В последние годы искусственный интеллект (ИИ) в целом и большие языковые модели (Large Language Models, LLM) в частности стали неотъемлемой частью многих технологических процессов. Прорывы в области обработки информации открыли новые возможности и для авиационной отрасли. Авиакомпании и аэропорты по всему миру начали активно интегрировать LLM в сферу обслуживания пассажиров. Например, генеративные нейросети и чат-боты на базе GPT-технологий уже задействуют в работе индийские Air India и американские United Airlines.
Применение больших языковых моделей в авиационной сфере имеет множество плюсов, однако при этом сопряжено и с определёнными рисками. О том, почему такие инновации одновременно опасны и перспективны, рассказал научный сотрудник института № 8 «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации в компании BetBoom Юрий Чайников.
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 счёт этого LLM способны предсказывать следующий токен (слово или символ) в тексте на основе предыдущих.
Первые шаги в области обработки естественного языка делались ещё 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 текстов, 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 идёт 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 самолётов. 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.
По словам эксперта, нейросети также дали большие преимущества проектировщикам, частью работы которых является отслеживание трендов на основе открытых публикаций.
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.
Также использование LLM становится всё 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 лёгкостью меняют её 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 отчётов по техническому обслуживанию, выявлять закономерности и прогнозировать возможные неисправности. Например, AI может помочь в расшифровке и анализе текстовых отчётов, поступающих от инженеров и техников. Причём LLM способны пойти ещё 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 тренажёры. 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 удовлетворённости 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.
По его словам, со временем всё больше решений будут принимать нейросети, а вероятность совершения ошибки с их стороны станет меньше. В будущем можно ожидать появления ещё 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 объёмы данных и помогать операторам принимать оптимальные решения. Ещё 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 приведёт к новой проблеме. Некому будет брать ответственность за совершённые ошибки и некому — нести наказание за нанесённый 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 перелёты более комфортными и доступными.
Материал подготовлен при поддержке Минобрнауки России
Источник: пресс-служба МАИ