به گزارش خبرگزاری صدا و سیما ، پژوهشگران مؤسسه رباتیک دانشگاه کارنگی ملون، در ایالت پنسیلوانیای آمریکا با همکاری استاد راهنمای خود سباستین شرر، سامانه‌ای طراحی کرده‌اند که می‌تواند رفتار‌های پرخطر را پیش از وقوع برخورد شناسایی کند. این کار با بهره‌گیری از داده‌های حرکتی هواپیما‌ها و گزارش‌های سوانح گذشته انجام شده است.

روش کار پژوهشگران بر ترکیب دو رویکرد متفاوت هوش مصنوعی استوار بوده است. آنها از یک سو از مدل‌های عصبی استفاده کرده‌اند که قادرند الگو‌های پیچیده را از حجم عظیمی از داده‌ها استخراج کنند، و از سوی دیگر از روش‌های نمادین بهره برده‌اند که بر قواعد قابل فهم برای انسان تکیه دارند.

داده‌های مورد استفاده شامل اطلاعات حرکت سطحی هواپیما‌ها در ده‌ها فرودگاه آمریکا طی چند سال بوده که حجمی در حد چندین ترابایت داشته است. برای پردازش این داده‌ها، از ابررایانه Bridges-۲ در مرکز ابررایانش پیتسبورگ استفاده شده است.

یافته‌های پژوهش نشان دادند که این سامانه ترکیبی می‌تواند سناریو‌های بالقوه برخورد را با دقت بیشتری نسبت به روش‌های پیشین شناسایی کند.

در مقایسه مستقیم، دقت آن به‌طور قابل توجهی بالاتر از سامانه‌هایی بود که تنها بر شبکه‌های عصبی یا تنها بر قواعد نمادین تکیه داشتند. همچنین این سامانه توانست خروجی‌های نادرست یا غیرقابل اعتماد را تشخیص داده و حذف کند؛ قابلیتی که برای کاربرد‌های ایمنی بسیار مهم است.

در بخش نتیجه‌گیری، پژوهشگران تأکید کرده‌اند که سامانه طراحی‌شده نه‌تنها هشدار می‌دهد، بلکه می‌تواند توضیح دهد چرا یک وضعیت خطرناک تلقی شده است. این شفافیت به کنترلر‌های ترافیک هوایی و خلبانان کمک می‌کند تا سریع‌تر و با اعتماد بیشتر تصمیم بگیرند. همچنین نتایج نشان می‌دهند که با افزودن داده‌های بیشتر و در نظر گرفتن تغییرات زمانی، کارایی این روش می‌تواند باز هم افزایش یابد.

به گفته محققان، اهمیت این یافته‌ها فراتر از صنعت هوانوردی است. هر محیطی که در آن وسایل نقلیه یا عوامل متعدد در فضای مشترک حرکت می‌کنند، مانند بنادر، خطوط ریلی یا حتی سامانه‌های ترافیک شهری، می‌تواند از چنین رویکردی بهره ببرد، چراکه ترکیب داده‌های واقعی با قواعد قابل فهم، راهی است برای نزدیک‌تر کردن انسان و هوش مصنوعی در تصمیم‌های حیاتی است.