آملیا ؛ پلتفرم هوش مصنوعی برای آموزش خلبانان
خطوط هوایی با خودکارسازی ضبط و تحلیل داده ها ، می توانند سال ها کار مقدماتی را که معمولاً برای اجرای برنامه های EBT مورد نیاز است ، تسریع کنند و در عین حال وابستگی خود را به تحلیلگران متخصص داده کاهش دهند . آملیا کاملاً با قوانین هوش مصنوعی اتحادیه اروپا و استانداردهای داده های خاص هوانوردی همسو است .
خطوط هوایی با خودکارسازی ضبط و تحلیل داده ها ، می توانند سال ها کار مقدماتی را که معمولاً برای اجرای برنامه های EBT مورد نیاز است ، تسریع کنند و در عین حال وابستگی خود را به تحلیلگران متخصص داده کاهش دهند. آملیا کاملاً با قوانین هوش مصنوعی اتحادیه اروپا و استانداردهای داده های خاص هوانوردی همسو است.
به گزارش تین نیوز به نقل از پرتال حمل و نقل ، آملیا که توسط باشگاه خلبانان خطوط هوایی توسعه داده شده ، به گونه ای طراحی شده که سطح جدیدی از دقت ، ثبات و بینش مبتنی بر داده را به آموزش خلبانی ارائه دهد. به عبارتی شکاف بین آموزش سنتی و نسل بعدی آموزش مبتنی بر شایستگی و مبتنی بر شواهد را پر کند.
آملیا در هسته خود ، از ترکیب ماشین لرنینگ و هوش مصنوعی مولد برای جمع آوری ، تجزیه و تحلیل و تفسیر داده های آموزشی از طیف وسیعی از منابع استفاده می کند.
این سیستم به طور خودکار رویدادهای آموزشی - از جلسات کامل شبیه ساز شش ساعته گرفته تا تمرین های کوتاه سی دقیقه ای - را در برابر شایستگی های قابل اندازه گیری خلبان و رفتارهای قابل مشاهده ترسیم می کند.
بازخورد مربی ، ضبط صدا و به زودی حتی داده های شبیه ساز در یک پلتفرم ادغام می شوند و به سازمان های آموزشی تصویری کامل و بلادرنگ از عملکرد خلبان ارائه می دهند.آنچه این سیستم را متمایز می کند ، تأکید آن بر نمره دهی منسجم و عینی است.
ابزار تحلیل صوتی - تصویری بومی این پلتفرم فراتر عمل می کند و با تحلیل لحن ، ریتم و بافت ، ظرافت های ارتباطات کابین خلبان را حفظ می کند.
چندین شرکت هواپیمایی و آموزشگاه پرواز - از جمله چندین شرکت در اروپا و آمریکای شمالی - در حال حاضر از آملیا استفاده می کنند و انتظار می رود اطلاعیه های بیشتری در اواخر امسال منتشر شود.
خطوط هوایی با خودکارسازی ضبط و تحلیل داده ها ، می توانند سال ها کار مقدماتی را که معمولاً برای اجرای برنامه های EBT مورد نیاز است ، تسریع کنند و در عین حال وابستگی خود را به تحلیلگران متخصص داده کاهش دهند. آملیا کاملاً با قوانین هوش مصنوعی اتحادیه اروپا و استانداردهای داده های خاص هوانوردی همسو است.
تأثیر عملیاتی آن می تواند قابل توجه باشد. این ابزار می تواند زمان مدیریت مربی را تا ۳۰ درصد کاهش دهد ، واریانس نمره دهی را تا ۴۰ درصد کاهش دهد و به طور بالقوه نرخ شکست آموزش های جبرانی را به نصف برساند.
برای خطوط هوایی ، این به معنای افزایش بهره وری قابل اندازه گیری است - به طور بالقوه زمان آموزش مکرر سالانه خلبان را از چهار روز به سه روز کاهش می دهد. با این حال ، این فناوری برای جایگزینی مربیان انسانی طراحی نشده است.
