来源：滚动播报
（来源：中国航空报）
人工智能能提升飞行训练水平，还
是会削弱飞行员的技能？
如今，人工智能（AI）正稳步进入航空领域。它不再是科幻小说里的虚构，而是如今切实可用的辅助、分析和决策支持工具。
在驾驶舱内，人工智能的优势显而易见。与时间紧迫的人类飞行员相比，人工智能能够更快地处理更多数据，并更清晰地呈现各种选择。它还可以辅助备降决策、识别运行威胁、检测性能数据中的模式，并帮助培训机构更精准地定制学习内容。
然而，航空业早已多次吸取教训——而且往往是以惨痛的代价——任何能够简化飞行的工具，如果使用不当，也可能使飞行员的技能变得更加脆弱。
因此，核心问题不在于人工智能是否应该应用于飞行员培训，而在于如何运用人工智能来增强飞行员的判断力、适应能力和飞行技能，而不是悄无声息地削弱它们。
监管与研究
监管和研究问题至关重要，因为当前的监管和研究已经指向同一方向。欧洲航空安全局（EASA）的人工智能概念文件第二版区分了增强人类能力的人工智能和在人类监督下以更协作的方式运行的人机协作人工智能。
该文件并非出于对技术的盲目热情，而是强调航空领域值得信赖的人工智能需要学习保障、可解释性、基于伦理的评估以及清晰的人工指导。
美国联邦航空管理局（FAA）从另一个角度得出了类似的结论：尽管设计人员正努力将人工智能融入航空系统，但航空业仍然缺乏一套成熟的人工智能安全保障方法。换句话说，争论的焦点不再是人工智能是否会到来，而是航空业能否在不放弃对人类操作员驾驶飞机胜任能力的前提下，将其融入航空领域。
虚拟助手
对于飞行员训练而言，真正的首要机遇并非取代，而是增强。优秀的训练始终致力于减少不必要的认知负担，使飞行员能够专注于真正重要的事情：识别威胁、确定行动优先级、管理精力、清晰沟通以及作出合理的决策。人工智能可以辅助这一过程。
相关的一项研究考察了在备降场景中使用基于人工智能的虚拟机组助手的飞行员，发现使用该辅助系统后，飞行员的工作负荷显著降低。这并非微不足道的结果——在时间紧迫或信息量巨大的情况下，降低工作负荷可以节省脑力资源，用于更高层次的判断。
如果使用得当，这表明人工智能可以成为飞行员提升场景管理能力的训练伙伴，而不仅仅是驾驶舱内的便利工具。其优势不在于机器的“决策”能力优于飞行员，而在于它能够在复杂情况出现时帮助飞行员更清晰地思考。
使用人工智能培训可能出现的状况
然而，工作负荷的减轻并不必然带来安全性的提升。培训始终存在着支持与依赖之间的矛盾。如果飞行员习惯于从智能助手那里获得结构完美的选项，那么当助手出错、无法使用或只能提供部分帮助时该怎么办？正是在这种情况下，“人机协作”的概念比以往的“自动化”概念更具价值。协作意味着角色、责任、沟通以及意见分歧的可能性。有研究认为，驾驶舱内有效的人机协作取决于信任、角色清晰、任务分配和情境感知。这些不仅仅是设计问题，更是培训问题。如果飞行员要与人工智能协同工作，他们不仅需要接受如何使用人工智能的培训，还需要接受如何监督人工智能、质疑人工智能以及何时不应依赖人工智能的培训。因此，培训的目标应该是培养严谨的怀疑精神，而不是被动接受。
这对于在人工智能环境下飞行员熟练程度的真正含义具有重要意义。多年来，航空培训一直在从狭隘的、基于事件的模式转向基于能力和基于证据的方法。国际民航组织（ICAO）基于能力的培训框架目的是帮助各组织弥合绩效差距，其培训重点在于可观察的能力，而非机械地完成操作。
欧洲航空安全局（EASA）的循证培训资源也表达了同样的观点：培训的目的并非仅仅是演练孤立的事件，而是根据基于能力的原则，发展和评估机组人员的整体能力。这一理念尤其适用于人工智能。如果将智能辅助系统引入飞行员培训，不应将其作为又一个需要学习的工具。它应该被整合到一个能力框架中，该框架会提出一个更为重要的问题：这个工具究竟是能培养出更优秀的飞行员，还是仅仅是更熟练的操作者？
熟练的假象
误判人工智能的危险在于，它可能会营造出一种熟练的假象。当数字助手提供出色的提示、建议和交叉检查时，飞行员可能会显得流畅、有条不紊且高效。
然而，部分表现可能并非出自于人，而是机器，这种区别至关重要。在飞行员培训中，熟练程度不仅仅指成功完成任务，更在于培养飞行员自身的应对不确定性、模糊性、新情况和环境恶化的能力。这些能力在条件不理想时最为突出。如果培训系统仅依靠人工智能来制造完美表现，而不测试飞行员的独立理解能力，那么可能会培养出一代看似能干，但一旦失去辅助就会束手无策的飞行员。这并非进步，而是培训领域的“能力借用”。
正因如此，手动飞行和航路管理仍然非常重要。美国联邦航空管理局（FAA）第120—123号咨询通告将航路管理定义为运行和培训的统一框架，明确涵盖手动飞行操作、自动化系统管理、飞行员监控和能源管理。
这份清单颇具启发性。它并不将手动飞行和自动化管理视为对立面，而是将它们视为有效飞行路径控制中相互促进的要素。
实际上，这意味着面向人工智能辅助未来的飞行员培训应该保护手动操作和认知能力的基础，而不是想当然地认为这些能力可以安全地外包。新出现的支持系统越强大，就越需要有意识地维护飞行员在支持系统减弱时能够恢复的基础能力。
关于手动飞行表现的一项研究强化了这一论点。该研究提出了一种基于能力的评估方法，用于评估飞行员在仪表飞行训练期间的手动飞行表现，该方法围绕可观察的行为和可测量的评估指标构建。这项工作的价值不仅仅在于技术层面，它还指出了一个更广泛的原则：如果培训想要在日益数字化的环境中保持可信度，就必须评估飞行员的实际操作、关键行为出现的频率以及这些行为的可靠性。
人工智能或许能够更有效地分析性能数据，但它不应取代对实际操作能力的评估。事实上，人工智能的发展可能使这种衡量变得更加重要，因为人们更容易将系统支持的成功与人类的精湛技艺混淆起来。
人工智能作为一种“倍增器”
然而，看待人工智能在培训领域的应用还有一种更具建设性的方式。培训机构不应将其视为对技能水平的威胁，而应将其视为提升教学设计的“倍增器”。航空培训中的数字能力必须涵盖技术技能、批判性评估、伦理实践以及在安全攸关的环境中的适应性专业知识。
这是一个重要的转变。数字素养不仅仅是操作软件的能力，它还包括评估输出结果、发现局限性以及在技术出现意外行为时作出适当反应的能力。对于飞行员培训而言，这意味着人工智能不仅作为一种工具纳入课程，更应该成为批判性理解的对象。飞行员应该学习人工智能如何得出或支持建议，数据可能存在哪些缺陷，可能存在哪些偏差，以及哪些迹象表明输出结果需要质疑。
这一培训层面尤为重要，因为当前的航空课程并非始终与技术发展保持同步。当前的航空工程课程对人工智能和机器学习能力的关注有限，而更侧重于基础数字技能。虽然他们的研究针对的是工程应用而非飞行员培训，但其结论仍然适用。航空院校往往宣称要进行现代化改造，但实际教学内容的更新速度却跟不上。在飞行员领域，这种差距可能会带来特别大的风险。如果运营商在教员和学员尚未系统理解人机协作之前，就将人工智能系统引入培训或航线运行，那么最终结果可能是流于表面，缺乏真正的能力。这正是将安全作为至关重要的行业应该避免的错配。
谨慎行事
谨慎对待人工智能的一个原因是，人工智能在航空领域的发展速度远远超过了安全保障方法的完善速度。尽管该领域前景广阔，但仍需要可解释的人工智能、认证框架、混合智能设计以及更强大的数据集以进行深度拓展。如果更广泛的安全界仍在探索如何确保人工智能的可靠性和可信度，那么飞行员培训就不应将人工智能的输出视为具有内在权威性。相反，培训应该建立一种更健康的关系：将人工智能视为安全性能的强大但并非绝对可靠的辅助因素。
长期以来，教员一直教导飞行员质疑天气解读、飞行管理系统（FMS）输入，甚至质疑彼此的假设。对待人工智能的输出也应秉持同样的严谨专业精神。
“组织准备度”这一概念也值得关注。航空业通常将新技术视为“驾驶舱内的问题”，但培训成果却受到“驾驶舱”周围整个系统的影响：教学大纲、检查流程、模拟场景、教员标准化、运营理念，甚至包括组织内部关于“良好表现”的非正式信息。如果运营商更看重人工智能驱动的流畅执行，而非对技术深度理解的体现，那么培训体系也会随之偏离。因此，真正的挑战既在于技术，也在于文化。
四项原则
一套合理的人机协作训练理念应基于以下四个原则。
首先，人工智能的作用在于拓展理解，而非掩盖复杂性。优秀的系统不仅应使相关信息更加清晰，还应帮助飞行员理解推荐意见出现的原因。
其次，训练应保留定期的无辅助操作环节。飞行员需要有机会在没有智能辅助的情况下处理各种场景，以确保其基本能力始终可见且可训练。
再次，评估应尽可能区分辅助操作和非辅助操作的表现。如果不清楚成功处置中哪些部分属于飞行员自身，那就无法真正了解飞行员学到了什么。
最后，教员应做好准备，将对人工智能的质疑态度作为一项常规的专业技能进行教授，就像他们教授交叉检查、监控和威胁管理一样。这些并非反技术原则，而是技术增强而非削弱人类操作员能力的前提条件。
飞行员训练始终在适应新的工具。无线电导航、玻璃座舱、飞行管理系统以及日益强大的自动化技术都改变了“熟练”的定义。人工智能也会产生同样的影响，但其影响可能更为深远，因为它触及了判断力本身。这使得教育应对措施更具意义。未来的目标不应是维护飞行员“单打独斗”的理想化过去，也不应是拥抱机器让其成为系统中真正“思考者”的未来。正确的目标应该是培养能够借助人工智能提升而非取代其判断力的飞行员；在减轻其工作负担的同时，保持其思维的自律性；并确保其熟练程度始终建立在可观察、稳定的绩效之上。如果航空业能够坚持这一标准，那么人机协作的飞行员培训模式或许将成为重塑这一标准的最佳工具之一，而非对其飞行技能的威胁。（逸文）
热门跟贴