاه کنید تا درک کنید که بیشترین میزان سرمایه گذاری را در بین کشور‌های جهان انجام می‌دهد و ما فقط وجه ظاهری توسعه طلبی‌ها و جنگ افروزی‌های غیرانسانی آن را می‌بینیم.

امروز حتی صحبت از این است که به یک سیستم عامل هوش مصنوعی غیربومی در یک کشور نباید اکتفا نشود، زیرا امنیت داده‌ها اهمیت دارد و جنگ‌های آینده مبتنی بر داده‌ها هستند و مبتنی بر هدف گیری‌های دقیق داده محور انجام خواهند شد.

فراتر از این مسئله این است که حتی نباید فقط به یک عامل هوش مصنوعی تکیه کرد و قدرتمندترین عامل هوش مصنوعی نیز مانند دنیای ما انسان‌ها در نهایت یک فرد بسیار قوی است. اما دنیای واقعی و به ویژه هوانوردی، دنیای جمعی، ارتباطی و چندبعدی است و به یک سمفونی شباهت دارد که نیازمند هماهنگی چندین نوازنده و ساز است. همین جاست که مفهوم سیستم‌های چندعاملی یا MAS معنا پیدا می‌کند؛ جایی که مجموعه‌ای از عامل ها، هرکدام با تخصص خاص خود، کنار هم قرار می‌گیرند و مانند یک ارکستر هماهنگ عمل می‌کنند. اگر تنها یک نفر بخواهد همه ساز‌ها را بنوازد، نتیجه چیزی جز آشفتگی نخواهد بود. این استعاره نشان می‌دهد چرا در حوزه هایی، چون هوانوردی، مدیریت ایمنی یا حتی خدمات مالی و امنیت ملی، وجود عامل‌های هوش مصنوعی متعدد ضروری است.

نخستین نشانه‌های ارزش این رویکرد در صنعت خدمات مالی دیده شد؛ جایی که چندین عامل مستقل به طور هم زمان بازار‌های سرمایه، رفتار مشتریان و ریسک‌های اعتباری را رصد کرده و خروجی مشترکی برای مدیران فراهم می‌آوردند. تجربه نشان داد که یک عامل منفرد قادر به مدیریت چنین حجم متنوعی از داده‌ها و تصمیم‌ها نیست و نمی‌تواند در تمامی زمینه‌ها متخصص باشد. صنعت هوانوردی نیز با چنین چالش‌های مشابه‌ای روبه روست. مدیریت یک فرودگاه را تصور کنید؛ مدیریت ترمینال‌های مسافری، صف مسافران، بار‌های همراه و غیرهمراه، کارگو، ترافیک‌های زمینی در ایرساید و لندساید، ظرفیت کنترلر‌های ترافیک هوایی، تغییرات ناگهانی آب وهوا و … همه باید هم زمان کنترل شوند یا همین طور مدیریت یک ایرلاین که به صورت سیلو‌هایی مجزا از یکدیگر فعالیت می‌کنند و با بروز هر گونه وقفه یا اختلالی در زنجیره به هم پیوسته عملیات، اولین تلاش‌ها بر این متمرکز می‌شود که چگونه توپ را در زمین بخش‌های دیگر انداخت و در هنگام سهم خواهی چگونه بخش خود را واجد بیشترین سهم امتیازات بدانیم و با ذهنیتی مرکزگرا تصور کنیم تمام تخصص‌های دیگر و در شکلی کلی‌تر تمام کشور‌ها و اساسا مرکزیت چهارراه ترانزیتی عالم و جهان بر محوری است که ما ایستاده‌ایم. در واقع همانطور که همه چیز را همگان دانند، هیچ عامل هوش مصنوعی منفردی توانایی رسیدگی به این حجم از پیچیدگی چندبعدی را به تنهایی ندارد، اما وقتی چندین عامل تخصصی به صورت جمعی مانند یک تیم در کنار هم کار کنند، تصویری جامع و یکپارچه از کل عملیات شکل می‌گیرد. این ویژگی باعث می‌شود MAS به قلب تحول دیجیتال در هوانوردی تبدیل شود.

مزیت اصلی این ساختار در تقسیم پیچیدگی‌ها و وظایف میان عامل‌های تخصصی هوش مصنوعی است. یکی داده‌های پروازی را تحلیل می‌کند، دیگری سلامت کرو را پایش می‌کند، یکی لجستیک بار را زیر نظر دارد و دیگری تهدید‌های سایبری را مدیریت می‌کند، یکی عامل هوش مصنوعی موتور جستجوگر است، دیگری کار کنترلر فروش را در توزیع ظرفیت صندلی‌ها در شناسه‌های نرخی در یک پرواز را به صورت ۲۴ ساعته انجام می‌دهد، آن یکی برنامه‌های تعمیرونگهداری ناوگان را بر اساس داده‌ها تنظیم می‌کند و در نهایت هر عامل وظیفه‌ای تخصصی خودش را هماهنگ با بقیه عامل‌های هوش مصنوعی دارد: یکی داده‌ها را جمع آوری می‌کند، دیگری تحلیل می‌کند، یکی ارتباطات را مدیریت می‌کند و دیگری تصمیم گیری نهایی را برای انسان تسهیل می‌نماید. این تقسیم کار هم بهره وری و تخصص گرایی را تقویت می‌کند و هم انعطاف پذیری بیشتری در برابر تغییرات و عدم قطعیت ایجاد می‌کند. اگر یک عامل دچار خطا شود، سایرین می‌توانند جای او را پر کنند و مانع فروپاشی کل سیستم شوند.

اما برای آنکه این ارکستر پیچیده درست کوک شود، نیاز به یک مدل سازمانی مشخص است. اصل کلیدی این است که هر عامل تنها یک ابزار یا یک وظیفه مشخص داشته باشد. این وضوح نقش‌ها مانع از تداخل یا دوباره کاری‌ها می‌شود، شفافیت شرح وظایف را بالا می‌برد و امکان مقیاس پذیری و به روزرسانی سیستم را فراهم می‌کند. در بسیاری از موقعیت ها، مدل سلسله مراتبی بهترین انتخاب است؛ مدلی که در آن یک عامل مرکزی مانند رهبر ارکستر و یا مدیر و رهبر سازمان و شرکت و کشور نقش هماهنگ کننده را ایفا می‌کند و سایر عامل‌ها تحت هدایت او کار می‌کنند. چنین مدلی به ویژه در عملیاتی که حساسیت بالا و نیاز به هماهنگی کامل و تصمیم گیری‌های مشترک Collaboration Decision Making یا CDM دارند، مانند مدیریت فرودگاه‌ها و شرکت‌های هواپیمایی، مدیریت مراکز کنترل عملیات (OCC) یا مراکز کنترل و مدیریت ترافیک هوایی، یا حتی شهر‌ها و کشور‌ها بسیار کارآمد است. این مدل شفافیت و مسئولیت پذیری بالایی دارد، هرچند در برخی شرایط می‌تواند واکنش‌ها را کندتر سازد.

برای رفع این محدودیت ها، مدل‌های مرجع دیگری نیز مطرح شده‌اند. در مدل کنترل متمرکز، یک مرکز تصمیم گیری وجود دارد که سایر عامل‌ها را هدایت می‌کند، مشابه مدیریت در فرودگاه‌ها یا ایرلاین‌ها که همه عوامل را زیر نظر دارد. در مقابل، مدل همکاری غیرمتمرکز اجازه می‌دهد عامل‌ها بدون نیاز به مرکزیت ثابت با هم تبادل اطلاعات کنند و تصمیم‌های جمعی بگیرند؛ مانند گروهی از هواپیما‌های بدون سرنشین که با هماهنگی خودکار مثل مور و ملخ یا دسته‌ای از زنبور‌ها مسیر پروازشان را هماهنگ با هم تنظیم می‌کنند و به سمت نقاط متعدد هدفمند و به صورت همزمان حمله می‌کنند یا به صورت کلاستری در ارتفاعات پایین از اهداف متعدد بسیار حساس به صورت همزمان در تمامی ساعات شبانه روز بدون لحظه‌ای وقفه و کاهش هشیاری و هوشیاری دفاع می‌کنند. هر یک از این مدل‌ها بسته به شرایط محیطی و اهداف سیستم مزایا و محدودیت‌های خود را دارند و در عمل بسیاری از سازمان‌ها ترکیبی از آن‌ها را به کار می‌گیرند تا تامین بهینه اهداف متباین سرعت، دقت و تاب آوری را به صورت همزمان تضمین کنند.

چشم انداز آینده جهان و صنعت هوانوردی شبیه به یک ارکستر هوشمند است؛ جایی که عامل‌های مختلف هوش مصنوعی، هرکدام با ساز تخصصی خود، در چارچوبی سازمان یافته و هماهنگ کنار هم قرار می‌گیرند. انسان‌ها در این میان همان شنونده و ناظر اصلی هستند که نه تنها از موسیقی لذت می‌برند بلکه اطمینان حاصل می‌کنند اجرا مطابق با استانداردها، ایمنی و ارزش‌های انسانی پیش می‌رود. توجه کنیم که در این میان هوش مصنوعی نه جایگزین انسان، بلکه شریک او در خلق سمفونی آینده مانند ایمنی، بهره وری و نوآوری در مفاهیم و پارادایم‌های جدید آن خواهد بود. اگر آینده هوانوردی را همانند سیستمی متشکل از اجزاء تخصصی تصور کنیم، عامل‌های هوش مصنوعی هرکدام نقش تخصصی خود را دارند؛ یکی مراقب سوخت است، دیگری وضعیت جوی را رصد می‌کند، دیگری عملکرد موتور را بررسی می‌کند و همه در نهایت با هدایت فرمانده‌ای انسانی کل مجموعه را ایمن، روان، بهره ور و با سرعت در جهت درست و با روش و ناوبری درست پیش می‌برند و چشم انداز‌های آنها مانند ستاره قطبی نه اهدافی برای رسیدن، بلکه نقاط مرجعی برای درست حرکت کردن با اشتیاق است.

چالش اساسی ایجاد رابطه‌ای سالم و اعتمادآفرین میان انسان و این تیم دیجیتال است. اگر انسان احساس کند صرفاً ناظر و بی اثر است، اعتمادش از بین می‌رود و در شرایط بحرانی دچار تردید می‌شود. اگر بیش از حد به عامل‌های هوش مصنوعی اعتماد شود، خطر وابستگی و نادیده گرفتن قضاوت انسانی و یا حتی بی توجهی‌ها و خطا‌های انسانی صرف نظر از تخلفات انسانی پیش می‌آید. نقطه تعادل جایی است که انسان و عامل‌های هوش مصنوعی در یک شراکت واقعی و بهینه با یکدیگر به صورت اخلاقی همکاری کنند.

برای رسیدن به این چشم انداز، کشور ما به طور کلی و صنعت هوانوردی به صورت خاص باید سه مسیر موازی را هم زمان طی کند.

نخست مسیر فناوری؛ ایجاد زیرساخت‌های داده‌ای استاندارد و تقویت توان پردازشی برای کارکرد یکپارچه عامل ها. هر اقدامی در بخش هوش مصنوعی بدون توجه به روند بلوغ دیجیتال در تکامل داده‌ای فقط شیفتگی تکنولوژیکی است.

دوم مسیر مقررات و استانداردها؛ جایی که نهاد‌های بین المللی مانند ایکائو و یاتا چارچوب‌هایی شفاف برای الگوریتم ها، مدیریت ریسک و مسئولیت پذیری در ابعاد جهانی و منطقه‌ای و سازمان هواپیمایی کشوری ما در ابعاد ملی تعریف کنند. در صورت عدم تدوین مقررات در این بخش باید منتظر تبعات آن مانند یکی از نتایج پیامد‌های ترک فعل مقامات سازمان هواپیمایی کشوری در حوزه تدوین مقررات برای پهپاد‌ها UAVs در فضای کشور و خسارت‌های سنگین ناشی از جنگ ۱۲ روزه آن باشیم.

سوم مسیر آموزش نیروی انسانی؛ زیرا بدون تربیت خلبانان، کنترلر‌های ترافیک هوایی، مدیران و کارکنانی که توانایی همکاری با این عامل‌های هوش مصنوعی را داشته باشند، حتی بهترین فناوری‌ها نیز بی ثمر خواهند بود. عدم توجه به این بخش اتلاف سرمایه گذاری‌های سنگین را در آینده در کشور در پی خواهد داشت که امیدوارم مسئولین محترم و دلسوز به آن توجه ویژه‌ای داشته باشند.

با ترکیب این سه مسیر، آینده‌ای ترسیم می‌شود که در آن سیستم‌های چندعاملی نه تنها ابزاری برای افزایش بهره وری بلکه بستری برای تاب آوری کشور و صنعت هوانوردی در برابر بحران‌ها خواهند بود. در چنین آینده‌ای، هر تصمیم عملیاتی حاصل هم افزایی میان انسان و عامل‌های هوش مصنوعی است؛ تصمیمی که بر داده‌های عظیم و تحلیل‌های پیشرفته استوار است و در عین حال به قضاوت انسانی و ارزش‌های بنیادین اخلاقی، توسعه پایدار، ایمنی و امنیت متکی است. این همان نقطه‌ای است که می‌توان گفت ارکستر هوشمند جهان به صورت کلی و کشور ما و هوانوردی به صورت خاص به اوج خود رسیده و سمفونی آینده را با صدایی شفاف و هماهنگ اجرا می‌کند، باشد که بخواهند.