Text

Datum 2021-03-09
Artikeltyp Aktuellt

Artificiell intelligens förbättrar flygtrafikledningstjänsten

Forskningsprojektet ARTIMATION fokuserar på att utveckla förklarbara AI-metoder (XAI), för att förutse flygtransporttrafik och att optimera trafikflöden.

Forskningsprojektet ARTIMATION fokuserar på att utveckla förklarbara AI-metoder (XAI), för att förutse flygtransporttrafik och att optimera trafikflöden. (BIld av Media Design and Media Publishing från Pixabay)

Att förutse flygtrafik, optimera trafikflöden och att fatta snabba beslut är stressiga och svåra uppgifter för ATM-operatörer verksamma inom flygtrafikledning. På MDH pågår ett forskningsprojekt där AI (artificiell intelligens) kan användas för att hjälpa operatörerna med sina uppgifter.

Forskningsprojektet ARTIMATION fokuserar på att utveckla förklarbara AI-metoder (XAI), för att förutse flygtransporttrafik och att optimera trafikflöden. Säkerhet är den viktigaste pelaren för flygtrafikledning, och ingen svart låda-process kan införas i en beslutsprocess när mänskligt liv är inblandat. XAI handlar om metoder och tekniker inom AI där resultaten av en lösning kan förstås av människor och därmed vara användbara för mänskliga operatörer med olika arbetsuppgifter. Det står i kontrast till begreppet "svart låda" i maskininlärning, där inte ens dess skapare kan förklara varför en AI kom fram till ett specifikt beslut.

– I det här fallet analyseras informationen och presenteras sedan genom transparenta AI-modeller och förklaringsbeslut från AI-system, säger Shahina Begum, professor, biträdande gruppledare för forskargruppen Artificiell intelligens och intelligenta system vid MDH.

Det är en process som kommer att vara användbar för slutanvändare tillika operatörer som arbetar med flygtrafikledning – med uppgifter som att förutsäga flygtrafik, optimera trafikflöden och beslutsfattande. Komplexa och stressiga uppgifter, som innebär mycket bearbetning av innehåll och information; uppgifter som görs manuellt idag. De transparenta AI-modellerna med förklarbara beslut kommer att vara till hjälp för de så kallade ATM (Air Traffic Management)-operatörerna.

MDH samordnar projektet och leder också ett arbetspaket, kallat ”Livslång maskininlärning med människocentrerad AI”.

– Här är målet att undersöka användbarheten av AI-metoder från XAI-domänen för att fastställa ett säkert och pålitligt beslutsstöd, säger Mobyen Uddin Ahmed, docent vid MDH.

Projektet förbättrar funktionalitet och tillförlitlighet hos AI-system

Projektet använder input från mänskliga slutanvändare när AI-systemet utvecklas. Detta kommer att förbättra funktionaliteten, acceptansen och tillförlitligheten hos AI-system i allmänhet, men också leda till uppfyllandet av globala mål såsom förbättring av industri, innovation och infrastruktur i samhället.

Resultaten från projektet kommer också att vara användbara för AI-forskare, som kan dra nytta av forskningen när det gäller transparens, generalisering och förklarbarhet av AI-metoder. Även leverantörer av sociala system och teknik kommer att ha nytta av resultaten, vilket förhoppningsvis leder till AI-system som blir mer kommunikativa och pålitliga för de mänskliga användarna.

Projektdeltagare förutom MDH är det italienska företaget Deep Blue, Ecole Nationale de l'Aviation Civile (ENAC, flygforskningsinstitut i Frankrike) och universitetet i Rom ”Sapienza” (UNISAP, Italien). Dessutom kommer medlemmarna i den externa rådgivande nämnden (EAB) från EUROCONTROL – en europeisk organisation för säkerheten vid flygtrafik (ECTRL), Belgien och SAAB Digital Air Traffic Solutions AB, Sverige.

Forskning inom FN:s globala mål

Världens ledare har förbundit sig till 17 globala mål för att uppnå tre fantastiska saker till år 2030: att avskaffa extrem fattigdom, att minska ojämlikheter och orättvisor i världen och att lösa klimatkrisen.

MDH forskar inom samtliga av FN:s globala mål

Kontaktinformation

Universitetslektor

Mobyen Uddin Ahmed

021-10 73 69

mobyen.ahmed@mdh.se

Till toppen