DOI: 10.48550/arXiv.2212.11084
Credibilidade: 898
#Piloto
Projetado para garantir céus mais seguros, o “Air-Guardian” combina a intuição humana com a precisão da máquina, criando uma relação mais simbiótica entre o piloto e a aeronave.
Imagine que você está em um avião com dois pilotos, um humano e um computador. Ambos estão com a “mão” nos controles, mas estão sempre atentos a coisas diferentes. Se ambos estiverem prestando atenção na mesma coisa, o humano poderá dirigir. Mas se o humano se distrair ou perder alguma coisa, o computador rapidamente assume o controle.
Conheça o Air-Guardian, sistema desenvolvido por pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL). À medida que os pilotos modernos enfrentam um ataque violento de informações de vários monitores, especialmente durante momentos críticos, o Air-Guardian atua como um copiloto proativo; uma parceria entre humano e máquina, enraizada na compreensão da atenção.
Compreendendo a atenção com o Air-Guardian
Mas como isso determina a atenção, exatamente? Para os humanos, utiliza o rastreamento ocular e, para o sistema neural, depende de algo chamado “mapas de saliência”, que identificam para onde a atenção é direcionada. Os mapas servem como guias visuais destacando regiões-chave dentro de uma imagem, auxiliando na compreensão e decifração do comportamento de algoritmos complexos. O Air-Guardian identifica sinais precoces de riscos potenciais por meio desses marcadores de atenção, em vez de intervir apenas durante violações de segurança, como os sistemas tradicionais de piloto automático.
As implicações mais amplas deste sistema vão além da aviação. Mecanismos de controle cooperativo semelhantes poderiam um dia ser usados em carros, drones e em um espectro mais amplo de robótica.
“Uma característica interessante do nosso método é a sua diferenciabilidade”, diz Lianhao Yin, pós-doutorando do MIT CSAIL, autor principal de um novo artigo sobre o Air-Guardian. “Nossa camada cooperativa e todo o processo ponta a ponta podem ser treinados. Escolhemos especificamente o modelo de rede neural causal de profundidade contínua devido às suas características dinâmicas no mapeamento da atenção. Outro aspecto único é a adaptabilidade. O sistema Air-Guardian não é rígido; pode ser ajustado de acordo com as demandas da situação, garantindo uma parceria equilibrada entre homem e máquina.”
Testes e resultados de campo
Nos testes de campo, tanto o piloto quanto o sistema tomaram decisões com base nas mesmas imagens brutas ao navegar até o waypoint alvo. O sucesso do Air-Guardian foi avaliado com base nas recompensas acumuladas obtidas durante o voo e no caminho mais curto até o waypoint. O guardião reduziu o nível de risco dos voos e aumentou a taxa de sucesso na navegação até os pontos-alvo.
“Este sistema representa a abordagem inovadora da aviação habilitada para IA centrada no ser humano”, acrescenta Ramin Hasani, afiliado de pesquisa do MIT CSAIL e inventor de redes neurais líquidas. “Nosso uso de redes neurais líquidas fornece uma abordagem dinâmica e adaptativa, garantindo que a IA não apenas substitua o julgamento humano, mas o complemente, levando a maior segurança e colaboração nos céus.”
Fundamentos Tecnológicos e Perspectivas Futuras
A verdadeira força do Air-Guardian é a sua tecnologia fundamental. Usando uma camada cooperativa baseada em otimização usando atenção visual de humanos e máquinas, e redes neurais líquidas de tempo contínuo (CfC) conhecidas por sua habilidade em decifrar relações de causa e efeito, ele analisa imagens recebidas em busca de informações vitais. Complementando isso está o algoritmo VisualBackProp, que identifica os pontos focais do sistema dentro de uma imagem, garantindo uma compreensão clara de seus mapas de atenção.
Para futura adoção em massa, é necessário refinar a interface homem-máquina. O feedback sugere que um indicador, como uma barra, pode ser mais intuitivo para indicar quando o sistema guardião assume o controle.
O Air-Guardian anuncia uma nova era de céus mais seguros, oferecendo uma rede de segurança confiável para aqueles momentos em que a atenção humana vacila.
“O sistema Air-Guardian destaca a sinergia entre a experiência humana e o machine learning, promovendo o objetivo de usar o machine learning para aprimorar os pilotos em cenários desafiadores e reduzir erros operacionais”, diz Daniela Rus, professora de Elétrica Andrew (1956) e Erna Viterbi. Engenharia e Ciência da Computação do MIT, diretor do CSAIL e autor sênior do artigo.
“Um dos resultados mais interessantes do uso de uma métrica de atenção visual neste trabalho é o potencial para permitir intervenções mais precoces e maior interpretabilidade por pilotos humanos”, diz Stephanie Gil, professora assistente de ciência da computação na Universidade de Harvard, que não esteve envolvida no estudo. trabalhar. “Isto mostra um excelente exemplo de como a IA pode ser usada para trabalhar com um ser humano, reduzindo a barreira para alcançar a confiança através da utilização de mecanismos naturais de comunicação entre o ser humano e o sistema de IA.”
Publicado em 06/10/2023 21h56
Artigo original:
Estudo original: