کنترل آسمان در دست رباتها!
دنیای اقتصاد: روز ۲۷ سپتامبر، شان دافی، وزیر حملونقل آمریکا، ویدئویی را در شبکه اجتماعی ایکس منتشر کرد که روی آن نوشته شده بود: «تحول بزرگ». او در توضیح این ویدئو نوشت: «سامانه جدید اسمارت (SMART) را معرفی میکنیم؛ ابزار تازه مدیریت ترافیک هوایی که در وقت شما صرفهجویی میکند، تأخیرها را کاهش میدهد و تجربه پروازتان را بهتر میکند».
به گزارش گروه آنلاین روزنامه دنیای اقتصاد-حسین موسوی: روز ۲۷ سپتامبر، شان دافی، وزیر حملونقل آمریکا، ویدئویی را در شبکه اجتماعی ایکس منتشر کرد که روی آن نوشته شده بود: «تحول بزرگ». او در توضیح این ویدئو نوشت: «سامانه جدید اسمارت (SMART) را معرفی میکنیم؛ ابزار تازه مدیریت ترافیک هوایی که در وقت شما صرفهجویی میکند، تأخیرها را کاهش میدهد و تجربه پروازتان را بهتر میکند».
این سامانه، یک سیستم کنترل ترافیک هوایی مبتنی بر هوش مصنوعی بود. اما تقریبا سه هفته بعد، آن پست در قالب یک شوخی نگرانکننده دوباره بر سر زبانها افتاد؛ زمانی که اداره هوانوردی فدرال آمریکا (FAA) در روز جمعه سیزدهم، دستور توقف سراسری پروازها را صادر کرد و برنامه پروازی خطوط هوایی سراسر جهان را درهم ریخت.
دولت آمریکا بهسرعت اعلام کرد که هیچ شواهدی از حمله سایبری وجود ندارد و نشانهای هم در دست نیست که سامانه اسمارت با اختلال ارتباطیِ منجر به تصمیم دولت برای تعلیق پروازها ارتباط داشته باشد. با این حال، وقتی شامگاه جمعه از مارکوین مولین، وزیر امنیت داخلی آمریکا پرسیدند آیا میتواند احتمال بروز اختلال ناشی از هوش مصنوعی را بهطور قطعی رد کند، پاسخ داد: «در حال حاضر هیچچیز قطعی نیست».
سامانههای جدیدی مانند اسمارت تنها بخش کوچکی از تحول عظیمی هستند که هوش مصنوعی در صنعت هوانوردی به راه انداخته است. برای نمونه، هواپیمای سسنا کاراوانی را در نظر بگیرید که صبحی آرام در ماه سپتامبر از فرودگاه بوکانان فیلد در کنکورد کالیفرنیا به پرواز درآمد و به سمت جنوب، به مقصد فینیکس، حرکت کرد. این هواپیمای توربوپراپ تکموتوره، سپس مسیرش را به سمت شرق و فورتورث تغییر داد، در پایگاه نیروی هوایی شاو در ایالت کارولینای جنوبی توقف کرد و سرانجام به فرودگاه منطقهای دار کانتی در نزدیکی سواحل کارولینای شمالی رسید.
این سفر زیگزاگی از یک سوی آمریکا به سوی دیگر، حدود ۳۲۰۰ مایل (۵۱۵۰ کیلومتر) طول کشید. هواپیما در طول مسیر از حریمهای هوایی پرتردد عبور کرد و برای دوری از طوفانها مانور داد.
هیچکدام از این اتفاقات بهخودیخود شگفتانگیز نبود؛ جز یک نکته: در تمام طول این سفر، حتی یک دست انسان هم به کنترلهای هواپیما دست نزد. به گفته شرکت جوبی اوییشن (Joby Aviation) که این پروژه را اجرا کرد، یک خلبان ایمنی در تمام مدت پرواز داخل هواپیما حضور داشت، اما هیچگاه نیازی به دخالت پیدا نکرد.
این پرواز بدون هدایت انسانی، نقطه عطف مهمی در صنعت هوانوردی به شمار میرود. صنعت حملونقل هوایی همواره از نظر فناوری محافظهکار بوده و دلیل خوبی هم برای این رویکرد داشته است: وقتی جان انسانها در میان است، فناوری آزمودهشده و حتی کمی قدیمی، بهتر از فناوری پیشرفته اما غیرقابلپیشبینی است.
بااینحال، هوش مصنوعی با سرعتی بیسابقه در حال نفوذ به صنعت هوانوردی است. آثار این تحول در حال حاضر چندان محسوس نیست، اما تغییراتی که در راهند، بسیار گستردهاند؛ تغییراتی که میتوانند اقتصاد حملونقل هوایی را از نو شکل دهند و شیوه جابهجایی انسانها و کالاها در آسمان را متحول کنند.
بااینحال، یک پرسش اساسی همچنان پابرجاست: آیا میتوان به قابلاعتماد و ایمن بودن این فناوری اطمینان کرد؟
پاسخ به این پرسش بستگی دارد که از چه کسی سؤال کنید. یکی از کارکنان بازنشسته اداره هوانوردی فدرال آمریکا میگوید: «ما در حال وارد کردن تمام این فناوریهای جدید به سیستم هستیم تا آن را بهبود دهیم، اما نتیجه فاجعهبار خواهد بود. این دقیقا جعبه پاندورایی است که در آینده از باز کردن آن پشیمان خواهیم شد».
آسمان برای رباتها آماده میشود
ورود هوش مصنوعی به صنعت هوانوردی به اوایل دهه ۲۰۰۰ بازمیگردد؛ زمانی که پیشرفت فناوری باتری و ریزتراشهها ناگهان پهپادها را به ابزارهایی بسیار توانمندتر و ارزانتر تبدیل کرد.
گسترش این فناوری، مقامهای مسئول را به این نتیجه رساند که دیر یا زود رباتها و انسانها باید در یک فضای هوایی مشترک فعالیت کنند و برای این کار به زیرساختهای جدیدی نیاز خواهد بود. در آن زمان تقریبا تمام هواپیماها با خلبان انسانی پرواز میکردند و هیچ سازوکاری وجود نداشت که پهپادها بتوانند از برخورد با هواپیماهای سرنشیندار یا حتی یکدیگر جلوگیری کنند.
در سال ۲۰۰۷، دولت فدرال آمریکا طرح گستردهای با عنوان «سامانه نسل آینده حملونقل هوایی» یا به اختصار نکستجن (NextGen) را آغاز کرد. این طرح، مجموعهای از تغییرات اساسی را برای تحول نظام حملونقل هوایی آمریکا در دهههای آینده الزامی میکرد.
یکی از مفاد این طرح آن بود که تمام هواپیماهای فعال در آمریکا تا سال ۲۰۲۰ به سامانه ADS-B مجهز شوند؛ فناوریای که بهطور مداوم سیگنالهای رادیویی ارسال میکند تا سایر هواپیماها و مراکز مرتبط از موقعیت فعلی هر هواپیما و مقصد آن مطلع باشند.
با فراهم شدن نقشه راه برای ایجاد آسمانی سازگار با رباتها، شرکتهای بزرگی مانند آمازون و والمارت نیز برنامههای بلندپروازانهای برای راهاندازی خدمات تحویل کالا با پهپاد آغاز کردند.
گوگل در سال ۲۰۱۴ پروژه «وینگ» (Project Wing) را معرفی کرد؛ طرحی برای تحویل کالا با پهپاد که تا سال ۲۰۱۸ توانسته بود مواد غذایی، قهوه و دارو را به ۱۶۴ خانه در نزدیکی کانبرا، استرالیا، برساند. سال بعد، این برنامه آزمایشی به شهر کریستینزبرگ در ایالت ویرجینیا گسترش یافت.
هزینه این خدمات بالا و سرعت ارائه آنها پایین بود، اما هدف از اجرای این برنامههای اولیه، راهاندازی کسبوکارهای سودآور نبود. گوگل در واقع میخواست از این طریق تجربه عملیاتی لازم را برای سالهای آینده به دست آورد. تقریبا در همین زمان، گروهی از استارتآپها کار روی نوع دیگری از وسایل نقلیه را آغاز کردند: »هواپیماهای برقی با قابلیت برخاست و فرود عمودی که به اختصار eVTOL نامیده میشوند و با عنوان تاکسیهای هوایی برقی نیز شناخته میشوند.:
این وسایل نقلیه در اصل پهپادهایی بزرگتر هستند که فعلا فضایی برای حضور خلبان هم دارند و برای جابهجایی تعداد محدودی مسافر در مسیرهای کوتاه طراحی شدهاند. تا سال ۲۰۲۲، حدود ۶۰۰ مدل مختلف از این هواپیماها در مراحل توسعه قرار داشتند. سازندگان آنها وعده میدادند که بهزودی سفرهای هوایی کوتاه و ارزان به بخشی عادی از زندگی روزمره تبدیل خواهد شد. جوبی یکی از شرکتهایی بود که در خط مقدم این تحول قرار داشت. این شرکت در سال ۲۰۲۰ از طراحی مدل S۴ رونمایی کرد و اعلام کرد که این هواپیما میتواند یک خلبان و چهار مسافر را در مسافتی بیش از ۱۰۰ مایل (۱۶۰ کیلومتر) با حداکثر سرعت ۲۰۰ مایل بر ساعت (۳۲۲ کیلومتر بر ساعت) جابهجا کند. نخستین پرواز این مدل سال گذشته انجام شد.
بیش از یک دهه است که شرکتهای سازنده هواپیماهای eVTOL وعده میدهند مدلهای تجاری آنها بهزودی وارد بازار خواهند شد، اما مهلتهای اعلامشده بارها به تعویق افتاده است.
مشکل اینجا بود که مهندسی و ساخت یک ربات پرنده خودران تنها بخشی از چالش پیشرو محسوب میشد. شرکتها علاوه بر ساخت هواپیما، باید فضای هوایی مناسبی برای فعالیت آنها طراحی میکردند، نیروی انسانی را برای هدایت یا نظارت بر این وسایل آموزش میدادند و چارچوب اقتصادی لازم را برای کسب درآمد از این فناوری ایجاد میکردند.
گرگ بولز، مدیر سیاستگذاری شرکت جوبی میگوید: «این فرایند، حرکتی بسیار مهم و در عین حال حساس و محتاطانه است».
برخورد سرعت سیلیکونولی با احتیاط هوانوردی
سرعت بالای شرکتهای سیلیکونولی مدتهاست با هنجارهای صنعت هوانوردی در تضاد قرار دارد. مری شیاوو، وکیل متخصص هوانوردی و بازرس کل پیشین وزارت حملونقل آمریکا میگوید: «مقررات هوانوردی همواره محافظهکارانه بودهاند و قابلیت اطمینان را در اولویت قرار میدهند، زیرا پیامدهای شکست بسیار سنگین است. استانداردهای صدور گواهینامه و صلاحیت پروازی به شواهد و اثبات ایمنی نیاز دارند و این موضوع معمولا به معنای تغییرات تدریجی است، نه تحولات ناگهانی و رادیکال».
اداره هوانوردی فدرال آمریکا نیز هیچ عجلهای برای اجازه دادن به رباتهای آزمایشنشده نداشت تا آزادانه در فضای هوایی این کشور پرواز کنند.
هوش مصنوعی در اروپا با نوع دیگری از مقاومت روبهرو شد. در سال ۲۰۱۷، شرکتهای هواپیماسازی ایرباس و داسو از آژانس ایمنی هوانوردی اتحادیه اروپا (EASA)، نهادی مشابه اداره هوانوردی فدرال آمریکا، خواستند امکان فعالیت هواپیماهای مسافربری با تنها یک خلبان در کابین را بررسی کند.
بهطور سنتی، هواپیماهای مسافربری به حضور چند خلبان نیاز دارند تا حجم سنگین وظایف پرواز میان آنها تقسیم شود و در صورت ناتوانی یکی از خلبانها، دیگری بتواند هدایت هواپیما را ادامه دهد.
در طرح پیشنهادی ایرباس، سامانههای خودکار قرار بود وظایف کمکخلبان را برعهده بگیرند و حتی در صورت نیاز، کنترل کامل هواپیما را به دست بگیرند. این ایده خلبانها را بهشدت نگران کرد. انجمن خلبانان کابین خلبان اروپا، اتحادیه صنفی خلبانان خطوط هوایی، اعتراض شدیدی به این طرح ارائه کرد.
این اتحادیه در ایمیلی به وایرد توضیح داد که چنین اقدامی «یک متخصص مستقل ایمنی را از کابین خلبان حذف میکند و به شرکتهای هواپیمایی نفوذ بیشتری در تصمیمگیریهای ایمنی میدهد؛ تصمیمهایی که در شرایط عادی باید توسط خود خلبان گرفته شوند». سال گذشته، آژانس ایمنی هوانوردی اروپا این طرح را کنار گذاشت.
با این حال، هوش مصنوعی به پیشروی خود ادامه داد. در سال ۲۰۲۳، اداره هوانوردی فدرال آمریکا صدور مجوزهایی را آغاز کرد که به پهپادهای تحویل کالا اجازه میداد فراتر از محدوده دید اپراتورهای خود پرواز کنند. انتظار میرود این تغییر مقررات تا پایان سال جاری میلادی به قانونی دائمی تبدیل شود.
بزرگترین شرکتهای فعال در این حوزه نیز با سرعت در حال گسترش فعالیتهای خود هستند. آمازون در ماه اوت اعلام کرد قصد دارد تا پایان سال خدمات تحویل کالا با پهپاد را به ۵۰۰ نقطه در سراسر آمریکا گسترش دهد. والمارت نیز برنامهریزی کرده است تا پایان سال ۲۰۲۷ از ۲۷۰ فروشگاه خود خدمات تحویل پهپادی ارائه کند.
هدف نهایی بسیار بزرگتر از این برنامههاست. فعالان صنعت میگویند در چشمانداز حداکثری این فناوری، صدها هزار پهپاد میتوانند به بخش عمده یا حتی تمام جمعیت آمریکا خدمات ارائه دهند.
آنتونی ویتونه، مدیر عملیات شرکت فناوری پهپادی دِرونآپ (DroneUp)، سال گذشته در گفتوگو با نشریه شروود نیوز گفت: «پنج تا ۱۰ سال دیگر، این فناوری کاملا فراگیر خواهد شد. مردم به جایی میرسند که با خودشان میگویند نمیدانم قبلا چطور بدون این فناوری زندگی میکردم».
شرکت جوبی و دیگر سازندگان هواپیماهای eVTOL هنوز با چنین سرعتی پیش نرفتهاند، اما آنها نیز در حال حرکت به جلو هستند. جوبی در ماه آوریل نخستین پرواز نقطه به نقطه یک هواپیمای eVTOL را در محدوده شهر نیویورک انجام داد. این پرواز از فرودگاه بینالمللی جان اف. کندی آغاز شد و به سه محل فرود بالگرد در منهتن رسید.
این شرکت پروازهای مشابهی را در کالیفرنیا و تگزاس نیز انجام داده است. تمام این پروازها در چارچوب برنامه آزمایشی ادغام هواپیماهای eVTOL در شبکه حملونقل هوایی (eIPP) صورت گرفتهاند؛ ابتکاری فدرال که دولت ترامپ در مارس گذشته برای نمایش تواناییهای پهپادهای مدرن و هواپیماهای برقی با قابلیت برخاست و فرود عمودی راهاندازی کرد. بولز میگوید این پروازهای آزمایشی تنها «نوک پیکان» ورود عملیاتی هواپیمای S۴ جوبی هستند. مرحله بعدی، انجام پروازهای نمایشی با مسافرانی خواهد بود که هزینهای پرداخت نمیکنند. پس از آن، پروازهای آزمایشی با مسافران پرداختکننده هزینه انجام میشود و در نهایت، پروازهای تجاری برای جابهجایی مسافران از مبدا به مقصد آغاز خواهد شد. او میگوید: «تمام این مراحل تحت پوشش برنامه eIPP مجاز هستند و هر مرحله با سطوح بالاتری از نظارت همراه خواهد بود».
در مراحل اولیه، این پروازها همچنان با خلبان انسانی انجام میشوند، اما پرداخت هزینه یک خلبان برای جابهجایی تعداد محدودی مسافر، بسیار گران تمام میشود.
در نهایت، برای آنکه ایده تاکسیهای هوایی برقی از نظر اقتصادی توجیهپذیر باشد، تمام این هواپیماها باید بتوانند بهصورت خودکار پرواز کنند. اگر رانندگی خودکار برای خودروها چالشی دشوار است، این چالش برای هواپیماها بهمراتب پیچیدهتر خواهد بود؛ جایی که خرابی غیرمنتظره سامانه کنترل، نهتنها خطرناک است، بلکه احتمالا به مرگ سرنشینان منجر میشود.
هوش مصنوعی پشت صحنه کنترل پرواز
با توجه به ابعاد این چالش، نخستین حضور جدی هوش مصنوعی در پروازهای مسافربری احتمالاً بهاندازه هدایت تاکسیهای هوایی برقی چشمگیر نخواهد بود. در عوض، این فناوری ابتدا نقشی محدودتر و پشتصحنهای برعهده خواهد گرفت. شرکتهای دادهمحوری مانند پالانتیر و بازیگران باسابقه صنعت هوانوردی مانند جپسن و تالس، هماکنون نرمافزارهای مجهز به هوش مصنوعی را به بازار عرضه کردهاند. این نرمافزارها به نهادهای نظارتی، خطوط هوایی و مسئولان اعزام پرواز کمک میکنند تا حجم عظیمی از دادهها را بررسی کنند، خطرات احتمالی را شناسایی کنند و برنامهریزی مربوط به هواپیماها و خدمه پروازی را بهبود دهند.
در ماه سپتامبر، اداره هوانوردی فدرال آمریکا اعلام کرد نرمافزاری را به کار گرفته که شرکت دادهمحور ایر اسپیس اینتلیجنس (Air Space Intelligence) مستقر در بوستون توسعه داده است. نام این ابزار مبتنی بر هوش مصنوعی «مدیریت راهبردی فضای هوایی، مسیرها و مسیرهای پروازی» یا به اختصار SMART است. هدف اعلامشده این برنامه، «بازتعریف بنیادین شیوه مدیریت فضای هوایی» است.
دولت آمریکا میگوید این برنامه قرار نیست جایگزین مراقبان پرواز شود، بلکه با استفاده از هوش مصنوعی پیشبینیکننده، به آنها کمک میکند تا پیش از بروز مشکلات احتمالی در برنامه پروازها، از وقوع آنها جلوگیری کنند و وظایفشان را آسانتر انجام دهند.
برایان بدفورد، مدیر اداره هوانوردی فدرال آمریکا، در بیانیهای مطبوعاتی گفت: «ترکیب سامانه اسمارت با ارتقای سختافزاری در حال انجام، ابزارهایی در اختیار ما قرار میدهد که میتوانیم با استفاده از آنها تاخیر پروازها را کاهش دهیم، ترافیک هوایی را بهینه کنیم و ظرفیت فضای هوایی سراسر کشور را حفظ کنیم؛ آن هم در حالی که بالاترین استانداردهای ایمنی را رعایت میکنیم».
قرار است این سامانه به مراقبان پرواز در تصمیمگیری کمک کند، نه اینکه به جای آنها تصمیم بگیرد. اما اگر برنامه اطلاعات بیمعنا یا نادرستی وارد سیستم کند، آیا اپراتورهای انسانی میتوانند اشتباه را تشخیص دهند؟
یکی از کارکنان بازنشسته اداره هوانوردی فدرال آمریکا که خواسته نامش فاش نشود، میگوید: «این همان اثر ترامپ، وزارت کارآمدی دولت (DOGE) و ایلان ماسک است. آنها بدون آنکه درک درستی از پیچیدگی نظام فضای هوایی ملی داشته باشند، در حال تحمیل تمام این فناوریهای جدید هستند».
برخی از قانونگذاران آمریکایی نیز درباره سامانه اسمارت ابراز نگرانی کردهاند. در ۱۳ اکتبر، بنا بر گزارشها، نزدیک به ده¬ها تن از نمایندگان دموکرات کنگره در نامهای از دفتر پاسخگویی دولت آمریکا (GAO) خواستند این برنامه را بررسی کند. نگرانی اصلی آنها این بود که سامانه ممکن است اطلاعات حیاتی و مرتبط با ایمنی را بهصورت توهمآمیز تولید کند. پرسش دیگر این است که آیا اسمارت میتواند کمبود مزمن مراقبان پرواز را تشدید کند یا خیر.
اداره هوانوردی فدرال امیدوار است این فناوری با کاهش نیاز به نیروی انسانی، کمبود کارکنان را جبران کند. بااینحال، صنایع دیگر هنوز نتوانستهاند بهطور ملموس از مزایای افزایش بهرهوری ناشی از هوش مصنوعی بهرهمند شوند. حتی اگر این نرمافزار به¬طور مستقیم جایگزین نیروی انسانی نشود، ممکن است افزایش بهرهوری حاصل از آن بهانهای برای کاهش تعداد کارکنان باشد.
اداره هوانوردی فدرال در ماه مه، هدفگذاری خود برای تعداد مراقبان فعال پرواز را کاهش داد. این نهاد که در سال ۲۰۲۴ هدف جذب ۱۴ هزار و ۶۳۳ مراقب پرواز را تعیین کرده بود، اکنون این رقم را به ۱۲ هزار و ۵۶۳ نفر رسانده است. مقامهای این نهاد دلیل این تصمیم را استفاده از «الگوهای مدرن نیروی انسانی و ابزارهای برنامهریزی» عنوان کردهاند.
البته همه نسبت به این تحولات بدبین نیستند.
شیاوو میگوید: «به نظر من، برنامه اسمارت یک پیشرفت مهم است. هیچکس نمیخواهد شرایط فعلی هوانوردی ادامه پیدا کند؛ شرایطی که با نزدیک شدن خطرناک هواپیماها به یکدیگر در آسمان، ورود غیرمجاز به باندهای پروازی، موارد متعدد نزدیک به برخورد، تاخیرها، توقف پروازها، از دست رفتن فاصله ایمن میان هواپیماها و انتظارهای طولانی برای تاکسی کردن یا دریافت مجوز پرواز همراه است».
مایکل مککورمیک، استاد مدیریت ترافیک هوایی در دانشگاه هوانوردی امبری-ریدل نیز معتقد است ابزارهای پیشبینیکننده میتوانند مزایای مهمی داشته باشند. او میگوید: «وقتی توان محاسباتی لازم برای بررسی کل مسیر پرواز یک هواپیما را در اختیار داشته باشید، میتوانید محل بروز تداخلها و تعارضهای احتمالی را از پیش شناسایی کنید. در کنترل ترافیک هوایی یک اصل کلی وجود دارد: هرچه زودتر از یک تعارض احتمالی مطلع شوید، تلاش کمتری برای حل آن نیاز خواهید داشت»
وقتی هوش مصنوعی اشتباه میکند
این چشمانداز امیدوارکننده به نظر میرسد، اما ساخت ماشینهایی که در بیشتر مواقع عملکرد مناسبی دارند، یک موضوع است و ساخت ماشینهایی که بتوانند به سطح قابلیت اطمینان موردنیاز صنعت هوانوردی برسند، موضوعی کاملاً متفاوت. در حال حاضر، پژوهشگران روی نوعی از شبکههای عصبی موسوم به «شبکههای عصبی قطعی» (Deterministic Neural Networks) تمرکز کردهاند. این مدلها پیش از استقرار در دنیای واقعی، بهصورت آفلاین آموزش میبینند و وزنهای شبکه عصبی آنها پس از پایان آموزش ثابت میشود. این مدلها نمیتوانند دچار توهم هوش مصنوعی شوند، اما ممکن است شکلهای دیگری از خطاهای خطرناک را در خود داشته باشند.
دارن کوفر، پژوهشگر شرکت کالینز ایروسپیس، در مقالهای در سال ۲۰۲۱ اشاره کرد که وقتی چنین سامانههایی با موقعیتهایی روبهرو میشوند که در فرایند آموزش خود تجربه نکردهاند، ممکن است خروجیهایی «غیرمنتظره و بالقوه خطرناک» تولید کنند.
خطرات زمانی بسیار جدیتر میشوند که نرمافزارهای هوش مصنوعی شروع به اتخاذ تصمیمهای آنی درباره کنترل ترافیک هوایی کنند. این اتفاق ابتدا در بخشهایی از فضای هوایی رخ خواهد داد که به هواپیماهای خودران اختصاص دارند. به گفته مککورمیک، این مناطق به احتمال زیاد شامل مسیرهای هوایی مشخص در نزدیکی مراکز پهپادی و محلهای نشستوبرخاست تاکسیهای هوایی برقی خواهند بود. وقتی دستههای بزرگی از هواپیماهای رباتیک با سرعت در مسیرهای مختلف حرکت کنند، مدیریت این وضعیت برای خلبانان و مراقبان پرواز انسانی بیش از حد پیچیده خواهد شد.
او میگوید: «هدف این نیست که از روش سنتی کنترل ترافیک هوایی استفاده کنیم؛ زیرا اگر این روش بخواهد چنین حجم و پیچیدگیای از هواپیماهای در حال حرکت را مدیریت کند، سامانه فضای هوایی ملی را با فشار غیرقابلتحملی روبهرو خواهد کرد»
در آینده، دو سامانه در کنار یکدیگر فعالیت خواهند کرد؛ یکی با تصمیمگیرندگان انسانی و دیگری با هوش مصنوعی. این همزمانی امکان مقایسه عملکرد هر دو رویکرد را در شرایط واقعی و بهصورت لحظهای فراهم میکند. با این حال، هر سامانه رایانهای ممکن است هدف حمله سایبری قرار بگیرد و هر سیستم هوش مصنوعی که توانایی خلاقانهای برای ارائه راهحلهای جدید دارد، ممکن است جزئیات حیاتی را نیز بهصورت توهمآمیز تولید کند. اگر هیچ انسانی در چرخه تصمیمگیری حضور نداشته باشد، اشتباهاتی که در نگاه اول کاملا آشکار به نظر میرسند، ممکن است تا زمانی که دیگر برای اصلاح آنها دیر شده است، از چشم همه پنهان بمانند.


