Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
دوره
کارگاه
وبینار
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
وبینارها، کارگاره‌ها و دوره‌ها
 هوش مصنوعی در خدمت پرواز 

هواپیمایی یونایتد از AI برای ارائه هرچه بهتر خدمات به مسافران بهره می‌گیرد

هوش مصنوعی در خدمت پرواز 

هنگامی‌که سوار هواپیمایی از خطوط هوایی یونایتد می‌شوید، نمایندگان گیت فرودگاه، مهمانداران پرواز و دیگر پرسنل در چت‌رومی تلاش می‌کنند تا با ایجاد هماهنگی در کارهای فراوانی که ممکن است شما به‌عنوان یک مسافر متوجه آن نشوید، از انجام به‌موقع کارهای پرواز و درنتیجه، عزیمت به‌موقع پرواز شما اطمینان حاصل کنند. آیا هنوز جای خالی برای چمدانی دستی در داخل کابین هست؟ آیا کیترینگ، کمبود آب‌پرتقال را رفع کرده است؟ آیا راهی هست که بتوان اعضای یک خانواده را در طول پرواز کنار یکدیگر نشاند؟

هنگامی‌که پرواز به تأخیر می‌خورد، پیامی متنی به همراه توضیحات در اپلیکیشن یونایتد ارسال می‌شود. در اکثر اوقات، این پیغام با هوش مصنوعی تولید می‌شود. دیسپچرهای دفتر یونایتد در سراسر جهان به دنبال بررسی اطلاعاتی هستند تا مطمئن شوند که خدمه پرواز هنوز می‌توانند به‌صورت قانونی، پرواز را بدون زیر پا گذاشتن مقررات اداره هوانوردی فدرال انجام دهند.

در چند هفته‌ای که هواپیمایی یونایتد استفاده از چت‌بات هوش مصنوعی را برای ارائه خدمات به مشتریان آغاز کرده، نتایج شگفت‌انگیزی را مشاهده کرده است. «جیسون برنباوم» که سال 2022 به‌عنوان مدیر ارشد فناوری اطلاعات هواپیمایی یونایتد برگزیده شد، تیمی متشکل از بیش از 1500 کارمند و حدود 2000 پیمانکار را مدیریت می‌کند که مسئولیت تمام تکنولوژی مرتبط با هوش مصنوعی یونایتد را بر عهده دارند.

او در مورد دستاورد هوش مصنوعی یونایتد می‌گوید: «در کسب‌وکار، عاشق آن چیزهایی هستم که دیگران از آن‌ها متنفرند. من سالیان درازی در جنرال‌الکتریک در کار لوازم‌خانگی بودم؛ ما می‌توانستیم برای یک روز کار را متوقف کنیم و کسی هم متوجه آن نمی‌شد. فوقش مدیران می‌گفتند که «خیلی خب، ماشین‌های ظرف‌شویی از خط خارج نمی‌شوند»؛ اما خبرساز نمی‌شد. حالا اگر اتفاقی رخ دهد، حتی برای 15 دقیقه، نه‌تنها در سرتاسر شبکه‌های اجتماعی خبرساز می‌شود بلکه خودروهای خبرگزاری به سوی فرودگاه روانه می‌شوند».

برنباوم پیش از پیوستن به هواپیمایی یونایتد، 16 سال را در جنرال الکتریک گذراند و نردبان ترقی را از مدیر تکنولوژی تا مدیر ارشد فناوری اطلاعات شرکت مصرف‌کننده و صنعتی جنرال الکتریک مستقر در بوداپست بالا رفت. سال 2009 او به‌عنوان مسئول بخش هوش مشتری زنجیره تأمین جهانی مراقبت‌های بهداشتی جنرال الکتریک منصوب شد. برنباوم در سال 2015 به‌عنوان معاون فناوری دیجیتال به یونایتد پیوست و مسئولیت راه‌اندازی پروژه‌هایی ازجمله پروژه ConnectionSaver را برعهده گرفت. کانکشن‌سیور یکی از اولین پروژه‌های مبتنی بر هوش مصنوعی با یادگیری ماشینی است که وقتی اتصال پروازها فاصله زمانی بسیار نزدیکی به هم دارند، پرواز دوم را نگه می‌دارد.

می‌خواستم با برنباوم در رابطه با این صحبت کنم که او و دیگر مدیران ارشد فناوری اطلاعات در تجارت جهانی در مورد استفاده از هوش مصنوعی چگونه فکر می‌کنند. شرکت‌های هواپیمایی به دنبال این حوزه از نوآوری هستند؛ اما اولویت کنونی این شرکت‌ها همچنان انتقال خدمات به فناوری ابری است. در روند کنونی پردازش ابری، همگی سعی دارند تا با بهینه‌سازی زیرساخت ابری خود، هزینه کمتری بپزدازند.

او گفت: «شرکت‌ها و استارت‌آپ‌های زیادی  را می‌بینم که درتلاشند بفهمند چگونه باید فضای ابری خود را بهینه و مدیریت کنند. مردمان زیادی روی سؤال‌هایی از این دست تمرکز کرده‌اند که شما داده زیادی دارید، آیا من می‌توانم آن را برای شما بهتر ذخیره‌سازی کنم؟ شما درخواست‌های جدید زیادی دارید، آیا من می‌توانم در نظارت بهتر بر آن‌ها به شما کمک کنم؟ زیرا ابزارهایی که از آن‌ها استفاده می‌کردید، دیگر پاسخگوی این کار نیستند. شاید عصر تحول دیجیتال به پایان رسیده است و ما اکنون در عصر بهینه‌سازی فضای ابری هستیم».

یونایتد به‌تنهایی قمار بزرگی روی فضای ابری انجام داده است، بخصوص اینکه وب‌سرویس‌های آمازون را به‌عنوان ارائه‌دهنده ابری ترجیحی خود انتخاب کرده است. همان‌طور که انتظار می‌رفت، یونایتد هم به دنبال آن است که چگونه شرکت می‌تواند استفاده از فضای ابری را از دو لحاظ هزینه و اطمینان‌بخشی بهینه سازد. این کار همچون بسیاری از شرکت‌هایی که این فرآیند را طی می‌کنند، به معنی جست‌وجوی بهره‌وری توسعه‌دهنده و اضافه کردن اتوماسیون و روش‌های DevOps به ترکیب است. برنباوم می‌گوید: «ما حضور ثابتی در فضای ابری داریم، اما در بازار حضور جدی داریم و تلاش کنیم به بهینه‌سازی هم ادامه دهیم».

البته این کار به اطمینان‌پذیری هم بستگی دارد. یونایتد هم مانند همه شرکت‌های هواپیمایی، هنوز سیستم‌های قدیمی بسیاری را اجرا می‌کند و آن‌ها هم هنوز جواب می‌دهند. او می‌گوید: «ما ضمن حرکت در این مسیر، بسیار مراقبیم تا مطمئن شویم اختلالی در عملیات ایجاد نمی‌کنیم یا آسیبی به خودمان وارد نمی‌کنیم».

یونایتد قبلاً بسیاری از سیستم‌های قدیمی را جابه‌جا یا خاموش کرده است و این روند ادامه دارد. به‌عنوان مثال، سیستم عظیم مبتنی بر Unisys را در اواخر امسال خاموش خواهد کرد؛ اما برنباوم فکر می‌کند که یونایتد به استفاده از سیستم‌های on-prem ادامه خواهد داد. او می‌گوید: «می‌خواهم در بهترین جایگاه برای اپلیکیشن‌ها و تجربه‌های کاربری باشم، چه برای کارایی، حریم شخصی و امنیت آن».

به‌هرحال تنها ابزاری که یونایتد تلاشی برای ساخت آن نمی‌کند، نوعی سیستم یکپارچه فراگیر است که خودش، تمام سیستم‌هایش را اجرا کند. برنباوم می‌گوید: «پیچیدگی بسیاری در عملیات روزمره شرکت هواپیمایی وجود دارد. برخی پلتفرم‌ها به طور مثال، رزرواسیون، فروش بلیت و ره‌گیری چمدان را مدیریت می‌کنند؛ درحالی‌که پلفترم‌های دیگر به وظایف خدمه رسیدگی می‌کنند».

وقتی مشکلی پیش می‌آید، این سیستم‌ها باید هم‌زمان و در زمان واقعی باهم کار کنند. به همین دلیل است که یونایتد روی ارائه‌دهنده ابری شرط‌بندی کرده است. برنباوم گفت: «تصور نمی‌کنم که فقط یک پلتفرم داشته باشیم. من فکر می‌کنم که ما در ارتباط دادن چیزها و برقرار کردن ارتباط برنامه‌ها با یکدیگر، بسیار بهتر خواهیم بود».

«در عمل، این بدان معناست که امروز برای تیم ما امکان آن وجود دارد که ببینیم مثلا کیترینگ چه زمانی از هواپیما پیاده شده و چه کسی برای پرواز پذیرش شده است. همچنین، تیم‌های زمینی و خدمه مهماندار می‌توانند از تمام این‌ها با برنامه چت داخلی خود مطلع شوند».

هر پرواز، داستانی دارد

یونایتد در حین انجام تمام این کار ها همچنان به دنبال آن است که بفهمد چگونه می‌تواند از هوش مصنوعی بهترین بهره را ببرد. 

داستانی که مرتب درباره هوش مصنوعی (یادگیری ماشینی) در شرکت‌های بزرگ می‌شنوم، آن است که ChatGPT لزوماً طرز فکر فناوران را در مورد AI تغییر نداد، اما ناگهان به موضوع بحث در اتاق هیئت‌مدیره تبدیل شد. این موضوع برای یونایتد هم صدق می‌کند.

برنباوم می‌گوید: «ما تمرین هوش مصنوعی کاملاً بالغی را انجام دادیم و قابلیت‌های بسیاری برای مدیریت مدل‌ها، انجام میزان‌سازی و همه‌چیز ساختیم. پس خبر خوب برای ما این بود که از قبل، سرمایه‌گذاری بسیار عظیمی در این قابلیت انجام داده بودیم. آنچه با ورود ChatGPT تغییر کرد، این نبود که ما می‌بایست آن را جدی بگیریم. باید کسی را جدی می‌گرفتیم که در مورد آن سؤال می‌پرسید. ناگهان مدیرعامل و هیئت‌مدیره به من گفتند:”هی! من باید در مورد این موضوع، بیشتر بدانم».

برنباوم ادامه می‌دهد: «یونایتد در موضوع هوش مصنوعی کاملاً در حال ترقی است. من فکر می‌کنم صنعت گردشگری مملو از مثال‌های متفاوتی است که می‌توان در آن‌ها از هوش مصنوعی هم برای مشتری و هم برای پرسنل استفاده کرد.» 

یکی از این‌ فرصت‌ها ابتکار «Every flight has a story» یونایتد است (هر پرواز، داستانی دارد). در زمان‌های نه‌چندان دور هنگامی‌که پروازی به تأخیر برمی‌خورد، دریافت اعلان نسبتاً معمول بود؛ اما اطلاعات بیشتری در مورد آن وجود نداشت. این امکان وجود داشت که پرواز ورودی با تأخیر مواجه شده باشد یا شاید مشکل از تعمیر و نگهداری باشد. هواپیمایی یونایتد شروع به استفاده از نمایندگانی برای نوشتن اعلان‌های کوتاهی کرد که تأخیر را توضیح می‌داد و آن اعلان‌ها را با اپلیکیشن خود و به صورت پیام‌های متنی ارسال می‌کرد. حال، با استخراج داده از برنامه چت و سایر منابع، اکثریت قریب به‌اتفاق این پیام‌ها با هوش مصنوعی نوشته می‌شوند.

یونایتد در روندی مشابه به دنبال استفاده از هوش مصنوعی مولد برای خلاصه‌سازی اطلاعات پرواز برای تیم‌های عملیاتی خود است تا بتوانند مرور سریعی بر آنچه در حال رخ دادن است، داشته باشند.

در همین چند هفته گذشته، یونایتد سیستم چت خود را در United.com به عامل هوش مصنوعی منتقل کرد. البته هواپیمایی کانادا (Canada Air) پیش‌تر از ربات هوش مصنوعی استفاده کرده بود، اما پاسخ‌های گاه‌به‌گاه نادرست آن رسوایی به بار آورد. بااین‌حال برنباوم خیلی نگران نیست. از دیدگاه فنی، ربات از پایگاه دانش یونایتد استفاده می‌کند ولی باید توهمات ربات را تحت کنترل نگه داشت. برنباوم می‌گوید: «اما برای من [حادثه ایر کانادا] به معنی شکست فناوری نبود، صرفا شکست در خدمات مشتری بود، چراکه امروز، عوامل انسانی ما هم پاسخ‌های نادرستی می‌دهند. ما فقط باید با آن کنار بیاییم و ادامه دهیم. من فکر می‌کنم که برای چنین شرایطی از آمادگی خوبی برخورداریم».

اواخر امسال قرار است تا یونایتد ابزاری را که در حال حاضر «Get Me Close» نام دارد، به راه بیندازد. هنگامی‌که پرواز تأخیر دارد، مشتریان اغلب ترجیح می‌دهند که برنامه‌های خود را تغییر دهند تا به فرودگاهی نزدیک بروند. خودم یک‌بار زمانی که پروازم به برلین لغو شد، از یونایتد خواستم تا مرا به پروازی به آمستردام منتقل کند، مقصدی به‌نسبت نزدیک تا بتوانم قطار بگیرم و به‌موقع به برنامه‌هایم برسم.

ابزارهای تلفن‌های همراه ما عالی‌اند؛ اما وقتی مردم با یکدیگر به گفت‌وگو می‌پردازند، به دنبال یافتن گزینه‌های بیشتر و انتخاب هستند؛ یعنی می‌خواهند بگویند: «می‌توانید من را به جای نیویورک به فیلادلفیا برسانید؟ می‌توانید مرا به مقصد نزدیک‌تر کنید؟» تعامل، نمونه عالی استفاده از هوش مصنوعی است.

هوش مصنوعی برای خلبان‌ها

بعد از ساختن سیستمی که به صورت خودکار «داستان»‌های تأخیر را در برنامه می‌نویسد، تیم برنباوم اکنون به این فکر است که چه جای دیگری می‌تواند از تکنولوژی هوش مصنوعی مولد استفاده کند. یکی از این فرصت‌ها، مجموعه‌ای از جلسات توجیهی کوتاه است که خلبانان معمولاً قبل از برخاستن هواپیما از زمین برگزار می‌کنند.

برنباوم می‌گوید: «خلبانی به سراغ من آمد و گفت: یکی از چیزهایی که برخی از خلبانان در آن ماهرند، استفاده از بلندگوی کابین و گفتن این عبارت است که «هی! خوش آمدید، همگی به لاس‌وگاس می‌رویم. ها ها ها». اما بعضی از خلبان‌ها درون‌گرایند. آیا می‌توانید موتور هوش مصنوعی‌ای داشته باشید که به من کمک کند در مورد مقصدی که می‌رویم، اعلامیه‌ای در هواپیما آماده کنم تا درنهایت اعلام خیلی خوبی از آنچه اتفاق می‌افتد، ارائه بدهم؟ و من فکر کردم که این، کاربردی عالی است».

همان‌طور که پیداست، یکی از محرک‌های اصلی رضایت مشتری برای شرکت‌های هواپیمایی درواقع تعامل خلبان است. چند سال پیش، یونایتد بر امتیاز خالص پیش‌برنده خود تمرکز کرد و از خلبانان خواست که به طور مثال درحالی‌که در جلوی کابین ایستاده‌اند، تأخیر را اعلام کنند. به نظر منطقی می‌آید که شرکت هواپیمایی به این موضوع نگاه کند که چگونه می‌تواند در چنین تعامل بااهمیتی بهبود پیدا کند.

حوزه دیگری که هوش مصنوعی مولد می‌تواند به خلبان‌ها کمک کند، خلاصه‌سازی اسناد فنی پیچیده است؛ اما همان‌طور که برنباوم به‌درستی اشاره می‌کند، هرآنچه شامل خلبانی پرواز هواپیما می‌شود، ساختار عظیم و تنظیم‌شده‌ای دارد؛ پس مدتی طول خواهد کشید تا شرکت هواپیمایی ابزار تازه‌ای را به آن اضافه یا جایگزین کند.

منبع: تک‌کرانچ

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.