سیستم های چندعاملی هوش مصنوعی و مدل های پیاده سازی آن در صنعت هوانوردی
چشم انداز آینده جهان و صنعت هوانوردی شبیه به یک ارکستر هوشمند است؛ جایی که عامل های مختلف هوش مصنوعی، هرکدام با ساز تخصصی خود، در چارچوبی سازمان یافته و هماهنگ کنار هم قرار می گیرند. انسان ها در این میان همان شنونده و ناظر اصلی هستند که نه تنها از موسیقی لذت می برند بلکه اطمینان حاصل می کنند اجرا مطابق با استانداردها، ایمنی و ارزش های انسانی پیش می رود.
خلیل الله معمارزاده : همان طور که حدس زده می شد، چند روز پیش ChatGPT نسخه عامل محور خود را معرفی کرد که نخستین گام عمومی به سوی دنیای عامل های هوش مصنوعی یا AI Agents محسوب می شود. این سیستم دیگر منتظر سوال های شما نمی ماند، بلکه خودش کنشگر است و بر اساس یادگیری هایش از شما سوال می پرسد و بدین ترتیب، گام های عملی اولیه برای جایگزینی نیروهای کار به عنوان کارمندان عمومی دیجیتال برداشته شده است. اگر هنوز مدیر یا متخصصی هستید که به آن تنها در سطح ابتدایی نگاه می کنید، باید خودتان را برای خروج از چرخه انسان های موثر آماده کنید.
وقتی به آینده جهان و هر یک از کشورهای جهان به صورت کلی و کشور عزیزمان ایران به صورت ویژه نگاه می کنیم، دیگر نمی توان به این موضوع ها و روندها بی توجه بود و فقط نظاره گر بود. ابرقدرت های آینده جهان در پنج سال آینده بر سر مرزهای هوش مصنوعی درهم تنیده با اقتصاد بی سر و صدا می جنگند، نه فقط بر سر مرزهای زمینی و هوایی. برای مثال، به سهم نسبی تحقیق و توسعه رژیم اسرائیل نسبت به GDP آن نگاه کنید تا درک کنید که بیشترین میزان سرمایه گذاری را در بین کشورهای جهان انجام می دهد و ما فقط وجه ظاهری توسعه طلبی ها و جنگ افروزی های غیرانسانی آن را می بینیم.
امروز حتی صحبت از این است که به یک سیستم عامل هوش مصنوعی غیربومی در یک کشور نباید اکتفا نشود، زیرا امنیت داده ها اهمیت دارد و جنگ های آینده مبتنی بر داده ها هستند و مبتنی بر هدف گیری های دقیق داده محور انجام خواهند شد.
فراتر از این مسئله این است که حتی نباید فقط به یک عامل هوش مصنوعی تکیه کرد و قدرتمندترین عامل هوش مصنوعی نیز مانند دنیای ما انسان ها در نهایت یک فرد بسیار قوی است. اما دنیای واقعی و به ویژه هوانوردی، دنیای جمعی، ارتباطی و چندبعدی است و به یک سمفونی شباهت دارد که نیازمند هماهنگی چندین نوازنده و ساز است. همین جاست که مفهوم سیستم های چندعاملی یا MAS معنا پیدا می کند؛ جایی که مجموعه ای از عامل ها، هرکدام با تخصص خاص خود، کنار هم قرار می گیرند و مانند یک ارکستر هماهنگ عمل می کنند. اگر تنها یک نفر بخواهد همه سازها را بنوازد، نتیجه چیزی جز آشفتگی نخواهد بود. این استعاره نشان می دهد چرا در حوزه هایی چون هوانوردی، مدیریت ایمنی یا حتی خدمات مالی و امنیت ملی، وجود عامل های هوش مصنوعی متعدد ضروری است.
نخستین نشانه های ارزش این رویکرد در صنعت خدمات مالی دیده شد؛ جایی که چندین عامل مستقل به طور هم زمان بازارهای سرمایه، رفتار مشتریان و ریسک های اعتباری را رصد کرده و خروجی مشترکی برای مدیران فراهم می آوردند. تجربه نشان داد که یک عامل منفرد قادر به مدیریت چنین حجم متنوعی از داده ها و تصمیم ها نیست و نمی تواند در تمامی زمینه ها متخصص باشد. صنعت هوانوردی نیز با چنین چالش های مشابه ای روبه روست. مدیریت یک فرودگاه را تصور کنید؛ مدیریت ترمینال های مسافری، صف مسافران، بارهای همراه و غیرهمراه، کارگو، ترافیک های زمینی در ایرساید و لندساید، ظرفیت کنترلرهای ترافیک هوایی، تغییرات ناگهانی آب وهوا و … همه باید هم زمان کنترل شوند یا همین طور مدیریت یک ایرلاین که به صورت سیلوهایی مجزا از یکدیگر فعالیت می کنند و با بروز هر گونه وقفه یا اختلالی در زنجیره به هم پیوسته عملیات، اولین تلاش ها بر این متمرکز می شود که چگونه توپ را در زمین بخش های دیگر انداخت و در هنگام سهم خواهی چگونه بخش خود را واجد بیشترین سهم امتیازات بدانیم و با ذهنیتی مرکزگرا تصور کنیم تمام تخصص های دیگر و در شکلی کلی تر تمام کشورها و اساسا مرکزیت چهارراه ترانزیتی عالم و جهان بر محوری است که ما ایستاده ایم. در واقع همانطور که همه چیز را همگان دانند، هیچ عامل هوش مصنوعی منفردی توانایی رسیدگی به این حجم از پیچیدگی چندبعدی را به تنهایی ندارد، اما وقتی چندین عامل تخصصی به صورت جمعی مانند یک تیم در کنار هم کار کنند، تصویری جامع و یکپارچه از کل عملیات شکل می گیرد. این ویژگی باعث می شود MAS به قلب تحول دیجیتال در هوانوردی تبدیل شود.
مزیت اصلی این ساختار در تقسیم پیچیدگی ها و وظایف میان عامل های تخصصی هوش مصنوعی است. یکی داده های پروازی را تحلیل می کند، دیگری سلامت کرو را پایش می کند، یکی لجستیک بار را زیر نظر دارد و دیگری تهدیدهای سایبری را مدیریت می کند، یکی عامل هوش مصنوعی موتور جستجوگر است، دیگری کار کنترلر فروش را در توزیع ظرفیت صندلی ها در شناسه های نرخی در یک پرواز را به صورت 24 ساعته انجام می دهد، آن یکی برنامه های تعمیرونگهداری ناوگان را بر اساس داده ها تنظیم می کند و در نهایت هر عامل وظیفه ای تخصصی خودش را هماهنگ با بقیه عامل های هوش مصنوعی دارد: یکی داده ها را جمع آوری می کند، دیگری تحلیل می کند، یکی ارتباطات را مدیریت می کند و دیگری تصمیم گیری نهایی را برای انسان تسهیل می نماید. این تقسیم کار هم بهره وری و تخصص گرایی را تقویت می کند و هم انعطاف پذیری بیشتری در برابر تغییرات و عدم قطعیت ایجاد می کند. اگر یک عامل دچار خطا شود، سایرین می توانند جای او را پر کنند و مانع فروپاشی کل سیستم شوند.
اما برای آنکه این ارکستر پیچیده درست کوک شود، نیاز به یک مدل سازمانی مشخص است. اصل کلیدی این است که هر عامل تنها یک ابزار یا یک وظیفه مشخص داشته باشد. این وضوح نقش ها مانع از تداخل یا دوباره کاری ها می شود، شفافیت شرح وظایف را بالا می برد و امکان مقیاس پذیری و به روزرسانی سیستم را فراهم می کند. در بسیاری از موقعیت ها، مدل سلسله مراتبی بهترین انتخاب است؛ مدلی که در آن یک عامل مرکزی مانند رهبر ارکستر و یا مدیر و رهبر سازمان و شرکت و کشور نقش هماهنگ کننده را ایفا می کند و سایر عامل ها تحت هدایت او کار می کنند. چنین مدلی به ویژه در عملیاتی که حساسیت بالا و نیاز به هماهنگی کامل و تصمیم گیری های مشترک Collaboration Decision Making یا CDM دارند، مانند مدیریت فرودگاه ها و شرکت های هواپیمایی، مدیریت مراکز کنترل عملیات (OCC) یا مراکز کنترل و مدیریت ترافیک هوایی، یا حتی شهرها و کشورها بسیار کارآمد است. این مدل شفافیت و مسئولیت پذیری بالایی دارد، هرچند در برخی شرایط می تواند واکنش ها را کندتر سازد.
برای رفع این محدودیت ها، مدل های مرجع دیگری نیز مطرح شده اند. در مدل کنترل متمرکز، یک مرکز تصمیم گیری وجود دارد که سایر عامل ها را هدایت می کند، مشابه مدیریت در فرودگاه ها یا ایرلاین ها که همه عوامل را زیر نظر دارد. در مقابل، مدل همکاری غیرمتمرکز اجازه می دهد عامل ها بدون نیاز به مرکزیت ثابت با هم تبادل اطلاعات کنند و تصمیم های جمعی بگیرند؛ مانند گروهی از هواپیماهای بدون سرنشین که با هماهنگی خودکار مثل مور و ملخ یا دسته ای از زنبورها مسیر پروازشان را هماهنگ با هم تنظیم می کنند و به سمت نقاط متعدد هدفمند و به صورت همزمان حمله می کنند یا به صورت کلاستری در ارتفاعات پایین از اهداف متعدد بسیار حساس به صورت همزمان در تمامی ساعات شبانه روز بدون لحظه ای وقفه و کاهش هشیاری و هوشیاری دفاع می کنند. هر یک از این مدل ها بسته به شرایط محیطی و اهداف سیستم مزایا و محدودیت های خود را دارند و در عمل بسیاری از سازمان ها ترکیبی از آن ها را به کار می گیرند تا تامین بهینه اهداف متباین سرعت، دقت و تاب آوری را به صورت همزمان تضمین کنند.
چشم انداز آینده جهان و صنعت هوانوردی شبیه به یک ارکستر هوشمند است؛ جایی که عامل های مختلف هوش مصنوعی، هرکدام با ساز تخصصی خود، در چارچوبی سازمان یافته و هماهنگ کنار هم قرار می گیرند. انسان ها در این میان همان شنونده و ناظر اصلی هستند که نه تنها از موسیقی لذت می برند بلکه اطمینان حاصل می کنند اجرا مطابق با استانداردها، ایمنی و ارزش های انسانی پیش می رود. توجه کنیم که در این میان هوش مصنوعی نه جایگزین انسان، بلکه شریک او در خلق سمفونی آینده مانند ایمنی، بهره وری و نوآوری در مفاهیم و پارادایم های جدید آن خواهد بود. اگر آینده هوانوردی را همانند سیستمی متشکل از اجزاء تخصصی تصور کنیم، عامل های هوش مصنوعی هرکدام نقش تخصصی خود را دارند؛ یکی مراقب سوخت است، دیگری وضعیت جوی را رصد می کند، دیگری عملکرد موتور را بررسی می کند و همه در نهایت با هدایت فرمانده ای انسانی کل مجموعه را ایمن، روان، بهره ور و با سرعت در جهت درست و با روش و ناوبری درست پیش می برند و چشم اندازهای آنها مانند ستاره قطبی نه اهدافی برای رسیدن، بلکه نقاط مرجعی برای درست حرکت کردن با اشتیاق است.
چالش اساسی ایجاد رابطه ای سالم و اعتمادآفرین میان انسان و این تیم دیجیتال است. اگر انسان احساس کند صرفاً ناظر و بی اثر است، اعتمادش از بین می رود و در شرایط بحرانی دچار تردید می شود. اگر بیش از حد به عامل های هوش مصنوعی اعتماد شود، خطر وابستگی و نادیده گرفتن قضاوت انسانی و یا حتی بی توجهی ها و خطاهای انسانی صرف نظر از تخلفات انسانی پیش می آید. نقطه تعادل جایی است که انسان و عامل های هوش مصنوعی در یک شراکت واقعی و بهینه با یکدیگر به صورت اخلاقی همکاری کنند.
برای رسیدن به این چشم انداز، کشور ما به طور کلی و صنعت هوانوردی به صورت خاص باید سه مسیر موازی را هم زمان طی کند.
نخست مسیر فناوری؛ ایجاد زیرساخت های داده ای استاندارد و تقویت توان پردازشی برای کارکرد یکپارچه عامل ها. هر اقدامی در بخش هوش مصنوعی بدون توجه به روند بلوغ دیجیتال در تکامل داده ای فقط شیفتگی تکنولوژیکی است.
دوم مسیر مقررات و استانداردها؛ جایی که نهادهای بین المللی مانند ایکائو و یاتا چارچوب هایی شفاف برای الگوریتم ها، مدیریت ریسک و مسئولیت پذیری در ابعاد جهانی و منطقه ای و سازمان هواپیمایی کشوری ما در ابعاد ملی تعریف کنند. در صورت عدم تدوین مقررات در این بخش باید منتظر تبعات آن مانند یکی از نتایج پیامدهای ترک فعل مقامات سازمان هواپیمایی کشوری در حوزه تدوین مقررات برای پهپادها UAVs در فضای کشور و خسارت های سنگین ناشی از جنگ ۱۲ روزه آن باشیم.
سوم مسیر آموزش نیروی انسانی؛ زیرا بدون تربیت خلبانان، کنترلرهای ترافیک هوایی، مدیران و کارکنانی که توانایی همکاری با این عامل های هوش مصنوعی را داشته باشند، حتی بهترین فناوری ها نیز بی ثمر خواهند بود. عدم توجه به این بخش اتلاف سرمایه گذاری های سنگین را در آینده در کشور در پی خواهد داشت که امیدوارم مسئولین محترم و دلسوز به آن توجه ویژه ای داشته باشند.
با ترکیب این سه مسیر، آینده ای ترسیم می شود که در آن سیستم های چندعاملی نه تنها ابزاری برای افزایش بهره وری بلکه بستری برای تاب آوری کشور و صنعت هوانوردی در برابر بحران ها خواهند بود. در چنین آینده ای، هر تصمیم عملیاتی حاصل هم افزایی میان انسان و عامل های هوش مصنوعی است؛ تصمیمی که بر داده های عظیم و تحلیل های پیشرفته استوار است و در عین حال به قضاوت انسانی و ارزش های بنیادین اخلاقی، توسعه پایدار، ایمنی و امنیت متکی است. این همان نقطه ای است که می توان گفت ارکستر هوشمند جهان به صورت کلی و کشور ما و هوانوردی به صورت خاص به اوج خود رسیده و سمفونی آینده را با صدایی شفاف و هماهنگ اجرا می کند، باشد که بخواهند.
