“航空決策輔助+AI”會是下一個熱點嗎？

2017年11月07日

數據挖掘和機器學習的算法能通過排列“最優解”幫助專業人員作出最後的決策。

互聯網發展經過了1.0時代和2.0時代，目前似乎正在進入人工智能時代。即使進入或正在進入人工智能時代，有一條主線始終未有改變，也就是垂直領域的專業度要求，因為技術發展的最終目標都是為了解決專業問題。

全球航空業作為最早、最專業的應用IT技術的行業之一，其各個子領域早已開始了對數據挖掘和運籌優化算法的應用，例如業已成熟的收益管理領域、航空運營規劃領域（航線網絡規劃，飛機排班、機組排班、飛機維檢路徑優化等）、不正常航班恢復領域（飛機恢復、機組恢復、旅客恢復等）、機場資源規劃（人員排班、車輛路線規劃、登機口/停機位優化、機場內設施和商鋪位置規劃、大面積延誤情況下的旅客服務優化等）等等領域，都已出現大量數據挖掘和人工智能應用的成功案例。這些領域的共同特點是，在不確定性占主導，並具有大量決策變量和約束的環境中，能夠協助各種專業人員作出接近最優及最優的決策。用通俗的話說就是通過數據挖掘和機器學習的算法，盡可能多的將決策可能性列出，並選擇其中最優的那個幫助專業人員作出最後的決策。

那麼，什麼是人工智能？

人工智能（AI）的概念可以追溯到1950年。現代計算之父阿蘭·圖靈在他的論文《計算機械與智能》中首次提出一個問題“機器能否思考？”1955年，函數式編程語言LISP發明者約翰·麥卡錫提出用“人工智能”定義該領域。

經過60多年，前一陣由於新一代阿法元僅以4個TPU（專為機器學習而定制的CPU），花了3天時間，且在無師自通、左右手互搏練習的方式下，就輕松的以100：0擊敗了48個TPU花了幾個月時間，“吃”了3千萬棋局的師兄阿法狗之後，“人工智能”-Artificial Intelligence這個詞幾乎路人皆知了。

目前AI的發展仍令人“既歡喜又憂傷”：AI提出大半個世紀後，其發展依然屬於“漸變式成長”，而不是“突破式成長”。按照圖靈提出的問題，可認為“強人工智能——簡稱超智”的核心是機器能真正具備思考能力，而認為“弱人工智能——簡稱弱智。”的核心是讓機器能智能化的解決問題。

所以目前人工智能的應用都屬於弱人工智能範疇，其最關鍵的運作原理依然是“模式匹配”，基於大數據、搜尋、識別、統計、猜測的概率方式，因而只能勝任某一具體的、“規則清晰”的工作。目前的AI技術無法具備“創造力”，也就意味著無法完成現世中最有價值的工作：即創造“突破性解決方案”解決各種社會問題。

弱人工智能能做什麼？

由於強人工智能離我們還很遙遠，所以這裡只討論弱人工智能。

問題之一是，既然目前AI沒有預想的那麼神通廣大，為何眼下AI會炙手可熱到如此地步呢？理由很簡單：對資本家而言，有利可圖；對投機者而言，有機可趁；對一般人而言，有話可吹。

弱AI雖然不具備思考能力和創造性，但也有人類不具備的“超人優點”：計算速度快、沒有情感、可以做任何人都不願意做的事情。所以具備如下三個特征的領域都能讓弱人工智能發揮其最大潛能：該領域規則明確、唯一、穩定：可行

該領域市場潛力巨大：有投入

該領域的作業工作“過程”沒有（或極少）人為介入：少干擾

簡單來說，目前能夠“套路化”的事情就是弱AI最擅長的事情。不過這種過度依賴“數據”、依賴“量化”的人工智能，會越來越遠離“人性”（情感），遠離圖靈意義上的“會思考”。所以，弱人工智能不適合需要情感化價值、創造性的工作，但更適合機械重復、感官增強的工作，或許我們應該慶幸是這種發展趨勢。

弱AI的本質就是人類自身“機械思維”的高效率版本，它的演進路線就是將社會一切具有“自動化”價值的領域替換掉：從經濟效益最大、政策阻力最小的領域開始，在改進生產力的過程中也持續改進社會人文意識形態，而後者反過來又會改變AI的演化路線。

最後，懷揣著解決問題的初衷，回過身來發現，當前的弱人工智能技術更適合於完成上述各類航空業中的決策支持問題。

新聞來源：航旅IT圈