根據相關的信息來源顯示，目前全球至少有1700家人工智能（Artificial Intelligence，AI）有關的創(chuàng)業(yè)公司。在全球70多個國家，投資者們向這些創(chuàng)業(yè)公司投資了超過146億美元。投資者預計，到2020年AI創(chuàng)造的收入有望達到470億美元，而這個數(shù)字在2016年僅為80億美元。那么，人工智能在航空業(yè)會有怎么樣的應用前景呢？未來會因為AI而發(fā)生哪些改變？
所謂的AI，指的是一些計算機程序，它們可以象人類一樣具備智能，例如邏輯推理、解決問題、主動學習。AI的表現(xiàn)有兩類，一類是實體的，例如機器人，另一類是非實體的，例如Apple Siri和Google Now。截止到目前我們對AI的認識，可以將AI的發(fā)展分成四代。
第一代AI：規(guī)則驅動的推理
這代的AI始于人們通過靜態(tài)規(guī)則的定義將人們的知識成功并入計算機程序中。例如在早期，象棋程序是通過事先定義好的一套邏輯規(guī)則來運行的，在實際運行中，它很少能夠感知到外界的變化，同時也沒有學習和提煉知識的能力。
GPS導航軟件是另一個第一代AI的案例，它可以感知到地理位置，可以在地圖上分析位置信息，并給出一個前進的方向。但是GPS導航軟件處理路徑偏差方面的能力是非常有限的。
不難看出，第一代AI的計算機程序仍然在廣泛使用中，在各行業(yè)發(fā)揮著其價值。
在航空業(yè)已經存在的應用案例有：
1）通過一些飛機儀器儀表，在駕駛艙向飛行員顯示飛機的狀況。例如飛機姿態(tài)和地平線的相對值。
2）自動駕駛功能。根據預定義好的飛行路徑自動控制飛機的飛行，而不需要飛行員的干預。
3）自動調整飛機客艙中的壓力，來確?？团摥h(huán)境的安全和舒適。
第二代AI：通過大數(shù)據來學習
在歷史上，處理大量的數(shù)據是令人頭疼的一件事情。但是隨著技術的發(fā)展，現(xiàn)在令人頭疼的事情已經變成了巨大的機會。第二代AI就是利用了這些新的技術從大數(shù)據進行學習。通過神經網絡這類的深度學習架構，計算機通過不斷的嘗試和錯誤處理來獲得知識。
第二代AI的主要特點是通過數(shù)據分析來進行學習，但是它尚未具備邏輯推理能力，也不太能夠理解上下文關系，也很難在不同領域提煉出知識。這種學習方式和人類的學習方式仍然有著很大的差異。通常的做法還是通過預先定義好的靜態(tài)模型來模擬需要解決的問題，然后持續(xù)地使用數(shù)據來訓練這個模型。第二代AI有時甚至會非常的不智能，例如微軟的Twitter Bot就是一個例子，它會曲解訓練數(shù)據然后給出不合理的結果。
對于第二代AI，一些潛在的航空業(yè)應用案例有如下幾點：
1）分析和預測旅客的行為和需求；
2）通過人臉識別或其它生物技術，實現(xiàn)無縫的機場安全檢查流程；
3）AI應用于收益管理的優(yōu)化、航線網絡編排、機隊管理，以及運價計算策略。
第三代AI：具備基于分析和上下文的意識
對于第二代AI而言，它需要大量的訓練數(shù)據進行學習，然后才能得出結論。如果對它得出的結論進行質疑，它只能回答說“數(shù)據就是這么說的”。相對而言，第三代AI能夠意識到分析的路徑，并且在上下文分析方面有一定程度的能力。
例如，對于第三代AI而言，它不需要通過成千上萬次的對飛機故障的學習來探測出一次飛機的故障。
第四代AI：用知識解決不同的問題
相比于之前的AI而言，第四代AI的主要特點是：能夠理解上下文關系，并且可以從一個領域跨越到另外一個領域；能夠提煉出知識；不需要通過大量的訓練數(shù)據來進行學習。
第四代AI在航空業(yè)的一些潛在的應用場景有：
1）自主飛行的飛機（不需要駕駛）；
2）全自動的機場業(yè)務實現(xiàn)，例如：地面處理、裝載、加油、清潔、以及航空器的安全檢查；
3）全自動的客艙服務；
4）完全AI驅動的收益管理優(yōu)化、航線網絡優(yōu)化、機隊管理和運價計算策略。
從人工智能發(fā)展的角度來看，現(xiàn)在航空公司的AI應用大都還在第一代AI的階段。在接下來的幾年里，技術已經日趨成熟，再加上資本的驅動，AI的進化速度將變得非?？?。AI的發(fā)展和應用，不僅會給航空業(yè)帶來積極的一面（例如各種自動化和優(yōu)化），但也會帶來其它沖擊，例如就業(yè)崗位數(shù)量的縮減。航空公司需要密切關注這方面的技術發(fā)展，提前做好研究和布局。
