近年来,“AI的应用和落地”逐渐成了具化的关键词,它和很多事物很多行业结合在一起,形成了奇妙的“化学反应”。例如,在日常生活中,AI可以推送我们喜欢的新闻或视频,可以在拍照的时候识别场景提升照片的美感…….
而今天笔者要说的,可能是从很多人都密切相关但大多很陌生的一个“神秘”的职业说起:机场塔台指挥中心。上海麦图信息科技有限公司,借助华为云ModelArts一站式AI开发与管理平台,开发出跑道防侵入场景中的航空器识别AI模型。
在机场的每一架飞机起飞或者着陆,从飞机推离停机位到离开机场空域,或相反的降落过程中,背后都需要依靠管制员之间的协作。飞机起降的间隔非常短暂且风险大,有着“黑色十分钟”之说。管制员也被称为是飞行员背后的“眼睛”,对于他们的要求是非常严苛的,需要超长时间集中注意力,尤其在航班密集的时候,管制员需要在极短的时间内对复杂的情况,做出正确判断,这也让管制员们担负着极大的压力。对于普通乘客来说,这可能只是一次普通的空中之旅,但对于管制员来说,每一次飞机起停都伴随着重大责任。
“跑道侵入事件” 是所有管制员们的“噩梦”。飞机起降架次的增多,再加上恶劣天气的影响,跑道侵入事件已成为民航领域航空器地面安全运行的头等问题,跑道安全事故在民用航空事故中也占有很大的比例。然而,随着机场规模和航班密度增加,对于大型机场的塔台而言,单点视野物理受限,数字化程度提升的同时,客观上造成屏幕变多、信息量变大等挑战,对管制员提出了更高的要求,人的主观能动性很强,但往往难以面面俱到。
聚焦在智能航空领域、专注于人工智能技术和应用研发的上海麦图信息科技有限公司,希望用AI的力量破解以上痛点,让管制员们从高压中解脱出来。为了加强跑道侵入事件的防范,麦图开发出了跑道侵入防护系统,也就是说,在有飞机在使用的情况下,防止其他飞机冲入跑道,从而造成航空线之间的碰撞。
“我们想通过视频去捕捉飞机的动态,把飞机从视频中识别出来之后,再计算它的位置和速度,计算两个飞机之间的运动轨迹,再根据其他的关联数据进行认证,确保飞机之间不会发生碰撞,即使有发生碰撞的风险,也可以提前预知。”麦图项目总监徐擎阳对笔者说。
理想有多美好,现实就有多骨感。众所周知,人工智能包括了训练和推理两个阶段,只有先训练出人工智能模型才能进行推理。麦图面临的挑战是,项目开发团队基本是专注在软件应用开发和数据分析层面的,对于计算机视觉技术方面的研究并不深。2018年,项目团队也开始尝试过很多场景,“当时是两个问题制约了我们,一是视频的清晰度不够,当时高清视频摄像机还没有普及。二是没有好的AI开发平台,算力和工具都不够。到了今年,4K摄像机也开始普及了,训练工具ModelArts也有了,这个事情就可以做了。”
徐擎阳说,华为云ModelArts提供了全流程的AI开发与管理平台,在很大程度上降低了麦图科技进入视频AI领域的门槛,“如果没有ModelArts,在准备训练前,需要自己买设备,去开源社区里面找这方面的技术,学习构建和配置环境;在训练的过程中,要涉及到设备维护、性能调优,以及标定工具的开发等等。这个过程是会非常漫长和繁杂的,我们在管制语音识别的产品AI核心开发过程中已经体会过一遍,过程非常痛苦,代价非常大。”
对于麦图来说,ModelArts带来的效率提升的价值显而易见:“第一版模型开发,从标定到训练,到最后给客户做演示,只花了三天时间。如果用传统的方法做,可能连服务器的快递都寄不到。”
徐擎阳介绍说,在这个系统中,“光电盯防子系统”是一个重要的实时核心,它需要具备较完整的“基于视频流的航空器目标识别和跟踪”能力。通过将机场平面各个关键点采集到的实时视频流送入基于华为云ModelArts一站式AI开发与管理平台开发的“航空器识别模型”进行处理,识别出画面中飞行器对象的像素坐标等一次参数后,对其进行空间位置换算,以及包括速度、运行方向等在内的二次参数的计算,并在系统运行数据中找到相匹配的航班信息对目标进行信息标记,以AR信息增强的形式呈现在监视器上,让管制员以“抬头显示”的形式在单一屏幕中直观了解到足够全面的动态信息。同时该系统会在后台对所有目标的轨迹和矢量动态数据进行监控和推算,让计算机能够代替或辅助管制人员在全局范围对每一个航班、每一个道口进行实时盯防,提前预知潜在运行风险,从而降低事故发生的概率。
此模型单帧主要目标识别准确率可以逼近96%,多帧识别中主要目标识别结果可在99%以上。目前,麦图正在尝试Mask-RCNN模型,将坐标输出精度提升至像素级,实现更精确的航空器识别和位置计算。
麦图信息借助华为云ModelArts平台开发出的跑道防侵入场景中的航空器识别AI模型,将于2020年2月11日-12日在深圳举办的华为开发者大会2020(Cloud)上与开发者们见面。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。