Цена ошибки возрастает: как языковые модели трансформируют авиацию

О больших языковых моделях

Большие языковые модели — это нейронные сети, специально созданные для обработки и генерации человеческого языка. Эти модели обучаются на множестве текстов и используют сложные алгоритмы для анализа и понимания языковых паттернов. За счет этого LLM способны предсказывать следующий токен (слово или символ) в тексте на основе предыдущих.

Первые шаги в области обработки естественного языка делались еще в середине XX века, когда были придуманы примитивные алгоритмы для синтаксического анализа и генерации текста. Однако значительный прогресс был достигнут только с развитием машинного обучения и искусственных нейронных сетей. Самый известный пример большой языковой модели — OpenAI GPT, представленный в 2020 году.

Одной из ключевых характеристик LLM является рост качества их ответов по мере увеличения количества текста, которые они «прочитали» во время обучения. Современные модели, такие как GPT-o1, содержат в себе сотни миллиардов параметров и обучены на триллионах слов. Это позволяет им генерировать решения даже весьма сложных задач.

Большие языковые модели активно используются в маркетинге, экономике, работе с текстами и составлении инструкций для чат-ботов. Однако в сферах, где цена ошибки высока, их интеграция идет более медленными темпами. К таким сферам, в частности, относится авиация. Как пояснил Юрий Чайников, решения по ключевым вопросам здесь по-прежнему принимает человек. Однако часть процессов LLM уже помогли облегчить.

Большие языковые модели в авиации

В частности, большие языковые модели помогли оптимизировать труд разработчиков программного обеспечения самолетов. Специальная система Copilot (так называемый второй пилот) взаимодействует с человеком-разработчиком, анализирует его код и предлагает улучшения и дополнения к текущему проекту. Благодаря этому программисты могут значительно сэкономить время и силы на монотонных и рутинных задачах.

— Производительность труда даже высококлассного разработчика благодаря этой технологии растет на 10-15 процентов. И это уже не будущее, а бесспорное настоящее, — пояснил Юрий Чайников.

По словам эксперта, нейросети также дали большие преимущества проектировщикам, частью работы которых является отслеживание трендов на основе открытых публикаций.

— В год выходят тысячи статей, и все их надо читать, обдумывать и прикидывать, насколько полезна эта информация для текущих задач. Это трудная работа, которая вполне по силам языковой модели: загружаем в нее тексты, она их читает, реферирует, раскладывает, тематизирует. Можно поручить большой языковой модели и поиск информации в интернете: в патентных источниках, популярных новостях и специализированных изданиях. Таким образом она сможет составить какое-то видение по нашему запросу, — добавил эксперт.

Юрий Чайников уточнил, что нейросети могут также проанализировать список требований по сочетаемости запчастей и предложить инженеру-проектировщику варианты сборки, которые позволят решить поставленные перед ним задачи.

— Финальное решение все равно за проектировщиком. Но большое количество рутинной работы по подбору и взаимной сверке можно поручить машине,— рассказал Чайников и добавил, что большие языковые модели способны вычислить даже стоимость различных видов сборки и определить среди них наиболее выгодные варианты.

Также использование LLM становится все более эффективным в области маркетинга и копирайтинга, которые необходимы и для авиаотрасли. Нейросети прекрасно справляются с написанием продающих текстов, анализируют и улавливают потребности аудитории, следуют заданной стилистике и с легкостью меняют ее в зависимости от требуемых параметров. Задачи, на которые человеку может потребоваться несколько часов, искусственный интеллект выполняет за несколько секунд и поэтому уже частично заменяет специалистов в этих областях.

Кроме того, большие языковые модели помогают анализировать данные из отчетов по техническому обслуживанию, выявлять закономерности и прогнозировать возможные неисправности. Например, AI может помочь в расшифровке и анализе текстовых отчетов, поступающих от инженеров и техников. Причем LLM способны пойти еще дальше и предложить рекомендации по устранению проблем, что позволяет повысить точность диагностики и уменьшить вероятность человеческих ошибок.

Языковые модели находят применение и в обучении пилотов, инженеров и других сотрудников авиакомпаний. AI-платформы могут адаптировать учебные материалы под уровень знаний каждого конкретного специалиста, а также создавать интерактивные тренажеры. Например, система на основе языковых моделей может имитировать сложные ситуации и предлагать возможные действия в зависимости от решений, которые принимает сотрудник.

Большие языковые модели также используются для улучшения обслуживания пассажиров. Например, чат-боты и голосовые помощники на базе LLM помогают отвечать на вопросы клиентов, находить информацию о рейсах, изменениях в расписании или задержках. Модели могут обрабатывать запросы на нескольких языках, что особенно важно для международных авиакомпаний. Это позволяет сократить время ожидания на линии и повысить уровень удовлетворенности пассажиров.

Вероятность ошибки

Однако даже в указанных сферах большие языковые модели на данном этапе своего развития не могут полностью заменить человеческий труд, поскольку иногда используют выдуманные факты. Поэтому над LLM сейчас необходим постоянный контроль.

— Ошибки будут всегда. Вопрос в том, как устроено оптимальное поведение системы и ее взаимодействие с человеком. Например, возьмем работу проектировщика: нейросеть сделала какую-то подборку, какие-то выводы, но все равно человеку решать, будет он использовать тот или иной подход или нет, — рассказал директор департамента цифровой трансформации в компании BetBoom.

По его словам, со временем все больше решений будут принимать нейросети, а вероятность совершения ошибки с их стороны станет меньше. В будущем можно ожидать появления еще более мощных и адаптивных моделей, которые смогут глубже интегрироваться в операционные процессы. Например, LLM могут стать частью «умных» систем управления воздушным движением, способных в реальном времени обрабатывать огромные объемы данных и помогать операторам принимать оптимальные решения. Еще одним перспективным направлением является создание полностью автономных систем технического обслуживания, которые смогут предсказывать неисправности и предлагать решения без вмешательства человека.

Новые LLM также помогут в разработке систем коммуникации между авиакомпаниями и аэропортами, чтобы улучшить координацию рейсов и оптимизировать использование воздушного пространства. Такие технологии будут способствовать увеличению пропускной способности воздушных маршрутов и снижению задержек, что особенно актуально в условиях роста пассажиропотока.

Расширение применения больших языковых моделей в области авиации позволит ускорить обработку данных, сократить затраты, повысить производительность труда и при этом снизить риск человеческих ошибок. Однако более широкое внедрение технологий в повседневную жизнь приведет к новой проблеме. Некому будет брать ответственность за совершенные ошибки и некому — нести наказание за нанесенный ущерб, полагает Юрий Чайников. Это одна из задач, которую в будущем предстоит решить, чтобы активно использовать большие языковые модели в авиационной отрасли. Если найти правильный подход к этой проблеме, то в перспективе новые технологии позволят повысить эффективность, безопасность и качество обслуживания пассажиров, а также сделают перелеты более комфортными и доступными.

Материал подготовлен при поддержке Минобрнауки России.

МАИ

20 статей

Московский авиационный институт (национальный исследовательский университет) ведёт свою историю с 20 марта 1930 года. Сегодня МАИ – ведущий высокотехнологичный вуз России, обеспечивающий подготовку инженерных кадров и проведение передовых научных исследований мирового уровня. В 2021 г. программа развития Московского авиационного института прошла отбор в рамках программы стратегического академического лидерства «Приоритет-2030». МАИ вошёл в первую группу университетов по треку «Территориальное и (или) отраслевое лидерство» программы «Приоритет 2030».

Показать больше